Sunteți pe pagina 1din 15

Introducere in Sistemele Expert

Sisteme de control Fuzzy


Curs III

Autor: Dipl. Ing. Iulian STEFAN

1
06/06/15

Introducere

Subiecte discutate:
Fuzificarea informatiei
Inferentele fuzzy
Compunerea regulilor
Inferenta cu corelare prin produs

2
06/06/15

Fuzificarea informatiei

Sistemele fuzzy prelucreaza informatia dupa o filozofie proprie, care in principal se desfasoara conform fluxului
urmator:
{variabile de intrare} => (fuzificare) => (inferente) => (compunere) => (defuzificare) => {variabile de iesire}
Fuzificarea este o operatie care se efectueaza prin aplicarea functiilor de apartenenta corespunzatoare pentru
fiecare variabila de intrare in parte, in urma careia acesteia i se asociaza o multime avand ca elemente gradele de
apartenenta la multimile fuzzy definite pe domeniul sau de existenta.
De exemplu, pentru o variabila de intrare D (Distanta in Km), avem functiile de apartenenta definite prin
diagrama de mai jos:
mZe(65) = 0
mPmi(65) = 0,812
m(x) Ze

Pmi

Pme

Pma

mPme(65) = 0

0,812

mPma(65) = 0
Multimea rezultata este:
D -> {mZe(65) , mPmi(65) , mPme(65) , mPma(65)}
0
[Km]

65

80

160

240

Adica:
D -> {0; 0,812; 0; 0}

3
06/06/15

Studiu de caz Parcarea unui camion

Datele problemei: camionul trebuie parcat cu spatele, perpendicular pe o rampa. Parcarea se face numai cu spatele.
Variabilele de intrare sunt:
x pozitia relativa a camionului pe abscisa
f unghiul dintre axa masinii si abscisa
Variabila de iesire (de comanda)
t unghiul cu care este rotit volanul camionului
Multimile fuzzy aferente variabilelor de intrare sunt:
x = {LE, LC, CE, RC, RI}
Unde

LE left, LC left center , CE center, RC right center, RI right


f = {RB, RU, RV, VE, LV, LU, LB}

Unde

RB right back, RU right up, RV right vertical, VE vertical, LV left vertical,


LU left up, LB left back

4
06/06/15

Parcarea unui camion Multimi fuzzy & FA


Multimea fuzzy aferenta variabilei de iesire:
t = {NB, NM, NS, ZE, PS, PM, PB}
Unde

NB negative big, NM negative medium, NS negative small, ZE zero, PS positive


small, PM positive medium, PB positive big

Functiile de apartenenta pentru variabilele de intrare:


Variabila f

Variabila x

Functiile de apartenenta pentru variabila de iesire:


Variabila t

5
06/06/15

Parcarea unui camion Baza de Reguli Fuzzy


Intervalele in care variabilele de intrare pot lua valori sunt urmatoarele:
x apartine intervalului [0m,100m]; f apartine intervalului [-90 o, 270o] si t apartine intervalului [-30o, 30o]

Variabila x

Variabila f

LE

LC

CE

RC

RI

RB

R1

R2

R3

R4

R5

RU

R6

R7

R8

R9

R10

RV

R11

R12

R13

R14

R15

VE

R16

R17

R18

R19

R20

LV

R21

R22

R23

R24

R25

LU

R26

R27

R28

R29

R30

LB

R31

R32

R33

R34

R35

6
06/06/15

Parcarea unui camion Inferentele fuzzy


Pentru fiecare regula din BRF avem o inferenta logica asa cum se arata in exemplul de mai jos:
R1: Daca (x = LE) SI (f = RB) atunci (t = PS)
Baza de Reguli Fuzzy va arata in modul urmator:

LE

LC

CE

RC

RI

RB

PS

PM

PM

PB

PB

RU

NS

PS

PM

PB

PB

RV

NM

NS

PS

PM

PB

VE

NM

NM

ZE

PM

PM

LV

NB

NM

NS

PS

PM

LU

NB

NB

NM

NS

PS

LB

NB

NB

NM

NM

NS

La orice moment de timp t*, algoritmul fuzzy activeaza regulile din cadrul BRF.
Iesirea fiecarei reguli este tot o valoare fuzzy, care rezulta pe baza operatiilor fundamentale din logica fuzzy.
Astfel fiecare regula din BRF reprezinta o expresie logica construita cu operatorul de constructie logica SI.
Prin urmare, se aplica operatia de intersectie a multimilor fuzzy (vezi cursul I), in urma careia la iesire se obtine
un minim punctual al functiilor de apartenenta de pe intregul domeniu al variabilelor de iesire.

7
06/06/15

Parcarea unui camion Inferentele fuzzy


Dat fiind faptul ca variabilele de intrare pot sa apartina multimilor fuzzy intr-un anumit grad, acesta luand valori in
intervalul [0,1], acelasi lucru se va intampla si in cazul variabilelor de iesire.
Prin urmare, fiecare regula fuzzy din BRF, va fi activata cu o anumita pondere.
Folosind operatorii fuzzy de tip Zadeh (vezi Cursul I) aplicati asupra multimilor rezultate in urma operatiei de
fuzificare
se pot calcula ponderile de activare pentru fiecare regula Fuzzy din BRF.
De exemplu, pentru
x = 35 m
f = 90o
Dupa fuzificare obtinem multimile:
X = {LE: 0,25; LC: 0,2; CE: 0; RC: 0; RI: 0}
F = {RB: 0; RU: 0; RV: 0; VE: 1; LV: 0; LU: 0; LB: 0}

8
06/06/15

Parcarea unui camion Compunerea regulilor


Calculam ponderile pentru fiecare regula din BRF dupa formula:
wi = MIN(m(x), m(f)) unde i = 1,..,35 pentru exemplul de fata
Pentru R1 vom avea:
w1= MIN(0,25: 0) => w1= 0

In cadrul procesului de inferenta regulile utilizate pot sa aiba drept rezultal aceeasi multime fuzzy de iesire, in general
activata cu coeficienti fuzzy diferiti.
Prin urmare, operatia de inferare se definitiveaza la nivelul intregii BRF printr-o tehnica de compunere (combinare) a
rezultatelor inferentelor elementare (de la fiecare regula i activata).
In cazul de fata adoptam metoda de compunere MAX, potrivit careia pentru regulile care au aceeasi multime fuzzy de
iesire, aceasta este activata (ponderata) cu valoarea maxima a coeficientului w i

9
06/06/15

Parcarea unui camion Compunerea regulilor


Reprezentarea grafica a compunerii regulilor este prezentata in imaginea de mai jos

10
06/06/15

Parcarea unui camion Corelarea prin produs


Forma fiecarei multimi activate, de pe intregul univers de discurs al variabilelor de iesire, depinde de schema de
codificare utilizata.
Vom adopta in continuare procedeul de codificare cu corelare prin produs, conform caruia iesirile fuzzy ale sistemului
rezulta prin multilicarea functiilor de apartenenta ale variabilei de iesire, cu valoarea scalara de activare
a regulii i respective.
In termenii functiilor de apartenenta aceasta se exprima astfel:
mi (y) = wi . mi (y)
In acest mod, operatia de inferare poarta numele procedeului de corelare si anume: inferare cu corelare prin produs si
se aplica pentru regulile active din BRF
x

wi

m(x)
MIN

m(f)

Inferenta
cu
corelare
prin
produs

mi (y)

Regula din
BRF

11
06/06/15

Parcarea unui camion Variabila de iesire


Valoarea variabilei de iesire este reprezentata de o multime fuzzy O, construita pe baza combinarii tuturor
submultimilor fuzzy mi, obtinute pe domeniul de definitie al variabilei respective, la parcurgerea intregii BRF
(i = 1, ..,r) aplicand procedeul de codificare adoptat, respectiv corelarea prin produs, astfel:

O = wi . mi

, unde i = 1,..,r

in care wi >= 0 reprezinta ponderile ce sintetizeaza credibilitatea (verosimilitatea) sau taria regulii i din BRF.
m(t)

12
06/06/15

Parcarea unui camion Evolutia traiectoriei camionului


In imaginile alaturate se poate observa evolutia traiectoriei camionului, plecand de la trei pozitii initiale diferite.
x = 15

x = 20

f = 90o

x = 85

f = 235o

f = 0o

13
06/06/15

Sumar:

Subiecte discutate:
Fuzificarea informatiei
Inferentele fuzzy
Compunerea regulilor
Inferenta cu corelare prin produs

14
06/06/15

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

15
06/06/15