Professional Documents
Culture Documents
Upravljanje Sistemima Fuzzyteorija
Upravljanje Sistemima Fuzzyteorija
fuzzy logike
Petar Đurković 3072/2010
Istorija razvoja fazzy upravljanja
1965 “Fuzzy Logic”, Prof. Lotfi Zadeh, Faculty in Electrical Engineering, U.C.
Berkeley, postavlja osnove “Fuzzy Set Theory”
1975 Prva primena Fuzzy logike u upravljanju (pogon za proizvodnju
cementa, Danska)
1975 Predstavljanje Fuzzy logike u Japanu
1980 Empirijska potvrda Fuzzy logike u Evropi
1985 Široka primena Fuzzy logike u Japanu
1990 Široka primena Fuzzy logike u Evropi
1995 Široka primena Fuzzy logike u SAD
2000 Fuzzy logika postaje standardna tehnologija i takođe se primenjuje u
analizi podataka i analizi signala. Primena Fuzzy logike u oblasti biznisa
i finansijaLogic in Business and Finance
Prednosti fuzzy upravljanja
• Fuzzy logika je konceptualno laka za razumeti
• Fuzzy logika je fleksibilna
• Fuzzy logika je tolerant na napreciznost podataka
• Fuzzy logika može modelovati nelinearne funkcije
proizvoljne složenosti
• Fuzzy logika se može zasnovati na iskustvu
eksperata
• Fuzzy logika se može koristiti zajedno sa
konvencijonalnim tehnikama upravljanja
• Fuzzy logika je zasnovana na “prirodnom jeziku”
Konvencionalni i Fuzzy kontroler:
Konvencionalni kontroler
Fuzzy kontroler
Konvencionalno i Fuzzy projektovanje
Kada je dobro koristiti FLC
• Kod veoma kompleksnih procesa, kada ne
postoji jednostavan matematički model
• Kod izrazito nelinearnih procesa
• Kada je neophodno primeniti (lingvistički
formirano) ekspertsko znanje
Kada nije dobro koristiti FLC
• Kada postoji adekvatan i lako rešiv model
procesa
• Kada konvencionalne teorije upravljanja daju
zadovoljavajuće rezultate
Osnovna struktura fuzzy kontrolera
• Fazifikator (Fuzzifier)
• Mehanizam za odlučivanje (Inference Engine)
• Baza fuzzy pravila (Fuzzy Rule Base)
• Defazifikator (Defuzzifier)
Ulazno/Izlazne veličine
• Određene su prirodom procesa, raspoloživom mernom
opremom i aktuatorima
• Ulazne veličine su najčešće greška, izvod(promena)
greške, integracija greške ali i merljiva stanja
• Izlazne veličine su upravljački signali određeni prirodom
aktuatora
• Pored izbora ulaznih i izlaznih veličina bitno je i
definisati i okvir spoznaje i odgovarajuće
elemente fazi skupova – atribute za opisivanje
ovih veličina
• Kompleksnost specifikacije (granulacija) je
kompromis jednostavnosti i tačnosti
• Ceo univerzum pojma mora biti pokriven
elementima skupa
• Fazzy skupovi se delimično prekrivaju
▫ Veliko prekrivanje zamagljuje situaciju
▫ Malo prekrivanje vodi ka bivalentnoj logici
• Oblici ovih skupova su najčešće trougaoni,
trapezoidni i zvonasti
• Granulacija pojmova i oblici imaju esencijalnu
ulogu za uspešno formiranje fazzy kontrolera
• Nažalost sam proces određivanja ovih osobina
nije deterministički i ne postoji jedinstveno
rešenje
• Za određivanje optimalne kompleksnosti
pristupa se izuzetno vremenski zahtevnoj metodi
pokušaja i greške
Fazifikator
• Obavlja funkciju fazifikacije - subjektivni opisi
merenih podataka na način pogodan za
upotrebu u fazzy logici – lingvističke
promenljive
• Značajan uticaj ima kvalitet merenih podataka -
nepreciznost i uticaj šuma
• Pri značajnom uticaju istih neophodno je
uračunati i njihov uticaj u procesu fazifikacije
Baza fazzy pravila
• Okarakterisana skupom IF-THEN pravila u
kome uslov i akcija sadrže lingvističke
promenljive
• Skup pravila uspostavlja ulazno-izlazne relacije
sistema
▫ IF (x is Ai) and (y is Bi) THAN (z=Ci)
▫ IF (x is Ai) and (y is Bi) THAN (z=fi(x,y))