INTELIGENTNO UPRAVLJANJE - lejla-bm.com.balejla-bm.com.ba/IU/IU_10.pdfalgoritma najbržeg spusta (gradijentna metoda) i metode najmanjih kvadrata. Prolasci Prolazak unaprijed Prolazak

1

INTELIGENTNO UPRAVLJANJE

Hibridni inteligentni sistemi

Copyright: Lejla Banjanović-Mehmedović

Vanr.prof.Dr. Lejla Banjanović-Mehmedović

Uvod Kompleksni realni problemi sve češće “zahtijevaju” p p j j

inteligentne sisteme, koji kombinuju znanje, tehnike, metodologije iz različitih izvora.

Tehnike soft računarstva: fuzzy sistemi, neuronske mreže, genetski algoritmi.

Hibridni inteligentni sistemi su računarski sistemi koji integriraju različite inteligentne tehnike.

Cilj integriranja: da se prevaziđu ograničenja


j g j p g jindividualnih tehnika pri rješavanju kompleksnih zadataka.

2

Osnovne forme hibridnih sistema

Neuro-fuzzy sistemi. Neuro-evolucioni sistemi. Fuzzy-evolucioni sistemi.


Neuro-fuzzy sistemi Fuzija fuzzy sistema i neuronskih mreža može biti Fuzija fuzzy sistema i neuronskih mreža može biti

bazirana na dva principa: Fuzzy sistem koji koristi neuronske mreže Sistemi kod kojih neuronske mreže koriste fuzzy model

zaključivanja.


3

Neuro-fuzzy sistemi Fuzzy sistem koji koristi neuronsku mrežuFuzzy sistem koji koristi neuronsku mrežu


Neuro-fuzzy sistemi Neuronske mreže koriste fuzzy model zaključivanja.


4

Neuro-evolucioni sistemi



Kodiranje skupa težina u hromozom


5


Ukrštanje u optimizaciji težinskih vrijednosti



Mutacija u optimizaciji težinskih vrijednosti


6

Fuzzy-evolucioni sistemi

F ij t kih l it i f i t ž Fuzija genetskih algoritama i fuzzy sistema može se realizovati na dva načina: fuzzy sistemi koji koriste genetske algoritme, genetski algoritmi koji koriste fuzzy sisteme.



Fuzzy sistemi koji koriste genetske algoritme Fuzzy sistemi, koji koriste genetske algoritme


7

Kodiranje parametara funkcija pripadnosti


Sinteza fuzzy regulatora sa genetskim algoritmom

i1 - trenutna udaljenost MR od virtualnog robotai2 - ugao koji zatvara pravac orjentacije robota i pravac koji spaja MR sa VR


8





9




Genetski algoritmi koji koriste fuzzy sisteme Genetski algoritmi koji koriste fuzzy sisteme


10

ANFIS

Klasa adaptivnih mreža koje su funkcionalno ekvivalentne fuzzy Klasa adaptivnih mreža koje su funkcionalno ekvivalentne fuzzy sistemima zaključivanja je poznata pod nazivom ANFIS (adaptivni neuro-fuzzy sistem zaključivanja).

Mogućnost prikaza fuzzy modela u obliku neuronske mreže često se koristi u postupcima automatskog određivanja parametara fuzzy modela na osnovu raspoloživih ulazno-izlaznih podataka.


ANFIS Nekoliko tipova fuzzy zaključivanja

1 1 1 1f p x q y r

1 1 1 1f p x q y r

1 1 2 2

1 2

1 21 2

w f w ff

w w

w f w f

1w

1w

2w

1w

Nekoliko tipova fuzzy zaključivanja


1 1w

2w 2 2w f

1 1w f

2w

11

Struktura ANFIS-a

1. Sloj:


1

2

1( )

1

, ,

ii A b

i

i

i i i

O xx c

a

gdje su a b c parametri za oblikovanje pripadnosti

Struktura ANFIS-a

2. Sloj:


2,1)()(2 ijegdjeyxwOii BAii

12

Struktura ANFIS-a

3. Sloj:


2,121

3

ijegdjeww

wwO i

ii

Struktura ANFIS-a

4. sloj:


)(4iiiiiii ryqxpwfwO

13

Struktura ANFIS-a

5. Sloj:


5. Sloj:

i i

i ii

iii

w

fwfwO5

1

ANFIS sistemi

Anfis tipa 3 sa 2 ulaza i 9 pravila, b). odgovarajući fuzzy podprostori


14

Hibridno pravilo učenja ANFIS sistema ANFIS koristi hibridno pravilo učenja koje je nastalo spajanjem

algoritma najbržeg spusta (gradijentna metoda) i metode najmanjihalgoritma najbržeg spusta (gradijentna metoda) i metode najmanjihkvadrata.

Prolasci Prolazak unaprijed Prolazak unazad

Parametri premisa fiksni gradijenta metoda

Parametri zaključka estimator najmanjih kvadrata fiksni

Signali izlazi čvorova izvodi mjere greške


Primjena ANFISA u zadaći predikcije

Zadaća: predikcija pH za jake baze i kiseline, odnosno predikcija Zadaća: predikcija pH za jake baze i kiseline, odnosno predikcijaprocesa njihove neutralizacije.

Ulazen večičine. koncentracija baze se mijenja nasumično uintervalu [0 0.2]

Izlaz: pH vrijednosti


15

Primjena ANFISA u zadaći predikcijeGenerisano 2000 uzoraka, od čega je 1000 korišteno zatreniranje, a 1000 za provjeru.




16


Broj funkcija pripadnosti

Greška treniranja

Greška provjere

trimf 3 0.235988 0.228560trapmf 3 0.148870 0.208193

gbellmf3 0.545954 0.5842095 0.378919 0.3832103 0 321804 0 315147


gauss2mf3 0.321804 0.3151475 0.040886 0.134625



17

Primjena ANFISA u identifikaciji sistema

Za primjer identifikacije sistema je uzet DC motor, koji je vrločest aktuator u sistemima upravljanja.




18


Da bismo koristili ANFIS za identifikaciju, prvo moramo odabratiulaze, odnosno odrediti koje varijable trebaju biti ulazniargumenti za ANFIS model.

Postoje dvije metode za izbor ulaznih varijabli: Sekvencijalna pretraga Iscrpna pretraga

U sekvencijalnoj pretrazi svaki se ulaz bira sekvencijalno da seoptimizira ukupna kvadratna greška.

Postupak iscrpne pretrage je računski zahtjevniji jerpodrazumijeva iscrpnu pretragu svih mogućih kandidata.



Tip pretrage Odabrani ulazi

RMSE treniranja

(10-5)

RMSE provjere

(10-3)

Vrijeme izračunavanja

Sekvencijalna pretraga

y(k-1), y(k-2), u(k-2) 8,7835 6,7348 1,641 sekunde

Iscrpnapretraga

y(k-2),y(k-3),u(k-6) 5,2262 4,2953 7,042 sekunde


19



Primjena ANFISA u upravljanju

ANFIS za upravljanje temperaturom u bazenu.ANFIS za upravljanje temperaturom u bazenu. Stalno praćenje temperature upravljačkog sistema se može opisati

jednačinom:

t – vrijeme, y(t) – izlazna temperaturu u °C, f(t) – toplina koja kruži u unutrašnjem sistemu,( ) p j j , Y0 – sobna temperatura (konstantna vrijednost 25 °C), C – sistem toplinskog kapaciteta, R – termički koeficijent prenosa topline na granici sistema i okoline.


20

Primjena ANFISA u upravljanju Cilj je dizajnirati kontroler na principima fuzzy logike/ANFIS-a tako

d k t l t t d ti f t i fil št b ljda kontrola temperature vode prati referentni profil što bolje. Ovaj referentni profil je definisan je na slijedeći način:

35C za 0 t 40 minuta,

50C za 40 t 80 minuta, 65C za 80 t 120 minuta i 80C za 120 t 180 minuta.

Sistem sa više ulaza i jednim izlazom. Ulazi: referentna temperatura (yd) i temperatura bazena (y). Izlazi: vrijednosti napona koji smo dobili iz ANFIS-a i koje se

koriste za kontrolu bazena(u).Copyright: Lejla Banjanović-

Mehmedović

Fuzzy regulator

Greška e(t)

NB NM NS ZR PS PM PB

Promjenegreške

c(t)

NB NB

NM NM

NS NS NS NS

ZR NB NM NS ZR PS PM PB

PS PS PS PS PM PB

PM PM PM PM PB

PB PB PB PB PB


e(t) - greška između željene i stvarne temperature vodec(t) – promjena greške

21

Rezultat izvršene simulacije korištenjem fuzzy regulatora

Indeks AES=k 1|ref(k)-y(k)| gdje je ref(k) je referentni signal i y(k) je stvarni izlazIndeks AES k=1|ref(k) y(k)|, gdje je ref(k) je referentni signal i y(k) je stvarni izlaz.U ovoj simulaciji, indeks perfomanse ili mjera kvaliteta je AES=429.0475.


Primjer primjene ANFIS regulatora

RC

tyY

C

tf

dt

tdy )()()( 0

)()()()()1( kuTbkyTakY ss

00.5 ( )

( )( 1) ( ) ( ) ( ) 1 ( )

1 exps

s sy k

b Ty k a T y k u k a T Y

Za kontrolu temperature ubazenu, implementirat ćemoANFIS kontroler


1 exp

( ) exp , ( ) ( / )(1 exp )s sT Ts sa T b T

22

ANFIS regulator

ANFIS može zamijeniti gotovo bilo koju neuronsku ANFIS može zamijeniti gotovo bilo koju neuronskumrežu u kontrolnom sistemu i raditi istu funkciju.

ANFIS Plant, f

)1( ky

)(ku)(ky

1z


Slika Konfiguracijski blok sa ANFISza kontrolu temperature u bazenima

)(y

)1( kyd

Rezultati primjene ANFIS regulatora


Indeks perfomanse iznosi ASE= 371.2505 i manji je od fuzzy regulatoradizajniranog u prethodnom djelu.

23

Zaključak Upotreba hibridnih inteligentnih sistema često ograničena p g g

zbog manjka ili nedostatka odgovarajućih softverskih paketa.

Opravdanost dizajna: ukoliko kompleksnost problema zahtijeva integraciju

tehnika, ukoliko je problem nerješiv pomoću konvencionalnog

računarstva ili upotrebom samo jedne tehnike.


p j Hibridni inteligentni sistemi su kao tehnika još relativno

mladi, tek će vrijeme pokazati pravu vrijednost i potencijal hibridizacije tehnika.

Documents

INTELIGENTNO UPRAVLJANJE - lejla-bm.com.balejla-bm.com.ba/IU/IU_10.pdfalgoritma najbržeg spusta (gradijentna metoda) i metode najmanjih kvadrata. Prolasci Prolazak unaprijed Prolazak