DEVICE OF CONVERSION VOLTAGE FOR CONTROL COOLING DETAILS BASED ON THE FUZZY LOGIC

Simulation of control parameters calculating process in the problem of cooling the parts surfaces machined on CNC equipment is considered in the article. A fuzzy model for determining the transmitted to the thermoelement current to control surfaces details cooling intensity proposed in the article. The fuzzy model consists of four steps. At the first step, the calculation of the degrees of the membership functions is produced. Input membership functions are having a triangular shape, and the output variable is represented by a singleton function. The second step, the degrees of the premises of the twenty-seven fuzzy rules is calculated. The third step, the eleven levels of conclusions of fuzzy rules is calculated. At the fourth step, defuzzification a crisp value from a simplified fuzzy inference is derived. After that, the scaling ratio and the output voltage level are determined. Also the condition of equality of the collector current for the calculated value is checked. If this condition is not implemented, the level of the output voltage is recalculated, until the set condition is fulfilled. The main problem in the system operation is the voltage calculation at the microcontroller output corresponding to the required current on the thermoelement with the maximum speed. To provide voltage calculating high speed in device was made on a field-programmable gate array (FPGA).Defuzzification in the fuzzy inference is based on a simplified fuzzy inference. The explaining the essence of the proposed technical solution numerical modeling is presented in the article. Timing diagrams of the cooling control device and voltage-current conversion devices in the cooling control system are presented in the article.

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.