Reglarea Fuzzy

In ultimii ani aplicatiile tehnice a inteligentei artificiale au fost folosite pentru a converti experienta umana in scopul de a fi inteleasa de catre computer. Controlul avansat bazat pe tehnicile inteligentei artificiale este numit control inteligent. Sistemele inteligente sunt de obicei descrise prin analogii cu sistemele biologice, de exemplu, sa privim cum oamenii executa diverse sarcini, cum recunosc mostre sau iau decizii. Exista neconcordante intre oameni si masini: oamenii rationeaza cu incertitudine, imprecis, in mod “fuzzy”, in timp ce masinile conduse de catre computere se bazeaza pe un rationament binar. Logica fuzzy este o modalitate de a face masinile mai inteligente permitandu-le sa rationeze intr-o maniera similara cu cea a oamenilor. Logica fuzzy, propusa de Lofty Zadeh in anul 1965, a aparut ca un instrument care trateaza problemele legate de luarea deciziilor incerte, imprecise sau calitative. Controlerele care combina tehnicile inteligente cu cele conventionale sunt de obicei utilizate la controlul inteligent al sistemelor dinamice complexe. Prin urmare, controlerele fuzzy integrate automatizeaza ceea ce in mod traditional era controlat de om.

1.INTRODUCERE

Abordarea controlului traditional necesita modelarea realitatii fizice. Trei metode pot fi folosite in descrierea unui sistem:

1.metoda experimentala: prin experimentarea si determinarea reactiilor procesului la diferite intrari se poate realiza un tabel de intrari si iesiri. Grafic, metoda este echivalenta cu trasarea unor puncte discrete ale curbei de intrare-iesire, folosind axele orizontale pentru intrare si cele verticale pentru iesire. Prin intelegerea unei asemenea reactii de intrare-iesire, se poate proiecta un controler. Exista cateva dezavantaje: echipamentul pentru acest proces poate sa nu fie disponibil pentru experimentare, procedura ar fi, de obicei, foarte costisitoare si pentru un numar mare al marimilor de intrare nu este practica masurarea iesirilor si interpolarea acestora. De asemenea, trebuie avut grija sa se determine marja permisa a marimilor de intrare si iesire, pentru a ne asigura ca valorile acestora nu ies din aria de masurare a instrumentelor disponibile.

1.2 Metoda matematica: in inginerie se lucreaza dupa un model matematic ideal al procesului controlat, de obicei, cu formule de diferite ecuatii diferentiale. Transformanta Laplace si transformanta z sunt de obicei folosite. Pentru a face metodele matematice destul de simple, sunt facute anumite presupuneri, una dintre ele fiind aceea ca procesul este liniar, astfel incat, iesirea este proportionala cu intrarea. Tehnicile liniare sunt valoroase pentru ca ele au ca rezultat o buna intuitie. Pe langa aceasta, nu exista o teorie generala de solutii analitice pentru un sistem dinamic neliniar. O alta presupunere este aceeea ca parametrii procesului nu se schimba in timp (sistemul este invariabil in timp) in ciuda deteriorarii componentelor sistemului si a schimbarilor de mediu inconjurator. Urmatoarele probleme apar in dezvoltarea unei descrieri realistice si pline de inteles a unui proces industrial: (1) o intelegere mediocra a fenomenului, (2) valori inexacte ale diferitilor parametri, (3) complexitatea metodei.

1.3. Metoda euristica: aceasta metoda consta in modelarea si intelegerea in concordanta cu experienta anterioara, regula degetului mare des folositele strategii. O regula euristica este o implicatie logica de forma: DACA <conditie> ATUNCI <consecinta>, sau in situatia tipica de control: DACA<conditie> ATUNCI<actiune>. Reguliile asociaya concluziile cu conditiile. Prin urmare, metoda euristica este in realitate similara cu metoda experimentala a construirii unui tabel de intrari si iesirile corespunzatoare unde in loc sa avem valori numerice fixe de intrare si variabile de iesire, se folosesc valori fuzzy: DACA tensiunea de intrare =Mare ATUNCI tensiune de iesire = Medie. Avantajele metodei euristice sunt: (1) nu este necesara presupunerea liniaritatii si (2) rgulile euristice pot fi integrate in strategiile de control ale operatorilor umani.

Strategiile de control fuzzy provin mai degraba din experiente si experimente decat din metode matematice si, prin urmare, relizarile lingvistice sunt mult mai rapid implementate. Srtategiile de control fuzzy implica un numar mare de intrari, mare parte dintre ele fiind relevante doar in anumite conditii. Astfel de intrari sunt activate numai cand conditii asemanatoare predomina. In acest fel, putine depasiri numerice aditionale sunt necesare pentru adaugarea de reguli suplimentare. Ca rezultat, regulile structurii de baza raman inteligibile, ducand la o documentare si codare eficiente a sistemului.

2. RATIONAMENTE LOGICE

O conexiune inte cauza si effect sau o conditie si o consecinta este facuta de rationament. Rationamentul poate fi exprimat printr-un rationament logic ori prin evaluarea iesirilor cu scopul de a trage o concluzie. De obicei folosim regulile rationamentului care au forma: DACA cauza1 =A si cauza 2 = B ATUNCI efectul = C, unde A, B si C sunt variabile lingvistice. De exemplu, DACA “temperatura camerei” este Medie ATUNCI “comuta viteza ventilatorului pe Rapid”, Medie este o functie care defineste gradele temperaturii din camera, in timp ce Rapid este o functie care defineste gradele vitezei ventilatorului. Inteligenta consta in asocierea acestor doi termeni prin intelegerea unui rationament exprimat in termenii euristici DACA ATUNCI. In scopul de a converti un termen lingvistic intr-unul numeric trebuie folosit un set de teorii fundamentale. La afirmatia DACA “temperatura camerei” este Medie, trebuie sa ne punem urmatoarea intrebare “este temperatura camerei Medie ”? O logica traditionala, numita si logica booleana, ar fi raspuns: DA si NU. Prin urmare, ideea unui parteneriat a unui element x intr-un set A este o functie μA(x) a carei valoare indica daca elementul apartine setului A. Logica booleana ar arata, de exemplu, μA(x) = 1, atunci elementul apartine setului A, sau μA(x) = 0, atunci elementul nu apartine setului A.

Matlab - Lectura 3