Documente Academic
Documente Profesional
Documente Cultură
ELEMENTE TEORETICE
Teoria matematic a mulimilor i logicii fuzzy a cunoscut
o dezvoltare exponenial pe parcursul celor 45 de ani de
la introducerea ei ([ZAD1965]), motivat att de
atractivitatea
raionamentelor
asemntoare
mecanismelor raionale umane uzuale, ct i aplicrii cu
succes ntr-o serie larg de domenii inginereti. Expunerile
teoretice ale logicii fuzzy, cu toate aspectele ei,
interfereaz strns cu alte capitole ale matematicii, dar i
cu domenii ale ingineriei, i utilizeaz instrumente abstracte
sau practice specifice.
Cu o desfurare doar puin mai lung, dezvoltarea
modelelor neuronale, a structurilor de reele i a
algoritmilor a fost de asemenea ampl. Structurile i
metodele matematice propuse simuleaz pe cele naturale,
specifice inteligenei umane, de unde sunt inspirate
([MCP1943]).
Aplicaiile curente n inginerie i mai exact n control
automat apeleaz doar o mic parte a teoriei mulimilor
fuzzy i reelelor neuronale, care se dovedete relativ uor
accesibil. Prezentarea noiunilor teoretice preliminare
reprezint o enumerare a elementelor de baz considerate
necesare pentru dezvoltarea ulterioar a temei propuse.
Dintre
lucrrile
importante
de
amintit
pentru
o
introducere mai detaliat a aparatului teoretic privind
logica fuzzy, n general, i a aplicaiilor inginereti fuzzy i
hibride neuro-fuzzy, n particular (printre care i controlul
n logic fuzzy), se pot aminti monografiile: Mamdani
[MAM1985], Driankov .a. [DHR1993], Kosko
[KOS1996], Pedrycz i Gomide [PEG1998], Passino i
Yurkovich - [PAY1998], Zimmermann [ZIM2001], Jantzen
[JAN2007], dar i multe altele. Pe plan internaional,
numrul lucrrilor n domeniu este mult mai mare, cele
amintite fiind doar exemplele frecvent citate. n limba
romn se pot aminti: Negoi i Ralescu [NER1974],
Preitl i Precup [PRP1997].
Sisteme hibride neuro-fuzzy
Fiecare tehnic inteligent are proprieti tipice care i
1
Avantaje
Siste
me
fuzz
y
Reel
e
neuron
ale
- ncorporeaz
cunotine
predefinite bazate
pe reguli
- Sunt interpretabile
(reguli)
- Ofer o
implementare
- Nu pot nva
- Trebuie s dispun
de reguli stabilite apriori
- Nu exist metode
formale pentru
ajustarea regulilor
Dezavantaje
- Pot nva fr nici o
informaie iniial
- Exist mai multe
paradigme de nvare,
potrivite diverselor
situaii
- Exist o multitudine de
algoritmi
de
nvare
- Sunt cutii negre subsimbolice
- Nu pot utiliza cunotine
a-priori
- Necesit algoritmi de
nvare compleci
- Nu exist garania c
nvarea converge spre
1
0
CAPITOLUL III.
TEHNICI DE PROIECTARE A REGULATOARELOR
FUZZY
1
1
1
2
1
4
Ziegler-Nichols
calculul
rT
i
de(t)
e(t)
dt K
(1)
cu factorul de amplificare a
Ti .
i constanta de
regulatorului K r
integrare
Egalitatea n relaia anterioar exprim o coresponden
ntre valorile pentru eroare i derivata ei i valorile pentru
derivata mrimii de comand.
n mod asemntor, funcionarea regulatorului fuzzy PI
poate fi descris printr- o notaie simbolic:
g du du g de de
g
1
5
ee
(2)
,
g de
K r Ti
g d T
u
(3)
1
6
1 Tp
K p , 3,3T .
(5)
Ti p
(4)-
,
0,9 Tp 3,3T
g
p
Kp
de
du
3,3
T
(6)(8)
Kp
k (iTe )
k (iTe ) k
(iTe )
i0
(9)
i0
Condiia de oprire a
algoritmului este maxim
admis a erorii de instruire.
k impus ,
unde
impu este
s
valoarea
Utilizarea
sistemelor
fuzzy
neuronale
(ANFIS) pentru obinerea bazelor de reguli
adaptive
wj
j1
j1
j1
n
care
i p j , q j , r j , Ej , DEj [0,1] .
(11)
(12)(13)
(14)
ANFIS
cu
datele
obinute
prin
auto-
(18)
Te
) u(iTe ) u(iTe T ) .
e(iTe ) e(iTe Te i
du(iT
)
Te
BIBLIOGRAFIE
[ABR2001]
[ABR2002]
[ABR2005]