Upload
harald-burgstaller
View
218
Download
1
Embed Size (px)
Citation preview
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Struktur eines Fuzzy-SystemsSeminar Unscharfe Logik
Robert Nickel Matrikel: 9801835
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Einführung: Fuzzy-Control
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Fuzzy-System als Regelkreis
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
1. Fuzzifizierung(Naiv: Unscharf machen)
• Systemdefinition in Form von linguistischen Variablen (Regelgrößen, Eingabedaten, jeweils mit Wertebereich)
• Festlegen der einzelnen unscharfen Mengen (Ausprägungen der linguistischen Variablen)
• Festlegen der Zugehörigkeitsfunktionen jeder Ausprägung
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
1. Fuzzifizierung(Naiv: Unscharf machen)
Benötigte Fuzzy-Formalismen:
• (LR - ) Fuzzy-Zahlen
• (LR - ) Fuzzy-Intervalle
• Modifizierer (zur sinnvollen Interpretation der linguistischen Variablen)
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
1. Fuzzifizierung(Naiv: Unscharf machen)
Resultat:
Def: Seien X1,...,Xn Eingangsgrößen des Systems,Y die Ausgangsgröße, ling(Xi) die Menge der linguistischen Ausprägungen von Xi und Xi die Wertebereiche der Zugehörigkeitsfunktionen Xi
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
2. Regelbasis
Naiv: Auf welche Eingabedaten folgt welche Änderung der Steuergröße
Bsp:
IF T=heiß THEN Regler=kleinIF T=kalt THEN Regler=groß
• Regeln basieren auf Erfahrungswerten oder logischen Fakten
• Einige Regeln können gegenüber anderen bevorzugt behandelt werden
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
2. Regelbasis(Formal)
System von Regeln der Form:IF bedingungen THEN Y=y_var [WITH CERTAINTY=cj]
bedingungen := bedingung op bedingungen | op := AND | OR | KOMP1 |...| KOMPk
bedingung := [NOT] X1 x1_var |...| [NOT] Xn xn_var
: Kompatibilitätsoperator op : Aggregationsoperatoren cj : Vertrauensfaktor
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
2. Regelbasis
Vorteile:
• Erweiterbarkeit (Regeln leicht hinzufügen)
• Modularität (Jede Regel ist für sich selbständig)
• Modifizierbarkeit (kleine Änderung -> kleine Wirkung)
• Verständlichkeit (Kann praktisch jeder lesen)
• Transparenz (Entscheidnungen sofort erklärbar)
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz(Naiv: Aus Eingaben und Regeln
sinnvolle Schlüsse ziehen)
Eingaben liegen in Form von Ausprägungen A1,...,An der linguistischen Variablen X1,...,Xn vor und können als skalare Größe (exakter Meßwert) oder als Fuzzy-Menge (toleranzbehafteter Wert) vorliegen.
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz(Naiv: Aus Eingaben und Regeln
sinnvolle Schlüsse ziehen)
Problematik:• Wahl des Kompatibilitätsmaßes• Wahl der Aggregationsoperatoren (AND / OR / NOT ...)• Wahl der Art des Einflusses der Vertrauensfaktoren cj
• Wahl der Inferenzoperators (Folgerung aus einer Gleichung)• Wahl des Akkumulationsoperators (Zusammenfügen der Regeln)
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.1 Wahl des Kompatibilitätsmaßes
Problemstellung: • Wann sind zwei Fuzzy-Mengen gleich ( A B ) ?• Bzw.: In welchem Maße ähnelt Menge A der Menge B
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.1 Wahl des Kompatibilitätsmaßes
Lösung (Fuzzy-Metrik) :Distanzoperatoren :X x X [0,1] mit
• (A,A) = 0
• (A,B) = (B,A)
• (A,C) (A,B) + (B,C)
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.1 Wahl des Kompatibilitätsmaßes
Beispiele für Distanzmaße von Fuzzy-Mengen:
X
X
dxxx
dxxxBA
BA
BA
F )(),(max
)(),(min1),(
X
X
X
X
dxx
dxxxx
dxx
dxxxx
xxBA
B
B
BA
A
AX
BAS )(
)(
)(
)(),(
Flächendistanz:
Schwerpunktdistanz:
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.1. Wahl des Kompatibilitätsmaßes
Das daraus resultierende Kompatibilitätsmaß
1,0:),(1),( XXkompBABAkomp
Liefert ein Maß für die Gleichheit der unscharfen Mengen A und B
Sonderfall: Bei skalarem Meßwert kanngewählt werden
aBakomp B),(a
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.2. Wahl der Aggregationsoperatoren
Problemstellung:
In jeder Regel Rj müssen die ermittelten Kompatibilitätsmaße Kij für Xi Ai über AND/OR oder sogenannte kompensatorische Operatoren miteinander kombiniert werden
Gesucht: Gültigkeitswert für Fuzzy-logische Aussage
K1j AND K2j OR ... KOMPk Knj
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.2. Wahl der Aggregationsoperatoren
Einführung kompensatorischer Operatoren ( Mittelwerte zwischen AND und OR ) :
Def:(1) Stabilität:
(2) Monotonie:
(3) Kommutativität:
maxmin,1,01,01,0: mm
),max(),(),min( yxyxmyx
),(),( dbmcamdcba
),(),( xymyxm
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.2. Wahl der Aggregationsoperatoren
Die Umsetzung von AND und OR kann über verschiedene t- bzw. s-Normen erfolgen.
Die Wahl dieser Normen unterliegt dabei keinerlei Einschränkungen und beruht hauptsächlich auf Erfahrungswerten und praktischen Gesichtspunkten
Resultat: Zu jeder Regel Rj kann nun ein Gültigkeitsgrad Gj berechnet werden.
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.3. Wahl der Art des Einflusses der
Vertrauensfaktoren cj
Der Gültigkeitsgrad Gj jeder Regel kann mit einem Vertrauensfaktor cj[0,1] „skaliert“ werden. Damit kann man einigen Regeln mehr und anderen weniger Bedeutung/Vertrauen zuweisen.
- Kann über jede t-Norm geschehen
Beispiele:
• t(c,G) = c*G -> Der Einfluß der Regel wird um den Faktor c abgeschwächt
• t(c,G) = min(c,G) -> Der Einfluß der Regel ist maximal vom Grad c
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.3. Wahl der Art des Einflusses der
Vertrauensfaktoren cj
Beispiel:IF geschwindigkeit = zu langsam THEN beschleunigung = positiv WITH CERTAINTY = 0.7
IF geschwindigkeit = zu schnell THEN beschleunigung = negativ WITH CERTAINTY = 1
Das Abbremsen wird bevorzugt gegenüber dem Beschleunigen behandelt
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.4. Wahl des Inferenz-Operators
• Liefert in Form einer Fuzzy-Menge eine Aussage darüber, wo nach Auswertung einer einzelnen Regel Rj die Steuergröße (Output Y) gewählt werden sollte
• D.h.: Die Schlußfolgerung „THEN Y=y_var“ aus der Regelbasis muß noch mit dem gerade berechneten Gültigkeitsgrad Gj „skaliert“ werden.
• Diese „Skalierung“ kann über jede t-Norm erfolgen
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.4. Wahl des Inferenz-Operators
Beispiel:IF wasser=heiß THEN wasserhahn=kalt
Gültigkeit: Gj=0.4
)(xkalt
)(,4.0 xt kalt
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.5. Wahl des Akkumulationsoperators
• Jeder Regel Rj wird nun ist eine Fuzzy-Menge Ej zugeordnet, die Aussage darüber gibt, wie die Steuergröße am besten zu wählen ist
• Man hat also für jede Regel eine Empfehlung Ej , die sich stark von den anderen unterscheiden kann
• Diese Mengen müssen sinnvoll miteinander kombiniert werden
• Dies geschieht z.B. über eine bel. s-Norm (Fuzzy-OR)
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz3.5. Wahl des Akkumulationsoperators
Beispiel:
E1 E2 E3
E*
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
3. Inferenz
Ergebnis der Inferenzstrategie:• Fuzzy-Menge, die angibt, wo die Steuergröße Y mehr bzw. weniger sinnvoll zu wählen ist
• Muß noch interpretiert werden !
• Bezeichnung: E*
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
4. Defuzzifizierung
Zwei Hauptmethoden:
• Schwerpunktsmethode (x-Koordinate des Schwerpunktes der Fläche unter E*)
• Maximummethode (eine x-Koordinate, an der die Funktion E* maximal ist)
Naiv: Sinnvolle Interpretation der unscharfen Empfehlungen
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
4. DefuzzifizierungVarianten der Schwerpunktmethode
COA - center of area
dxx
dxxxY
E
E
)(
)(
*
*
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
4. DefuzzifizierungVarianten der Schwerpunktmethode
MCOA - modified center of area
• Empfehlungen Ej werden nicht sofort akkumuliert
• Flächenschwerpunkt der Ej (in unmodifizierter Form) ist
bereits zur Compilierzeit bekannt Muß nicht live berechnet werden
• Bildung des mit den Gültigkeitsgraden Gj gewichtete Mittel liefert Näherung für den Flächenschwerpunkt
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
4. DefuzzifizierungVarianten der Schwerpunktmethode
MCOA - modified center of area
jj
jjj
G
GsY
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
4. DefuzzifizierungVarianten der Schwerpunktmethode
COM - center of maximum
Weitere Vereinfachung:
Statt der Berechnung der Schwerpunkte sj wird der Mittelwert der Kerne der Ej (unmodifiziert) benutzt
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
4. DefuzzifizierungVarianten der Maximummethode
MOM mean of maximum
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
4. DefuzzifizierungVarianten der Maximummethode
LOM / ROM - left / right of maximum
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Beispiel
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Beispiel
Kurvenabstand x1 Innenabstand x2
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Beispiel
Fahrtrichtung x3 Außenabstand x4
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Beispiel
Seminar unscharfe Logik - Thema: Stuktur eines Fuzzy-Systems - Robert Nickel
Quellen
[1] - A. Mayer - Fuzzy Logic - Addison Wesley 1993
[2] - D. Traeger - Einführung in die Fuzzy-Logik - Teubner 1993
[3] - B. Biewer - Fuzzy-Methoden - Springer 1997
Grafiken: [3]