Documente Academic
Documente Profesional
Documente Cultură
w u y
D P
(z r)
(- r)
z
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.
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
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
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.
DACĂ..............................., ATUNCI..............................
Toate regulile vor fi evaluate în paralel, aşa că ordinea acestora este lipsită de importanţă.
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.
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.
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.
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.
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
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.
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)
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
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)
( grad de apartenenta)
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)
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.....