ВИКОРИСТАННЯ МАТЕМАТИЧНОГО АПАРАТУ НЕЧІТКОЇ ЛОГІКИ В СИСТЕМАХ АВТОМАТИЗОВАНОГО КЕРУВАННЯ

Нечітка логіка зародилася як найбільш зручний спосіб керування складними технологічними процесами і знайшла застосування в побутовій електроніці, діагностичних та інших експертних системах [1]. Використання її елементів у системах автоматизованого керування дає змогу здійснювати керування процесом з більшою точністю та економією ресурсів.

В термінах арістотелевої логіки твердження не може бути одночасно істинним і хибним. Тому для того, щоб істинність чи хибність перестали бути абсолютними, вводять нечітку логіку, яка дає можливість називати твердження частково істинним або хибним.

Таким чином, нечітка логіка сама по собі не сумісна з арістотелевою, особливо по відношенню до закону «Tertium non datur» («Третього не дано» – лат.), який також називають законом виключення середнього. Якщо його сформулювати коротко, то він звучить так: якщо ствердження не істинне, то воно хибне.

Нечітка логіка оперує не цифровими, а лінгвістичними поняттями, ключовими серед яких є:

• фаззіфікація – перетворення множини значень аргументу (х) в деяку функцію належності М(х), тобто перевід значень (х) в нечіткий формат;
• дефаззіфікація – обернений процес до фаззіфікації.

Системи з нечіткою логікою функціонують за наступним принципом: показники вимірювальних пристроїв фаззіфікуються (переводяться в нечіткий формат), обробляються, дефаззіфікуються і потім у вигляді звичайних сигналів подаються на прилади.

В роботі розглянуто процес керування системою вентиляції та кондиціонування на основі нечіткої логіки. Побудову моделі здійснювали в інтерактивній системі Simulink з використанням блоку Fuzzy Logic Controller [2].

Для забезпечення комфортних умов перебування у приміщенні необхідно забезпечити належне регулювання температури та вологості. За даними з приладів у приміщенні знаходять встановлені показники температури та вологості, які регулюються шляхом управління нагрівачами та камерою зрошення у вентиляції (рис. 1).

У даному випадку на fuzzy-регулятор поступають дані вологості та температури у приміщенні (рис. 2), а на виході з нього отримуємо два вихідні сигнали температури першого та другого нагрівачів відповідно (рис. 3).

Рис. 1. Функціональна схема системи вентиляції та кондиціонування:

1 – вентилятор; 2 – камера змішування свіжого та рециркуляційного повітря; 3 – фільтр; 4 – камера первинного підігріву; 5 – камера зволоження; 6 – камера вторинного підігріву; 7 – приміщення; 8 – клапан регулювання витрати; 9 – електродвигун.

Рис. 2. Діапазон і терми вхідних сигналів

Рис. 3. Діапазон і терми вихідних сигналів

Такого роду умови дозволяють максимально точно регулювати швидкість роботи вентиляційної системи, що забезпечує економічність використання ресурсів.

Записавши лінгвістичні правила для нашої системи, отримали наступне візуальне відображення поверхні правил (рис. 4).

Склавши систему керування у відповідності до всіх розрахованих параметрів та промоделювавши її, отримали перехідні характеристики вологості та температури (рис. 5). Їх порівняння з аналогами, отриманими в системі керування з ПІ-регулятором, показало, що при застосуванні нечіткої логіки, регулювання відбувається більш згладжено та за коротший проміжок часу, що свідчить про більшу ефективність використання саме такої системи керування.

Рис. 4. Візуальне відображення (поверхня) правил

Рис. 5. Перехідні характеристики вологості та температури в системі регулювання з нечіткою логікою

На основі отриманих результатів показано, що системи керування з нечіткою логікою більш раціональні в використанні в системах автоматизації, аніж решта типових систем. Це пояснюється значно точнішим процесом регулювання величин під час модуляції систем та можливістю покращення процесу керування завдяки більшій гнучкості системи. При цьому використання елементів нечіткої логіки може значно знизити енерговитрати, підняти поріг чутливості системи до зовнішніх збурень, більш точно реагувати на сторонні фактори впливу на систему.

Список літератури

1. Круглов В.В. Нечеткая логика и искусственные нейронные сети / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. – М.: Физматлит, 2001.

2. Леоненков А.А. Нечеткое моделирование в среде Matlab и fuzzyTech / А.А. Леоненков. – СПб.: БХВ-Петербург, 2005.