Sisteme Fuzzy

8. SISTEME DE CONTROL FUZZY

Înţelegerea conceptelor de bază ale sistemelor de control fuzzy se

face pornind de la principiile teoriei controlului cu aplicaţii în reglarea
automată a proceselor. Scopul controlului fuzzy este de a aduce un plus de
inteligenţă în comportamentul dinamic al sistemelor, specific factorului
uman. În acest capitol vor fi utilizate două concepte fundamentale în teoria
sistemelor şi anume : răspunsul caracteristic şi dinamica sistemului. Pe baza
acestor două concepte pot fi elaborate cunoştinţe esenţiale despre
comportarea sistemului în timp respectiv în spaţiul fazelor, care permit
dezvoltarea unei noi generaţii de controlere inteligente prin intermediul
modelării cunoştinţelor în diverse maniere. În general, orice problemă de
control poate fi rezolvată pe baza cunoştinţelor despre sistemul sau procesul
care face obiectul controlului. În funcţie de natura cunoştinţelor se
conturează două direcţii fundamentale pentru formularea problemelor de
control. În figura 8.1 se propune o schemă a abordărilor posibile.

Cunoştinţe Descrieri formale

Modele deterministe
obiective analitice

Problema
Abordare bazată
pe model
Cunoştinţe
subiective
Reţele neuronale
Abordare fără
modele

Logica fuzzy

Figura. 8.1. Căi de abordare a problemelor de control

- 115 -
Sisteme Fuzzy

8.1. Principii fundamentale în teoria controlului

Orice sistem sau proces asociat acestuia, despre care există

cunoştinţe obiective, poate fi reprezentat deterministic printr-o relaţie în
general neliniară între anumite variabile. Variabilele pot fi dependente,
adică funcţii, sau independente (parametrii).

i(t) Sistem y(t)

i2(t)=ki1(t) y2  ky1(t)

Figura 8.2. Schema bloc a unui SANL

Există două moduri de reprezentare a sistemelor: reprezentarea

intrare-ieşire, respectiv reprezentarea intrare-ieşire-stare.

a) Reprezentarea intrare-ieşire, care, în ipoteza sistemelor liniare, se

formalizează matematic prin relaţia cunoscută, în termenii transformatelor
Laplace:

Y ( s)  H ( s)  X ( s) (8.1)

Sistemele pot fi deschise sau închise printr-o conexiune care leagă

ieşirea cu intrarea (conexiune inversă- feedback) sau cu bloc (sistem) aflat
în continuarea ieşirii (conexiune feedforward). Sistemele de control sunt de
tip închis, cu conexiune inversă, care de regulă poate fi caracterizată de o
funcţie de transfer R(s ) .
Controlul după eroare se bazează pe reprezentarea intrare-ieşire şi
presupune existenţa conexiunii inverse (feed back) cu funcţia de transfer
R(s ) pe baza căreia se calculează într-un bloc comparator eroarea curentă
  y  yreferinta  . În general, comanda u (funcţia de control) are trei
componente analitice cu efect cumulat prin însumare:

d
T
u  K p  K d  K i    dt (8.2)
dt 0

- 116 -
Sisteme Fuzzy

Problematica acestui tip de regulator constă în acordarea acestuia în

contextul procesului controlat.

b) Reprezentarea intrare-stare-ieşire are următoarea descriere matematică

a sistemului:

 x  Ax  Bu
 (8.3)
 y  Cx  Du

unde, pentru un sistem multidimensional, x este vectorul variabilelor de

stare, y este vectorul variabilelor de ieşire, u este vectorul variabilelor de
comandă (control), A este matricea sistemului, B este matricea de comandă,
C este matricea de ieşire şi D este matricea de comandă corespunzătoare
ieşirii, (acest ultim termen este opţional în descrierea standard).
Controlul după stare presupune accesul la stările sistemului şi
stabilirea unei relaţii de forma :

u  K  x, (8.4)

în care, determinarea constantei K reprezintă de fapt sinteza controlerului

după stare.

8.2. Conceptul de control inteligent

8.2.1. Atributele controlului inteligent

Controlul inteligent este legat în general de consistenţa umană a

deciziilor şi acţiunilor, respectiv a proceselor ce au loc în cadrul sistemelor.
Atributele sistemelor inteligente, care constituie şi elementele de bază ale
conceptului de control inteligent sunt considerate următoarele :
- capacitatea de a fi învăţate sau de a autoînvăţa,
- capacitatea de a lucra în condiţii de incertitudine,
- comportament suboptimal robust,
În acest caz, controlul se bazează pe cunoştinţe subiective tratate pe
bază de model (abordările statistice) sau fără model, cum sunt abordările
neuronale şi fuzzy.
În continuare vom analiza succint elementele conceptului de control
inteligent din perspectiva sistemelor fuzzy.

- 117 -
 Sisteme Fuzzy

a) Proprietatea de învăţare/autoînvăţare

Experienţa unui instructor sau cunoştinţele dobândite din proprie

experienţă pot fi transferate sistemului de control într-o manieră mult mai
eficientă decât prin relaţii analitice şi date numerice. Aceasta înseamnă
renunţarea la model şi trecerea la o reprezentare subiectivă a cunoştinţelor
sub formă de reguli fuzzy. Elaborarea bazei de reguli fuzzy constituie de
fapt învăţarea sistemului de către expertul (proiectantul) uman.
Capabilităţile de autoînvăţare se implementează în sistemele fuzzy
prin mecanisme de adaptare şi ponderare a regulilor, precum şi pe baza
metodelor de extragere a regulilor din date numerice (vezi subcapitolul 5.6).

b) Capacitatea de a lucra în condiţii de incertitudine

Această trăsătură a sistemelor inteligente se bazează pe capacitatea

de raţionament aproximativ (aproximate reasoning) specifică doar formelor
de inteligenţă din lumea vie. Fundamentul sistemelor cu logică fuzzy este
tocmai incertitudinea, ambiguitatea, caracterul vag de care se ţine seama în
tratarea informaţiei. Sistemele fuzzy sunt capabile să manipuleze informaţia
exprimată aproximativ pentru a elabora răspunsuri consistente.

c) Comportamentul suboptimal robust

În general, controlul optimal presupune două lucruri distincte : pe de

o parte existenţa unui mecanism de adaptare a sistemului de control (sistem
de control adaptiv), iar pe de altă parte definirea unui criteriu de optimalitate
(de regulă criterii integrale). Cele mai utilizate criterii de optimalitate sunt
cele energetice, de timp minim şi de eroare care se exprimă analitic prin
funcţionale şi se rezolvă de regulă prin calcul numeric iterativ. Această
manieră de abordare nu este însă specifică sistemelor inteligente, deşi în
natură, în general sistemele evoluează după legi optimale. Majoritatea
acţiunilor voluntare ale omului sunt în general optimale şi aceasta chiar în
condiţii de incertitudine, cu toate că mintea umană nu efectuează calcule
numerice în acest scop şi nici nu se efectuează măsurători precise pentru a
planifica acţiunile. Există deci alte metrici pentru raţionamentul uman şi de
asemenea pentru acţiunile omului decât cele numerice. Sistemele fuzzy
permit definirea unor astfel de metrici în termenii mulţimilor fuzzy. Aceasta
nu mai garantează însă caracterul strict optimal al acţiunilor, dar sensibil din
punct de vedere numeric, ci dimpotrivă furnizează un răspuns suboptimal,
dar robust.

- 118 -
Sisteme Fuzzy

În sprijinul comentariilor de mai sus vom da o interpretare sugestivă

asupra controlului PID din perspectivă psihologică.

8.2.2. Interpretarea controlului PID din perspectivă psihologică

Am arătat mai sus că un regulator PID are trei componenete pe baza

cărora sistemul elaborează răspunsul în funcţie de eroare :
- componenta proporţională (P),
- componenta derivativă (D),
- componenta integrală (I).
Din punct de vedere al formalismului matematic efectul cumulat al
acestor componenete se obţine prin însumare algebrică a răspunsurilor
parţiale, ponderate cu factori numerici pozitivi sau negativi (cu rol de
amplificare, respectiv de atenuare).
O interpretare pe baze psihologice a modelului analitic al controlului
PID este dată în tabelul 8.1.

Tabelul 8.1. Interpretarea controlului PID

Componenta Relaţia formală Interpretare psihologică
Mărimea şi sensul acţiunii sunt
Controlul proporţional u1  K P   proporţionale cu mărimea
stimulului.
Efect anticipativ. Mărimea şi
d sensul acţiunii sunt
Controlul derivativ u2  K D 
dt proporţionale cu mărimea
vitezei de variaţie a stimulului.
Efect experienţial. Mărimea şi
T
u3  K I     dt
sensul acţiunii sunt
Controlul integral
0
proporţionale cu efectul în
timp al stimulului.

Pentru exemplificare să considerăm unele situaţii în care factorul

uman joacă un rol important în rezolvarea unor probleme curente de control
şi decizie.
a) Conducătorul unui autovehicul rezolvă în trafic problema controlului
vitezei şi distanţei astfel :
1. Reduce viteza de mers direct proporţional cu distanţa faţă de
vehiculul din faţă, respectiv accelerează proporţional cu distanţa.

- 119 -
Sisteme Fuzzy

2. Reduce viteza de mers direct proporţional cu viteza de scădere a

distanţei dintre vehicule, respectiv accelerează proporţional cu viteza
de creştere a distanţei dintre vehicule.
3. Ajustează viteza de mers în funcţie de experienţă.
b) Un agent bursier rezolvă într-o anumită conjunctură următoarea
problemă de decizie:
1. Cumpără cu atât mai multe acţiuni cu cât preţul acestora este mai
mic.
2. Cumpără cu atât mai multe acţiuni cu cât preţul acestora creşte
mai repede.
3. Cumpără cu atât mai multe acţiuni cu cât istoria cotaţiei (pe un
interval de timp considerat) a fost mai bună.

Exemplele de mai sus sunt semnificative cu privire la modul de

acţiune uman în anumite circumstanţe. Se poate observa că cele trei
componente ale controlului PID se regăsesc aici astfel: acţiunile de la
punctul (1) corespund controlului proporţional (P), deci tendinţei umane de
a acţiona proporţional cu amploarea stimulului, acţiunile de la punctul (2)
corespund componentei derivative a controlului, deci tendinţei umane de a
reacţiona proporţional cu viteza de variaţie a stimulului, iar acţiunile de la
punctul (3) semnifică componenta integrală de control, ceea ce reflectă
componenta experienţială cu privire la efectul stimulului. Considerând
percepţiile curente ale operatorului uman, putem spune că acesta acţionează
în raport cu magnitudinea stimulilor, în raport cu tendinţa de variaţie a
acestora şi în raport cu efectul acestora în timp. Aceste elemente sunt
ilustrate în figura 8.3.

Stimul Componenta
istorică,
experienţială Tendinţă
stimul:
d/dt

T
Mărime

K I    dt
stimul: 
0

Timp

Figura 8.3. Componentele informaţionale ale stimulului

- 120 -
 Sisteme Fuzzy

Subliniem faptul că rolul componentei integrale se reflectă în plan

psihologic ca efect al experienţei anterioare cu privire la procesul controlat.
Astfel, memoria alocată procesului trebuie dimensionată pentru un interval
finit de timp T, în care este reţinută evoluţia recentă a fenomenului.

8.2.3 Reprezentarea cunoştinţelor

Ca mijloc de reprezentare a cunoştinţelor, regulile fuzzy constituie

un mod eficient de modelare a acţiunilor în sistemele de control cu
consistenţă umană. Există două abordări distincte în descrierea strategiilor
de control prin reguli fuzzy:
(1) Modelul controlerului PID reflectat în reguli fuzzy pe baza
interpretării psihologice a acestuia.
(2) Modelul controlului după stare reflectat prin reguli fuzzy cu alegerea
convenabilă a variabilelelor de stare şi de control.

În baza primei abordări, exemplul clasic al controlerului PID poate fi

descris prin j  1,...n reguli de forma:
tk

 ε  dt
( j) ( j) ( j)
Daca ε este LX 1 si ε este LX 2 si este LX 3 Atunci u este LU ( j ) ,
tk 1
în care LX1, LX2, LX3 şi LU sunt termeni lingvistici atribuiţi variabilelor
fuzzy. În această manieră, formula analitică relativ rigidă a legii de control
PID poate fi reprezentată prin reguli cu trei premise fuzzy referitoare la
variabila eroare (  ,  ,   dt ), respectiv o consecinţă fuzzy referitoare la
variabila de comandă (u). Astfel regulatorul PID clasic devine un sistem de
control cu logică fuzzy.
O soluţie alternativă pentru remodelarea regulatorului PID pe baza
logicii fuzzy vizează crearea unui sistem fuzzy expert cu rol de supervizare
şi ajustare a parametrilor regulatorului materializaţi prin coeficienţii de
amplificare KP, KD, KI. Acest model corespunde sistemului de control
adaptiv şi se bazează pe cunoştinţe cu privire la caracteristica de răspuns a
sistemului. Schema bloc de principiu a unui sistem de control adaptiv
supervizat cu logică fuzzy este arătată în figura 8.4.

- 121 -
Sisteme Fuzzy

Controler fuzzy
de adaptare

Intrare Compa- PID Sistem Ieşire

rator

Reacţie

Figura 8.4. Structura unui sistem de control cu autoadaptare fuzzy

Acţiunile de control sunt dictate de situarea răspunsului sistemului în

diferite zone în raport cu valoarea dorită (de referinţă) a ieşirii. Practic,
strategia de control a regulatorului este determinată de evoluţia sistemului în
trei zone de interes aşa cum se arată în figura 8.5.

ylim

umax
yref

u Regiunea
Regiunea de
Regiunea de referinţă Normală limitare
u lent u KP .... u umax
timp

Figura 8.5. Funcţia de control în raport cu tipul regiunii în care se poate

situa răspunsul sistemului.

Regulile de control ale parametrilor regulatorului înglobează

cunoştinţe cu privire la tehnica de acordare a regulatorului pentru obţinerea
răspunsului dorit. Cunoştinţele expertului constituie în acest caz modelul de
- 122 -
Sisteme Fuzzy

referinţă al sistemului autoadaptiv. Astfel, în general se cunoaşte modul în

care coeficienţii de amplificare ai componentelor PID influenţează calitativ
şi cantitativ răspunsul sistemului. Aceste cunoştinţe sunt sistematizate în
tabelul 8.2.

Tabelul 8.2. Cunoştinţe elementare privind acordarea regulatoarelor PID

Acţiunea Efecte
- îmbunătăţeşte timpul de răspuns
Creşterea KP
- creşte probabilitatea de manifestare a suprareglajului
- reduce suprareglajul
Creşterea KD
- creşte sensibilitatea la zgomot şi perturbaţii rapide
Creştere mică a - reduce eroarea staţionară
KI - creşte sensibilitatea la instabilitate

Comportamentul sistemului controlat prin metoda PID este evaluat

pe baza caracteristicii de ieşire a sistemului, care se regăseşte sub forma
răspunsului indicial în cazul sistemelor liniare (modelate cu funcţii de
transfer). Metodologia de adaptare a controlerului PID prin ajustarea
parametrilor săi (coeficienţii de amplificare ai componentelor) se bazează pe
cunoşterea caracteristicii de răspuns a sistemului în buclă deschisă, respectiv
în buclă închisă. În tabelul 8.3 sunt prezentate toate răspunsurile tipice care
se pot întâlni în practică pentru sistemele în buclă deschisă cu funcţionare
stabilă.

Tabelul 8.3. Răspunsuri tipice sistemelor în buclă deschisă

Răspunsul Imaginea
yref
Monoton fără întârzâiere
(timp mort)
timp

yref
Oscilatoriu fără întârzâiere

timp

yref
Monoton cu întârzâiere
(mică/medie/mare)
timp
- 123 -
Sisteme Fuzzy

Tab. 8.3. (continuare)

yref
Oscilatoriu cu întârzâiere
(mică/medie/mare)
timp

Considerând cele trei grade lingvistice mică/medie/mare atribuite

întârzâierii răspunsului (timpului mort) vor exista în total opt tipuri de
răspunsuri interpretate fuzzy:
- monoton fără întârzâiere,
- oscilatoriu fără întârzâiere,
- monoton cu întârzâiere mică,
- oscilatoriu cu întârzâiere mică,
- monoton cu întârzâiere medie,
- oscilatoriu cu întârzâiere medie,
- monoton cu întârzâiere mare,
- oscilatoriu cu întârzâiere mare.

În tabelul 8.4 sunt prezentate răspunsurile caracteristice pentru

sistemul în buclă închisă. Acestea pot fi clasificate în nouă clase, în funcţie
de comportarea tranzitorie (monotonă sau oscilatorie), de suprareglaj şi de
situarea curbei de răspuns în raport cu valoarea de referinţă impusă,
respectiv cu limitele de funcţionare acceptabilă şi de funcţionare sigură ale
sistemului. În aceste descrieri, termenii lingvistici specifici pentru
interpretarea fuzzy a răspunsului sunt: prea jos, suprareglaj, subplasat.

Tabelul 8.4. Răspunsuri tipice pentru sisteme în buclă închisă

Raspunsul Imaginea
yref
Monoton prea jos
(subplasat)
timp

yref
Oscilatoriu prea jos
(subplasat)
timp

- 124 -
Sisteme Fuzzy

Tab. 8.4 (continuare)

yref

Cu suprareglaj, subplasat
timp

yref
Fără suprareglaj,
subplasat
timp

yref
Fără suprareglaj şi fără
subplasare
timp

yref
Suprareglaj fără
subplasare
timp

yref

Suprareglaj oscilatoriu
timp

yref

Monoton cu suprareglare
timp

ySIG
yref
Peste limita de siguranţă

timp

- 125 -
 Sisteme Fuzzy

Cunoştinţele referitoare la modul de comportare a sistemului pot fi

sintetizate sub forma a două categorii de reguli de producţie:
a) Reguli de context, care realizează conexiunea între informaţiile
privind caracteristicile răspunsului tranzitoriu în buclă închisă cu
cele privind răspunsul sistemului în buclă deschisă.
b) Reguli de acordare (reglaj), care se utilizează pentru ajustarea
coeficienţilor de amplificare ai regulatorului PID.
Regulile de context reprezintă cunoştinţele necesare expertului
pentru stabilirea regulilor de acordare. Practic, un anumit context
declanşează anumite reguli de acordare specifice. De exemplu, contextul
este definit de următoarele aserţiuni:
- Răspunsul sistemului în buclă deschisă este monoton cu întârzâiere
medie.
- Răspunsul tranzitoriu al sistemului în buclă închisă la semnal treaptă este
cu suprareglaj subplasat.
Cunoştinţele de mai sus se pot reprezenta printr-o regulă de context:
Dacă răspunsul în buclă deschisă este monoton cu întârzâiere medie,
atunci răspunsul în buclă închisă este cu suprareglaj subplasat.
Relativ la acest context, o regulă de acordare a regulatorului este:
Dacă variabila de control continuă să crească după prima depăşire a valorii
de referinţă, atunci reduce amplificarea componentei integrale faţă de
 m 
valoarea existentă astfel K I   A1
  Ak   K I vechi 
 k 1 
Consecinţa regulii de acordare utilizează anumite caracteristici ale
răspunsului sistemului în buclă închisă, specificat în regula de context.
Pentru exemplul nostru caracteristica răspunsului este evaluată pe baza unui
criteriu integral, aşa cum se arată în figura 8.6.

A2
yref
A3
A1

timp
m
Figura 8.6. O măsură integrală pentru răspunsul în buclă închisă:  Ak .
k 1
- 126 -
Sisteme Fuzzy

Practic, sistemele adaptive realizează acordarea regulatorului în timp

real pe baza monitorizării continue a răspunsului în buclă închisă şi pe baza
cunoştinţelor reprezentate prin reguli de acordare. Se observă că regulile de
context nu fac parte efectiv din baza de reguli a controlerului fuzzy. În mod
normal, ele ajută doar expertul în reprezentarea mai completă a
cunoştinţelor despre procesul reglării. Practic, acestea pot fi considerate
metacunoştinţe şi pot fi sistematizate sub formă de metareguli în cadrul unui
aşa numit preprocesor de informaţie.

8.3. Dinamica sistemelor fuzzy

Dinamica este instrumentul de baza pentru studiul evolutiei

sistemelor in planul fazelor. Studiul dinamicii face posibilă analiza
stabilităţii sistemelor, care constituie de fapt problema esenţiala a
sistemelor. În cazul sistemelor descrise prin metode formale analitice ( de
exemplu modele diferenţiale), studiul dinamic reprezinta o abordare din
perspectiva teoriei calitative a ecuaţiilor diferenţiale. În situatia modelelor
bazate pe cunoştinţe, în speţă a sistemelor fuzzy, metodologia clasică din
analiza matematică devine imposibil de aplicat, deoarece entitatea de bază a
modelului este regula şi nu relaţia analitică. Din acest motiv este un hazard
să consideram astfel de sisteme ca fiind liniare sau să încercam liniarizarea
lor fara riscul de a ne îndeparta semnificativ de la realitate. Prin urmare,
sistemele bazate pe cunoştinte sunt esential neliniare, ceea ce concordă cu
natura sistemelor din lumea reală. Astfel, un sistem bazat pe cunoştinţe
poate fi considerat un element de transfer neliniar reprezentat printr-o
funcţie de forma u  F  x  . Ca o subcategorie a sistemelor bazate pe
cunoştinţe, sistemele fuzzy construiesc funcţia F (x) pornind de la o relaţie
~
fuzzy R , ce descrie interacţiunea dintre variabilele sistemului. Elaborarea
functiei F se face parcurgând algoritmul specific abordării fuzzy:
fuzificarea, sistemul de inferenţe logice pe bază de reguli (cu etapele
aferente), defuzificarea. Prima etapă – fuzificarea se realizează prin
introducerea funcţiei (sau funcţiilor) de apartenenţă. Această operaţie se face
având în vedere că relaţia fuzzy care se stabileşte între variabilele sistemului
se exprimă la rândul ei printr-o funcţie de apartenenţă, definită în general ca
 R : X 1  X 2  ...  X  0,1.
Să urmărim în continuare demersul prin care se poate stabili o
legătură între reprezentarea în spaţiul stărilor a evoluţiei unui sistem şi
regulile specifice modelului său bazat pe cunoştinţe.

- 127 -
Sisteme Fuzzy

Pentru abordarea din punct de vedere al dinamicii este relevant

studiul sistemelor fuzzy ca sisteme de control. Un model general pentru
aceasta categorie este structura clasica de control în buclă inchisa,
reprezentată în figura 8.7. În funcţie de conectarea controlerului fuzzy cu
sistemul (procesul) şi de semnificaţia mărimilor, configuraţia prezentată
poate să modeleze atât sisteme de control după eroare (x=) cât şi controlate
după stare (x= y).

u y
Proces

bloc
formare
eroare
 yref
Motor de y
Defuzificator Fuzificator x
inferenţe


F(x) Baza de reguli

Figura 8.7. Controlul fuzzy

O abordare reprezentativa, datorata lui Braae si Rutherford [20],

introduce conceptul de traiectorie lingvistica aplicată la sistemele de control
fuzzy în buclă închisă. Această metoda de analiza dinamica a sistemelor
fuzzy este esenţial geometrică şi se bazeaza pe partiţionarea spaţiului starilor
(spatiul de control). Metoda este simpla, intuitiva si eficienta in special in
cazul bidimensional pentru care utilizarea planul fazelor este comoda.
Fie un sistem de control fuzzy cu doua variabile de intrare x1 si x2 ,
care pot lua n1 respectiv n2 valori lingvistice si cu o variabila de iesire
(control) u. Sistemul poate fi astfel descris de un set de j  1,..., (n1  n2 )
reguli de forma:

Regula k: daca x1 este LX1(k ) si x2 este LX 2(k ) atunci u este LU (k )

- 128 -
Sisteme Fuzzy

Modelul ales corespunde unei calse de sisteme de control fuzzy cu

două intrări şi o ieşire. În figura 8.8 este reprezentat spaţiul celular pentru
următoarea particularizare: n1=3, n2=5, deci cu 15 celule corespunzătoare
bazei de reguli fuzzy, care descriu o strategie de control de tipul: dacă
ambele intrări au valori mici valoarea ieşirii este mică, respectiv dacă
ambele sunt mari ieşirea este de asemenea mare.

Figura 8.8. Spaţiul celular partiţionat pentru un sistem de control fuzzy cu

15 reguli.

- 129 -
 Sisteme Fuzzy

Considerăm că topologia bazei de reguli este dată de relaţia

R k   R T , k  1,...,15 . Prin urmare, spaţiul celular va fi numerotat pe
coloane, adică de sus în jos şi de la stânga la dreapta. În continuare se vor
prezenta câteva exemple relevante pentru analiza conceptul de traiectorie
lingvistică şi interpretarea comportării dinamice a sistemului fuzzy pe baza
acestuia. Pentru început vom analiza un sistem de control deschis în care am
ales câteva cazuri de variaţie ale mărimilor de intrare, pentru care s-a
urmărit succesiunea de reguli activate. Traiectoriile formale descrise de
succesiunea regulilor în spaţiul celular sunt reprezentate în figura 8.9.

Variabilele de intrare Succesiunea regulilor activate

Variabila 1=100; Variabila2=0 100 R11R12R13R14R15
Variabila1=50; Variabila2= 0 50 R6R7R8R9
Variabila1=25; Variabila2= 0 25 R1R2R3 şi R6R7R8

Figura 8.9. Traiectorii posibile în spaţiul celular

Evoluţia sistemului în buclă deschisă în spaţiul celular oferă în

general rezultate previzibile în concordanţă cu logica descrisă prin reguli şi
cu limitele de variaţie ale valorilor de intrare. Ceea ce poate fi interesant în
anumite situaţii numerice este faptul că în spaţiul celular pot apare traiectorii
multiple (neconectate între ele), aşa cum este al treilea caz numeric
prezentat mai sus.
Aspectul continuu al traiectoriilor (fără salturi de la o celulă la alta)
denotă însă o proprietate importantă a bazei de reguli fuzzy şi anume
continuitatea acesteia (vezi secţiunea 5.5.2).
Utilitatea traiectoriei lingvistice este relevantă totuşi pentru sistemele
fuzzy conectate în buclă închisă. În acest caz sistemele de control fuzzy pot

- 130 -
Sisteme Fuzzy

fi analizate din punct de vedere dinamic în contextul procesului controlat.

De exemplu, în figura 8.10 controlerul fuzzy este conectat în schema de
control a unui proces cu neliniaritate de tip saturaţie având rolul de a asista
oprirea procesului fără alunecare, adică cu eficienţă maximă şi în timp
minim. Sistemul prezentat poate să modeleze de pildă un regulator de tip
ABS, în care blocul proces descrie dinamica autovehiculului în procesul de
frânare. Rezultatele obţinute pentru două cazuri simulate sunt următoarele:
- pornind din starea cu variabila1=150 şi variabila2=0: R11R8R1;
- pornind din starea cu variabila1=80 şi variabila2=0: R11R6;
R8R3; R1.

Figura 8.10. Sistem de control fuzzy conectat în buclă închisă

Observaţii şi comentarii

În primul rând, ca şi în cazul sistemului deschis, se observă că pe

durata secvenţei de control nu toate regulile au fost active.
În al doilea rând, se remarcă faptul că tranziţiile obţinute nu sunt
continue în spaţiul celular, producându-se unele salturi, de pildă tranziţiile
- 131 -
Sisteme Fuzzy

R11R6 şi R8R3 sunt treceri continue în celule adiacente, în timp ce

tranziţia R11R8R1 reprezintă salturi între celule neînvecinate.
În al treilea rând, din punct de vedere lingvistic traiectoriile pot fi
continue sau discontinue independent de tipul tranziţiilor regulilor, în
funcţie de înţelesul termenului lingvistic atribuit fiecărei celule. Cu alte
cuvinte, tranziţiile topologice sunt independente de tranziţiile lingvistice.
Pentru cazurile de mai sus evidenţiem acest aspect în tabelul 8.5.

Tabelul 8.5
Tranziţii topologice în spaţiul
Tranziţii lingvistice
celular al regulilor
R11 salt R8 salt R1
mică trecere medie salt zero
R11 trecere R6 salt R1
mică trecere zero trecere zero
R8 trecere R3 salt R1 medie trecere medie salt zero

Discontinuităţile tranziţiilor, cât şi neconcordanţa dintre tranziţiile

topologice şi cele lingvistice reprezintă o măsură a neliniarităţii procesului
controlat sau descris de sistemul fuzzy. Adesea, acestea se pot datora şi unei
proiectări neinspirate a sistemului fuzzy (alegerea defectuoasă a funcţiilor
de apartenenţă, stabilirea greşită a regulilor, etc.).

8.4. Consideraţii privind sistemele de control multivariabile

Configurarea unui sistem fuzzy, destinat conducerii unui

proces, ţine seama de descompunerea convenţională a dinamicii
acestuia, corespunzătoare strategiilor de evoluţie adoptate în etapa
de modelare.
Din punct de vedere al comenzii, controlerul fuzzy va fi
structurat pe canale de comandă în funcţie de tipul sistemului
dinamic controlat: single-input/single-output (SISO), multiple-
input/multiple-output (MIMO). Problema independenţei canalelor de
comandă se analizează în contextul existenţei cuplajului
informaţional. Interdependenţa canalelor este impusă de metodologia
conducerii procesului de control, ţinându-se seama de ea la
descrierea bazei euristice a problemei şi în etapa de alcătuire a
bazelor de reguli. Acest lucru este important, mai ales la
implementarea software, deoarece modul de procesare a informaţiei

- 132 -
Sisteme Fuzzy

este tributar principiului secvenţial de operare şi a posibilităţilor

relativ limitate de paralelizare a calculelor.

- 133 -