Введение
Актуальность вопроса оптимизации процессов управления автомобилем не подлежит сомнению и, подтверждается многочисленными исследованиями в этой области. Как правило, задачей подобных научных изысканий является разработка автоматических и автоматизированных систем управления автомобилем. При этом система автоматического управления движением (САУД) автомобиля должна обеспечивать определенную траекторию и интенсивность движения с заданной точностью и устойчивостью. Очевидно, что создание оптимальной САУД возможно лишь при учете свойств управляемого объекта и условий движения. При выборе параметров элементов системы управления и корректирующих звеньев необходимо учитывать динамические характеристики автомобиля, изменяющиеся в зависимости от скорости движения, состояния дорожного покрытия, рельефа местности и т. д. Адаптация САУД к режиму и условиям движения обеспечивается путем воздействия на органы управления с помощью определенных сил, нормируемых устройством^ управления. А учет динамических характеристик автомобиля позволяет вырабатывать управляющие воздействия, обеспечивающие оптимальное управление с учетом ограничений, накладываемых условиями движения.
Однако надо заметить что, достигнуть высокого уровня автоматизированного управления, можно лишь в том случае, когда полно и адекватно учитываются все свойства и характеристики человеко-машинных систем. В частности, время влияние характера лица принимающего решения в человеко-машинных системах просто не учитывают. Что, безусловно, снижает адекватность модели САУД и, соответственно, качество управления.
Таким образом, актуально, прежде всего, изучение взаимодействия человека-оператора с системой управления автомобилем, и синтез оптимальных САУД с учетом полного набора условий функционирования и большого числа внешних воздействий, имеющих как априорно известный, так и заранее неизвестный вид, носящий вероятностный характер. В тех случаях, когда невозможно описать внешние воздействия с требуемой точностью, целесообразно воспользоваться принципами нечеткой логики и, соответственно, логико-лингвистическими уравнениями.
Целью диссертационной работы являлась разработка методов и средств оптимального выбора стратегии и тактики управления автомобилем в условиях
3
неопределенности среды и с учетом влияния характера водителя. Задачу необходимо было решить с использованием правил нечеткой логики, позволяющей эффективно оценить реакцию водителя на внешние возмущения и характер выбора им соответствующих стратегий и тактик в зависимости от текущих условий и выбранных параметров.
При этом решались следующие задачи:
- формализация неопределенностей среды функционирования;
- формализация психофизических особенностей поведения водителя;
- разработка специальных методик тестирования, позволяющих выявлять необходимые параметры и характерные особенности водителя;
- разработка алгоритмов, обеспечивающих решение оптимизационных задач тактического уровня;
- разработка управления в зависимости от выбранной стратегии и характерных свойств лица принимающего решения;
- исследование и учет влияния поведения водителя на функционирование системы управления движением автомобиля;
- разработка программных средств реализации правил управлении АТС с отображением динамического процесса в режиме реального времени на экране и с возможностью контроля и управления его параметрами и характеристиками.
Методы исследования. В процессе выполнения работы применялись методы теории вероятности, теории оптимальных систем, теории нечеткой логики, теории психологического тестирования, математической обработки психологической информации, компьютерное моделирование.
Научная новизна работы состоит в следующем:
- разработаны методы и средства оптимального выбора стратегии и тактики управления автомобилем, в которых впервые учтено поведение водителей;
- разработана и исследована методика тестирования водителей и система его формализации, позволяющие оценить характерные особенности поведения водителя в процессе принятия тех, или иных решений;
- разработана методика формализации условий и неопределенностей среды функционирования с целью формирования информационно-измерительной базы данных для человеко-машинной системы управления автомобилем;
- предложена методика исследования зависимости принятия решения водителем от его психофизической предрасположенности и имеющихся навыков, а также от климатических условий, дорожной обстановки и стратегических предпочтений.
Практическая ценность работы состоит в следующем:
- На основе предложенной специальной методики тестирования водителя, позволяющей выявлять его необходимые параметры и характерные особенности; разработаны три психологических теста, реализованные программно. Апробация тестов показала их допустимый уровень надежности
- Построена идентификационная система для формирования информационно-измерительной базы данных;
Проведено исследование характерных особенностей водителей и их непосредственное влияние на принятие решения в ситуационной задаче. В том числе, был изучен характер влияния поведения водителя на функционирование системы управления движением автомобиля;
- Разработан алгоритм выбора пути следования автомобиля-такси на основе экспертного нечеткого регулятора управления, с учетом изменения параметров окружающей среды;
- Разработана методика выработки правил управления человеко-машинных систем в условиях неполной определенности при решении стратегических задач;
- Разработана имитационная компьютерная модель системы управления и среды функционирования, позволившая провести апробацию разработанных алгоритмов;
- Все разработанные тесты и алгоритмы показали свою работоспособность и эффективность при получении результатов и выявлении необходимых данных, в установленных стратегических рамках в динамически изменяемой среде. Высокая степень эффективности достигалась удобством ввода исходных данных, контролем параметров задачи управления и наглядностью представления динамики процесса функционирования.
Результаты работы использованы в учебном процессе СПб ГУАП при подготовке студентов по специальности "Управление и информатика в технических системах" по дисциплине "Интеллектуальные системы управления".
Положения, выносимые на защиту: 1. Методика формализации условий и неопределенностей в человеко-машинной системе.
2. Методики психологического тестирования водителей, как лиц, принимающих решения.
3. Оптимизатор пути следования автомобиля-такси на основе экспертного нечеткого регулятора, позволяющий учесть большое число параметров окружающей обстановки.
4. Методика стратегического управления движением автомобиля в зависимости от свойств характера водителя и показателей управляющего процесса, полученных в результате работы обработчика информации, позволяющие реализовать эффективный контроль за действиями водителя, а также вырабатывать оптимальные управляющие решения в зависимости от характерных параметров и предпочтений водителя.
Апробация работы. Основные результаты работы докладывались и обсуждались на следующих научно-технических конференциях: Третьей международной конференции "Логико-лингвистическое управление динамическими объектами"
(Санкт-Петербург, 18-20 июня 2001 г.); Пятой международной конференции "Логико-лингвистическое управление динамическими объектами" (Санкт-Петербург, 18-22 июня 2003 г.); Пятой международной школе-семинаре: "БИКАМП» (Санкт-Петербург. 25-29 июня 2003 г.); Аспирантской сессии ГУАП 2004. По материалам диссертации опубликовано 5 печатных работ, в том числе параграф в коллективной монографии.
Структура и объем диссертации. Диссертация состоит из введения, 5 глав, заключения, и списка литературы. Объем работы составляет 134 страницы, включая 36 рисунков и 25 таблиц. Список использованных источников включает 41 наименование.
Публикации. По материалам и результатам диссертации опубликованы 5 печатных работ, в том числе параграф в коллективной монографии:
S Особенности проектирования человеко-машинных систем» / Андреев СВ. в книге: «Управление в условиях неопределенности» под. ред. Городецкого А.Е., СПбГТУ,2002,с.132-141.
S «Алгоритм оптимального управления движением в условиях неполной определенности среды» / Андреев СВ. в журнале "Информационно-управляющие системы" 2003, №4, с. 2 - 5. В рубрике «Обработка информации и управление».
S «Система оптимизационного управления движением автомобиля» / Андреев
СВ. на пятом международном семинаре: "БИКАМП"(Санкт-Петербург. 25-29
июня 2003 г.). ¦S "Ситуационное тестирование водителя, как лица, принимающего решения"
Андреев СВ. на аспирантской сессии ГУАП - 2004. S "Алгоритм поиска оптимального пути следования в условиях
неопределенности" / Андреев СВ. на аспирантской сессии ГУАП - 2004.
Глава 1. Человеко-машинные системы управления движением 1.1 Обзор проблематики 1.1.1.Аналитический обзор литературы.
На сегодняшний день системы автоматического управления движением автомобиля представляют собой область интенсивных исследований. Свидетельством того, что в автомобильных системах автоматического управления движением (САУД) все шире используется нечеткая логика, является также и тот факт, что компании, занимающие сегодня лидирующие позиции в области автомобильных антиблокироваочных систем (например, Nissan, Toyota, Ford, Bosch, Siemens), регулярно регистрируют патенты на некоторые алгоритмы их функционирования с использованием нечеткой логики. Большинство зарегистрированных патентов реализует комбинированное управление, и ориентировано на разработку датчиков и способы динамической подстройки каких-либо параметров или внутренних переменных регулятора для управления движением автомобиля.
Например, в [1] представлен нечеткий регулятор торможения, прошедший натурные испытания на автомобиле BMW 328i. В нем предполагается использование датчиков угловой скорости колес и продольного ускорения автомобиля. Регулятор реализует трехфазное релейное управление, формируя дискретные команды на сброс, выдержку и увеличение давления. Входными координатами регулятора являются скольжение и угловое ускорение колеса. База правил управления регулятора состоит из 49 правил. Лингвистическая переменная выходного сигнала регулятора разбивается на нечеткие переменные, а полученное в результате дефаззификации четкое значение преобразуется в одну из возможных команд.
Что касается российских патентов, то здесь можно выделить следующие работы: «Устройство контроля за безопасностью движения автомобильного транспорта» [2]. Даная работа относится к системам и устройствам, обеспечивающим безопасность движения транспортных средств. Технический результат заключается во введении объективного контроля за действиями водителя транспортного средства во время движения, торможения и стоянки. Разработанное устройство содержит датчик скорости, накопитель информации, пульт управления, датчик времени,
8
микроЭВМ, дисплей, второй датчик скорости и контроллер. Новшеством является применение накопителя информации и датчика времени.
«Устройство управления автомобилем» [3]. Изобретение включает в себя контроллер разворота передних колес автомобиля относительно их нейтрального положения с заданным допуском. Указатель расположен около заднего стекла так, что при движении вперед он виден в зеркало заднего вида, а при движении задним ходом - непосредственно. Для отображения угла может быть использовано изображение не менее двух объектов, угол наклона которых при его изменении изменяется синхронно. Указатель может быть выполнен с возможностью начала отображения упомянутого угла при включении двигателя автомобиля и прекращения отображения после набора автомобилем заданной скорости. Изобретение обеспечивает повышение безопасности движения при выезде с мест стоянки и при движении задним ходом.
«Устройство Сташевского И.И. для обучения вождению автомобиля» [4]. Изобретение относится к тренажерам для обучения управлению транспортными средствами. Устройство содержит установленный на неподвижной опоре автомобиль и имитатор фона дорог и перекрестков, состоящий из кинопроекционного аппарата и экрана и выполненный с возможностью демонстрации разных дорог и перекрестков в сложных ситуациях, разных климатических зонах, разных погодных условиях и в разные периоды времени. В устройство также введены шаговый искатель, орган звуковой сигнализации нарушений правил движения и световое табло. Шаговый искатель связан электрическими цепями с сигналом поворота и стоп-сигналом автомобиля, с микропереключателями, взаимодействующими с закрепленным на рулевом колесе зацепом, педалями сцепления, газа и тормоза, а также с органом звуковой сигнализации и лампами табло. При этом обеспечивается возможность передачи на табло информации о реакции обучаемого и намерении его к изменению движения автомобиля. Изобретение способствует снижению дорожно-транспортных происшествий и психологического барьера у водителей перед неожиданной ситуацией.
«Система комплексного управления движением транспорта» [5]. Технический результат заключается в расширении функциональных возможностей системы управления движением транспорта путем предоставления информации о ситуации на дорожно-уличной сети не только тем участникам движения, в автомобилях которых
9
установлено приемное устройство, но и всем остальным участникам дорожного движения. Система комплексного управления движением транспорта включает в себя центральный компьютер, передатчик и соединенные с ним через каналы связи приемные устройства абонентов, установленные у проезжей части устройства, предназначенные для сбора информации о транспортных потоках, центральное устройство управления светофорами, соединенное с центральным компьютером и светофорными объектами, расположенными в зоне действия системы, центральное устройство управления управляемыми дорожными знаками, соединенное с центральным компьютером и управляемыми дорожными знаками, расположенными в зоне действия системы.
Нельзя не отметить, что вопросы оптимизации и автоматизации управления движением автомобилем до сих пор остаются открытыми и продолжают постоянно исследоваться. Тому подтверждением явились две последние крупнейшие международные конференции.
В Стамбуле (Турция) в июне 2003 года прошла конференция «IEEE 2003 / International Conference on Control Applications», собравшая у себя самые современные научные достижения и исследования в этой области. Из них можно выделить следующие:
В работе ученых из Алжирского Университета интеллектуальных систем [6] предложен устойчивый адаптивный нечеткий регулятор для нелинейной неопределенной и возмущенной системы. Закон управления корректируется основным регулятором обратной связи, использующим номинальную модель, контролируемую двумя сигналами. Первый сигнал вычисляется адаптивной нечеткой системой и устраняет неуверенность начальных условий. Второй сигнал уменьшает эффект от внешних возмущений и остаточных ошибок.
В другой работе [7] Корейскими учеными рассмотрено нелинейное оптимальное управление нечеткими системами с ограничением параметров входа. Полноценность предложенного подхода успешно апробирована при разработке системы стабилизации с тремя осями твердого космического корабля.
Ученые Университета Западного Онтарио (Канада) [8] разработали новый навигационный алгоритм для системы управления передвижением робота, объединяющей нечетко-логическую архитектуру с эффективным алгоритмом
10
управления. Разработанная система навигации обеспечивает робота способностью идентификации приближающегося препятствия, с целью предотвращения столкновений с препятствиями в динамической окружающей среде. Эта навигационная система была осуществлена на реальном передвижном роботе и проверена в различных окружающих средах. В разработанном роботе ученые попытались создать способность мыслить разумно. Ведь одна из наиболее важных способностей автономного передвижного робота, это возможность решения задачи оптимизации управления в реальной окружающей среде, которая изначально не определена для робота. Такая среда, как правило, содержит сложную и непредсказуемую динамику. В такой окружающей среде, объекты могут двигаться, другие роботы могут изменять или перестраивать окружающую среду.
Также интересный анализ дан в работе итальянских ученых [9]. В ней изучается автономная система движения по шоссе, основывающаяся на навигационных данных со спутников. Цель этой работы состояла в исследовании отношения между автоматическим движением и спутниковыми измерениями параметров. Чтобы достигнуть этой цели, в Matlab/Simulink® был разработан полный инструмент моделирования автоматического движения по шоссе транспортного средства системой управления и системами датчиков дорожной окружающей среды.
В Великобритании в стенах Кембриджского Университета прошла очередная ежегодная конференция «ЕСС 2003 / European Control Conference». Большое внимание на ней было уделено вопросам нечеткого управления. В частности, можно отметить следующие доклады:
Интересна работа Японских специалистов из «Matsushita Communication Indastrial» [10]. В ней предлагается модель системы управления сигналами движения для уменьшения скопления автодвижения в городских дорожных сетях. Модель построена так, чтобы управлять информацией о беспорядках в потоках движения, и изменять ситуацию движения, оперируя данной информацией. Предложенная модель описана как линейная система с рядом параметров неуверенности. Показано, что контроль за трафиком играет очень важную роль для дорожной безопасности и оптимальности потока движения. Особенно для снижения скопления автомобилей в городских дорожных сетях с большими транспортными потоками. Это исследование является очень многообещающим для интеллектуальных транспортных систем.
И
Специалистами Каталонского Университета представлена работа [11], в которой большое внимание уделено подходам управления и стабилизации изолированной системы управления, подвергнутой параметрической неуверенности и неизвестным возмущениям. В проекте регулятора, контролирующего динамику привода, предложены различные подходы к управлению приводом, с целью уменьшения структурной вибрации, вызванной сильным землетрясением и ветром. При этом управление позволяет повышать качество поведения системы управления по сравнению с традиционными пассивными управляемыми структурами.
Углубленным вопросам идентификации посвящена работа ученых Парижского Университета [12]. В ней тщательно изучается проблема оценки физических параметров объекта управления с учетом так называемых, параметров неблагоприятных воздействий, для которых характерна явная неопределенность. Проектируемый метод призван избавить, на уровне идентификации параметров, от неблагоприятных параметров с помощью логического аппарата вывода. При этом достигалась либо полное избавление от неблагоприятных параметров, либо имел место случай, когда дополнительные неблагоприятные возмущения просто принимали неизвестный, но фактически зависимый от некоторой априорно известной величины.
Особо необходимо отметить, что по результатам прошедшего в Великобритании семинара был сделан ряд важных выводов. В том числе большинством ученых было официально признано, что самой пока неразвитой, но крайне перспективной темой на ближайшие несколько лет является проблематика, посвященная «человеко-машинным системам, работающим в условиях неполной определенности».
1.1.2 Выводы аналитического обзора
Итак, подводя итоги аналитического обзора можно сделать следующие выводы о перспективности исследований в изучаемой области:
- Несмотря на важность и очевидность необходимости проведения интенсивных исследований и разработок в области систем автоматического управления движением, количество новых разработок крайне мало.
- Основные исследования и разработки в области САУД в настоящее время по-прежнему узко сосредоточены на повышении уровня автоматизации технических
12
устройств автомобиля. Совершенно очевиден пробел в исследованиях параметров самого водителя, как лица принимающего важные управляющие решения за рулем автомобиля;
Среди немногочисленных публикаций по САУД с использованием нечеткой логики большую часть занимают разработки автоматических тормозных систем, регуляторов работы двигателей, подвески и рулевого колеса. При этом смело продвигаются идеи, так называемого, избавления автомобиля от водителя. В попытках максимально автоматизировать процесс управления автомобилем, ученые и специалисты, работающие в данной теме, стараются минимизировать влияние характерных признаков водителей. Однако в ближайшее время полная автоматизация процесса управления автомобилем видится маловероятной. Поэтому целесообразно сосредоточить исследования именно на водителе, как лице принимающем решения
В последние годы много ресурсов было потрачено автомобильными изготовителями на проектирование интеллектуальных транспортных средств, которые были бы способны поддержать водителя, уменьшить его рабочую нагрузку, чтобы в свою очередь уменьшить высокий процент несчастных случаев из-за небрежности или усталости водителя. Особенность всех этих систем - это информационная осведомленность, позволяющая измерить и отобразить физические данные транспортного средства. Этим достигается контроль над дорожной обстановкой и средой окружения. Однако необходимо отметить, что и здесь подавляющее большинство исследований сводятся к усовершенствованию систем спутниковой навигацией либо многочисленных датчиков физических параметров транспортного средства. Приходиться констатировать, что крайне бедно рассмотрены, а то и практически отсутствуют соответствующие исследования, посвященные, прежде всего, оценке и формализации характерных особенностей водителя, влияющих на принятие решения в процессе управления движением автомобиля.
1.2 Методы решения задач нечеткого управления в человеко-машинных системах.
Первоначально в методах решения задач управления необходимо было, чтобы динамические характеристики были известны и не изменялись, а возмущающие факторы были незначительны. Однако динамические характеристики автомобиля
13
меняются в зависимости от переключения передачи и нагрузки, другими словами, они различны при различных передачах, нагрузках и состояниях дороги. Кроме того, существенное влияние на них оказывает обстановка на дороге. Поэтому возникла необходимость в разработке правил оптимального управления при изменении динамических характеристик.
Особенностями нечеткого управления являются возможность представления техники и знаний о вождении, которыми обладает водитель, с помощью лингвистических правил управления, что позволяет во многих случаях обойтись без количественной модели объекта управления. Поэтому в качестве устройства управления с функциями адаптации к изменениям параметров автомобиля как объекта управления разрабатываются нечеткие регуляторы, которые построены на основе базы правил и базы знаний об управляемом процессе [13].
Принцип действия нечеткого логического регулятора (НЛР) заключается в рассмотрении состояния системы и управляющих воздействий как лингвистических переменных, и выборе конкретных значений управления на основе нечеткого логического вывода.
На вход устройства поступает "четкая" исходная величина, которая фаззификатором преобразуется в нечеткое множество (или лингвистическую переменную). Далее машина вывода на основе нечеткой базы знаний производит обработку входных величин, и полученное нечеткое множество в блоке дефаззификации отображается в четкую выходную величину, используемую для управления объектом. Естественно, в общем случае нечеткий логический регулятор может содержать не один фаззификатор, если необходим ввод нескольких параметров, и не один дефаззификатор, если необходимо несколько управляющих воздействий на объект.
Таким образом, НЛР реализует систему нечетких продукционных правил. Основные преимущества, которые при этом достигаются, объясняются тем, что НЛР может работать при неполном соответствии входных ситуаций и ситуаций, указанных в базе знаний. Кроме того, выходной сигнал НЛР изменяется более плавно, чем бы это было при использовании набора обычных продукционных правил.
Применение средств цифровой вычислительной техники в информационно-измерительных и управляющих системах обусловило широкую номенклатуру
14
методов и средств управления и принятия решений в задачах нечеткого управления. Формирование управляющих сигналов в нечетких системах связано с нечетким принятием решения, которое предполагает, как правило, достижение некоторой цели или, по крайней мере, последовательное приближение к некоторому наиболее предпочтительному варианту (эталону). В нечетких системах управления логико-вероятностного типа целью может быть выбор путем логического вывода наиболее предпочтительного решения, имеющего наибольшую вероятность из всех альтернативных решений. При этом в зависимости от сложности задачи управления и системы могут с большим или меньшим успехом использоваться различные вычислительные методы принятия решения. К наиболее перспективным методам подобного типа следует отнести математическое программирование, математическое программирование в порядковых шкалах, обобщенное математическое программ-мирование и многошаговое обобщенное математическое программирование [14].
Нечеткий алгоритм управления может быть реализован следующими программными средствами:
Написание программы на языке высокого уровня.
При вычислении лингвистической переменной и ее функции принадлежности вполне достаточно использование тех операторных средств и математического аппарата, которыми располагает практически любой язык программирования.
Основой программы является использование операторов условного перехода (операция импликации) "если - то ". Если выполняется заданное условие, то осуществляется одна операция, если нет - другая. Путем использования в программе операторов условного перехода можно вычислять, в область какого терма попадает значение входной переменной, и затем, описав в программе алгоритм вычисления, получать значение функции принадлежности.
Модуль вывода - ядро регулятора - базируясь на нечетких концепциях, рассчитывает нечеткую реакцию регулятора на изменение входных переменных, используя нечеткую импликацию (нечеткое отношение) и вывод на базе нечеткой логики. Фактически он интерпретирует знания, заложенные в правилах. Модуль вывода можно реализовать путем описания в программе базы правил и использования все тех же операторов условного перехода. Для этого удобно использовать специально ориентированные языки программирования [15].
15
Надо отметить, что из-за большого объема описания базы правил программная реализация модуля логического вывода зачастую не эффективна. Гораздо эффективнее использовать уже имеющийся инструмент — экспертные системы. Экспертные системы.
Нечеткий регулятор, можно формализовать в виде правил "если-то", реализовав их в оболочке экспертной системы.
Вариант управления, который условно назовем супервизорным экспертным управлением, получил в настоящее время наибольшее распространение по сравнению с другими системами искусственного интеллекта (ИИ) в управлении. Этот подход требует наличия хотя бы эмпирической вербальной модели, описывающей поведение технического процесса (ТП) в среднем, и системы регулирования на базе линейных обычных регуляторов (П-, ПИ- и т.д.) или на базе математических моделей, описывающих динамику ТП. Это позволяет устанавливать ЭС на действующий процесс и снижает требования к ее надежности.
Второй подход использования ЭС в управлении предполагает применение техники ИИ для управления объектом на нижнем уровне (включая его динамику) - назовем это прямым экспертным управлением. В этом случае на выходе системы прямо должно быть рассчитанное ею регулирующее воздействие. Здесь возникают проблемы с использованием качественного описания, так как на исполнительные механизмы системы локальной автоматики можно подать только конкретные (численные) значения. Это требует преобразования качественных величин в количественные, что реализуется с помощью аппарата нечетких множеств (нечеткие регуляторы), хотя могут использоваться и регуляторы, основанные на правилах. Этот подход используется для плохо структурированных объектов, для которых есть затруднения с обычным математическим моделированием, хотя они иногда дают хорошие результаты и в традиционных случаях.
В обоих случаях система управления ИИ должна принимать информацию непосредственно с датчиков, установленных на объекте (в нашем случае - на ТП) и, по крайней мере, во втором случае, выдавать результаты (управления или прямо управляющие воздействия) непосредственно на регуляторы или исполнительные механизмы. Кроме того, на систему налагаются временные ограничения: все ее действия должны быть согласованы по временным рамкам с динамикой
16
управляемого объекта, что отражается на структуре ЭС, предназначенных для управления.
Таким образом, ЭС применяются для прямого экспертного управления процессами, не имеющими адекватных математических описаний или сугубо нелинейными процессами, то есть в тех случаях, когда обычные системы управления не эффективны [16]. Нейронные сети.
При реализации нечетких регуляторов в виде нейронной сети используют принципиально другой подход, основанный на обучении нейронной сети к распознаванию той или иной ситуации выбора. Это касается всех основных процессов: фаззификации, логического вывода и дефаззификации.
Искусственные нейросети обладают рядом свойств присущих биологическим нейросетям, в том числе и человеческому мозгу.
Главное свойство нейросетей - способность к обучению. Для решения какой-либо задачи на компьютере традиционным методом необходимо знать правила (математические формулы), по которым из входных данных можно получить выходные (найти решение задачи). С помощью нейросети можно найти решение, не зная правил, а имея несколько примеров. Нейросети используют подход к решению задач более близкий к человеческому, чем традиционные вычисления.
Другое важное свойство нейросетей - способность находить решение, основываясь на зашумленных, искаженных и даже противоречивых данных.
Еще одно замечательное свойство это отказоустойчивость. В случае выхода из строя части нейронов, вся сеть в целом продолжает оставаться работоспособной, хотя, конечно, точность снижается.
Самооптимизация позволяет нейросетям «конструировать» самих себя. При этом системный разработчик вначале определяет архитектуру нейросети и способ соединения ее с другими частями системы и выбирает метод обучения сети. Затем нейросеть адаптируется к данному приложению. Причем адаптивность позволяет нейросети успешно функционировать даже тогда, когда окружение, в котором работает объект, изменяется с течением времени. Полученную на основе нейросети систему, путем некоторой подстройки (изменением числа нейронов в слое и числа
17 |
