Sterowanie rozmyte
Transkrypt
Sterowanie rozmyte
Sterowanie rozmyte Logika rozmyta • Przy rozwiązywaniu praktycznych problemów niealgorytmicznych mamy często do czynienia z wiedzą nieprecyzyjną i niepewną. Do rozpatrywania takich problemów dobrze nadają się zbiory rozmyte i logika (rozumowanie) rozmyte (ang. Fuzzy logic). • W odróżnieniu od logiki dwuwartościowej, wg której dany element może do określonego zbioru tylko należeć lub nie należeć, w koncepcji zbiorów rozmytych elementy nie są w pełni podporządkowane określonym zbiorom. Zbiory rozmyte umożliwiają wprowadzenie do programowania komputerowego tzw. wiedzy zdrowego rozsądku, która występuje głównie w postaci twierdzeń będących na ogół, ale nie zawsze prawdziwymi. 1 Logika rozmyta • W przypadków zbiorów “normalnych”, tzw. ostrych, dany element x albo należy (funkcja charakterystyczna µA(x)=1) lub nie należy (µA(x)=0) do danego zbioru. W teorii zbiorów rozmytych element może należeć częściowo do określonego zbioru, a funkcja charakterystyczna jest uogólniona do funkcji przynależności, która przyporządkowuje każdemu elementowi x wartość z przedziału [0, 1] zamiast dwuelementowego zbioru {0, 1}. • . Twórcą logiki rozmytej jest profesor Zadeh, artykuł „Fuzzy sets” opublikowany w 1965 r Logika rozmyta zbiór osobników wysokich zbiór osobników średnich zbiór osobników niskich 10% niski 30% średni 60% wysoki 2 Logika rozmyta zbiór osobników wysokich µw(x)=0,6 zbiór osobników średnich µs(x)=0,3 zbiór osobników niskich µn(x)=0,1 Sterowanie rozmyte • Rozmyty system sterowania jest systemem ekspertowym czasu rzeczywistego, implementującym działania człowieka będącego operatorem lub ekspertyzy inżynierów procesu, przy czym proces nie może być łatwo wyrażony w postaci równań różniczkowych, ale raczej jako reguły sytuacja działanie . Np. • Jeżeli prędkość silnika DC trochę za mała I szybko rosnąca to napięcie zasilania silnika jest zbyt duże. • Wartości rozmyte, jak trochę za mała, szybko rosnąca, zbyt duże oraz operatory rozmyte jak jeżeli, I są kompilowane w elementarne obiekty numeryczne i algorytmy: tablice funkcyjne, komparatory, itp. 3 Sterowanie rozmyte Stan procesu ostry (zbiór nierozmyty) Wyjście sterowania ostre (zbiór nierozmyty) x u Normalizacja Denormalizacja xw Fuzyfikator µ(x) Maszyna wnioskująca µ(u) uw Część opcjonalna Część obligatoryjna Defuzyfikator Baza reguł Sterowanie rozmyte Przykłady zastosowań: – Autopilot statków ze wspomaganiem za pomocą sytemu rozmytego. – Sterowanie pieców obrotowych w cementowni, – Konstrukcja pralki automatycznej, odkurzacza i elektronicznego systemu stabilizacji obrazu w kamerze wideo – firma Matsushita. – System klimatyzacji – firma Mitsubishi. – Zastosowanie przemysłowe regulatorów opartych o logikę rozmytą w sterowaniu koleją podziemną w Sendai (Japonia), – W przemyśle samochodowym w czym przoduje Japonia. Dotyczy to m.in. automatycznej przekładni biegów, układów antypoślizgowych, sterowania zapłonu i innych układów samochodu. 4 Podstawy logiki rozmytej Klasyczna teoria zbiorów Klasyczny zbiór jest kolekcją obiektów jakiegoś rodzaju. x ∈ A oznacza że x jest elementem zbioru A x ∉ A oznacza że x nie jest elementem zbioru A Klasyczny zbiór może być skończony, policzalny lub niepoliczalny: Z = {Gliwice, Zabrze, Bytom, Tychy} - zbiór skończony opisany przez elementy zbioru, X = {x∈C|x>0} - zbiór liczb całkowitych dodatnich – zbiór policzalny opisany właściwościami zbioru, H = {x∈[1, 2]} - zbiór liczb z przedziału 1, 2 - zbiór niepoliczalny A = B oznacza, że zbiory A i B zawierają te same elementy, A ⊂ B oznacza, że zbiór A jest podzbiorem zbioru B, tzn. że wszystkie elementy zbioru A są także elementami zbioru B. Podstawy logiki rozmytej Klasyczna teoria zbiorów Działania na zbiorach Dopełnienie (negacja) A: (lub oznaczenie A) Iloczyn A i B Suma A i B Różnica A i B Różnica symetryczna A i B A’ = {x|x∉A} A ∩ B = {x|x∈A i x∈B}, A ∪ B = {x|x∈A lub x∈B}, A - B = {x|x∈A i x∉B}, A + B = A - B ∪ B – A, Sposoby definiowania zbiorów przez wyliczenie elementów zbioru, przez zastosowanie predykantu {x|P(x)}, za pomocą funkcji charakterystycznej µA. 5 Podstawy logiki rozmytej Klasyczna teoria zbiorów Funkcja charakterystyczna µA Funkcja µA jest funkcją charakterystyczną zbioru A zdefiniowanego na obszarze rozważań X wtedy i tylko wtedy, gdy dla wszystkich x ∈X: 1 dla x ∈ A µ A ( x) = 0 dla x ∉ A Dopełnienie A: Iloczyn A i B Suma A i B A’ , µA’(x) = 1 - µA(x) A ∩ B , µA ∩ B(x) = min(µA(x), µB(x)) A ∪ B , µA ∪ B(x) = max(µA(x), µB(x)) Podstawy logiki rozmytej Teoria zbiorów rozmytych (Fuzzy Sets) Funkcja przynależności µF Funkcja przynależności µF przyporządkowuje każdemu elementowi u∈U wartość z przedziału jednostkowego [0, 1]. µ F : U → [0, 1] Zbiór, który jest zdefiniowany na podstawie tak określonej funkcji przynależności nazywany jest zbiorem rozmytym. Każdy element u zbioru U ma stopień przynależności µF(u)∈[0, 1]: Zbiór rozmyty F jest całkowicie określony przez zbiór n-tek: F = {(u , µ F (u )) | u ∈ U } 6 Podstawy logiki rozmytej Teoria zbiorów rozmytych (Fuzzy Sets) Funkcja przynależności µF F = {(u , µ F (u )) | u ∈ U } Np. opis klasy miast takich jak Warszawa, Łódź, Szczecin, Katowice, Gliwice, Mikołów mających tę właściwość że są duże. {(Warszawa,1), (Łódź,1), (Szczecin,0.45), (Katowice, 0.3), (Gliwice,0.05)} a Mikołów zdecydowanie do dużych nie należy, czyli jest poza zbiorem, lub ze stopniem przynależności 0. Inny sposób zapisu - przykład dużych miast {1/Warszawa, 1/Łódź, 0,45/Szczecin, 0.3/Katowice, 0.05/Gliwice } µ (u ) µ (u ) µ (u ) F = F 1 , F 2 , ⋅⋅⋅ , F n u2 un u1 Podstawy logiki rozmytej Teoria zbiorów rozmytych (Fuzzy Sets) Funkcja przynależności µF Funkcję przynależności zbioru rozmytego DUŻE MIASTA można przedstawić np. w następującej postaci: dla u > 0,6 1 µ F (u ) = 2,5 ⋅ (u − 0,2 ) dla 0,2 ≤ u ≤ 0,6 0 dla u < 0,2 µF gdzie u jest liczbą mieszkańców w milionach 1,0 Jest to przykład funkcji rosnącej (funkcji typu Γ) charakterystycznej dla reprezentacji pojęć lingwistycznych typu duży, wysoki, gruby, gorący, szybki, itp. 0,5 0 0,2 0,4 0,6 0,8 1,0 1,2 u 7 Podstawy logiki rozmytej Funkcja przynależności µF µF 1,0 Przykłady funkcja G: funkcji 0 u − a µ F (u ) = b − a 1 rosnących – dla u < a 0,5 dla a ≤ u ≤ b 0 dla u > b b u µF Funkcja S Zadeha: 0 2 u−a 2 c − a µ F (u ) = 2 u−c 1 − 2 c−a 1 a 1,0 dla u ≤ a dla a < u ≤ b 0,5 dla b < u ≤ c 0 dla u > c a b c u Podstawy logiki rozmytej Funkcja przynależności µF Przykłady funkcji funkcja L: 1 a − u µ F (u ) = b − a 0 malejących µF – dla u < a 1,0 0,5 dla a ≤ u ≤ b dla u > b Reprezentacja pojęć lingwistycznych typu mały, wolny, zimny, słaby, niski itp. dla u ≤ a 1 2 u−a dla a < u ≤ b 1 − 2 c − a µ F (u ) = u − c 2 dla b < u ≤ c 2 c − a dla u > c 0 0 a b u µF 1,0 0,5 0 a b c u 8 Podstawy logiki rozmytej Funkcja przynależności µF Przykłady funkcja: funkcji 0 1,0 u − a b − a µ F (u ) = 0,5 c − u c − b 0 a b – 0,5 dla u < a µF 0 trójkątnych µF 1,0 dla a ≤ u < b 0 dla b ≤ u < c c b u µF 1,0 dla u ≥ c c a d u 0,5 Reprezentacja pojęć lingwistycznych typu średni, komfortowy, nieco wolny, lekko dodatni, bliski zera, niewielki itp. 0 a b c u Podstawy logiki rozmytej µF – Funkcja przynależności (rozmywanie) fuzyfikacja Przykład: Rozmyty układ regulacji klimatyzacji i reprezentacja zmiennych lingwistycznych zimno, chłodno, komfortowo, ciepło, gorąco przez funkcje przynależności. Przypisanie wartościom „ostrym” zmiennych lingwistycznych oraz funkcji i współczynników przynależności – fuzyfikacja (rozmywanie) µF 1,0 zimno chłodno komfortowo gorąco ciepło 0,5 16 17 18 19 20 21 22 23 24 25 ϑ 9 System wnioskowania rozmytego Mamdaniego Stan procesu ostry (zbiór nierozmyty) Wyjście sterowania ostre (zbiór nierozmyty) x u Normalizacja Denormalizacja xw Fuzyfikator µ(x) Maszyna wnioskująca µ(u) uw Część opcjonalna Część obligatoryjna Defuzyfikator Baza reguł System wnioskowania rozmytego Mamdaniego Układ fuzyfikatora Stan procesu ostry (rozmywania) Wyjście sterowania ostre (zbiór nierozmyty) (zbiór nierozmyty) przekształca x u nierozmyty zbiór Normalizacja Denormalizacja danych wejściowych x Część opcjonalna w zbiór rozmyty x Część obligatoryjna u Maszyna zdefiniowany za µ(x) µ(u) wnioskująca Fuzyfikator Defuzyfikator pomocą funkcji Baza reguł przynależności m(x) µF gorąco chłodno komfortowo ciepło zimno wnioskująca Maszyna na podstawie Układ defuzyfikatora 1,0 µch ( ϑ ) 1 reguł zapisanych w bazie reguł (wyostrzania) wyznacza przekształca rozmyty zbiór wejściowy wartość punktową u zmiennej 0,5 zdefiniowany za pomocą funkcji wyjściowej na podstawie µk(ϑ1) przynależności m(x) w rozmyty zbiór zbioru rozmytego wyjściowy zdefiniowany przez funkcję zdefiniowanego przez funkcję 17 22 24 16 18 19 ϑ 20 21 23 25 ϑ 1 przynależności m(u) przynależności m(u) w w 10 System wnioskowania rozmytego Mamdaniego Reguła 1 to to u jest B 1 Jeżeli x jest A1 Reguła 2 to to u jest B 2 Jeżeli x jest A2 x µ(u) Agregator u Defuzyfikator Zbiór rozmyty Zbiór ostry Reguła M to to u jest B Jeżeli x jest AM M JEŻELI x1 jest A1k I x2 jest A2k I ⋅⋅⋅ I xN jest ANk, TO u jest Bk gdzie: k – numer reguły (k∈<1, M>) Reguły rozmyte wnioskowania Implikacja rozmyta JEŻELI x jest A, TO u jest B A , B – wartości lingwistyczne zdefiniowane w sposób rozmyty przez odpowiednie funkcje przynależności zmiennych x i u x jest A – (poprzednik) reguły y jest B (następnik) reguły – przesłanka konkluzja µF 1,0 zimno chłodno komfortowo gorąco ciepło 0,5 Reguła 1 Jeżeli x jest A1 to to u jest B1 Reguła 2 Jeżeli x jest A2 to to u jest B2 x 16 17 Agregator 18 19 µ(u) Zbiór rozmyty 20 21 22 Defuzyfikator 23 24 25 ϑ u Zbiór ostry Reguła M to to u jest B Jeżeli x jest AM M 11 Reguły rozmyte wnioskowania Implikacja rozmyta – agregacja poprzednika reguły Reguła 1 Jeżeli x jest A1 to to u jest B1 Reguła 2 to to u jest B Jeżeli x jest A 2 2 JEŻELI x11 jest A11 (u) B11 11 I x22 jest A21 21 I ⋅⋅⋅ I xN N jest AN1 N1, TO uµjest u x Agregator Defuzyfikator Zbiór Zbiór Wypadkowa wartość funkcji przynależności µA(x) (agregacja rozmyty ostry poprzednika - poziom zapłony reguły): Reguła M • Interpretacja w postaci iloczynu logicznego (min): Jeżeli x jest AM to to u jest BM 0,8 0,5 µ A1 (x) = min {µ A1 ( xi )} µ A1 (x) = min , = 0,5 i =1, ... , N x1 x2 • Interpretacja w postaci iloczynu algebraicznego (prod): N 2 µ A1 (x) = ∏ µ A1 ( xi ) µ A1 (x) = ∏ µ A1 ( xi ) = 0,8 ⋅ 0,5 = 0,4 i =1 i =1 Reguły rozmyte wnioskowania Implikacja rozmyta – agregacja na poziomie implikacji JEŻELI xx1 jest jestAA111 I x2 ujest , TO jestA21 B1I ⋅⋅⋅ I xN jest AN1, TO u jest B1 Procedura agregacji na poziomie implikacji – przypisanie implikacji A → B wartości funkcji przynależności µA → B(x, u) : Reguła 1 Jeżeli x jest A1 to to u jest B1 x 2 Interpretacja wReguła postaci to to u jest B2 Jeżelilogicznego x jest A2 iloczynu (min) -implikacja 1 Mamdaniego: wynik – zbiór (funkcja) Reguła µB(u)M obcięty (ściśnięty) do to u jest B to Jeżeli x jest A M poziomu µA(x) -Mclipped fuzzy set: µ A→ B (x, u ) = min{µ A (x), µ B (u )} Agregator µ(u) 1 Zbiór Defuzyfikator 1 rozmyty x1a x1 u Zbiór ostry x2a x2 12 Reguły rozmyte wnioskowania Implikacja rozmyta – agregacja na poziomie implikacji JEŻELI x jest A1, TO u jest B1 Procedura agregacji na poziomie implikacji – przypisanie implikacji A → B wartości funkcji przynależności µA → B(x, u) : • Interpretacja w postaci iloczynu algebraicznego (prod): wynik – zbiór rozmyty skalowany – współrzędne zbioru (funkcji) µB(u) pomnożone przez wartość µA(x) : 1 1 x1a µ A→ B (x, u ) = µ A (x) ⋅ µ B (u ) x1 1 x2a x2 System wnioskowania rozmytego Mamdaniego Rozumowanie rozmyte – procedura umożliwiająca określenie konkluzji wynikającej ze zbioru reguł : jeżeli JEŻELI x1 jest A1k I x2 jest -Ato 2k I ⋅⋅⋅ I xN jest ANk, TO u jest Bk x1, x2, ⋅⋅⋅ xN, – N wymiarowy wektor wejściowy – argument przesłanki A1, A2, ⋅⋅⋅ AN, B – zmienne lingwistyczne zdefiniowane w sposób rozmyty przez wartości odpowiedniego współczynnika przynależności µA(xi), µB(u) k – numer reguły (k∈<1, M>) Reguła 1 to to u jest B 1 Jeżeli x jest A1 Reguła 2 Jeżeli x jest A2 to to u jest B2 x Agregator µ(u) Zbiór rozmyty Defuzyfikator u Zbiór ostry Reguła M to to u jest B Jeżeli x jest A M M 13 System wnioskowania rozmytego Mamdaniego Baza reguł Reguła 1 to to u jest B 1 Jeżeli x jest A1 Reguła 2 Jeżeli x jest A2 to to u jest B2 x Agregator µ(u) Zbiór rozmyty Defuzyfikator u Zbiór ostry Reguła M to to u jest B Jeżeli x jest AM M Założenie: • x1 = e (np. uchyb regulacji) • x2 = de (np. pochodna uchybu regulacji) System wnioskowania rozmytego Mamdaniego Reprezentacja zbioru reguł – baza reguł NB NS ZO PS NB PB NS ZO PS NB PB e NS ZO PS PB u de de 1. JEŻELI e jest NB I de jest NB , TO u jest NB 2. JEŻELI e jest NS I de jest NB , TO u jestJEŻELI NB 3. e jest ZO I de jest NB , TO u jest NS 4. JEŻELI e jest ......... e NB NS ZO PS PB NB NB NB NS NS ZO NS NB NS NS ZO PS ZO NS NS ZO PS PS PS NS ZO PS PS PB PB ZO PS PS PB PB 14 Reguły rozmyte wnioskowania Właściwości zbioru reguł (bazy reguł) Zupełność zbioru reguł NB NS ZO PS NB PB Zbiór reguł JEŻELI – TO jest zupełny, jeśli dowolna kombinacja wartości wejściowych daje w wyniku właściwą wartość wyjściową. NS ZO PS PB e de de NB NS ZO PS PB NS ZO NS ZO PS NB NS e ZO NS ZO PS PS PS NS ZO PS PS PB PB ZO PS PS PB PB Reguły rozmyte wnioskowania Właściwości zbioru reguł (bazy reguł) Zgodność zbioru reguł NB NS ZO PS NB PB Zbiór reguł JEŻELI – TO jest niezgodny, jeżeli są dwie reguły z takim samym poprzednikiem, ale z różnymi następnikami, których iloczyn jest pusty. e NS ZO PS PB u 1. JEŻELI e jest NB I de jest NB , TO u jest NB 2. JEŻELI e jest NB I de jest NB , TO u jest PB 3. JEŻELI e jest PB I de jest PB , TO u jest PB 4. JEŻELI e jest PB I de jest PB , TO u jest PS 15 Reguły rozmyte wnioskowania Właściwości zbioru reguł (bazy reguł) Ciągłość zbioru reguł Zbiór reguł JEŻELI – TO jest ciągły, jeśli nie ma sąsiednich reguł ze zbiorami rozmytymi wyjściowymi, których iloczyn jest pusty. NB NS ZO PS NB PB NS ZO PS PB u e de e NB NS ZO PS PB NB NB NB NS NS ZO NS PB NS NS ZO PS ZO NS NS ZO PS PS PS NS ZO PS PS PB PB ZO PS PS NB PB System wnioskowania rozmytego Mamdaniego Agregacja zbioru reguł (bazy reguł) Reguła 1 to to u jest B 1 Jeżeli x jest A1 Reguła 2 to to u jest B 2 Jeżeli x jest A2 x Agregator µ(u) Zbiór rozmyty Defuzyfikator u Zbiór ostry Reguła M to to u jest B Jeżeli x jest AM M 16 Agregacja zbioru reguł (bazy reguł) 1 1 1 e 1 de 1 e1 e 1 de1 de 1 Agregacja wyników implikacji wielu reguł w postaci sumy logicznej (max): µ (u ) = max{µ x (u )} Agregacja zbioru reguł (bazy reguł) 1 1 1 e 1 de 1 e1 e Agregacja wyników implikacji wielu reguł w postaci sumy ograniczonej (sum): µ (u ) = min 1, ∑ µ x (u ) x 1 de1 de 1 17 Agregacja zbioru reguł (bazy reguł) 1 1 1 e 1 de 1 1 e e1 de1 de 1 Agregacja wyników implikacji wielu reguł w postaci sumy algebraicznej (probor): µ (u ) = µ1 (u ) + µ 2 (u ) − µ1 (u ) ⋅ µ 2 (u ) System wnioskowania rozmytego Mamdaniego Defuzyfikacja (wyostrzanie) Reguła 1 to to u jest B 1 Jeżeli x jest A1 Reguła 2 to to u jest B 2 Jeżeli x jest A2 x Agregator µ(u) Zbiór rozmyty Defuzyfikator u Zbiór ostry Reguła M to to u jest B Jeżeli x jest A M M 1 1 µ (u ) = max{µ x (u )} 1 µ (u ) = min 1, ∑ µ x (u ) µ (u ) = µ1 (u ) + µ 2 (u ) − µ1 (u ) ⋅ µ 2 (u ) x 18 Defuzyfikacja (wyostrzanie) Metoda środka obszaru (środka ciężkości) (centroid) Metoda środka sum N ∫ u ⋅ ∑ µ k (u )du ∫ u ⋅ µ(u)du uc = u up = k =1 N u ∫ ∑ µ k (u )du ∫ µ(u )du u k =1 u ∑ ui ⋅ µ(ui ) uc = i N ∑ ui ⋅ ∑ µ k (ui ) up = ∑ µ(ui ) i µ(u) wzięte raz k =1 N ∑∑ µ k (ui ) i k =1 µ(u) 1 i 1 wzięte dwa razy µ2(u) uc µ1(u) u up u Defuzyfikacja (wyostrzanie) Metoda średniej z centrów (metoda Metoda równego podziału (bisector) wysokości) N ∑ umk ⋅ µ (umk ) uc = k =1 N ub u max u min ub ∫ µ(u)du = ∫ µ(u)du ∑ µ(umk ) k =1 1 1 19 Defuzyfikacja (wyostrzanie) Metody najmniejszej us (som) oraz największej ul (lom) wartości u z Metoda średniej z maksimów (Mean of Maximum Method mom) maksimum um = us - najmniejsza wartość u, dla której {µ(u)=max} ul + u s 2 ul - największa wartość u, dla której {µ(u)=max} 1 1 Defuzyfikacja (wyostrzanie) Porównanie metod defuzyfikacji 1 20 Schemat rozmytego systemu Rozmywanie Wnioskowanie Wyostrzanie baza reguł µmróz µzimno µciepło Jeżeli temp=mróz to zawór=otwarty µmróz =0.7 0.7 0.7 Jeżeli temp=zimno to zawór=półotwarty 0.2 T Wejście: mierzona temperatura µzimno =0.2 Jeżeli temp=ciepło to zawór=zamknięty µhot =0.0 µotw µpół µzamk 0.2 u Wyjście: położenie zaworu System rozmyty jako sterownik nieliniowy Rozmywanie Wnioskowanie Wyostrzanie baza reguł 21 Przykład systemu rozmytego 2-wymiarowego Baza reguł Zawór Pora doby mróz Temperatura zimno dzień otwarty półotwarty zamknięty półotwarty zamknięty zamknięty noc ciepło JEŻELI Temperatura=mróz i Pora doby=dzień TO Zawór=otwarty JEŻELI Temperatura=zimno i Pora doby=noc TO Zawór=zamknięty 1. Rozmywanie Fuzyfikacja, rozmywanie: od pomiarów do funkcji przynależności: Określenie stopnie przynależności zmiennych lingwistycznych dla każdego ze zbiorów rozmytych: Temperatura: T=4 C 1 0.7 0 Godzina: h=21 µzimno(T)=0.7 4C 1 T 0.3 0 µdzień(h)=0.3 21 h JEŻELI Temperatura=zimno I Pora doby=dzień ... 22 2. Agregacja poprzednika reguły Oblicz stopień spełnienia reguły dla wszystkich przesłanek łącząc ze sobą termy za pomocą rozmytego AND, np. operatora MIN. 1 0.7 0 µzimno(T)=0.7 4C µdzień(h)=0.3 1 T 0.3 0 21 h JEŻELI Temperatura=zimno I Pora doby=dzień ... µA(X) = µA1(X1) ∧ µA2(X2) ∧ µAN(XN) dla reguły RA µcałe(X) = min{µzimno(T), µdzień(h)} = min{0.7,0.3} = 0.3 3. Wnioskowanie – agregacja implikacji 1 µpółotw(p) µkonkl(p) ... µprzesł=0.3 0 u TO Zawór =półotwarty 1 ... µprzesł =0.3 0 µpółotw(p) Wnioskowanie MIN µkonkl=min{µprzesł, µpółotw} µkonkl(h) u Wnioskowanie • µkonkl. = µprzesł • µpółotw 23 4. Agregacja zbioru reguł Dokonaj agregacji wszystkich przesłanek reguł używając operatora MAX by obliczyć sumę. TO Zawór =otwarty TO Zawór =półotwarty TO Zawór =zamknięty 1 0 u 5. Wyostrzanie Oblicz ostrą wartość lub decyzję używając np. metody środka ciężkości “Center of Gravity” (COG) 1 µkonkl(p) 0 0,64 u= Σi µi • ui Σi µi COG u µi = stopień przynależności do zbioru i 24 Rozmyte układy regulacji Regulatory rozmyte • • • Regulator rozmyty typu PID (PI, Mamdaniego Ślizgowy regulator rozmyty Regulator rozmyty typu Sugeno-Takagi PD) ~ x& = f (x) + B ⋅ u + z y = C⋅x + D⋅u z(t) u = h(y z , y) yz(t) X ( s ) = Go ( s )(U s ( s ) + Z ( s ) ) u(t) h(yz,y) . f(x,x,u,z) x(t) g(x,u) y(t) Z(s) Xz(s) E ( s) = X z (s) − X ( s) E(s) Gr(s) - U ( s ) = Gr ( s ) E ( s ) U(s) X(s) Go(s) Regulator konwencjonalny PID a regulator rozmyty PID Regulator konwencjonalny Xz(s) Xz(s) E(s) - Z(s) E(s) U(s) Gr(s) G (s) r - U(s) Go(s) X(s) X(s) Gr ( s ) = E(s) k U (s ) 1 = k p + sk d + i = k p 1 + sTd + E ( s) sTi s U(s) 1 s t u (t ) = k p e(t ) + k d e&(t ) + ki ∫ e(t )dt = k p e(t ) + k d e&(t ) + ki δ(t ) 0 Regulator rozmyty Mamdaniego s xz e x Normalizacja 1 s Fuzyfikacja µ(e ) Baza reguł Odpalanie reguły µ(u) Defuzyfikacja Denormalizacja u JEŻELI e jest Ae(i) I e jest Ae(i) I δ jest Aδ(i) TO u jest Bu(i) 25 Regulator typu PD Regulator klasyczny u = k p e + k d e& PD NB NS ZO PS PB U(s) E(s) e u N = eN + e&N NB NS ZO PS PB de Regulator PD rozmyty NB JEŻELI e jest Ae(i) I de jest Ade(i) TO u jest Bu(i) NS ZO PS PB u xz e Baza reguł Fuzyfikacja de Normalizacja s µ(e) µ(de) Odpalanie µ(u) Defuzyfikacja u Denormalizacja reguły x Regulator typu PD Regulator PD klasyczny Regulator PD rozmyty JEŻELI e jest Ae(i) I de jest Ade(i) TO u jest Bu(i) u = k p e + k d e& u N = eN + e&N U(s) E(s) NB NB µ(u) NS ZOreguł Baza ZO PSPSPB PB µ(e)NS Jeżeli k p e + k d e& < 0 to u < 0 Jeżeli k p e + k d e& > 0 to u > 0 reguły e NB 0 u= PB u<0 s x PS e e NS ZO PS PB NB NS ZO PS PB ZO PS PS PB PB NS ZO uPS PS PB NS NS ZO PS e u>0 xz u e Równanie linii przełączającej s = k d e& + k p e = 0 s N = e&N + eN = 0 µ(de) Odpalanie de Normalizacja Fuzyfikacja µ(e) µ(de) de Baza reguł Odpalanie reguły ZO µ(u) Defuzyfikacja NS NB NS Denormalizacja NS ZO NB NB NB NS NS PS u PS ZO 26 Regulator typu PI Regulator PI klasyczny Gr ( s ) = U ( s) 1 k = k p + i = k p 1 + E ( s) sT s i u (t ) = k p e(t ) + kiδ (t ) u (t ) = k p e(t ) + ki ∫ e(t )dt = k p e(t ) + kiδ (t ) u& N = e&N + eN 0 u N = eN + δ N E(s) U(s) E(s) t u (t ) = ∫ u& (t )dt u& (t ) = k p e&(t ) + ki e(t ) t 0 1 s sU(s) 1 s U(s) 1 s Równanie linii przełączającej s = k p e + k iδ = 0 sN = e& N + δ N = 0 Równanie linii przełączającej s = k p e& + k i e = 0 s N = e& N + δ N = 0 δ e 0 0 u= u= u>0 u>0 e e u<0 u<0 Regulator typu PI Regulator PI klasyczny, typ II u& N = e&N + eN t u (t ) = ∫ u& (t )dt 0 1 s E(s) e Równanie linii przełączającej 1 s u>0 s = k p e& + k i e = 0 s N = e& N + δ N = 0 sU(s) 0 u= u& (t ) = k p e&(t ) + ki e(t ) e u<0 U(s) Regulator PI rozmyty JEŻELI e jest Ae(i) I de jest Ade(i) TO du jest Bdu(i) xz e s x de Normalizacja Fuzyfikacja µ(e) Baza reguł µ(de) Odpalanie reguły µ(du) Defuzyfikacja Denormalizacja du 1 s u 27 Regulator PI rozmyty xz e s Fuzyfikacja de Normalizacja µ(e) Baza reguł µ(de) Odpalanie reguły x µ(du) Defuzyfikacja Denormalizacja du 1 s u Regulator PI rozmyty Regulator PI klasyczny, typ II u& N = e&N + eN u (t ) = ∫ u& (t )dt e Równanie linii przełączającej E(s) sU(s) 1 s jest Bdu(i) e µ(e) s x Baza reguł Normalizacja Odpalanie deµ(de) reguły e u<0 U(s) e Regulator PI rozmyty JEŻELI e jest Ae(i) I de jest Ade(i) TO du xz u>0 s = k p e& + ki e = 0 s N = e&N + δ N = 0 0 1 s 0 u= Regulator typu PI t u& (t ) = k p e&(t ) + ki e(t ) µ(du) Fuzyfikacja NB NS ZO PS PB PB ZO PS PS PB PB PS NS ZO PS PS PB µ(e) Baza reguł µ(du) ZO de µ(de) Odpalanie reguły NS Defuzyfikacja du 1 PSu NS ZO PS Denormalizacja NS NB NS NS ZO PS NB NB NB NS NS ZO s 28 System wnioskowania rozmytego Mamdaniego JEŻELI x1 jest A1k I x2 jest A2k I ⋅⋅⋅ I xN jest ANk, TO u jest Bk x1, x2, ⋅⋅⋅ xN, – N wymiarowy wektor wejściowy – argument przesłanki A1, ⋅⋅⋅AN, B – zmienne lingwistyczne reprezentowane przez odp. funkcje przynależności k – numer reguły (k∈<1, M>) Reguła 1 to to u jest B 1 Jeżeli x jest A1 Reguła 2 to to u jest B 2 Jeżeli x jest A2 x Agregator µ(u) Zbiór rozmyty Defuzyfikator u Zbiór ostry Reguła M to to u jest B Jeżeli x jest AM M System wnioskowania rozmytego Sugeno-Takagi JEŻELI x1 jest A1k I x2 jest A2k I ⋅⋅⋅ I xN jest ANk, TO uk = fk(x1, x2, ... , xN) x1, x2, ⋅⋅⋅ xN, – N wymiarowy wektor wejściowy – argument przesłanki A1, A2, ⋅⋅⋅AN – zmienne lingwistyczne reprezentowane przez odp. funkcje przynależności fk(x1, x2, ... , xN) – nierozmyta (ostra) funkcje następnika reguły k – numer reguły (k∈<1, M>) Reguła 1 to to u = f (x) 1 1 Jeżeli x jest A1 Reguła 2 to to u = f (x) 2 2 Jeżeli x jest A2 x Agregator u Zbiór ostry Reguła M to to u = f (x) M M Jeżeli x jest AM 29 System wnioskowania rozmytego Sugeno-Takagi JEŻELI x1 jest A1k I x2 jest A2k I ⋅⋅⋅ I xN jest ANk, TO uk = fk(x1, x2, ... , xN) x1, x2, ⋅⋅⋅ xN, – N wymiarowy wektor wejściowy – argument przesłanki A1, A2, ⋅⋅⋅AN – zmienne lingwistyczne reprezentowane przez odp. funkcje przynależności fk(x1, x2, ... , xN) – nierozmyta (ostra) funkcje następnika reguły k – numer reguły (k∈<1, M>) Stan procesu ostry (zbiór nierozmyty) Wyjście sterowania ostre (zbiór nierozmyty) x u Normalizacja Denormalizacja Część opcjonalna xw Fuzyfikator µ(x) Maszyna wnioskująca uw Część obligatoryjna Baza reguł System wnioskowania rozmytego Sugeno-Takagi JEŻELI x1 jest A1k I x2 jest A2k I ⋅⋅⋅ I xN jest ANk, TO uk = fk(x1, x2, ... , xN) Reguła 1 to to u = f (x) 1 1 Jeżeli x jest A1 Reguła 2 to to u = f (x) 2 2 Jeżeli x jest A2 x Agregator u Zbiór ostry Reguła M Jeżeli x jest AM to to uM = fM(x) M ( uk = f k x1* , x2* , ... , x*N ) ( µ uk = min µ k ( x1* ), µ k ( x2* ), ..., µ k ( x*N ) ) ∑ µu uk u = k =M1 k ∑ µu k =1 k 30 Regulator rozmyty PID typu Sugeno-Takagi Reguły dla regulatora rozmytego PID typu Mamdaniego JEŻELI e jest Ae(i) I e jest Ae(i) I δ jest Aδ(i) TO u jest Bu(i) Regulator rozmyty PID Mamdaniego s xz e µ(e ) Fuzyfikacja Normalizacja µ(u) Odpalanie reguły 1 s x Baza reguł Defuzyfikacja u Denormalizacja Reguły dla regulatora rozmytego PID typu Sugeno-Takagi JEŻELI e jest Ae(i) I e jest Ae(i) I δ jest Aδ(i) TO u(i) = fi(e, e, d) Regulator rozmyty PID Sugeno s xz e Fuzyfikacja Normalizacja µ(e ) Baza reguł 1 s x uw Odpalanie reguły u Denormalizacja Regulator rozmyty PD typu Sugeno-Takagi Regulator klasyczny u = k p e + k d e& PD NB NS ZO PS PB U(s) E(s) e u N = eN + e&N NB NS ZO PS PB de Regulator PD rozmyty JEŻELI e jest xz Ae(i) I de jest uD = e + de Ade(i) TO u(i) e Baza reguł s x de Normalizacja Fuzyfikacja uM = 0,5 ⋅ e + 0,5 ⋅ de = fi(e, de) µ(e) µ(de) Odpalanie uZ = 0,1 ⋅ e + 0,1 ⋅ de uw Denormalizacja u reguły 31 Regulator rozmyty PD typu Sugeno-Takagi e Równanie linii przełączającej 0 u= Regulator PD klasyczny u>0 u = k p e + kd e& s = k d e& + k p e = 0 u N = eN + e&N s N = e&N + eN = 0 e u<0 Regulator PD rozmyty e JEŻELI e jest Ae(i) I de jest Ade(i) TO u(i) NB NS ZO PS PB PB uZ uM uM uD uD PS uM uZ uM uM uD ZO uM uM uZ uM uM NS uD uM uM uZ uM NB uD uD uM uM uZ = fi(e, de) uD = e + de de uM = 0,5 ⋅ e + 0,5 ⋅ de uZ = 0,1 ⋅ e + 0,1 ⋅ de Regulator rozmyty PI typu Sugeno-Takagi Regulator PI klasyczny Gr ( s ) = NB U ( s) 1 k = k p + i = k p 1 + E ( s) sT s i NS ZO PS PB t u (t ) = k p e(t ) + ki ∫ e(t )dt = k p e(t ) + kiδ (t ) u N = eN + δ N e 0 NB NS ZO PS PB U(s) E(s) 1 s de uD = e + ce Regulator PI rozmyty uM = 0,5 ⋅ e + 0,5 ⋅ ce JEŻELI e jest Ae(i) I ce jest Ace(i) TO u(i) = fi(e, ce) xz e 1 ce s x Normalizacja Fuzyfikacja µ(e) µ(ce) Baza reguł Odpalanie reguły uZ = 0,2 ⋅ e + 0,2 ⋅ ce uw Denormalizacja u 32 Regulator rozmyty PI typu Sugeno-Takagi δ Regulator PI klasyczny 0 u= Równanie linii przełączającej u (t ) = k p e(t ) + ki δ(t ) s = k p e + k iδ = 0 u N = eN + δ N s N = eN + δ N = 0 u>0 e u<0 Regulator PI rozmyty JEŻELI e jest Ae(i) I ce jest Ace(i) TO u(i) = fi(e, ce) e uD = e + ce uM = 0,7 ⋅ e + 0,7 ⋅ ce uZ = 0,4 ⋅ e + 0,4 ⋅ ce ce NB NS ZO PS PB PB uZ uM uM uD uD PS uM uZ uM uM uD ZO uM uM uZ uM uM NS uD uM uM uZ uM NB uD uD uM uM uZ 33