Fuzzy Logic - Steuerungssystem
Fuzzy-Logik wird mit großem Erfolg in verschiedenen Steuerungsanwendungen angewendet. Fast alle Konsumgüter haben eine Fuzzy-Kontrolle. Einige Beispiele umfassen die Steuerung Ihrer Raumtemperatur mithilfe einer Klimaanlage, eines in Fahrzeugen verwendeten Bremsschutzsystems, der Steuerung von Ampeln, Waschmaschinen, großen Wirtschaftssystemen usw.
Warum Fuzzy Logic in Steuerungssystemen verwenden?
Ein Steuersystem ist eine Anordnung von physikalischen Komponenten, die dazu ausgelegt sind, ein anderes physikalisches System so zu verändern, dass dieses System bestimmte gewünschte Eigenschaften aufweist. Im Folgenden sind einige Gründe für die Verwendung von Fuzzy Logic in Steuerungssystemen aufgeführt:
Bei der Anwendung der traditionellen Steuerung muss man das Modell und die Zielform kennen, die präzise formuliert sind. Dies macht es in vielen Fällen sehr schwierig, sich zu bewerben.
Durch Anwendung der Fuzzy-Logik zur Steuerung können wir das menschliche Fachwissen und die Erfahrung für den Entwurf einer Steuerung nutzen.
Die Fuzzy-Steuerungsregeln, im Grunde die IF-THEN-Regeln, können am besten beim Entwerfen einer Steuerung verwendet werden.
Annahmen im Fuzzy Logic Control (FLC) -Design
Beim Entwurf eines Fuzzy-Steuerungssystems sollten die folgenden sechs Grundannahmen getroffen werden:
The plant is observable and controllable - Es ist davon auszugehen, dass die Eingabe-, Ausgabe- und Zustandsvariablen zu Beobachtungs- und Steuerungszwecken zur Verfügung stehen.
Existence of a knowledge body - Es muss davon ausgegangen werden, dass es einen Wissenskörper mit sprachlichen Regeln und einem Satz von Eingabe-Ausgabe-Datensätzen gibt, aus denen Regeln extrahiert werden können.
Existence of solution - Es ist davon auszugehen, dass es eine Lösung gibt.
‘Good enough’ solution is enough - Die Steuerungstechnik muss eher nach einer ausreichend guten als nach einer optimalen Lösung suchen.
Range of precision - Die Fuzzy-Logik-Steuerung muss in einem akzeptablen Genauigkeitsbereich ausgelegt sein.
Issues regarding stability and optimality - Die Fragen der Stabilität und Optimalität müssen beim Entwurf einer Fuzzy-Logik-Steuerung offen sein und dürfen nicht explizit behandelt werden.
Architektur der Fuzzy-Logik-Steuerung
Das folgende Diagramm zeigt die Architektur von Fuzzy Logic Control (FLC).
Hauptkomponenten von FLC
Das Folgende sind die Hauptkomponenten des FLC, wie in der obigen Abbildung gezeigt -
Fuzzifier - Die Rolle von Fuzzifier besteht darin, die gestochen scharfen Eingabewerte in Fuzzy-Werte umzuwandeln.
Fuzzy Knowledge Base- Es speichert das Wissen über alle Eingabe-Ausgabe-Fuzzy-Beziehungen. Es hat auch die Zugehörigkeitsfunktion, die die Eingangsvariablen für die Fuzzy-Regelbasis und die Ausgangsvariablen für die kontrollierte Anlage definiert.
Fuzzy Rule Base - Es speichert das Wissen über die Funktionsweise des Domain-Prozesses.
Inference Engine- Es fungiert als Kernel eines FLC. Grundsätzlich simuliert es menschliche Entscheidungen, indem es ungefähre Überlegungen anstellt.
Defuzzifier - Die Rolle des Defuzzifiers besteht darin, die Fuzzy-Werte in scharfe Werte umzuwandeln, die von der Fuzzy-Inferenz-Engine stammen.
Schritte zum Entwerfen von FLC
Im Folgenden sind die Schritte zum Entwerfen von FLC aufgeführt:
Identification of variables - Hier müssen die Eingabe-, Ausgabe- und Zustandsvariablen der betreffenden Anlage identifiziert werden.
Fuzzy subset configuration- Das Informationsuniversum ist in die Anzahl der Fuzzy-Teilmengen unterteilt, und jeder Teilmenge wird eine sprachliche Bezeichnung zugewiesen. Stellen Sie immer sicher, dass diese unscharfen Teilmengen alle Elemente des Universums enthalten.
Obtaining membership function - Erhalten Sie nun die Zugehörigkeitsfunktion für jede Fuzzy-Teilmenge, die wir im obigen Schritt erhalten.
Fuzzy rule base configuration - Formulieren Sie nun die Fuzzy-Regelbasis, indem Sie die Beziehung zwischen Fuzzy-Eingabe und Ausgabe zuweisen.
Fuzzification - In diesem Schritt wird der Fuzzifizierungsprozess eingeleitet.
Combining fuzzy outputs - Suchen Sie die Fuzzy-Ausgabe, indem Sie die unscharfe ungefähre Argumentation anwenden, und führen Sie sie zusammen.
Defuzzification - Starten Sie abschließend den Defuzzifizierungsprozess, um eine gestochen scharfe Ausgabe zu erzielen.
Vorteile der Fuzzy-Logik-Steuerung
Lassen Sie uns nun die Vorteile von Fuzzy Logic Control diskutieren.
Cheaper - Die Entwicklung eines FLC ist in Bezug auf die Leistung vergleichsweise billiger als die Entwicklung eines modellbasierten oder eines anderen Controllers.
Robust - FLCs sind robuster als PID-Regler, da sie einen großen Bereich von Betriebsbedingungen abdecken können.
Customizable - FLCs sind anpassbar.
Emulate human deductive thinking - Grundsätzlich ist FLC darauf ausgelegt, menschliches deduktives Denken zu emulieren, den Prozess, mit dem Menschen Schlussfolgerungen aus dem ziehen, was sie wissen.
Reliability - FLC ist zuverlässiger als herkömmliche Steuerungssysteme.
Efficiency - Fuzzy-Logik bietet mehr Effizienz bei der Anwendung im Steuerungssystem.
Nachteile der Fuzzy-Logik-Steuerung
Wir werden nun diskutieren, was die Nachteile von Fuzzy Logic Control sind.
Requires lots of data - FLC benötigt viele Daten, um angewendet zu werden.
Useful in case of moderate historical data - FLC ist nicht nützlich für Programme, die viel kleiner oder größer als historische Daten sind.
Needs high human expertise - Dies ist ein Nachteil, da die Genauigkeit des Systems vom Wissen und der Sachkenntnis des Menschen abhängt.
Needs regular updating of rules - Die Regeln müssen mit der Zeit aktualisiert werden.