Tutorial de lógica difusa: o que é, arquitetura, aplicativo, exemplo

O que é Fuzzy Logic?

Fuzzy Logic é definido como uma forma lógica de muitos valores que pode ter valores verdade de variáveis ​​em qualquer número real entre 0 e 1. É o conceito de identificador de verdade parcial. Na vida real, podemos nos deparar com uma situação em que não podemos decidir se a afirmação é verdadeira ou falsa. Naquela época, a lógica difusa oferece uma flexibilidade muito valiosa para o raciocínio.

O algoritmo de lógica difusa ajuda a resolver um problema depois de considerar todos os dados disponíveis. Em seguida, ele toma a melhor decisão possível para a entrada fornecida. O método FL imita a forma de tomada de decisão em um ser humano que considera todas as possibilidades entre os valores digitais T e F.

Neste tutorial, você aprenderá

História dos Sistemas de Lógica Fuzzy

Porém, o conceito de lógica fuzzy vem sendo estudado desde a década de 1920. O termo lógica difusa foi usado pela primeira vez em 1965 por Lotfi Zadeh, um professor da UC Berkeley, na Califórnia. Ele observou que a lógica convencional do computador não era capaz de manipular dados que representassem ideias humanas subjetivas ou pouco claras.

O algoritmo Fuzzy tem sido aplicado a vários campos, da teoria de controle à IA. Ele foi projetado para permitir que o computador determine as distinções entre os dados que não são verdadeiros nem falsos. Algo semelhante ao processo de raciocínio humano. Como pouco escuro, algum brilho, etc.

Características da Lógica Fuzzy

Aqui estão algumas características importantes da lógica difusa:

  • Flexível e fácil de implementar aprendizado de máquina técnica
  • Ajuda você a imitar a lógica do pensamento humano
  • A lógica pode ter dois valores que representam duas soluções possíveis
  • Método altamente adequado para raciocínio incerto ou aproximado
  • A lógica difusa vê a inferência como um processo de propagação de restrições elásticas
  • A lógica difusa permite que você crie funções não lineares de complexidade arbitrária.
  • A lógica difusa deve ser construída com a orientação completa de especialistas

Quando não usar lógica difusa

No entanto, a lógica difusa nunca é uma cura para todos. Portanto, é igualmente importante entender que onde não devemos usar lógica fuzzy.

Aqui estão algumas situações em que é melhor não usar o Fuzzy Logic:

  • Se você não achar conveniente mapear um espaço de entrada para um espaço de saída
  • A lógica difusa não deve ser usada quando você pode usar o bom senso
  • Muitos controladores podem fazer um bom trabalho sem o uso de lógica difusa

Arquitetura Fuzzy Logic

Arquitetura Fuzzy Logic

A arquitetura Fuzzy Logic tem quatro partes principais, conforme mostrado no diagrama:

Base de regra:

Ele contém todas as regras e as condições se-então oferecidas pelos especialistas para controlar o sistema de tomada de decisão. A atualização recente na teoria fuzzy fornece vários métodos para o projeto e ajuste de controladores fuzzy. Essas atualizações reduzem significativamente o número do conjunto difuso de regras.

Fuzzificação:

A etapa de fuzzificação ajuda a converter as entradas. Ele permite que você converta números nítidos em conjuntos difusos. Entradas nítidas medidas por sensores e passadas para o sistema de controle para processamento posterior. Como temperatura ambiente, pressão, etc.

Motor de inferência:

Ajuda a determinar o grau de correspondência entre a entrada difusa e as regras. Com base na% de correspondência, ele determina quais regras precisam ser implementadas de acordo com o campo de entrada fornecido. Depois disso, as regras aplicadas são combinadas para desenvolver as ações de controle.

Defuzzificação:

Por fim, o processo de Defuzzificação é executado para converter os conjuntos difusos em um valor crisp. Existem muitos tipos de técnicas disponíveis, portanto, você precisa selecioná-las a mais adequada quando for usada com um sistema especialista.

Lógica Fuzzy vs. Probabilidade

Fuzzy LogicProbabilidade
Difuso: o grau de adesão de Tom ao conjunto de idosos é de 0,90.Probabilidade: há 90% de chance de Tom estar velho.
A lógica fuzzy considera os graus de verdade como uma base matemática no modelo do fenômeno de vagueza.A probabilidade é um modelo matemático de ignorância.

Crisp vs. Fuzzy

CrispDifuso
Tem limite estrito T ou FLimite difuso com um grau de associação
Algumas configurações de tempo nítidas podem ser confusasNão pode ser nítido
Verdadeiro / Falso {0,1}Valores de adesão em [0,1]
Na lógica nítida, a lei do meio excluído e da não-contradição pode ou não ser válidaNa lógica fuzzy do meio excluído e da não-contradição, mantenha

Conjunto Clássico vs. Teoria dos Conjuntos Fuzzy

Conjunto ClássicoTeoria dos Conjuntos Fuzzy
Classes de objetos com limites nítidos.Classes de objetos não têm limites nítidos.
Um conjunto clássico é definido por limites nítidos, ou seja, há clareza sobre a localização dos limites do conjunto.Um conjunto difuso sempre tem limites ambíguos, ou seja, pode haver incerteza sobre a localização dos limites do conjunto.
Amplamente utilizado em projetos de sistemas digitaisUsado apenas em controladores fuzzy.

Exemplos de lógica difusa

Veja o diagrama fornecido abaixo. Isso mostra que em um sistema Fuzzy, os valores são denotados por um número de 0 a 1. Neste exemplo, 1.0 significa verdade absoluta e 0.0 significa falsidade absoluta.

Lógica Fuzzy com Exemplo

Áreas de Aplicação da Lógica Fuzzy

A tabela Blow fornecida mostra a aplicação da lógica Fuzzy por empresas famosas em seus produtos.

produtosEmpresaFuzzy Logic
Freios anti-travaNissanUse a lógica difusa para controlar os freios em casos perigosos, dependendo da velocidade, aceleração, velocidade das rodas e aceleração do carro
Transmissão automáticaNOK / NissanA lógica difusa é usada para controlar a injeção de combustível e a ignição com base na configuração do acelerador, temperatura da água de resfriamento, RPM, etc.
Motor automotivoHonda, NissanUse para selecionar a velocidade com base na carga do motor, estilo de direção e condições da estrada.
CopiadoraCânoneUtilizado para ajustar a tensão do tambor com base na densidade, umidade e temperatura da imagem.
Controle de cruzeiroNissan, Isuzu, MitsubishiUse-o para ajustar a configuração do acelerador para definir a velocidade e aceleração do carro
Lava-louçasMatsushitaUse para ajustar o ciclo de limpeza, enxágue e estratégias de lavagem com base no número de pratos e na quantidade de comida servida nos pratos.
Controle de elevadorFujitec, Mitsubishi Electric, ToshibaUse-o para reduzir o tempo de espera com base no tráfego de passageiros
Sistema de diagnóstico de golfeMaruman GolfSeleciona o clube de golfe com base no swing e físico do jogador.
Gestão de fitnessOmronRegras difusas implícitas por eles para verificar a aptidão de seus funcionários.
Controle de fornoNippon SteelMistura cimento
Forno de micro-ondasMitsubishi ChemicalDefine o poder do lunes e a estratégia de cozimento
Computador palmtopHitachi, Sharp, Sanyo, ToshibaReconhece caracteres Kanji manuscritos
Gravura de plasmaMitsubishi ElectricDefine o tempo de gravação e estratégia

Vantagens do Sistema de Lógica Fuzzy

  • A estrutura dos Sistemas de Lógica Fuzzy é fácil e compreensível
  • A lógica difusa é amplamente utilizada para fins comerciais e práticos
  • A lógica difusa em IA ajuda você a controlar máquinas e produtos de consumo
  • Pode não oferecer um raciocínio preciso, mas o único raciocínio aceitável
  • A lógica difusa em Data Mining ajuda você a lidar com a incerteza na engenharia
  • Principalmente robusto, pois nenhuma entrada precisa necessária
  • Pode ser programado para a situação em que o sensor de feedback para de funcionar
  • Ele pode ser facilmente modificado para melhorar ou alterar o desempenho do sistema
  • sensores baratos podem ser usados, o que ajuda a manter o custo geral do sistema e a complexidade baixos
  • Ele fornece uma solução mais eficaz para problemas complexos

Desvantagens dos sistemas de lógica difusa

  • A lógica difusa nem sempre é precisa, portanto, os resultados são percebidos com base em suposições, portanto, podem não ser amplamente aceitos.
  • Os sistemas difusos não têm a capacidade de aprendizado de máquina, bem como de reconhecimento de padrão de tipo de rede neural
  • A validação e verificação de um sistema baseado em conhecimento difuso precisa de testes extensivos com hardware
  • Definir regras exatas e difusas e funções de associação é uma tarefa difícil
  • Alguma lógica de tempo difuso é confundida com a teoria da probabilidade e os termos

Resumo

  • O termo difuso significa coisas que não são muito claras ou vagas
  • O termo lógica difusa foi usado pela primeira vez em 1965 por Lotfi Zadeh, um professor da UC Berkeley, na Califórnia
  • A lógica difusa é uma técnica de aprendizado de máquina flexível e fácil de implementar
  • A lógica difusa não deve ser usada quando você pode usar o bom senso
  • A arquitetura Fuzzy Logic tem quatro partes principais 1) Base de regras 2) Fuzzificação 3) Motor de inferência 4) Defuzzificação
  • A lógica difusa considera os graus de verdade como uma base matemática no modelo da imprecisão, enquanto a probabilidade é um modelo matemático de ignorância
  • O conjunto Crisp tem limite estrito T ou F, enquanto limite Fuzzy com um grau de adesão
  • Um conjunto clássico é amplamente utilizado no projeto de sistema digital, enquanto o conjunto difuso é usado apenas em controladores difusos
  • Transmissão automática, gerenciamento de condicionamento físico, sistema de diagnóstico de golfe, lava-louças, copiadora são algumas das áreas das aplicações da lógica difusa
  • A lógica difusa em Soft Computing ajuda você a controlar máquinas e produtos de consumo