[ Pobierz całość w formacie PDF ]
podstawie wyników tej identyfikacji, w etapie drugim jest dokonywana przebudowa sieci w
taki sposób, aby w mo\liwie krótkim czasie i przy spełnieniu nało\onych ograniczeń, na wyj-
ściu sieci otrzymać zespól sygnałów bliski wzorcowemu.
Przeprowadzone badania i modelowania wykorzystujące sieci omawianego typu wykazały, \e
sieci uczące się pozwalają na bardzo szybkie dostosowanie się urządzenia do zmiennych wa-
runków działania i zmiennych zadań.
Progowe sieci neuronalne są w technice robotyzacyjnej na ogół stosowane w dwóch ob-
szarach:
- do rozwiązywania zadań kinematyki i dynamiki robotów
- do przetwarzania informacji pochodzących z czujników (przede wszystkim w urzą-
dzeniach rozpoznających obrazy).
9.2. Sterowanie ruchem robota
Rozpatrzmy przykład sterowania ruchem dwóch członów wykonawczych robota prze-
gubowego, sterowania opartego na zasadzie działania układów biologicznych i wykorzystują-
cego warstwowe sieci neuronalne. Zadaniem układu będzie kompensacja błędów trajektorii
ruchu, które mogą być spowodowane wpływem warunków rzeczywistych, poprzez naucze-
nie się" niezbędnych poprawek.
23
Układ sterowania z kompensacyjną siecią neuronalną pozwalającą umieścić efektor
robota w wymaganym poło\eniu pokazano na rys. 12.
Rys. 12. Układ sterowania z kompensacyjną siecią neuronalną
Uczenie sieci polegało na ustaleniu wag połączeń dla zbioru punktów x, y w prze-
strzeni roboczej robota. Stwierdzono, \e uczenie sieci nawet na jednym tylko punkcie powo-
duje poprawę dokładności o ok. 50%, natomiast po 8 punktowej serii uczącej, dokładność
pozycjonowania wzrastała dziesięciokrotnie. Bardzo krotki czas uczenia pozwala na szybkie
dostosowanie urządzenia do zmieniających się warunków pracy - przykładowo w przypadku
niewielkich przesunięć robota.
10. Sterowanie rozmyte FC (Fuzzy Control)
10.1. Wprowadzenie
Pojęcie Fuzzy" pojawiło się po raz pierwszy w roku 1965. Twórcą teorii zbiorów
rozmytych był Lofti Zadeh Podstawową ideą tej teorii jest dą\enie do odtworzenia sposobu
myślenia właściwego człowiekowi, które bazuje na je\yku naturalnym i nie da się, opisać
tradycyjnym aparatem matematycznym. Matematyka tradycyjna ma całkiem jednoznaczną
interpretacje, podczas gdy człowiek w swoim języku naturalnym korzysta z wieloznacznych
interpretacji. Zadaniem nowej teorii jest więc znalezienie rozmytych odpowiedników dla po-
jęć matematycznych i w ten sposób stworzenie nowego aparatu pozwalającego na modelowa-
nie ludzkiego myślenia. Badania w teorii zbiorów rozmytych rozwinęły się w dwóch kierun-
kach. Jednym z nich było przeniesienie tych pojęć, które mo\na uznać za rozmyte" na
wszystkie działy matematyki klasycznej. Tak powstały rozmyte" całki, równania, algorytmy,
itd. Drugim kierunkiem badań jest badanie samej natury rozmytości" i definiowanie rozmy-
tych obiektów.
W teorii zbiorów rozmytych istnieje wiele sposobów, aby sformalizować pojęcia
rozmyte". Jednym z nich jest przejście od klasycznej binarnej logiki, w której element inter-
pretowany jest albo jako prawdziwy, albo jako fałszywy, do logiki ciągłej. Według tej logiki
oszacowuje się stopień przynale\ności ka\dego elementu do określonego zbioru rozmytego.
Metody formalizacji pojęć rozmytych dopuszczają przybli\ony opis skomplikowanych ukła-
dów, nie są analizowane metodami matematyki klasycznej. W sytuacjach, w których rozwią-
zanie jest niezbędne, występują przewa\nie subiektywne cele, ograniczenia i kryteria wyboru
i nie są one jednoznacznie konstatowane. Zachodzi to tak\e wtedy, gdy istniejące informacje
są niepełne lub nie w pełni prawdziwe. Z tej te\ przyczyny korzystanie z logiki rozmytej
jest konieczne przy opisywaniu właśnie takich przypadków.
24
10.2. Podstawy sterowania rozmytego
Sterowanie rozmyte (ang. Fuzzy Control) jest sposobem zastosowania wnioskowa-
nia, opartego na teorii zbiorów rozmytych, do sterowania wykonywaniem między innymi
tak\e funkcji w układach mechanicznych. Opiera się ono na spostrze\eniu, \e skomplikowane
zagadnienia mogą być rozło\one na zbiór prostych, niezale\nych funkcji. Proces wnioskowa-
nia rozmytego składa się wice z kilku reguł (procesów podstawowych) i pojedynczej sumy
logicznej. Procesy podstawowe są podzielone na warunki (bloki warunkowe) i wnioski (bloki
wynikowe). Na rys. 13 pokarano prostą, chocia\ efektywną metodę operacji wnioskowania
rozmytego.
Jak mo\na zauwa\yć, zachodzi tutaj kilka procesów podstawowych, z których ka\dy
oparty jest na innych stanach danych wejściowych. Ka\dy z nich jest w zasadzie niezale\ny,
gdy\ wpływa tylko na końcową sumę logiczną. Podczas gdy pojedyncze procesy są proste
(nieskomplikowane), to połączenie ich pozwala na wykonanie skomplikowanych i dokład-
nych procedur sterowania. Procesy te łączą się. w operacji sumowania logicznego. Wyniki
podlegają następnie de rozmywaniu", czyli przetwarzaniu wartości rozmytych na dyskretne
w przetworniku F/D w którym obliczana jest końcowa wartość funkcji sterującej. Taki proces
wnioskowania charakteryzuje się równoległym przetwarzaniem danych (ma strukturę prze-
twarzania równoległego), które jest typowe dla sposobu myślenia człowieka.
Rys. 13. Schemat blokowy procesu wnioskowania w sterowaniu rozmytym [ Pobierz całość w formacie PDF ]
zanotowane.pl doc.pisz.pl pdf.pisz.pl freetocraft.keep.pl
podstawie wyników tej identyfikacji, w etapie drugim jest dokonywana przebudowa sieci w
taki sposób, aby w mo\liwie krótkim czasie i przy spełnieniu nało\onych ograniczeń, na wyj-
ściu sieci otrzymać zespól sygnałów bliski wzorcowemu.
Przeprowadzone badania i modelowania wykorzystujące sieci omawianego typu wykazały, \e
sieci uczące się pozwalają na bardzo szybkie dostosowanie się urządzenia do zmiennych wa-
runków działania i zmiennych zadań.
Progowe sieci neuronalne są w technice robotyzacyjnej na ogół stosowane w dwóch ob-
szarach:
- do rozwiązywania zadań kinematyki i dynamiki robotów
- do przetwarzania informacji pochodzących z czujników (przede wszystkim w urzą-
dzeniach rozpoznających obrazy).
9.2. Sterowanie ruchem robota
Rozpatrzmy przykład sterowania ruchem dwóch członów wykonawczych robota prze-
gubowego, sterowania opartego na zasadzie działania układów biologicznych i wykorzystują-
cego warstwowe sieci neuronalne. Zadaniem układu będzie kompensacja błędów trajektorii
ruchu, które mogą być spowodowane wpływem warunków rzeczywistych, poprzez naucze-
nie się" niezbędnych poprawek.
23
Układ sterowania z kompensacyjną siecią neuronalną pozwalającą umieścić efektor
robota w wymaganym poło\eniu pokazano na rys. 12.
Rys. 12. Układ sterowania z kompensacyjną siecią neuronalną
Uczenie sieci polegało na ustaleniu wag połączeń dla zbioru punktów x, y w prze-
strzeni roboczej robota. Stwierdzono, \e uczenie sieci nawet na jednym tylko punkcie powo-
duje poprawę dokładności o ok. 50%, natomiast po 8 punktowej serii uczącej, dokładność
pozycjonowania wzrastała dziesięciokrotnie. Bardzo krotki czas uczenia pozwala na szybkie
dostosowanie urządzenia do zmieniających się warunków pracy - przykładowo w przypadku
niewielkich przesunięć robota.
10. Sterowanie rozmyte FC (Fuzzy Control)
10.1. Wprowadzenie
Pojęcie Fuzzy" pojawiło się po raz pierwszy w roku 1965. Twórcą teorii zbiorów
rozmytych był Lofti Zadeh Podstawową ideą tej teorii jest dą\enie do odtworzenia sposobu
myślenia właściwego człowiekowi, które bazuje na je\yku naturalnym i nie da się, opisać
tradycyjnym aparatem matematycznym. Matematyka tradycyjna ma całkiem jednoznaczną
interpretacje, podczas gdy człowiek w swoim języku naturalnym korzysta z wieloznacznych
interpretacji. Zadaniem nowej teorii jest więc znalezienie rozmytych odpowiedników dla po-
jęć matematycznych i w ten sposób stworzenie nowego aparatu pozwalającego na modelowa-
nie ludzkiego myślenia. Badania w teorii zbiorów rozmytych rozwinęły się w dwóch kierun-
kach. Jednym z nich było przeniesienie tych pojęć, które mo\na uznać za rozmyte" na
wszystkie działy matematyki klasycznej. Tak powstały rozmyte" całki, równania, algorytmy,
itd. Drugim kierunkiem badań jest badanie samej natury rozmytości" i definiowanie rozmy-
tych obiektów.
W teorii zbiorów rozmytych istnieje wiele sposobów, aby sformalizować pojęcia
rozmyte". Jednym z nich jest przejście od klasycznej binarnej logiki, w której element inter-
pretowany jest albo jako prawdziwy, albo jako fałszywy, do logiki ciągłej. Według tej logiki
oszacowuje się stopień przynale\ności ka\dego elementu do określonego zbioru rozmytego.
Metody formalizacji pojęć rozmytych dopuszczają przybli\ony opis skomplikowanych ukła-
dów, nie są analizowane metodami matematyki klasycznej. W sytuacjach, w których rozwią-
zanie jest niezbędne, występują przewa\nie subiektywne cele, ograniczenia i kryteria wyboru
i nie są one jednoznacznie konstatowane. Zachodzi to tak\e wtedy, gdy istniejące informacje
są niepełne lub nie w pełni prawdziwe. Z tej te\ przyczyny korzystanie z logiki rozmytej
jest konieczne przy opisywaniu właśnie takich przypadków.
24
10.2. Podstawy sterowania rozmytego
Sterowanie rozmyte (ang. Fuzzy Control) jest sposobem zastosowania wnioskowa-
nia, opartego na teorii zbiorów rozmytych, do sterowania wykonywaniem między innymi
tak\e funkcji w układach mechanicznych. Opiera się ono na spostrze\eniu, \e skomplikowane
zagadnienia mogą być rozło\one na zbiór prostych, niezale\nych funkcji. Proces wnioskowa-
nia rozmytego składa się wice z kilku reguł (procesów podstawowych) i pojedynczej sumy
logicznej. Procesy podstawowe są podzielone na warunki (bloki warunkowe) i wnioski (bloki
wynikowe). Na rys. 13 pokarano prostą, chocia\ efektywną metodę operacji wnioskowania
rozmytego.
Jak mo\na zauwa\yć, zachodzi tutaj kilka procesów podstawowych, z których ka\dy
oparty jest na innych stanach danych wejściowych. Ka\dy z nich jest w zasadzie niezale\ny,
gdy\ wpływa tylko na końcową sumę logiczną. Podczas gdy pojedyncze procesy są proste
(nieskomplikowane), to połączenie ich pozwala na wykonanie skomplikowanych i dokład-
nych procedur sterowania. Procesy te łączą się. w operacji sumowania logicznego. Wyniki
podlegają następnie de rozmywaniu", czyli przetwarzaniu wartości rozmytych na dyskretne
w przetworniku F/D w którym obliczana jest końcowa wartość funkcji sterującej. Taki proces
wnioskowania charakteryzuje się równoległym przetwarzaniem danych (ma strukturę prze-
twarzania równoległego), które jest typowe dla sposobu myślenia człowieka.
Rys. 13. Schemat blokowy procesu wnioskowania w sterowaniu rozmytym [ Pobierz całość w formacie PDF ]