Fuzzy Logic - Система управления
Нечеткая логика с большим успехом применяется в различных управляющих приложениях. Практически все потребительские товары имеют нечеткое управление. Некоторые из примеров включают регулирование температуры в помещении с помощью кондиционера, анти-тормозную систему, используемую в транспортных средствах, управление светофором, стиральными машинами, большими экономическими системами и т. Д.
Зачем использовать нечеткую логику в системах управления
Система управления - это набор физических компонентов, предназначенных для изменения другой физической системы, чтобы эта система демонстрировала определенные желаемые характеристики. Ниже приведены некоторые причины использования нечеткой логики в системах управления.
При применении традиционного управления необходимо точно знать модель и целевую функцию, сформулированную в точных терминах. Во многих случаях это очень затрудняет применение.
Применяя нечеткую логику для управления, мы можем использовать человеческий опыт и знания для разработки контроллера.
Правила нечеткого управления, в основном правила IF-THEN, лучше всего подходят для разработки контроллера.
Допущения при проектировании нечеткой логики (FLC)
При проектировании нечеткой системы управления следует сделать следующие шесть основных предположений:
The plant is observable and controllable - Следует предположить, что входные и выходные переменные, а также переменные состояния доступны для наблюдения и контроля.
Existence of a knowledge body - Следует предположить, что существует совокупность знаний, имеющая лингвистические правила и набор входных-выходных данных, из которых можно извлечь правила.
Existence of solution - Надо полагать, что решение есть.
‘Good enough’ solution is enough - Техника управления должна искать «достаточно хорошее» решение, а не оптимальное.
Range of precision - Контроллер с нечеткой логикой должен разрабатываться с допустимым диапазоном точности.
Issues regarding stability and optimality - Вопросы стабильности и оптимальности должны быть открыты при разработке контроллера нечеткой логики, а не решаться явно.
Архитектура управления нечеткой логикой
На следующей диаграмме показана архитектура Fuzzy Logic Control (FLC).
Основные компоненты FLC
Ниже приведены основные компоненты FLC, как показано на рисунке выше.
Fuzzifier - Роль фаззификатора - преобразовывать четкие входные значения в нечеткие.
Fuzzy Knowledge Base- Он хранит информацию обо всех нечетких отношениях ввода-вывода. Он также имеет функцию принадлежности, которая определяет входные переменные для базы нечетких правил и выходные переменные для объекта, находящегося под контролем.
Fuzzy Rule Base - Хранит знания о процессе работы домена.
Inference Engine- Он действует как ядро любого FLC. По сути, он моделирует человеческие решения, выполняя приблизительные рассуждения.
Defuzzifier - Роль дефаззификатора состоит в том, чтобы преобразовать нечеткие значения в четкие значения, полученные от механизма нечеткого вывода.
Этапы проектирования FLC
Ниже приведены этапы проектирования FLC.
Identification of variables - Здесь необходимо указать переменные входа, выхода и состояния рассматриваемого объекта.
Fuzzy subset configuration- Универсальная информация разделена на несколько нечетких подмножеств, и каждому подмножеству присваивается лингвистическая метка. Всегда следите за тем, чтобы эти нечеткие подмножества включали все элементы вселенной.
Obtaining membership function - Теперь получите функцию принадлежности для каждого нечеткого подмножества, полученного на предыдущем шаге.
Fuzzy rule base configuration - Теперь сформулируйте базу нечетких правил, назначив взаимосвязь между нечеткими входными и выходными данными.
Fuzzification - На этом этапе запускается процесс фаззификации.
Combining fuzzy outputs - Применяя нечеткие приблизительные рассуждения, найдите нечеткие выходные данные и объедините их.
Defuzzification - Наконец, запустите процесс дефаззификации, чтобы получить четкий результат.
Преимущества нечеткого логического управления
Давайте теперь обсудим преимущества нечеткого логического управления.
Cheaper - Разработка FLC сравнительно дешевле, чем разработка контроллера на основе модели или другого контроллера с точки зрения производительности.
Robust - Контроллеры FLC более надежны, чем контроллеры PID, из-за их способности охватывать огромный диапазон рабочих условий.
Customizable - FLC настраиваются.
Emulate human deductive thinking - В основном FLC разработан для имитации человеческого дедуктивного мышления, процесса, который люди используют для вывода из того, что они знают.
Reliability - FLC более надежен, чем обычная система управления.
Efficiency - Нечеткая логика обеспечивает большую эффективность при применении в системе управления.
Недостатки нечеткой логики
Теперь мы обсудим, в чем заключаются недостатки нечеткого логического управления.
Requires lots of data - FLC требует применения большого количества данных.
Useful in case of moderate historical data - FLC не подходит для программ, размер которых намного меньше или больше, чем исторические данные.
Needs high human expertise - Это один из недостатков, поскольку точность системы зависит от знаний и опыта людей.
Needs regular updating of rules - Правила должны со временем обновляться.