Нечёткое адаптивное управление зерноуборочным комбайном

Введение. Оператору в полевых условиях приходится решать достаточно трудную задачу обеспечения оптимальной настройки комбайна в соответствии с изменяющимися условиями окружающей среды. Её решение в основном обеспечивается опытом и интуицией механизатора. Неквалифицированное регулирование параметров технологического процесса (ТП) приводит к значительным затратам времени на простои, увеличению потерь убираемого урожая и, как следствие, снижению сменной производительности машины, увеличению расхода топлива на единицу выполненной работы, снижению качества ТП в целом. Реализация преимуществ сложных по конструкции и обслуживанию зерноуборочных машин и достижение высоких показателей качества и производительности их работы возможны лишь при автоматизации управления комбайном.

Формализация задачи нечёткого управления зерноуборочным комбайном. В настоящее время отсутствует адекватное математическое описание процесса управления ТП зерноуборочного комбайна. Имеющиеся корреляционно-регрессионные зависимости между внешними факторами, регулируемыми параметрами и показателями качества работы представляют собой достаточно громоздкие математические конструкции (причём не всегда адекватно отражающие действительность), и их использование в реальном времени и в сложных практических условиях затруднено [1].

Задача управления ТП зерноуборочного комбайна в постоянно изменяющихся условиях работы есть задача принятия решения в нечёткой среде (рис. 1). Поэтому наиболее приемлемым методом построения системы автоматического управления комбайном является нечёткое управление с адаптацией по загрузке молотильно-сепарирующего устройства (МСУ) в зависимости от степени загрузки двигателя и потерь зерна.

Методика моделирования процесса нечёткого управления комбайном основана на использовании аппарата нечётких множеств и содержит этапы: фаззификации, композиции и дефаззи-фикации [2]. На этапе фаззификации необходимо представить условия решения задачи в лингвистической форме. На этапе композиции все нечёткие множества, назначенные для каждого терма каждой входной переменной, объединяются, и формируется единственное нечёткое множество — значение для каждой выводимой лингвистической переменной (ЛП). В результате использования набора правил — нечёткой базы знаний — вычисляется значение истинности для предпосылки каждого правила на основании конкретных нечётких операций, соответствующих конъюнкции или дизъюнкции термов в левой части правил. Суть этапа дефаззификации заключается в выработке на основе нечёткого логического вывода конкретных рекомендаций по установлению конкретных значений регулируемых параметров машины.

Рис. 1. Общая схема системы нечёткого управления зерноуборочным комбайном ФП — база данных параметров функций принадлежности

Центральной научной проблемой при разработке информационных интеллектуальных систем является представление знаний рассматриваемой предметной области. Для представления знаний используется обобщённая модель предметной области в виде [3]:

СЦХ;Ц;бу / = 1,л

где X— множество объектов предметной области; Ц — множество типов связи между ними; G— отображение, задающее связи между объектами, входящими в X, из заданного набора типа связей.

Приближённые рассуждения представляют собой процесс, при котором из нечётких посылок выводятся некоторые следствия (возможно также нечёткие). Лингвистическая модель рассматриваемого процесса адаптивного управления может быть представлена в виде:

Если Х_т есть ^ И ... И Х_т есть Д_т,ТО \ есть В_п И ... И Y_n есть В_1П,

Если Х_г есть А_р1 И ... И Х_т есть А_рт , ТО Y_x есть в_р1 И ... И Y_n есть в_рп.

Все параметры модели описываются собственными ЛП, термы которых задаются с помощью средств естественного языка и используются для выражения необходимых качественных оценок. При этом каждому значению ЛП ставится в соответствие нечёткое подмножество со своей функцией принадлежности:

VAki^F^X.y, pMj eF^y где F (X,), F (г,) — множества нечётких подмножеств, определённых на базовых шкалах X, и Y,.

С фактической точки зрения совокупность правил типа (2) задаёт некоторое отображение U^m -^V" множества значений входных ЛП в аналогичное множество выходных, причём:

\и^т = х U. lei '

И" = X V,.

Соотношения (3) в свою очередь можно поставить в соответствие нечёткое отображение:

S-.F(X^F(YV                          (4)

гДе х Иж, Мл - AM®// Мел - х Мю ■

Обобщение известного в классической логике правила modus ponens позволяет получить композиционное правило нечёткого вывода:

М5. = Мл

S,

где рд — исходная посылка, получаемая при оценке наблюдаемых данных по входным функциям принадлежности; рв, — нечёткий результат логического вывода на основе знаний, получаемый с помощью отображения (4); • — операция композиции.

Развёрнутая форма нечёткого логического вывода для системы знаний вида (2) может быть представлена [4]:

где х\ — наблюдаемое значение входного параметра.

Моделирование предметной области. Согласно структурной организации многопараметрической системы адаптивного управления зерноуборочным комбайном [5] и её модели [6] в состав бортового микроконтроллера целесообразно ввести два нечётких контроллера, связанных друг с другом через параметры объекта управления. Первый нечёткий контроллер служит для управления электромеханизмом рулевого вала в зависимости от линейного отклонения траектории ориентации s и курсового угла ср. Второй нечёткий контроллер служит для управления скоростью движения v_K через серворегулятор гидростатической трансмиссии (ГСТ) ходовой части и загрузкой двигателя у_д через электромеханизм подачи топлива.

В табл. 1 представлены ЛП, характеризующие параметры управления для систем нечёткого вывода контроллеров траекторией движения и загрузкой МСУ.

Таблица 1

ЛП многопараметрической системы нечёткого адаптивного управления зерноуборочным комбайном

Параметр управления	Наименование лп	Нотация ЛП	Область определения лп	Единица измерения
Нечёткий контроллер траектории движения
S	ЛО	линейное отклонение траектории ориентации	[-0,1; 0,1]	м
ф	КУ	курсовой угол	[-10; 10]	град
Ок	УП	параметр управления электромеханизмом рулевого вала	[-1; 1]	В
Нечёткий контроллер загрузки МСУ
т6	МБ	крутящий момент на валу битера наклонной камеры	[2; 4]	Н-м
тр	МР	крутящий момент на валуротора МСУ	[15,5; 24,5]	Н-м
\М	зм	градиент настройки по загрузке МСУ	[-1; 1]
¥д	чд	частота вращения коленчатого вала двигателя	[500; 2200]	мин-1
¥п	пз	градиент настройки по потерям зерна	[0; 2]
Пд	пт	параметр управления электромеханизмом подачи топлива	[0; 1]	В
Пх	СК	параметр управления электромагнитным клапаном ГСТ	[0; 1]	В

Следующим этапом построения нечёткой системы управления является ввод терм-множеств для каждой ЛП. Для удобства записи применяют специальные сокращения для наименования отдельных термов входных и выходных ЛП [7]: NB — отрицательное большое (наименьшее значение), NM — отрицательное среднее, NS — отрицательное малое, ZN — отрицательное близкое к нулю, Z — нуль (среднее значение), ZP — положительное близкое к нулю, PS — поло- жительное малое, РМ — положительное среднее, РВ — положительное большое (наибольшее значение). При построении нечёткой системы управления зерноуборочным комбайном были использованы треугольная (7), трапециевидная (8) и сигмоидные (9) z- и биформы функции принадлежности [8]:

где (а, с) — носитель нечёткого множества — пессимистическая оценка нечёткого числа; Ь — координата максимума; (d, z) — ядро нечёткого множества — оптимистическая оценка нечёткого числа.

Существенным преимуществом таких функций принадлежности является то, что для их определения требуется наименьший по сравнению с остальными функциями объём информации, который в данном случае ограничивается данными об угловых точках.

Параметры терм-множеств ЛП и функции принадлежности для нечёткого котроллера траекторией движения комбайна представлены на рис. 2.

Параметры терм-множеств входных ЛП и функции принадлежности блока адаптации по загрузке МСУ представлены на рис. 3. Выходным параметром блока адаптации является градиент настройки по загрузке МСУ ч_м, описываемый ЛП ЗМ. В то же время параметр ч_м является одним из входных параметров анализатора сочетаний.

Параметры терм-множеств ЛП и функций принадлежности анализатора сочетаний представлены на рис. 4.

При проектировании нечётких контроллеров основным и неформализуемым этапом является задание набора нечётких правил. Для нечёткого контроллера траектории движения были определены 25 правил нечётких продукций, для блока адаптации по загрузке МСУ — 35 правил, для анализатора сочетаний — 31 правило нечётких продукций. Основной особенностью построенных баз правил является то, что эти правила описывают все возможные значения входных и выходных параметров управления, тем самым исключая возможность неопределённых или противоречивых ситуаций, возникших в результате значительного изменения возмущающих воздействий. Более тонкая настройка модели может быть связана с увеличением количества термов для каждой из входных и выходных переменных, что, в свою очередь, приведёт к увеличению количества правил («проклятие размерности») в системе нечёткого вывода и общему

Рис. 2. Параметры терм-множеств ЛП и функций принадлежности для нечёткого котроллера траектории движения

ло	а	6(d)	Z	С
NB	-0,1	-0,1	-0,09	-0,06
NM	-0,08	-0,045		-0,01
Z	-0,025	0		0,025
РМ	0,01	0,045		0,08
РВ	0,07	0,09	од	ОД

КУ	а	6(d)	Z	С
NB	-10	-10	-7	-4
NM	-5	-2,5		0
Z	-0,5	0		0,5
РМ	0	2,5		5
РВ	4	7	10	10

Имитационная модель бортового микроконтроллера для нечёткого адаптивного управления. В качестве схемы нечёткого вывода для нечёткого контроллера траектории движения, блока адаптации по загрузке МСУ и анализатора сочетаний был использован метод Мамдани; метод импликации — min, метод агрегирования — max, метод дефаззификации — центр тяжести (centroid) [9]. Такой выбор схемы и методов нечёткого вывода обусловлен высокой точностью и достаточным быстродействием модели. Поскольку во всех правилах в качестве логической связки для подусловий применяется только нечёткая конъюнкция, то для агрегирования использован метод минимального значения — min-конъюнкции (And method), а для аккумуляции заключений правил метод максимального значения — max-дизъюнкции (Or method).

МБ	а	6(d)	Z	С
NB	2	2	2,2	2,4
NM		2,6		2,9
Z	2,8	3		3,2
РМ	3,1	3,4		3,7
РВ	3,6	3,8	4	4

15,5      17      18,5      20      21,5      23      24,5

МР	а	6(d)	Z	С
NB	15,5	15,5	16	17,5
NM	16,5	17,5		18,5
NS	18	19		20
Z	19,5	20		20,5
PS	20	21		22
РМ	21,5	22,5		23,5
РВ	22,5	24	24,5	24,5

Рис. 3. Параметры терм-множеств ЛП и функций принадлежности блока адаптации по загрузке МСУ

Имитационная модель бортового микроконтроллера для нечёткого адаптивного управления зерноуборочным комбайном реализована в системе Matlab Simulink с использованием Fuzzy Logic Toolbox (рис. 5).

О 0,15     0,3    0,45     0,6    0,75     0,9   1

П

a    b(,cf)     z __ с

1200 1200 1400  1850

1800 1900 2000

1950 2100 2200 2200

пз	а	С	ТИП
Z	0,8	1,1	z-форма
РМ	0,9	1,2	s-форма

СК	а	Ь	С
NB	0	0	0,15
NM	0,1	0,15	0,3
NS	0,25	0,3	0,45
Z	0,4	0,5	0,6
PS	0,55	0,7	0,75
РМ	0,7	0,85	0,9
РВ	0,85	1	1

b

О

0,40,7

Рис. 4. Параметры терм-множеств ЛП и функций принадлежности для анализатора сочетаний

Рис. 5. Модель бортового микроконтроллера в MatLab Simulink и Fuzzy Logic Toolbox

УП

a — курсовой угол (КУ) — линейное отклонение (ЛО) — поворот рулевого вала (УП);

б — момент на валу битера (МБ) — момент на валу ротора (МР) — загрузка МСУ (ЗМ); в — загрузка МСУ (ЗМ) — потери зерна (ПЗ) — скорость комбайна (СК);

г — загрузка МСУ (ЗМ) — загрузка двигателя (ЧД) — скорость комбайна (СК)

Результаты моделирования. На рис. 6 показаны поверхности «входы-выходы» зависимостей, соответствующие синтезированной нечёткой системе продукционных правил. Из рис. 6 видно, что при увеличении момента на валу битера наклонной камеры (МБ) или ротора МСУ (МР) блок адаптации по загрузке генерирует сигнал (ЗМ) на снижение подачи хлебной массы в комбайн. При увеличении потерь зерна (ПЗ), загрузки двигателя (ЧД) и МСУ (ЗМ) анализатором сочетаний генерируется сигнал на снижение скорости комбайна (СК). Таким образом, видно, что система нечётких экспертных высказываний адекватно описывает отношения «регулируемый параметр — входные факторы».

Выводы. Разработанная имитационная модель нечёткого адаптивного управления устанавливает соотношение между степенью загрузки двигателя, скоростью движения зерноуборочного комбайна и подачей хлебной массы в конкретных условиях уборки: влажность хлебной массы, урожайность убираемой культуры, рельеф поля и техническое состояние комбайна. Важной особенностью разработанной имитационной модели является непрерывное изменение возмущающих воздействий в диапазоне всех возможных значений, причём параметры моделирования задаются пользователем, что позволяет моделировать всевозможные ситуации работы комбайна и оценить качество выполнения ТП при различных внешних воздействиях. Созданные база знаний и механизм вывода решений составляют основу системы адаптивного управления зерноуборочным комбайном.