Подсистема адаптации гониометрической модели

В подсистеме инициализации (рисунок 16) и адаптации формируется индивидуальная угловая n-звенная модель объекта (здание, человек, мехатронная система)- вектор, описывающий

возможные отклонения сегмента iв пространстве относительно базовой точки, - возможные отклонения относительно базовой точки сегмента iв плоскостях x, y, zсоответственно.

Базовая модель является более полной, чем индивидуальная, однако не отражает индивидуальной специфики объекта (особенностей строения). Дополнение индивидуальной модели случае необходимости происходит в модуле подстройки на основе базовой угловой модели по сегментам.

Рисунок 16 - Модель обработки информации. Подсистема адаптации модели

Регистрируемые данные Mсравниваются с индивидуальной модельюв модуле слежения, где, в случае выхода значений углов вектораиз заданных вектором Aграниц, формируется вектор отклонений

Вектор Dпопадает в блок экспертной оценки для принятия решения

(где F_k- оператор (функция) оценки,-вектор дополнительно привлекаемых данных) о коррекции индивидуальной моделипо измеряемым данным, в случае если вектор отклоненияотражает только индивидуальные особенности объекта контроля (вектора- оператор

коррекции) формируются на основе нейросетевого алгоритма или с применением нечеткой логики и привлечением экспертной оценки.

Задача коррекции инклинометрической модели, полученной на основании регистрируемых данных, возникает вследствие того, что значения нормы и отклонения динамики угловых параметров в ряде случаев носят индивидуальный

характер [79-80].

Решением описанной задачи определения нормы отклонений является применение нейросетевой модели, построенной на основе нечетной логики, учитывающей экспертные оценки в качестве лингвистических переменных, исходными данными которой является условие: пусть для индивидуальной угловой модели некоторого объекта контроля имеется множество входных инклинометрических переменных, множество экспертных

решенийсоответствующих выходной переменной к, и база

знаний, представляющая собой множество правил нечетких продукций, определяющих функции принадлежности каждой zv_i-переменной нечеткому множеству. Требуется определить соответствие экспертного решения для каждого набора входных гониометрических переменных

По мере обучения нейросетевой модели и приближении её адекватности и адекватности индивидуальной модели I к 100%, экспертная оценка может осуществляться в полностью автоматизированном режиме [82].

2.2.2