Sugeno-Type Fuzzy Inference Den fuzzy inference-processen som vi har refererat till hittills är känd som Mamdanis fuzzy inference-metod, den vanligaste metoden. I det här avsnittet diskuterar vi den så kallade Sugeno, eller Takagi-Sugeno-Kang, metod för fuzzy inference. Introducerad 1985 Sug85, liknar den Mamdani-metoden i många avseenden. De två första delarna av den fuzzy inference processen, fuzzifying ingångarna och tillämpa fuzzy operatören, är exakt samma. Huvudskillnaden mellan Mamdani och Sugeno är att Sugeno-utgångsfunktionen är antingen linjär eller konstant. En typisk regel i en Sugeno-fuzzy-modell har formen Om ingång 1 x och ingång 2 y. då är Output z ax av c För en noll-order Sugeno-modell är utgångsnivån z en konstant (ab 0). Utgångsnivån zi för varje regel vägs av styrningsstyrkan w i regeln. Till exempel, för en AND-regel med Input 1 x och Input 2 y, är avfyrningsstyrkan där F 1,2 (.) Är medlemskapsfunktionerna för ingångar 1 och 2. Systemets slutliga utmatning är det viktade genomsnittet av alla reglera utgångar, beräknade som en Sugeno regel fungerar som visas i följande diagram. Figuren ovan visar den fuzzy tippmodellen som utvecklats i tidigare avsnitt i denna handbok som är anpassad för användning som ett Sugeno-system. Lyckligtvis är det ofta så att singleton-utmatningsfunktioner är helt tillräckliga för behoven hos ett givet problem. Som ett exempel är systemet tippersg. fis Sugeno-typrepresentationen av den nu kända tippmodellen. Om du laddar systemet och plottar utmatningsytan så ser du att det är nästan detsamma som det Mamdani-system vi har tittat på. Det enklaste sättet att visualisera första ordningens Sugeno-system är att tänka på varje regel som att definiera placeringen av en rörlig singleton. Det vill säga, singleton-utgångspikarna kan röra sig linjärt i utrymmet, beroende på vad ingången är. Detta tenderar också att göra systemnotationen mycket kompakt och effektiv. Högre ordning Sugeno fuzzy modeller är möjliga, men de introducerar betydande komplexitet med liten uppenbar förtjänst. Sugeno fuzzy modeller vars funktionen för utgående medlemskap är större än första order stöds inte av Fuzzy Logic Toolbox. På grund av det linjära beroendet av varje regel på systemets ingångsvariabler är Sugeno-metoden idealisk för att fungera som en interpolerande handledare för flera linjära styrenheter som ska tillämpas för olika driftsförhållanden för ett dynamiskt olinjärt system. Exempelvis kan prestanda hos ett flygplan förändras dramatiskt med höjd och Mach-nummer. Linjära styrenheter, även om de är lätta att beräkna och lämpade för ett visst flygförhållande, måste uppdateras regelbundet och smidigt för att följa med flygbilens byte av tillstånd. Ett Sugeno fuzzy inference-system är extremt väl lämpat för uppgiften att smidigt interpolera de linjära vinster som skulle appliceras över inmatningsutrymmet, vilket är en naturlig och effektiv vinstschemaläggare. På liknande sätt är ett Sugeno-system lämpat för modellering av olinjära system genom att interpolera mellan flera linjära modeller. Bygga egna Fuzzy Simulink ModellerUser Case Study: Maplesoftrsquos Batteri Modeling Solution hjälper till att öka säkerheten och minska kostnaderna, inställningstid i HIL-test Användningen av laddningsbara batterier i konsumentprodukter, affärsapplikationer och industrisystem fortsätter att växa väsentligt. Den globala marknaden för alla batterier kommer att nå nästan 74 miljarder i år, och uppladdningsbara batterier står för nästan 82 av det eller 60 miljarder, enligt marknadsundersökaren Frost amp Sullivan. Tillväxt som detta betyder flera saker. För det första har stora företag flyttat eller flyttat in på marknaden, utformat och erbjuder produkter som sträcker sig från handhållna enheter till stora kraftbackupsystem. För det andra, eftersom systemen blir större, måste batteritekniken matcha de tekniska utmaningarna med ökad cellkapacitet, termisk stabilitet, livslängd och bortskaffande. Att möta de tekniska utmaningarna Övervakning och kontroll av större cellraderingar via Batterihanteringssystem (BMS) hjälper till att minimera laddningstid och maximera effektivitet och batterilivslängd. Design och testning av en sofistikerad BMS kan dock utgöra utmaningar, som det upptäcktes av en av världens största producenter av elektroniska produkter. Thatrsquos varför de nyligen förlitade sig på Maplesoft och ControlWorks Inc. en realtids testsystem systemintegratör med djup erfarenhet av att utveckla BMS teststativ, för att utveckla ett HIL-testsystem för hårdvaran i BMS i en av sina stora energier Lagringssystem (ESS) produkter. MapleSim-modellen på Li-Ion-batteriet valdes på grund av sin beprövade förmåga att uppnå realtidsprestanda. Kodgenererings - och kompileringsverktygen är mycket lätta att använda, vilket gör integrationen av modellen till HIL-systemet mycket snabb och kostnadseffektiv. Det, plus det utmärkta utvecklingsstödet vi fick från Maplesoftrsquos Engineering Solutions team gjorde detta till ett mycket smidigt projekt. - Kenny Lee. PhD, forskningschef för Automotive Electronics, ControlWorks Inc. En attraktiv lösning på dessa testutmaningar är att använda virtuella batterier - matematiska modeller av battericeller som kan visa samma dynamiska beteende som riktiga - för tidig testning av BMS. Inte bara har dessa modeller visat sig vara mycket exakta, de är beräkningseffektiva och kan uppnå det utförande som krävs för att leverera realtid för batterier som innehåller hundratals celler på realtidsplattformar. Batteriet modelleringsteknik som används av Maplesoft använder en diskretiseringsteknik för partiell differentialekvation (PDE) för att strömlinjeforma modellen till en uppsättning vanliga differentialekvationer (ODE) som lätt kan lösas av systemnivåverktyg som MapleSim. De avancerade modelloptimeringsfunktionerna i MapleSim tillåter också att den resulterande koden är mycket snabb och kan köras i realtid. De resulterande batterimodellerna kan också användas vid förutsägelse av laddningsgraden, laddningstillståndet (SoC), värmeproduktionen och hälsotillståndet (SoH) genom ett brett utbud av lastcykler inom komplexa system med flera domäner. Detta tillvägagångssätt ger den prestanda som behövs för systemnivåstudier med minimal förlust i modellfidelitet. Användaren kan också tillåta energiförluster genom värme, vilket gör dessa modeller användbara för att utföra termiska studier för att bestämma komponentstorlekar i kylsystem för att hantera batteritemperaturen. Om du inte kontrollerar temperaturen noggrant kan det leda till minskad driftstid eller i extrema fall förstöring eller explosion på grund av termisk bortfall, ett vanligt problem i många batteridrivna system. Modellstruktur för denna applikation I detta ESS-testsystems utvecklingsprojekt var de viktigaste kraven för batterimodellen: Upp till 144 Li-Ion-polymerceller för testning av BMS hos clientrsquos ESS-produkter Någon konfiguration för olika krav (parallelseries Nätverk) Flera sensorer per cell (ström, spänning, SoC, SoH) Variation av kemi-smink på grund av tillverkningstoleranser Felinläggning på varje cell (öppen krets, kortslutning) Kapacitet att köra i realtid (målkörningstid budgeten på 1 ms) När det gäller energilagringssystem, som det här exemplet, är varje ESS-batteri tillverkat av flera ldquostacksrdquo som i sin tur innehåller flera celler. MapleSim-modellen följer denna struktur, där varje cell är ett delat, fullt parametriskt delsystem. Varje cell kan också bytas till öppen krets med hjälp av logiska parametrar. Stackmodellen är gjord av 18 cellsystem som är kopplade antingen parallellt eller serier, beroende på kravet. Ingångssignaler tillhandahålls för laddningsbalansering från BMS. Utgångssignalerna återförs till BMS för att övervaka tillståndet för stapeln (matningsspänning, SoC och SoH). Slutligen är hela ESS gjord av flera staplar med IO-signaler matade till och från BMS. Modellkalibrering och validering Mycket av noggrannheten i denna modell är beroende av experimentellt härledda parametrar, bestämda från laddningsprövningsresultat. Projektingenjörer bestämde att eventuell avvikelse i prestanda på grund av tillverkningsvariationer skulle inkluderas för att testa BMSs laddningsbalansförmåga. Istället för att testa varje cell berodde ingenjörerna på slumpmässiga varianter som genererades från den statistiska fördelningen bestämd av laddningsstegsresultaten på 48 celler. Detta applicerades på alla 144 celler och jämfördes sedan med de verkliga testresultaten. Maximalvariationen av spänningen från experimentdata var 14mV, men från simuleringen var den 13mV, acceptabel för syftet med detta projekt. Maplesoft och ControlWorks Inc.-ingenjörer bestämde också det genomsnittliga cellsvaret med hjälp av parametrisuppskattningsverktyget som levererades med MapleSim-batteribiblioteket. Detta använder optimeringstekniker för att bestämma värdena för cellresponsparametrar som ger närmaste ldquofitrdquo till experimentresultaten. Detta svar validerades sedan mot svardata från andra celler för att säkerställa en nära beräkning av den resulterande modellen. SoH-beteendet genomfördes som en uppslagstabell baserat på experimentella resultat. Modellen bestämmer kapaciteten och det interna motståndet baserat på antalet laddningscykler och utmatningsdjupet (DOD) från uppslaget. Slutligen omvandlades modellen till ANSI-C via MapleSim Connector, som producerar en S-Function av batterimodellen som kan testas för prestanda och noggrannhet med en fast-steg-lösning på en stationär dator i MATLABSimulink reg innan den flyttas till en realtidsplattform. Den enklaste lösaren användes och prestationsbänken visade att den genomsnittliga exekveringstiden var cirka 20 gånger snabbare än realtid, upptagen med 5,5 av realtidssystemets budget. Detta visar att batterimodellen lätt kan skalas upp om det behövs. Slutresultatet var en batterimodell som kan konfigureras för att representera en stapel med upp till 144 celler som kan anslutas i vilken kombination som helst av parallella och serie nätverk. Fellägen inbyggdes också, såsom individuella celler som kortar eller öppnar, liksom införlivande av variationer i laddningskapacitet från cell till cell och kapacitetsnedbrytning över cellernas livstid. Den slutliga BMS-teststationen ger clientrsquos-ingenjörerna möjlighet att konfigurera batterimodellen (antal celler, serieparallel etc.) och tillämpa ett antal test på den. Ingenjören kan när som helst gå tillbaka till MapleSim-modellen för att göra nödvändiga ändringar av modellkonfigurationen, och generera sedan modellen för användning på realtidsplattformen. I detta system är realtidsprogrammet National Instrumentsrsquo VeriStandtrade, som kör ett PXI realtidssystem. MapleSim Connector för NI VeriStandtrade automatiserar modellintegreringsprocessen, så att ingenjören snabbt och pålitligt kan producera realtidsmodellen. ControlWorks Inc.-systemet integrerar även realtidsplattform, signalbehandling, felinsättningsverktyg och standardkommunikationsprotokoll (CANbus för fordonsindustrin, Modbus för industriella applikationer), så att ingenjören kan köra BMS genom ett antal test på batterimodellen , inklusive laddningscykler för konstant ström (CC) och konstant spänning (CCCV), samt konstantström (CP) och konstant resistans (CR) urladdningscykler. ldquoWe var nöjda med att kunna samarbeta med Maplesoft på detta projekt, säger Kenny Lee, PhD, doktor, forskningschef för Automotive Electronics, ControlWorks Inc. ldquo. Användningen av batterimodeller visade sig i detta fall vara ett effektivt alternativ till användningen av riktiga batterier, rdquo tillade han. Testautomatisering och simulering är kritisk vid test på systemnivå, vilket möjliggör tid och kostnad för felanalys, konstant utvecklingstryck, kostnad för upprepade tester och långa uppsättningstider som alla ska behandlas. ldquo Användningen av högkvalitativa färdiga batterimodeller gör det möjligt för ingenjören att undvika riskerna för skador på batterier, tillsammans med efterföljande kostnader, samtidigt som man testar och optimerar BMS-designen i en närmiljö som ligger nära verkligheten, säger Paul Goossens , Maplesoft VP för Engineering Solutions. Användningen av virtuell batteriteknik vid utformningen av testsystem kan underlätta utvecklingen av bättre produkter, minska projektriskerna och få produkter till marknaden snabbare. Raspberry Pi 2 - Modell B v1.2 - ARM Cortex-A53 med 1G RAM Beskrivning Beskrivning - Trodde inte att Raspberry Pi kunde bli bättre Du är en stor överraskning Raspberry Pi 2 Modell B är ute och det är fantastiskt Med en uppgraderad ARM Cortex-A53 fyrkärnig processor, Dual Core VideoCore IV Multimedia coprocessor och en fullgigabyte RAM, har denna fickdator flyttat från att vara en 39toy39 till en riktig stationär dator. Den första uppgraderingen var ett drag från BCM2835 (singelkärna ARMv6) till BCM2836 (fyrkärnig ARMv7). It39s senaste stora uppgradering är från BCM2836 till BCM2837 (ARM Cortex-A53). Uppgraderingen i processortyper innebär att du kommer att se 2x prestandaökningen bara på processorns uppgradering. För programvara som kan utnyttja flera kärnprocessorer, kan du förvänta dig 4x prestanda i genomsnitt och för riktigt trådlös kod, upp till 7,5x högre hastighet. Det tar inte ens hänsyn till 1 Gig RAM, vilket kommer att förbättrar spel och webbläsares prestanda mycket bättre Bäst av allt håller Pi 2 samma form, kontakter och monteringshål som Raspberry Pi B. Det betyder att alla dina HAT och andra plug-in-dotterbord fungerar bra. 99 av fall och tillbehör kommer att vara fullt kompatibla med båda versionerna Obs! Processorn har helt ändrats på den nya RaspberryPi 2 v1.2, i stället för en ARM v6-kärnchip (arm6l) eller ARM v7, BCM2836 har uppgraderats till en BCM2837 (ARM Cortex-A53) kärna. Däremot kanske dina befintliga Raspberry Pi SD-kortbilder inte fungerar eftersom firmware och kärnor måste omkompileras för den nya processorn. Om du har en Raspberry Pi 2, och du försöker uppgradera ditt befintliga SD-kort, måste du uppgradera din installation. För att göra det, logga in på din Pi 1 och i en konsol eller terminaltyp i sudo apt-get uppgradering för att utföra uppgraderingsproceduren. Du behöver din Pi att vara på Internet för att göra det här. När du har uppgraderat kommer kortet att fungera på både Pi 1 och Pi 2-datorer. Om du har några förkompilerade binärer som du hämtar kan de behöva uppdateras för att dra nytta av hastighetsökningen. Allt där du har tillgång till källkod kan omkompileras och borde fungera bra. Observera: Några brädor är gjorda i Storbritannien, några i Kina. VI VETER INTE INNEHÅLL SOM DU KAN HÄR MOTTAGA. Tekniska detaljer Tekniska detaljer KAN vi också föreslå. KAN vi också föreslå. - Distributörer Raspberry Pi 2 - Modell B v1.2 - ARM Cortex-A53 med 1G RAM
No comments:
Post a Comment