РАЗРАБОТКА НЕЧЕТКОГО РЕГУЛЯТОРА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ МИКРОКЛИМАТОМ ПОМЕЩЕНИЯ

DEVELOPMENT OF FUZZY CONTROLLER OF INTELLIGENT CLIMATE CONTROL SYSTEM OF THE PREMISE

Lazzat Sansyzbay

doctoral student of L.N.Gumilyov Eurasian National University,

Kazakhstan, Nur-Sultan

Dastan Salgara

master student of L.N.Gumilyov Eurasian National University,

Kazakhstan, Nur-Sultan

АННОТАЦИЯ

В работе предложен метод моделирования нечеткого регулятора, применяемого в системах микроклимата. Основные процедуры метода основаны на алгоритме Мамдани и реализованы в среде Matlab с применением Fuzzy Logic Toolbox.

По результатам исследования было выявлено, что использование средств компьютерного моделирования позволяет существенно сократить временные затраты на проведение нечеткого моделирования, снизить количество возможных ошибок и уменьшить трудоемкость разработки нечеткой модели.

ABSTRACT

The research paper proposes a method for modeling a fuzzy controller used in microclimate systems. The main procedures of the method are based on the Mamdani algorithm and implemented in the Matlab environment using Fuzzy Logic Toolbox.

The article revealed that the use of computer simulation tools can significantly reduce the total time of fuzzy modeling, reduce the number of possible errors and reduce the complexity of developing a fuzzy model.

Ключевые слова: интеллектуальная система; микроклимат помещения; система нечеткого вывода; нечеткая логика; лингвистические правила; система кондиционирования; система вентиляции; система отопления.

Keywords: intelligent system; indoor climate; fuzzy inference system; fuzzy logic; linguistic rules; air conditioning system; ventilation system; heating system.

Введение

В современной теории автоматизированного управления все большее распространение получают интеллектуальные технологии на основе нечеткой логики. Управление на базе нечеткой логики оказы­вается особенно эффективным в случаях, когда объект управления представляет собой сложную динамическую систему с изменяющимися параметрами, для моделирования работы которой имеется недостаточно априорной (исходной) информации либо не применимы традиционные количественные методы.

Расширяется область применения нечеткой логики. Она находит применение в следующих сферах: в транспортной сфере [1–3], в строительстве [4,5], в промышленности [6,7], при поддержании комфортных условий в производственных и жилых помещениях [8–13] и многих других.

На данный момент для разработки и исследования нечетких экспертных систем существуют специализированные пакеты прикладных программ (CubiCalc, NeuFuz, Fide, Fuzzу ТЕСН, TILShell). Данные программные средства для работы с нечеткими знаниями описаны в работе [14].

Систему обеспечения благоприятного микроклимата трудно описать с помощью традиционных дифференциальных уравнений, так как она является нелинейной системой с динамически изменяющимися параметрами. В таких случаях для управления системой целесообразно использовать знания и опыт экспертов в предметной области, чтобы без точных оценок параметров описать уровни теплового комфорта, т.е. применить принципы нечеткой логики.

Целью данной статьи является определение назначения каждого блока в типовой структуре нечеткого регулятора и построение модели нечеткого регулятора системы микроклимата в пакете прикладных программ Matlab.

Структура нечеткого регулятора системы управления пара­метрами микроклимата

На рисунке 1 представлена типовая структура нечеткого регулятора.

Рисунок 1. Типовая структура нечеткого регулятора

Согласно структуре, представленной на рисунке 1, нечеткий регулятор состоит из следующих блоков:

• блок фаззификации, в котором осуществляется преобразование четких значений входных переменных в нечеткие величины;
• блок базы правил представляет собой набор лингвистических правил, отражающих алгоритм работы системы;
• блок нечеткого вывода реализует алгоритм получения функций принадлежности управляющих воздействий по каналам управления;
• блок дефаззификации (обратный блоку фаззификации), осуществляет преобразование функции принадлежности, полученной на выходе блока нечеткого вывода в четкую физическую величину управляющего воздействия на исполнительные механизмы.

В качестве входных переменных нечеткого регулятора могут быть заданы следующие параметры: внутренняя/наружная температура и влажность, скорость изменения температуры и влажности в помещении, интенсивность ветра, концентрация углекислого газа, содержание пыли в помещении. Но, как правило, большое количество входных переменных экспоненциально увеличивает сложность вычислений, и как следствие расширяется база правил и усложняется ее восприятие. В связи с этим, в данной работе при разработке нечеткого регулятора в качестве входных величин были выбраны параметры, оказывающие наибольшее влияние на формирование благоприятного микроклимата в помещении (Рис. 2).

Рисунок 2. Структура нечеткого регулятора системы микроклимата

На рисунке 2 представлена структура разрабатываемого нечеткого регулятора системы микроклимата. Согласно структуре, на вход нечет­кого регулятора подаются четкие значения параметров микроклимата в помещении ( – внутренняя температура, – внутренняя влажность) и параметры внешних возмущений ( – наружная температура,  – наружная влажность).

На выходе нечеткого регулятора формируются управляющие сигналы, воздействующие на следующие исполнительные механизмы: кондиционер, электрический обогреватель, увлажнитель воздуха и осушитель, электрический привод для открытия фрамуги.

Разработка Matlab–модели нечеткого регулятора

В качестве среды для разработки модели нечеткого регулятора использовался пакет Fuzzy Logic Toolbox программного средства Matlab корпорации The MathWorks Inc.

Для разработки нечетких систем в данном пакете предусмотрены следующие редакторы и программы просмотра: редактор системы нечеткого вывода (англ. FIS Editor), редактор функций принадлежности (англ. Membership Function Editor), редактор правил (англ. Rule Editor), обозреватель правил (англ. Rule Viewer), обозреватель поверхности (англ. Surface Viewer).

На первом этапе моделирования задается тип системы, ее имя, количество входных и выходных переменных, параметры нечеткого вывода. На рисунке 3 представлено окно модуля FIS Editor с выбранными параметрами модели.

Рисунок 3. Окно модуля FIS Editor с выбранными параметрами модели

Регулятор в данной модели имеет 4 входные лингвистические переменные: IT – внутренняя температура в помещении; IH – относи­тельная влажность в помещении; ET – внешние температурные условия; EH – относительная влажность вне помещения.

В качестве выходных переменных нечеткого регулятора опре­делены: Window – степень открытия окна; Cooler – мощность работы охладителя; Heater – мощность работы нагревателя; Moisturizer – мощность работы увлажнителя; Dryer – работы осушителя.

Для системы нечеткого вывода заданы следующие параметры: «And method» – (оператор «И») «MIN»; «Or method» – (оператор «ИЛИ») «MAX»; «Implication» – (активизация правил) «MIN»; «Aggregation» – (аккумуляция заключений) «MAX». В качестве метода дефаззифи­кации («Defuzzification») используется метод центра тяжести («Centroid»).

2. На втором этапе моделирования осуществляется построение функций принадлежности входных и выходных параметров посред­ством редактора функции принадлежности. На рисунке 4 представлено окно редактора при построении функций принадлежности входного параметра «Внутренняя температура помещения».

Рисунок 4. Окно редактора при построении функций принадлежности входного параметра «Внутренняя температура помещения»

Аналогично построение осуществляется и для других лингвисти­ческих переменных.

3.  Далее произведена разработка базы правил с помощью редактора правил. Окно редактора представлено на рисунке 5.

Размерность базы правил (число правил в ней) нечеткой системы равна произведению количества термов входных переменных (1):

где:    – количество входных переменных; – мощность терм–множества для оценки входной переменной.

Логические выражения строятся на основе нечеткой импликации следующего вида [15-17] (2):

где  – антецедент (условия), а – консеквент (заключение), A и B – нечеткие множества, заданные своими функциями принадлежности  и  соответственно.

В нашем случае, антецедентами являются состояния входных и внешних возмущающих параметров системы микроклимата, объеди­ненные оператором «И», консеквенты – управляющие воздействия на исполнительные механизмы.

Рисунок 5. Окно редактора правил (Rule Editor)

4.  Ход нечеткого вывода по каждому из правил, получение результирующего нечеткого множества и выполнение процедуры дефаззификации можно проследить с помощью обозревателя правил (Рис. 6).

5.  Все множество комбинаций антецедентов и консеквентов может быть для наглядности представлено в виде трехмерного графика в окне обозревателя поверхности, где входные параметры отображаются по осям абсцисс и ординат, а выходной – на оси аппликат (Рис. 7).

Рисунок 6. Окно обозревателя правил

Рисунок 7. График зависимости выходной переменной от входных

После построения модели нечеткого регулятора существует возмож­ность ее подгрузки в среду Simulink, где производится апробация работы нечеткой системы управления.

Заключение

В работе предложен метод моделирования нечеткого регулятора, применяемого в системах микроклимата. Основные процедуры метода основаны на алгоритме Мамдани и реализованы в среде Matlab с приме­нением Fuzzy Logic Toolbox. Использование средств пакета Fuzzy Logic Toolbox, (т.е задание входных и выходных переменных нечеткого регулятора, построение функций принадлежности их термов в графи­ческом режиме, визуализация правил, построение графика зависимости входных и выходных величин) позволяет существенно сократить временные затраты на проведение нечеткого моделирования, снизить количество возможных ошибок и уменьшить трудоемкость разработки нечеткой модели.

Список литературы:

1. Елисеев Д.Ю. Использование нечетких экспертных систем для мониторинга сооружений железнодорожного транспорта // Молодой ученый. – 2010. – № 9. – С. 30–33.
2. Брегеда С.Ю., Бурковский В.Л., Чопоров О.Н. Система управления потоком транспортных средств на основе аппарата нечеткой логики // Вестник Воронежского государственного технического университета. – 2009. – № 5 (5). – С. 17–21.
3. Малявин А.А. Разработка системы управления движением автомобиля с использованием нечеткой логики: Автореф. дис. канд. техн. наук. – Москва, 2011. – 180 с.
4. Яловая Ю.С. Оценивание технического состояния конструкции по резуль­татам натурных наблюдений с использованием теории размытых множеств // Вестник Брест. гос. техн. ун–та. Сер. Строительство и архитектура. – 2013. – № 1 (79). – С. 45–48.
5. Тарарушкин Е.В. Применение нечеткой логики для оценки физического износа несущих конструкций зданий // Вестник БГТУ им. В.Г. Шухова. – 2016. – № 10. – С. 51–44.
6. Полько П.Г. Совершенствование управления процессом измельчения рудных материалов с применением правил нечеткой логики: Автореф. дис. канд. техн. наук. – Магнитогорск, 2011. – 200 с.
7. Оразбаев Б.Б., Оспанов Е.А., Оразбаева К.Н., Курмангазиева Л.Т. Гибридный метод разработки математических моделей химико-технологической системы в условиях неопределенности //Математическое моделирование. – 2017. –№ 29(4). – С. 30–44.
8. Cансызбай Л.Ж., Оразбаев Б.Б. Интеллектуальная система управления процессом формирования микроклимата в помещении // Вестник. Серия Естественно–технические науки. – Астана: ЕНУ. – 2017.–№ 4. – С. 161–169.
9. Пешко М.С. Адаптивная система управления параметрами микроклимата процессов производства и хранения пищевых продуктов: Автореф. дис. канд. техн. наук. – Омск, 2015. – 200 с.
10. Алёшкин Н.А. Модели и методики мониторинга микроклимата в произ­водстве изделий бортовой микроэлектроники: Автореф. дис. канд. техн. наук. – Санкт-Петербург, 2017. – 210 с.
11. Савосин С.И. Интеллектуальная система контроля влажности и температуры воздуха в теплице: Автореф. дис. канд. техн. наук. – Москва, 2009. – 132 с.
12. Бобриков Д.А. Многоуровневая автоматизированная система управления микроклиматом на основе нечеткой логики: Автореф. дис. канд. техн. наук. – Москва, 2017. – 154 с.
13. Аль Джубури Иссам Мохаммед Али. Мехатронная система управления микроклиматом в зданиях на базе нечеткой логики: Автореф. дис. канд. техн. наук. – Новочеркасск, 2010. – 188 с.
14. Козлов А.В., Тамер О.С. Программные средства для работы с нечёткими знаниями // Вестник Волжского университета им. В.Н. Татищева. – 2011. –№ 17.– С. 113–117.
15. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский; перевод с польского И. Д. Рудинский. – М.: Горячая линия – Телеком, 2006. – 452 с.
16. Пегат А. Нечеткое моделирование и управление; перевод с англ. А.Г. Подвесовский, Ю.В. Тюменцев. – 2-е изд. – М.: БИНОМ. Лаборатория знаний, 2013. – 798 с.
17. Леденева Т.М. О нечетких импликациях полученных обобщением булевой функции // Вестник ВГУ, серия физика, математика. – 2003. – № 2. – С. 189-196.