350 руб
Журнал «Информационно-измерительные и управляющие системы» №5 за 2014 г.
Статья в номере:
О некоторых свойствах моделирования адаптивных нейро-нечетких систем на основе упрощенного нечетко-логического вывода
Ключевые слова: нечеткая логика мягкие вычисления упрощенный нечетко-логический вывод адаптивная нейро-нечеткая система вывода ANFIS обучение
Авторы:
М. В. Бобырь - д.т.н., доцент, Юго-Западный государственный университет (г. Курск). E-mail: fregat_mn@rambler.ru С. Г. Емельянов - д.т.н., профессор, Юго-Западный государственный университет (г. Курск). E-mail: rector@swsu.ru Н. А. Милостная - к.т.н., Юго-Западный государственный университет (г. Курск). E-mail: nat_mil@mail.ru
Аннотация:
Рассмотрено сравнение режимов функционирования адаптивной нейро-нечеткой системы на основе упрощенного алгоритма нечетко-логического вывода, работающей с помощью мягких и жестких арифметических операций. Проведенное имитационное моделирование и построенные на его основе графики позволяют дать оценочные характеристики двум методам. Доказано, что в ряде случаев при использовании адаптивных нейро-нечетких систем вывода целесообразно использовать жесткие операции.
Страницы: 4-12
Список источников

  1. Palani S., Natarajan U., Chellamalai M. On-line prediction of micro-turning multi-response variables by machine vision system using adaptive neuro-fuzzy inference system (ANFIS) // Machine Vision and Applications. 2013. № 24. P. 19-32.
  2. Титов В.С., Бобырь М.В., Милостная Н.А. Автоматическая компенсация тепловых деформаций шпиндельных узлов прецизионного оборудования с ЧПУ // Промышленные АСУ и контроллеры. 2006. № 11. С. 31-35.
  3. Kumanan S., Jesuthanam C.P., Ashok Kumar R. Application of multiple regression and adaptive neuro fuzzy inference system for the prediction of surface roughness // The international journal of advanced manufacturing technology. 2008. № 35. P. 778-788.
  4. Takagi Т., Sugeno M. Fuzzy identification of systems and its applications to modeling and control // IЕЕЕTrans, on SMC. 1985. V.15. № 1. P. 116-132.
  5. Chavoshi S. Z. Tool flank wear prediction in CNC turning of 7075 AL alloy SiC composite // Production engineering. 2011. № 5. P. 37-47.
  6. Бобырь М. В., Титов В. С., Акульшин Г. Ю. Моделирование нечетко-логических систем управления на основе мягких арифметических операций // Вестник компьютерных и информационных технологий. 2013. № 3. С. 29-35.
  7. Емельянов С. Г., Титов В. С., Бобырь М. В. Автоматизированные нечетко-логические системы управления. М.: Инфра-М, 2011. 176 с.
  8. Бобырь М. В. Методы построения функций принадлежностей для нечетких баз знаний // Промышленные АСУ и контроллеры. 2011. № 2. С. 27-33.
  9. Емельянов С. Г., Бобырь М. В., Анциферов А. В. Алгоритм самообучения адаптивных нейро-нечетких систем на основе мягких вычислений // Информационно-измерительные и управляющие системы. 2013. Т. 11. № 8. С. 3-9.
  10. Бобырь М. В. Модифицированный алгоритм нечетко-логического вывода в задачах управления оборудованием с ЧПУ // Мехатроника, автоматизация, управление. 2011. № 4. С. 26-32.
  11. Бобырь М. В., Титов В. С., Червяков Л. М. Адаптация сложных систем управления с учетом прогнозирования возможных состояний // Автоматизация и современные технологии. 2012. № 5 С. 3-10.
  12. Бобырь М. В., Титов В. С. Интеллектуальная система управления температурными деформациями при резании // Автоматизация и современные технологии. 2011. № 5. С. 3-7.
  13. Титов В. С., Милостная Н. А., Бобырь М. В., Глобин П. В. Автоматизированная система управления эффективной мощностью при шлифовании // Изв. Юго-Зап. гос. ун-та. 2012. № 2-1. С. 8-12.
  14. Титов В. С., Бобырь М. В., Милостная Н. А. Система лазерного контроля обработки деталей в реальном времени // Промышленные АСУ и контроллеры. 2005. № 11. С. 21-24.
  15. Бобырь М. В. Диагностика оборудования с ЧПУ методами нечеткой логики // Промышленные АСУ и контроллеры. 2010. № 1. С. 18-20.