Fuzzy Logic - Système de contrôle

La logique floue est appliquée avec grand succès dans diverses applications de contrôle. Presque tous les produits de consommation ont un contrôle flou. Certains des exemples incluent le contrôle de la température de votre pièce à l'aide du climatiseur, du système anti-freinage utilisé dans les véhicules, du contrôle des feux de signalisation, des machines à laver, de grands systèmes économiques, etc.

Pourquoi utiliser la logique floue dans les systèmes de contrôle

Un système de commande est un agencement de composants physiques conçu pour modifier un autre système physique afin que ce système présente certaines caractéristiques souhaitées. Voici quelques raisons d'utiliser la logique floue dans les systèmes de contrôle -

  • Tout en appliquant le contrôle traditionnel, il faut connaître le modèle et la fonction objectif formulés en termes précis. Cela rend l'application très difficile dans de nombreux cas.

  • En appliquant la logique floue pour le contrôle, nous pouvons utiliser l'expertise et l'expérience humaines pour concevoir un contrôleur.

  • Les règles de contrôle flou, essentiellement les règles IF-THEN, peuvent être mieux utilisées dans la conception d'un contrôleur.

Hypothèses dans la conception Fuzzy Logic Control (FLC)

Lors de la conception d'un système de contrôle flou, les six hypothèses de base suivantes doivent être formulées:

  • The plant is observable and controllable - Il faut supposer que les variables d'entrée, de sortie et d'état sont disponibles à des fins d'observation et de contrôle.

  • Existence of a knowledge body - Il faut supposer qu'il existe un corps de connaissances ayant des règles linguistiques et un ensemble de données d'entrée-sortie à partir desquelles des règles peuvent être extraites.

  • Existence of solution - Il faut supposer qu'il existe une solution.

  • ‘Good enough’ solution is enough - L'ingénierie de contrôle doit rechercher une solution «assez bonne» plutôt qu'une solution optimale.

  • Range of precision - Le contrôleur à logique floue doit être conçu dans une plage de précision acceptable.

  • Issues regarding stability and optimality - Les problèmes de stabilité et d'optimalité doivent être ouverts lors de la conception d'un contrôleur à logique floue plutôt que d'être abordés explicitement.

Architecture du contrôle de logique floue

Le diagramme suivant montre l'architecture de Fuzzy Logic Control (FLC).

Principaux composants de FLC

Les éléments suivants sont les principaux composants du FLC, comme indiqué dans la figure ci-dessus -

  • Fuzzifier - Le rôle du fuzzifier est de convertir les valeurs d'entrée nettes en valeurs floues.

  • Fuzzy Knowledge Base- Il stocke les connaissances sur toutes les relations floues entrée-sortie. Il a également la fonction d'appartenance qui définit les variables d'entrée de la base de règles floue et les variables de sortie de l'installation sous contrôle.

  • Fuzzy Rule Base - Il stocke les connaissances sur le fonctionnement du processus de domaine.

  • Inference Engine- Il agit comme un noyau de n'importe quel FLC. Fondamentalement, il simule des décisions humaines en effectuant un raisonnement approximatif.

  • Defuzzifier - Le rôle du defuzzifier est de convertir les valeurs floues en valeurs nettes issues du moteur d'inférence floue.

Étapes de la conception du FLC

Voici les étapes impliquées dans la conception de FLC -

  • Identification of variables - Ici, les variables d'entrée, de sortie et d'état doivent être identifiées de l'installation considérée.

  • Fuzzy subset configuration- L'univers d'informations est divisé en nombre de sous-ensembles flous et chaque sous-ensemble se voit attribuer une étiquette linguistique. Assurez-vous toujours que ces sous-ensembles flous incluent tous les éléments de l'univers.

  • Obtaining membership function - Maintenant, obtenez la fonction d'appartenance pour chaque sous-ensemble flou que nous obtenons à l'étape ci-dessus.

  • Fuzzy rule base configuration - Formulez maintenant la base de règles floue en attribuant une relation entre l'entrée et la sortie floues.

  • Fuzzification - Le processus de fuzzification est lancé dans cette étape.

  • Combining fuzzy outputs - En appliquant un raisonnement approximatif flou, localisez la sortie floue et fusionnez-les.

  • Defuzzification - Enfin, lancez le processus de défuzzification pour former une sortie nette.

Avantages du contrôle de logique floue

Voyons maintenant les avantages du contrôle de logique floue.

  • Cheaper - Développer un FLC est comparativement moins cher que développer un contrôleur basé sur un modèle ou un autre contrôleur en termes de performances.

  • Robust - Les FLC sont plus robustes que les contrôleurs PID en raison de leur capacité à couvrir une vaste gamme de conditions de fonctionnement.

  • Customizable - Les FLC sont personnalisables.

  • Emulate human deductive thinking - Fondamentalement, FLC est conçu pour imiter la pensée déductive humaine, le processus que les gens utilisent pour déduire des conclusions à partir de ce qu'ils savent.

  • Reliability - Le FLC est plus fiable que le système de contrôle conventionnel.

  • Efficiency - La logique floue offre plus d'efficacité lorsqu'elle est appliquée dans le système de contrôle.

Inconvénients du contrôle de logique floue

Nous allons maintenant discuter des inconvénients de Fuzzy Logic Control.

  • Requires lots of data - FLC a besoin de beaucoup de données pour être appliqué.

  • Useful in case of moderate historical data - FLC n'est pas utile pour les programmes beaucoup plus petits ou plus grands que les données historiques.

  • Needs high human expertise - C'est un inconvénient car la précision du système dépend des connaissances et de l'expertise des êtres humains.

  • Needs regular updating of rules - Les règles doivent être mises à jour avec le temps.