Нечеткие логические системы (FLS) выдают приемлемый, но определенный вывод в ответ на неполный, неоднозначный, искаженный или неточный (нечеткий) ввод.
Что такое нечеткая логика?
Нечеткая логика (FL) — это метод рассуждения, напоминающий рассуждения человека. Подход FL имитирует способ принятия решений у людей, который включает в себя все промежуточные возможности между цифровыми значениями YES и NO.
Обычный логический блок, который может понять компьютер, принимает точный ввод и выдает определенный вывод как ИСТИНА или ЛОЖЬ, что эквивалентно ДА или НЕТ человека.
Изобретатель нечеткой логики Лотфи Заде заметил, что в отличие от компьютеров, принятие решений человеком включает в себя ряд возможностей между ДА и НЕТ, таких как —
| ВНИМАТЕЛЬНО ДА |
| ВОЗМОЖНО ДА |
| НЕ МОГУ СКАЗАТЬ |
| ВОЗМОЖНО НЕТ |
| УЖЕ НЕТ |
Нечеткая логика работает на уровнях возможностей ввода для достижения определенного результата.
Реализация
-
Он может быть реализован в системах с различными размерами и возможностями — от небольших микроконтроллеров до больших сетевых систем управления на рабочих станциях.
-
Это может быть реализовано в аппаратном, программном или в комбинации того и другого.
Он может быть реализован в системах с различными размерами и возможностями — от небольших микроконтроллеров до больших сетевых систем управления на рабочих станциях.
Это может быть реализовано в аппаратном, программном или в комбинации того и другого.
Почему нечеткая логика?
Нечеткая логика полезна в коммерческих и практических целях.
- Он может контролировать машины и потребительские товары.
- Это может не дать точных рассуждений, но приемлемых рассуждений.
- Нечеткая логика помогает справиться с неопределенностью в технике.
Архитектура нечетких логических систем
У этого есть четыре главных части как показано —
-
Модуль фаззификации — преобразует входные данные системы, которые являются четкими числами, в нечеткие множества. Он разбивает входной сигнал на пять шагов, таких как —
Модуль фаззификации — преобразует входные данные системы, которые являются четкими числами, в нечеткие множества. Он разбивает входной сигнал на пять шагов, таких как —
| LP | х большой положительный |
| член парламента | х средний положительный |
| S | х маленький |
| Миннесота | х средний отрицательный |
| Л.Н. | х большой отрицательный |
-
База знаний — хранит правила IF-THEN, предоставленные экспертами.
-
Механизм логического вывода — он моделирует процесс мышления человека, делая нечеткий вывод на входах и правилах IF-THEN.
-
Модуль дефаззификации — преобразует нечеткий набор, полученный механизмом логического вывода, в четкое значение.
База знаний — хранит правила IF-THEN, предоставленные экспертами.
Механизм логического вывода — он моделирует процесс мышления человека, делая нечеткий вывод на входах и правилах IF-THEN.
Модуль дефаззификации — преобразует нечеткий набор, полученный механизмом логического вывода, в четкое значение.
Функции принадлежности работают на нечетких множествах переменных.
Функция членства
Функции членства позволяют количественно определять лингвистический термин и графически представлять нечеткое множество. Функция принадлежности нечеткого множества A во вселенной дискурса X определяется как µ A : X → [0,1].
Здесь каждый элемент X отображается в значение между 0 и 1. Это называется значением или степенью членства . Он количественно определяет степень принадлежности элемента в X нечеткому множеству A.
- Ось х представляет вселенную дискурса.
- Ось Y представляет степени членства в интервале [0, 1].
Может быть несколько функций принадлежности, применимых для нечеткого числового значения. Простые функции членства используются, поскольку использование сложных функций не добавляет большей точности в вывод.
Все функции членства для LP, MP, S, MN и LN показаны ниже:
Треугольные формы функции принадлежности наиболее распространены среди различных других форм функции принадлежности, таких как трапециевидная, одиночная и гауссовская.
Здесь вход для 5-уровневого фаззайзера варьируется от -10 вольт до +10 вольт. Следовательно, соответствующий вывод также изменяется.
Пример системы нечеткой логики
Рассмотрим систему кондиционирования с 5-уровневой системой нечеткой логики. Эта система регулирует температуру кондиционера путем сравнения температуры в помещении и целевого значения температуры.
Алгоритм
- Определите лингвистические переменные и термины (начало)
- Построить функции членства для них. (Начните)
- Построить базу знаний правил (начало)
- Преобразуйте четкие данные в нечеткие наборы данных, используя функции членства. (Фаззификация)
- Оцените правила в базе правил. (Механизм логического вывода)
- Объедините результаты каждого правила. (Механизм логического вывода)
- Преобразование выходных данных в нечеткие значения. (Дефаззификация)
развитие
Шаг 1 — Определите лингвистические переменные и термины
Лингвистические переменные — это входные и выходные переменные в форме простых слов или предложений. Для комнатной температуры лингвистические термины — холодный, теплый, горячий и т. Д.
Температура (t) = {очень холодно, холодно, тепло, очень тепло, тепло}
Каждый член этого набора является лингвистическим термином и может охватывать некоторую часть общих значений температуры.
Шаг 2 — Построить функции членства для них
Функции принадлежности температурной переменной таковы:
Шаг 3 — Построить правила базы знаний
Создайте матрицу значений комнатной температуры в зависимости от целевых значений температуры, которые система кондиционирования воздуха должна предоставить.
| Комнатная температура. / Target | Очень холодно | Холодно | Теплый | Горячей | Очень горячо |
|---|---|---|---|---|---|
| Очень холодно | Без изменений | Высокая температура | Высокая температура | Высокая температура | Высокая температура |
| Холодно | здорово | Без изменений | Высокая температура | Высокая температура | Высокая температура |
| Теплый | здорово | здорово | Без изменений | Высокая температура | Высокая температура |
| Горячей | здорово | здорово | здорово | Без изменений | Высокая температура |
| Очень горячо | здорово | здорово | здорово | здорово | Без изменений |
Внедрить набор правил в базу знаний в виде структур IF-THEN-ELSE.
| Старший | Состояние | действие |
|---|---|---|
| 1 | ЕСЛИ температура = (холодная ИЛИ очень холодная) И цель = теплый, ТО | Высокая температура |
| 2 | ЕСЛИ температура = (Горячая ИЛИ Very_Hot) И цель = Теплая ТО | здорово |
| 3 | ЕСЛИ (температура = тепло) И (цель = тепло), ТО | Без изменений |
Шаг 4 — Получить нечеткое значение
Операции нечеткого множества выполняют оценку правил. Операции, используемые для OR и AND, — это Max и Min соответственно. Объедините все результаты оценки, чтобы сформировать окончательный результат. Этот результат является нечетким значением.
Шаг 5 — Выполните дефаззификацию
Дефаззификация затем выполняется в соответствии с функцией принадлежности выходной переменной.
Области применения нечеткой логики
Основные области применения нечеткой логики:
Автомобильные Системы
- Автоматические коробки передач
- Четырехколесное рулевое управление
- Контроль окружающей среды автомобиля
Бытовая электроника
- Hi-Fi системы
- Копиры
- Фото и видеокамеры
- телевидение
Товары для дома
- Микроволновые печи
- Холодильники
- Тостеры
- Пылесосы
- Стиральные машины
Контроль окружающей среды
Математические понятия в нечетких рассуждениях очень просты.
Вы можете изменить FLS, просто добавляя или удаляя правила из-за гибкости нечеткой логики.
Системы нечеткой логики могут принимать неточную, искаженную, зашумленную входную информацию.
FLS легко построить и понять.
Нечеткая логика — это решение сложных проблем во всех сферах жизни, в том числе в медицине, так как оно напоминает человеческое мышление и принятие решений.