Одним из возможных применений нечетких логических регуляторов с искусственным интеллектом являются задачи, направленные на управление движущимися объектами, в частности, автомобилями [1,2].
Анализ модели поведения таких систем связан с определенными трудностями, вызванными, прежде всего сложностью или даже невозможностью математической формализации поведения объекта и соответственно методов принятия решений об его управлении традиционными подходами классической системы теории автоматического управления. Это определено, прежде всего, тем, что классическая теория автоматического управления и ее разделы, связанные с адаптивным управлением и управлением нестационарными объектами, предполагает наличие начальных сведений об объекте управления, т.е. его математической модели, задаваемой в виде дифференциальных уравнений.
Необходимость разработки нечеткого контроллера требует перехода от описательной к формализованной (аналитической) форме представления знаний об объекте и его поведении во внешней среде. Этот переход от лингвистического описания в адекватную аналитическую форму основан на использовании языка и методологии теории нечетких множеств.
Моделям нечетких контроллеров, применяемым для управления движением автомобиля, были посвящены работы [3,4], в которых продукционные правила управления определялись путем моделирования поведения опытного водителя-эксперта. Например, контрольное i-ое правило представлялось в следующем виде

 есть  есть  есть 

где  - нечеткие переменные, характеризующие в лингвистической форме переменные  на входе;  - выходной результат i-го контрольного правила, определяемый линейным уравнением с коэффициентом . Функция принадлежности нечеткого множества А записывается как А(h) и представляется в виде (R-L)-аппроксимаций. 
Для данных входных величин  истинная величина предпосылки i-го правила записывается как

а результат на выходе  определяется из m правил через осреднение весов переменных  в виде

Алгоритм идентификации правил нечеткого управления заключается в определении:
1) числа нечетких градаций пространства входа как шкалы (например, “малое”, “среднее”, “большое” для переменной , “малое” и “большое” для  и т. д.);
2) функции принадлежности этих нечетких переменных;
3) коэффициентов в правилах вывода [1,2].
Поиск нечетких правил управления осуществляется с помощью экспертных оценок движения некоторой совокупности моделей автомобиля, которые признаются достаточными для опыта. Эксперт может контролировать поворот руля по траектории автомобиля, высвечиваемой на экране монитора. Скорость автомобиля сохраняется постоянной, поэтому контролируется только поворот руля.
В работе [5] приводится нечеткая модель управления системой “водитель-автомобиль – окружающая среда”, в которой учитывается мера нечеткости соответствия (адекватности) между событиями внешнего мира и представлениями о них у водителя. Принимается также во внимание возможность самоконтроля водителя в процессе управления автомобилем.
Входной информацией служит поле зрения водителя в плоской проекции дороги. Такой курс в перспективе участка дороги (road) может быть представлен в виде матрицы:

где элементы  указывают степень принадлежности интервала  объект “видимое поле” -  принадлежит объекту “дорога”  Здесь X – множество горизонтальных координат  - множество вертикальных координат 
Одним из выходов подсистемы “водитель” является нечеткое множество 

которое описывает первоначальный диапазон фиксированного положения глаз водителя на видимом участке (объект “видимое поле”) дороги . Множество  может существенно зависеть от внешних событий, в то время как другой нечеткий выход 

описывающий повороты руля (steer), подчиняется выработанным водителем – экспертом правилом управления вождением автомобиля.
Для получения первоначального диапазона положения реальный дорожный курс M(road) должен сравниваться по горизонтали с эталонным образцом, заданным матрицей M(ref):

Эталонный образец M(ref) интерпретируется как субъективная оценка водителем ширины проезжей части дороги. В области визуального поля этот эталон ориентирован в направлении продольной оси автомобиля.
Приведенные в работе [5] результаты моделирования взаимосвязи движения глаз водителя и поворота руля находятся в хорошем соответствии с аналогичными результатами, полученными при реальных измерениях. Таким образом, описанная модель является вполне адекватным отображением системы “водитель – автомобиль – окружающая среда”.
Известна [6] модель мобильного робота, построенная по иерархической структуре. Эта модель состоит из трех уровней (проектирование, навигация, пилотирование). На уровнях “проектирования” и “навигация” осуществляется соответственно картография местности и общее управление мобильного робота. “Пилот” производит передвижение мобильного робота по указанному “навигатором” курсу.
Система “пилот” содержит три уровня иерархии: базу данных, набор логических правил и блок вычислений.
База данных отражает степень информированности “пилота” о местности и своем местонахождении, выраженную как в числовых, так и в лингвистических переменных. Окружающая среда регистрируется в мобильном роботе видеокамерой и представляется в виде множества всех объектов, включая все препятствия, в полярных координатах с началом координат в центре системы отсчета мобильного робота. Представление знаний о мобильном роботе, о его местонахождении включает как общую позицию и ориентацию мобильного робота на местности, так и текущие параметры его движения. Полученным числовым значениям в ограниченных множествах интервалов ставятся в соответствие дискретные лингвистические переменные, характеризующие динамическое поведение системы и содержащие описания окружающей среды.
Моделирование движения мобильного робота дает удовлетворительные результаты по ориентации и передвижению модели в достаточно сложных условиях пересеченной местности и наличии препятствий [6].
Приведенный обзор указывает на актуальность задачи разработки нечетких контроллеров для решения задач управления движущимися объектами.

1. Финаева Е.В. Разработка моделей и методов исследования сложных неравновесных систем с применением нечетких оценок. Диссертация на соискание ученой степени кандидата технических наук / Таганрог, 2003
2. Заргарян Ю.А. Разработка и исследование методов принятия решений в условиях неполноты данных при нечетком описании параметров моделей. Автореферат диссертации на соискание ученой степени кандидата технических наук / Южный федеральный университет. Таганрог, 2012
3. Sugeno M., Nishiola F. Fuzzy control of model car // Fuzzy Sets and Systems. 1985. – V. 16. N 2. – P 103-113.
4. Sugeno M., Murofushi T., Mori T. et all. Fuzzy algorithmic control of a model car by oral instruction // Fuzzy Sets and Systems. 1989. V. 32. N 2. – P 207-219.
5. Kramer U. On the application of fuzzy sets to the analyssis of the sustem driver-vehicle – environment // Automatica. 1985. – V. 21. N 1. – P. 101-107.
6. IsikC., Meystel A., Pilot level of a hierarchical controller for an unmanned mobile robot // IEEE J Robotics and Automation. 1988. – V. 4. N 3. – P. 241-255.

Все статьи автора «Заргарян Елена Валерьевна»