ИЗВЕСТИЯ РАИ. ТЕОРИЯ И СИСТЕМЫ УПРАВЛЕНИЯ, 2007, № 6, с. 71-126
^ ИСКУССТВЕННЫЙ ^^^^^^^^^^^^^^
ИНТЕЛЛЕКТ
УДК 658.012.011.56
КВАНТОВЫЙ НЕЧЕТКИЙ ВЫВОД ДЛЯ СОЗДАНИЯ БАЗ ЗНАНИЙ В РОБАСТНЫХ ИНТЕЛЛЕКТУАЛЬНЫХ РЕГУЛЯТОРАХ
© 2007 г. Л. В. Литвинцева, И. С. Ульянов, С. В. Ульянов, С. С. Ульянов
Москва, ООО "МКГКВАНТ" Поступила в редакцию 19.01.06 г., после доработки 23.04.07 г.
Анализ результатов моделирования, полученных на основе технологий мягких вычислений, позволил установить следующий факт, важный для разработки технологии проектирования робастных интеллектуальных систем управления. Спроектированные (в общем виде для случайных условий) робастные нечеткие регуляторы для динамических объектов управления на основе оптимизатора баз знаний (этап 1 технологии) с использованием мягких вычислений могут эффективно функционировать только при фиксированных (или слабо изменяющихся) описаниях внешней среды. Это обусловлено возможной потерей свойства робастности при резком изменении условий функционирования объектов управления: внутренней структуры объектов управления, целей управления (задающего сигнала), наличия времени задержки в каналах измерения и управления, при вариации условий функционирования во внешней среде и введении других слабо формализованных факторов в стратегию управления. В статье дано описание стратегии проектирования робастных структур интеллектуальной системы управления, основанной на технологиях квантовых и мягких вычислений. Разработанная стратегия позволяет повысить уровень робастности нечетких регуляторов при указанных непредвиденных или слабо формализованных факторах за счет формирования и использования новых видов процессов самоорганизации робастной базы знаний, с помощью методологии квантовых вычислений. Приведены необходимые сведения из теории квантовых вычислений, квантовых алгоритмов и квантовой теории информации. Конкретное решение данной проблемы достигается за счет введения обобщения стратегий в моделях нечеткого вывода на конечном множестве предварительно спроектированных нечетких регуляторов в виде нового, квантового нечеткого вывода. Описывается принципиальная структура последнего и его программная поддержка в процессах проектирования базы знаний робастных нечетких регуляторов в режиме реального времени, а также система моделирования робастных структур нечетких регуляторов. Эффективность применения квантового нечеткого вывода иллюстрируется на конкретном примере моделирования робастных процессов управления существенно-нелинейным динамическим объектом управления со случайно изменяющейся структурой.
Введение. В сложных и существенно-нелинейных, динамических моделях объектов управления (ОУ) со слабо формализованной структурой и случайными параметрами достаточно трудно определить оптимальную структуру системы автоматического управления (САУ), в которой используется на нижнем (исполнительном) уровне управления, например, традиционный пропорциональный инте-гродифференцирующий (ПИД) регулятор. Особенно эта трудность проявляется в задачах проектирования структур подобного вида САУ в присутствии различных по своей статистической природе случайных шумов и неполной информации о целях управления.
Методология проектирования интеллектуальной системы управления (ИСУ), основанная на технологии мягких вычислений, рассматривает в качестве базиса структуру нечеткого регулятора (НР) как один из вариантов проектирования традиционных САУ. С самого момента своего появления (1974 г.) модели НР демонстрируют повышенную способность управления динамическими ОУ, кото-
рые обладают слабо формализованной структурой или функционируют в условиях неопределенности исходной информации. Как показала практика и результаты моделирования, в перечисленных ситуациях управления традиционный (на основе принципа глобальной, отрицательной обратной связи) ПИД-регулятор часто не справляется с поставленной задачей управления. Использование технологии мягких вычислений (основанной на генетических алгоритмах (ГА) и нечетких нейронных сетях (ННС)) расширило области эффективного применения НР за счет добавления новых функций в виде обучения и адаптации. Однако при этом очень трудно спроектировать глобально "хорошую" и робаст-ную структуру ИСУ. Данное ограничение особенно характерно для непредвиденных ситуаций управления, когда ОУ функционирует в резко изменяющихся условиях (отказ датчиков или шум в измерительной системе, наличие времени задержки сигналов управления или измерения, резкое изменение структуры ОУ или ее параметров и т.п.).
В ряде практических случаев такого рода условия могут быть предсказаны, но трудно реализовать робастное управление в непредвиденных ситуациях на основе спроектированной (для фиксированной ситуации) базы знаний (БЗ) одного HP (даже на всем множестве) предсказанных случайных ситуаций. Одним из существующих решений представляется формирование конечного числа БЗ HP для множества фиксированных ситуаций управления.
Возникает вопрос: как определить какая из БЗ должна быть использована в конкретный момент времени? В этом случае особую важность приобретает выбор обобщенной стратегии, которая давала бы возможность переключать поток управляющих сигналов, поступающих с выхода различных БЗ HP, и (если необходимо) модифицировать их выходной сигнал под текущие условия функционирования ОУ. Простым вариантом решения этой проблемы является использование метода взвешенных весов и агрегирования выходных сигналов от каждого независимого HP. Но, к сожалению, такой метод (как показали результаты моделирования) имеет ограниченные возможности, так как распределение весовых факторов часто необходимо определять в динамике реального времени (см. ниже и [1, 2]) и процедура поиска носит комбинаторный характер.
В статье показано, что решение такого рода проблем может быть найдено на основе введения принципа самоорганизации в процесс проектирования БЗ HP, который реализуется и программно поддерживается разработанной моделью квантового нечетного вывода (KHB) с применением методологий квантовых мягких вычислений и системной инженерии - System of Systems Engineering, используя си-нергетический принцип самоорганизации [3-5].
В частности, реализация процесса самоорганизации робастных БЗ при таком подходе осуществляется за счет обобщения стратегий нечеткого логического вывода в виде KHB. Описывается структура KHB и система моделирования робастных БЗ для HP, иллюстрирующая эффективность применения KHB. Модель разработанного KHB рассматривается как новый вид поискового квантового алгоритма на обобщенном пространстве БЗ HP, и как выходной результат проектируется обобщенный робастный сигнал управления.
Предлагаемая в статье модель KHB использует частные индивидуальные БЗ HP, каждая из которых получена с помощью оптимизатора баз знаний (ОБЗ) для соответствующих условий функционирования ОУ и фиксированных ситуаций управления во внешней случайной среде. Процесс проектирования частных индивидуальных БЗ HP с помощью ОБЗ для заданных ситуаций управления осуществляется в соответствии с технологией проектирования и подробно рассмотрен в [1, 6] (см. в [7] рис. 3, этап 2).
В частности, в [7] на основе сравнения результатов моделирования, полученных в [1, 6], показано, что при достаточно широком диапазоне изменения параметров, характеризующих заданную ситуацию управления, ОБЗ дает существенный выигрыш (по сравнению с другими программными инструмента-риями) при достижении в проектировании требуемого уровня робастности БЗ. Другие промышленные инструментарии формирования БЗ, такие, как HHC ANFIS (встроенный модуль в систему моделирования МатЛаб) или AFM (разработка ST Microelectronics [6]) и др., как строго показано в [7], обладают повышенной чувствительностью, по сравнению с инструментарием ОБЗ, к изменению параметров (характеризующих заданную ситуацию управления) и приводят к потере робастности управления. В результате в фиксированных ситуациях управления HP с БЗ (спроектированные с помощью ОБЗ) обладают повышенной робастно-стью, соответствующие законы управления содержат меньше избыточной информации и поэтому используются в качестве входного сигнала для KHB (в соответствии с разработанной технологией проектирования робастных БЗ [7, рис. 3]).
Следует подчеркнуть, что наличие избыточности информации в законах управления является физической объективностью, которая присутствует вследствие использования в процессах оптимизации БЗ случайного поиска в виде ГА, а также следует из законов теории информации о необходимости наличия избыточности в ненадежных каналах передачи данных с помехами. Это неизбежная плата за возможность получить решение задачи оптимального управления существенно-нелинейным ОУ в условиях неопределенности исходной информации и многокритериальности условий оптимизации.
В случае непредвиденной ситуации управления дополнительная избыточность информации в законах управления HP появляется как суммарный результат неадекватной реакции ОУ (в виде новой ошибки управления) и логически некорректной интерпретации используемыми HP инициализации соответствующих продукционных правил в БЗ (обученных только на заданные ситуации управления).
Модель KHB представляет собой новый вид квантового поискового алгоритма на обобщенном пространстве структурированных данных и на основе методов теории квантовых вычислений [8-10] позволяет эффективно решать задачи управления ранее алгоритмически неразрешимых на классическом уровне. Pазработанный подход впервые применяется в теории и практике ПСУ. Поэтому настоящая статья является обобщением и развитием результатов [1, 2, 6, 7].
Примечание 1. С точки зрения теорий сложности вычислений и квантового алгоритма (KA) [8-10], разработанный KA относится к классу
полиномиальных алгоритмов с ограниченной ошибкой - BPP-классу (bounded-error probabilistic polynomial time), а его квантовое обобщение - к BQP-классу. Поэтому по определению является эффективным. Это означает, что структурно КА в КНВ имеет полиномиальную сложность, т.е. рандомизированный алгоритм обладает полиномиальной, а не экспоненциальной (как в классичес
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.