Table of Contents
क्यों इंजीनियरिंग निर्णय प्रणाली में पारंपरिक द्विआधारी तर्क विफल
इंजीनियरिंग सिस्टम नियमित रूप से उन स्थितियों का सामना करते हैं जो काले और सफेद से दूर हैं। सेंसर शोर, पर्यावरण परिवर्तनशीलता, सामग्री की खामियां, और मानव कारक यह सुनिश्चित करते हैं कि द्विआधारी सत्य / झूठ तर्क को सुंदर ढंग से संभाल नहीं सकता है। एक तापमान सेंसर 37.2°C पढ़ सकता है, लेकिन यह है कि "गर्म" या "गर्म"? कुरकुरकुरा तर्क के तहत, इंजीनियरों को एक सीमा निर्धारित करनी चाहिए - 38°C - इसलिए 37.9°C को "गर्म नहीं" के रूप में वर्गीकृत किया गया है जबकि 38.1°C "गर्म" है। यह निरंतरता भंगुर निर्णय प्रणाली की ओर जाता है जो कि erratically सीमा के पास व्यवहार करती है। सुरक्षा-महत्विक अनुप्रयोगों जैसे एयरोस्पेस या मोटर वाहन नियंत्रण, ऐसी कठोरता प्रणाली अस्थिरता या उप-शक्तिमान्यता प्रदर्शन प्रणाली का उत्पादन कर सकती है।
फजी लॉजिक को 1990 के दशक के मध्य में लोफ़ी ज़ेडे द्वारा 0 और 1 के बीच सत्य मूल्यों की निरंतरता पर कब्जा करने के लिए गणितीय ढांचे के रूप में अग्रणी बनाया गया था। एक कुरकुरा सदस्यता को मजबूर करने के बजाय, फजी लॉजिक एक साथ कई सेटों से संबंधित होने की अनुमति देता है। उदाहरण के लिए, 37.2°C में मानव अंतर्ज्ञान को दर्शाते हुए "गर्म" में 0.6 और 0.3 "गर्म" में 0.6 की सदस्यता हो सकती है। सच्चाई की डिग्री के कारण यह क्षमता फजी लॉजिक को इंजीनियरिंग निर्णय प्रणाली के लिए एक अनिवार्य उपकरण बनाती है जिसे अनिश्चितता के तहत काम करना चाहिए।
फ़ज़ी लॉजिक की कोर अवधारणाएं
सदस्यता कार्य
एक फजी सेट को अपने सदस्यता समारोह द्वारा परिभाषित किया गया है, जो ब्रह्मांड के प्रत्येक तत्व को [0, 1] में मूल्य के लिए प्रवचन करता है। आम आकृतियों में त्रिकोणीय, ट्रेपेज़ॉइडल, गौसियन और सिग्मोइड फ़ंक्शन शामिल हैं। आकार और मापदंडों का विकल्प सीधे सिस्टम व्यवहार को प्रभावित करता है। उदाहरण के लिए, "कम गति" के लिए एक त्रिकोणीय सदस्यता समारोह 10 किमी / एच पर चोटी हो सकता है और 0 और 30 किमी / एच पर शून्य हो सकता है, जबकि "मध्यम गति" इसके साथ ओवरलैप करता है, जिससे चिकनी संक्रमण की अनुमति मिलती है।
भाषाई वैरिएबल्स और नियम
फजी लॉजिक भाषाई चर का उपयोग करता है- जैसे कि "ताप" "दबाव" या "error" - जो "कम" "मध्यम" "उच्च" जैसे भाषाई मूल्यों को लेते हैं। इन्फ़ैरेंस को IF-THEN नियमों द्वारा संचालित किया जाता है: यदि तापमान IS उच्च है और दबाव IS कम है वाल्व खोलने वाला IS माध्यम। ये नियम विशेषज्ञ ज्ञान को कोडित करते हैं और मानव ऑपरेटरों से प्राप्त किया जा सकता है या डेटा से सीखा जा सकता है।
फजी इन्फिएशन प्रक्रिया
मानक Mamdani inference विधि में चार चरणों शामिल हैं: फ्यूज़िफिकेशन, नियम मूल्यांकन, एकत्रीकरण और डीफ़्यूज़िफिकेशन। प्रत्येक चरण एक कुरकुरा उत्पादन के लिए जानकारी को बदल देता है और जोड़ती है जो एक कुरकुरकुरा आउटपुट को एक्ट्यूएशन या निर्णय के लिए उपयुक्त बनाता है।
चरण-दर-चरण कार्यान्वयन गाइड
एक इंजीनियरिंग प्रणाली में फजी लॉजिक को कार्यान्वित करने के लिए विधिवत डिजाइन की आवश्यकता होती है। निम्नलिखित कदम एक नियंत्रण या निर्णय प्रणाली के लिए एक विशिष्ट वर्कफ़्लो को प्रतिबिंबित करते हैं।
1. समस्या Scoping और चर चयन
इनपुट चर (जैसे गति, दूरी, तापमान) और आउटपुट चर (जैसे ब्रेक फोर्स, वाल्व पोजीशन, अलर्ट लेवल) की पहचान करें। भौतिक सीमाओं और ऑपरेटिंग स्थितियों के आधार पर प्रत्येक चर के लिए प्रवचन के ब्रह्मांड को परिभाषित करें।
2. फ्यूज़िफिकेशन
प्रत्येक भाषाई शब्द के लिए डिजाइन सदस्यता कार्य। ओवरलैपिंग क्षेत्रों को निर्धारित करने के लिए डोमेन विशेषज्ञता का उपयोग करें। MATLAB® फ़ज़ी लॉजिक टूलबॉक्स या पायथन के स्किकिट-फ़ज़ी लाइब्रेरी जैसे उपकरण तेजी से प्रोटोटाइप की अनुमति देते हैं। उदाहरण के लिए, एक जल स्तर नियंत्रक, "कम" "मध्यम" और "उच्च" स्तर में टैंक की ऊंचाई पर समान रूप से स्थित त्रिकोणीय कार्यों के साथ मॉडल किया जा सकता है।
3. नियम बेस निर्माण
यदि आप एक समूह या व्यक्ति हैं, तो वह एक समूह है जो एक समूह है, जो एक समूह है, जिसे एक समूह के रूप में जाना जाता है, तो वह एक समूह है जो एक समूह है, जिसे एक समूह के रूप में जाना जाता है, जिसे एक समूह या व्यक्ति के रूप में जाना जाता है।
4. नियम मूल्यांकन और एकत्रीकरण
प्रत्येक नियम के लिए, एक आउटपुट फजी सेट में एक परिणामी फजी सेट (जैसे अधिकतम या योग का उपयोग करके) को एक आउटपुट फजी सेट में जोड़कर, टी-नर्म (न्यूनतम या उत्पाद) लागू करके संतुष्टि की डिग्री (फिंग ताकत) की गणना करें। परिणाम एक ऐसा आकार है जो सभी नियमों की संयुक्त सिफारिश का प्रतिनिधित्व करता है।
5. अविस्मरणीय
कुल मिलाकर फजी सेट को कुरकुरा संख्या में कनवर्ट करें। आम तरीकों में सेंटरोइड (ग्रेविटी सेंटर), बिस्कर, मैक्सिमा का मतलब और मैक्सिमा का सबसे बड़ा शामिल है। सेंड्रा का उपयोग व्यापक रूप से किया जाता है क्योंकि यह एक चिकनी आउटपुट उत्पन्न करता है जो इनपुट में बदलाव के लिए लगातार जवाब देता है।
6. ट्यूनिंग और वैधता
परीक्षण मामलों और सदस्यता समारोह मापदंडों और नियम भार को परिष्कृत करने के साथ प्रणाली को अनुकरण करें। आनुवंशिक एल्गोरिदम सेटलिंग समय, ओवरशूट या स्थिर-राज्य त्रुटि जैसे प्रदर्शन मीट्रिक के खिलाफ अनुकूलन करके ट्यूनिंग को स्वचालित कर सकते हैं।
पारंपरिक दृष्टिकोण पर गंभीर लाभ
शोर और अधूरे डेटा के लिए मजबूतता
चूंकि फजी लॉजिक कई अतिव्यापी नियमों को जोड़ती है, इसलिए एक भ्रष्ट सेंसर पढ़ने से शायद ही कभी एक विनाशकारी आउटपुट शिफ्ट का कारण बनता है। सिस्टम ने gracefully को कम कर दिया - मोटर वाहन में विशेष रूप से मूल्यवान संपत्ति ] एंटी-लॉक ब्रेकिंग सिस्टम जहां व्हील स्पीड सेंसर क्षणिक ड्रॉपआउट का अनुभव कर सकते हैं।
मॉडल-फ्री नेचर
PID नियंत्रकों या राज्य-स्पेस मॉडल के विपरीत, फजी लॉजिक को पौधे के सटीक गणितीय मॉडल की आवश्यकता नहीं होती है। इसे पूरी तरह से हरिस्टिक ज्ञान से डिजाइन किया जा सकता है, जिससे यह जटिल गैर-रैखिक प्रणालियों के लिए आदर्श बन जाता है जहां मॉडलिंग अट्रैक्टिव है।
अप्रवर्तनीयता और रखरखाव
फजी नियमों को निकट-प्राकृतिक भाषा में व्यक्त किया जाता है, जिससे डोमेन विशेषज्ञों को निर्णय तर्क की समीक्षा और संशोधित करने की प्रोग्रामिंग विशेषज्ञता के बिना अनुमति मिलती है। यह पारदर्शिता डीबगिंग समय को कम करती है और चिकित्सा या एयरोस्पेस इंजीनियरिंग में नियामक अनुपालन को सरल बनाती है।
अनुकूलन
फजी सिस्टम को सीखने के तंत्र के साथ जोड़ा जा सकता है - जैसे कि अनुकूली न्यूरो-फजी इनफरेंस सिस्टम (ANFIS) - अंतर्निहित व्याख्यात्मक संरचना को खोने के बिना डेटा से पैरामीटर को समझने के लिए।
रियल-विश्व इंजीनियरिंग अनुप्रयोग
रोबोटिक्स और स्वचालन
फजी लॉजिक कंट्रोलर दूरी और अभिविन्यास रीडिंग के संयोजन से असंरचनात्मक वातावरण के माध्यम से मोबाइल रोबोटों का मार्गदर्शन करते हैं। उदाहरण के लिए, एक रोबोट संकीर्ण गलियारों को नेविगेट करने के लिए "आईएफ बाधा करीब है और दिशा को थिन बारी तेज दाएं" जैसे नियमों का उपयोग करता है। Festo जैसी कंपनियां अनुकूली ग्रिपिंग सिस्टम में फजी नियंत्रण को नियोजित करती हैं जो अलग-अलग अनुपालन की वस्तुओं को संभालती हैं।
विद्युत प्रणाली प्रबंधन
आधुनिक विद्युत ग्रिड लोड पूर्वानुमान, वोल्टेज विनियमन और दोष का पता लगाने के लिए फजी तर्क पर निर्भर करते हैं। एक फजी निर्णय प्रणाली क्लाउड कवर पूर्वानुमान, समय-समय पर और बैटरी स्टेट ऑफ-चार्ज-सभी अनिश्चित इनपुट का मूल्यांकन करके भंडारण के साथ अक्षय पीढ़ी को संतुलित कर सकती है।
पर्यावरण निगरानी
वायरलेस सेंसर नेटवर्क PM2.5, ओजोन और आर्द्रता के लिए आंशिक रूप से ओवरलैपिंग थ्रेसहोल्ड के आधार पर वायु गुणवत्ता सूचकांक को वर्गीकृत करने के लिए फजी इंफेंसेस का उपयोग करते हैं। सिस्टम बाइनरी अलार्म की बजाय ग्रेडेड चेतावनी (caution, अलर्ट, क्रिटिकल) जारी कर सकता है, झूठे सकारात्मकता को कम कर सकता है।
मोटर वाहन प्रणाली
एबीएस से परे, फजी लॉजिक स्वचालित ट्रांसमिशन शिफ्ट शेड्यूलिंग, अनुकूली क्रूज नियंत्रण और कर्षण नियंत्रण में दिखाई देता है। एक वाहन के इलेक्ट्रॉनिक स्थिरता कार्यक्रम याव दर, स्टीयरिंग एंगल और पार्श्व त्वरण के आधार पर ब्रेक दबाव को संशोधित करने के लिए फजी नियमों का उपयोग कर सकता है।
औद्योगिक प्रक्रिया नियंत्रण
सीमेंट भट्टों, रासायनिक रिएक्टरों और अपशिष्ट जल उपचार संयंत्रों सभी महत्वपूर्ण गैर-रेखीयता और समय देरी के साथ काम करते हैं। फजी पीआई नियंत्रकों ने इन संदर्भों में क्लासिक पीआईडी को बेहतर बनाने के लिए, तेजी से प्रतिक्रिया देने और ओवरशूट को कम करने का काम किया।
कार्यान्वयन चुनौतियां और शमन
आयामीता का पर्स
चूंकि इनपुट चर में वृद्धि होती है, नियम आधार तेजी से बढ़ता है। शमन में पदानुक्रमित फजी सिस्टम शामिल हैं, जहां एक चरण का आउटपुट दूसरे के लिए इनपुट हो जाता है, और अंतर-प्रस्ताव तकनीकों के साथ स्पर्स नियम बेस।
सदस्यता समारोह संवेदनशीलता
आम तौर पर चुनी गई आकृतियां दोलन या सुस्त प्रतिक्रिया का कारण बन सकती हैं। ट्यूनिंग के दौरान क्रॉस-वैलिडेशन का उपयोग करें और कण स्वarm या बायेसियन विधियों के माध्यम से स्वचालित अनुकूलन पर विचार करें।
वैधता कठिनाई
चूंकि फजी सिस्टम स्वाभाविक रूप से गैर-रैखिक हैं, औपचारिक सत्यापन कठिन है। दृष्टिकोण में कवरेज मीट्रिक, नियंत्रण प्रणाली के लिए Lyapunov स्थिरता विश्लेषण और हार्डवेयर-इन-द-लूप परीक्षण के साथ एक्स्हॉसिव सिमुलेशन शामिल है।
मौजूदा डिजिटल नियंत्रकों के साथ एकीकरण
कई औद्योगिक नियंत्रकों का उपयोग निश्चित बिंदु अंकगणितीय है। पूर्णांक स्केलिंग के साथ फजी की उपस्थिति को लागू करें - सदस्यता कार्यों को सुनिश्चित करना और क्षतिपूर्ति कम्प्यूटेशनली कुशल बनी हुई है।
भविष्य निर्देश: मशीन लर्निंग के साथ फजी लॉजिक को मर्ज करना
अगले फ्रंटियर हाइब्रिड सिस्टम है जो गहरे सीखने के पैटर्न मान्यता के साथ फजी लॉजिक की व्याख्या को जोड़ती है। Recent Research] फजी तंत्रिका नेटवर्क का पता लगाता है जहां नियम के परिणाम डेटा से सीखे जाते हैं जबकि antecedent मानव-readable बने रहते हैं। सुदृढीकरण सीखने को भी एकीकृत किया जा रहा है - एक एजेंट ऑपरेशन के दौरान फजी नियम भार को समायोजित कर सकता है, जिससे ऑपरेटिंग स्थितियों को स्थानांतरित करने के लिए स्वायत्त पुनर्मूल्यांकन सक्षम किया जा सकता है।
हेल्थकेयर और विमानन जैसे क्षेत्रों में एक्सएआई (XAI) विनियमों में ब्लैक बॉक्स न्यूरल नेटवर्क के लिए एक आंतरिक रूप से व्याख्यात्मक विकल्प के रूप में फजी सिस्टम को अपनाने में तेजी लाने की संभावना है। फजी लॉजिक एज एआई में भी भूमिका निभाएगा क्योंकि इसका नियम आधारित अनुमान हल्का और गहरे मॉडल की तुलना में निर्धारित है।
निष्कर्ष
फजी लॉजिक ब्रिटल से इंजीनियरिंग निर्णय प्रणाली को बदल देता है, जो तरल पदार्थ, मानव जैसी तर्क ढांचे में सीमाबद्ध तंत्र को बदल देता है। अनिश्चितता, शोर और अनुग्रह के साथ गैर-रैखिकता को संभालने से, यह आधुनिक नियंत्रण और निर्णय विज्ञान का एक स्तंभ बन गया है। कार्यान्वयन सदस्यता कार्यों और नियम अड्डों के सावधानीपूर्वक डिजाइन की मांग करता है, लेकिन पेऑफ़ अधिक मजबूतता, व्याख्याता और अनुकूलन क्षमता है। चूंकि इंजीनियरिंग सिस्टम अधिक स्वायत्त और सुरक्षा-महत्वपूर्ण, फजी लॉजिक-मशीन लर्निंग द्वारा प्रेरित - अक्षम अनिश्चितता के तहत निर्णय लेने के लिए एक आवश्यक उपकरण बने रहेंगे।