퍼지 로직-제어 시스템

퍼지 로직은 다양한 제어 응용에 큰 성공을 거두었습니다. 거의 모든 소비자 제품에는 퍼지 제어 기능이 있습니다. 예를 들어 에어컨, 차량에 사용되는 제동 방지 시스템, 신호등 제어, 세탁기, 대규모 경제 시스템 등을 사용하여 실내 온도를 제어하는 것이 있습니다.

제어 시스템에서 퍼지 로직을 사용하는 이유

제어 시스템은이 시스템이 원하는 특정 특성을 나타내도록 다른 물리적 시스템을 변경하도록 설계된 물리적 구성 요소의 배열입니다. 다음은 제어 시스템에서 퍼지 로직을 사용하는 몇 가지 이유입니다-

전통적인 제어를 적용하는 동안 모델과 정확한 용어로 공식화 된 목적 함수에 대해 알아야합니다. 이것은 많은 경우에 적용하는 것을 매우 어렵게 만듭니다.
제어에 퍼지 로직을 적용함으로써 우리는 컨트롤러 설계에 대한 인간의 전문성과 경험을 활용할 수 있습니다.
기본적으로 IF-THEN 규칙 인 퍼지 제어 규칙은 컨트롤러를 설계 할 때 가장 잘 활용할 수 있습니다.

퍼지 제어 시스템을 설계하는 동안 다음 6 가지 기본 가정을해야합니다.

The plant is observable and controllable − 입력, 출력 및 상태 변수가 관찰 및 제어 목적으로 사용 가능하다고 가정해야합니다.
Existence of a knowledge body − 언어 적 규칙이있는 지식 체와 규칙을 추출 할 수있는 입출력 데이터 세트가 존재한다고 가정해야합니다.
Existence of solution − 솔루션이 존재한다고 가정해야합니다.
‘Good enough’ solution is enough − 제어 엔지니어링은 최적의 솔루션이 아닌 '충분히 좋은'솔루션을 찾아야합니다.
Range of precision − 퍼지 로직 컨트롤러는 허용 가능한 정밀도 범위 내에서 설계되어야합니다.
Issues regarding stability and optimality − 안정성 및 최적 성 문제는 명시 적으로 다루기보다는 퍼지 로직 컨트롤러를 설계 할 때 열려 있어야합니다.

다음 다이어그램은 FLC (Fuzzy Logic Control)의 아키텍처를 보여줍니다.

다음은 위 그림과 같이 FLC의 주요 구성 요소입니다.

Fuzzifier − 퍼지 파이어의 역할은 선명한 입력 값을 퍼지 값으로 변환하는 것입니다.
Fuzzy Knowledge Base− 모든 입출력 퍼지 관계에 대한 지식을 저장합니다. 또한 퍼지 룰베이스에 대한 입력 변수와 제어중인 플랜트에 대한 출력 변수를 정의하는 멤버십 기능도 있습니다.
Fuzzy Rule Base − 도메인 프로세스의 운영에 대한 지식을 저장합니다.
Inference Engine− FLC의 커널 역할을합니다. 기본적으로 대략적인 추론을 수행하여 인간의 결정을 시뮬레이션합니다.
Defuzzifier − defuzzifier의 역할은 퍼지 추론 엔진에서 얻은 퍼지 값을 선명한 값으로 변환하는 것입니다.

다음은 FLC 설계에 관련된 단계입니다-

Identification of variables − 여기서 고려중인 플랜트의 입력, 출력 및 상태 변수를 식별해야합니다.
Fuzzy subset configuration− 정보의 세계는 퍼지 하위 집합의 수로 나뉘며 각 하위 집합에는 언어 레이블이 할당됩니다. 이러한 퍼지 하위 집합에 유니버스의 모든 요소가 포함되어 있는지 항상 확인하십시오.
Obtaining membership function − 이제 위 단계에서 얻은 각 퍼지 하위 집합에 대한 멤버십 함수를 얻습니다.
Fuzzy rule base configuration − 이제 퍼지 입력과 출력 간의 관계를 지정하여 퍼지 룰베이스를 공식화하십시오.
Fuzzification −이 단계에서 퍼지 화 프로세스가 시작됩니다.
Combining fuzzy outputs − 퍼지 근사 추론을 적용하여 퍼지 출력을 찾아 병합합니다.
Defuzzification − 마지막으로, 선명한 출력을 형성하기 위해 디퍼 지화 프로세스를 시작합니다.

이제 퍼지 로직 제어의 장점에 대해 논의하겠습니다.

Cheaper − FLC 개발은 성능 측면에서 모델 기반 또는 다른 컨트롤러를 개발하는 것보다 비교적 저렴합니다.
Robust − FLC는 광범위한 작동 조건을 처리 할 수 있기 때문에 PID 컨트롤러보다 더 견고합니다.
Customizable − FLC는 사용자 정의 할 수 있습니다.
Emulate human deductive thinking − 기본적으로 FLC는 인간의 연역적 사고를 모방하도록 설계되었으며, 사람들이 알고있는 내용에서 결론을 추론하는 데 사용합니다.
Reliability − FLC는 기존 제어 시스템보다 더 안정적입니다.
Efficiency − 퍼지 로직은 제어 시스템에 적용시 더 많은 효율성을 제공합니다.

이제 퍼지 로직 제어의 단점이 무엇인지 논의하겠습니다.

Requires lots of data − FLC를 적용하려면 많은 데이터가 필요합니다.
Useful in case of moderate historical data − FLC는 과거 데이터보다 훨씬 작거나 큰 프로그램에는 유용하지 않습니다.
Needs high human expertise − 이것은 시스템의 정확성이 인간의 지식과 전문성에 달려 있기 때문에 한 가지 단점입니다.
Needs regular updating of rules − 규칙은 시간에 따라 업데이트되어야합니다.