Визуальное программирование метода отношения площадей

Цель исследования. Исследование зависимости между входными и выходными характеристиками нечеткологической системы на основе применения метода отношения площадей. Для описания указанного метода и полученных во время моделирования в табличном процессоре результатов предлагается использование средств иллюстративного представления информации – визуальное программирование.

Методы. Для изучения метода отношения площадей рассматривалась нечетко-логическая модель, содержащая две входные переменные с тремя треугольными функциями принадлежности и одну выходную переменную с пятью треугольными функциями принадлежности. Была сформирована база нечетких правил. Для определения степеней активации выходных термов применялось минимаксное правило вывода Л. Заде. Дефаззификация значений проводилась с использованием модели, в основе которой лежит метод отношения площадей.

Результаты. Рассмотрены преимущества метода отношения площадей перед традиционными моделями, которые заключаются в возможности компенсировать главный недостаток - сужение интервала дефаззификации. С помощью предлагаемого метода изучена возможность использования различных количеств переменных на входных и выходных функциях принадлежности. Результаты экспериментальных исследований показали, что комбинирование параметров позволяет создать визуальное представление характеристик между входными и выходными переменными.

Заключение. В данной статье описан метод отношения площадей, который позволяет визуализировать зависимость между входными и выходными переменными. Приведены основные результаты численного моделирования, отражающие специфику исследуемого метода. Изучение проводилось посредством визуального программирования, которое обеспечивает ряд преимуществ, таких как повышение качества программного продукта, обеспечение четкой структуризации задачи и доступность для восприятия человека.

1. Bobyr M. V., Emelyanov S. G. A nonlinear method of learning neuro-fuzzy models for dynamic control systems // Applied Soft Computing. 2020. Vol. 88. P. 106030.

2. Бобырь М.В., Храпова Н.И., Ламонов М.А. Система управления интеллектуальным светофором на основе нечеткой логики // Известия Юго-Западного государственного университета. 2021;25(4):162-174. https://doi.org/10.21869/2223-1560-2021-25-4-162-176

3. Bobyr M. V., Yakushev A. S., Dorodnykh A. A. Fuzzy devices for cooling the cutting tool of the CNC machine implemented on FPGA // Measurement. 2020. Vol. 152. P. 107378.

4. Adriyendi. Fuzzy Logic using Tsukamoto Model and Sugeno Model on Prediction Cost // International Journal of Intelligent Systems and Applications. 2018. Vol. 10. No. 6. P. 13-21.

5. Сравнение алгоритмов MAMDANI и SUGENO в задаче процесса обучения ANFIS для оценки QOE доступа к интернет-услугам на базе пакета MATLAB / В. А. Галкин, С. Н. Красильников, В. Б. Попенков, Х. К. Гонсалес-Гусев // Динамика сложных систем - XXI век. 2019. Т. 13, № 2. С. 28-33.

6. Wahyuni I., Mahmudy W. F. Rainfall prediction in Tengger, Indonesia using hybrid tsukamoto FIS and genetic algorithm method // Journal of ICT Research and Applications. 2017. Vol. 11, No. 1. P. 38-55.

7. Veshneva I., Bolshakov A., Kulik A. Increasing the safety of flights with the use of mathematical model based on status functions // Studies in Systems, Decision and Control. 2019. Vol. 199. P. 608-621.

8. Даев Ж. А., Султанов Н. З. Система автоматического контроля влажности природного газа на основе нечеткой модели Мамдани // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2018. № 10. С. 22-25.

9. Сабитов Р. М. Энергоэффективная система управления освещением парковой зоны // Шаг в науку. 2020. № 4. С. 47-52.

10. Применение алгоритма нечеткой логики Мамдани для отбора игроков в футбольный клуб на предсезонных сборах / С. Т. Дусакаева, И. А. Хохлов, П. Л. Нирян, М. П. Носарев // Современные технологии. Системный анализ. Моделирование. 2022. № 4(76). С. 228-237.

11. Пегат А. Нечеткое моделирование и управление / пер. с англ. А.Г. Подвесовского, Ю.В. Тюленцева. 2-е изд. M.: BINOM. Лаборатория знаний, 2013. 798 p.

12. Бобырь М. В., Кулабухов С. А. Математическая модель для нового метода дефаззификации в структуре нечеткого вывода // Мехатроника, автоматика и робототехника. 2018. № 2. С. 218-220.

13. Бобырь М.В., Кулабухов С.А. Дефаззификация вывода из базы нечетких правил на основе метода разности площадей // Вестник компьютерных и информационных технологий. 2015. №9. С.32– 41.

14. Милостная Н. А. Быстродействующие дефаззификаторы, основанные на методе отношения площадей // Промышленные АСУ и контроллеры. 2021. № 11. С. 18-25.

15. Милостная Н.А. Исследование устойчивости нейро-нечёткой системы вывода, основанной на методе отношения площадей // Известия Юго-Западного государственного университета. 2021;25(3):70-85. https://doi.org/10.21869/2223-1560-2021-25-3-70-85.

16. Коварцев А.Н., Жидченко В.В., Попова-Коварцева Д.А. Методы и технологии визуального программирования. Самара: ООО «Офорт», 2017. С. 197.

17. Милостная Н.А. Компенсация ошибки сужения интервала дефаззификации методом отношения площадей // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2023;13(1):111-122. https://doi.org/10.21869/2223-1536-2023-13-1-111-122.

18. Каид В. А. А. Методы построения функций принадлежности нечетких множеств // Известия ЮФУ. Технические науки. 2013. № 2(139). С. 144-153.

19. Zadeh L.A. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes // IEEE Transactions on Systems, Man and Cybernetics, 1973, vol. SMC- 3, p. 28-44.

20. Титов В.С., Бобырь М.В., Анциферов А.В. Адаптивный мультисетевой алгоритм нечетно-логического вывода в задачах управления оборудованием с ЧПУ // Мехатроника, автоматизация, управление. 2013. №5. С. 18-23.