なぜ伝統的なバイナリロジックがエンジニアリングの意思決定システムに失敗するのか

エンジニアリングシステムは、黒と白から遠く離れた条件に直面しています。 センサーノイズ、環境の変動、材料の不完全性、および人間的要因は、バイナリの真/偽の論理がうまく処理できないという公平性を導入しています。 温度センサーは37.2°Cを読むかもしれませんが、 "ホット" または "ホット" というものがあります。 鮮明なロジックの下で、エンジニアは、仲裁値を設定する必要があります。 38°C つまり、37.9°C は、38C 秒間、 "ホット" または "ノンストップ" というと分類されます。 そのようなシステムが、このような動作を中断または、このような動作を試みとして行うことができます。

ヒュージーロジックは、1960年代半ばにロッテの先駆者で、真理値の連続値を0と1の間でキャプチャする数学フレームワークとして発足しました。 ぱっとしたメンバーシップを強制する代わりに、ファジーロジックは、複数のセットに部分的に属する変数を可能にします。 例えば、37.2°Cは0.6のメンバーシップを「ワーム」で持つ可能性があり、0.3は「ヒトの直感」で、人間の直感を反映しています。 真実の度と理由は、偽りのない決定システムが必須のツールとなるでしょう。

フォジーロジックのコアコンセプト

会員関数

偽りのセットは、そのメンバーシップ機能によって定義されます。これは、ディスコースのそれぞれの要素を[0, 1]に値する値にマップします。 一般的な形状には、三角形、台形、ガウス、およびシグマノイド関数が含まれます。 形状とパラメータの選択は、システム動作に直接影響します。 例えば、三角のメンバーシップ機能は10 km / hでピークし、0と30 km / hでゼロに低下する可能性があります。 「中程度の速度」は、それをスムーズに移行することができます。

言語変数と規則

ヒュージーロジックは、「温度」「圧力」「エラー」などの言語変数を使用します。これは、「低」、「中」、「高」などの言語的値を取ります。 IF-THEN規則によって推論が駆動されます。 IF温度は高く、圧力は低いです。 これらのルールは、専門家の知識をエンコードし、人員から派生するか、データから学んだりすることができます。

フォジー・インフェレンス・プロセス

標準的なMamdaniの推論方法は、加速度、規則評価、集計、および解散の4つの段階を含みます。各段階は、情報を変え、情報を統合し、行動や決定に適した鮮明な出力を生成します。

ステップバイステップの実装ガイド

エンジニアリングシステムでfuzzyロジックを実装するには、方法的な設計が必要です。次の手順では、コントロールまたは意思決定システム用の典型的なワークフローをミラーリングします。

1. 問題の規模および可変的な選択

入力変数(例、速度、距離、温度)と出力変数(例、ブレーキフォース、バルブ位置、アラートレベル)を特定します。 物理的な制限や動作条件に基づいて、各変数のディスコースの宇宙を定義します。

2. 加圧

各言語のメンバーシップ機能の設計。ドメインの専門知識を使用して、重複する領域を決定します。MATLAB® FuzzyロジックツールボックスやPythonのscikit-fuzzyライブラリなどのツールは、迅速なプロトタイピングを可能にします。例えば、水位コントローラー「low」、および「high」のレベルでは、タンクの高さを均等に間隔をあたたたた機能がモデル化される可能性があります。

3. ルール基礎構造

目的のシステム動作をキャプチャするIF-THENルールを書く。温度制御システムの場合、一つのルールが「IF温度が高であり、誤差が大きい場合、その速度が速い」という。ルールベースは、コンバイネーションの爆発を避けるために、コンパクト(10〜50ルール)を維持します。冗長または競合ルールは優先順位付けまたは重量割り当てを介して解決する必要があります。

4. ルール評価と集計

各規則では、t-norms(分または製品)をファジード入力に適用することにより、満足度(ファイリング強度)を計算します。その後、その結果のあるファジーセット(例、最大または合計を使用して)を単一の出力ファジーセットにまとめます。結果は、すべてのルールの併用推奨を示す形状です。

5. 防備

集計されたファジーを、鮮明な数に換算します。一般的な方法は、遠心分離機(重心中心)、ベステータ、マキシマの平均、および最大マキシマの最大のものが含まれます。Centroidは、入力の変化に継続的に反応する滑らかな出力を生成するため、最も広く使用されています。

6. 調整および検証

試験ケースと精錬会員関数パラメータと規則重量でシステムを模倣します。 遺伝アルゴリズムは、設定時間、オーバーシュート、または安定した状態のエラーなどの性能メトリックから最適化することで調整を自動化できます。

慣習的なアプローチ上の重要な利点

ノイズと不完全なデータに対する堅牢性

ヒュージーロジックは複数の重複ルールを集計しているため、単一破損したセンサー読み取りは、大惨事な出力シフトを引き起こしません。システムは優雅に劣化します。特に自動車の反ロックブレーキシステム[]で特に価値があります。ホイールスピードセンサーは、瞬時にドロップアウトが発生することがあります。

型式自由自然

PID コントローラーやステート スペース モデルとは異なり、fuzzy ロジックは、植物の正確な数学モデルを必要としません。それは、モデル化が引き込み可能な複雑な非線形システムにとって理想的である、ヒューリスティックな知識から純粋に設計することができます。

解釈と維持性

偽造ルールは、ほぼ自然言語で表現され、プログラミングの専門知識のないドメインの専門家が決定ロジックを見直し、変更することができます。この透明性は、デバッグ時間を短縮し、医療や航空宇宙工学の規制遵守を簡素化します。

適応性

適応神経系インフェレンスシステム(ANFIS)など、学習メカニズムを拡張し、理解しやすい構造を損なうことなく、データからパラメータをチューニングすることができます。

リアルワールドエンジニアリングアプリケーション

ロボティクス・オートメーション

距離と方向の読み取りを組み合わせて、構造を解除された環境でモバイルロボットを誘導するFuzzy ロジックコントローラー。例えば、ロボットは「IF障害が閉じて方向が左に進む」などのルールを使用して、狭い廊下をナビゲートします。]]のような企業は、さまざまなコンプライアンスのオブジェクトを処理する適応型グリップシステムでfuzzy制御を採用しています。

パワーシステム管理

現代の電気グリッドは、負荷予測、電圧規制、および故障検出のための不審な論理に依存しています。 不審な決定システムは、クラウドカバー予測、時間、バッテリーの状態 - 充電 - すべての不確実な入力を評価することによって、ストレージで再生可能エネルギー生成をバランスをとることができます。

環境モニタリング

無線センサーネットワークは、PM2.5、オゾン、湿度の部分的にオーバーラップしきい値に基づいて空気質の指標を分類するために、fuzzyの不妊を使用します。システムは、偽陽性を低下させる、バイナリアラームではなく、グレードの警告(注意、アラート、クリティカル)を発行することができます。

自動車システム

ABSを超えて、ファジーロジックは、自動変速スケジューリング、適応クルーズ制御、およびトラクションコントロールに表示されます。車両の電子的安定性プログラムは、ヤウ率、ステアリング角度、および横の加速に基づいて、車輪ごとのブレーキ圧力を調節するために、ファジールールを使用する可能性があります。

産業プロセス制御

セメント炉、化学炉および排水処理プラントは、重要な非線形性と時間の遅延ですべて動作します。 Fuzzy PI は、これらのコンテキストで古典的な PID を出力し、より迅速な対応と過剰撮影を削減します。

実装課題と課題

寸法の呪い

入力変数が増加するにつれて、ルールベースは指数関数的に成長します。 移行には、一段階の出力が別のステージに入力され、補間技術でルールベースをスパースする階層型フリーシステムが含まれます。

会員機能 感受性

選択された形状は、振動やスラグ応答を引き起こす可能性があります。チューニング中にクロスバリデーションを使用し、粒子のスワマーやベイジアンメソッドを使用して自動最適化を検討してください。

検証の難易度

ヒュージーシステムは、本質的に非線形であるため、正式な検証は困難です。 アプローチには、カバレッジメトリック、Lyapunov安定性分析、制御システムおよびハードウェア・イン・ザ・ループテストによる排気シミュレーションが含まれます。

デジタル・コントローラーの既存との統合

多くの産業コントローラーは固定ポイント算数を使用します。整数のスケーリングで不審なインフェレンスを実装し、メンバーシップ機能とデバジファイを保証することは、計算的に効率的です。

未来の方向:機械学習とFuzzyロジックをマージする

次のフロンティアは、深層学習パターン認識でfuzzyロジックの解釈性を兼ね備えたハイブリッドシステムです。 []] に集中した研究] は、ルールの結果をデータから学習し、検出者は人間が読めるままである間、fuzzyニューラルネットワークを探索します。 補強学習も統合されています。エージェントは、操作中にfuzzyルールの重みを調整することができ、自動再較正を有効にして動作条件をシフトすることができます。

医療や航空などの分野におけるAI(XAI)の規制は、ブラックボックスニューラルネットワークの本質的に解釈可能な代替として、ファジーシステムの導入を加速する可能性が高い。Fuzzyロジックは、ルールベースの推論が、ディープモデルと比較して軽量で決定的であるため、エッジAIの役割を果たします。

コンテンツ

ヒュージーロジックは、ブリッジ、スレッズホールドベースのメカニズムから、エンジニアリングの意思決定システムを流体、人間のような推論フレームワークに変換します。 不確実性、騒音、および非線形性を優雅に処理することにより、それは現代の制御と意思決定の科学の柱となっています。 実装は、メンバーシップ機能と規則ベースの慎重な設計を要求しますが、ペイオフはより堅牢性、解釈性、および適応性です。 エンジニアリングシステムは、より自律的かつ安全を成長させるにつれて、ファッショナブルな方法論的かつ、妥協のない決定的なツールを保ちません。