Masterand: Fatu Claudiu Grupa: 6605 LOGICA FUZZY MULIMI FUZZY O mulime fuzzy este o mulime a crei grani

nu este evident, bine definit. n general, o mulime fuzzy conine elemente despre care se poate spune c aparin (sau nu aparin) parial acelei mulimi. O mulime fuzzy A, definit pe o mulime X, este format din perechi ordonate ( x ; mA(x)), unde x este un element din mulimea X, iar mA(x) este un element care poate lua valori n intervalul [0,1] i descrie msura n care elementul x aparine sau nu mulimii A. Astfel, se poate scrie:

mA(x) este funcia caracteristic sau funcia de apartenen asociat mulimii fuzzy A, iar valoarea acestei funcii se numete grad de apartenen. O singur pereche de forma (x ; mA(x)) se numete singleton fuzzy, astfel nct ntreaga mulime fuzzy A poate fi tratat ca reuniunea tuturor singletonurilor fuzzy din care este format. De exemplu, n cazul unui univers de discurs finit, enumerabil, mulimea fuzzy A poate fi reprezentat ca un vector de singleton-uri:

Mulimea n care variabila x poate lua valori, notat X, se numete univers de discurs. Pentru aplicaiile care se adapteaz cel mai bine abordrii fuzzy universul de discurs nu poate fi definit simplu folosind valori numerice. Asemenea situaii pot interveni, de exemplu, atunci cnd ne referim la gust sau la impactul estetic al unor obiective. n asemenea situaii se folosesc valorile sau categoriile lingvistice, cum ar fi (acru, dulce, amar, srat,) n cazul gustului sau (urt, neplcut, indiferent, atrgtor, frumos ) n cazul impactului estetic. Dac n cazul unei variabile algebrice se folosesc ca valori numerele (de exemplu, tensiunea ntr-un nod al reelei poate avea valori ca 105,7 kV sau 117,2 kV), n cazul variabilelor lingvistice, valorile folosite sunt cuvinte, expresii sau chiar propoziii. De exemplu, variabila lingvistic gust poate lua valori cum ar fi acru sau dulce, n timp ce variabila lingvistic impact estetic poate lua valori cum ar fi neplcut sau frumos. Abordarea lingvistic reprezint de fapt una din caracteristicile fundamentale ale mulimilor fuzzy. De aceea, chiar i atunci cnd universul de discurs poate fi descris pe cale numeric, se prefer asocierea la aceast descriere i a unor categorii lingvistice. n acest caz, valorile lingvistice folosite joac rolul variabilelor sau constantelor domeniu folosite n limbajele de programare uzuale, respectnd i o anumit ordine. De exemplu, pentru valoarea tensiunii ntr-un nod al reelei se pot folosi valori lingvistice cum ar fi (foarte-mic, mic, medie, mare, foarte - mare). Fiecreia din aceste valori lingvistice, tratat ca o mulime fuzzy, i este asociat un anumit domeniu numeric de variaie a tensiunii. Apartenena la o mulime fuzzy Mulimile fuzzy descriu ntotdeauna proiecia universului discursului sau a unei pri a acestuia pe intervalul [0,1] , denumit i spaiu de apartenen. Aceast proiecie se realizeaz prin intermediul funciei de apartenen mA : X [0,1], a crei valoare mA(x) descrie gradul de apartenen al valorii x la mulimea fuzzy A. O valoare mA(x) 1 reprezint apartenena complet a elementului x la mulime A; valoarea mA(x) 0 reprezint non-apartenena complet a lui x la A; n sfrit, o valoare intermediar a funciei caracteristice, mA(x) (0,1), descrie un grad de apartenen intermediar. Acestei definiii i se poate asocia reprezentarea grafic din Fig. 1. n general, pentru un anumit tip de problem, nu se definete o singur mulime fuzzy A, ci mai multe asemenea mulimi Ai , care se ntreptrund: altfel spus, funciile de apartenen mA(x) sunt definite pe submulimi ale universului X care au elemente comune. Exemplul care urmeaz ilustreaz tocmai acest aspect. Este cunoscut faptul c, din punctul de vedere al programului de lucru, nceputul fiecrei perioade din zi este foarte bine precizat. Acest fapt conduce la funcii de apartenen discontinue (Fig. 2a ), care descriu de fapt un model boolean ( numai diminea, numai dup-amiaz, numai sear sau numai noapte).

Pe de alt parte, din punctul de vedere al condiiilor meteorologice, cum ar fi nebulozitatea sau gradul de insolaie, trecerea de la o perioad a zilei la alta nu se face brusc ci exist intervale de timp n care se regsesc condiii specifice ambelor perioade ntre care are loc tranziia. Pentru a descrie

Fig.1 Apartenena la o mulime fuzzy o asemenea evoluie se pot folosi mulimi fuzzy cum sunt cele din Fig. 2b. Astfel, ora 12 este n acelai timp o or a dimineii i o or a dup-amiezei, la fel cum ora 22 este simultan or de sear i or de noapte. n plus, caracterul continuu al funciilor de apartenen n cazul reprezentrii fuzzy asigur i o variaie continu a gradului de apartenen. De exemplu, nu tot intervalul 17 5 asigur tranziia ntre sear i noapte; de fapt, aceast tranziie are loc n ultimele ore ale serii i primele ore ale nopii.

Fig. 2 Variante de mulimi fuzzy Un aspect care reflect fora abordrii fuzzy o reprezint libertatea lsat utilizatorului n construirea mulimilor fuzzy i a funciilor de apartenen. Astfel, nicieri n literatura de specialitate cititorul nu va ntlni o reet formal pentru calculul gradului de apartenen i aceasta deoarece chiar dac gradul de apartenen are la un moment dat o valoare bine determinat, el rmne o msur subiectiv care reflect modul subiectiv n care interacioneaz utilizatorul cu contextul problemei. Cel mai relevant exemplu n acest sens este cel al aprecierii vrstei unei persoane. Astfel, o persoan de 45 ani va fi considerat tnr de ctre altcineva care are 90 ani, n timp ce aceeai persoan va fi considerat n vrst de un tnr de numai 15 ani. Funcii de apartenen Funciile de apartenen reprezint mijlocul prin care se realizeaz legtura dintre universul discursului i msura posibilitii. Alegerea funciei de apartenen este o chestiune dependent de problem, singura condiie pe care trebuie s o ndeplineasc fiind cea de a lua valori n intervalul [0,1]. n rest, aceast operaie se desfoar de cele mai multe ori pe baze euristice i / sau empirice i este influenat n bun msur de subiectivismul celui care face alegerea. O serie de msuri ale

oportuniti alegerii unei anumite funcii de apartenen pot fi gradul de adaptare la problem, simplitatea modelului de calcul rezultant, viteza de calcul i eficiena. Principalele criterii dup care se poate realiza clasificarea funciilor de apartenen sunt urmtoarele: clasificarea dup modul de reprezentare n calculator; funcii continue i discrete. n forma continu, funcia de apartenen este o funcie matematic cu o expresie analitic clar sau o funcie complex descris de o procedur. n forma discret, funcia de apartenen este definit prin puncte, fie folosind un tabel de definiie, fie o funcie originar, continu. clasificarea dup natura funciilor folosite pentru generarea lor: funcii de apartenen generate de funcii liniare pe poriuni, funcii gaussiene, funcii sigmoidale i funcii polinomiale. Aceste funcii sunt, n general, funcii continue, dar unele dintre ele pot fi generate i ca funcii discrete. clasificarea dup form: funcii triunghiulare, funcii trapezoidale, funcii gaussiene simple sau complexe, funcii sigmoidale, funcii n form de clopot etc. Funciile triunghiulare i cele trapezoidale sunt generate pe baza funciilor liniare pe poriuni; funciile sigmoidale i n form de clopot sunt generate fie pe baza funciilor sigmoidale, fie pe baza funciilor polinomiale (ptratice sau cubice). Cteva dintre funciile de apartenen menionate sunt prezentate n Fig. 3:

(a)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

(i)

(j) (k) Fig. 3 Tipuri de funcii de apartenen: (a) triunghiular asimetric; (b) triunghiular simetric; (c) trapezoidal asimetric; (d) trapezoidal simetric; (e) funcia ramp-stnga; (f) funcia ramp-dreapta; (g) gaussian; (h) gaussian complex; (i) sigmoidal-S; (j) sigmoidal-Z; (k) n form de clopot. Operaii fundamentale cu mulimi fuzzy Dup cum s-a amintit deja, operaiile cu mulimi fuzzy care intervin mai des n diferite aplicaii practice sunt negarea, reuniunea i intersecia. Pentru aceste operaii, extinderea definiiilor folosite n teoria clasic a mulimilor este ngreunat n oarecare msur de caracterul continuu al funciilor de

apartenen. Pentru depirea acestui impediment Zadeh propune folosirea complementului fa de unu pentru negare, operatorul max pentru reuniune i operatorul min pentru intersecie. Cea mai simpl dintre cele 3 operaii este negarea. Astfel, pentru o mulime fuzzy A caracterizat de funcia de apartenen mA(x), mulimea fuzzy complementar, notat funcia de apartenen: , va avea

Reprezentarea grafic asociat operaiei de negare este cea din Fig. 4a.

(a)

(b)

(c) Fig. 4 Operaii cu mulimi fuzzy Reuniunea a dou mulimi fuzzy A i B, caracterizate de funciile de apartenen mA(x) i mB(x) produce o nou mulime fuzzy C = A B, a crei funcie de apartenen se determin pe baza operatorului max, conform relaiei:

unde reprezint o notaie alternativ pentru operatorul max. Reprezentarea grafic asociat reuniunii a dou mulimi fuzzy este cea din Fig. 4b. Intersecia mulimilor fuzzy A i B produce mulimea C = A B, a crei funcie de apartenen se determin pe baza operatorului min, i anume:

unde reprezint o notaie alternativ pentru operatorul min. n Fig. 4c se prezint imaginea grafic asociat interseciei a dou mulimi fuzzy. Numere fuzzy Dac mulimile fuzzy se deosebesc de mulimile clasice prin introducerea unui continuum de valori ntre extremele adevrat (sau 1) i fals (sau 0), atunci numerele fuzzy ar trebui s se deosebeasc de numerele tradiionale printr-o reprezentare care s foloseasc un continuum de valori ca aproximri posibile ale numrului exact. Astfel, n teoria clasic a mulimilor nota 8 obinut la un examen va fi clasificat ca aparinnd mulimii notelor medii. De partea cealalt, n teoria mulimilor fuzzy, modelul standard de reprezentare va considera not 8 ca aparinnd n proporie de 0.80 mulimii notelor medii i n proporie de 0.2 mulimii notelor mari. ntr-un spirit asemntor, putem vorbi de numerele 14.92 sau 15.21 ca fiind aproximri ale numrului exact 15. Mai mult dect att, valoarea exact 15 ar putea fi reprezentat printr-un aanumit interval de ncredere, de exemplu [14.7 ; 15.3], considerndu-se c orice valoare din acest interval reprezint o aproximare la fel de exact a numrului exact 15. Urmtorul pas pentru trecerea ctre numerele fuzzy const n introducerea caracterului vag al reprezentrii acelui numr. Astfel, cu ct o valoare este mai apropiat de numrul exact 15, cu att

putem considera c valoarea respectiv reprezint mai bine acel numr. Dimpotriv, cu ct o valoare este mai ndeprtat de numrul exact, cu att putem considera c valoarea respectiv reprezint mai puin bine acel numr. Aceste consideraii ne duc imediat cu gndul la o reprezentare a numrului fuzzy 15 ca cea din Fig. 5. n general, un numr fuzzy este un numr real definit pe un interval de ncredere [a, b] i descris de o funcie de apartenen care ia valori n intervalul [0,1]. Reprezentarea din Fig. 5a sugereaz c numrul fuzzy este de fapt o mulime fuzzy definit pe R.

Fig. 5 Reprezentarea fuzzy a unui numr LOGIC FUZZY Logica fuzzy reprezint o generalizare a logicii binare, care extinde conceptul de valoare de adevr la cel de valoare parial de adevr . Deoarece se bazeaz pe informaii imprecise, ambigue sau vagi, noul tip de logic este de fapt o logic aproximativ, care are ns marele merit de a reproduce destul de fidel modul n care oamenii iau decizii : pe baza unor informaii aproximative i imprecise se pot stabili soluii precise. Logica fuzzy este utilizat frecvent n aplicaii specifice reglajului automat, unde modelele matematice tradiionale, deseori extrem de laborioase, pot fi nlocuite de un set de reguli fuzzy care descriu trecerea de la starea descris de mrimile de intrare, la starea n care se ajunge ca urmare a comenzii descrise de mrimile de ieire. Asemenea sisteme sunt numite sisteme fuzzy. Dezvoltarea oricrei aplicaii care folosete logica fuzzy necesit parcurgerea a trei etape principale, i anume: Fuzzificarea, n cursul creia mrimilor de intrare li se asociaz funcii de apartenen selectate conform anumitor criterii i, pe baza acestora, se definesc valorile lingvistice corespunztoare mrimilor de intrare i se trece de la reprezentarea crisp la cea fuzzy. Aplicarea setului de reguli fuzzy n vederea stabilirii gradului de adevr pentru fiecare din regulile construite n prealabil, fie pe baza cunotinelor unor experi umani, fie pe baza unor tehnici speciale de extragere a acestor reguli. Defuzzificarea, care folosete gradele de adevr stabilite n etapa anterioar pentru fiecare regul i le aplic consecinelor acestora pentru a reveni din domeniul specific mrimilor fuzzy n universul de discurs asociat variabilei sau variabilelor de ieire. n paragrafele urmtoare sunt descrise principalele particulariti ale fiecreia din cele trei etape menionate. Fuzzificarea n majoritatea aplicaiilor practice ale sistemelor fuzzy mrimile de intrare sunt descrise de valori crisp (caracterizate eventual de anumite imprecizii), definite pe un anumit univers al discursului. De cealalt parte, mrimile de ieire ce se doresc a fi obinute descriu mrimi proporionale cu gradele de adevr fuzzy asociate regulilor ce se aplic. n acest context, prin fuzzificare se nelege acel proces n cursul cruia se stabilesc categoriile lingvistice ce descriu universul discursului, funciile de apartenen asociate acestor mrimi i gradele de apartenen ale mrimilor de intrare la categoriile lingvistice corespunztoare. O component important i sensibil a etapei de fuzzificare o reprezint construirea funciilor de apartenen.

Fig. 6 Exemplu de construire a funciilor de apartenen

Urmtorul exemplu ilustreaz modul n care se desfoar procesul de fuzzificare. Se consider cazul evalurii n paralel a cunotinelor unei persoane folosind dou sisteme de evaluare: note ntre 1 i 10, respectiv calificative ( insuficient, suficient, bine, foarte bine ). O posibilitate de modelare a acestor dou alternative este cea din Fig. 6. Pentru acest exemplu, se folosesc patru mulimi fuzzy asociate celor patru categorii lingvistice, pentru care funciile de apartenen au urmtoarele expresii:

Dac nota obinut nu este mai mare ca 4, calificativul va fi Insuficient, pentru care funcia de apartenen ia valoarea 1, n timp ce pentru celelalte valori lingvistice gradele de apartenen sunt nule. Dac persoana obine o not ntre 4 i 5, evaluatorul va avea de ales ntre calificativele Insuficient i Suficient. Decizia evaluatorului va fi luat pe baza unei reguli (oricare ar fi aceasta) si a unor grade de apartenen:

Pentru acest caz este foarte probabil c, pe baza regulilor stabilite de experi, evaluatorul va acorda calificativul Suficient. Compunerea regulilor Sistemele fuzzy complexe nu folosesc o singur regul, ci un set de mai multe reguli, cum ar fi:

Compunerea regulilor ce formeaz sistemul fuzzy se realizeaz cu ajutorul conectivelor. Conectivul cel mai des folosit este conectivul SI sau DE ASEMENEA. Sensul acestui conectiv nu este ns unic, ci se definete pentru fiecare aplicaie n parte. Trebuie spus ns c de cele mai multe ori conectarea regulilor se face prin aplicarea operaiilor de reuniune ( conectarea prin maxim), intersecie (conectarea prin minim) sau produs algebric (conectarea prin produs). Pentru a ilustra cele trei moduri de compunere a regulilor vom considera cazul unui sistem fuzzy simplu format din dou reguli:

pentru care funciile de apartenen sunt cele din Fig. 7:

(a)

(b)

(c)

Fig. 7 Conectarea regulilor prin maxim (a), minim (b) sau produs (c). Defuzzificarea Utilizarea logicii fuzzy impune ca mrimile de intrare, care de regul se prezint sub form crisp, s suporte un proces de fuzzificare. n etapa urmtoare are loc evaluarea regulilor ce guverneaz sistemul fuzzy modelat iar rezultatul acestor evaluri are de asemenea caracter fuzzy (cu excepia sistemelor de tip Takagi Sugeno Kang), adic se prezint sub forma unei mulimi de valori ce pot fi atribuite simultan mrimii de ieire. n practic ns sistemele tradiionale folosesc valori exacte, de tip crisp. Astfel, la finalul oricrui set de inferene fuzzy este necesar aplicarea unui proces invers, de defuzzificare, care s produc o mrime crisp pe baza mulimii(lor) fuzzy ce descrie(u) rezultatul. Cea mai rspndit metod de defuzzificare este metoda centroidului; alte metode utilizate uneori n studiul sistemelor fuzzy sunt metoda nlimii, metoda ariilor sau metoda ariei maxime. Literatura de specialitate menioneaz de asemenea i alte metode alternative. Defuzzificarea prin metoda centroidului Metoda centroidului, numit i metoda centrului de greutate, determin valoarea crisp asociat ieirii unui sistem fuzzy prin valoarea abscisei centrului de greutate al figurii geometrice care descrie mulimea fuzzy asociat ieirii sistemului. Pentru a ilustra modul de aplicare a metodei centroidului, se consider cazul generic al unui sistem descris de trei reguli simple:

Sistemul conine trei mrimi de intrare ( x, y i z) definite pe mulimile fuzzy X, Y i Z, respectiv o singur mrime de ieire (o) definit cu ajutorul a trei mulimi fuzzy descrise de variabilele lingvistice A, B i C. Pentru mulimile fuzzy A, B i C se consider funcii de apartenen triunghiulare, distribuite pe universul de discurs conform reprezentrii de mai jos.

Fig. 8. Sistem fuzzy cu trei reguli pentru exemplificarea defuzzificrii cu metoda centroidului Se admite c, la un moment dat, pentru mrimile de intrare se stabilesc valorile crisp x1 = 0.2, y1 = 0.8 i z1 = 0.6, aa cum se indic i n Fig. 9a, b i c. Pentru aceste valori ale mrimilor de intrare, prin aplicarea regulilor R 1-R3 se stabilesc gradele de apartenen i mulimile fuzzy asociate. De asemenea, n Fig. 9d se prezint suprapunerea tieturilor de nivel ale celor trei mulimi fuzzy. n raport cu reprezentarea din aceast figur, metoda centroidului determin valoarea crisp asociat ieirii fuzzy corespunztor abscisei centrului de greutate al suprafeei haurate din figura (valoarea crisp o*).

(d) Fig. 9 Deffuzificarea prin metoda centroidului APLICAIE Se va construi n interfaa grafic din MATLAB un model de regulator fuzzy pentru un sistem de reglare a turaiei ventilatoarelor unui sistem de aer condiionat dotat cu dou ventilatoare, unul pentru aer cald i unul pentru aer rece. Regulatorul trebuie s modifice turaia ventilatoarelor n trepte, n funcie de temperatura mediului ambiant. Se vor trage concluzii asupra rezultatelor obinute prin diverse metode de conectare a regulilor. Sistemul va conine o variabil de intrare (temperatura) i dou variabile de ieire (turaia ventilatorului de aer cald i turaia ventilatorului de aer rece), conform Fig. 10:

Fig. 10 Sistemul fuzzy pentru reglarea turaiei ventilatoarelor sistemului de aer condiionat

Caracteristicile variabilelor fuzzy sunt urmatoarele: Variabila Funcii de apartenen Extrem de rece (FFR) Foarte rece (FR) Rece (R) Zero (Z) Cald (C) Foarte cald (FC) Extrem de cald (FFC) Zero (Z) turatie redusa (R) turatie medie (Md) turatie mare (Mx) Tip FA trapez triunghi triunghi triunghi triunghi triunghi trapez triunghi triunghi triunghi triunghi Limite FA (0C) [-30 -30 0 10] [-10 0 10] [0 10 20] [10 20 30] [20 30 40] [30 40 50] [40 50 70 70] rpm [0 0.1 1] [199 200 201] [499 500 501] [799 800 801]

Temperatura (temp)

Ventilator cald Ventilator rece (VC/VR)

Setul de reguli: IF (temp = FFR) then (VC = Mx) and (VR = 0) IF (temp = FR) then (VC = Md) and (VR = 0) IF (temp = R) then (VC = R) and (VR = 0) IF (temp = Z) then (VC = 0) and (VR = 0) IF (temp = C) then (VC = 0) and (VR = R) IF (temp = FC) then (VC = 0) and (VR = Md) IF (temp = FFC) then (VC = 0) and (VR = Mx)