Fuzzy Mantık Kullanımı En İyisizliğe Sahip Olmaya Çalışın Kontrol Sistemleri

Giriş: Optimal Kontrol Sistemlerinde Uncertainty

Optimal kontrol sistemleri modern mühendislik, robotik ve otomasyon için temeldir, kesin karar verme performans, güvenlik ve verimlilik için gereklidir. Bu sistemler, maliyet fonksiyonunu en aza indirmek için matematiksel modellere güvenir ve hesaplama denetimi girişlerine dayanır - bu, sistem tüketimi, zaman veya izleme hatasıdır. ancak, gerçek dünya ortamları nadiren belirsiz ölçümler sunar.

1965 yılında Lif Zadeh tarafından tanıtıldıktan sonra, en uygun kontrol sistemlerindeki belirsizlikleri çözmeye yönelik bir alternatif paradigma sunuyor.Her değişkeni kesinlikle doğru veya yanlış olmaya zorlamak yerine, bulanık mantık, bulanık bir üyeliğin derecelerini göstermesine izin veriyor, kontrollerin sadece bir heuristik yamalar yapabilmesine ve uygun bir şekilde adapte edilebilmesine olanak sağlıyor.

Fuzzy Mantıksal Vakıfların Matematiksel Temelleri

Onun özünde, bulanık mantık klasik set teorisine sahiptir. Klasik bir sette, bir element ya da ait değildir - üyelik ikili (0 veya 1). Fık bir set, aksine, 0 ve 1 arasında bir üyelik derecesi tayin eder, genellikle bu değerler arasındaki pürüzsüz geçişler ile yapılır.

Fuzzy mantık operasyonları – bağlantı, ve tamam- t-norms ve t-conorms kullanarak tanımlanır. standart bulanık ve (intersection) min (a,b), fuzzy (a,b) tabloların bir koleksiyonudur (örneğin,) “Uygunluk hatası genellikle 1 – a. Bu işlemler karmaşık kurallara bir şekilde birleştirilmeye izin verir.

Bu matematiksel altpinnings, güçlerini bulanık bir mantık verir. Notlu üyeliği kullanarak, bir kontrol sistemi arasında yer alabilir, doğal olarak belirsizliği idare eden pürüzsüz kontrol yüzeyleri üretebilir.Felsemp teorisine daha derin bir giriş için, bakınız:0).Wikipedia: Fuzzy Set).

Neden Geleneksel Optimal Kontrol Falls Uncertainty Altında Kısa

Klasik en iyi kontrol teknikleri – Linear Quadratic Düzenlemeler (LQR), Model Tahmin edici Kontrol (MPC), ve H-infinity yöntemleri – sistem dinamiklerinin doğru şekilde bilindiği ve bilinen dağıtımlar için ayarlandığı veya takip edildiği gibi. Model zamanla sabit veya istikrarsız olduğunda, optimallik garantileri.Bir robot manipülatörü düşünün: dinamikleri bir şekilde bir işlemden diğerine değişir.

Robust kontrol teknikleri belirsizlike bağlı olarak çalışır, ancak genellikle stabilite için feda edici tasarımlara yol açarlar. Adaptif kontrol online model parametrelerini tanımlayabilir ve güncellemek için model parametrelerini talep eder ve sürekli olarak eklenebilir. Fuzzy mantık alternatif bir yol sunar: kesin bir matematiksel model olmadan uzman bilgi ekleyebilir ve önyargılı bir şekilde yorumlayabilir ve önceden tanımlanmış eşler arasında düşen bağlantılara tepki verebilir.Bu, insan uzmanlığının var olduğu sistemlerde özellikle değerli yapar ve aynı zamanda karmaşıktır.

Fuzzy Mantık, Optimal Kontrollü Olarak Nasıl Kişiye Karşı Kişiyeri

Fuzzy mantık, öncelikle dil kuralları kullanarak eylemleri kontrol etmek için en uygun kontrol sistemleri ile entegre edilir: 0)fuzzy kural tabanlı kontrolörler), bu kontrolörler yerine veya sistem dışı algoritmaları, sistem devletlerinden (veya hatalar) kontrol etmek için bir harita oluşturmak.

Her bulanık set için üyelik derecelerine dönüştürülür (örneğin, “soğuk”: 0.6, “hot”: 0,3.D)[değiştir | kaynağı değiştir], her bir kuralın "hızık" olarak değerlendirilmesi gerekir.

Bu işlem doğrudan belirsizliğe sahiptir, çünkü üyelik işlevleri kısmi gerçekliğe izin verir. Bir eşiğinden %10'u kontrol kararına katkıda bulunur, crisp mantığı ile meydana gelebilecek sert davranışı engeller. Ayrıca, üyelik fonksiyonları ve kural ağırlıkları ayarlayarak, tasarımcılar düzgünlüğü ve duyarlılığı arasında ticaret yapabilirler - gürültünün mevcut olduğunda temel bir özelliktir.

Kontrol için bir Fuzzy Kural Üssü inşa edin

İyi yapılandırılmış bir kural tabanı, herhangi bir bulanık kontrolörün kalbidir. Kurallar genellikle uzman operatörlerden veya tarihsel verilerden elde edilir.Bir sıcaklık kontrol sistemi için, tipik bir kural kümesi içerebilir:

Kurallar sayısı girdi değişkenleri ve bulanık bölümlerle büyür. Deneyimi, değişken başına 5-7 bulanık setlerin ve birkaç düzine kuralın çoğu zaman birçok endüstriyel uygulama için yeterlidir.Çok fazla kural hesaplamaya ve aşırı yüklemeye yol açabilir; çok az sayıda karar verebilir.

Fuzzy PID Controllers: Popüler Hibrit

Fırsat mantığının en başarılı uygulamalarından biri, Kd'ın sabit olduğu dönemde bulanık bir PID kontrolörü ) kullanır. Geleneksel PID kontrolörleri üç terim vardır: doğrulayıcı (P), integral (I), ve tür (D) kazanımlar Kp, Ki, Kd sürekli olarak sabitlenirken, sabit olmayan bir kontrol sistemi kontrole dayalı olarak, sabit olmayan bir sistemdeki hataları ve türevlerin değiştirilmesine göre değişir.

Adaptif ve Nöro-Fuzzy Kontrol

Daha fazla belirsizlikle başa çıkmak için araştırmacılar sistemi tanımlama veya referans modelleri kullanarak bulanık mantık birleştirmiştir. [FONT:0) Adaptif bir bulanık kontrol üyeliğin fonksiyonlarını veya kuralların yorumlanması veya referans modellerini kullanarak gerçek zamanlı olarak kabul edilebilirlik sağlar.)) Bu hibrit yaklaşımlar özellikle belirsiz olmayan sistemler ).

Optimal Kontrol Sistemlerinde Fuzzy Mantık Kullanımının Faydaları

Kontroldeki bulanık mantık kabulü birkaç somut avantaj getiriyor:

Pratik Uygulamalar ve Vaka Çalışmaları

Fuzzy mantık kontrolü, belirsizlik merkezi bir meydan okumanın merkezi olduğu sayısız gerçek dünya sisteminde kullanılmıştır:

İyi eğitimli bir durum, mevsimsel değişikliklere adapte edilmiş ve klasik bir PI kontrolörünün ayrıntılarının bulunduğu bir atık su arıtma tesisine uygulanır.Felt Mantık Kontrolü).

Kontrolde Fuzzy Mantıkın Zorlukları ve Sınırları

Güçlü yönlerine rağmen, bulanık mantık bir gümüş mermi değildir. Tasarımcılar birkaç gerçek zorlukla karşı karşıyadır:

Makine Öğrenme ve AI ile Fuzzy Mantık

Fık kontrol geleceği, modern makine öğrenimi ile bulanık bir şekilde bir araya getiren karma sistemlerde yatıyor.ETHFLT:0)Reinforcement learning (RL)), bilginin manuel olarak kodlanması için çok karmaşık olduğu konusunda bilgi sahibi olabilir.Bir başka umut verici yön, yüksek çözünürlükte (örneğin, diskomatik) ve kontrol edici uygulamalarla ilgili temelleri en üst düzeye çıkarmak için çok karmaşıktır.

Ek olarak, açıklanamaz AI (XAI)) . opak sinir ağları güvenlik-kırık uygulamalara güvenmek daha zor hale geldi, bulanık kurallar insan hazırlanabilir bir şekilde açıklama sağlar - tıbbi tanı, otonom sürüş ve enerji ızgara yönetimi gibi alanlarda anahtar bir avantaj.

Future Yol Tarifi

Devam eden araştırmalar, güçlü yönlerine sahipken bulanık mantık sınırlamalarını ele almayı amaçlamaktadır. Anahtar yönler şunları içerir:

Son araştırma ile ilgilenen okuyucular için, [[Ücretsiz Sistemler Dergisi[Dönetici:0)Uluslararası Fuzzy Sistemler Dergisi[Döneticiler) fuzzy kontrol yöntemleri ve uygulamaları hakkında düzenli katkılar yayınlar.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Fuzzy mantık, en iyi kontrol sistemlerindeki belirsizlikleri yönetmek için güçlü ve pratik bir çerçeve sağlar. değişkenlerin doğru derecelere sahip olmasına izin vererek, sensörleri, eksik modelleri ve çeşitli işletim koşullarını geleneksel ikili veya crisp yaklaşımlarından daha değerli kılar. Kural tabanlı doğası, uygulanabilirliği yorumlayabilmeyi kolaylaştırır ve insan uzmanlığının doğrudan kontrol kanununa kadar sürekli olarak devam etmesini sağlar.