Introduktion till Fuzzy Logic System
Fuzzy Logic är en beräkningsmetod som är baserad på "Degree of Truth" och är inte begränsad till Boolean "true eller false". Termen "Fuzzy" betyder något som är vagt eller inte särskilt tydligt. Det fuzzy Logic-systemet tillämpas på scenarier där det är svårt att kategorisera tillstånd som ett binärt “Sann eller falskt”. Fuzzy Logic kan innehålla mellanvärden som delvis sant och delvis falskt. Det kan implementeras över ett brett spektrum av enheter som sträcker sig från små mikrokontroller till stora IT-system. Den försöker efterlikna mänsklig-liknande beslutsfattande, som kan innehålla alla värden mellan sant och falskt.
En arkitektur av Fuzzy Logic System
Fuzzy Logic System har fyra huvudkomponenter som förklaras med hjälp av arkitekturdiagrammet nedan:
- Regler: Rule Base består av en stor uppsättning regler som är programmerade och matade av experter som styr beslutsfattandet i Fuzzy System. Reglerna är uppsättningar av ”If-Then” -förklaringar som avgör händelseförloppet baserat på villkor.
- Fuzzification: Fuzzification konverterar råa ingångar uppmätta från sensorer till fuzzy uppsättningar. Dessa konverterade ingångar överförs till styrsystemet för vidare bearbetning.
- Inferensmotor: Det hjälper till att kartlägga regler till ingångsdatasatsen och därmed besluta vilka regler som ska tillämpas för en given ingång. Det gör det genom att beräkna% matchning av reglerna för den givna ingången.
- Defuzzification: Det är motsatsen till Fuzzification. Här konverteras fuzzy uppsättningar till skarpa ingångar. Dessa skarpa ingångar är utgången från Fuzzy Logic System.
Medlemskap Funktion
Medlemskapsfunktionen definierar hur input till Fuzzy System mappas till värden mellan 0 och 1. Input benämns vanligtvis Universum (U) eftersom det kan innehålla valfritt värde. Medlemskapsfunktionen definieras som:
μ A: X → (0, 1).
Här representerar X universum och Y representerar valfritt värde mellan 0 och 1. Den triangulära medlemsfunktionen är den mest använda medlemsfunktionen. Andra medlemsfunktioner inkluderar Trapezoidal, Gaussian och Singleton.
Varför och när ska man använda Fuzzy Logic?
Fuzzy Logic är särskilt användbart när du vill efterlikna människoliknande tankar i ett kontrollsystem. Mer än noggrannhet resonemang det fokuserar på acceptabla resonemang som är mycket nära hur den verkliga världen fungerar. Det är utformat för att hantera osäkerheter och är skickligt med att ta reda på slutsatser från slutsatsen.
Algoritm of Fuzzy Logic System
- Definiera alla variabler och termer som kommer att fungera som input till Fuzzy System
- Skapa medlemskapsfunktion för systemet (enligt definitionen ovan)
- Skapa regelbas som kommer att kartläggas till varje ingång
- Konvertera normal ingång till fuzzy input som matas till medlemsfunktionen
- Utvärdera resultatet från medlemsfunktionen
- Kombinera alla resultat som erhållits från Individual Ruleset
- Konvertera fuzzy-utgången till Crisp input (Defuzzification)
Tillämpning av Fuzzy Logic System
Fuzzy Logic adopteras i alla stora industrier men Automotive är fortfarande de viktigaste adoptörerna. Några av dess applikationer listas nedan:
- Nissan använder Fuzzy Logic för att kontrollera bromssystemet i händelse av fara. Fuzzy Logic använder ingångar som hastighet, acceleration, fart för att bestämma bromsens intensitet.
- Nissan använder också Fuzzy Logic för att kontrollera bränsleinsprutningsmängden och antändningen baserat på ingångar som motorvarvtal, temperatur och lastkapacitet.
- Det används i satelliter och flygplan för höjdkontroll.
- Mitsubishi använder Fuzzy Logic för att effektivisera Elevator Management genom att ta passagerartrafik som input.
- Nippon Steel använder Fuzzy Logic för att bestämma andelen olika typer av cement som ska blandas för att göra mer hållbart cement.
- Fuzzy Logic finner sin tillämpning inom den kemiska industrin för att hantera olika processer som pH-kontroll, torkningsprocess och destillationsprocess.
- Fuzzy Logic kan kombineras med Artific Neural Network (ANN) för att härma hur en mänsklig hjärna fungerar. Fuzzy Logic samlar data och förvandlas till mer meningsfull information som används som Fuzzy-uppsättningar.
Fördelar med Fuzzy Logic System
Nedan finns fem fördelar med det otydliga logiksystemet:
- Fuzzy Logic kan fungera med alla typer av inmatningar även om den är ostrukturerad, förvrängd, opriktig eller innehåller brus.
- Fuzzy Logic Construction är väldigt lätt att läsa och förstå eftersom den nära efterliknar hur Human-Mind fattar beslutet.
- Nyanser av Fuzzy Logic innebär användning av viktiga matematikbegrepp som Set Theory and Probability som gör det lämpligt att lösa alla typer av dagliga utmaningar som mänskligheten står inför.
- Fuzzy Logic kan tillhandahålla effektiva lösningar på ett mycket komplicerat problem inom olika branscher.
- Fuzzy Logic System behöver en mycket liten mängd data för att förbereda en robust modell. Därför behöver den bara en begränsad mängd minne för dess körning.
Nackdelar med Fuzzy Logic System
Nedan är de fyra bästa nackdelarna med det otydliga logiksystemet:
- Det finns inget standard sätt att lösa ett problem genom Fuzzy Logic, därför kan olika experter ha en annan lösning på ett problem som leder till tvetydighet.
- Eftersom Fuzzy Logic System fungerar med både exakta och exakta data så kan ibland deras noggrannhet äventyras.
- Fuzzy Logic System kan inte lära av sina tidigare misstag eller misslyckanden eftersom det inte har självinlärningsförmåga som maskininlärning och neuralt nätverk.
- På grund av bristen på standardisering finns det inget fast sätt att hitta regler och medlemsfunktioner för det givna problemet. Därför blir det ibland svårt att hitta exakta regler och medlemsfunktioner för vissa problem.
Slutsats
Fuzzy Logic tillhandahåller ett alternativt sätt att närma sig verkliga problem i datorvärlden. Det kan enkelt tillämpas på olika applikationer och kontrollsystem som kan skörda långsiktiga fördelar. Med tanke på dess förmåga att arbeta bra med "Degree of Truth" öppnar det många dörrar till modern datoranvändning. Det är emellertid inte universalmedlet mot alla problem eftersom det har allvarliga begränsningar när det gäller noggrannhet och dess oförmåga att lära av dess misslyckande som i fallet med maskininlärning.
Rekommenderade artiklar
Detta är en guide till Fuzzy Logic System. Här diskuterar vi varför och när man ska använda det fuzzy systemet, med arkitektur, applikation och sist med fördelar och nackdelar. Du kan också gå igenom våra andra relaterade artiklar för att lära dig mer -
- Vad är Fuzzy Logic?
- Fuzz Testing
- IoT-företag
- R Dataram
- Sensorenhet
- Topp 12 typer av sensorer och deras applikationer