Sunteți pe pagina 1din 17

Introducere in Sistemele Expert

Sisteme de control Fuzzy


Curs I

Autor: Dipl. Ing. Iulian STEFAN

1
05/30/15

Introducere

Prezentare generala a Sistemelor Fuzzy

Subiecte discutate:

Aplicatii ale controlerelor Fuzzy


De ce Fuzzy?
Structura generala a unui controller Fuzzy
Variabile lingvistice
Multimi Fuzzy si functii de apartenenta
Operatii cu multimi Fuzzy
Implicatii pentru logica Fuzzy
Operatori pentru logica Fuzzy

2
05/30/15

Prezentare generala a sistemelor Fuzzy


Logica fuzzy poate fi folosita pentru implementarea unei
game largi de aplicatii inteligente, de la aparatura
electrocasnica la electronica auto, controlul proceselor si
automatizari.
Logica fuzzy este o paradigma pentru o metoda
alternativa de design care poate fi aplicata in dezvoltarea
sistemelor liniare si neliniare si in aplicatii de tip
embedded control.

Multimi
fuzzy

Fuzificare

Functii
de
apartenenta
BRF

Variabile
lingvistice
Inferente
fuzzy

Utilizand logica fuzzy, se pot obtine costuri mai mici de


dezvoltare, functionalitate superioara a produselor si
performante generale imbunatatite.

Logica clasic lucreaz cu dou valori numerice exacte (0 pentru fals i 1 pentru adevrat)

Defuzificare

Logica fuzzy folosete o plaj continu de valori logice cuprinse n intervalul 0-1, unde 0
indic falsitatea complet, iar 1 indic adevrul complet. Astfel, dac n logica clasic un obiect
poate aparine (1) sau nu (0) unei mulimi date, n logica fuzzy putem defini gradul de
apartenen al obiectului la mulime i care poate lua valori ntre 0 i 1.

Logica fuzzy ofer instrumentele necesare pentru reprezentarea n sistemele inteligente a


unor concepte imprecise cum sunt mare, mic, scump, ieftin .a., concepte numite
variabile lingvistice sau variabile fuzzy. Pentru reprezentarea acestora se folosesc seturile fuzzy,
care capteaz din punct de vedere cantitativ interpretarea calitativ a termenilor.

3
05/30/15

De ce logica Fuzzy?
Este usor de inteles si utilizat
Este flexibila
Este toleranta la date imprecise
Poate modela functii complexe cu nivel ridicat de precizie
Poate utiliza cunostintelor expertilor
Poate fi combinata cu tehnici conventionale de control
Se bazeaza pe limbajul natural
Nu utilizam logica fuzzy daca:
Exista deja o solutie simpla
Exista controlere care functioneaza foarte bine
Nu este convenabila din anumite motive
Logica fuzzy codificarea bunului simt
Utilizati bunul simt la implemetare si probabil veti lua cele mai bune decizii

4
05/30/15

Aplicatii ale controlerelor Fuzzy


Afisarea orelor la care autobuzele sosesc in statii.
Dat fiind faptul ca este imposibila determinarea exacta a timpului ramas pana la ajungerea
autobuzului intr-o anumita statie o aproximare decenta poate fi obtinuta folosind logica Fuzzy

Functia de auto - focus a


camerelor video sau a
aparatelor foto digitale:
Determinarea exacta a parametrilor de
reglaj ai obiectivului unei camere
digitale, in scopul focalizarii imaginii, ar
insemna pentru un controler clasic
efectuarea de calcule laborioase. Pentru
un sistem embeded, asa cum este o
camera digitala, acest lucru e destul de
greu de realizat. Si aici raspunsul este dat
de logica Fuzzy

Sistemele de franare ABS (Anti-lock Bracking System)


Determinarea momentului exact de blocare a rotilor este practic imposibil de
realizat, data fiind multitudinea parametrilor de care acesta depinde. Abordarea
Fuzzy rezolva satisfacator aceasta problema

5
05/30/15

Structura unui controler Fuzzy


Controler clasic

Controler Fuzzy

6
05/30/15

Variabile lingvistice
Variabilele fuzzy sunt marimi fuzzy asociate
marimilor deterministe.
Echivalentul valorii scalare in sens determinist este
pentru o variabila fuzzy gradul lingvistic
(eticheta, atributul) asociat acesteia

De exemplu:
In logica bivalenta, valorii deterministe 1 I
se asociaza atributul ADEVARAT, iar lui 0
i se asociaza eticheta FALS

In logica Fuzzy, pentru o valoare


determinista numar real pozitiv variabila
lingvista asociata poate fi, de exemplu,
distanta dintre doua puncte, care poate
avea gradele lingvistice: MICA, MEDIE,
MARE sau FOARTE MICA, MICA,
MEDIE, MARE, FOARTE MARE

Fiecarui atribut al unei variabile lingvistice ii


este asociata o functie de apartenenta, a carei
valoare (in sens determinist) indica nivelul de
incredere cu care unei valori deterministe i se
poate asocia acel atribut al valriabilei lingvistice.

Domeniul de valori al marimii deterministe


Corespunzatoare se numeste univers de discurs.

7
05/30/15

Multimi Fuzzy & functii de apartenenta


Multimea fuzzy reprezinta o abordare diferita a conceptului de multime, mai precis, intre
apartenenta unui element la o multime si non-apartenenta exista o serie de situatii tranzitorii, de
natura continua, caracterizate de asa-numitele grade de apartenenta
Definitie: Functia de apartenenta. Fie o multime X oarecare. Se numeste multime Fuzzy (in X)
rezultatul unei aplicatii F:X --> [0,1].
Multimea Fuzzy F este caracterizata de functia de apartenenta:
mF : X -> [0,1]
Valorile 0 si 1 reprezinta cel mai mic, respectiv cel mai mare grad de apartenenta F al unui
element x la multimea X

8
05/30/15

Exemple de functii de apartenenta


Functia de apartenenta de tip triunghiular

Functia de apartenenta de tip


trapezoidal

Un caz particular al functiei de apartenenta trapezoidale este


sigleton-ul asimilat cu o forma ce deriva din impulsul
Dirac, cu latimea prestabilita.

9
05/30/15

Exemple de functii de apartenenta


Functia de apartenenta de tip parabolic

Functia de apartenenta de tip


armonic

Functia de apartenenta de tip


saturatie

10
05/30/15

Exemple de functii de apartenenta


Functia de apartenenta de tip clopot (Clopotul lui Gauss)

11
05/30/15

Operatii cu multimi Fuzzy

Avand in vedere relatia de ordine


punctuala intre functiile de apartenenta,
cele trei relatii devin:
Produsul algebric al multimilor fuzzy M si N, notat M . N este caracterizat
de functia de apartenenta:

m M . N = mM. mN
Suma algebrica al multimilor fuzzy M si N, notat M . N este caracterizat
de functia de apartenenta:

m M + N = mM + mN - mM. mN

12
05/30/15

Implicatii pentru logica Fuzzy


In logica Fuzzy, implicatia este o operatie de compunere a formulelor (variabilelor) fuzzy,
in sensul corelarii a doua categorii de evenimente, denumite premise, respectiv consecinte.
Implicatia fuzzy se refera la evaluarea gradelor lingvistice ale unei submultimi fuzzy Q, care este
consecinta logica sau functionala a unei submultimi fuzzy P
Rezultatul implicatiei Fuzzy:

Q = P ->Q

Functiile de apartenenta:

A(Q) = A(P->Q)

Exemplu:

P: x este mare
Q: y este mic

Date fiind formulele fuzzy

x, y sunt variabile deterministe din universul de discurs al multimilor P si Q


Implicatia Fuzzy: Q = P -> Q DACA x este mare, ATUNCI y este mic

13
05/30/15

Implicatii pentru logica Fuzzy


Considerand mP(x) si mq(y) functiile de apartenenta pentru multimile fuzzy P, respectiv Q functia de
apartenenta mQ(x,y) = mP->Q(x,y) se poate determina in modurile urmatoare:
a)

Implicatia in sens Mamdani:

mP->Q(x,y) = MIN[mP(x), mQ(y)]

b)

Implicatia booleana:

mP->Q(x,y) = MAX[1-mP(x),mQ(y)]

c)

Implicatia Zadeh I:

mP->Q(x,y) = MIN[1, 1 mP(x) + mQ(y)]

d)

Implicatia Zadeh II:

mP->Q(x,y) = MIN{MAX[mP(x), mQ(y)], 1 - mP(x)}

e)

Implicatia Larsen:

mP->Q(x,y) = mP(x) x mQ(y)

14
05/30/15

Operatori pentru logica Fuzzy


Combinarea mai multor variabile fuzzy in conformitate cu o anumita logica, conduce la aparitia unor expresii fuzzy
cu mai multi termeni, legati prin operatii logice elementare (SI, SAU, NU).
1) Operatori Zadeh de compunere fuzyy:
mA SI mB = min(mA, mB)
mA SAU mB = max(mA, mB)
NU mA= 1 - mA
2) Operatorii produs & suma:
mA SI mB = mA. mB

Operatorul produs

mA SAU mB = mA+ mB - mA. mB

Operatorul suma

15
05/30/15

Sumar:
Structura generala a unui controller Fuzzy
Variabile lingvistice
Multimi Fuzzy si functii de apartenenta
Operatii cu multimi Fuzzy
Implicatii pentru logica Fuzzy
Operatori pentru logica Fuzzy

16
05/30/15

Bibliografie
Introduction to expert Sistems. Fuzzy systems C. Suciu, L. Dafinca, R.
Campeanu, C Blendea Editura Universitatii Teansilvania Brasov, 2007
Sisteme de control Fuzzy. Modelare si proiectare asistate de calculator E.
Sofron, N. Bizon, S. Ionita, R. Raducu
http://www.bel.utcluj.ro/rom/dce/goltean/tice/03_LogicaFuzzy.pdf
http://ww1.microchip.com/downloads/en/AppNotes/00600b.pdf

17
05/30/15