Fuzzy-Logik-Tutorial: Was ist, ArchiStruktur, Anwendung, Beispiel

Was ist Fuzzy-Logik?

Fuzzy Logic ist als mehrwertige Logikform definiert, die Wahrheitswerte von Variablen in jeder reellen Zahl zwischen 0 und 1 haben kann. Es handelt sich um das Handle-Konzept der Teilwahrheit. Im wirklichen Leben können wir auf eine Situation stoßen, in der wir nicht entscheiden können, ob die Aussage wahr oder falsch ist. Zu diesem Zeitpunkt bietet die Fuzzy-Logik eine sehr wertvolle Argumentationsflexibilität.

Der Fuzzy-Logic-Algorithmus hilft bei der Lösung eines Problems unter Berücksichtigung aller verfügbaren Daten. Dann trifft es die bestmögliche Entscheidung für die gegebene Eingabe. Die FL-Methode imitiert die Art und Weise der Entscheidungsfindung eines Menschen, die alle Möglichkeiten zwischen den digitalen Werten T und F berücksichtigt.

Geschichte der Fuzzy-Logik-Systeme

Allerdings wurde das Konzept der Fuzzy-Logik bereits seit den 1920er Jahren untersucht. Der Begriff Fuzzy-Logik wurde erstmals 1965 von Lotfi Zadeh, einem Professor der UC Berkeley in Kalifornien, verwendet. Er stellte fest, dass herkömmliche Computerlogik nicht in der Lage war, Daten zu manipulieren, die subjektive oder unklare menschliche Vorstellungen darstellen.

Der Fuzzy-Algorithmus wurde in verschiedenen Bereichen angewendet, von der Kontrolltheorie bis zur KI. Es wurde entwickelt, um dem Computer die Unterscheidung zwischen Daten zu ermöglichen, die weder wahr noch falsch sind. Etwas Ähnliches wie der Prozess des menschlichen Denkens. Wie wenig Dunkelheit, etwas Helligkeit usw.

Eigenschaften der Fuzzy-Logik

Hier sind einige wichtige Merkmale der Fuzzy-Logik:

Flexibel und einfach umsetzbar Maschinelles Lernen Technik
Hilft Ihnen, die Logik des menschlichen Denkens nachzuahmen
Logik kann zwei Werte haben, die zwei mögliche Lösungen darstellen
Sehr geeignete Methode für unsichere oder ungefähre Schlussfolgerungen
Die Fuzzy-Logik betrachtet Inferenz als einen Prozess der Ausbreitung elastischer Beschränkungen
Mithilfe der Fuzzy-Logik können Sie nichtlineare Funktionen beliebiger Komplexität erstellen.
Fuzzy-Logik sollte unter vollständiger Anleitung von Experten erstellt werden

Wann man Fuzzy-Logik nicht verwenden sollte

Allerdings ist Fuzzy-Logik nie ein Allheilmittel. Daher ist es ebenso wichtig zu verstehen, dass wir keine Fuzzy-Logik verwenden sollten.

Hier sind bestimmte Situationen, in denen Sie Fuzzy Logic besser nicht verwenden sollten:

Wenn Sie es nicht bequem finden, einen Eingabebereich einem Ausgabebereich zuzuordnen
Fuzzy-Logik sollte nicht verwendet werden, wenn Sie gesunden Menschenverstand verwenden können
Viele Controller können diese Aufgabe auch ohne den Einsatz von Fuzzy-Logik erfüllen

Fuzzy Logic Architektur

Die Fuzzy-Logik-Architektur besteht aus vier Hauptteilen, wie im Diagramm dargestellt:

Regelbasis

Es enthält alle von den Experten vorgeschlagenen Regeln und Wenn-Dann-Bedingungen zur Steuerung des Entscheidungssystems. Das jüngste Update der Fuzzy-Theorie bietet verschiedene Methoden für den Entwurf und die Abstimmung von Fuzzy-Reglern. Durch diese Updates wird die Anzahl der Fuzzy-Regelwerke deutlich reduziert.

Fuzzifizierung

Der Fuzzifizierungsschritt hilft bei der Konvertierung von Eingaben. Er ermöglicht Ihnen die Konvertierung von klaren Zahlen in Fuzzy-Mengen. Klare Eingaben werden von Sensoren gemessen und zur weiteren Verarbeitung an das Steuerungssystem weitergeleitet. Wie Raumtemperatur, Druck usw.

Inferenz-Engine

Es hilft Ihnen, den Grad der Übereinstimmung zwischen Fuzzy-Eingabe und den Regeln zu bestimmen. Basierend auf der prozentualen Übereinstimmung wird bestimmt, welche Regeln gemäß dem angegebenen Eingabefeld implementiert werden müssen. Anschließend werden die angewandten Regeln kombiniert, um die Kontrollmaßnahmen zu entwickeln.

Defuzzifizierung

Zuletzt wird der Defuzzifizierungsprozess durchgeführt, um die Fuzzy-Sets in einen klaren Wert umzuwandeln. Es stehen viele Arten von Techniken zur Verfügung. Daher müssen Sie diejenige auswählen, die für die Verwendung mit einem Expertensystem am besten geeignet ist.

Fuzzy-Logik vs. Wahrscheinlichkeit

Fuzzy Logic	Wahrscheinlichkeit
Fuzzy: Toms Zugehörigkeitsgrad zur Gruppe der alten Menschen beträgt 0.90.	Wahrscheinlichkeit: Die Wahrscheinlichkeit, dass Tom alt ist, liegt bei 90 %.
Die Fuzzy-Logik nutzt Wahrheitsgrade als mathematische Grundlage nach dem Modell des Vagheitsphänomens.	Wahrscheinlichkeit ist ein mathematisches Modell der Unwissenheit.

Knackig vs. Fuzzy

Knackig	unscharf
Es hat eine strikte Grenze T oder F	Unscharfe Grenze mit einem Grad der Zugehörigkeit
Einige klare Zeiteinstellungen können unscharf sein	Es kann nicht knusprig sein
Richtig/Falsch {0,1}	Mitgliedschaftswerte auf [0,1]
In der Crisp-Logik kann das Gesetz des Ausgeschlossenen Mittels und des Nicht-Widerspruchs gelten oder auch nicht	In der Fuzzy-Logik gilt das Gesetz der Ausgeschlossenen Mitte und des Nicht-Widerspruchs

Klassische Mengen- vs. Fuzzy-Mengen-Theorie

Klassisches Set	Fuzzy-Set-Theorie
Klassen von Objekten mit scharfen Grenzen.	Objektklassen haben keine scharfen Grenzen.
Eine klassische Menge wird durch klare Grenzen definiert, das heißt, es besteht Klarheit über die Lage der Mengengrenzen.	Eine Fuzzy-Menge hat immer mehrdeutige Grenzen, dh es kann Unsicherheit über die Lage der Mengengrenzen bestehen.
Weit verbreitet im digitalen Systemdesign	Wird nur in Fuzzy-Controllern verwendet.

Beispiele für Fuzzy-Logik

Siehe das unten angegebene Diagramm. Es zeigt, dass in einem Fuzzy-System die Werte durch eine Zahl von 0 bis 1 angegeben werden. In diesem Beispiel bedeutet 1.0 absolute Wahrheit und 0.0 absolute Falschheit.

Anwendungsgebiete der Fuzzy-Logik

Die von Blow angegebene Tabelle zeigt die Anwendung der Fuzzy-Logik durch berühmte Unternehmen in ihren Produkten.

Produkt	Firma	Fuzzy Logic
Antiblockiersystem	Nissan	Verwenden Sie Fuzzy-Logik zur Steuerung der Bremsen in gefährlichen Fällen, abhängig von Fahrzeuggeschwindigkeit, Beschleunigung, Radgeschwindigkeit und Beschleunigung
Auto-Übertragung	In Ordnung/Nissan	Fuzzy-Logik wird verwendet, um die Kraftstoffeinspritzung und Zündung basierend auf der Drosselklappeneinstellung, der Kühlwassertemperatur, der Drehzahl usw. zu steuern.
Auto-Motor	Honda	Zur Auswahl des Gangs basierend auf Motorlast, Fahrstil und Straßenbedingungen.
Kopierer	Kanon	Wird zum Anpassen der Trommelspannung basierend auf Bilddichte, Luftfeuchtigkeit und Temperatur verwendet.
Tempomat	Nissan, Isuzu, Mitsubishi	Verwenden Sie es, um die Drosselklappeneinstellung anzupassen, um die Geschwindigkeit und Beschleunigung des Fahrzeugs festzulegen
Spülmaschine	Matsushita	Dient der Anpassung des Reinigungszyklus sowie der Spül- und Waschstrategien, abhängig von der Anzahl des Geschirrs und der Menge der auf dem Geschirr servierten Speisen.
Aufzugssteuerung	Fujitec, Mitsubishi Electric, Toshiba	Nutzen Sie es, um die Wartezeit je nach Passagieraufkommen zu verkürzen
Golf-Diagnosesystem	Maruman Golf	Wählt den Golfschläger basierend auf dem Schwung und der Körperlichkeit des Golfers aus.
Fitnessmanagement	Omron	Von ihnen implizierte Fuzzy-Regeln zur Überprüfung der Fitness ihrer Mitarbeiter.
Ofensteuerung	Nippon Steel	Mischt Zement
Mikrowelle	Mitsubishi Chemical	Legt die Leistung und die Kochstrategie des Mondes fest
Palmtop-Computer	Hitachi, Sharp, Sanyo, Toshiba	Erkennt handgeschriebene Kanji-Zeichen
Plasmaätzen	Mitsubishi Electric	Legt Ätzzeit und -strategie fest

Vorteile des Fuzzy-Logic-Systems

Der Aufbau von Fuzzy-Logic-Systemen ist einfach und verständlich
Fuzzy-Logik wird häufig für kommerzielle und praktische Zwecke verwendet
Fuzzy-Logik in der KI hilft Ihnen bei der Steuerung von Maschinen und Konsumgütern
Es bietet möglicherweise keine genaue Begründung, ist aber die einzig akzeptable Begründung
Fuzzy-Logik drin Data Mining hilft Ihnen, mit der Unsicherheit im Ingenieurwesen umzugehen
Größtenteils robust, da keine präzisen Eingaben erforderlich sind
Es kann für den Fall programmiert werden, dass der Feedback-Sensor nicht mehr funktioniert
Es kann leicht geändert werden, um die Systemleistung zu verbessern oder zu ändern
Es können kostengünstige Sensoren verwendet werden, wodurch die Gesamtkosten und die Komplexität des Systems gering gehalten werden können
Es bietet eine äußerst effektive Lösung für komplexe Probleme

Nachteile von Fuzzy-Logic-Systemen

Die Fuzzy-Logik ist nicht immer genau, daher basieren die Ergebnisse auf Annahmen und werden daher möglicherweise nicht allgemein akzeptiert.
Fuzzy-Systeme verfügen weder über die Fähigkeit zum maschinellen Lernen noch zur Mustererkennung im neuronalen Netzwerktyp
Die Validierung und Verifizierung eines wissensbasierten Fuzzy-Systems erfordert umfangreiche Tests mit Hardware
Das Festlegen genauer, unscharfer Regeln und Zugehörigkeitsfunktionen ist eine schwierige Aufgabe
Einige Fuzzy-Zeitlogiken werden mit der Wahrscheinlichkeitstheorie und den Begriffen verwechselt

Zusammenfassung

Der Begriff „unscharf“ bedeutet Dinge, die nicht sehr klar oder vage sind
Der Begriff Fuzzy-Logik wurde erstmals 1965 von Lotfi Zadeh, einem Professor der UC Berkeley in Kalifornien, verwendet
Fuzzy-Logik ist eine flexible und einfach zu implementierende Technik des maschinellen Lernens
Fuzzy-Logik sollte nicht verwendet werden, wenn Sie gesunden Menschenverstand verwenden können
Die Fuzzy-Logik-Architektur besteht aus vier Hauptteilen: 1) Regelbasis 2) Fuzzifizierung 3) Inferenzmaschine 4) Defuzzifizierung
Die Fuzzy-Logik verwendet Wahrheitsgrade als mathematische Grundlage auf dem Modell der Unbestimmtheit, während die Wahrscheinlichkeit ein mathematisches Modell der Unwissenheit ist
Der Crisp-Satz hat eine strikte Grenze T oder F, während die Fuzzy-Grenze einen Grad an Zugehörigkeit aufweist
Ein klassischer Satz wird häufig im Entwurf digitaler Systeme verwendet, während der Fuzzy-Satz nur in Fuzzy-Controllern verwendet wird
Automatikgetriebe, Fitnessmanagement, Golfdiagnosesystem, Geschirrspüler, Kopiergerät sind einige Bereiche der Fuzzy-Logik-Anwendungen
Fuzzy-Logik im Soft Computing hilft Ihnen bei der Steuerung von Maschinen und Konsumgütern