Uyarlanabilir Bulanık Denetleyici

Bu bölümde, Uyarlanabilir Bulanık Denetleyicinin ne olduğunu ve nasıl çalıştığını tartışacağız. Adaptive Fuzzy Controller, bazı ayarlanabilir parametrelerle ve bunları ayarlamak için gömülü bir mekanizma ile tasarlanmıştır. Denetleyicinin performansını artırmak için uyarlanabilir denetleyici kullanılmıştır.

Uyarlanabilir Algoritmayı Uygulama için Temel Adımlar

Şimdi uyarlanabilir algoritmayı uygulamak için temel adımları tartışalım.

  • Collection of observable data - Gözlenebilir veriler, kontrolörün performansını hesaplamak için toplanır.

  • Adjustment of controller parameters - Artık kontrolör performansı yardımıyla kontrolör parametrelerinin ayarlarının hesaplanması yapılacaktır.

  • Improvement in performance of controller - Bu adımda, kontrolörün performansını iyileştirmek için kontrolör parametreleri ayarlanır.

Operasyonel Kavramlar

Bir kontrolörün tasarımı, gerçek bir sisteme benzeyen varsayılan bir matematiksel modele dayanır. Gerçek sistem ile matematiksel temsili arasındaki hata hesaplanır ve göreceli olarak önemsiz ise modelin etkili bir şekilde çalıştığı varsayılır.

Bir kontrolörün etkinliği için bir sınır belirleyen bir eşik sabiti de mevcuttur. Kontrol girişi hem gerçek sisteme hem de matematiksel modele beslenir. Burada, $ x \ left (t \ right) $ 'ın gerçek sistemin çıktısı ve $ y \ left (t \ right) $' ın matematiksel modelin çıktısı olduğunu varsayalım. Sonra $ \ epsilon \ left (t \ right) $ hatası şu şekilde hesaplanabilir -

$$ \ epsilon \ left (t \ sağ) = x \ left (t \ sağ) - y \ left (t \ sağ) $$

Burada $ x $ sistemden istediğimiz çıktı ve $ \ mu \ left (t \ right) $ denetleyiciden gelen ve hem reel hem de matematiksel modele giden çıktıdır.

Aşağıdaki diyagram, gerçek bir sistemin çıkışı ile Matematiksel model arasında hata fonksiyonunun nasıl izlendiğini gösterir -

Sistemin Parametrelendirilmesi

Tasarımı bulanık matematiksel modele dayanan bulanık bir denetleyici, aşağıdaki bulanık kural biçimine sahip olacaktır:

Rule 1 - EĞER $ x_1 \ left (t_n \ right) \ X_ {11} \: AND ... AND \: x_i \ left (t_n \ right) \ X_ {1i} $ içinde

THEN $ \ mu _1 \ left (t_n \ sağ) = K_ {11} x_1 \ left (t_n \ right) + K_ {12} x_2 \ left (t_n \ sağ) \: + ... + \: K_ {1i } x_i \ left (t_n \ sağ) $

Rule 2 - X_ {21} \ içinde $ x_1 \ left (t_n \ right) \: VE ... VE \: x_i \ left (t_n \ right) \ X_ {2i} $ içinde

THEN $ \ mu _2 \ left (t_n \ sağ) = K_ {21} x_1 \ left (t_n \ sağ) + K_ {22} x_2 \ left (t_n \ sağ) \: + ... + \: K_ {2i } x_i \ left (t_n \ sağ) $

.

.

.

Rule j - X_ {k1} \ içinde $ x_1 \ left (t_n \ right) \: VE ... VE \: x_i \ left (t_n \ right) \ X_ {ki} $ içinde

SONRA $ \ mu _j \ sol (t_n \ sağ) = K_ {j1} x_1 \ sol (t_n \ sağ) + K_ {j2} x_2 \ sol (t_n \ sağ) \: + ... + \: K_ {ji } x_i \ left (t_n \ sağ) $

Yukarıdaki parametreler, denetleyiciyi karakterize eder.

Mekanizma Ayarı

Denetleyici parametreleri, denetleyicinin performansını artırmak için ayarlanır. Parametrelere ayarlamayı hesaplama süreci, ayarlama mekanizmasıdır.

Matematiksel olarak, $ \ theta ^ \ left (n \ right) $, $ t = t_n $ zamanında ayarlanacak bir dizi parametre olsun. Ayar, parametrelerin yeniden hesaplanması olabilir,

$$ \ theta ^ \ left (n \ sağ) = \ Theta \ left (D_0, \: D_1, \: ..., \: D_n \ sağ) $$

Burada $ D_n $, $ t = t_n $ anında toplanan verilerdir.

Şimdi bu formülasyon, önceki değerine dayalı olarak parametre setinin güncellenmesiyle yeniden formüle edilir:

$$ \ theta ^ \ left (n \ sağ) = \ phi (\ theta ^ {n-1}, \: D_n) $$

Uyarlanabilir Bulanık Denetleyici seçme parametreleri

Uyarlanabilir bir bulanık denetleyici seçmek için aşağıdaki parametrelerin dikkate alınması gerekir -

  • Sistem tamamen bulanık bir modelle yaklaştırılabilir mi?

  • Bir sisteme tamamen bulanık bir modelle yaklaşılabiliyorsa, bu bulanık modelin parametreleri kolayca elde edilebilir mi yoksa çevrimiçi olarak belirlenmeli mi?

  • Bir sisteme tamamen bulanık bir modelle yaklaşılamıyorsa, bir dizi bulanık modelle parçalı olarak yaklaştırılabilir mi?

  • Bir sistem bir dizi bulanık modelle yaklaştırılabiliyorsa, bu modeller farklı parametrelerle aynı formata mı yoksa farklı formatlara mı sahip?

  • Bir sistem, her biri farklı bir parametre setine sahip aynı formata sahip bir dizi bulanık modelle yaklaştırılabiliyorsa, bu parametre setleri kolayca elde edilebilir mi yoksa çevrimiçi olarak belirlenmeleri mi gerekir?