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

By: Evelyn Clarke Evelyn Clarke
Hours Aktualisiert

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 kรถnnen wir auf eine Situation stoรŸen, in der wir nicht entscheiden kรถnnen, ob die Aussage wahr oder falsch ist. Zu diesem Zeitpunkt bietet die Fuzzy-Logik eine sehr wertvolle Argumentationsflexibilitรคt.

Der Fuzzy-Logic-Algorithmus hilft bei der Lรถsung eines Problems unter Berรผcksichtigung aller verfรผgbaren Daten. Dann trifft es die bestmรถgliche Entscheidung fรผr die gegebene Eingabe. Die FL-Methode imitiert die Art und Weise der Entscheidungsfindung eines Menschen, die alle Mรถglichkeiten zwischen den digitalen Werten T und F berรผcksichtigt.

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 herkรถmmliche 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 ermรถglichen, die weder wahr noch falsch sind. Etwas ร„hnliches 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 mรถgliche Lรถsungen darstellen
  • Sehr geeignete Methode fรผr unsichere oder ungefรคhre Schlussfolgerungen
  • Die Fuzzy-Logik betrachtet Inferenz als einen Prozess der Ausbreitung elastischer Beschrรคnkungen
  • Mithilfe der Fuzzy-Logik kรถnnen Sie nichtlineare Funktionen beliebiger Komplexitรคt erstellen.
  • Fuzzy-Logik sollte unter vollstรคndiger 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 kรถnnen
  • Viele Controller kรถnnen diese Aufgabe auch ohne den Einsatz von Fuzzy-Logik erfรผllen

Fuzzy Logic Architektur

Fuzzy Logic Architektur
Fuzzy Logic Architektur

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

Regelbasis

Es enthรคlt alle von den Experten vorgeschlagenen Regeln und Wenn-Dann-Bedingungen zur Steuerung des Entscheidungssystems. Das jรผngste Update der Fuzzy-Theorie bietet verschiedene Methoden fรผr 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 ermรถglicht 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 รœbereinstimmung zwischen Fuzzy-Eingabe und den Regeln zu bestimmen. Basierend auf der prozentualen รœbereinstimmung wird bestimmt, welche Regeln gemรครŸ dem angegebenen Eingabefeld implementiert werden mรผssen. AnschlieรŸend werden die angewandten Regeln kombiniert, um die KontrollmaรŸnahmen zu entwickeln.

Defuzzifizierung

Zuletzt wird der Defuzzifizierungsprozess durchgefรผhrt, um die Fuzzy-Sets in einen klaren Wert umzuwandeln. Es stehen viele Arten von Techniken zur Verfรผgung. Daher mรผssen Sie diejenige auswรคhlen, die fรผr die Verwendung mit einem Expertensystem am besten geeignet ist.

Fuzzy-Logik vs. Wahrscheinlichkeit

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

ร„HNLICHE ARTIKEL

Knackig vs. Fuzzy

Knackig unscharf
Es hat eine strikte Grenze T oder F Unscharfe Grenze mit einem Grad der Zugehรถrigkeit
Einige klare Zeiteinstellungen kรถnnen 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 heiรŸt, es besteht Klarheit รผber die Lage der Mengengrenzen. Eine Fuzzy-Menge hat immer mehrdeutige Grenzen, dh es kann Unsicherheit รผber die Lage der Mengengrenzen bestehen.
Weit verbreitet im digitalen Systemdesign Wird nur in Fuzzy-Controllern verwendet.

Beispiele fรผr 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.

Fuzzy-Logik mit Beispiel
Fuzzy-Logik mit Beispiel

Anwendungsgebiete der Fuzzy-Logik

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

Produkt Unternehmen Fuzzy Logic
Antiblockiersystem Nissan Verwenden Sie Fuzzy-Logik zur Steuerung der Bremsen in gefรคhrlichen Fรคllen, abhรคngig von Fahrzeuggeschwindigkeit, Beschleunigung, Radgeschwindigkeit und Beschleunigung
Auto-รœbertragung In Ordnung/Nissan Fuzzy-Logik wird verwendet, um die Kraftstoffeinspritzung und Zรผndung basierend auf der Drosselklappeneinstellung, der Kรผhlwassertemperatur, der Drehzahl usw. zu steuern.
Auto-Motor Honda Zur Auswahl des Gangs basierend auf Motorlast, Fahrstil und StraรŸenbedingungen.
Kopierer Canon 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
Spรผlmaschine Matsushita Dient der Anpassung des Reinigungszyklus sowie der Spรผl- und Waschstrategien, abhรคngig 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 verkรผrzen
Golf-Diagnosesystem Maruman Golf Wรคhlt den Golfschlรคger basierend auf dem Schwung und der Kรถrperlichkeit des Golfers aus.
Fitnessmanagement Omron Von ihnen implizierte Fuzzy-Regeln zur รœberprรผfung 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
Plasmaรคtzen Mitsubishi Electric Legt ร„tzzeit und -strategie fest

Vorteile des Fuzzy-Logic-Systems

  • Der Aufbau von Fuzzy-Logic-Systemen ist einfach und verstรคndlich
  • Fuzzy-Logik wird hรคufig fรผr kommerzielle und praktische Zwecke verwendet
  • Fuzzy-Logik in der KI hilft Ihnen bei der Steuerung von Maschinen und Konsumgรผtern
  • Es bietet mรถglicherweise keine genaue Begrรผndung, ist aber die einzig akzeptable Begrรผndung
  • Fuzzy-Logik drin Data Mining hilft Ihnen, mit der Unsicherheit im Ingenieurwesen umzugehen
  • GrรถรŸtenteils robust, da keine prรคzisen Eingaben erforderlich sind
  • Es kann fรผr den Fall programmiert werden, dass der Feedback-Sensor nicht mehr funktioniert
  • Es kann leicht geรคndert werden, um die Systemleistung zu verbessern oder zu รคndern
  • Es kรถnnen kostengรผnstige Sensoren verwendet werden, wodurch die Gesamtkosten und die Komplexitรคt des Systems gering gehalten werden kรถnnen
  • Es bietet eine รคuรŸerst effektive Lรถsung fรผr komplexe Probleme

Nachteile von Fuzzy-Logic-Systemen

  • Die Fuzzy-Logik ist nicht immer genau, daher basieren die Ergebnisse auf Annahmen und werden daher mรถglicherweise nicht allgemein akzeptiert.
  • Fuzzy-Systeme verfรผgen weder รผber die Fรคhigkeit 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 Zugehรถrigkeitsfunktionen ist eine schwierige Aufgabe
  • Einige Fuzzy-Zeitlogiken werden mit der Wahrscheinlichkeitstheorie und den Begriffen verwechselt

Zusammenfassung

  • Der Begriff โ€žunscharfโ€œ 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 kรถnnen
  • 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, wรคhrend die Wahrscheinlichkeit ein mathematisches Modell der Unwissenheit ist
  • Der Crisp-Satz hat eine strikte Grenze T oder F, wรคhrend die Fuzzy-Grenze einen Grad an Zugehรถrigkeit aufweist
  • Ein klassischer Satz wird hรคufig im Entwurf digitaler Systeme verwendet, wรคhrend der Fuzzy-Satz nur in Fuzzy-Controllern verwendet wird
  • Automatikgetriebe, Fitnessmanagement, Golfdiagnosesystem, Geschirrspรผler, Kopiergerรคt sind einige Bereiche der Fuzzy-Logik-Anwendungen
  • Fuzzy-Logik im Soft Computing hilft Ihnen bei der Steuerung von Maschinen und Konsumgรผtern

Fassen Sie diesen Beitrag mit folgenden Worten zusammen: