Adaptive Fuzzy Controller
ในบทนี้เราจะพูดถึง Adaptive Fuzzy Controller คืออะไรและทำงานอย่างไร Adaptive Fuzzy Controller ได้รับการออกแบบให้มีพารามิเตอร์ที่ปรับได้บางอย่างพร้อมกับกลไกในตัวสำหรับการปรับแต่ง Adaptive Controller ถูกนำมาใช้เพื่อปรับปรุงประสิทธิภาพของคอนโทรลเลอร์
ขั้นตอนพื้นฐานสำหรับการปรับใช้อัลกอริทึมแบบปรับได้
ตอนนี้ให้เราพูดถึงขั้นตอนพื้นฐานสำหรับการปรับใช้อัลกอริทึมการปรับตัว
Collection of observable data - ข้อมูลที่สังเกตได้จะถูกรวบรวมเพื่อคำนวณประสิทธิภาพของคอนโทรลเลอร์
Adjustment of controller parameters - ตอนนี้ด้วยความช่วยเหลือของประสิทธิภาพของคอนโทรลเลอร์การคำนวณการปรับพารามิเตอร์ตัวควบคุมจะทำได้
Improvement in performance of controller - ในขั้นตอนนี้พารามิเตอร์คอนโทรลเลอร์จะถูกปรับเพื่อปรับปรุงประสิทธิภาพของคอนโทรลเลอร์
แนวคิดในการดำเนินงาน
การออกแบบคอนโทรลเลอร์เป็นไปตามแบบจำลองทางคณิตศาสตร์ที่สมมติขึ้นซึ่งคล้ายกับระบบจริง ข้อผิดพลาดระหว่างระบบจริงและการแทนค่าทางคณิตศาสตร์จะถูกคำนวณและหากมีความสำคัญน้อยกว่าแบบจำลองจะถือว่าทำงานได้อย่างมีประสิทธิภาพ
ค่าคงที่เกณฑ์ที่กำหนดขอบเขตสำหรับประสิทธิภาพของคอนโทรลเลอร์ก็มีอยู่เช่นกัน อินพุตควบคุมถูกป้อนเข้าทั้งระบบจริงและแบบจำลองทางคณิตศาสตร์ ที่นี่สมมติว่า $ x \ left (t \ right) $ คือผลลัพธ์ของระบบจริงและ $ y \ left (t \ right) $ คือผลลัพธ์ของแบบจำลองทางคณิตศาสตร์ จากนั้นข้อผิดพลาด $ \ epsilon \ left (t \ right) $ สามารถคำนวณได้ดังนี้ -
$$ \ epsilon \ left (t \ right) = x \ left (t \ right) - y \ left (t \ right) $$
ที่นี่ $ x $ ที่ต้องการคือผลลัพธ์ที่เราต้องการจากระบบและ $ \ mu \ left (t \ right) $ คือเอาต์พุตที่มาจากคอนโทรลเลอร์และไปยังทั้งแบบจำลองจริงและแบบทางคณิตศาสตร์
แผนภาพต่อไปนี้แสดงให้เห็นว่าฟังก์ชันข้อผิดพลาดถูกติดตามระหว่างเอาต์พุตของระบบจริงและแบบจำลองทางคณิตศาสตร์อย่างไร -
การกำหนดพารามิเตอร์ของระบบ
ตัวควบคุมแบบฟัซซี่ที่ออกแบบตามแบบจำลองทางคณิตศาสตร์ที่คลุมเครือจะมีรูปแบบของกฎที่คลุมเครือดังต่อไปนี้ -
Rule 1 - IF $ x_1 \ left (t_n \ right) \ in X_ {11} \: AND ... AND \: x_i \ left (t_n \ right) \ in X_ {1i} $
แล้ว $ \ mu _1 \ left (t_n \ right) = K_ {11} x_1 \ left (t_n \ right) + K_ {12} x_2 \ left (t_n \ right) \: + ... + \: K_ {1i } x_i \ left (t_n \ right) $
Rule 2 - IF $ x_1 \ left (t_n \ right) \ in X_ {21} \: AND ... AND \: x_i \ left (t_n \ right) \ in X_ {2i} $
แล้ว $ \ mu _2 \ left (t_n \ right) = K_ {21} x_1 \ left (t_n \ right) + K_ {22} x_2 \ left (t_n \ right) \: + ... + \: K_ {2i } x_i \ left (t_n \ right) $
.
.
.
Rule j - IF $ x_1 \ left (t_n \ right) \ in X_ {k1} \: AND ... AND \: x_i \ left (t_n \ right) \ in X_ {ki} $
แล้ว $ \ mu _j \ left (t_n \ right) = K_ {j1} x_1 \ left (t_n \ right) + K_ {j2} x_2 \ left (t_n \ right) \: + ... + \: K_ {ji } x_i \ left (t_n \ right) $
ชุดพารามิเตอร์ด้านบนแสดงลักษณะของคอนโทรลเลอร์
การปรับกลไก
พารามิเตอร์คอนโทรลเลอร์ได้รับการปรับเพื่อปรับปรุงประสิทธิภาพของคอนโทรลเลอร์ กระบวนการคำนวณการปรับค่าพารามิเตอร์คือกลไกการปรับ
ในทางคณิตศาสตร์ให้ $ \ theta ^ \ left (n \ right) $ เป็นชุดของพารามิเตอร์ที่จะปรับในเวลา $ t = t_n $ การปรับเปลี่ยนสามารถคำนวณใหม่ของพารามิเตอร์
$$ \ theta ^ \ left (n \ right) = \ Theta \ left (D_0, \: D_1, \: ... , \: D_n \ right) $$
ที่นี่ $ D_n $ คือข้อมูลที่รวบรวมเมื่อเวลา $ t = t_n $
ตอนนี้สูตรนี้ได้รับการจัดรูปแบบใหม่โดยการอัปเดตชุดพารามิเตอร์ตามค่าก่อนหน้าเป็น
$$ \ theta ^ \ left (n \ right) = \ phi (\ theta ^ {n-1}, \: D_n) $$
พารามิเตอร์สำหรับการเลือก Adaptive Fuzzy Controller
จำเป็นต้องพิจารณาพารามิเตอร์ต่อไปนี้เพื่อเลือกตัวควบคุมฟัซซีแบบปรับได้ -
ระบบสามารถประมาณแบบจำลองทั้งหมดได้หรือไม่?
หากระบบสามารถประมาณได้ทั้งหมดโดยแบบจำลองฟัซซีพารามิเตอร์ของโมเดลฟัซซี่นี้พร้อมใช้งานหรือไม่หรือต้องพิจารณาทางออนไลน์
ถ้าระบบไม่สามารถประมาณแบบจำลองแบบฟัซซีได้ทั้งหมดระบบจะประมาณแบบทีละชุดได้หรือไม่
หากระบบสามารถประมาณโดยชุดของโมเดลฟัซซีโมเดลเหล่านี้มีรูปแบบเดียวกันโดยมีพารามิเตอร์ต่างกันหรือมีรูปแบบที่แตกต่างกันหรือไม่
หากระบบสามารถประมาณได้โดยชุดของโมเดลฟัซซีที่มีรูปแบบเดียวกันโดยแต่ละชุดมีพารามิเตอร์ที่แตกต่างกันชุดพารามิเตอร์เหล่านี้จะพร้อมใช้งานหรือไม่หรือต้องกำหนดแบบออนไลน์