Метод выделения продукционных правил изменения состояния системы на основе статистических данных о ее поведении в прошлом

В настоящее время важными являются вопросы анализа и контроля правильности функционирования сложных систем. Известно, что функционирование системы характеризуется изменением состояния, поэтому актуальным является создание метода выделения правил изменения состояния системы. Модели изменения состояния системы классифицируются по способу описания её функционирования. Аналитические модели имеют высокую точность, однако их построение трудоемко и не всегда возможно, кроме того они имеют высокую вычислительную сложность. Поэтому все большую популярность набирают нечеткие, нейросетевые и нейронечеткие модели, которые имеют меньшую вычислительную сложность и меньшую сложность построения. Цель работы – разработка метода выделения нечетких продукционных правил изменения состояния системы на основе субтрактивной кластеризации. В аналитической части проведен анализ существующих методов прогнозирования состояния системы на примере аккумуляторов и методов построения нечетких систем на основе данных наблюдений. В конструкторской части разработан метод прогнозирования состояний системы на основе нечетких моделей, предложен подход для устранения недостатка алгоритма субтрактивной кластеризации применительно к задаче построения нечёткой модели. В технологической части приведены аспекты реализации предлагаемого метода и аналогов. В исследовательской части проведено сравнение нечётких систем, построенных предлагаемым методом и аналогами, представлены результаты работы предлагаемого метода определения состояния и полученных нечётких моделей при различных параметрах субтрактивной кластеризации.