Fuzzy Logik - · PDF fileFuzzy Logik, Franka Zander, Dezember 2004 4/43 Beispiele unscharfer...
-
Upload
duongxuyen -
Category
Documents
-
view
216 -
download
0
Transcript of Fuzzy Logik - · PDF fileFuzzy Logik, Franka Zander, Dezember 2004 4/43 Beispiele unscharfer...
Fuzzy Logik, Franka Zander, Dezember 2004
Fuzzy Logik
Fuzzy Logik, Franka Zander, Dezember 2004 2/43
Inhaltsverzeichnis1. Unscharfe Mengen
1.1 Einleitung1.2 Unscharfe Mengen und deren Verknpfung1.3 Unscharfe Zahlen
2. Unscharfe Logik und Steuerung2.1 Fuzzifizierung2.2 Inferenz2.3 Defuzzifizierung
3. Unscharfe Arithmetik3.1 Verknpfung unscharfer Zahlen3.2 Grenvergleich unscharfer Zahlen
Fuzzy Logik, Franka Zander, Dezember 2004 3/43
1.1 EinleitungFuzzy unscharf, verschwommen, vageSeit ca. 1965 entwickelte sich Zweig der Angewandten Mathematik (Fuzzy-Methoden, L. A. Zadeh)Vollstndige Messbarkeit nicht mglich subjektive Beurteilung ntig
Fuzzy Logik, Franka Zander, Dezember 2004 4/43
Beispiele unscharfer Begriffe:Ausreichende Festigkeit eines WerkstoffesGesundheitsschdliche StrahlendosisGnstiger KursX und Y sind fast gleichNormale Betriebstemperatur
Fuzzy Logik, Franka Zander, Dezember 2004 5/43
Mglichkeiten im Falle einer unscharfen Situation:1) Verzicht auf rationale Modellierung2) Verwendung von scharfen Modellen3) Einsatz von unscharfen Methoden, die die Unschrfe
zum Gegenstand der Modellierung machen Robustheit der Ergebnisse
Fuzzy Logik, Franka Zander, Dezember 2004 6/43
Beispiel einer unscharfen Schlussweise:Die meisten Schweden sind groDie meisten Schweden sind blondNils ist Schwede
Nils ist wahrscheinlich gro und blond
Fuzzy Logik, Franka Zander, Dezember 2004 7/43
Mit stochastischen Methoden behandelt:90 % der Schweden sind 175 cm90 % der Schweden sind blond
P(blond und 175) = 81 % Nils ist mit 81 % Wahrscheinlichkeit gro und
blondMerkmale gro und blond mssen scharf definiert werdenEs gehen statistische Zusatzannahmen ein (hier: Unabhngigkeit der Merkmale gro und blond)
Fuzzy Logik, Franka Zander, Dezember 2004 8/43
Beispiel einer Steuerung mit scharfen Angaben:Gehe 497 m geradeaus bis zur Straenkreuzung mit 16,5 m DiagonaleSchwenke 87 gegen UhrzeigersinnGehe weitere 6% der zurckgelegten DistanzBis zum Bauwerk, das Licht von 520 nm Wellenlnge ausstrahlt
Fuzzy Logik, Franka Zander, Dezember 2004 9/43
Beispiel der Steuerung mit unscharfen Angaben:Gehe ca. einen halben Kilometer bis zur KreuzungDann linksDann noch eine kurze DistanzBis zum grnen Haus
Fuzzy Logik, Franka Zander, Dezember 2004 10/43
Unscharfe Steuerung ist in unscharfen Situationen robuster wird grotechnologisch eingesetztAnwendungsbeispiele sind Fuzzy-Steuerungen bei:
WaschmaschinenKlimaanlagenCamcordern und KamerasStaubsaugernU-Bahn in Sendai (Japan), seit 1987 in Betrieb
Fuzzy Logik, Franka Zander, Dezember 2004 11/43
1.2 Unscharfe Mengen und deren Verknpfung
Ein Argument, das nur berzeugt, wenn es przise ist, verliert alle Kraft, wenn die Annahmen, auf denen es beruht, leicht gendert werden; ein unprzises aber berzeugendes Argument bleibt eher stabil unter nderung der zugrundeliegenden Axiome (J. Schartz, 1962)
Fuzzy Logik, Franka Zander, Dezember 2004 12/43
Klassische Mengenlehre:Teilmenge A von X ist eine Ansammlung von gewissen Elementen von XVon jedem Element steht fest, ob es zu A gehrt oder nichtZugehrigkeitsfunktion:
mA(x) = 1, wenn x zu A gehrtmA(x) = 0, wenn x nicht zu A gehrt
Fuzzy Logik, Franka Zander, Dezember 2004 13/43
Beispiel:X ist Menge der reellen ZahlenMenge A alle reellen Zahlen kleiner oder gleich 8
Fuzzy Logik, Franka Zander, Dezember 2004 14/43
Unscharfe Mengenlehre:Auch graduelle Zugehrigkeitsfunktionen zulassenUnscharfe Teilmenge A von X wird durch Zugehrigkeitsfunktion mA(x) auf X zu beschreiben sein, die beliebige Werte annehmen kannNormierung: 0 mA(x) 1mA(x) wird als Zugehrigkeitsgrad von x zur Menge A interpretiert
Fuzzy Logik, Franka Zander, Dezember 2004 15/43
Beispiel:Bestimmter Messwert soll die Sicherheitsgrenze von 8 nicht berschreitenMenge der Messwerte im sicheren Bereich:
Fuzzy Logik, Franka Zander, Dezember 2004 16/43
A, B seien unscharfe Mengen mit Zugehrigkeitsfunktionen mA(x), mB(x)Unscharfer Durchschnitt AB:
mAB(x) = min (mA(x), mB(x))Unscharfe Vereinigung AB:
mAB(x) = max (mA(x), mB(x))
Fuzzy Logik, Franka Zander, Dezember 2004 17/43
A Menge der Messwerte im sicheren BereichB Menge der Messwerte in der Nhe von 10
Zugehrigkeitsfunktion mAB(x):
Zugehrigkeitsfunktion mAB(x):
Fuzzy Logik, Franka Zander, Dezember 2004 18/43
1.3 Unscharfe ZahlenUnscharfe Zahl a:
Spezielle unscharfe Menge von Zahlen mit einer Zugehrigkeitsfunktion mA(x)Funktion hat linken ansteigenden Bereich, einen eindeutigen zentralen Wert z mit mA(x) = 1 und einen rechten abfallenden BereichFunktion ist oberhalbstetig
Fuzzy Logik, Franka Zander, Dezember 2004 19/43
Sprechweise: eine Zahl ungefhr gleich zDie ansteigenden bzw. abfallenden Teile knnen linear, quadratisch, exponentiell sein; begrenzt oder ins Unendliche reichend; symmetrisch oder unsymmetrischZentraler Plateaubereich:
Fuzzy Logik, Franka Zander, Dezember 2004 20/43
Rechteckszahlen: a = aL,aR
Dreieckszahlen: a = aL,aM,aR
Fuzzy Logik, Franka Zander, Dezember 2004 21/43
Gnstig, wenn keine besondere Information ber die Art der Unschrfe vorliegtFlle aL = aM oder aM = aR sind zugelassenaL = aM = aR scharfe Zahl als Spezialfall
Fuzzy Logik, Franka Zander, Dezember 2004 22/43
Trapezzahlen: analog Dreieckszahlen, jedoch mit zentralem Plateaubereich, also von der Form a = aL,aML,aMR,aR
Fuzzy Logik, Franka Zander, Dezember 2004 23/43
Polygone Zahlen: sind durch Niveaus 0 = 0 < 1 < ... < n und Knickpunkte aL0 aL1 ... aLn aRn ... aR1 aR0 mit m(aLi) = m(aRi) = i charakterisiert
Fuzzy Logik, Franka Zander, Dezember 2004 24/43
Quadratische Zahlen: Begrenzungen durch Parabelbgen gegeben
Fuzzy Logik, Franka Zander, Dezember 2004 25/43
2. Unscharfe Logik und Steuerung 2.1 Fuzzifizierung
Fr V = 90 km/h gilt:mVmittel(90) = 3/4, mVgro(90) = 1/4
Fuzzy Logik, Franka Zander, Dezember 2004 26/43
Fr den Abstand von 100 m gilt:mAklein(100) = 2/3, mAmittel(100) = 1/3
Fuzzy Logik, Franka Zander, Dezember 2004 27/43
2.2 InferenzMehr als eine Eingangsvariable deren Kombination (Aggregation) muss festgelegt werden (Zugehrigkeitsgrad der Verknpfungen undund oder)
Fuzzy Logik, Franka Zander, Dezember 2004 28/43
Kernstck der Fuzzysteuerung Liste der Schlussregeln
Fuzzy Logik, Franka Zander, Dezember 2004 29/43
Schlussfolgerung erhlt denselben Zugehrigkeitsgrad wie die PrmissePrmissen:
mP2(90, 100) = min(3/4, 2/3) = 2/3 (mittel)mP3(90, 100) = min(3/4, 1/3) = 1/3 (klein)mP4(90, 100) = min(1/4, 2/3) = 1/4 (gro)mP5(90, 100) = min(1/4, 1/3) = 1/4 (mittel)
Tritt dieselbe Schlussfolgerung mehrmals auf Maximum der Zugehrigkeitsgrade
Fuzzy Logik, Franka Zander, Dezember 2004 30/43
Bremsdruck:mBklein = 1/3 (aus P3)mBmittel = max(2/3, 1/4) = 2/3 (aus P2 und P5)mBgro = 1/4 (aus P4)
Fuzzy Logik, Franka Zander, Dezember 2004 31/43
2.3 DefuzzifizierungSteuerinstrument verlangt scharfe AnweisungSchwerpunkt der Flche unter dem Zugehrigkeitsgrad verwenden 1,9 bar
Fuzzy Logik, Franka Zander, Dezember 2004 32/43
3. Unscharfe Arithmetik3.1 Verknpfung unscharfer Zahlen
a) RechteckszahlenSumme und Differenz zweier Rechteckszahlen a = aL, aR, b = bL, bR ist wieder eine RechteckszahlSumme: aL, aR + bL, bR = aL + bL, aR + bRDifferenz: aL, aR bL, bR = aL bR, aR bL
Fuzzy Logik, Franka Zander, Dezember 2004 33/43
Zahlenbeispiel:
Fuzzy Logik, Franka Zander, Dezember 2004 34/43
b) DreieckszahlenSumme und Differenz zweier Dreieckszahlen a = aL, aM, aR, b = bL, bM, bR ist wieder eine DreieckszahlSumme: aL, aM, aR + bL, bM, bR = aL + bL, aM + bM, aR + bRDifferenz: aL, aM, aR bL, bM, bR = aL bR, aM bM, aR bL
Fuzzy Logik, Franka Zander, Dezember 2004 35/43
Zahlenbeispiel:
Fuzzy Logik, Franka Zander, Dezember 2004 36/43
c) TrapezzahlenSumme und Differenz zweier Trapezzahlen a = aL, aML, aMR, aR, b = bL, bML, bMR, bR ist wieder eine TrapezzahlS