Documente Academic
Documente Profesional
Documente Cultură
INTRODUCERE
4
LUCRARE DE DISERTAȚIE
CAPITOLUL 1
Cea mai comună structură a SBC este cea descrisă în figura următoare.
5
LUCRARE DE DISERTAȚIE
Selectarea euristică. Dintre mai multe reguli care pot fi aplicate la un moment dat, se
alege cea care conduce baza de fapte cât mai aproape de starea dorită.
Selectarea pe baza încrederii. Unora dintre reguli li se acordă o încredere
sporită, iar la selectarea regulii care se aplică la un moment dat se ţine seama cu
prioritate de încrederea acordată regulilor.
Editorul bazei de cunoştinţe. Unele SBC sunt dotate cu un editor pentru
baza de cunoştinţe, care ajută utilizatorul, expertul sau inginerul de cunoştinţe să
actualizeze şi să verifice conţinutul bazei de cunoştinţe şi, în special, conţinutul
bazei de reguli. Existenţa editorului asigură totodată o dezvoltare comodă a
sistemului, după implementarea sa.
6
LUCRARE DE DISERTAȚIE
Fig. 1 . 3 – Funcţionarea motorului de inferenţă după strategia înlănţuirii înainte (cu linie îngroşată
sunt reprezentate faptele adevărate, iar cu linie simplă, cele false).
7
LUCRARE DE DISERTAȚIE
Desfăşurarea inferenţelor prin aplicarea înlănţuirii înainte sau înapoi este echivalentă
cu parcurgerea întrun sens sau altul al paragrafului de decizie din Fig.1.3 şi fig1.4 ,
putânduse aplica una din strategiile de căutare cunoscute . Pe de altă parte , se
menţionează că , în raport cu tipurile de strategii definite anterior ,strategiile bazate pe
date folosesc înlănţuirea înainte,iar strategiile bazate pe scopuri folosesc înlănţuirea
înapoi.
Funcţionarea SBC se poate desfăşura în trei moduri:(i)modul de achiziţie a
cunoştinţelor;(ii) modul de consultare şi (iii)modul de explicare
SBC se găseşte în modul de consultare atunci când se află în dialog cu utilizatorul
în vederea stabilirii unei soluţii pentru o problemă dată. Utilizatorul transmite SBC date
care descriu problema respectivă, iar sistemul răspunde folosind motorul de inferenţă
pentru modelarea / simularea raţionamentelor necesare deducerii răspunsurilor la
întrebările utilizatorului . Modul de consultare presupune utilizarea pe scară largă a
motorului de inferenţă, putânduse aplica oricare din cele două mecanisme de inferenţă–
înlănţuirea înainte sau înapoi.
Unul din atributele cele mai puternice ale SBC este capacitatea lor de a explica
inferenţele pe care le realizează . Această capacitate are la bază arborii AND/OR care
sunt construiţi pe măsura desfăşurării inferenţelor . Modul de explicare pune la
dispoziţia utilizatorului cunoştinţele SBC întrun mod explicit . Pe această cale , sistemul
explică cum a ajuns la o anumită concluzie , de ce a realizat o anumită acţiune sau
oferă răspunsuri la o întrebare de forma „ ce ar fi dacă ? ” . De exemplu , în Fig. 1.5 şi
8
LUCRARE DE DISERTAȚIE
Fig.1.6 se indică schemele de principiu după care sistemul răspunde la întrebările cum
şi de ce.
Elementul central,în jurul căruia gravitează toate celelalte componente ale unui
SBC , îl reprezintă cunoştinţele. În cadrul unui SBC , reprezentarea cunoştinţelor se
poate face pe mai multe căi , cum ar fi regulile de producţie , cadrele şi cazurile . Dintre
aceste forme de reprezentare, cea mai răspândită este cea a regulilor de producţie.
Cadrele (în engleză, frames) reprezintă obiecte complexe care sunt descrise de
anumite proprietăţi sau atribute şi anumite proceduri sau metode. Structural, cadrele
sunt foarte asemănătoare cu obiectele folosite în cadrul programării la nivel obiect.
Astfel, una din proprietăţile cele mai importante ale cadrelor este mecanismul de
moştenire, care permite descrierea generică a unui obiect şi crearea de instanţe ale
acestuia care moştenesc toate atributele obiectului generic, la care se adaugă şi
atribute noi.
Reprezentarea cunoştinţelor sub formă de cazuri are la bază premisa că, pentru
a învăţa şi a rezolva probleme complexe, oamenii folosesc raţionamentul analogic sau
9
LUCRARE DE DISERTAȚIE
Reguli de producție
Reprezentarea cunoştinţelor asigură formalizarea şi organizarea acestora. Cea
mai des utilizată schemă de reprezentare a cunoştinţelor este regula de producţie,
denumită uneori regula IF – THEN. Regulile de producţie descriu cunoştinţele faptice şi
cele euristice pe care le folosesc în mod curent experţii umani. Ansamblul acestor reguli
formează baza de reguli a SBC, denumită uneori şi bază de cunoştinţe.
O regulă de producţie constă dintro condiţie sau premisă, urmată de o acţiune
sau concluzie şi are forma
IF<condiţie>THEN<acţiune>
10
LUCRARE DE DISERTAȚIE
În general, partea de acţiune a unei reguli poate conţine: (i) acţiuni cu efect
descriptiv, de exemplu afişarea unui mesaj pe ecranul monitorului; (ii) verificarea unei
alte reguli, în cazul sistemelor de reguli înlănţuite şi (iii) adăugarea unui nou fapt în baza
de fapte a SBC.
Baza de cunoștințe
m A x : U x [0,1]
(1.1)
unde A este mulţimea fuzzy căreia i se asociază funcţia de apartenenţă mA(x). Universul
de discuţie UX poate fi o mulţime continuă infinită sau o mulţime discretă de valori.
O mulţime fuzzy A este mulţimea de perechi de forma:
12
LUCRARE DE DISERTAȚIE
(S. Rusu-Anghel, Aplicaţii fuzzy în transportul electric feroviar, Editura Mirton, Timişoara, 2010)
xc
m x min 1, ht 1 2
ba , cu ht > 1. (1.4)
Funcţiile de apartenenţă trapezoidale se pot defini şi prin adoptarea unui anumit
raport al bazelor trapezului, h A / B 1 rezultând:
1 xc
m x min 1, 1 2
,
1 ba cu 1. (1.5)
Un caz particular de funcţie de apartenenţă este “singleton-ul” asimilat cu o formă
ce derivă din impuls Dirac, cu lăţimea prestabilită, având reprezentarea generală în
figura 1.10b.
13
LUCRARE DE DISERTAȚIE
Pentru o variabilă fuzzy care ia 7 valori fuzzy, atât negative cât şi pozitive se pot
introduce 7 mulţimi fuzzy: negativ mult NB, negativ mediu NM, negativ puţin NS,
aproximativ zero ZE, pozitiv puţin PS, pozitiv mediu PM şi pozitiv mult PB, care pot
avea diverse forme, ca în exemplul din fig. 1.12.
Fig. 1.12 Definirea a 7 valori fuzzy: NB, NM, NS, ZE, PS, PM, PB
(Voloşencu, C., Sisteme fuzzy şi neuronale, Editura Politehnica, Timişoara, 2007)
Blocul de inferență
În blocul de inferenţă, valorile variabilelor fuzzy sunt legate prin mai multe reguli
care trebuie să ţină cont de comportamentul static şi dinamic al sistemului de reglare ca
şi de scopurile reglării avute în vedere. În particular, bucla de reglare trebuie să fie
stabilă şi bine amortizată.
Rezultatul inferenţei este o mulţime fuzzy asociată ieşirii sistemului cu logică
fuzzy la momentul t.
14
LUCRARE DE DISERTAȚIE
Există mai multe posibilități de descriere a inferenței dar cea mai simplă și
explicită este descrierea simbolică de forma:
Dacă (x1=NG şi x2=ZE), atunci u=PG, sau
dacă (x1=NG şi x2=PM), atunci u=PM, sau
...
Metoda de inferenţă precizează cum sunt utilizaţi diferiţi operatori într-o
inferenţă, permiţând prelucrarea numerică cu calculatorul. Există mai multe metode de
inferență (max-prod, sumă-prod) dar cea mai utilizată este metoda max-min.
Fig. 1.13 Metoda de inferenţă max-min pentru două variabile de intrare şi două reguli
(Voloşencu, C., Sisteme fuzzy şi neuronale, Editura Politehnica, Timişoara, 2007)
15
LUCRARE DE DISERTAȚIE
Blocul de defuzzyficare
Deoarece elementul de execuţie trebuie comandat cu o valoare reală fermă a
semnalului de comandă, trebuie să se transforme mulţimea fuzzy a ieşirii într-o valoare
determinată. Aceasta se face în blocul de defuzzyficare.
În practică s-au dezvoltat mai multe metode de defuzzyficare, cum ar fi:
- metoda centrului de greutate (CG);
- metoda centrului sumelor (CS);
- metoda de defuzificare de înălţime (DI);
- metoda centrului suprafeţei celei mai mari (CSCM);
- metoda primului din maxime (PM);
- metoda maximului din mijloc (MM);
- metoda ultimului din maxime (PM).
Dintre acestea, metoda centrului de greutate este metoda de defuzificare cea
mai utilizată în practică, cunoscând numeroase variante de aplicare. Esenţa metodei
constă în determinarea valorii exacte pentru mărimea de ieşire (comanda u *) cu luarea
în considerare, într-o manieră ponderată, a tuturor influenţelor obţinute din regulile
activate de starea particulară a intrărilor de la un moment dat.
În cazul continuu această metodă se exprimă prin relaţia:
u. m (u)du u.max [ m
k
Bu Bu (u)]du
*
u =
Uu
= Uu k
m (u)du max [ m
k
Bu Bu (u)]du
Uu k
Uu (1.8)
în care s-a utilizat simbolul corespunzător integrării din analiza matematică. Deci,
această metodă determină centrul suprafeţei aflată sub funcţia de apartenenţă
combinată. Figura 1.14 prezintă această operaţie într-un mod grafic. Operaţia de
defuzificare ia în considerare suprafaţa lui Bu ca un întreg.
16
LUCRARE DE DISERTAȚIE
u m i Bu ( ui ) u .max m ( u )
i
k
Bu i
*
u =
i=1
l
= i=1
l
k
mBu ( ui ) max m ( u ) k
Bu i
i=1 i=1 k , (1.10)
17
LUCRARE DE DISERTAȚIE
Cele cinci instrumente grafice sunt legate dinamic între ele, adică, o modificare a
sistemului cu logică fuzzy făcută într-una din ferestrele de editare va putea afecta ceea
ce se vede în celelalte ferestre.
18
LUCRARE DE DISERTAȚIE
19
LUCRARE DE DISERTAȚIE
Fereastra permite:
redenumirea funcțiilor de apartenență;
modificarea tipului funcției prin alegerea din galeria existentă:
20
LUCRARE DE DISERTAȚIE
21
LUCRARE DE DISERTAȚIE
CAPITOLUL 2
- Forţa de frecare: b = 50 N;
Folosind legea lui Newton, ecuaţiile de modelare pentru acest sistem devin:
m v bv u
yv (2.1)
22
LUCRARE DE DISERTAȚIE
Aplicând transformata Laplace celor două ecuaţii şi înlocuind V(s) cu Y(s), se obţine:
1
Y(s)
U(s)
ms b (2.3)
>> m = 1050;
b = 50;
u = 550;
A = [-b/m];
B = [1/m];
C = [1];
D = 0;
num=[1];
den=[m b];
>> step(u*num,den)
Step Response
12
10
8
Amplitude
0
0 20 40 60 80 100 120 140
Time (sec)
Fig. 2.2
23
LUCRARE DE DISERTAȚIE
Din figura 2.2 se observă că automobilului îi trebuie mai mult de 100 de secunde
pentru a ajunge la viteza staţionară de 11 m/s, deci nu este îndeplinit unul din criteriile
de proiectare: timp de creştere mai mic de 5 secunde.
2.3. Proiectarea unui sistem bazat pe cunostinte cu logică fuzzy pentru controlul
vitezei
SBC-ul fuzzy va trebui sa aibă două intrari: eroarea de viteză şi derivata acesteia
şi o ieşire, adică puterea motorului.
Fig. 2.3
24
LUCRARE DE DISERTAȚIE
Fig.2.4
Fig.2.5
Fig.2.6
Seturile fuzzy definite mai sus pentru cele două intrări şi pentru ieşire, se
asociază acum pentru a forma regulile fuzzy. La orice sistem care are două intrări şi o
25
LUCRARE DE DISERTAȚIE
ieşire, aceste asocieri pot fi vizualizate într-un tabel, numit tabel de inferenţă sau bază
de reguli fuzzy.
a = derivata erorii
Cele nouă reguli IF-THEN ce rezultă pentru reglarea automată a vitezei unui
automobil sunt:
Fig. 2.7
26
LUCRARE DE DISERTAȚIE
Fig.2.8
27
LUCRARE DE DISERTAȚIE
Fig.2.9
Fig.2.10
Fig.2.11
28
LUCRARE DE DISERTAȚIE
29
LUCRARE DE DISERTAȚIE
BIBLIOGRAFIE
[1]
[2]
[3]
[5] Dragomir, T.L. – Elemente de teoria sistemelor, Editura Politehnica, Timişoara, 2004
[6] Stela Rusu-Anghel, Teoria sistemelor și reglaj automat, Univ. Politehnica Timișoara, FIH, curs
on-line, http://www.fih.upt.ro/personal/stela.anghel/
[7] Stela Rusu-Anghel, Sisteme de conducere fuzzy, Univ. Politehnica Timișoara, FIH, curs on-line,
http://www.fih.upt.ro/personal/stela.anghel/
[9] S. Rusu-Anghel, Aplicaţii fuzzy în transportul electric feroviar, Editura Mirton, Timişoara, 2010
30
LUCRARE DE DISERTAȚIE
31