Einführung in das Fuzzy Logic System
Fuzzy Logic ist ein Computeransatz, der auf dem „Wahrheitsgrad“ basiert und nicht auf das boolesche „Wahr oder Falsch“ beschränkt ist. Der Begriff "Fuzzy" bedeutet etwas Unbestimmtes oder Unklares. Das Fuzzy-Logik-System wird auf Szenarien angewendet, in denen es schwierig ist, Zustände als binäres „Richtig oder Falsch“ zu kategorisieren. Fuzzy Logic kann Zwischenwerte wie teilweise wahr und teilweise falsch enthalten. Es kann auf einer Vielzahl von Geräten implementiert werden, von kleinen Mikrocontrollern bis hin zu großen IT-Systemen. Es wird versucht, eine menschenähnliche Entscheidungsfindung nachzuahmen, bei der alle Werte zwischen Wahr und Falsch liegen können.
Eine Architektur des Fuzzy Logic Systems
Das Fuzzy Logic System besteht aus vier Hauptkomponenten, die anhand des folgenden Architekturdiagramms erläutert werden:
- Regeln: Die Regelbasis besteht aus einer Vielzahl von Regeln, die von Experten programmiert und eingegeben werden, um die Entscheidungsfindung im Fuzzy-System zu steuern. Die Regeln sind Sätze von „Wenn-Dann“ -Anweisungen, die das Auftreten eines Ereignisses basierend auf der Bedingung bestimmen.
- Fuzzification: Fuzzification wandelt von Sensoren gemessene Rohdaten in Fuzzy-Mengen um. Diese konvertierten Eingaben werden zur weiteren Verarbeitung an die Steuerung weitergeleitet.
- Inference Engine: Hilft bei der Zuordnung von Regeln zum Eingabedatensatz und damit bei der Entscheidung, welche Regeln für eine bestimmte Eingabe angewendet werden sollen. Dazu wird die% -Anpassung der Regeln für die angegebene Eingabe berechnet.
- Defuzzifizierung: Es ist das Gegenteil von Fuzzifizierung. Hier werden Fuzzy-Sets in gestochen scharfe Eingaben umgewandelt. Diese knackigen Eingänge sind die Ausgänge des Fuzzy Logic Systems.
Mitgliedschaftsfunktion
Die Zugehörigkeitsfunktion definiert, wie Eingaben in das Fuzzy-System auf Werte zwischen 0 und 1 abgebildet werden. Die Eingabe wird normalerweise als Universum (U) bezeichnet, da sie einen beliebigen Wert enthalten kann. Die Zugehörigkeitsfunktion ist definiert als:
μ A: X → (0, 1).
Hier steht X für das Universum und Y für einen beliebigen Wert zwischen 0 und 1. Die dreieckige Mitgliedschaftsfunktion ist die am häufigsten verwendete Mitgliedschaftsfunktion. Weitere Mitgliedschaftsfunktionen sind Trapez, Gauß und Singleton.
Warum und wann Fuzzy Logic verwenden?
Fuzzy Logic ist besonders nützlich, wenn Sie menschliches Denken in einem Steuerungssystem imitieren möchten. Mehr als Genauigkeitsargumentation konzentriert es sich auf akzeptable Argumentation, die der Funktionsweise der realen Welt sehr nahe kommt. Es wurde entwickelt, um mit Unsicherheiten umzugehen, und kann aus den Schlussfolgerungen Rückschlüsse ziehen.
Algorithmus des Fuzzy Logic Systems
- Definieren Sie alle Variablen und Terme, die als Eingabe für das Fuzzy-System dienen sollen
- Mitgliederfunktion für das System erstellen (wie oben definiert)
- Erstellen Sie eine Regelbasis, die jeder Eingabe zugeordnet wird
- Wandeln Sie den normalen Eingang in einen Fuzzy-Eingang um, der der Zugehörigkeitsfunktion zugeführt wird
- Bewerten Sie das Ergebnis der Zugehörigkeitsfunktion
- Kombinieren Sie alle Ergebnisse aus dem individuellen Regelsatz
- Konvertieren Sie das Ausgabe-Fuzzy-Set in eine gestochen scharfe Eingabe (Defuzzification).
Anwendung von Fuzzy Logic System
Fuzzy Logic wird in allen wichtigen Branchen eingesetzt, Automotive bleibt jedoch der Hauptanwender. Einige seiner Anwendungen sind unten aufgeführt:
- Nissan verwendet Fuzzy Logic, um das Bremssystem im Gefahrenfall zu steuern. Die Fuzzy-Logik verwendet Eingaben wie Geschwindigkeit, Beschleunigung und Impuls, um die Bremsintensität zu bestimmen.
- Nissan verwendet auch Fuzzy Logic, um die Kraftstoffeinspritzmenge und die Zündung basierend auf Eingaben wie Motordrehzahl, Temperatur und Lastkapazität zu steuern.
- Es wird in Satelliten und Flugzeugen zur Höhenkontrolle verwendet.
- Mitsubishi nutzt Fuzzy Logic, um das Aufzugsmanagement effizienter zu gestalten, indem der Passagierverkehr als Eingabe verwendet wird.
- Nippon Steel verwendet Fuzzy Logic, um zu entscheiden, in welchem Verhältnis verschiedene Zementsorten gemischt werden sollen, um einen haltbareren Zement zu erhalten.
- Fuzzy Logic findet seine Anwendung in der chemischen Industrie zur Steuerung der verschiedenen Prozesse wie pH-Kontrolle, Trocknungsprozess und Destillationsprozess.
- Fuzzy Logic kann mit Artificial Neural Network (ANN) kombiniert werden, um die Funktionsweise des menschlichen Gehirns nachzuahmen. Fuzzy Logic aggregiert Daten und wandelt sie in aussagekräftigere Informationen um, die als Fuzzy-Mengen verwendet werden.
Vorteile des Fuzzy Logic Systems
Nachfolgend sind fünf Vorteile des Fuzzy-Logik-Systems aufgeführt:
- Fuzzy Logic kann mit jeder Art von Eingabe arbeiten, auch wenn diese unstrukturiert, verzerrt, ungenau ist oder Rauschen enthält.
- Fuzzy Logic Construction ist sehr einfach zu lesen und zu verstehen, da es genau nachahmt, wie Human-Mind die Entscheidung trifft.
- Die Nuancen von Fuzzy Logic basieren auf der Verwendung von mathematischen Schlüsselkonzepten wie Mengenlehre und Wahrscheinlichkeit, die es ermöglichen, alle Arten von alltäglichen Herausforderungen zu lösen, denen sich die Menschheit gegenübersieht.
- Fuzzy Logic bietet effiziente Lösungen für ein sehr komplexes Problem in verschiedenen Branchen.
- Das Fuzzy Logic System benötigt nur sehr wenige Daten, um ein robustes Modell zu erstellen. Daher benötigt es nur eine begrenzte Menge an Speicher für seine Ausführung.
Nachteile des Fuzzy Logic Systems
Nachfolgend sind die vier Hauptnachteile des Fuzzy-Logik-Systems aufgeführt:
- Es gibt keine Standardmethode, um ein Problem mit Fuzzy Logic zu lösen. Daher haben verschiedene Experten möglicherweise eine andere Lösung für ein Problem, das zu Mehrdeutigkeiten führt.
- Da das Fuzzy Logic System sowohl mit präzisen als auch mit ungenauen Daten arbeitet, kann zuweilen seine Genauigkeit beeinträchtigt werden.
- Das Fuzzy Logic System kann nicht aus seinen Fehlern oder Fehlern in der Vergangenheit lernen, da es keine Selbstlernfähigkeiten wie Maschinelles Lernen und Neuronales Netzwerk besitzt.
- Aufgrund der fehlenden Standardisierung gibt es keinen festen Weg, um Regeln und Zugehörigkeitsfunktionen für das gegebene Problem zu finden. Daher wird es manchmal schwierig, genaue Regeln und Zugehörigkeitsfunktionen für einige Probleme zu finden.
Fazit
Fuzzy Logic bietet eine alternative Möglichkeit, um reale Probleme in der Computerwelt anzugehen. Es kann leicht auf verschiedene Anwendungen und Steuerungssysteme angewendet werden, die langfristige Vorteile bringen können. Aufgrund seiner Fähigkeit, gut mit „Degree of Truth“ zu arbeiten, öffnet es viele Türen für modernes Computing. Es ist jedoch nicht das Allheilmittel für alle Probleme, da es hinsichtlich der Genauigkeit und der Unfähigkeit, wie im Fall des maschinellen Lernens aus seinem Versagen zu lernen, erhebliche Einschränkungen aufweist.
Empfohlene Artikel
Dies ist eine Anleitung zum Fuzzy Logic System. Hier besprechen wir, warum und wann das Fuzzy-System mit seiner Architektur, seiner Anwendung und seinen Vor- und Nachteilen zu verwenden ist. Sie können auch unsere anderen verwandten Artikel durchgehen, um mehr zu erfahren -
- Was ist Fuzzy Logic?
- Fuzz Testing
- IoT-Unternehmen
- R Datenrahmen
- Sensor Device
- Top 12 Arten von Sensoren und deren Anwendungen