УСТРОЙСТВО ПРЕОБРАЗОВАНИЯ НАПРЯЖЕНИЯ ДЛЯ НЕЧЕТКОЙ СИСТЕМЫ УПРАВЛЕНИЯ ОХЛАЖДЕНИЕМ ИЗДЕЛИЙ

Рассмотрено моделирование процесса расчета управляющих параметров в задаче охлаждения поверхностей деталей при их обработке на оборудовании с ЧПУ. Предложена нечеткая модель определения силы тока, питающего термоэлемент, с целью управления интенсивностью охлаждения поверхностей обрабатываемых изделий. Нечеткая модель состоит из четырех шагов. На первом шаге осуществляется расчет степеней истинности функций принадлежности. Входные функции принадлежности имеют треугольную форму, а выходная переменная представлена синглотонной функцией. На втором шаге выполняется расчет степеней предпосылок двадцати семи нечетких правил. На третьем шаге производится расчет одиннадцати уровней заключений нечетких правил. На четвертом шаге реализована дефаззификации четкого значения на основе упрощенного нечеткого вывода. После этого определяются коэффициент масштабирования, уровень выходного напряжения. Также осуществляется проверка условия равенства коллекторного тока расчетному значению. В случае невыполнения данного условия, осуществляется перерасчет уровня выходного напряжения, до тех пор, пока не будет выполняться заданное условие. Основной проблемой при работе данной системы является расчет напряжения на выходе микроконтроллера, соответствующего требуемой силе тока на термоэлементе с максимальным быстродействием. Для обеспечения высокого быстродействия при расчете напряжения, устройство, выполняющее эту операцию, реализовано на программируемой логической интегральной схеме (ПЛИС), и в нечеткой системе дефаззификация основана на упрощенном нечетко-логическом выводе. В статье приведено численное моделирование, поясняющее суть предложенного технического решения. Представлены временные диаграммы работы устройства управления охлаждением и устройств преобразования напряжения-ток в системе управления охлаждением изделий.

нечеткая логика, ПЛИС, преобразование напряжения, термоэлемент, fuzzy logic, FPGA, conversion voltage, thermoelement

1. Круглова Т.Н. Применение аппарата нечеткой логики и нейронных сетей для управления техническим состоянием модулей движения технологического оборудования // Вестник компьютерных и информационных технологий. 2010. № 8. С. 28-35.

2. Симаков Д.В. Применение систем нечеткого вывода для расчета интегральных метрик сетевых маршрутов // Вестник компьютерных и информационных технологий. 2015. № 10 (136). С. 38-43.

3. Бобырь М.В., Кулабухов С.А. Моделирование процесса управления температурным режимом в зоне резания на основе нечеткой логики // Проблемы машиностроения и надежности машин. 2017. № 3. С. 76-82.

4. Новожилов Б.М. Вычисление производной аналогового сигнала в программируемом логическом контроллере // Аэрокосмический научный журнал. 2016. № 4. С. 1-12.

5. Karakuzu, C., Karakaya, F., Зavuşlu, M. A. (2016). FPGA implementation of neuro-fuzzy system with improved PSO learning // Neural Networks, 79, 128-140. URL: https://doi.org/10.1016/j.neunet.2016.02.004

6. Joseph Anthony Prathap, T.S. Anandhi, T.S. Sivakumaran Xilinx Spartan 3A DSP FPGA based DC Voltage Regulators for PV Systems // Selection and Peer-review under responsibility of International Conference on Processing of Materials, Minerals and Energy. 2018. Pp. 1348-1358.

7. Karthigeyan P., Senthil Raja M., Siva Kumar T., SR Sivaa Ganesh, J Lavanya simulation of bi-directional DC-DC converter using FPGA // 7th International Conference on Communication, Computing and Virtualization. 2016. P. 708 - 714.

8. Бобырь М.В. Метод нелинейного обучения нейро-нечеткой системы вывода // Искусственный интеллект и принятие решений. 2018. № 1. С. 67-75.

9. Бобырь М.В., Кулабухов С.А., Милостная Н.А. Обучение нейро-нечеткой системы на основе метода разности площадей // Искусственный интеллект и принятие решений. 2016. № 4. С. 15-26.

10. Бобырь М.В., Кулабухов С.А. Дефаззификация вывода из базы нечетких правил на основе метода разности площадей // Вестник компьютерных и информационных технологий. 2015. № 9 (135). С. 32-41.

11. Bobyr M.V., Milostnaya N.A., Kulabuhov S.A. А method of defuzzification based on the approach of areas' ratio // Applied Soft Computing. 2017. Vol. 59. P. 19-32.

12. Бобырь М.В., Титов Д.В., Кулабухов С.А. О некоторых свойствах мягкого алгоритма нечетко-логического вывода // Известия Юго-Западного государственного университета. 2015. № 2 (59). С. 39-51.

13. Титов В.С., Бобырь М.В., Яхонтова Е.С. Адаптивный алгоритм нечетко-логического вывода и его обучение // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2012. № 2-2. С. 17-23.

14. Бобырь М.В., Кулабухов С.А. Дефаззификация вывода из базы нечетких правил на основе метода разности площадей // Вестник компьютерных и информационных технологий. 2015. № 9 (135). С. 32-41.

15. Chernova I.V., Sumin S.A., Bobyr M.V., Seregin S.P. forecasting and diagnosing cardiovascular disease based on inverse fuzzy models // Biomedical Engineering. 2016. Vol. 49. no. 5. P. 263-267.

16. Бобырь М.В., Милостная Н.А. Анализ использования мягких арифметических операций в структуре нечетко-логического вывода // Вестник компьютерных и информационных технологий. 2015. № 7 (133). С. 7-15.