خانه / هوش مصنوعی / منطق فازی و کاربردهای کنترلرهای منطق فازی

منطق فازی و کاربردهای کنترلرهای منطق فازی

 مقدمه منطق فازی

مفاهیم نادقیق بسیاری در پیرامون ما وجود دارند که آنها را به صورت روزمره در قالب عبارتهای مختلف بیان می کنیم . به این جمله دقت کنید: ” هوا خوب است.” هیچ کمیتی برای خوب بودن هوا مطرح نیست تا آن را اندازه بگیریم بلکه این یک حس کیفی است.  در واقع مغز انسان با در نظر گرفتن فاکتور های مختلف و براساس تفکر استنتاجی جملات را تعریف و ارزش گذاری می­نماید که مدل سازی آنها به زبان  و فرمولهای ریاضی اگر غیر ممکن نباشد کاری بسیار پیچیده خواهد بود.

منطق فازی تکنولوژی جدیدی است که شیوه هایی را که برای طراحی و مدل سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته است، با استفاده از مقادیر زبانی و دانش فرد خبره جایگزین می سازد.

منطق فازی

تاریخچه منطق فازی

منطق فازی یا Fuzzy Logic  برای اولین بار در سال 1960 توسط دکتر لطفی زاده ، استاد  علوم کامپیوتری دانشگاه برکلی کالیفرنیا، ابداع شد.

مقاله کلاسیک پرفسور لطفی زاده درباره مجموعه فازی که در سال 1965 به چاپ رسید، سرآغاز جهتی نوین در علوم و مهندسی سیستم و کامپیوتر بود. پس از آن پرفسور لطفی زاده به پژوهشهای خود در زمینه مجموعه فازی ادامه داد تا آنکه در سال 1973 طی یک مقاله کلاسیک دیگر تحت عنوان “شرحی بر دیدی نو در تجزیه و تحلیل سیستمهای پیچیده و فرایندهای تصمیم گیری” مفهوم استفاده از متغیرهای زبانی را در سیستم های حافظه و کنترل مطرح کرد. این مقاله اساس تکنولوژی کنترل بر مبنای منطق فازی است که در آینده اثرات عمیق در طراحی سیستم های کنترل هوشمند خواهد داشت .

در سال 1975 ممدانی و اسیلیان چهارچوب اولیه­ای را برای کنترل کننده فازی مشخص کردند و کنترل کننده فازی را به یک موتور بخار اعمال نمودند. نتیجه در مقاله ای تحت عنوان (آزمایشی در سنتز زبانی با استفاده از یک کنترل کننده فازی) منتشر گردید.در فوریه1992 اولین کنفرانس بین المللی IEEE در زمینه سیستمهای فازی در سان دیگو برگزار گردید.

این یک اقدام سمبلیک در مورد پذیرفتن سیستم های فازی بوسیله بزرگترین سازمان مهندسی یعنی IEEE بود. در سال 1993 بخش سیستم های فازی  IEEE  گشایش یافت.  شرکت OMRON  در سال 1993 اولين كامپيوتر مبتني بر سيستم فازي را ساخت.

پرفسور لطفی زاد

لطف‌علی رحیم‌اوغلو عسکرزاده  (زادهٔ ۱۵ بهمن ۱۲۹۹، برابر با ۴ فوریهٔ ۱۹۲۱ – در گذشته ۱۶ شهریور ۱۳۹۶، برابر با ۶ سپتامبر۲۰۱۷)، مشهور به لطفی زاده یا لطفی ع. زاده ریاضیدان، عالم کامپیوتر، مهندس برق و استاد بازنشسته علوم کامپیوتر در دانشگاه کالیفرنیا، برکلی، دانشمند سرشناس ایرانی-آمریکایی و مبدع نظریه سیستم‌های فازی و شاخه‌های متنوع آن بود.

لطفی زاده از پدری ایرانی و مادری روس در باکو در جمهوری آذربایجان متولد شد و تحصیلات اولیه خود را در باکو و تهران انجام داد.او بیش از همه به خاطر طرح کردن ریاضیات فازی مشتمل بر مفاهیم مرتبط فازی همچون مجموعه‌های فازی، منطق فازی، الگوریتم‌های فازی، کنترل فازی و احتمالات فازی شناخته شده‌است. گفته می‌شود نوآوری‌های پروفسور لطفی زاده، امکان‌پذیری یک پارادایم تازه در هوش مصنوعی را تبیین، و رئوس کلی آن را ترسیم کرده‌است.

مفاهیم اولیه در منطق فازی

منطق فازي يك نوع منطق است كه روش هاي نتيجه گيري در مغز بشر را جايگزين مي كند. در واقع روشي است كه مغز انسان خود بر اساس آن كار مي كند يعني ورودي ها و پردازش در مغز انسان فازي هستند. ما مي توانيم اين روش پردازش را در ماشين ها هم پياده سازي كنيم تا آنها هم بتوانند آن را اجرا كنند و از فوايد آن بيشتر و بهتر استفاده كنيم.

سیستمهای منطقی فازی یک فرا مجموعه از منطق بولی است که بر مفهوم درستی نسبی، دلالت می کند. منطق کلاسیک هر چیزی را بر اساس یک سیستم دوتائی نشان می دهد ( درست یا غلط، 0  یا  1، سیاه یا سفید) ولی منطق فازی درستی هر چیزی را با یک عدد که مقدار آن بین صفر و یک است نشان می دهد. مثلاً اگر رنگ سیاه را عدد صفر و رنگ سفید را عدد  1  نشان دهیم، آن گاه رنگ خاکستری عددی نزدیک به صفر خواهد بود.

منطق فازی معتقد است که ابهام در ماهیت علم است. بر خلاف دیگران که معتقدند که باید تقریب‌ها را دقیق‌تر کرد تا بهره‌وری افزایش یابد، لطفی‌زاده معتقد است که باید به دنبال ساختن مدل‌هایی بود که ابهام را به عنوان بخشی از سیستم معرفی کند.

یک مثال کاربردی مجموعه­ های فازی با مجموعه­ های کلاسیک

یکی از مثالهای پرکاربرد در زمینه­ی مجموعه ­های فازی، مجموعه ­ی افراد بلند قد است. در این مورد مجموعه ما حاوی همه­ ی اندازه قدهای ممکن از 1متر تا 2متر می­باشد. همچنین کلمه بلند قد متناظر با معنایی است که درجه­ ی بلند قدی هر فرد را مشخص می­کند.

در صورتی که بخواهیم یک مجموعه کلاسیک برای انجام این طبقه بندی معرفی کنیم، می­توانیم بگوییم که همه­ ی افراد بلندتر از 170سانتی متربلند قد هستند. اما این نوع طبقه بندی تا حد زیادی نا­کارآمد می­باشد؛ زیرا به عنوان مثال در دنیای واقعی نمی­توان یک فرد 170 سانتیمتری را بلند قد و دیگری را کوتاه قد نامید، درحالی که دومی فقط به اندازه­ی چند میلی­متر از اولی کوتاه­تر میباشد

مجموعه فازی افراد بلند قد

با توجه به ناکارآمدی طبقه بندی یاد شده می­توان مفاهیم ذهنی و واحدهای مختلف را در قالب مجموعه های فازی تعریف نمود. مثلا زمانی که شما می­گویید«او بلند قد است»تابع عضویت باید سن و سال فرد مورد بحث را نیز در نظر بگیرد. (مثلا اینکه شما در مورد یک فرد 6 ساله صحبت می­کنید یا یک فرد بالغ).

چرا سیستم فازی؟

دو نوع توجیه برای تئوری سیستم های فازی وجود دارد

دنیای واقعی ما بسیار پیچیده تر از آن است که بتوان یک توصیف و تعریف دقیق برای آن بدست آورد بنابراین باید یک توصیف تقریبی یا همان فازی که قابل قبول تجزیه و تحلیل باشد برای یک مدل معرفی شود.

با حرکت ما بسوی عصر اطلاعات ، دانش و معرفت بشری بسیار اهمیت پیدا می کند. بنابراین ما به فرضیه ای نیاز داریم که بتوان دانش بشری را به شکل سیستماتیک فرموله کرده و آن را به همراه سایر مدل های ریاضی در سیستم های مهندسی قرار دهد.

توجیه اول گرچه درست است با این حال طبیعت واحدی را برای تئوری سیستم های فازی مشخص نمی کند. در حقیقت تمامی نظریه های علوم مهندسی دنیای واقعی را به شکلی تقریبی توصیف می کنند.یک تئوری مهندسی خوب از یکسو باید بتواند مشخصه های اصلی و کلیدی دنیای واقعی را توصیف کرده و از سویی دیگر قابل تجزیه تحلیل ریاضی باشد.

حتما در ادامه این مطلب را هم بخوانید:  دانلود کتاب مقدمه ای بر هوش مصنوعی ، منطق فازی و شبکه های عصبی

توجیه دوم مشخصه واحدی از سیستم های فازی را توصیف کرده و وجودی تئوری سیستم های فازی را به عنوان یک شاخصه مستقل در علوم مهندسی توجیه می کند. بعنوان یک قاعده کلی، یک تئوری مهندسی خوب باید قادر باشد از تمامی اطلاعات موجود به نحو موثری استفاده کند.

 سیستم های فازی چگونه سیستم هایی هستند؟

سیستم های فازی سیستم ها مبتنی بردانش یا قواعد میباشد. قلب یک سیستم فازی یک پایگاه دانش بوده که از قواعد اگر-­آنگاه فازی تشکیل شده است. یک قاعده اگر-آنگاه فازی یک عبارت اگر-آنگاه بوده که بعضی کلمات آن بوسیله توابع تعلق پیوسته مشخص شده اند.

بعنوان مثال اگر سرعت اتومبیل بالاست آنگاه نیروی کمتری به پدال گاز وارد کنید.

رفتار رانندگان در شرایط  طبیعی شامل سه قاعده زیراست:

  1. اگر سرعت پایین است آنگاه نیروی بیشتری به پدال گاز وارد کنید.
  2. اگر سرعت متوسط است آنگاه نیروی متعادلی به پدال گاز وارد کنید.
  3. اگر سرعت بالاست آنگاه نیروی کمتری به پدال گاز وارد کنید .

کنترل کننده فازی

ما می توانیم یک سیستم فازی را بر اساس این قواعد بسازیم . از آنجا که سیستم فازی بعنوان کنترل کننده استفاده شده . آن را کنترل کننده فازی می نامند. بطور خلاصه نقطه شروع ساخت یک سیستم فازی بدست آوردن مجموعه ای از قواعد اگر-آنگاه فازی از دانش افراد خبره یا دانش حوزه مورد بررسی می باشد. مرحله بعدی ترکیب این قواعد در یک سیستم واحد است .

 انواع سیستم های فازی و مقایسه آنها

سيستم فازي روش توسعه يافته منطق بولي براي بكاربردن مفاهيم مبهم است. براي بيان ابهام در قالب يك عدد ، سيستم فازي تابعي براي عضويت در يك دسته معرفي ميكند، كه به هر عنصر يك عدد حقيقي بين صفر و يك نسبت ميدهد(صفر و يك هم شامل اين اعداد ميباشند). اين عدد نشان دهنده درجه عضويت عنصر نسبت به مجموعه مورد نظر ميباشد.عضويت صفر بيانگر اين است كه عنصر مورد نظر كاملاً خارج از مجموعه است.درحاليكه عدد يك نشاندهنده اين است كه عنصر مورد نظر كاملاًدر مجموعه قرار دارد.

معمولا از سه نوع سیستم فازی صحبت به میان می آید :

  1. 1) سیستم های فازی خالص
  2. 2) سیستم های فازی تاکاگی – سوگنو و کانگ( TSK )
  3. 3) سیستم های با فازی ساز و غیر فازی ساز (ممدانی)

سیستم های فازی خالص

سیستم فازی خالص پایگاه قواعد فازی مجموعه ای از قواعد اگر-آنگاه فازی است. موتور استنتاج فازی این قواعد را به یک نگاشت از مجموعه های فازی در فضای ورودی به مجموعه های فازی در فضای خروجی بر اساس اصول منطق فازی ترکیب می کند. مشکل اصلی در رابطه با سیستم های فازی خالص این است که ورودی ها و خروجی های آن مجموعه های فازی می باشند. در حالی که درسیستمهای مهندسی ورودی و خروجی ها متغیرهایی با مقادیر حقیقی می باشند.

سیستم های فازی تاکاگی – سوگنو و کانگ( TSK )

برای حل این مشکل تاکاگی _ سوگنو و کانگ نوع دیگری سیستم های فازی معرفی کرده اند که ورودی ها و خروجی های آن متغییر هایی با مقادیر واقعی هستند. بدین ترتیب قاعده فازی از یک عبارت توصیفی با مقادیر زبانی ،به یک رابطه ساده تبدیل شده است.

سیستم های با فازی ساز و غیر فازی ساز (ممدانی)

به طور مثال اگر سرعت اتومبیل X باشد، انگاه نیروی وارد بر پدال گاز برابر است با Y=CX مقایسه نشان می دهد که بخش“ انگاه“ قاعده فازی از یک عبارت توصیفی با مقادیر زبانی به یک رابطه ریاضی ساده تبدیل شده این تغییر ترکیب قواعد فازی را ساده تر می سازد .در حقیقت سیستم فازی TSK  یک میانگین وزنی از مقادیر بخش های“ انگاه“ قواعد می باشد. مشکلات عمده سیستم فازی TSK  عبارتند از:

  1.  بخش“ آنگاه“ قاعده یک فرمول ریاضی بوده و بنابراین چهارچوبی را برای نمایش دانش بشری فراهم نمیکند­.
  2. این سیستم دست ما را برای اعمال اصول مختلف منطق فازی باز نمی گذارد و در نتیجه انعطاف پذیری سیستم های فازی در این ساختار وجود ندارد.

برای حل این مشکل ما از نوع سومی از سیستم های فازی یعنی سیستم های فازی با فازی ساز و غیر فازی ساز استفاده میکنیم. به منظور استفاده ازسیستم های فازی خالص در سیستم های مهندسی یک روش ساده اضافه کردن یک فازی ساز در ورودی که متغییر هایی با مقادیر حقیقی را به یک مجموعه فازی تبدیل کرده و یک غیر فازی ساز که یک مجموعه فازی را به یک متغییر با مقدار حقیقی در خروجی تبدیل میکند می­باشد.

نتیجه یک سیستم فازی با فازی ساز و غیر فازی ساز است . این سیستم فازی معایب سیستم فازی خالص و سیستم فازی TSK رامی پوشاند. از این پس منظور ما از سیستم های فازی سیستم های فازی با فازی ساز و غیر فازی ساز خواهد بود.

 کاربردهای سیستم فازی

در اينجا به برخي از موارد كاربرد سيستم هاي فازي اشاره مي گردد

منطق فازی

  • دستگاه تهويه مطبوع : دستگاه طوري تنظيم مي شود تا به تدريج دماي اتاق به دماي مورد نظر برسد
  • دستگاه تنظيم سرعت : سرعت وسيله نقليه را با كاهش يا افزايش شتاب و همچنين كنترل سوخت و ترمز، بر روي مقدار ثابتي حفظ مي كند.
  • ديگ بخار كشتي: دما ، فشار و محتويات شيميايي را كنترل كرده و در سطح قابل اطميناني قرار مي دهد.
  • دوربين هاي فيلمبرداري: تشخيص مي دهد كه شيئي كه از آن فيلمبرداري مي شود حركت مي كند يا حركت، ناشي از لرزش دست فيلمبردار است.
  • ماشين هاي لباسشويي: چرخه شستشو را با امتحان اندازه لباس ها ، مقدار پودر لباسشويي و ميزان پاك كنندگي بهينه مي كند.
  • سيستم هاي تشخيص تهاجم.
  • پيش بيني زردي نوزاد.
  • صنعت اتومبيل سازي.
  • طراحي روباتي كه قادر به تشخيص رنگ ها باشد.
  • ساخت كنترل كننده هاي لوازم خانگي.

چند مثال از منطق فازی

 ماشین شستشوی فازی

(چندین ورودی و یک خروجی)

سیستم فازی مورد استفاده یک سیستم سه ورودی یک خروجی است که سه ورودی فوق نوع کثیفی  و مقدار اندازه گیری شده کثیفی وحجم لباس بوده و خروجی  تعداد دورهای مناسب شستشو میباشد. بعنوان ورودی (سنسورهایی) در این سیستم تعبیه شده این سنسورها که از نوع نوری می­باشند میزان نوری را که از طرف مقابل ساطع شده واز آب عبور کرده را اندازه گیری می نمایند.

سنسور نوری همچنین میتواند معین کند که نوع کثیفی چیست لباس گل آلود است یا چرب؟ گِل در آب سریعتر حل می­شود بنابراین اگر نور دریافتی بسرعت کاهش پیدا کند در آن صورت لباس گل آلود است در حالی که اگر لباس روغنی باشد کندتر در آب حل شده و کاهش نور دریافتی کندتر خواهد بود .

حتما در ادامه این مطلب را هم بخوانید:  مقایسه عملکرد مغز انسان با کامپیوتر - تشابه ها و تفاوت های مغز انسان و CPU

ماشین همچنین دارای یک سنسور بار می باشد که حجم لباس ها  را ثبت می کند واضح است که تعداد لباس­های بیشتر زمان بیشتری برای شستشو لازم دارد. موارد فوق را می توان در تعدادی قاعده اگر- آنگاه فازی برای ساخت یک سیستم فازی خلاصه کرد.

کنترل فازی کوره سیمان

(چند ورودی و چندخروجی)

سیمان بوسیله آسیاب کلینکر که ترکیبی از مواد معدنی است در یک کوره ساخته میشود . بدلیل این که عملکرد این کوره غیر خطی ومتغییر با زمان میباشد وداده های نمونه برداری کمی نیز دارد کنترل آن با استفاده از روشهای کنترل متعارف کاری مشکل است. در اواخر دهه 1970 شرکتی در دانمارک یک سیستم فازی را برای کنترل کوره سیمان ابداع نمود. سیستم فازی ابداعی چهار ورودی و دو خروجی داشت.

ورودی های چهارگانه عبارتند  اند از

  1. 1- درصد اکسیژن در گازهای اگزوز
  2.  2- درجه حرارت گازهای اگزوز
  3.  3- گشتاور آسیاب کوره
  4. 4-  وزن حجمی کلینکر

خروجی های این سیستم نیز عبارتند از

  1.  میزان زغال سنگ ریخته شده به کوره
  2. میزان جریان هوا
  3. مجموعه ی که از قواعد اگر-آنگاه فازی رابطه خروجی ها را با ورودی ها مشخص می کند. بعنوان مثال :
  4.  اگر درصد اکسیژن بالا ودرجه حرارت پایین است آنگاه درجه هوا را افزایش دهید.
  5.  اگر درصد اکسیژن بالا و درجه حرارت بالا است آنگاه میزان زغال سنگ را اندکی کاهش دهید.

 بررسی روش های چهارگانه استفاده از منطق فازی

 کنترلرهای منطق فازی

حال اين سوال مطرح است كه اين وسايل چگونه از منطق فازي استفاده ميكنند؟

 فازي كردن

در اين مرحله واقعيات بر اساس سيستم فازي تعريف مي شوند. ابتدا بايد ورودي و خروجي سيستم معرفي شده، سپس قوانين اگر-آنگاه مناسب به كار گرفته شوند. براي ساخت تابع عضويت بايستي از داده هاي خام استفاده شود. حال سيستم براي اعمال منطق فازي آماده است.

مثالي براي فازي كردن

دستگاه تهويه اي را در نظر بگيريد كه با اندازه گيري دما و رطوبت اتاق ميزان به جريان در آوردن هوا را مشخص مي كند. در اين مورد ورودي عبارتست از دما و ميزان رطوبت وخروجي نيز سطح جريان هواي خروجي از دستگاه تهويه مطبوع است كه شامل سه حالت ، خاموش،كم و زياد ميباشد همچنين اين قوانين اگرـآنگاه استفاده مي شوند:

  1.  اگر اتاق گرم باشد آنگاه هواي زيادي منتشر كن
  2.  اگر اتاق خنك باشد،آنگاه هيچ هوايي منتشر نكن
  3. اگر اتاق سرد و مرطوب است ، آنگاه كمي هوا را به جريان بيينداز.

در آخر، متخصص بايد دو تابع عضويت تعين كند. يكي براي اينكه دما را به مقدار فازي تبديل كند وديگري براي تبديل ميزان رطوبت به مقدار فازي.

 استنتاج

هنگامي كه ورودي ها به سيستم استنتاج می­رسند، همه قوانين اگر-آنگاه را مورد ارزيابي قرار مي دهد و ”درجه درستي“ آنها را مشخص مي كند. اگر يك ورودي داده شده به طور صريح با يك قانون اگر-آنگاه مشخص نشده باشد، آنگاه تطابق بخشی مورد استفاده قرار مي­گيرد که دارای وزن بیشتر است تا جواب مشخص شود.

 مثالي براي استنتاج

فرض كنيد دستگاه تهويه مطبوع دما و درجه رطوبت را اندازه‌گيري كرده و به آنها به ترتيب مقادير فازي 0.7 و 0.1 را نسبت داده باشد.حال اين سيستم بايستي درستي هر يك از قوانين فازي را كه در بالا بحث شد مورد بررسي قرار دهد. براي اين منظور روشهاي استنتاج بسياري وجود دارد. اين مثال ساده ترين روش را مورد استفاده قرار مي­دهد كه روش ماكسيمم-مينيمم ناميده مي شود.

اين روش مقدار فازي قسمت آنگاه (نتيجه) را به قسمت اگر نسبت ميدهد. بنابراين اين روش مقادير فازي 0.7 و 0.1 و 0.1 را به ترتيب به قوانين 1، 2 و 3 نسبت مي­دهد.

پایگاه قواعد

در اين قسمت براي بدست آوردن يك نتيجه كلي تمامي مقادير بدست آمده از قسمت استنتاج با هم تركيب مي شوند. قوانين فازي مختلف نتايج مختلفي خواهند داشت. بنابراين ضروري است تا همه قوانين در نظر گرفته شوند.

 مثالي براي پایگاه قواعد

هر نتيجه استنتاجي درباره سيستم تهويه مطبوع عمل خاصي را پيشنهاد مي كند. در مثال فوق قانون اول، سطح گردش هواي زياد را پيشنهاد مي كند. قانون دوم، خاموش كردن، و قانون سوم، سطح گردش هواي كم را بيان مي‌كند. تكنيك هاي متعددي براي بدست آوردن نتيجه كلي وجود دارند. اين مثال از روش ماكزيمم-مينيمم كه روش ساده اي است استفاده مي كند.

اين روش ماكزيمم مقدار فازي قسمت استنتاج به عنوان نتيجه در نظر مي گيرد. يعني در عمل، قسمت ساخت مقدار 0.7 را انتخاب مي كند چون مقدار بيشتري را بين مقادير فازي دارا است.

 غیرفازی ساز

در اين مرحله مقدار فازي بدست آمده از قسمت پایگاه قواعد به يك داده قابل استفاده تبديل مي شود. اين قسمت از كار اغلب پيچيده است چون مجموعه فازي نبايستي مستقيما به داده قابل استفاده تبديل شود. از آنجا كه كنترلگرهاي سيستم­هاي فيزيكي به سيگنال­ هاي گسسته نياز دارند، اين مرحله بسيار مهم مي باشد.

مثالي برای غیر فازی ساز

به خاطر داريد كه مقدار فازي بدست آمده از مرحله قبل 0.7 بود. اين مقدارعددي براي سيستم تهويه مطبوع قابل فهم نيست. بايد مشخص شود كه دستگاه كداميك از فرامين كم ،زياد يا خاموش را به جريان بيندازد. مرحله بازگرداندن از حالت فازي بايستي عدد 0.7 را به يكي از فرامين فوق تبديل كند. در اين مثال واضح است كه مقدار خروجي 0.7 بيانگر اين است كه سيستم تهويه مطبوع بايستي در حالت زياد باشد.

دلایل استفاده از منطق فازی

می­توان دلایل استفاده گسترده از منطق فازی را در موارد ذیل خلاصه نمود:

  • – منطق فازی از نظر مفهومی بسیار ساده می­باشد؛ زیرا مفاهیم ریاضی مورد استفاده در استدلال فازی بسیار ساده هستند.
  • – منطق فازی بسیار انعطاف پذیر است. در واقع به آسانی می­توان یک سیستم فازی را برای حل یک مسله جدید سازماندهی نمود و نیازی به طراحی دوباره سیستم وجود ندارد.
  • – منطق فازی دارای قابلیت مدل سازی توابع غیر خطی پیچیده می­باشد. می­توانید برای برقراری ارتباط بین هر مجموعه از داده­ های ورودی و خروجی از سیستم فازی استفاده کنید. این فرایند از طریق تکنیک­ هایی نظیر تکنیک ANFIS بسیار ساده می­شود.
  • – منطق فازی توان تحمل داده ­های غیر دقیق فازی را به شکل مطلوبی دارا می­باشد. با نگاه دقیق به هرچیزی، متوجه نوعی نادرستی در آن می­شویم و منطق فازی از این مفهوم یک پردازش سازمان یافته می­سازد.
  • – منطق فازی بر مبنای تجربه متخصصان عمل می­کند. برخلاف شبکه ­های عصبی که داده­ های آموزشی را دریافت کرده و مدل ­های مبهم تولید می­کند، منطق فازی به شما اجازه می­دهدتا بر تجربه متخصصانی که شناخت دقیقی از سیستم مورد بررسی دارند، تکیه نمایید.
  • – منطق فازی با تکنیک های کنترلی مرسوم قابل ادغام است. سیستم­های فازی الزاما جایگزینی برای روش­های کنترلی نیستند؛ بلکه در بسیاری از موارد سیستم های فازی پیاده ­سازی سیستم­های کنترلی را تکمیل و تسهیل می­کنند.
  • – منطق فازی بر مبنای زبان طبیعی می­باشد. اصول منطق فازی بر مبنای نوع ارتباط بشر است. از آنجا که منطق فازی بر پایه ساختارهای توصیف کیفی در زبان روزمره استوار است، استفاده از آن بسیار ساده می­باشد.
  • مورد آخر شاید مهمترین مورد بوده و سزاوار بحث بیشتری است. زیرا زبان طبیعی که توسط مردم در امور روز­مره مورد استفاده قرار می­گیرد بر مبنای تاریخ هزاران ساله زندگی بشر شکل گرفته و بهینه سازی شده است.
حتما در ادامه این مطلب را هم بخوانید:  از هوش مصنوعی چه می دانید؟

 کمبود ها و نواقص سیستم های فازی

منطق فازي و منطق بولي هر دو بر پايه واقعيات مي باشند. با اين تفاوت كه منطق فازي توانايي كاركردن با داده هاي مبهم را نيز داراست. با اين وجود منطق فازي هنوز قادر به حل بعضي مسائل نيست .

بسياري از سيستم ها، مانند آنچه در بحث كاربرد گفته شد مي‌توانند از منطق فازي بدون هيچ مشكلي استفاده كنند. چون نياز به هيچ تصميم گيري دروني و فكري ندارند. اما بعضي سيستم ها به منطق پيچيده تري نياز دارند تا بتوانند به بيان گمان، تعقل ، شك و … بپردازند.

براي نشان دادن نقصان منطق فازي مي توان به سيستم شناخت دوست يا دشمن اشاره كرد

اين سيستم براي شناخت هواپيماهاي ارتشي يا مسافربري دوست و دشمن به كار مي­رود. در حالت عادي سيستم از هر هواپيما يك سيگنال شناسايي دريافت مي­كند. دلايل زيادي وجود دارند كه ممكن است سيستم اين سيگنال را دريافت نكند مانند: بد عمل كردن سيستم، بد عمل كردن فرستنده، نبودن اين سيستم روي هواپيماها ،پارازيت سيگنال يا خاموش بودن راديو.

در اين موارد ، اين سيستم بايد از منطق براي شناسايي هواپيماها استفاده كند. كه فقط مربوط به داده هاي از قبيل مسير پرواز نيست. چون اين داده ها هواپيماهاي دوست را از دشمن تشخيص نمي­دهند. بنابراين منطق فازي در سيستم تشخيص دوست از دشمن كاربردي ندارد! براي اين منظور بايد از منطقي استفاده شود كه توانايي تصميم گيري دروني را داشته باشد.

 چه زمانی نباید از منطق فازی استفاده نمود؟

منطق فازی همیشه یک راه­ حل مناسب نیست؛ اما چه زمانی نباید از آن استفاده کرد؟ همانطور که میدانید منطق فازی یک روش مناسب و آسان برای نگاشت فضای ورودی به فضای خروجی است. حال اگر در یک مساله ­ای متوجه شدیدکه استفاده از منطق فازی چندان ساده نیست، بهتر است به­ دنبال راه حل دیگری بروید. بسیاری ازکنترل کننده­ ها، بدون کمک منطق فازی به خوبی عمل می­کنند.

 جعبه ابزار منطق فازی در MATLAB

جعبه ابزار منطق فازی متشکل از مجموعه ­ای از توابع فازی در قالب محیط محاسباتی MATLAB می­باشد. این جعبه ابزار امکاناتی را برای استنتاج سیستم­های فازی در چارچوب MATLAB فراهم می­آورد. همچنین در راستای شبیه سازی سیستم­های فازی، امکان یک پارچه سازی آنها در قالب نرم افزار Simulink وجود دارد. می­توانید از توابع مربوط به این جعبه ابزار در برنامه­های دیگر (مثلا به زبانC) استفاده نمایید. این جعبه ابزار از یک محیط گرافیکی برای کمک به کاربر بهره می­گیرد، اما در صورت تمایل می­توانید از توابع مربوط به آن روی  خط فرمان MATLAB استفاده نمایید.

جعبه ابزار منطق فازی در MATLAB

این جعبه ابزار دارای سه دسته متفاوت از امکانات می­باشد:

  • – توابع خط فرمان،
  • – توابع محاوره­ای گرافیکی،
  • – بلوک­های Simulink،

دسته­ ی اول از توابعی تشکیل می­شود که می­توانید آنها را روی خط فرمان ویا از برنامه کاربردی خود فراخوانی نمایید. بسیاری از این توابع در قالب M-File­ های MATLAB پیاده سازی شده ­اند. در واقع الگوریتم های مربوط به منطق فازی  به وسیله ­ی دستوراتMATLAB  در قالب این فایل­ها پیاده سازی شده ­اند. برای مشاهده کد مربوط به این توابع، از دستور زیر روی خط فرمان استفاده نمایید.

Type function_name

می­توانید با اعمال تغییر در هر یک از توابع مربوط به جعبه ابزار و ذخیره سازی مجدد آن با یک نام جدید، توابع مورد نظر خود را ساخته و قابلیت­های این جعبه ابزار را گسترش دهید.

در دسته دوم، جعبه ابزار مجموعه­ای از ابزارهای محاوره­ای را برای دسترسی کاربر از طریق محیط گرافیکی به ابزارهای مختلف فراهم می­آورد. این ابزار­های گرافیکی محیطی را برای طراحی، تحلیل و پیاده سازی سیستم های فازی فراهم می­آورند.

دسته سوم امکانات این جعبه ابزار، از مجموعه­ای از بلوک­های Simulink تشکیل شده­ اند که برای شبیه سازی سریع سیستم­های فازی در قالب محیطSimulink  به کار می­روند.

با توجه به اینکه غالب استدلال های بشر با قواعد فازی مرتبط هستند، اهمیت و کاربرد این جعبه ابزار روز به روز در حال گسترش می­باشد. این جعبه ابزار با فراهم آوردن یک چارچوب نظام­مند برای محاسبات مربوط به قواعد فازی، به شکل مطلوبی قدرت استدلال کاربر را افزایش می­دهد.

نحوه عملکرد جعبه ابزار منطق فازی

به کمک جعبه ابزار منطق فازی MATLAB ، می­توان سیستم­های استنتاج فازی را ایجاد و ویرایش کرد. می­توانید این­کار را از طریق ابزار­های گرافیکی و توابع خط فرمان انجام دهید. همچنین امکان ایجاد این سیستم­ها به­ صورت خودکار از طریق تکنیک­های کلاسترینگ و انطباقیneuro-fuzzy وجود دارد. همچنین در صورتی که به نرم افزار Simulink دسترسی داشته باشید، می­توانید سیستم فازی خود را از طریق بلوک­های Simulink شبیه سازی کنید.

همچنین این جعبه ابزار، قابلیت اجرای برنامه­های C را به صورت مستقیم به شما می­دهد این عملیات به کمک موتور استنتاج فازی ممکن می­شود. می­توانید این موتور را برای کاربرد مورد نظر خود سفارشی کنید.

 جعبه ابزار منطق فازی در MATLAB

به دلیل یکپارچه بودن محیط MATLAB می­توانید ابزارهای مورد نظر خود را برای پیاده سازی یک سیستم فازی به کمک جعبه ابزار­

های مختلف مثل سیستم­های کنترلی، شبکه­های عصبی و یا جعبه ابزار بهینه سازی فراهم آورید.

منابع: ویکی پدیا ، نمایش و کنترل دمای گلخانه با منطق  فازی و میکروکنترلر AVR (گلخانه توت فرنگی)

 

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *