Professional Documents
Culture Documents
Automatyzacja Procesów Przemysłowych
Automatyzacja Procesów Przemysłowych
Automatyzacja Procesów Przemysłowych
Sterowanie inteligentne
Metody
sztucznej inteligencji
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 6
Metody
Geneza:
sztucznej inteligencji
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 9
Czym są obecnie:
Populacja
Funkcja przystosowania
Najlepsze osobniki
Mutacja
Krzyżowanie Jak mogą być wykorzystane:
Algorytmy genetyczne sprawdziły się
jako efektywne metody
Operatory genetyczne
poszukiwania dobrych rozwiązań w
przestrzeniach o dużych wymiarach i znalazły zastosowanie w wielu
dziedzinach, np. optymalizacja struktury modeli i regulatorów, dobór
wartości parametrów w modelach systemów nieliniowych
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 11
Metody
Algorytmy
Sieci Geneza:
neuronowe genetyczne
Systemy rozmyte rozwinęły się jako
próba odwzorowania ludzkich
Systemy sposobów komunikowania się i
rozmyte przekazywania informacji za pomocą
mowy oraz ludzkich sposobów
rozumowania
sztucznej inteligencji
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 12
Medium Large
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 14
- przechowywać wiedzę
- wykorzystywać przechowywaną wiedzę do rozwiązywania
problemów
- nabywać nową wiedzę drogą doświadczenia
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 16
reprezentację wiedzy
wnioskowanie w oparciu o wiedzę
uczenie się, zdobywanie wiedzy
Neuron w warstwie zachowuje się dokładnie tak samo jak pojedynczy neuron.
Sieć jednowarstwowa
Sieć wielowarstwowa
rekurencyjna
Sieć
wielowarstwowa
jednokierunkowa
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 23
Przykład: Problem
Komiwojażera
Czas potrzebny do rozwiązania problemu
komiwojażera w zależności od ilości
miast (przy założeniu, że komputer
przetwarza milion instrukcji na sekundę)
Są ich
różne
rodzaje
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 29
Start
Operatory genetyczne
Tak Warunek Nie Wybierz
Stop Rodziców
stopu
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 32
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 33
Do realizacji
obliczeń zgodnie
z zasadami
algorytmów
genetycznych
dostępnych jest
wiele gotowych
programów
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 41
Przesłanka 1 (fakt) x = A’
Przesłanka 2 (reguła rozmyta) JEŻELI x = A TO y = B
Wniosek y = B’
gdzie: A’, B’ oznacza „bliski A”, „bliski B” odpowiednio
A, A’, B, B’, - wartości lingwistyczne - zbiory
rozmyte
x, y – zmienne lingwistyczne
Ebrahim MAMDANI
Imperial College of Science, Technology and
Medicine, University of London
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 47
Model 3
lingwistyczny: Wynik:
Wyjście
Dane:
Wejście
Krok 1: Rozmywanie
A A B B
A Określić w jakim stopniu
1
2 3 1 2
„ostra” wartość wejścia (zbiór
A’) należy do zbioru rozmytego
B’ przesłanki (zbiory Ai) - spełnia
1 przesłankę reguły
Natężenie dopływu O2 [m3/h Moc cieplna [kW]
Niska Wysoka
B B
1 2
B
Natężenie dopływu O2 [m3/h Moc cieplna [kW] B’ ’2
1
A’ = x = 1.25 Moc cieplna [kW]
[m3/h]
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 49
Niska Wysoka
B B
1 2
B’2
B’1
SC B’ = 67.5 [kW]
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 50
System rozmyty:
Zbiór reguł wyposażony w odpowiedni system wnioskowania i stosowne
do systemu wnioskowania systemy wejścia i wyjścia
Mechanizm
wnioskowania
Wejście
Wyjście
(defuzzification)
(inputs) x(t) (inference
(fuzzification)
Wyostrzanie
Rozmywanie
Baza reguł
(rule-base)
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 51
Obiekt
Wejścia regulatora:
1) e( t ) = r ( t ) − y ( t )
Siła →+
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 54
Położenie pożądane
Odchylenie ujemne Odchylenie dodatnie
Odchylenie zerowe
Siła dodatnia
Zmiana odchylenia dodatnia
Zmiana odchylenia ujemna
AUTOMATYZACJA PROCESÓW PRZEMYSŁOWYCH 56
Koniec