Upravljanje sistemima na bazi

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))

 x,y,z – lingvističke promenljive

 Ai, Bi, Ci, - lingvističke vrednosti tih promenljivih
• Do pravila se dolazi intuitivno poznavajući
sistem i u razgovoru sa iskusnim operaterima i
ekspertima za dati sistem
Mehanizam za odlučivanje
• Modelira ljudsko donošenje odluka u okvirima
fazzy logike i aproksimativnog rezonovanja
oslanjajući se na bazu fazzy pravila
• Vrši se izbor kompozicije fazzy relacija (t-normi)
• Najčešće korišćene kompozicije zbog računske
jednostavnosti i efikasnosti su:
▫ Max-min[Zadeh, 1973]
▫ Max-proizvod [Kaufmann, 1975]
Defazifikator
• Defazifikacija za cilj ima određivanje izlazne
upravljačke vrednosti koja se šalje aktuatoru na
osnovu izlaznog fuzzy skupa dobijenog
agregacijom izlaznih skupova (odluka) koje
odgovaraju pojedinim pravilima
• Izbor metode defazifikacije se vrši tako da
najbolje opisuje dobijeni izlazni fazzy skup
• Nažalost ne postoji sistematizovana procedura
za izbor metode defazifikacije
Metode defazifikacije
• Najčešće korišćene metode su COG i MOM.
• Metoda COG se pokazala kao metoda sa
generalno superiornijim razultatima
• MOM daje bolje performanse u tranzijentu, dok
COG daje bolje performanse u ustaljenom stanju
Metodologija projektovanja
fuzzy kontrolera
• U predhodnom razmatranju uočavamo osnovne
elemente u projektovanju fuzzy kontrolera:
1) Specifikacija uzlaznih i izlaznih veličina
2) Specifikacija performansi (definisane
lingvističkim atributima)
3) Određivanje fuzzy pravila upravljanja
4) Dizajn mehanizma odlučivanja
5) Izbor načina defazifikacije
Pristupi projektovanju fazi upravljanja
• Intuitivni pristup

• Fazifikacija konvencionalnog PID upravljanja

▫ Mogućnost podešavanja većeg broja parametara
od konvencionalnog PID-a uz laku modifikaciju i
dodavanje novih pravila
Intuitivno određivanje fuzzy pravila
upravljanja
• Ekspertsko iskustvo i znanje inzenjera
▫ Najmanje struktuirana matoda, ali najkorišćenija
• Modelovanje upravljanja operatora
• Bihevioristička analiza upravljanjog procesa
• Self-Organizing Controller (SOC)
Fazifikacija konvncionalnog PID-a
• Projektovanje kontrolera se zasniva na
prebacivanje konvencionalnog PID-a u fuzzy
domen u sledećim koracima:
▫ Određivanje parametara konvencionalnog PID-a
▫ Zamena PID-a sa ekvivalentnim linearnim fuzzy
kontrolerom
▫ Transformacija u nelinearni kontroler promenom
pravila i funkcija pripadnosti
▫ Fino podešavanje
Podešavanje konvencionalnog PID-a
• Primenom neke od poznatih metoda kod
konvencionalnog PID upravljanja određuju se
odgovarajuća pojačanja
Zamena PID-a sa ekvivalentnim linearnim
fuzzy kontrolerom

• Baza pravila treba da zadovolji sledeće uslove:

▫ koristiti trougaone ulazne skupove sa nivoom
preklapanja μ = 0.5
▫ koristiti algebarski proizvod (·) za realizaciju veznika
and
▫ baza pravila mora sadržati and kombinaciju svih
članova iz ulaznih familija
▫ treba koristiti izlazne singltone čija pozicija se
određuje kao suma pozicija vršnih vrednosti ulaznih
skupova
▫ Defazifikacija se vrši COG metodom
 e(t)
Fuzzy u(t)
Prorcionalni
Diferencijalni
Diferencijator ed(t)
kontroler

• Poštovanjem navedenih uslova mehanizam

odlušivanja se ponaša kao obična suma
• Ovako formiran FPD ima isti odskočni odziv kao
konvencionalni PD
Realizacija linearnog FPD
• Normira se ulazni signal greške i izvoda greške
na opseg [-1 1] dok se za normiranje upravljanja
koriste singltoni {-2 -1 0 1 2}
• Kako bi iskoristili ceo opseg upravljanja
koeficijent skaliranja se uzima KU =Umax/2
• Dalje određujemo fuzzy koeficijente:
Kfp = Kp / KU
Kfd = Kp Td /KU
• Zatim definišemo pravila FPD-a tako da
predstavljaju prosto sumiranje:
Transformacija u nelinearni kontroler
• Vrši se izmena postojećih i dodavanje novih
pravila, kao i izmena oblika ulaznih skupova
A sada Ljubinko !
Hvala na pažnji!