Curs 9. .

Arhitectura sistemelor de conducere inteligente (1)

Partea a II-a
9.1. Problematica sintezei sistemelor de conducere.
În anul IV, s-a prezentat problematica de bază în conducerea proceselor din punctul de
vedere al obiectivelor acesteia, specificându-se că în acest fel se pot soluţiona procesele liniare,
invariabile, al căror model (comportarea dinamică) este cunoscut.
Problematica sintezei sistemelor de conducere prin metoda convenţională, urmăreşte
un scop exprimat prin cerinţa ca mărimea de calitate să urmărescă o mărime de referinţă “zr”,
aprioric specificată, în contextul prezenţei perturbaţiei “p”. Acest deziderat se realizează prin
elaborarea unei decizii privind evoluţia adecvată a mărimii de comandă “ u”, elaborare rezultată
din prelucrarea informaţiei măsurate şi eventual, când aceasta este posibilă, a perturbaţiei “p”.
Se reaminteşte structura unui astfel de sistem, prezentată în fig....

w u y
D P
(z r)

(- r)
z

Fig. Structura generală a unui sistem de conducere

 Curs 9. . Arhitectura sistemelor de conducere inteligente (2)
Prin:
- D - elementul decizional. De regulă D are o structură erarhică, incluzând şi alte funcţii, cum
sunt : identificarea, optimizarea, etc.
- u- mărimile de comandă, care descriu modul cum se intervine în sistem, în scopul efectuării
de modificări în cadrul procesului sau al sistemului;
- z.- mărimile de calitate, cărora le corespunde o valoare nominală “zr”. Respectarea acestui
deziderat de calitate, caracterizează în final întreaga funcţionalitate a procesului;
- y- mărimile necesare a fi măsurate, pentru realizarea dezideratului de calitate, prin observaţie
directă asupra procesului. Ele depind de mărimile de stare “x”.
- x.- mărimile de stare, care descriu acumulările şi dezacumulările din sistem;
- p.- mărimile perturbatoare din sistem.

Pentru o conducere de calitate şi adaptivă, se utilizează bucla de reacţie, prin care

mărimea măsurată “y” este adusă la blocul decizional D şi comparată, corespunzător lui “z”, cu
mărimea de referinţă “zr”.
Curs 9. . Arhitectura sistemelor de conducere inteligente (3)
Matematic, cerinţa de conducere se exprimă prin relaţia:
z(t) = zr(t), pentru orice perturbaţie “p”; (1)
Admiţând principiul superpoziţiei, relaţia (1) se descompune în:
a. z(t) = 0, pentru orice p, când zr (t)=0 (2)
b. z(t) = z(t), pentru p(t) =0. (3)

Deci rezultă că, problema conducerii are 2 problematici:

Problematica 1 - exprimată prin relaţia (2),- prin rejecţia perturbaţiei ;
Problematica 2 - exprimată prin relaţia (3) - a urmăririi exacte.

I.- Problema conducerii de tipul de mai sus, este soluţionată pentru procese lineare şi
invariabile în timp, ale căror modele sunt cunoscute (comportarea dinamică poate fi exprimată
printr-un model matematic).
În practică, condiţiile desemnate mai sus se obţin cu anumite aproximaţii datorate:
- impreciziei de măsurare a datelor şi de conversie a lor din mărimi analogice în
mărimi numerice;
- impreciziei de identificare a procesului, etc.
Curs 9. . Arhitectura sistemelor de conducere inteligente (4)

 Modelele liniare ale sistemelor sunt modele idealizate, concepute numai pentru o analiză
şi proiectare simple. În practică, sisteme liniare nu există, datorită faptului că în general toate
sistemele fizice sunt neliniare.

 De asemenea în practică, majoritatea sistemelor fizice conţin parametrii care variază în

timp. De exemplu: rezistenţa drumului (străzii) variază în funcţie de condiţiile meteorologice (
temperatură, cer senin sau ploaie, etc).

 Procesele sunt descrise prin modele cu relaţii matematice între mărimile de intrare şi ieşire.
Soluţiile problemei de conducere, depind de precizia cu care sunt cunoscute caracteristicile
procesului., adică exactitatea moselului matematic

 În proiectarea sistemelor de conducere optimale, dacă se cunosc informaţii apriorice despre

proces şi acesta poate fi descris deterministic, regulatorul optimal este uzual proiectat prin
tehnici de optimizare deterministe.
Curs 9. . Arhitectura sistemelor de conducere inteligente (5)
Pentru determinarea calităţii reglării, sunt introduşi diverşi indicatori de calitate
cum sunt:
- timpul de prereglare (tpr);
- suprareglajul (supr);
- eroarea de reglare impusă de proiectant (er);
- timpul de reglare (tr);
- regimul staţionar (sta), considerând că valoarea dorită este 1 ( fig).

y sta
supr
er
1

În practica reglării cu
Regim tranzitoriu ( oscilaţii)


reţele neuronale şi logica
fuzzy, problemele se
rezolvă fără apariţia de
oscilaţii la ieşire

tpr
t
tr

Fig. Răspunsul la semnal treaptă

Curs 9. . Arhitectura sistemelor de conducere inteligente (6)

 Răspunsul unui sistem se consideră admisibil, dacă el se încadrează în indicatorii de

calitate impuşi. Valorile impuse ale acestora se aleg în funcţie de pretenţiile procesului
condus şi în funcţie de sensibilitatea acestui proces.
Dacă informaţia despre proces este necunoscută sau parţial cunoscută, o conducere optimală
nu poate fi realizată cu metodele clasice (ci numai cu sisteme inteligente).
Regulatoarele pentru aceste sisteme, pot fi concepute astfel încât, legea de reglare să se
modifice în timp, pe baza unor informaţii estimate despre proces. Aceste informaţii sunt
obţinute în mod gradat în timpul lucrului cu procesul.

Asemenea sisteme de conducere se numesc sisteme de conducere instruibile ( cu învă-

ţare). În cazul acestor sisteme de conducere, dacă se obţin informaţii estimate, regulatorul
poate să ajungă la un optim.

Problema învăţării poate fi văzută ca şi problema estimării unor aproximaţii

succesive a unor cantităţi necunoscute a funcţiilor care prezintă procesul condus. Cantităţile
necunoscute care se estimează sau se învaţă de către blocul de de decizie D, pot fi numai
parametrii sau forma şi parametrii care descriu o funcţie deterministă. Pe măsură ce blocul
decizional acumulează mai multe informaţii despre necunoscute sau despre parametrii, legea
de conducere va fi modificată cu informaţiile actualizate, în scopul îmbunătăţirii per-
formanţelor sistemului.
Curs 9. . Arhitectura sistemelor de conducere inteligente (7)

9.2.- Citeva aspecte privind conducerea proceselor.

A. Strategii de conducere.
Strategiile de conducere pot fi de următoarele tipuri:
 Strategii de reglare. - duc la sisteme de conducere care determină mărimea de comandă ca
o funcţie de eroarea ieşirii sau stării. Aceste sisteme sunt proiectate
să aducă eroarea la “zero”;
 Strategiile de maximizare- au ca scop maximizarea unui indicator de performanţă. In sis-
temul de conducere, maximizarea adesea se împleteşte cu reglarea;
 Strategiile cu constrângeri sau limitări- se caracterizează prin faptul că violarea unei
condiţii ar duce la un efect oarecare. Acesta reflectă limitele fizice
ale sistemelor, sau domeniul îngust al performanţelor care pot fi
obţinute.
B. Strategii compuse.
- Strategiile de conducere care exprimă doar un singur scop sunt numite strategii simple.
( aducerea erorii la zero).
- Strategiile care reflectă mai multe scopuri sunt numite strategii compuse (urmărirea
configuraţiei şoselei, menţinând confortul autovehiculului, etc).
Curs 9. . Arhitectura sistemelor de conducere inteligente (8)

C.- Comportarea în timp( static şi dinamic).

În cazul static, setul de strategii nu se schimbă în timp;
În cazul dinamic, setul de strategii de conducere se schimbă în timp,
adesea ca răspuns la starea procesului şi a condiţiilor de mediu unde are loc des-
făşurarea procesului.
Curs 9. . Arhitectura sistemelor de conducere inteligente (9)

D.- O caracterizare mai generală a strategiilor de conducere.

Pentru a înţelege avantajele aplicării logicii fuzzy şi a reţelelor neuronale, este
important să se ia în considerare scopul proiectării sistemelor de reglare, scop sugerat mai
sus, dar care se completează şi cu alte cerinţe:
În proiectarea sistemelor de conducere, se pot adopta diverse strategii de conducere, care sunt
distincte de metodele de sinteză utilizată. O definiţie a strategiei de conducere ar fi:
“ Strategia de conducere, este o enunţare a principiilor de sinteză a comenzii, în
vederea atingerii obiectivelor conducerii”.
Se consideră că strategia de conducere este caracterizată de 3 ( trei) atribute:
- tipul;
- compoziţia;
- comportarea în timp.
Tipul unei strategii de conducere poate fi:
- de reglarea sau urmărire;
Pe baza tipurilor, strategiile pot fi: - simple;
- de maximizare sau minimizare;
- compuse.
- de limitare sau constrângeri.
Curs 9. . Arhitectura sistemelor de conducere inteligente (10)
Partea a III-a
9.3.- Tehnica fuzzy în conducerea proceselor.
9.3.1.-Motivaţia pentru aplicarea logicii fuzzy in conducerea proceselor
Explozia din domeniul microelectronicii şi calculatoarelor din ultimii ani, a atras după
sine noi tehnici de conducere a proceselor, unele din ce în ce mai complexe, altele din ce în ce
mai simple. Din această ultimă categorie intră conducerea proceselor cu ajutorul logicii fuzzy, a
reţelelor neuronale si a algoritmilor genetici.
Sistemele fuzzy, emulând practic într-un mod simplist modul de gândire uman,
sunt capabile să manipuleze date inexacte (comparativ cu teoria clasică), şi să furnizeze în
condiţii de incertitudine, în aceeaşi manieră în care un operator uman, pe baza experienţei
anterioare poate intreprinde folosind noţiuni şi aprecieri vagi, acţiuni încununate de succces.

De exemplu, depăşirea unui vehicul în condiţiile în care din sens contrar se apropie un alt
vehicul. Conducătorul auto apreciază imprecis distanţa la care se află vehiculul care vine din
sens contrar şi viteza acestuia, si ia masuri de comandă:
- “este destul de departe şi se apropie destul de încet”, şi
- “cunoscând capabilităţile maşinii proprii”, apasă corespuntător pe pedala de
acceleraţie şi realizează depăşirea în condiţii de siguranţă.
În acest curs se prezintă elementele care duc la familiarizarea cu aspectele de bază ale teoriei şi
conducerii prin tehnica fuzzy. Dezvoltarea unui regulator fuzzy ( RG-F), a unei structuri de
conducere cu regulator fuzzy, necesită un volum de muncă relativ mare, chiar în condiţiile
asistate de calculator şi că de fiecare dată această muncă are în spate un bagaj de cunoştiinţe
din domeniul conducerii clasice a proceselor (în cazul de faţă, a proceselor de transport).
În schimb rezultatele pot deveni spectaculoase, mai ales acolo unde din diferite motive,
strategiile clasice de conducere (convenţionale) nu dau satisfacţii depline.

Tehnica fuzzy a permis înlocuirea ecuaţiilor matematice, ce caracterizau funcţional

sistemele, cu exprimarea lingvistică, în limbaj simplu natural a legilor operaţionale acestora. De
cele mai multe ori aceste descrieri lingvistice ale acţiunilor ce trebuiesc urmate, sunt exprimate
printr-un set de reguli de forma:

DACĂ..............................., ATUNCI..............................

Toate regulile vor fi evaluate în paralel, aşa că ordinea acestora este lipsită de importanţă.

Înainte de a construi un sistem de evaluare (interpretare) a regulilor, trebuie definiţi toţi

termenii folosiţi: variabilele utilizate şi adjectivele care le descriu.
Conceptul de bază, aşa cum s-a precizat mai sus, cu care se operează în logica fuzzy, este variabila
lingvistică, ale cărei valori de data aceasta nu sunt numere ca în cazul clasic, ci cuvinte denumite
termeni lingvistici (valori lingvistice).
Astfel logica fuzzy poate fi privită ca o metodologie care operează mai degrabă cu cuvinte decât
cu numere.
 Curs 9. . Arhitectura sistemelor de conducere inteligente (11)

Deşi cuvintele sunt inevitabil mai puţin precise decât numerele, utilizarea lor este mai mai
apropiată de modelul intuiţiei umane. Mai mult, operarea cu cuvinte explorează toleranţa
acesteia faţă de imprecizie şi prin aceasta costul soluţiei scade.
Exemplu.
Dacă se doreşte a se vorbi despre cât de fierbinte este apa din radiatorul sistemului de răcire in
motorul unui automabil, este necesar să se definească mai întîi intervalul în care se aşteaptă să
varieze temperatura acesteia şi apoi înţelesul pe care îl are cuvântul fierbinte în contextul dat.
In figura 1a, este prezentată o descriere generală, în timp ce în fig.1b este prezentat exemplul
sistemul de răcire a motorului.

intrare ieşire starea termostat

temperatura

REGULI DACĂ temperatura este scăzută ATUNCI termostatul este închis

DACĂ temperatura este medie ATUNCI termostatul este parţial deschis
DACĂ temperatura este ridicată ATUNCI termostatul este complet deschis
termenii variabilei termenii variabilei
de intrare de iesire Starea termostatului
temperatura
(interpretare) (interpretare) interpretată prin termenii:
interpretată prin termenii:
scăzută, medie, ridicată Inchis, deschis parţial, complet deschis

Fig.1a. Procesul de inferenţă vagă-prezentare Fig.1b Procesul de inferenţă vagă- cazul sistemului de răcire
generală
Ideea care stă la baza inferenţei fuzzy, este de a interpreta valoarea mărimii de intrare pentru variabila
lingvistică-temperatura, în termeni lingvistici ca temperatură scăzută, medie sau ridicată, iar pe
baza setului de reguli, se atribuie o valoare mărimii de ieşire – variabila lngvistică starea
termostatului, prin intermediul termenilor lingvistici: inchis, deschis parţial, deschis complet. Un
exemplu de regulă este:
DACĂ temperatura este ridicată, ATUNCI termostatul este deschis complet
Termenii “ridicată” şi “deschis complet” sunt de fapt mulţimi vagi ce caracterizează prin intermediul
funcţiilor de apartenenţă, un anumit interval de valori corespunzător mărimilor fizice pe care le
reprezintă.

Partea “DACĂ” a regulii, adică expresia “temperatura este ridicată” poartă denumirea de “premiză”, în
timp ce partea “ATUNCI”, adică “termostatul este deschis complet”, se numeşte concluzie.
Interpretarea, evaluarea unei reguli de tip “DACĂ........., ATUNCI..........” implică rezolvarea a doi paşi
distincţi:
• evaluarea premizei, ce implică fuzzificarea intrării, determinarea gradului de apartenenţă a
mărimii ferme de intrare la mulţimile vagi corespunzătoare termenilor lingvistici ai
variabilelor de intrare;
• aplicarea concluziei, operaţiune cunoscută sub numele de implicaţie.
In cazul logicii clasice binare, rezolvarea regulilor “DACĂ....., ATUNCI......”, nu prezintă nici o
dificultate şi se rezumă la rezolvarea următorului aspect: dacă premiza este adevărată, atunci şi
concluzia este adevărată.
 În cazul logicii fuzzy se poate vorbi de o relaxare a restricţiilor din cadrul logicii
binare şi anume, o premiză parţial adevărată induce o concluzie parţial adevărată.
În logica fuzzy pot fi activate mai multe reguli simultan pentru acceaşi valoare
fermă a mărimii de intrare. Lucrul acesta reiese şi din fig.1.3, în care este ilustrat
mecanismul de evaluare a două reguli activate simultan pentru o valoare fermă a
temperaturii. Rezultatul final, adică valoarea fermă a deschiderii termostatului, se obţine în
urma procesului de defuzzificare a concluziei vagi rezultate prin cumularea efectelor
tuturor regulilor activate la un moment dat.
Astfel etapele prelucrării informaţiilor într-un sistem fuuzy, sunt.
Intrări ferme ieşiri ferme
INFERENTA
FUZZIFICAREA DEFUZZIFICAREA
VAGĂ

- fuzzificarea- procesul prin care se face conversia mărimilor ferme de intrare în mărimi vagi;
- inferenţă vagă – procesul prin care pe baza rezultatelor obţinute în procesul de fuzzificare, se
evaluează setul de reguli, în vederea obţinerii concluziei vagi finale. Setul de reguli descrie prin
intermediul regulilor de tipul “DACĂ....., ATUNCI....” acţiunile ce urmează a fi efectuate pentru
diferite situaţii posibile de intrare.
- defuzzificarea- procesul prin care se extrage din concluzia vagă furnizată de blocul de
inferență, valoarea fermă a mărimii de ieşire.
Un exemplu sugestiv de prezentare a etapelor de tratare a informaţiilor intr-un
sistem fuzzy, este prezentat în contunuare:
Se presupune că o persoană citeşte un termometru de perete care indică 32o C:
- fuzzyifică această informaţie făcând următoarea afirmaţie, “ este prea cald aici”
- o a doua persoană auzind aceasta, acţionează ca un bloc de inferenţă vagă,
generând răspunsul vag “ în acest caz viteza aerotermei trebuie mărită”.
- defuzzificarea se produce când o a treia persoană preia acest ordin vag şi
învârte de potenţiometru de reglare a turaţiei ventilatorului aerotermei până în
dreptul indicaţiei care asigură o valoare fermă a vitezei ventilatorului cores-
punzătoare, la 80 % din valoarea maximă a acesteia.
Concluzie

Sistemele fuzzy, fiind capabile să opereze cu mulţimi mai puţin exacte (vagi) pot
adesea, (chiar prin utilizarea unor sensori şi traductoare (detectoare) mai puţin precise, deci la un preţ
de cost scăzut), îmbunătăţi performanţele sistemului de reglare automată prin reducerea şanselor
unei funcţionări defectoase datorită inexactităţii cu care se face achiziţia datelor referitoare la evoluţia
procesului.
De asemenea având în vedere faptul că un număr relativ restrâns de regului pot acoperi un
interval, spaţiu, relativ mare a mărimilor de intrare şi ieşire, se poate afirma că sistemele fuzzy relativ
simple, pot rezolva probleme destul de complicate.

Abordarea “clasică” a conducerii, este prin esenţă o abordare calitativă si cantitativă,

bazată pe o modelare matematică, mai mult sau mai puţin exactă. În această abordare clasică,,
exprimări de forma “viteză f. mare“, “timp verde corespunzător”, “concentraţie de trafic mică”,
temperatură potrivită”, “umiditate ridicată”,, exprimări legate de caracteristicile unui proces condus,
sunt din punct de vedere cantitativ greu interpretabile.

Acest lucru se datorează faptului că “ în automatica clasică”, mărimile/informaţiile sunt

prelucrate “cu o valoare numerică bine precizată”. În acest context, elaborarea strategiei de
conducere şi a unei structuri de conducere( cu regulator fuzzy), necesită o modelare cantitativă cât
mai exactă a procesului. Strategiile de conducere avansată ( adaptive, cu structură variabilă), necesită
chiar o permanentă reevaluare a modelelor sau şi a valorilor parametrilor care caracterizează aceste
modele
 Curs 9 . Arhitectura sistemelor de conducere inteligente (12)

. Conducerea fuzzy a proceselor, bazată pe teoria mulţimilor fuzzy, este din

acest punct de vedere mai pragmatică, putând prelua şi utiliza “ o caracterizare
lingvistică” a calităţii desfăşurării procesului şi adopta această caracterizare în
funcţie de cerinţele concrete de desfăşuarare ale acestuia.
Teoria mulţimilor fuzzy, ale cărei baze au fost puse din anul 1965 de Lotfi
.ZADEH, profesor la Universitatea din Berkeley- California, cunoaşte o deschidere
spre aplicare în practică odată cu explozia in domeniul tehnicii de calcul (1970).
Această teorie devine aplicabilă şi în domeniul conducerii / reglării automate, aceste
aplicaţii fiind atribuite lui E.H. Mamdami.

Extinderea aplicaţiilor de conducere fuzzy, în cele mai diverse domenii (de la

industria electrocasnică la conducerea vehiculelor de transport si dirijarea acestora), a
fost posibilă datorită în bună parte a dezvoltării spectaculoase a tehnologiei electronicii
şi evoluţiei sistemelor de calcul, care au permis:
a.- realizarea unor circuite de viteze foarte mare de prelucrare a informaţiei,
a căror construcţie şi utilizare poate fi subordonată unui anumit scop: al
prelucrării informatiei vagi.
Curs 9. . Arhitectura sistemelor de conducere inteligente (13)
b.- dezvoltarea unor programe de proiectare asistată de calculator, care permit
inginerului, precizarea şi utilizarea eficientă a unei cantităţi mari de informaţii,
referitoare la procesul condus şi dispozitivul de conducere;
•Aplicaţiile de conducere fuzzy se evidenţiază prin două aspecte importante şi anume:
• în anumite situaţii (cum este conducerea proceselor neliniare), conducerea fuzzy este o
alternativă viabilă a conducerii convenţionale;
• în raport cu conducerea clasică, conducerea fuzzy este puternic bazată şi axată pe
experienţa unui operator uman, experienţă pe care regulatorul fuzzy o poate “modela”mai
fidel decât un regulator convenţional.

9.3.2.- Particularităţile conducerii fuzzy.

 conducerea fuzzy se bazează pe regulatoare denumite regulatoare fuzzy ( RG-F), cu
caracteristică statică neliniară, modificabilă după nevoi;
 conducerea fuzzy poate fi asigurată după mai multe mărimi ale procesului, fiind
încadrabilă din acest punct de vedere, în categoria structurilor de conducere cu conexiuni
multiple. Prin aceasta, RG-F devine multivariabil la intrare (eventual şi la ieşire) şi se
apropie ca şi conţinut de regulatoarele după stare;
 principial RG-F, sunt regulatoare fără dinamică, dar domeniile de utilizare şi
performanţele RG-F, respectiv ale sistemelor de reglare automată (SRA) cu RG-F, pot fi
Curs 9. . Arhitectura sistemelor de conducere inteligente (14)

lărgite prin extinderea RG-F propriu-zisă, cu modele “cu dinamică “. Ca efect se obţin aşa
numitele RG-F cu dinamică, introdusă de elemente de tip D şi I.

În cazul conducerii fuzzy, abordarea bazată pe experienţa umană, se

manifestă, prin formularea cerinţelor de conducere, respectiv prin elaborarea comenzii
regulatorului, cu ajutorul unor reguli naturale ( set de reguli care formează Baza de reguli), de
forma:
DACĂ........................, ATUNCI........................... caracterizare lingvistică
( premiza), ( concluzia)

unde:
- premiza, se referă la situaţia constatată privind evoluţia procesului;
- concluzia, se referă la măsurile care trebuie luate sub forma comenzii u(t), pentru
asigurarea evoluţiei dorite.

Ansamblul acestor reguli, va constitui baza de reguli ale RG-F.

 Curs 79 . Arhitectura sistemelor de conducere inteligente(15)
Parametrii prin care se pot modifica proprietăţile RG-F sunt:
- nuanţarea caraterizării lingvistice a desfăşurării procesului;
- interpretarea procesului de generare a concluziei;
- analiza evoluţiei procesului.
Din acest punct de vedere, sistemele de conducere bazate pe logica fuzzy, pot fi încadrate în
domeniul foarte general al “sistemelor de conducere expert”, fără însă a le confunda cu acestea.

Schema bloc de principiu, aferentă unui SRAe prevăzut cu RG-F, este prezentată în fig....
p
yd e1 u y
Proces condus p
 RG-F
e 
y

a.- schema funcţională a SRA cu

RG-F
b.- schema informaţională a RG-F

Fig.... Schema bloc de principiu aferentă unui SRA cu RG-F

 Curs 9. . Arhitectura sistemelor de conducere inteligente (16)

Particularitatea esenţială este cea a conexiunilor multiple dinspre proces către regulator, prin

mărimi auxiliare, reunite în vectorul e şi care sunt direct sau indirect mărimi de intrare în
regulator. Indiferent de numărul mărimilor de intrare în RG-F, acesta trebuie să aibă cel puţin
una, notată în schemă cu e1 , care să corespundă erorii de reglare.

Semnificaţia mărimilor care intervin in structura de control este:

- yd, y .- mărimea prescrisă (dorită), respectiv mărimea de ieşire a procesului;
- e, p .- eroarea dintre mărimea prescrisă şi ieşirea procesului, respectiv perturbaţia;
- E, E şi E2.- eroarea, derivata I a erorii, respectiv derivata II a erorii
 Curs 9. . Arhitectura sistemelor de conducere inteligente (17)

Rolul blocurilor componente:

Blocul de formare a variabilelor de intrare- generează pe baza erorii, atât a derivatei I şi II a

acesteia.
Aceste variabile se normalizează (fuzificare), iar mărimile normalizate reprezintă mărimi de intrare
pentru blocul de inferenţă (convertire);
Blocul de fuzificare - converteşte datele de intrare în variabile lingvistice; adică determină gradul de
apartenenţă “µ” a mărimilor ferme de intrare la termenii lingvistici din premiză

Blocul de inferenţă- conţine:

baza de cunoştiinţe, care are în componenţă Baza de date şi Baza de reguli;
 Curs 9. . Arhitectura sistemelor de conducere inteligente (18)

-Face evaluarea conectorilor din premiză-determinarea gradului de activare a regulilor;

-Implicaţia- determinarea concluziilor parţiale:
-Agregarea concluziilor parţiale-determinarea concluziei finale
 Blocul de defuzificare,- are rolul de a transforma valorile fuzzy ale blocului de inferenţă în valori
bine determinate. Valorilor rezultate în urma defuzificării, li se aplică
operaţia inversă normalizării pentru a fi aduse într-un interval apropiat de
intervalul mărimilor de comandă ( adică se determină mărimea de ieşire-
comanda)
Principial funcţionarea unui RG-F are loc după schema informaţională şi
presupune următoarea succesiune de operaţii:
1.- Informaţia fermă de la intrare ( mărimi măsurate “ y”, mărimea prescrisă “yd”,
eroarea de reglare “e”, este convertită într-o “reprezentare lingvistică” (vagă).
Această operaţie este denumită fuzzificarea informaţiei ferme;
2.- Informaţia fuzzificată, este prelucrată pe baza unui set de reguli (Baza de
reguli), de forma DACĂ.........., ATUNCI..................., care în vederea conducerii
procesului în cauză, trebuie să fie bine precizate.
Principiile de evaluare a setului de reguli, poartă denumirea de “ Schemă de
inferenţă”, iar rezultatul îl constituie “ forma fuzzy a comenzii ”;
3.- Comanda fuzzy, trebuie convertită într-o “exprimare fermă”, cu valoare
numerică bine precizată şi ulterior şi natură fizică bine precizată, direct utilizabilă
la nivelul elementului de execuţie. Operaţia poartă numele de defuzificare.
Curs 9. . Arhitectura sistemelor de conducere inteligente (19)

Reglarea fuzzy se caracterizează prin:

• pentru calculul comenzii, sunt utilizate mai multe mărimi ( eroarea, derivata erorii,
derivata derivatei erorii);
• comportament neliniar al legii de reglare;
• performanţe “acceptabile” în cadul sistemelor de reglare cu o dinamică ce nu poate fi
modelată;
• necesitatea cunoaşterii doar calitative a comportamentului sistemului: prin “calitativ”
se înţelege faptul că sistemul se poate descrie cu ajutorul variabilelor lingvistice.

Prin modul de abordare, reglarea fuzzy are următoarele avantaje:

- performanţele sistemului de reglare nu depind de rezultatul modelării obiectului
reglat;
- posibilitatea uşoară de implementare a cunoştiinţelor operatorului uman;
- posibilitatea utilizării atât a structurilor hard în sistemele de reglare, cât şi posibi-
litatea utilizării sistemelor bazate pe logică programată.
Curs 9. . Arhitectura sistemelor de conducere inteligente (20)

Sistemele de reglare fuzzy au următoarele dezavantaje:

- lipsa unor direcţii precise în ceea ce priveşte conceperea sistemelor de reglare;
- dificultatea implementării cunoştiinţelor umane în anumite situaţii;
- posibilitatea apariţiei unor cicluri limită datorită neliniarităţii funcţionării sistemelor
de reglare;
- coerenţa inferenţei nu este garantată apriori.

7.3.3.- Elementele de baza pentru implementarea logicii fuzzy

Elementele de baza pentru logica fuzzy sunt:
1- variabilele lingvistice ( termeni lingvistici si valorile variabilelor
lingvistice);
2- definirea functiilor de apartenenţă;
3- deducţiile fuzzy;
4- operatii cu mulţimi fuzzy.
Curs 9. . Arhitectura sistemelor de conducere inteligente (21)
9.3.3.1 Variabile lingvistice. Valorile acestora. Funcţii de apartenenţă.

Descrierea unei situaţii, a unui fenomen sau a unui proces, conţine în general
expresii lingvistice, ca de exemplu: câteva, multe, suficiente; ptr. coada
de veh.
mică, destul de mică, mare, foarte mare; ptr. coada de veh.
mic, destul de mic, mare, foarte mare, etc; ptr. debite de veh.
cald, destul de cald, suficient de cald, etc ptr. temp.med.
variabila lingvistică “x”

Expresiile de acest fel, formează valorile variabilelor lingvistice ale logicii fuzzy.
Fiecărei variabile lingvistice “x”, i se atribuie o funcţie de apartenenţă (x), cu valori cuprinse
în intervalul (0, 1).
Pentru a înţelege mai bine conceptul de variabilă fuzzy (variabilă lingvistică) şi
noţiunea de valoare lingvistică, se consideră următoarele exemple.
Exemplul 1. Aplicatia referitoare la reglarea unghiului de vans “” la MAS ( 0-450)
Afm Am Amed AM AFM Afm –avans forte mic
- Am
unghiului de vans “- variabila lingvistică
–avans mic
0,8 Amed –avans mediu valori ale var.lingvistice
AM –avans mare
0,2 AFM –avans foarte mare

10 18 20 30 40 , avans la aprindere
 Curs 9. . Arhitectura sistemelor de conducere inteligente (19)

.Exemplul 2. Temperatura pe o retea rutiera (temperatura = variabilă lingvistică)

Se presupune că se face o analiză a valorilor temperaturilor mediului de pe o arteră
rutieră, în perioada anotimpurilor de toamnă şi vară. În figura de jos, se ilustrează situaţia
când: - vremea este deosebit de caldă  toamna;
- caldă vara.

XV
T(x), V(x),
unde:
temperatura - variabila lingvistică “X”;
XT, XV – domeniu de variatie al valorilor temperaturilor în
perioada celor 2 anotimpuri;
T1, - mulţimea valorilor temperaturilor pentru care se
apreciază că vremea este deosebit de caldă XV
în cadrul anotimpului, toamnă; XT

T2 - mulţimea valorilor temperaturilor pentru care se

apreciază că vremea este caldă în cadrul
anotimpului, vară. Fig.. Analiza valorilor temperaturilor pe o arteră
rutieră
T(x), V(x), - funcţiile de apartenenţă ale variabilei
lingvistice (temperatura), la mulţimile
T1, respectiv T2.
Curs 9. . Arhitectura sistemelor de conducere inteligente (20)

Pentru a caracteriza vremea (ca variabila lincvistică), în funcţie de valoarea elementului

generic x ( temperatura), se utilizează valori lingvistice.
De exemplu, pentru x=29o C, se pot face următoarele precizări:
- dacă ne aflăm în perioada verii, se poate spune că vremea este caldă, iar gradul de
apartenenţă a lui “ x” la T2 este 0,4;
- dacă ne aflăm în perioada toamnei, se poate spune că vremea este deosebit de caldă,
iar gradul de apartenenţă a lui “x” la T2 este 0,9.

Se poate spune că vremea ca variabilă lingvistică, pentru cazul prezentat, poate lua
următoarele valori lingvistice: rece, caldă, deosebit de caldă. Vremea în cazul de faţă, s-a
cartacterizat doar din punct de vedere al valorilor temperaturii.
Se constată că modul de apreciere depinde de domeniul de discutie, astfel că pentru
aceeaşi valoare a temperaturii, aprecierile se fac în funcţie de anotimpul în care se face analiza.
Acest exemplu, ilustrează faptul că în general omul judecă în funcţie de context, nu în funcţie de
precedentele create până în momentul analizei.
Curs 9. . Arhitectura sistemelor de conducere inteligente (21)

Valoarea lingvistică trebuie să aibă următoarele proprietăţi:

- să se exprime prin elemente ale limbajului natural;
- sa aibă un conţinut de informaţii care vizează o anumită plajă a valorilor
mărimii caracterizate;
- să se ţină cont de faptul că valoarea lingvistică este definită într-un anumit
context.

Exemplu 3: Pentru a localiza un obiect (obstacol) în funcţie de distanţă, (ca variabilă

lingvistică), se pot utiliza următoarele valori lingvistice: f aproape, aproape,
departe, foarte
departe.
Caracterizarea “undeva”, nu poate fi valoare lingvistică, deoarece nu conţine
informaţii cu privire la localizarea obiectului.
Curs 9. . Arhitectura sistemelor de conducere inteligente (22)

9.3.3.2- Funcţii de apartenenţă.

Prin intermediul funcţiilor de apartenenţă:
- se exprimă gradul de apartenenţă a variabilei lingvistice “x”, la valoarea lingvistică;
- se realizează o nuanţare a unei caracaterizări.
Este foarte important de ştiut în unele situaţii, dacă o caracterizare este corectă 100 % sau 60 %.
În funcţie de acest grad de apartenenţă şi răspunsul relativ la respectiva carcaterizare va fi nuanţat.

În general, funcţiile de apartenenţă corespunzătoare unei valori lingvistice, se pot

prezenta sub formă: grafică, analitică, respectiv numerică.
Reprezentarea grafică.
Cele mai răspândite funcţii de apartenenţă sunt funcţiile: triunghiulare, trapezoidale, respectiv de
tip saturaţie, reprezentate mai jos.

( grad de apartenenta)

Funcţia tip triunghiulară Funcţia tip trapezoidală Funcţia tip saturaţie

 Curs 9. . Arhitectura sistemelor de conducere inteligente (23)
Pentru a înţelege modul în care se utilizează funcţiile de apartenenţă se consideră următorul
exemplu.
Se consideră “modelarea” noţiunii (termenul lingvistic) de “temperatură plăcută”.
Pentru această noţiune care carcaterizează de regulă senzaţia de confort, se poate ataşa o f.d. ap.
de forma triunghiulară (fig.,.....)
-Se consideră ca “ideal”, că temperatura plăcută este la
T(x)
22,5o C, când gradul de apartenenţă a valorii ferme la
termenul lingvistic “ temperatură plăcută”, este egal cu 1;
pentru 20o C, gradul de apartenenţă este T(20)=0,5.
- Adiacent la termenul “ temperatură plăcută” sunt
prezentate punctat şi f-d.ap. pentru alţi 2 termeni lingvistici
posibili: “temperatură scăzută” şi “temperatură ridicată”
Fig..... F.d.ap. a termenului “temp. plăcută
Prin acest exemplu se indică modalitatea de definire grafică
a funcţiei.de.apartenenţă. cu mulţimea de bază X continuă.
Acceptând mulţimea de bază X ca având valori discrete “
din 0,5 în 0,5o C”, atunci noţiunea de “temperatură
plăcută”, va fi redată pe baza graficului din fig... sub formă
tabelară( neparametrică)

 0 0,1 0,2 0,3 0,4 0,5 1 0,95 0 

 T (x)   , , , , , ,    , , 
17 ,5 18 18 ,5 19 19 ,5 20 22 ,5 23 27 ,5 
Curs 9. . Arhitectura sistemelor de conducere inteligente (24)
Se poate constata faptul că prin această reprezentare se pot nuanţa mult mai bine anumite aspecte
legate de gradul de apartenenţă a elementului generic “x”, care este temperatura.

9.3.3.3-Deductiile fuzzy sau Inferenţa

In general, cele mai multe valori ale variabilelor lingvistice, convenabil alese
prin functiile de apartenenţă, sunt legate între ele prin reguli.
Inferenta poate fi cu singura regulă ( neaplicabila in tehnică) sau cu mai multe reguli.
Aceste reguli pot fi exprimate sub forma generală:
1. - DACĂ, condiţiile 1, ATUNCI, operaţia 1 SAU
2. - DACĂ, condiţiile 2, ATUNCI operaţia 2, SAU
................................................................................
n. - DACĂ, condiţiile n, ATUNCI, operaţia n.
9.3.4.- Operatori în logica fuzzy.

Operatorul “SI”.
Fie funcţiile de apartenenţă, 1, 2,,.... n, definite pe aceeşi mulţime X.
Operatorul “SI”, este definit prin relaţia
(x)  1 (x)   2 (x)  ....   n (x)  min( 1 (x),  2 (x).....  n (x))
• Operatorul “SAU” Este definit prin relaţia

(x)  1 (x)   2 (x)  ....   n (x)  max( 1 (x),  2 (x).....  n (x))

• Operatorul de complementare.
Dacă  este o funcţie de apartenenţă, definită pe mulţimea X, operatorul de complementare este
definit prin relaţia:

(x)  1  (x)
 Curs 9. . Arhitectura sistemelor de conducere inteligente (25)
• Operatorul produs (PROD)
În aceeaşi ipoteză ca în cazul operatorului “SI”, operatorul produs se defineşte prin relaţia:
(x)  1 (x)   2 (x)......   n (x)
• Operatorul sumă (SUM)
În aceeaşi ipoteză ca în cazul operatorului “PROD”, operatorul SUMse defineşte prin relaţia:
1 n
( x )    i ( x )
n i 1
Pentru a ilustra operatorii menţionaţi se consideră
cazul a 2 funcţii, 1(x) şi 2(x), iar rezultatul
operatorilor care se aplică celor 2 funcţii de
apartenenţă, se prezintă în fig.....

Fig... Rezultatul operatorilor

 Curs 9. . Arhitectura sistemelor de conducere inteligente (26)
7.3.5.- Reguli fuzzy.
În general expertul uman, este obişnuit să ia decizii în funcţie de anumite condiţii pe care le
întîlneşte în timpul unei activităţi.
Ca exemplu:
- DACĂ semaforul la o intersecţie este pe culoarea roşie, ATUNCI conducătorul auto opreşte maşina.
După o anumită experienţă în trafic,această regulă se poate transforma într-o regulă mai rafinată şi
anume:
- DACĂ se observă de la distanţă că semaforul este pe roşu, ATUNCI se reduce viteza automobilului
pentru a mări şansa suprinderii semaforului pe verde, în momentul în care se ajunge la intersecţie;
- iar DACĂ nici în acest moment nu s-a schimbat culoarea semaforulzui, ATUNCI conducătorul auto
opreşte maşina.
Având în vedere exemplele de mai sus, forma standard a unei reguli fuzzy este următoarea:

DACĂ ( parte condiţională), ATUNCI ( concluzie).

semafor pe cul. roşie masina se opreste

Prin intermediul regulilor fuzzy, se realizează o asociere între evenimentele care se

constituie premisa ( partea condiţională) şi evenimentele din concluzie
Curs 9. . Arhitectura sistemelor de conducere inteligente (27)

În cadrul structurilor de reglare se întâlnesc 2 categorii de reguli:

I.- În cazul primei categorii, apar 2 situaţii

1.- partea condiţională conţine variabile lingvistice care pun în evidenţă evoluţia erorii,
a derivatei erorii (regula Mandani);
2.- partea condiţională conţine variabile lingvistice care pun în evidenţă evoluţia varia-
bilelor de stare ( reguli Takagi-Sugeno).
Exemplu de regulă Mandani.
Regula. DACĂ eroarea “e” este negativ mare şi “e’ “este zero, ATUNCI abaterea u (incrementul
comenzii) este negativ mare.
Situaţia regulii enunţate mai sus, este ilustrată în fig....

- ieşirea sistemului fiind în punctul A (eroarea “e” fiind “negativ e=yp - y

mare”, iar derivata “e’ ”fiind zero, este evident că la comanda

existentă, incrementul trebuie să fie negativ mare, pentru a
readuce “y” către “yp”. Acest raţionament trebuie utilizat cu
discernământ, deoarece nu este valabil pentru toate categoriile eroarea “e”
de sisteme.

Fig. Regula Mandani

Curs 9. . Arhitectura sistemelor de conducere inteligente (28)

II.- Pentru a doua categorie de reguli, în cadrul părţii condiţionale se evaluează

obiectivul urmărit, astfel putându-se implementa reglarea fuzzy predictivă.
Pentru calculul comenzii la un regulator, pot interveni mai multe reguli fuzzy,
astfel:
DACĂ <expresie fuzzy 1>, ATUNCI <concluzia 1>.
.
.
DACĂ <expresie fuzzy n>, ATUNCI <concluzia n>.

Concluzia cu privire la valoarea efectivă a comenzii se stabileşte în funcţie de cele

“n” concluzii a celor “n” regulli.
Pentru evaluarea concluziei efective se utilizează metode de inferenţă, care au
rolul de a determina comanda care produce în final minimizarea unui criteriu.