Page 57 - Міністерство освіти і науки України

Для використання розробленого алгоритму
необхідно мати функції належності, які дозволяють
представити параметри режиму буріння у вигляді
нечітких множин.
В загальному випадку функції належності можуть бути
одержані спеціально розробленими методами, серед яких
найбільше розповсюдження отримали: метод статистичної
обробки експертної інформації [62] і метод парних порівнянь
[63]. Крім того можна скористатися стандартними функціями
належності, які розглядаються в теорії нечітких множин. В
[64] відмічається, що нечіткі множини, якими оперують при
рішенні більшості практичних задач є унімодальними і
нормальними. Одним із можливих методів апроксимації з
допомогою унімодальних нормальних нечітких множин є
апроксимація за допомогою функцій (L-R) типу [62]. Однак
використання функцій типу (L-R) пов’язано з трудоємкою
процедурою підбору невідомих параметрів на основі
експертної інформації. Тому виникає задача побудови
функцій належності в умовах мінімуму вихідних даних, до
яких відносяться:
назва параметра x i, i= 1,n;
діапазон x[ i x , i ] зміни параметра x i;
кількість термів, які використовуються для лінгвістичної
оцінки параметра x i;
назва кожного лінгвістичного терма.
Відомо [65], що в оперативній пам’яті людини
одночасно може утримуватися 7 2 поняття. Тому допустимо,
що кількість термів, якими оперує експерт при лінгвістичній
оцінці деякого параметра x i, вибирається з діапазону 2 – 9.
Побудову функцій належності виконаємо з врахуванням
наступних ознак їх класифікації:
види параметрів режиму буріння (кількісні, якісні);
кількість термів, що використовується для лінгвістичної
оцінки параметрів режиму буріння (однакова, різна).
Допустимо, що кількість термів, за допомогою яких
оцінюються всі лінгвістичні змінні x i дорівнює трьом:
низький, середній, високий.
Функції належності параметрів P, v, M, що входять в
нечіткі правила-продукції Р 1-Р 5 побудуємо методом
статистичної обробки експертної інформації [65]. В якості
експертів були представлені 5 бурильників Долинського і
Надвірнянського УБР. В результаті попереднього опитування

57