Разработайте и моделируйте системы нечеткой логики
Fuzzy Logic Toolbox™ обеспечивает функции MATLAB ® , приложения и блок Simulink ® для анализа, разработки и симуляции систем на основе нечеткой логики. Руководства по продукту вы через шаги разработки нечетких систем вывода. Функции обеспечиваются для многих общепринятых методик, включая нечеткую кластеризацию и адаптивное нейронечеткое изучение.
Тулбокс позволяет вам поведения сложной системы модели, использующие простые логические правила, и затем реализуйте эти правила в нечеткой системе вывода. Можно использовать его в качестве автономного нечеткого механизма логического вывода. Также можно использовать нечеткие блоки вывода в Simulink и моделировать нечеткие системы во всесторонней модели целой динамической системы.
Начало работы
Изучите основы Fuzzy Logic Toolbox
Нечеткое системное моделирование вывода
Создайте нечеткие системы вывода и нечеткие деревья
Нечеткая системная настройка вывода
Настройте функции принадлежности и правила нечетких систем
Кластеризация данных
Найдите кластеры в данных о вводе/выводе с помощью нечетких c-средних-значений или отнимающей кластеризации
Основным признаком классификации нечетких систем управления является место нахождения блоков нечеткого логического вывода в системе управления: либо нечеткая система сама формирует управляющие сигналы, либо сигналы с нечеткой системы управляют параметрами традиционной системы управления (например ПИД-контроллером). К последним также относятся системы, с так называемыми, нечеткими комплексными моделями, в которых математическое описание объекта или контроллера представлено ансамблем традиционных моделей (обычно линейных), а переход между данными моделями (либо плавный, либо скачкообразный) происходит посредством сигналов с блоков нечеткого вывода.
Системы управления с нечеткой логикой можно разделить также на неадаптивные и адаптивные. В неадаптивных база знаний после проектирования и настройки системы остается неизменной. В адаптивных база знаний подстраивается в процессе работы в зависимости от складывающейся в процессе управления ситуации.
Независимо от того адаптивной или нет, является нечеткая система управления, основным вопросом при ее проектировании является формирование базы знаний в виде нечетких продукционных правил.
Основным методом здесь является заимствование знаний специалистов по управлению рассматриваемым объектом (в частности, обычно, путем экспертного опроса) К разновидностям данного метода можно отнести автоматическую генерацию нечетких продукционных правил в процессе слежения за действиями человека-оператора.
Некоторым формализующим подспорьем в данном процессе могут служить исследования зависимости нелинейных операторов, реализуемых нечеткими системами, от параметров баз знаний, числа термов нечетких лингвистических переменных, вида функций принадлежности, алгоритма нечеткого вывода и т.п.
Часто проще в начале получить нечеткую (лингвистическую) модель объекта управления, а затем уже по ней формировать нечеткую модель управления. В этой связи следует отметить следующие работы. В публикации описан синтез нечеткой системы управления по модели объекта первого порядка, однако обобщить данный метод на объекты произвольного порядка достаточно сложно. В работе рассматривается лингвистический синтез регулятора по заданным лингвистическим моделям объекта и замкнутой системы. Синтез производится исходя из предположения, что сигналы в системе суть лингвистические переменные, принимающие значения на конечном множестве нечетких переменных. В работе на основе лингвистического описания объекта управления синтезируется лингвистическое описание контроллера обратной связи, таким образом, чтобы выполнялось достаточное условие устойчивости системы согласно второму методу Ляпунова с функцией в виде квадратичной формы. При таком подходе из поля зрения выпадает влияние функций принадлежности отдельных термов, алгоритма нечеткого вывода, вид приведения к четкости, поэтому при применении данной методики к системе с четкими сигналами результат будет мало предсказуем.
Другим подходом к синтезу нечеткой системы управления, используя нечеткую модель объекта, является применение методов обратной динамики. В данном методе нечеткая система строится так, чтобы наилучшим образом соответствовать обратному оператору объекта. В работах также рассмотрен синтез нечеткой модели объекта управления на основе вероятностных методов. Как отмечают авторы, совместное применение принципа обратной динамики и вероятностных моделей позволят полностью исключить из синтеза нечетких систем управления субъективную составляющую т.е. полностью формализовать процедуру синтеза. В рассматриваемых работах приводятся примеры синтеза нечетких регуляторов и их сравнение с традиционными, показывающие эффективность предложенных методов. В тоже время, данный метод имеет и существенные недостатки: обратный оператор объекта в общем случае может быть реализован только приближенно, не гарантируются качества полученной нечеткой системы, особенно это проявляется при нестабильности параметров объекта.
Следующим направлением в синтезе является разработка нечетких аналогов методами традиционной теории управления. Так были получены аналоги интеграла свертки, передаточной функции, принципа инвариантности, второго метода Ляпунова и др. Обзор работ по данному направлению приводится в. Следует отметить, что указанные аналоги получены при условии действия в системе нечетких сигналов (отсутствии блоков деффазификации), данное обстоятельство значительно ограничивает применение данных методов.
В целом ряде работ рассматривается синтез нелинейного оптимального закона управления с помощью теории оптимальных систем управления с последующей аппроксимацией полученных операторов нечеткой системой. Приведем несколько примеров. В работе рассматривается аппроксимация характеристик нечетких систем обычными нелинейными функциями и получение для них инвариантной системы, как это делается в традиционной теории управления. В работах оптимальный закон управления синтезируется на основе теории аналитического конструирования регуляторов (АКОР) и затем аппроксимируется нечеткой системой. В работах рассматривается система, в которой производится автоматическая динамическая коррекция параметров ПИД - регулятора сигналами, подаваемыми с систем нечеткого логического вывода, аппроксимирующих нелинейные операторы, полученные используя принцип максимума. К недостаткам данного подхода относится следующее: найти оптимальное управление удается только в простейшем случае, необходимо знать точную модель объекта управления, открытым остается вопрос о том каким образом аппроксимировать полученный оптимальный закон нечеткой системой, отсутствие каких либо гарантий качества синтезированной системы управления при изменении параметров объекта.
Блоки нечеткого логического вывода представляют собой нелинейные звенья системы управления, поэтому логично применить к такой системе методы известные из традиционной нелинейной теории автоматического управления, и на основе результатов анализа выбрать наилучшую структуру и параметры системы. При этом получается гибридная технология сочетающая как качественные принципы синтеза нечетких систем, так и количественные принципы традиционной теории управления .
Наиболее приспособлен для получения аналитических методов алгоритм нечеткого логического вывода Такаги-Сугэно (Takagi-Sugeno), предложенный в работе, этим и объясняется наибольшее количество работ, в которых рассматривается аналитическое исследование систем, использующих указанный алгоритм . В работе предложен критерий устойчивости нечетких систем управления с нечеткой с моделями Сугэно, в которых анализ устойчивости сводится к анализу устойчивости отдельных подсистем. Несмотря на свою простоту, данный метод дает возможность определить лишь небольшую часть истинной области устойчивости. Значительно лучший результат дает применение второго метода Ляпунова. Применение данного метода является наиболее распространенным среди других подходов. Приведем некоторые из современных работ относящиеся к этому направлению.
Интерес представляют работы в которых динамически подстраиваются параметры нечеткого регулятора с целью обеспечить на каждом шаге переходного процесса отрицательность первой разности функции Ляпунова, т.е. выполнения достаточного условия устойчивости системы. Авторы указанных работ относят данную систему к адаптивным.
В работах предложено для исследования нечетких систем применять методы теории абсолютной устойчивости. Дальнейшее развитие данное направление получило в работах, в частности получены зависимости величины сектора нахождения нелинейной зависимости от параметров соответствующей нечеткой системы и развито применение частотных геометрических критериев устойчивости для систем управления с нечеткой логикой. Как известно данные методы анализа при выполнении определенных условий позволяют получить области устойчивости системы не уже чем с помощью второго метода Ляпунова с квадратичной функцией. В работах методы теории абсолютной устойчивости распространены на случай систем управления с многомерными блоками нечеткого логического вывода.
Целым рядом авторов предлагалось для анализа и синтеза систем с нечеткой логикой применять гармоническую линеаризацию (метод гармонического баланса) см., например. Достоинства, этого подхода: простота и логическая прозрачность получаемого условия устойчивости. Однако, и недостатки данного подхода хорошо известны. В отличие от простейших нелинейностей (насыщение, зона нечувствительности, люфт и т.п.) связь между параметрами для системы нечеткого логического вывода и ее гармонически линеаризованной передаточной функцией не может быть выражена в аналитическом виде, либо имеет очень сложный вид; громоздкость решения уравнения гармонического баланса (соизмеримая с затратами на численное моделирование системы); приближенность метода; необходимость выполнения гипотезы фильтра. Поэтому широкого распространения данный подход не получил.
Общими достоинствами методов синтеза нечетких систем управления основанных на аналитических методах исследования нелинейных систем относится гарантия заданных характеристик синтезируемой системы. Недостатки также представляются достаточно очевидными: необходимость иметь достаточно формализованную модель объекта управления, грубость получаемых оценок, применимость только в простейших случаях.
Несмотря на развитие методов синтеза систем управления с нечеткой логикой, основным методом синтеза, как и в первых моделях нечетких регуляторов, по-прежнему остается эмпирический синтез набора нечетких продукционных правил базы знаний и выбор алгоритма нечеткого вывода, с последующей настройкой параметров системы на реальном объекте управления или его модели, путем имитационного моделирования различных режимов работы. Достоинством такого метода является, во-первых, надежность (в смысле гарантированности свойств) получаемой системы, и, во-вторых, применимость при наличии самой общей информации об объекте управления. (Заметим, что при полном отсутствии такой информации нельзя экспертным путем сформировать базу знаний нечеткой системы, и система управления, в какой-то степени, становится подобна нейросетевой.)
Разработайте и моделируйте системы нечеткой логики
Fuzzy Logic Toolbox™ обеспечивает функции MATLAB ® , приложения и блок Simulink ® для анализа, разработки и симуляции систем на основе нечеткой логики. Руководства по продукту вы через шаги разработки нечетких систем вывода. Функции обеспечиваются для многих общепринятых методик, включая нечеткую кластеризацию и адаптивное нейронечеткое изучение.
Тулбокс позволяет вам поведения сложной системы модели, использующие простые логические правила, и затем реализуйте эти правила в нечеткой системе вывода. Можно использовать его в качестве автономного нечеткого механизма логического вывода. Также можно использовать нечеткие блоки вывода в Simulink и моделировать нечеткие системы во всесторонней модели целой динамической системы.
Начало работы
Изучите основы Fuzzy Logic Toolbox
Нечеткое системное моделирование вывода
Создайте нечеткие системы вывода и нечеткие деревья
Нечеткая системная настройка вывода
Настройте функции принадлежности и правила нечетких систем
Кластеризация данных
Найдите кластеры в данных о вводе/выводе с помощью нечетких c-средних-значений или отнимающей кластеризации
Лекция № 6. ПРОЕКТИРОВАНИЕ НЕЧЕТКИХ АЛГОРИТМОВ УПРАВЛЕНИЯ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ
Общие принципы построения интеллектуальных систем управления на основе нечеткой логики
Как уже отмечалось выше, применение нечеткой логики обеспечивает принципиально новый подход к проектированию систем управления, "прорыв" в новые информационные технологии, гарантирует возможность решения широкого круга проблем, в которых данные, цели и ограничения являются слишком сложными или плохо определенными и в силу этого не поддаются точному математическому описанию.
Возможны различные ситуации, в которых могут использоваться нечеткие модели динамических систем:
Когда имеется некоторое лингвистическое описание, которое отражает качественное понимание (представление) процесса и позволяет непосредственно построить множество нечетких логических правил;
Имеются известные уравнения, которые (хотя бы грубо) описывают поведение управляемого процесса, но параметры этих уравнений не могут быть точно идентифицированы;
Известные уравнения, описывающие процесс, являются слишком сложными, но они могут быть интерпретированы нечетким образом для построения лингвистической модели;
С помощью входных/выходных данных оцениваются нечеткие логические правила поведения системы.
Первые результаты практического применения алгоритмов нечеткой логики к управлению реальными техническими объектами были опубликованы в 1974 г. в работах профессора Лондонского Королевского колледжа Э.Х. Мамдани, посвященных проблеме регулирования парогенератора для электростанции. В этих работах была предложена ставшая сегодня классической структурная схема системы нечеткого управления (рис. 3.1).
Под нечетким управлением (Fuzzy Control) в данном, случае понимается стратегия управления, основанная на эмпирически приобретенных знаниях относительно функционирования объекта (процесса), представленных в лингвистической форме в виде некоторой совокупности правил.
Рис. 5.1. Структурная схема системы нечеткого управления
На рис. 3.1 ДФ - динамический фильтр, выделяющий, помимо сигналов ошибок управления x 1 =r 1 -y 1 и х 3 =r 2 -у 2 , производные от этих сигналов и ;
РНЛ - регулятор на основе нечеткой логики ("нечеткий регулятор”, включающий в себя базу знаний (конкретнее - базу правил) и механизм логического вывода;
соответственно векторы задающих воздействий (уставок), входов и выходов РНЛ, а также выходов объекта управления (т.е. парогенератора); т - операция транспонирования вектора.
В качестве входов и выходов РНЛ выступают:
Отклонение давления в паровом котле (y 1) по отношению к и требуемому (номинальному) значению (r 1);
Скорость изменения Р Е;
Отклонение скорости изменения давления (у 2) по отношению к его заданному значению (r 2);
Скорость изменения SE;
u 1 =H c – изменение степени подогрева пара;
U 2 =: Тс - изменение положения дросселя.
Мамдани предложил рассматривать эти величины как лингвистические переменные, каждая из которых может принимать одно из следующих значений из множества
L= {NB,NM,NS,NO,PO,PS,PM,PB}.
Здесь 1-я буква в обозначении указывает знак числовой переменной и соответствует английскому слову Negative ("отрицательное") или Positive ("положительное"), 2-я буква говорит об абсолютном значении переменной: Big ("большое"), Middle ("среднее"), Small ("малое") или О ("близкое к нулю"). Например, символ NS означает "отрицательное малое".
В процессе работы ИСУ в каждый момент времени используется один из двух нечетких алгоритмов: по первому из них осуществляется регулирование давления в котле путем изменения подогрева пара Н c , по второму поддерживается требуемая скорость изменения давления с помощью изменения положения регулирующего дросселя Т с. Каждый из алгоритмов состоит из ряда правил – высказываний, записанных на естественном языке, типа:
"Если отклонение давления в котле большое, отрицательного знака и если это отклонение не убывает с большой или средней по величине скоростью, то степень подогрева пара необходимо сильно увеличить".
"Если скорость изменения давления чуть ниже нормы и в то же время эта скорость резко растет, то следует изменить положение дросселя на положительную, достаточно малую, величину".
Используя введенные выше обозначения, можно переписать эти правила в следующем виде:
"ЕСЛИ (P E =NB И C PE =HE (NB ИЛИ NM), ТО Н С =РВ";
"ЕСЛИ (S E =NO И C SE =PB), TO T C =PS".
Реализация предложенных алгоритмов нечеткого управления при этом принципиально отличается от классических ("жестких") алгоритмов, построенных на основе концепции обратной связи (Feed-back Control) и, по существу, просто воспроизводящих некоторую заданную функциональную зависимость или дифференциальное уравнение.
Нечеткий регулятор берет на себя те функции, которые обычно выполняются опытным и умелым обслуживающим персоналом. Эти функции связаны с качественной оценкой поведения системы, анализом текущей меняющейся ситуации и выбором наиболее подходящего для данной ситуации способа управления объектом. Данная концепция управления получила название опережающего (или упреждающего) управления (Feed-Forward Control).
Используя образное сравнение, можно сказать, что примерно так действует опытный теннисист, каждый раз варьируя свой удар, чтобы мяч летел по определенной, выбранной им траектории, тогда как теннисный автомат работает по жестко заданной программе, подавая мяч всегда в одну и ту же точку, по одной и той же траектории.
Блок - схема нечеткого регулятора в общем случае принимает вид, изображенный на рис. 3.2.
Как видно из данной схемы, формирование управляющих воздействий u 1 ,u 2 ,...,u m включает в себя следующие этапы:
а) получение отклонений управляемых координат и скоростей их изменения – х 1 ,x 2 ,...,х n ;
б) "фаззификация" этих данных, т.е. преобразование полученных значений к нечеткому виду, в форме лингвистических переменных;
в) определение нечетких (качественных) значений выходных переменных u 1 ,u 2 ,...,u m (в виде функций их принадлежности соответствующим нечетким подмножествам) на основе заранее формулированных правил логического вывода, записанных в базе правил;
г) "дефаззификация", т.е. вычисление реальных числовых значений выходов u 1 ,u 2 ,...,u m , используемых для управления объектом.
Рис. 3.2. Блок-схема нечеткого регулятора
Помимо представленного на рис. 3.1 варианта "чистого" использования нечеткого управления, существуют и другие варианты построения ИСУ с нечеткими регуляторами. Так, в классической теории регулирования широкое распространение получило использование ПИД - регулятора, выходной сигнал которого вычисляется по формуле
(3.1)
где параметры К п, К и и К д характеризуют удельный вес соответственно пропорциональной, интегральной и дифференциальной составляющей и, должны выбираться исходя из заданных показателей качества регулирования (время регулирования, перерегулирование, затухание переходных процессов).
Возможное использование нечеткого регулятора (НР) для автоматической настройки (адаптации) указанных параметров ПИД - регулятора показано на рис. 3.3,а. Другие варианты применения HP – формирование уставок обычных регуляторов (рис. 3.3,6); подключение параллельно ПИД - регулятору (рис. 3.3, в); управление с предварительной оценкой характеристик сигналов (ОХС), получаемых с датчиков, на основе интерпретации их значимости, выделения обобщенных показателей качества и т. п. с последующей обработкой с помощью алгоритмов нечеткой логики (рис. 3.3,г).
Рис. 3.3. Структуры ИСУ с нечеткими регуляторами
В качестве предпосылок к применению нечетких регуляторов обычно называются:
Большое число входных параметров, подлежащих анализу (оценке);
Большое число управляющих воздействий (многомерность);
Сильные возмущения;
Нелинейности;
Неточности математических моделей программы регулирования;
Возможность использования технических знаний "know - how".
Подводя итог сказанному, отметим еще раз те области применения, в которых использование нечетких регуляторов оказывается более эффективным по сравнению с традиционными алгоритмами управления. Это:
1) приложения, которые пока были не связаны с автоматизацией, требующие применения "know - how", например, пивоварение (где можно воспользоваться знаниями экспертов с целью повышения качества продукции), подъемные краны (для повышения производительности рабочего персонала) и т. п.;
2) приложения, в которых математические методы не работоспособны. Это очень сложные процессы, не поддающиеся математическому описанию, для управления которыми можно использовать, наряду с эмпирическими знаниями, также полученную измерительную информацию (например, о ходе химических процессов);
3) приложения, в которых стандартные регуляторы достаточно хорошо работают; однако управление на основе нечеткой логики предлагает в данном случае альтернативный способ решения задач регулирования, возможность работы с лингвистическими переменными, более широкие возможности для оптимизации.
Постановка задачи. Спроектировать нечеткую систему управления, имеющую статическую передаточную характеристику следующего вида:
Вариант 1. y = sin(x), x [-,].
Вариант 2. y = cos(x), x .
Вариант 3. y = (2) -1/2 exp(-x 2 /2), x [-3,3].
Вариант 4. y = (2/)arctg(x), x [-,].
Вариант 5. y = (1/)arcctg(x), x [-,].
Вариант 6. y = th(x) = (e x -e -x)/ (e x +e -x), x [-,].
Вариант 7. y = e -x sin(x), x [-,].
Вариант 8. y = e -x cos(x), x .
Подготовка к лабораторной работе.
Выбор подходящих опорных точек для последующей линейной аппроксимации. Рекомендуется построить отображаемую зависимость достаточно точно в укрупненном масштабе на миллиметровке и аппроксимировать ее отрезками прямых, пытаясь достичь разумного компромисса между минимальным числом отрезков и точностью аппроксимации. Полезным является также использование справочников по математике для поиска информации о математических правилах для выбора числа опорных точек, минимизирующих общую ошибку аппроксимации.
По полученной кусочно-линейной аппроксимирующей зависимости формируются функции принадлежности для входной и выходной переменных нечеткой системы.
Входным и выходным лингвистическим переменным и их термам присваиваются имена и аббревиатуры.
Формируется база правил аппроксимации.
Порядок выполнения работы:
Загрузить fuzzyTECH MP Explorer.
Для создания нового проекта выбрать строку «N ew» пункта главного меню «F ile». На вопрос программы «Generate system?» ответить утвердительно. В появившемся диалоговом окне «Generate system» задать следующие параметры нечеткой системы:
число входных лингвистических переменных в поле ввода «I nput LVs:» (в данной работе 1);
число выходных лингвистических переменных в поле ввода «O utput LVs:» (в данной работе 1);
число термов на входную лингвистическую переменную в поле ввода «Input t erms/LV:» (по результатам домашней подготовки);
число термов на выходную лингвистическую переменную в поле ввода «Output te rms/LV:» (по результатам домашней подготовки);
число блоков правил в поле ввода «R ule blocks:» (в данной работе 1 блок правил).
Зафиксировать результаты ввода нажатием кнопки «ОК». В результате в окне «Project Editor» формируется условное графическое изображение проектируемой нечеткой системы, а в окне лингвистических переменных «LV» список с предопределенными системными именами для входных и выходных переменных: in1, out1. На условном графическом изображении прямоугольник слева со схематическим рисунком функций принадлежности и именем «in1» представляет входную переменную, прямоугольник справа с рисунком дефазификации и именем «out1» отображает выходную переменную. В центре находится блок правил.
3. Для изменения имени лингвистической переменной и ввода ее термов необходимо выделить переменную из списка в окне «LV» (щелчком левой клавиши мышки на имени переменной) и нажать правую клавишу мышки для вызова всплывающего контекстного меню. В контекстном меню выбрать строку «A ttributes ...». В появившемся окне «Rename Variable» можно поменять имя переменной в поле «N ame:» и нажать на клавишу «Edit ...» для ввода термов для этой переменной.
В появившемся окне все термы в списке «T erm» также имеют предопределенные имена, которые можно поменять похожим образом: выделить из списка требуемый терм и вызвать из контекстного меню строку «A ttributes ...». Новое имя терма вводится в поле «T erm Name». Здесь же можно поменять форму нечеткого множества терма (группа радиопереключателей «S hape») и положение терма в списке (список «P osition»).
Перед определением функций принадлежности необходимо задать область определения лингвистической переменной. Для этого с помощью двойного щелчка левой кнопкой мыши на строке «Base_Variable» перейти в окно «Base Variable». Минимальное («Min :») и максимальное («M ax:») значение диапазона («Range») задаются в полях колонки «Shell Values». В этом окне можно также поменять подпись под графиком функций принадлежности в поле «B ase Variable Name».
Определение функции принадлежности может происходить двумя способами:
определить, какая из опорных точек функции принадлежности (прямоугольники на графике), имеющей тот же цвет, что и имя терма, отмечена «галочкой» внутри. Задать координаты этой опорной точки в полях ввода «x », «y »;
выделить опорную точку щелчком левой клавиши мышки. Нажать левую клавишу и, не отпуская, переместить прямоугольник опорной точки в требуемое место графика и там освободить клавишу.
4. После ввода всех лингвистических переменных и их термов необходимо создать базу правил нечеткой системы. Для этого следует дважды щелкнуть левой клавишей мышки на блоке правил условного графического изображения нечеткой системы. В результате откроется окно редактора правил «Spreadsheet Rule Editor», в котором перечислены все возможные комбинации правил. Необходимо отметить последовательно все правила, которые не нужны для работы системы, щелчками левой клавиши мышки на номерах соответствующих правил и удалить их разом нажатием клавиши «Del» с последующим утвердительным ответом на запрос системы о необходимости удаления. После этого закрыть окно редактора правил.
Открыть двойным щелчком мышки на прямоугольнике входной переменной условного графического изображения окно интерфейсных опций «Interface Options» и проверить, что установлен радиопереключатель «Fast Computation of MBF» группы «INPUT Fuzzification:» и в списке интерфейсных переменных «I nterface Variable:» указана правильная входная переменная. Аналогичным образом открыть то же окно для выходной переменной и проверить установку метода дефазификации «CoM» (Center of Maximum) и корректность выходной переменной в списке интерфейсных переменных.
Для получения передаточной характеристики нечеткой системы сформировать входное воздействие, линейно изменяющееся во всем допустимом диапазоне значений. Для этого выбрать строку «P attern Generator» пункта главного меню «D ebug». В появившемся окне «Pattern Generator» задать начальное значение в поле ввода «F rom:», конечное в поле ввода «То:» и шаг изменения в поле «S tep:». Для формирования файла входного воздействия нажать на кнопку «G enerate ...». Указать имя файла воздействия в окне сохранения файла «Generate Pattern To ...» и сохранить его нажатием кнопки «ОК». Закрыть окно «Pattern Generator» кнопкой «Close».
Вызвать функцию «F ile Recorder» из меню «D ebug». В окне «Read File Control Information From ...» указать в поле «Filen ame» имя файла со сформированным входным воздействием и нажать на кнопку «ОК». В результате откроются окна «Debug: File Recorder» и «File Control».
Сформировать окно для построения графика передаточной характеристики. Для этого вызвать функцию «Time P lot ...» из меню «A nalyzer». Задать конфигурацию графического вывода в окне «Time Plot Configuration» следующим образом:
в списке «L Vs:» выделить щелчком левой клавиши мыши выходную переменную;
переместить эту переменную в окно «P lot Items:» нажатием на кнопку «> >»;
завершить ввод конфигурации нажатием кнопки «ОК».
После этого откроется окно для графика передаточной характеристики «Time Plot - 1». Разместить окна «Time Plot - 1» и «File Control» на экране так, чтобы они не перекрывали друг друга. Окно «Debug: File Recorder» при этом может быть перекрыто этими окнами.
Получить график передаточной характеристики, используя окно «File Control». Для управления процессом используются кнопки поля «Control», похожие на клавиши плейера, расположенные в следующем порядке слева направо:
пошаговая перемотка вперед к последней точке;
автоматическая перемотка вперед к последней точке;
переход к последней точке входного воздействия.
переход к первой точке входного воздействия;
автоматическая перемотка назад к первой точке;
пошаговая перемотка назад к первой точке;
Для получения графика нажать кнопку автоматической перемотки вперед.
После зарисовки графика полученной передаточной характеристики закрыть окно «Time Plot - 1», перейти опять к первой точке входного воздействия и перемотать входное воздействие в пошаговом режиме, фиксируя вход («I nputs:») и выход («O utputs:») системы в окне «Debug: File Recorder». Эти данные будут использоваться для оценки точности аппроксимации передаточной характеристики. Закрыть окно «Debug: File Recorder», перейти опять к первой точке входного воздействия и открыть окно с функциями принадлежности выходной переменной, дважды щелкнув левой клавишей мыши на имени переменной в окне «LV». Изучить и зарисовать процесс дефазификации по методу «CoM» в пошаговом режиме.
Изменить установку метода дефазификации с «CoM» на «МоМ» (Mean of Maximum). Для этого необходимо перейти в окно «Project Editor» либо щелкнув на нем левой клавишей мыши, либо выбрав его из списка окон в меню «W indow» и открыть двойным щелчком мышки на прямоугольнике выходной переменной условного графического изображения окно интерфейсных опций «Interface Options», чтобы установить радиопереключатель «MoM» группы «OUTPUT Defuzzification:». После этого следует повторить вышеописанную процедуру получения передаточной характеристики для нового метода дефазификации.
Закрыть все открытые окна и завершить работу программы (строка «Ex it» пункта главного меню «F ile»).