Upload
queenann
View
218
Download
0
Embed Size (px)
Citation preview
8/14/2019 logica-fuzzy3
1/22
Introducao a Logica Fuzzy
Lus Carlos Dill Junges
Universidade Federal de Santa Catarina
Centro tecnologico
Departamento de Automacao de Sistemas
Sistemas Industriais Inteligentes
13 de novembro de 2006
http://find/http://goback/8/14/2019 logica-fuzzy3
2/22
Sumario
1 Historia/uso
2 Logica Fuzzy3 Por que usar logica Fuzzy4 Raciocnio Fuzzy
FuzzificacaoInferencia
Agregacao
Composicao
Defuzzificacao
5 Implementar logica Fuzzy
Descricao do problemaFuncoes de pertinenciaMatriz de regrasInferenciaEncontrar o centroide
http://find/http://goback/8/14/2019 logica-fuzzy3
3/22
Historia/uso
1965 Prof. Lotfi Zadeh, U.C Berkeley. Apresenta os
conceitos fundamentais da logica Fuzzy.1970 Primeira aplicacao da logica Fuzzy na engenharia de
controle.
1975 Introducao da logica Fuzzy no Japao.
1985 Ampla utilizacao no Japao.1990 Ampla utilizacao na Europa.
1995 Ampla utilizacao no EUA.
1996 1100 aplicacoes com Logica Fuzzy publicadas.
Aplicacoes embarcadas - 28%Automacao industrial - 62%Controle de processos - 10%
2000 Aplicada a financas, controle multi-variavel.
http://find/http://goback/8/14/2019 logica-fuzzy3
4/22
Logica Fuzzy
Descricao
Logica Fuzzy e baseada na teoria do Conjuntos Fuzzy.Tradicionalmente, uma proposicao logica tem dois extremos: ou ecompletamente verdadeiro ou e completamente falso.Entretanto, na logica Fuzzy, uma premissa varia em grau de
verdade de 0 a 1, o que leva a ser parcialmente verdadeira ouparcialmente falsa.
Funcionamento logica Fuzzy
O controle executado pela logica Fuzzy imita um comportamento
baseado em regras ao inves de um controle explicitamente restritoa modelos matematicos como equacoes diferenciais. O objetivo dalogica Fuzzy e gerar uma sada logica a partir de um conjunto deentradas nao precisas, com rudos ou ate mesmo faltantes.
http://find/http://goback/8/14/2019 logica-fuzzy3
5/22
Logica Fuzzy
Descricao
Logica Fuzzy e baseada na teoria do Conjuntos Fuzzy.Tradicionalmente, uma proposicao logica tem dois extremos: ou ecompletamente verdadeiro ou e completamente falso.Entretanto, na logica Fuzzy, uma premissa varia em grau deverdade de 0 a 1, o que leva a ser parcialmente verdadeira ouparcialmente falsa.
Funcionamento logica Fuzzy
O controle executado pela logica Fuzzy imita um comportamento
baseado em regras ao inves de um controle explicitamente restritoa modelos matematicos como equacoes diferenciais. O objetivo dalogica Fuzzy e gerar uma sada logica a partir de um conjunto deentradas nao precisas, com rudos ou ate mesmo faltantes.
http://find/http://goback/8/14/2019 logica-fuzzy3
6/22
Logica Fuzzy na pratica
Funcionamento logica Fuzzy
Logica Fuzzy tem por essencia gerar valores de sadas sem anecessidade de entradas precisas.
http://find/http://goback/8/14/2019 logica-fuzzy3
7/22
Por que usar Logica Fuzzy?
Controle por logica Fuzzy
A logica Fuzzy apresenta as seguintes caractersticas em relacao aoutras tecnicas de controle:
1
Robusta porque nao requer entradas precisas.2 Modificada facilmente pois e baseada em regras.
3 Controle de sistemas nao-lineares sem modelo matematico.
4 Solucao mais rapida e barata em alguns casos.
5
Implementavel facilmente em microprocessadores.
http://find/http://goback/8/14/2019 logica-fuzzy3
8/22
Raciocnio Fuzzy
O raciocnio com logica Fuzzy consiste em implementar as etapasabaixo:
fi
http://find/http://goback/8/14/2019 logica-fuzzy3
9/22
Fuzzificacao
Fuzzificacao
Nesta etapa definem-se as variaveis lingusticas de forma subjetivabem como as funcoes pertinencia.
Analise do problemaDefinicao das variaveis Fuzzy
Definicao das funcoes de pertinencia
Criacao de regioes
I f i
http://find/http://goback/8/14/2019 logica-fuzzy3
10/22
Inferencia
Inferencia
Nesta etapa definem-se as regras ou proposicoes.
Definicao das regras
Criacao da matriz de regras
Agregacao Calcula a importancia de uma determinada regrapara a situacao corrente (bloco IF)
Composicao Calcula a influencia de cada regra nas variaveis de
sada (bloco THEN)
D f ifi
http://find/http://goback/8/14/2019 logica-fuzzy3
11/22
Defuzzificacao
Operadores fuzzy
A and B = min(a,b)A or B = max(a,b)
not A = 1 - A
Algoritmos de defuzzificacaoConverter as variaveis fuzzy em valores numericos ou aceitaveispelo sistema. Nesta etapa diversas tecnicas de defuzzificacaopodem ser usadas, entre elas:
Centroide
First-of-Maxima
Middle-of-Maxima
Criterio Maximo
I l t l i F
http://find/http://goback/8/14/2019 logica-fuzzy3
12/22
Implementar logica Fuzzy
Exemplo de estrutura de um programa com logica Fuzzy:
E l t l F
http://find/http://goback/8/14/2019 logica-fuzzy3
13/22
Exemplo controle Fuzzy
Descricao problema
Desenvolver um controlador proporcional em determinado processo
de tal maneira que o mesmo opere dentro de uma faixa detemperatura pre-estabelecida. O sinal de sada deve ser 0-100positivo (aquecer) ou 0-100 negativo (resfriar).
F ifi V i is F
http://find/http://goback/8/14/2019 logica-fuzzy3
14/22
Fuzzificacao - Variaveis Fuzzy
Variaveis Fuzzy
Erro = Negativo, Positivo, Zero
Derivada do erro = Negativa, Positiva, Zero
Sada = Valor real entre -100 e +100
Fuzzificacao Funcoes de pertinencia
http://find/http://goback/8/14/2019 logica-fuzzy3
15/22
Fuzzificacao - Funcoes de pertinencia
Relevancia
Tambem chamada de Degree of Membership (DOM). Determina o
quao significante e tal informacao.
Fuzzificacao Funcoes de pertinencia
http://find/http://goback/8/14/2019 logica-fuzzy3
16/22
Fuzzificacao - Funcoes de pertinencia
Forma do grafico
Embora a forma triangular seja a mais comum, outras formas
como sino, trapezoidal entre outras podem ser escolhidas.
Inferencia Regras ou proposicoes
http://find/http://goback/8/14/2019 logica-fuzzy3
17/22
Inferencia - Regras ou proposicoes
Inferencia Matriz de regras
http://find/http://goback/8/14/2019 logica-fuzzy3
18/22
Inferencia - Matriz de regras
Defuzzificacao - Resultados das regras
http://find/http://goback/8/14/2019 logica-fuzzy3
19/22
Defuzzificacao - Resultados das regras
Exemplo com valores arbitrarios
Considerando os valores de -1 e +2.5 para o erro e para a derivadado erro, respectivamente, tem-se para o resultado das regras:
1 If (erro< 0) & ( derrodt
< 0) then Esfriar 0.5 & 0.0 = 0.0
2 If (erro = 0) & (derrodt
< 0) then Aquecer 0.5 & 0.0 = 0.0
3
If (erro> 0) & (derro
dt < 0) then Aquecer 0.0 & 0.0 = 0.04 If (erro< 0) & (derro
dt= 0) then Resfriar 0.5 & 0.5 = 0.5
5 If (erro = 0) & (derrodt
= 0) then Nao mude 0.5 & 0.5 = 0.5
6 If (erro> 0) & (derrodt
= 0) then Aquecer 0.0 & 0.5 = 0.0
7 If (erro< 0) & (derrodt
> 0) then Resfriar 0.5 & 0.5 = 0.5
8 If (erro = 0) & (derrodt
> 0) then Resfriar 0.5 & 0.5 = 0.5
9 If (erro> 0) & (derrodt
> 0) then Aquecer 0.0 & 0.5 = 0.0
Defuzzificacao - Resultados das regras
http://find/http://goback/8/14/2019 logica-fuzzy3
20/22
Defuzzificacao Resultados das regras
Algoritmo Root-Sum-Square (RSS)
Negativo =
0.02 + 0.52 + 0.52 + 0.52 = 0.866
Zero =
0.52 = 0.500
Positivo = 0.02 + 0.02 + 0.02 + 0.02 = 0.000
Root-Sum-Square (RSS) - Centroide
Valor de sada = 1000.866+00.500+1000.000.866+0.500+0.000 = 63.4%
Defuzzificacao
http://find/http://goback/8/14/2019 logica-fuzzy3
21/22
Defuzzificacao
Fim de apresentacao
http://find/http://goback/8/14/2019 logica-fuzzy3
22/22
Fim de apresentacao
Obrigado pela presenca!
Introducao a Logica Fuzzy
Lus Carlos Dill Junges
Universidade Federal de Santa Catarina
Centro tecnologico
Departamento de Automacao de SistemasSistemas Industriais Inteligentes
13 de novembro de 2006
http://find/http://goback/