RU176922U1 - ANALOGUE FUZZY PROCESSOR - Google Patents

ANALOGUE FUZZY PROCESSOR Download PDF

Info

Publication number
RU176922U1
RU176922U1 RU2017125841U RU2017125841U RU176922U1 RU 176922 U1 RU176922 U1 RU 176922U1 RU 2017125841 U RU2017125841 U RU 2017125841U RU 2017125841 U RU2017125841 U RU 2017125841U RU 176922 U1 RU176922 U1 RU 176922U1
Authority
RU
Russia
Prior art keywords
arguments
values
fixed values
function
memory
Prior art date
Application number
RU2017125841U
Other languages
Russian (ru)
Inventor
Николай Леонидович Дембицкий
Original Assignee
Федеральное государственное бюджетное образовательное учреждение высшего образования "Московский авиационный институт (национальный исследовательский университет)"
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Федеральное государственное бюджетное образовательное учреждение высшего образования "Московский авиационный институт (национальный исследовательский университет)" filed Critical Федеральное государственное бюджетное образовательное учреждение высшего образования "Московский авиационный институт (национальный исследовательский университет)"
Priority to RU2017125841U priority Critical patent/RU176922U1/en
Application granted granted Critical
Publication of RU176922U1 publication Critical patent/RU176922U1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Fuzzy Systems (AREA)
  • Biomedical Technology (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Feedback Control In General (AREA)

Abstract

Полезная модель относится к области управления в реальном масштабе времени сложными объектами и быстротекущими процессами, которые не удается представить математической моделью в виде дифференциальных уравнений. Технический результат - повышение быстродействия управления при снижении аппаратной избыточности и унификация структуры нечетких процессоров для автоматических регуляторов.Сущность полезной модели: в память устройства записываются структурированные фиксированные аналоговые значения функции F от N-переменных и ее аргументов в виде кортежей параметров, для считывания значения функции вводят текущие аналоговые значения параметров объекта управления x, x, …, xв результате применения комбинаторных правил выбора на выходе получают ближайшее к текущим параметрам фиксированное аналоговое значение функции управления. 1 ил.The utility model relates to real-time control of complex objects and fast-moving processes that cannot be represented by a mathematical model in the form of differential equations. The technical result is an increase in control performance while reducing hardware redundancy and unification of the structure of fuzzy processors for automatic controllers. The essence of the utility model: structured fixed analog values of the function F from N-variables and its arguments are written in the form of tuples of parameters into the device’s memory; the current analog values of the parameters of the control object x, x, ..., x as a result of applying combinatorial selection rules at the output get the closest Further to the current parameters, the fixed analog value of the control function. 1 ill.

Description

Полезная модель относится к области управления в реальном масштабе времени сложными объектами и быстротекущими процессами, которые не удается представить математической моделью в виде дифференциальных уравнений. Технический результат - повышение быстродействия управления при снижении аппаратной избыточности и унификация структуры нечетких процессоров для автоматических регуляторов.The utility model relates to real-time control of complex objects and fast-moving processes that cannot be represented by a mathematical model in the form of differential equations. The technical result is an increase in control performance while reducing hardware redundancy and unification of the structure of fuzzy processors for automatic controllers.

Известен четкий логический регулятор для управления технологическими процессами [Патент RU 2445669 МПК G05 В 13/02], в котором регулятор включает фаззификатор с семью входами, блок логического вывода с заданными функциями принадлежности четких термов переменных, на вход которого подаются входные и выходные переменные, а также дискретные входные и выходные переменные объекта управления, дефаззификатора, исполнительного устройства, объекта управления и датчика обратной связи. Сравнивающее устройство реализовано в составе условной части продукционных правил блока нечеткого логического вывода. Для повышения точности и быстродействия входные и выходные переменные регулятора представлены совокупностью четких термов, а дополнительное повышение быстродействия регулятора достигнуто автоматическим расположением с помощью ANY-TIME алгоритма в начало системы продукций правил с наибольшей частотой срабатывания. Расширение управляющих функций регулятора достигнуто за счет использования в антецедентах продукционных правил дискретных и выходных переменных объекта управления.A clear logical controller is known for controlling technological processes [Patent RU 2445669 IPC G05 13/02], in which the controller includes a fuzzifier with seven inputs, a logic output unit with predetermined membership functions of clear terms of variables, the input of which is input and output variables, and also discrete input and output variables of the control object, defuzzifier, actuator, control object and feedback sensor. The comparing device is implemented as part of the conditional part of the production rules of the fuzzy inference unit. To increase accuracy and speed, the input and output variables of the controller are represented by a set of clear terms, and an additional increase in the speed of the controller is achieved by automatically positioning the ANY-TIME algorithm to the beginning of the rule production system with the highest response frequency. The expansion of the control functions of the controller is achieved through the use of discrete and output variables of the control object in the antecedents of production rules.

Недостатками данного регулятора являются: последовательный способ обработки продукционных правил, применение программной обработки и аналого-цифровых преобразований, что снижает быстродействие регулятора.The disadvantages of this controller are: a consistent way of processing production rules, the use of software processing and analog-to-digital conversions, which reduces the speed of the controller.

Наиболее близкими по технической сущности к полезной модели являются способ и устройство построения систем нечеткой логики [Патент 2417442 МПК G06N 7/02], при котором сначала формулируют последовательность правил нечеткой логики, затем каждому из этих правил назначают числовую характеристику - показатель качества управления, причем правила нечеткой логики реализованы на базе обученной нейронной сети, на входы нейронной сети подают информационные сигналы или сигналы от объекта управления, при этом на ее выходе формируется последовательность выходных сигналов или последовательность инструкций и рекомендаций, где обученная нейронная сеть является обученной большой искусственной нейронной сетью, причем каждое из правил нечеткой логики реализуют отдельным фрагментом обученной большой искусственной нейронной сети (доменом), где число доменов соответствует числу правил нечеткой логики и, кроме того, содержит некоторое избыточное число резервных доменов, причем один из доменов выполняет функции арбитра и коммутирует выходы доменов с выходами нейронной сети с учетом показателя качества управления.The closest in technical essence to the utility model are the method and device for constructing fuzzy logic systems [Patent 2417442 IPC G06N 7/02], in which the sequence of fuzzy logic rules is first formulated, then each of these rules is assigned a numerical characteristic - an indicator of the quality of control, and the rules fuzzy logic is implemented on the basis of a trained neural network, information signals or signals from the control object are fed to the inputs of the neural network, and a sequence is formed at its output output signals or a sequence of instructions and recommendations, where a trained neural network is a trained large artificial neural network, each of the fuzzy logic rules being implemented as a separate fragment of a trained large artificial neural network (domain), where the number of domains corresponds to the number of fuzzy logic rules and, in addition, contains some redundant number of backup domains, one of the domains acting as an arbiter and commuting the domain outputs with the outputs of the neural network, taking into account the quality of management.

Недостатками данного способа и устройства является техническая сложность доменной нейронной сети, которая реализуется с применением компьютерных компонентов. Компьютерные компоненты требуют программной обработки, что также является существенным недостатком устройства, так как значительно снижают быстродействие, достигнутое за счет распараллеливания обработки продукционных правил.The disadvantages of this method and device is the technical complexity of the domain neural network, which is implemented using computer components. Computer components require software processing, which is also a significant drawback of the device, since they significantly reduce the speed achieved by parallelizing the processing of production rules.

Технический результат заявленной полезной модели:The technical result of the claimed utility model:

- повышение быстродействия устройств считывания аналоговых значений многомерных функций управления за счет применения параллельного метода считывания из памяти аналоговых значений многомерных функций;- improving the performance of readers of analog values of multidimensional control functions through the use of a parallel method of reading from the memory of analog values of multidimensional functions;

- унификация структуры устройства при варьировании количества аргументов функции.- unification of the structure of the device by varying the number of arguments of the function.

Технический результат в полезной модели достигается за счет того, что аналоговый нечеткий процессор содержит (Фиг. 1): запоминающее устройство (ЗУ) 1 хранения фиксированных значений аргументов, ЗУ 2 хранения ЗУ хранения фиксированных значений функции, блок считывания значений функции 3, блок выбора значений аргументов 4, N шин 5 передачи наборов фиксированных значений аргументов; ЗУ 1 хранения фиксированных значений аргументов содержит N блоков 7 для хранения фиксированных значений аргументов; каждый блок 7 хранения фиксированных значений аргументов состоит из К ячеек памяти; ЗУ 2 хранения фиксированных значений функции содержит KN ячеек хранения значений функции 6; каждая шина 5 передачи наборов фиксированных значений аргументов содержит К линий передачи значений аргументов; блок считывания фиксированных значений функции 3 содержит KN функциональных узлов выбора значений функции (ФУВЗФ) 8; блок выбора фиксированных значений аргументов 4 содержит N функциональных узлов выбора значений аргументов (ФУВЗА) 9; информационный вход 91 i-го ФУВЗА подключен к i-му входу устройства, j-я ячейка i-го блока хранения фиксированных значений аргументов 7 подключена к j-й линии передачи i-й шины, линии передачи i-й шины 5 передачи наборов фиксированных значений аргументов подключены к группе входов для ввода фиксированных значений аргументов i-го ФУВЗА 9, первый контакт группы входов ввода фиксированных значений аргументов 81 m-го ФУВЗФ подключен к j-й линии передачи первой шины 5, где

Figure 00000001
, скобки [] означают операцию деления нацело без остатка, % означает операцию нахождение остатка от деления нацело, n-й контакт группы входов ввода дискретных значений аргументов 81 m-го ФУВЗФ подключен к j-й линии передачи i-й шины 5, где
Figure 00000002
, в m-ю ячейку ЗУ 2 записана функция
Figure 00000003
, где
Figure 00000004
Figure 00000005
i-й вход группы входов ввода текущих значений аргументов 82 ФУВЗФ 8 подключен к выходу i-го ФУВЗА 9, i изменяется от 1 до N, где N - количество аргументов функции, l-я ячейка ЗУ 2 подключена к входу 83 ввода фиксированного значения функции l-го ФУВЗФ, j изменяется от 1 до К, где К - количество значений одного аргумента в ЗУ 1, выходы всех ФУВЗФ подключены к выходу устройства.The technical result in the utility model is achieved due to the fact that the analog fuzzy processor contains (Fig. 1): a storage device (memory) 1 for storing fixed values of arguments, a memory 2 for storing a memory for storing fixed values of a function, a unit for reading values of a function 3, a block for selecting values arguments 4, N buses 5 transmitting sets of fixed argument values; The memory 1 for storing fixed values of arguments contains N blocks 7 for storing fixed values of arguments; each block 7 storing fixed values of the arguments consists of K memory cells; Memory 2 storing fixed values of the function contains K N cells for storing values of function 6; each bus 5 for transmitting sets of fixed argument values contains K lines for transmitting the argument values; the reading unit of the fixed values of function 3 contains K N functional nodes of the selection of function values (FUWZF) 8; the block for selecting fixed values of the arguments 4 contains N functional nodes of the choice of values of the arguments (FUVZA) 9; information input 9 1 of the i-th FUVZA is connected to the i-th input of the device, the j-th cell of the i-th block of storage of fixed values of arguments 7 is connected to the j-th transmission line of the i-th bus, the transmission line of the i-th bus 5 transmission sets the fixed values of the arguments are connected to the group of inputs for entering the fixed values of the arguments of the i-th FUVZA 9, the first contact of the group of inputs for entering the fixed values of the arguments 8 of the 1- m FUVZF is connected to the j-th transmission line of the first bus 5, where
Figure 00000001
, the brackets [] mean the operation of dividing the whole without a remainder,% means the operation of finding the remainder of the division completely, the nth contact of the group of inputs for entering discrete values of the arguments 8 1 of the m-th FUWZF is connected to the j-th transmission line of the ith bus 5, where
Figure 00000002
, in the mth cell of memory 2, the function
Figure 00000003
where
Figure 00000004
Figure 00000005
the i-th input of the group of inputs for inputting the current values of the arguments 8 2 FUWZF 8 is connected to the output of the i-th FUWZF 9, i varies from 1 to N, where N is the number of function arguments, the l-th cell of memory 2 is connected to the input 8 3 of the fixed input the values of the function of the lth FUVZF, j varies from 1 to K, where K is the number of values of one argument in memory 1, the outputs of all FUVZF are connected to the output of the device.

Рассмотрим работу аналогового нечеткого процессора. Пусть N - количество аргументов функции, К - количество фиксированных значений одного аргумента функции, записанных в ЗУ 1. Тогда в памяти устройства должно храниться KN значений функции F(x1, x2, …, хN), полученных по результатам экспериментальных или теоретических исследований.Consider the work of an analog fuzzy processor. Let N be the number of function arguments, K the number of fixed values of one function argument stored in memory 1. Then, K N values of the function F (x 1 , x 2 , ..., x N ) obtained from experimental or theoretical research.

Фиксированные значения функции F(х1, x2, …, xN) и ее аргументов записываются в ЗУ в виде кортежей параметров

Figure 00000006
(Для удобства обозначения, не нарушая общности объяснения работы устройства допустим, что каждый аргумент принимает K значений (ki изменяется в интервале 1÷K)). В j-й ячейке i-ого блока ЗУ 1 хранится значение аргумента
Figure 00000007
. При записи фиксированных значений аргументов в ячейки ЗУ 1 они ранжируются так, что
Figure 00000008
. Здесь верхний индекс соответствует одновременно номеру значения аргумента хi, и номеру ячейки блока 7 ЗУ 1. The fixed values of the function F (x 1 , x 2 , ..., x N ) and its arguments are written to the memory in the form of tuples of parameters
Figure 00000006
(For convenience of notation, without violating the generality of the explanation of the operation of the device, let us assume that each argument takes K values (k i varies in the interval 1 ÷ K)). The j-th cell of the i-th block of the memory unit 1 stores the value of the argument
Figure 00000007
. When writing fixed values of arguments to memory cells 1, they are ranked so that
Figure 00000008
. Here, the superscript corresponds simultaneously to the number of the argument x i and the cell number of block 7 of the memory 1.

В ячейки 6 ЗУ 2 записываются КN значений функции F. Порядковый номер m записи фиксированного значения функции

Figure 00000009
в ячейки связан с значениями верхних индексов нумерации аргументов
Figure 00000010
в ЗУ 1. В ячейку с номером m будет записано значение функция, верхние индексы аргументов которой рассчитываются по формулам:In cell 6 of memory 2 are written K N values of function F. The sequence number m of the recording of a fixed value of the function
Figure 00000009
in cells associated with the values of the superscript argument numbering indices
Figure 00000010
in the memory 1. In the cell with the number m will be written the value of the function, the upper indices of the arguments of which are calculated by the formulas:

Figure 00000011
Figure 00000012
Figure 00000011
Figure 00000012

При подаче на входы устройства аналоговых сигналов х1, x2, …, хN определяется кортеж

Figure 00000013
, в котором для значения каждого сигнала хi выполняется неравенство
Figure 00000014
.When analog signals x 1 , x 2 , ..., x N are fed to the device inputs, a tuple is determined
Figure 00000013
in which for the value of each signal x i the inequality
Figure 00000014
.

Линии передачи шины 5 подключены к блокам 7 ЗУ 1. Линии передачи i-й шины подключена к i-му блоку 7 так, что j-я ячейка i-ого блока ЗУ 1 подключена к j-й линии передачи i-ой шины. По линиям передачи шины 5 значения аргументов из ЗУ 1 передаются в блок выбора фиксированных значений аргументов 4. На входы i-го ФУВЗА 9 по i-ой шине 5 передаются фиксированные значения аргумента

Figure 00000015
.The transmission lines of bus 5 are connected to blocks 7 of memory 1. The transmission lines of the i-th bus are connected to the i-th block 7 so that the j-th cell of the i-th block of memory 1 is connected to the j-th transmission line of the i-th bus. Along the transmission lines of bus 5, the values of the arguments from memory 1 are transferred to the block for selecting the fixed values of the arguments 4. The fixed values of the argument are transmitted to the inputs of the i-th FUWZA 9 via the i-th bus 5
Figure 00000015
.

На информационные входы 9l ФУВЗА подают текущие значения напряжений сигналов x1, x2, …,xN.На вход 9l i-го ФУВЗА подается сигнал хi. В i-м ФУВЗА для входного сигнала хi определяется ближайшее значение аргумента

Figure 00000016
из записанных в i-м блоке ЗУ 1 значений
Figure 00000017
. Значение аргумента
Figure 00000018
передается на выход i-го ФУВЗА.At the information inputs 9 l FUVZA, the current values of the signal voltages x 1 , x 2 , ..., x N are supplied. At the input 9 l of the i-th FUVZA, the signal x i is applied . In the ith FUVZA for the input signal x i , the closest value of the argument is determined
Figure 00000016
from the values recorded in the i-th block of memory 1
Figure 00000017
. Argument value
Figure 00000018
transmitted to the output of the i-th FUVZA.

В результате на выходах блока выбора фиксированных значений аргументов 4 будут сигналы

Figure 00000019
. Выбранные значения сигналов подаются на группу входов 82 всех ФУВЗФ. i-е входы группы входов 82 ФУВЗФ 8 подключены к выходу i-го ФУВЗА 9.As a result, the outputs of the block selection of fixed values of arguments 4 will be signals
Figure 00000019
. The selected signal values are fed to the group of inputs 8 2 of all FUWZF. the i-th inputs of the group of inputs 8 2 FUVZF 8 are connected to the output of the i-th FUVZF 9.

На входы 8l ФУВЗФ 8 подаются сигналы с шин 5. Линии передачи i-й шины 5 подключены ФУВЗФ 8 так, что первый контакт группы входов 8l m-го ФУВЗФ подключен к j-й линии передачи первой шины 5, где

Figure 00000001
. Второй контакт группы входов 8l m-го ФУВЗФ подключен к j-й линии передачи i-й шины 5, где
Figure 00000020
. n-й контакт группы входов 8l m-го ФУВЗФ подключен к j-й линии передачи i-й шины 5, где
Figure 00000021
.The signals 8 from the buses 5 are fed to the inputs 8 l of the FUVZF 8. The transmission lines of the i-th bus 5 are connected to the FUVZF 8 so that the first contact of the group of inputs 8 l of the mth FUVZF is connected to the j-th transmission line of the first bus 5, where
Figure 00000001
. The second contact of the group of inputs 8 l of the m-th FUWZF is connected to the j-th transmission line of the i-th bus 5, where
Figure 00000020
. The nth contact of the group of inputs 8 l of the mth FUWZF is connected to the jth transmission line of the i-th bus 5, where
Figure 00000021
.

При таком подключении шин 5 каждое m-е ФУВЗФ ассоциируется с одним и только одним кортежем значений параметров

Figure 00000022
, поступающих из ЗУ 1 и ЗУ 2. Множество ФУВЗФ, состоящее из KN функциональных узлов, реализует полный перебор всех возможных комбинаций дискретных значений аргументов в ЗУ 1. Выходы всех ФУВЗФ подключены к выходу устройства через ключи, которые замыкаются только в активированном ФУВЗФ. Поэтому при подаче на вход устройства аналоговых сигналов значений аргументов х1, x2, …, xN будет активировано только одно из ФУВЗФ.With this connection of buses 5, each m-th FUWZF is associated with one and only one tuple of parameter values
Figure 00000022
coming from the memory 1 and memory 2. The set of FUVZF, consisting of K N functional units, implements a complete enumeration of all possible combinations of discrete values of the arguments in the memory 1. The outputs of all FUVZF are connected to the output of the device through the keys, which are closed only in the activated FUVZF. Therefore, when analogue signals are input to the device input, the values of the arguments x 1 , x 2 , ..., x N will be activated only one of FUVZF.

ФУВЗФ и ФУВЗА реализуются на аналоговых схемах, содержащих компараторы, схемы совпадения, управляемые ключи, схемы аналоговых вычислений, ситуационные процессоры [Патент 2541850 МПК G06G 7/25]. Ячейки памяти ЗУ 1 и 2 могут быть выполнены в виде делителей напряжения, регулировкой которых задаются соответствующие фиксированные значения аргументов и функции, или в виде цифровой памяти, для которой потребуется аналого-цифровые преобразователи. Ограничения на количество обрабатываемых параметров определяется применяемой в устройстве элементной базой. Предлагаемое устройство ориентировано на интегральное исполнение, при котором габариты устройства позволят реализовывать хранение и считывание функций от многих переменных. Время считывания значений функции определяется скоростью переключения электронных ключей в ФУВЗФ и ФУВЗА и не превышает нескольких микросекунд, что позволяет применять патентуемое устройство в системах управления быстротекущими процессами в реальном масштабе времени.FUVZF and FUVZA are implemented on analog circuits containing comparators, matching circuits, controlled keys, analog computing circuits, situational processors [Patent 2541850 IPC G06G 7/25]. The memory cells of memory 1 and 2 can be made in the form of voltage dividers, the adjustment of which sets the corresponding fixed values of the arguments and functions, or in the form of digital memory, which will require analog-to-digital converters. Limitations on the number of processed parameters is determined by the element base used in the device. The proposed device is focused on integrated performance, in which the dimensions of the device will allow the storage and reading of functions of many variables. The reading time of the function values is determined by the switching speed of electronic keys in the FUWZF and FUVZA and does not exceed several microseconds, which allows the patented device to be used in real-time control systems for fast-flowing processes.

Использование данной полезной модели позволит унифицировать структуру устройств хранения и считывания аналоговых значений функций и снизить время считывания значений функции управления по множеству из N параметров.The use of this utility model will make it possible to unify the structure of storage devices and read analog values of functions and reduce the read time of the values of the control function over a set of N parameters.

Claims (1)

Аналоговый нечеткий процессор, содержащий запоминающее устройство (ЗУ) для хранения фиксированных значений аргументов, ЗУ хранения фиксированных значений функции, блок считывания фиксированных значений функции, блок выбора фиксированных значений аргументов, N шин передачи наборов фиксированных значений аргументов, ЗУ хранения фиксированных значений аргументов содержит N блоков хранения фиксированных значений аргументов, каждый блок хранения фиксированных значений аргументов состоит из K ячеек памяти; ЗУ хранения фиксированных значений функции содержит KN ячеек хранения значений функции; каждая шина передачи наборов значений аргументов содержит K линий передачи значений аргументов; блок считывания фиксированных значений функции содержит KN функциональных узлов выбора значений функции (ФУВЗФ); блок выбора фиксированных значений аргументов содержит N функциональных узлов выбора значений аргументов (ФУВЗА); информационный вход i-го ФУВЗА подключен к i-му входу устройства, j-я ячейка i-го блока хранения фиксированных значений аргументов подключена к j-й линии передачи i-й шины, линии передачи i-й шины передачи наборов фиксированных значений аргументов подключены к группе входов для ввода фиксированных значений аргументов i-го ФУВЗА, первый контакт группы входов ввода фиксированных значений аргументов m-го ФУВЗФ подключен к j-й линии передачи первой шины, где
Figure 00000023
, скобки [] означают операцию деления нацело без остатка, % означает операцию нахождение остатка от деления нацело, n-й контакт группы входов ввода фиксированных значений аргументов m-го ФУВЗФ подключен к j-й линии передачи i-й шины, где
Figure 00000024
,
Figure 00000025
, в m-ю ячейку ЗУ хранения фиксированных значений функции записана функция
Figure 00000026
, где
Figure 00000027
,
Figure 00000028
,
Figure 00000029
Figure 00000030
, i-й вход группы входов ввода текущих значений аргументов ФУВЗФ подключен к выходу i-го ФУВЗА, l-я ячейка ЗУ хранения фиксированных значений функции подключена к входу ввода фиксированного значения функции l-го ФУВЗФ, i изменяется от 1 до N, где N - количество аргументов функции, j изменяется от 1 до K, где K - количество значений одного аргумента в ЗУ хранения значений аргументов, выходы всех ФУВЗФ подключены к выходу устройства.An analogue fuzzy processor containing a memory device for storing fixed values of arguments, a memory for storing fixed values of a function, a block for reading fixed values of a function, a block for selecting fixed values of arguments, N buses for transmitting sets of fixed values of arguments, a memory for storing fixed values of arguments, contains N blocks storing fixed values of arguments, each block storing fixed values of arguments consists of K memory cells; The memory for storing fixed values of a function contains K N cells for storing function values; each bus for passing sets of argument values contains K lines for passing argument values; a unit for reading fixed values of a function contains K N functional nodes for selecting function values (FUWZF); a block for selecting fixed values of arguments contains N functional nodes for selecting values of arguments (FUVZA); the information input of the i-th FUVZA is connected to the i-th input of the device, the j-th cell of the i-th block of storage of fixed values of arguments is connected to the j-th transmission line of the i-th bus, the transmission line of the i-th bus of transmission of sets of fixed values of the arguments are connected to the group of inputs for entering fixed values of the arguments of the i-th FUVZF, the first contact of the group of inputs for entering fixed values of the arguments of the m-FUVZF is connected to the j-th transmission line of the first bus, where
Figure 00000023
, the brackets [] mean the operation of dividing the whole without the remainder,% means the operation of finding the remainder of the division completely, the nth contact of the group of inputs of the input of fixed values of the arguments of the mth FCMF is connected to the jth transmission line of the i-th bus, where
Figure 00000024
,
Figure 00000025
, in the mth cell of the storage memory of fixed values of the function, the function is written
Figure 00000026
where
Figure 00000027
,
Figure 00000028
,
Figure 00000029
Figure 00000030
, the i-th input of the group of inputs for inputting the current values of the arguments of the FFAVZF is connected to the output of the i-th FUVZF, the lth cell of the memory for storing fixed values of the function is connected to the input of the input of the fixed value of the function of the l-FFWFZ, i varies from 1 to N, where N - the number of arguments of the function, j varies from 1 to K, where K is the number of values of one argument in the memory of storing the values of the arguments, the outputs of all FCFMs are connected to the output of the device.
RU2017125841U 2017-07-19 2017-07-19 ANALOGUE FUZZY PROCESSOR RU176922U1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2017125841U RU176922U1 (en) 2017-07-19 2017-07-19 ANALOGUE FUZZY PROCESSOR

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2017125841U RU176922U1 (en) 2017-07-19 2017-07-19 ANALOGUE FUZZY PROCESSOR

Publications (1)

Publication Number Publication Date
RU176922U1 true RU176922U1 (en) 2018-02-01

Family

ID=61186803

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017125841U RU176922U1 (en) 2017-07-19 2017-07-19 ANALOGUE FUZZY PROCESSOR

Country Status (1)

Country Link
RU (1) RU176922U1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0424890B1 (en) * 1989-10-24 1997-01-15 Mitsubishi Denki Kabushiki Kaisha Programmable controller with fuzzy control function, fuzzy control process and fuzzy control monitoring process
US20050055340A1 (en) * 2002-07-26 2005-03-10 Brainbow, Inc. Neural-based internet search engine with fuzzy and learning processes implemented by backward propogation
RU2417442C2 (en) * 2008-12-19 2011-04-27 Учреждение Российской академии наук Институт конструкторско-технологической информатики РАН (ИКТИ РАН) Method of constructing fuzzy logic systems and device for implementing said method
RU2446433C1 (en) * 2011-03-28 2012-03-27 Михаил Александрович Аллес Optoelectronic fuzzy processor

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0424890B1 (en) * 1989-10-24 1997-01-15 Mitsubishi Denki Kabushiki Kaisha Programmable controller with fuzzy control function, fuzzy control process and fuzzy control monitoring process
US20050055340A1 (en) * 2002-07-26 2005-03-10 Brainbow, Inc. Neural-based internet search engine with fuzzy and learning processes implemented by backward propogation
RU2417442C2 (en) * 2008-12-19 2011-04-27 Учреждение Российской академии наук Институт конструкторско-технологической информатики РАН (ИКТИ РАН) Method of constructing fuzzy logic systems and device for implementing said method
RU2446433C1 (en) * 2011-03-28 2012-03-27 Михаил Александрович Аллес Optoelectronic fuzzy processor

Similar Documents

Publication Publication Date Title
Son et al. Picture inference system: a new fuzzy inference system on picture fuzzy set
Wang A new concept using LSTM Neural Networks for dynamic system identification
Da Silva et al. Artificial neural network architectures and training processes
White Some asymptotic results for learning in single hidden-layer feedforward network models
Lukoševičius et al. Reservoir computing trends
Melin et al. A new method for adaptive control of non-linear plants using type-2 fuzzy logic and neural networks
Tyukin Adaptation in dynamical systems
Dudek-Dyduch et al. Neural network adaptation process effectiveness dependent of constant training data availability
McLoone et al. Fast parallel off-line training of multilayer perceptrons
Challita et al. New feature selection method based on neural network and machine learning
Zhang et al. TPPFAM: Use of threshold and posterior probability for category reduction in fuzzy ARTMAP
Tarkhov et al. Neural network modelling methods for creating digital twins of real objects
López-Rubio et al. Piecewise polynomial activation functions for feedforward neural networks
Roy Artificial neural networks: A science in trouble
RU2417442C2 (en) Method of constructing fuzzy logic systems and device for implementing said method
RU176922U1 (en) ANALOGUE FUZZY PROCESSOR
Tang et al. New fixed-time stability criterion and fixed-time synchronization of neural networks via non-chattering control
Gámez et al. An approximation to solve regression problems with a genetic fuzzy rule ordinal algorithm
Wu et al. Exponential passivity of memristive neural networks with mixed time-varying delays
Kravets et al. Synthesis of High-Speed Neuro-Fuzzy-ControllersBased on FPGA
Guneri et al. The usage of artificial neural networks for finite capacity planning
US20220067517A1 (en) Artificial neural network
Mala et al. Fuzzy rule based classification for heart dataset using fuzzy decision tree algorithm based on fuzzy RDBMS
Zheng et al. Fixed-time synchronization of discontinuous fuzzy competitive neural networks via quantized control
RU2649791C1 (en) Multi-parameter fuzzy processor for automatic regulators and method for synthesis of control signal