You are on page 1of 22

Introdução a Lógica Fuzzy

Luı́s Carlos Dill Junges

Universidade Federal de Santa Catarina


Centro tecnológico
Departamento de Automação de Sistemas
Sistemas Industriais Inteligentes

13 de novembro de 2006
Sumário

1 História/uso
2 Lógica Fuzzy
3 Por que usar lógica Fuzzy
4 Raciocı́nio Fuzzy
Fuzzificação
Inferência
Agregação
Composição
Defuzzificação
5 Implementar lógica Fuzzy
Descrição do problema
Funções de pertinência
Matriz de regras
Inferência
Encontrar o centróide
História/uso

1965 Prof. Lotfi Zadeh, U.C Berkeley. Apresenta os


conceitos fundamentais da lógica Fuzzy.
1970 Primeira aplicação da lógica Fuzzy na engenharia de
controle.
1975 Introdução da logica Fuzzy no Japão.
1985 Ampla utilização no Japão.
1990 Ampla utilização na Europa.
1995 Ampla utilização no EUA.
1996 1100 aplicações com Lógica Fuzzy publicadas.
Aplicações embarcadas - 28%
Automação industrial - 62%
Controle de processos - 10%
2000 Aplicada a finanças, controle multi-variável.
Lógica Fuzzy

Descrição
Lógica Fuzzy é baseada na teoria do Conjuntos Fuzzy.
Tradicionalmente, uma proposição lógica tem dois extremos: ou é
’completamente verdadeiro’ ou é ’completamente falso’.
Entretanto, na lógica Fuzzy, uma premissa varia em grau de
verdade de 0 a 1, o que leva a ser parcialmente verdadeira ou
parcialmente falsa.

Funcionamento lógica Fuzzy


O controle executado pela lógica Fuzzy imita um comportamento
baseado em regras ao invés de um controle explicitamente restrito
a modelos matemáticos como equações diferenciais. O objetivo da
lógica Fuzzy é gerar uma saı́da lógica a partir de um conjunto de
entradas não precisas, com ruı́dos ou até mesmo faltantes.
Lógica Fuzzy

Descrição
Lógica Fuzzy é baseada na teoria do Conjuntos Fuzzy.
Tradicionalmente, uma proposição lógica tem dois extremos: ou é
’completamente verdadeiro’ ou é ’completamente falso’.
Entretanto, na lógica Fuzzy, uma premissa varia em grau de
verdade de 0 a 1, o que leva a ser parcialmente verdadeira ou
parcialmente falsa.

Funcionamento lógica Fuzzy


O controle executado pela lógica Fuzzy imita um comportamento
baseado em regras ao invés de um controle explicitamente restrito
a modelos matemáticos como equações diferenciais. O objetivo da
lógica Fuzzy é gerar uma saı́da lógica a partir de um conjunto de
entradas não precisas, com ruı́dos ou até mesmo faltantes.
Lógica Fuzzy na prática

Funcionamento lógica Fuzzy


Lógica Fuzzy tem por essência gerar valores de saı́das sem a
necessidade de entradas precisas.
Por que usar Lógica Fuzzy?

Controle por lógica Fuzzy


A lógica Fuzzy apresenta as seguintes caracterı́sticas em relação a
outras técnicas de controle:
1 Robusta porque não requer entradas precisas.
2 Modificada facilmente pois é baseada em regras.
3 Controle de sistemas não-lineares sem modelo matemático.
4 Solução mais rápida e barata em alguns casos.
5 Implementável facilmente em microprocessadores.
Raciocı́nio Fuzzy

O raciocı́nio com lógica Fuzzy consiste em implementar as etapas


abaixo:
Fuzzificação

Fuzzificação
Nesta etapa definem-se as variáveis linguı́sticas de forma subjetiva
bem como as funções pertinência.
Análise do problema
Definição das variáveis Fuzzy
Definição das funções de pertinência
Criação de regiões
Inferência

Inferência
Nesta etapa definem-se as regras ou proposições.
Definição das regras
Criação da matriz de regras

Agregação Calcula a importância de uma determinada regra


para a situação corrente (bloco IF)
Composição Calcula a influência de cada regra nas variáveis de
saı́da (bloco THEN)
Defuzzificação

Operadores fuzzy
A and B = min(a,b)
A or B = max(a,b)
not A = 1 - A

Algoritmos de defuzzificação
Converter as variáveis fuzzy em valores numéricos ou aceitáveis
pelo sistema. Nesta etapa diversas técnicas de defuzzificação
podem ser usadas, entre elas:
Centróide
First-of-Maxima
Middle-of-Maxima
Critério Máximo
Implementar lógica Fuzzy
Exemplo de estrutura de um programa com lógica Fuzzy:
Exemplo controle Fuzzy
Descrição problema
Desenvolver um controlador proporcional em determinado processo
de tal maneira que o mesmo opere dentro de uma faixa de
temperatura pré-estabelecida. O sinal de saı́da deve ser 0-100
positivo (aquecer) ou 0-100 negativo (resfriar).
Fuzzificação - Variáveis Fuzzy

Variáveis Fuzzy
Erro = Negativo, Positivo, Zero
Derivada do erro = Negativa, Positiva, Zero
Saı́da = Valor real entre -100 e +100
Fuzzificação - Funções de pertinência
Relevância
Também chamada de Degree of Membership (DOM). Determina o
quão significante é tal informação.
Fuzzificação - Funções de pertinência
Forma do gráfico
Embora a forma triangular seja a mais comum, outras formas
como sino, trapezoidal entre outras podem ser escolhidas.
Inferência - Regras ou proposições
Inferência - Matriz de regras
Defuzzificação - Resultados das regras

Exemplo com valores arbitrários


Considerando os valores de -1 e +2.5 para o erro e para a derivada
do erro, respectivamente, tem-se para o resultado das regras:
derro
1 If (erro < 0) & ( dt < 0) then Esfriar 0.5 & 0.0 = 0.0
derro
2 If (erro = 0) & ( dt < 0) then Aquecer 0.5 & 0.0 = 0.0
3 If (erro > 0) & ( derro
dt < 0) then Aquecer 0.0 & 0.0 = 0.0
4 If (erro < 0) & ( derro
dt = 0) then Resfriar 0.5 & 0.5 = 0.5
derro
5 If (erro = 0) & ( dt = 0) then Não mude 0.5 & 0.5 = 0.5
6 If (erro > 0) & ( derro
dt = 0) then Aquecer 0.0 & 0.5 = 0.0
derro
7 If (erro < 0) & ( dt > 0) then Resfriar 0.5 & 0.5 = 0.5
8 If (erro = 0) & ( derro
dt > 0) then Resfriar 0.5 & 0.5 = 0.5
9 If (erro > 0) & ( derro
dt > 0) then Aquecer 0.0 & 0.5 = 0.0
Defuzzificação - Resultados das regras

Algoritmo Root-Sum-Square (RSS)



Negativo = 0.02 + 0.52 + 0.52 + 0.52 = 0.866

Zero = 0.52 = 0.500

Positivo = 0.02 + 0.02 + 0.02 + 0.02 = 0.000

Root-Sum-Square (RSS) - Centróide


−100∗0.866+0∗0.500+100∗0.00
Valor de saı́da = 0.866+0.500+0.000 = 63.4%
Defuzzificação
Fim de apresentação

Obrigado pela presença!

Introdução a Lógica Fuzzy

Luı́s Carlos Dill Junges

Universidade Federal de Santa Catarina


Centro tecnológico
Departamento de Automação de Sistemas
Sistemas Industriais Inteligentes

13 de novembro de 2006