Решение задачи парковки грузовика

В разделах 3.10 и 5.1 рассматривались примеры использования нечетких систем с классическими (одномерными) функциями принадлеж­ности для решения задачи парковки грузовика. На рис. 5.44 показано гра­фическое представление так называемого пространства решений для не­четкой системы с одномерными функциями принадлежности. Точки на осях X и У графика соответствуют координате грузовика на стоянке отно­сительно оси х и углу, под которым грузовик расположен относительно оси у (см. рис. 3.40). На оси Z располагаются значения угла поворота ру­ля (управляющее воздействие). При задании для каждого входа несколь­ких функций принадлежности это пространство разделяется на прямо­угольники, количество которых равно количеству правил. При моделиро-

вании в примерах 3.10 и 5.1 эта величина составляла 5 х 7 = 35. Легко за­метить, что в пространстве решений, показанном на рис. 5.44, можно вы­делить четыре области (т.е. зоны, в которых значения управляющих воз­действий приблизительно равны). Поэтому при использовании многомер­ных входных функций принадлежности количество правил может быть уменьшено до четырех (!).

Для решения подзадачи классификации построена простая ней­ронная сеть, представленная на рис. 5.45. Эта сеть имеет три слоя, два входа, восемь скрытых и четыре выходных нейрона. Обучающий набор данных, который применялся для тренинга стандартных структур, был модифицирован так, чтобы обучить сеть разделению пространства на четыре области. Процесс обучения иллюстрируется на рис. 5.46. По за­вершении обучения на каждом выходе сети формируется значение сте­пени принадлежности входного сигнала к связанной с ним области (это значение лежит в интервале [0, 1]). Другими словами, каждый выход вы­рабатывает информацию о степени соответствия входных данных усло­виям правил.

Сеть, обученная должным образом, соединяется с четырьмя про­стейшими нейронными сетями. Они имеют вид одиночных нейронов, каж­дый из которых реализует нелинейную функцию первого порядка, содержащуюся в заключениях правил. Полная структура модуля нечетко­го управления типа Такаги-Сугено изображена на рис. 5.47. Эта ком­плексная система была вновь подвергнута обучению, для которого в дан­ном случае использовался немодифицированный обучающий набор дан­ных. Процесс обучения демонстрируется на рис. 5.48. Пространство ре­шений для данного модуля показано на рис. 5.49, а примеры траектории движения грузовика представлены на рис. 5.50.

Рис. 5.44. Пример пространства решений для hi циями принадлежности.

ix систем с одномерными функ-

Рис. 5.45. Нейронная сеть, решающая подзадачу классификации.

Глава 5 Модули нечетко-нейронного управления

5.6. Модуль управления с зависимыми лингвистическими переменными 377

30.00 -|

Количество эпох Рис. 5.46. Процесс обучения классифицирующей сети.

10 20 30 40

Рис. 5.48. Процесс обучения модуля нечеткого управления.

| Л /

Рис. 5.49. Пространство решений для модуля типа Такаги-Сугено.

Рис. 5.47. Структура модуля нечеткого управления типа Такаги-Сугено.

кронного управления

Рис. 5.50. Траектории движения грузовика для трех начальных положений (х, ф) = (-100, 60°), (50, 90°) и (0, 180°).

Дата добавления: 2015-06-04