Fuzzy Logic Tutorial: Hva er, Architecture, Application, Eksempel

Hva er Fuzzy Logic?

Uklar logikk er definert som en logisk form med mange verdier som kan ha sannhetsverdier for variabler i et hvilket som helst reelt tall mellom 0 og 1. Det er håndtaksbegrepet for delvis sannhet. I det virkelige liv kan vi komme over en situasjon der vi ikke kan avgjøre om utsagnet er sant eller usant. På den tiden tilbyr fuzzy logic svært verdifull fleksibilitet for resonnement.

Fuzzy logic-algoritme hjelper til med å løse et problem etter å ha vurdert alle tilgjengelige data. Da tar den best mulig avgjørelse for de gitte innspillene. FL-metoden imiterer måten å ta beslutninger hos et menneske som vurderer alle mulighetene mellom digitale verdier T og F.

Historien om Fuzzy Logic Systems

Selv om konseptet uklar logikk hadde blitt studert siden 1920-tallet. Begrepet fuzzy logic ble først brukt i 1965 av Lotfi Zadeh, professor ved UC Berkeley i California. Han observerte at konvensjonell datalogikk ikke var i stand til å manipulere data som representerer subjektive eller uklare menneskelige ideer.

Fuzzy algoritme har blitt brukt på forskjellige felt, fra kontrollteori til AI. Den ble designet for å la datamaskinen bestemme forskjellene mellom data som verken er sanne eller usanne. Noe som ligner på prosessen med menneskelig resonnement. Som lite mørkt, noe lysstyrke osv.

Kjennetegn ved Fuzzy Logic

Her er noen viktige kjennetegn ved fuzzy logic:

  • Fleksibel og enkel å implementere maskinlæring teknikk
  • Hjelper deg å etterligne logikken i menneskelig tanke
  • Logikk kan ha to verdier som representerer to mulige løsninger
  • Svært egnet metode for usikker eller tilnærmet resonnement
  • Fuzzy logikk ser på inferens som en prosess for å forplante elastiske begrensninger
  • Fuzzy logic lar deg bygge ikke-lineære funksjoner av vilkårlig kompleksitet.
  • Fuzzy logikk bør bygges med fullstendig veiledning av eksperter

Når du ikke skal bruke fuzzy logic

Imidlertid er uklar logikk aldri en kur for alle. Derfor er det like viktig å forstå at hvor vi ikke bør bruke fuzzy logic.

Her er visse situasjoner når du best ikke bruker Fuzzy Logic:

  • Hvis du ikke synes det er praktisk å tilordne et inndatarom til et utdatarom
  • Fuzzy logic bør ikke brukes når du kan bruke sunn fornuft
  • Mange kontrollere kan gjøre den fine jobben uten bruk av uklar logikk

Uklar logikk Architecture

Uklar logikk Architecture
Uklar logikk Architecture

Fuzzy Logic-arkitektur har fire hoveddeler som vist i diagrammet:

Regelgrunnlag

Den inneholder alle reglene og hvis-da-forholdene som tilbys av ekspertene for å kontrollere beslutningssystemet. Den nylige oppdateringen innen fuzzy-teori gir ulike metoder for design og innstilling av fuzzy-kontrollere. Disse oppdateringene reduserer antallet uklare regler betydelig.

Fuzzification

Fuzzification-trinn hjelper til med å konvertere innganger. Den lar deg konvertere, skarpe tall til uklare sett. Skarpe innganger målt av sensorer og sendt inn i kontrollsystemet for videre behandling. Som romtemperatur, trykk osv.

Inferensmotor

Det hjelper deg å bestemme graden av samsvar mellom uklar input og reglene. Basert på %-treffet, bestemmer den hvilke regler som må implementeres i henhold til det gitte inndatafeltet. Etter dette kombineres de anvendte reglene for å utvikle kontrollhandlingene.

Defuzzification

Til slutt utføres defuzzification-prosessen for å konvertere fuzzy-settene til en skarp verdi. Det er mange typer teknikker tilgjengelig, så du må velge den som er best egnet når den brukes med et ekspertsystem.

Fuzzy Logic vs. Sannsynlighet

Uklar logikk Sannsynlighet
Fuzzy: Toms grad av medlemskap i settet med gamle mennesker er 0.90. Sannsynlighet: Det er 90 % sjanse for at Tom er gammel.
Fuzzy logic tar sannhetsgrader som et matematisk grunnlag på modellen for vaghetsfenomenet. Sannsynlighet er en matematisk modell for uvitenhet.

Crisp vs. Fuzzy

Crisp fuzzy
Den har en streng grense T eller F Uklar grense med en viss grad av medlemskap
Noen skarpe tidsinnstilte kan være uklare Det kan ikke være skarpt
Sant/usant {0,1} Medlemskapsverdier på [0,1]
I skarp logikk kan loven om ekskludert middel og ikke-motsigelse holde eller ikke I den uklare logiske loven om utelukket middel og ikke-motsigelse holder

Klassisk sett vs. fuzzy settteori

Klassisk sett Fuzzy Set Theory
Klasser av objekter med skarpe grenser. Klasser av objekter har ikke skarpe grenser.
Et klassisk sett er definert av skarpe grenser, dvs. det er klarhet om plasseringen av de angitte grensene. Et fuzzy sett har alltid tvetydige grenser, dvs. det kan være usikkerhet om plasseringen av de angitte grensene.
Mye brukt i digital systemdesign Brukes kun i fuzzy kontrollere.

Eksempler på uklar logikk

Se diagrammet nedenfor. Den viser at i et Fuzzy-system er verdiene merket med et tall fra 0 til 1. I dette eksemplet betyr 1.0 absolutt sannhet og 0.0 betyr absolutt usannhet.

Fuzzy Logic med Eksempel
Fuzzy Logic med Eksempel

Bruksområder for Fuzzy Logic

Blow gitte tabellen viser bruk av Fuzzy logic av kjente selskaper i produktene deres.

Produkt Selskap Uklar logikk
ABS-bremser Nissan Bruk fuzzy logic for å kontrollere bremsene i farlige tilfeller, avhengig av bilens hastighet, akselerasjon, hjulhastighet og akselerasjon
Automatisk overføring kr/Nissan Fuzzy logic brukes til å kontrollere drivstoffinnsprøytning og tenning basert på gassinnstilling, kjølevannstemperatur, RPM, etc.
Automotor honda, nissan Brukes til å velge fart basert på motorbelastning, kjørestil og veiforhold.
Kopimaskin Canon Brukes til å justere trommelspenningen basert på bildetetthet, fuktighet og temperatur.
Cruisekontroll Nissan, Isuzu, Mitsubishi Bruk den til å justere gassinnstillingen for å stille inn bilens hastighet og akselerasjon
Oppvaskmaskin Matsushita Bruk for å justere rengjøringssyklusen, skylle- og vaskestrategier basert på antall oppvask og mengden mat som serveres på oppvasken.
Heiskontroll Fujitec, Mitsubishi Electric, Toshiba Bruk den til å redusere ventetiden basert på passasjertrafikken
Golf diagnosesystem Maruman Golf Velger golfkølle basert på golfspillerens sving og kroppsbygning.
Treningsledelse Omron Uklare regler antydet av dem for å sjekke egnetheten til sine ansatte.
Ovnkontroll Nippon Steel Blander sement
Mikrobølgeovn Mitsubishi Chemical Setter lunes kraft og matlagingsstrategi
Palmtop datamaskin Hitachi, Sharp, Sanyo, Toshiba Gjenkjenner håndskrevne Kanji-karakterer
Plasmaetsing Mitsubishi Electric Setter etsetid og strategi

Fordeler med Fuzzy Logic System

  • Strukturen til Fuzzy Logic Systems er enkel og forståelig
  • Fuzzy logic er mye brukt til kommersielle og praktiske formål
  • Fuzzy logic i AI hjelper deg med å kontrollere maskiner og forbrukerprodukter
  • Det gir kanskje ikke nøyaktig resonnement, men det eneste akseptable resonnementet
  • Uklar logikk inn Data Mining hjelper deg med å håndtere usikkerheten i engineering
  • Stort sett robust da det ikke kreves nøyaktige inndata
  • Den kan programmeres til i situasjonen når tilbakemeldingssensor slutter å virke
  • Det kan enkelt endres for å forbedre eller endre systemytelsen
  • rimelige sensorer kan brukes som hjelper deg med å holde den totale systemkostnaden og kompleksiteten lav
  • Det gir den mest effektive løsningen på komplekse problemer

Ulemper med Fuzzy Logic Systems

  • Fuzzy logikk er ikke alltid nøyaktig, så resultatene oppfattes basert på antakelser, så det er kanskje ikke allment akseptert.
  • Fuzzy systemer har ikke evnen til maskinlæring så vel som mønstergjenkjenning av nevrale nettverkstyper
  • Validering og verifisering av et uklart kunnskapsbasert system krever omfattende testing med maskinvare
  • Å sette nøyaktige, uklare regler og medlemsfunksjoner er en vanskelig oppgave
  • Noe uklar tidslogikk forveksles med sannsynlighetsteori og begrepene

Sammendrag

  • Begrepet fuzzy betyr ting som ikke er veldig klare eller vage
  • Begrepet fuzzy logic ble først brukt i 1965 av Lotfi Zadeh, professor ved UC Berkeley i California
  • Fuzzy logic er en fleksibel og enkel å implementere maskinlæringsteknikk
  • Fuzzy logic bør ikke brukes når du kan bruke sunn fornuft
  • Fuzzy Logic-arkitektur har fire hoveddeler 1) Regelbase 2) Fuzzification 3) Inference Engine 4) Defuzzification
  • Fuzzy logic tar sannhetsgrader som et matematisk grunnlag på modellen for vagheten mens sannsynlighet er en matematisk modell for uvitenhet
  • Crisp sett har streng grense T eller F mens Fuzzy grense med en grad av medlemskap
  • Et klassisk sett er mye brukt i digital systemdesign mens fuzzy sett Brukes kun i fuzzy kontrollere
  • Autogir, treningsstyring, golfdiagnosesystem, oppvaskmaskin, kopimaskin er noen områder av Fuzzy Logic-applikasjoner
  • Fuzzy logic i Soft Computing hjelper deg med å kontrollere maskiner og forbrukerprodukter