Sunteți pe pagina 1din 5

Stoian Razvan Ionut

Automatica si Informatica Aplicata, Universitatea Hyperion


Anul IV

Microcontrolere Fuzzy

Profesor Student
Lect.univ.dr.Dan Stefan Gogoncea Stoian Razvan Ionut

2019
Stoian Razvan Ionut
Automatica si Informatica Aplicata, Universitatea Hyperion
Anul IV

Metoda Fuzzy

Lotfi Zadeh a considerat necesitatea introducerii algoritmilor fuzzy deoarece a


constatat: cu cat o problema este mai complexa, cu atat mai greu se poate rezolva algoritmic; si chiar
daca se ajunge la un rezultat matematic, acesta din punct de vedere al volumului de calcul nu este
convenabil. Intr-unul dintre primele lui articole, L. Zadeh a enuntat principiul incompatibilitatii dintre
precizie si complexitate, care se manifesta puternic la sistemele umanoide.
Acest principiu era deja cunoscut si de Albert Einstein: "Atata timp cat legile
matematicii se refera la realitate, ele nu sunt precise. Iar pana cand ele sunt precise, nu se mai refera la
realitate." (Geometria und Erfahrung).
In situatiile in care un sistem sau un proces este foarte complex, sau/si este afectat
de incertitudini profunde, metodele matematice clasice, exacte nu mai conduc la solutii
convenabile. Cu toate ca nu se cunosc metode exacte de a solutiona optimal astfel de
probleme complexe, operatorul uman deseori le rezolva cu succes folosind algoritmi euristici, imprecisi
si intuitivi. Chiar si sistemele si procesele foarte complexe pot fi rezolvate de operatorul uman utilizand
rationamentul aproximativ .
Daca se doreste a modela "algoritmul" utilizat de conducatorul auto, probabil ca cea
mai buna estimare ar fi descrierea cunostintelor, informatiilor inmagazinate in regulile utilizate.
Regulile de baza se formeaza pe durata de instruire. Colectia de reguli acumulata se largeste si se
specifica in mod continuu odata cu cresterea experientei.
Logica fuzzy este o metoda aproximativa prin care aceste cunostinte vagi,
inmaganizate intr-o baza de reguli, se pot modela formal. Transpunerea in practica a sistemelor fuzzy se
datoreaza avantajelor ce le prezinta in urmatoarele situatii specifice:
- permit modelarea sistemelor neliniare, complexe sau imprecis cunoscute,
- permit transpunerea experientei umane in constituirea regulilor de inferenta, utilizand variabile
lingvistice.
Cat de bine lucreaza sisteme fuzzy sau retelele neurale o demonstreaza larga raspandire
a acestora in ultimii ani in lumea intreaga. Se cunosc deja o serie de aplicatii consacrate ale logicii
fuzzy in diferite domenii ale stiintei: in controlul automat (reglari de temperatura, comanda vitezei
metroului, autofocalizarea camerelor video), in recunoasterea formelor (algoritmi de clasificare fuzzy),
in masurari (prelucrarea informatiilor furnizate de senzori), in medicina (controlul simulatoarelor
cardiace), in economie (metode de decizie fuzzy), in psihologie cognitiva (modelare fuzzy a sistemului
de vedere).
Stoian Razvan Ionut
Automatica si Informatica Aplicata, Universitatea Hyperion
Anul IV

Comanda Fuzzy
Comanda fuzzy este aplicatia cea mai utilizata de logica fuzzy. Ea consta in inlocuirea
algoritmelor de reglaj conventional cu reguli lingvistice de tipul -DACA masina din fata este aproape
SI eu merg cu viteza, ATUNCI trebuie sa franez rapid. Obtinem astfel un algoritm lingvistic care se
conduce singur mai bine decat cu metodele traditionale de control a procesului.

Fuzificarea si defuzificarea informatiei.


Sistemele fuzzy prelucreaza informatia dupa o filozofie proprie, care principial se
desfasoara conform fluxului urmator:

variabile de intrare ( fuzzificare) ( inferente) ( compunere) (defuzificare)


Fiecare veriga a lantului de prelucrare poatte fi realizata prin diferite tehnici si procedee
consacrate in literatura de specialitate.Unele metode dau rezultate mai bune decat altele, fapt confirmat
in aplicatii.
 Fuzificare
Aceasta operatie se efectueaza prin aplicarea functiilor de apartenenta corespunzatoare
pentru fiecare variabila de intrare in parte, in urma careia acesteia i se asociaza o multime (vector)
avand ca elemente gradele de apartenenta la multimile fuzzy, definite pe domeniul sau de existenta.
Stoian Razvan Ionut
Automatica si Informatica Aplicata, Universitatea Hyperion
Anul IV

 Inferenta si compunerea regulilor


La oricare moment de timp t algoritmul fuzzy activeaza regulile din cadrul BRF ( ca
un proces paralel).Iesirea fiecarei reguli este (tot) o valoare fuzzy , care rezulta pe baza operatiilor
fundamentale din logica fuzzy. Astfel, fiecare regula din cadrul BRF reprezinta o expresie logica
construita cu operatorul de conjunctie logica SI.Prin urmare , se aplica operatia de intersectie a
multimilor fuzzy, in urma careia la iesire se obtine un minim punctual al functiilor de apartenenta de pe
intregul domeniu de definitie al variabilelor de iesire.
 Defuzificare
Aceasta operatie consta in extragera unei valori scalare deterministe din informatia
fuzzy asociata variabilei de iesire, sub forma unei multimi fuzzy O.In general defuzificarea este
optionala, in functie de natura aplicatiei, esenta ei fiind de a furniza explicit valoarea cea mai potrivita
pentru variabila de iesire.
Exista doua metode de defuzificare diferentiate de principiul de lucru si de eficacitate.Metoda cea mai
utilizata si care ofera cele mai consistente rezultate [10] este metoda centrului de greutate(centroid).
Potrivit acesteia, marimea semnificativa a variabilei de iesire v k se calculeaza ca fiind
valoarea coordonatei centrului de greutate yCG al domeniului plan, desemnat de multimea fuzzy O pe
axa reala y, ce defineste domeniul de definitie a variabilei de iesire respective.

Conceptul logicii Fuzzy

Conceptul logicii Fuzzy face posibil realizarea la un pret ieftin unui microcontroler de
16 bit care area aceasi performanta de un controler realizat cu DSP (Digital Signal Processor).
Microcontrolerul fuzzy primeste informatii de la proces prin intermediul convertorului analogic-digital
si controleaza procesul cu ajutorul convertorului digital-analogic, algoritmul implementat nu utilizeaza
operatiunile floating-point, numai cele intregi. Cu toate acestea, pentru un anumit tip de controlere
fuzzy, eroarea facuta prin acest algoritm nu este mai mare decat eroare unui algoritm cu floating-point
bazat pe DSP.
Bazate pe logica fuzzy, sistemele fuzzy sunt considerate un caz particular al sistemelor
expert (motiv pentru care mai sunt denumite și sisteme expert fuzzy), sisteme care oferă o metodă
flexibilă pentru tratarea incertitudinii.
Japonia este țara cu cele mai multe sisteme fuzzy implementate, mai ales în domeniile urmăririi
producției și a vânzărilor. De asemenea, multe sisteme fuzzy au fost înglobate în unele dintre bunurile
Stoian Razvan Ionut
Automatica si Informatica Aplicata, Universitatea Hyperion
Anul IV

de larg consum: mașini de spălat rufe, cuptoare cu microunde, aparate foto, aparate de aer condiționat,
etc.