Effectieve Fuzzy Logic Controllers Ontwerpen: Stapsgewijze Handleiding

Fuzzy logic controllers zijn, letterlijk gezegd, overal om ons heen. Van antiblokkeersystemen tot de wasmachines die onze kleren schoonmaken. Maar werken ze echt? En wat zijn de voordelen van het gebruik ervan?

Ladder Logic en Fuzzy Logic

Een goed startpunt in het leren over fuzzy logic controls is het bepalen of ladder logic compatibel is met fuzzy logic. Ladder logic is een veelgebruikte regel-gebaseerde benadering voor het programmeren van PLC's (programmeerbare logische controllers) wanneer sequentiële logica nodig is. Elke sprong in een ladder logic-programma vertegenwoordigt een logische vergelijking die ofwel binair ofwel discreet is.

Houd er rekening mee dat ladder logic wordt gelezen van links naar rechts, van boven naar beneden, dan vertegenwoordigt de uiterste rechterkant van een sprong de uitvoerconditie. De uitvoerconditie van die sprong hangt af van het resultaat van de ladder logic-symbolen links van de uitvoer.

Neem als basaal voorbeeld de enkele sprong getoond in figuur 2. Let op dat de A/C (airconditioning) alleen actief is wanneer de Schakelaar actief is, en ofwel HighTemp ofwel Humid actief is.

Uitgedrukt als een regel, zou deze sprong de volgende vorm aannemen:

A/C = Schakelaar EN (HighTemp OF Humid)

Omdat ladder logic als regels uitgedrukt kan worden, leent het zich gemakkelijk tot adoptie in fuzzy logic control. Een andere manier om dit te zien is dat het resultaat afhangt van de IF-condities vertegenwoordigd door de ladder logic-symbolen links, terwijl de uitvoer het THEN-resultaat vertegenwoordigt.

ALS (Schakelaar EN [HighTemp OF Humid]) DAN A/C

Deze benadering kan zeker geïmplementeerd worden met fuzzy logic-regels. In zo'n geval zouden de crisp inputs temperatuur en relatieve vochtigheid zijn. Sensorwaarden van deze waarden zouden getransformeerd worden in fuzzy inputs door een fuzzifier. De inferentiemotor zou, onder andere regels, de bovenstaande bevatten. Op basis van de regels van de inferentiemotor zou een fuzzy output-set worden gepresenteerd aan de defuzzifier. Daaruit zouden crisp outputs worden geleverd aan het controlsysteem.

Kortom, ladder logic kan geïmplementeerd worden met fuzzy logic.

Basale Stappen voor het Ontwerpen van een Fuzzy Logic Controller

Fuzzy logic control systemen (vaak afgekort als FLC) zijn een alternatieve benadering voor het ontwikkelen en implementeren van controlsystemen.

Erken de Betrokken Aannames

Voordat het proces van het ontwerpen van een FLC begint, zijn er bepaalde sleutelaannames.

• Er bestaat een oplossing voor het controleprobleem.
• Een "goed genoeg" oplossing is acceptabel in plaats van een "optimale oplossing".
• Invoer, uitvoer, en staatvariabelen kunnen waargenomen en gebruikt worden voor regeling.
• Een lichaam van kennis bestaat in de vorm van:
  • Taalregels, en/of
  • Een set invoer-uitvoerdata waaruit regels kunnen worden geëxtraheerd.
• De FLC moet ontworpen zijn om een acceptabel bereik van precisie te bereiken.
• Stabiliteit en optimaliteit worden niet expliciet aangepakt, maar zijn open.

Identificeer en Configureer Variabelen voor Fuzzificatie

De eerste stap in het ontwerpen van een FLC is het identificeren van de in-, uit-, en staatvariabelen. Vervolgens bepaal de fuzzy subsets voor de variabelen. Bijvoorbeeld, temperatuurinvoer kan verdeeld worden in vijf subsets met een beschrijvende linguïstische label voor elk: {'koud', 'koel', 'nominaal', 'warm', 'heet'}.

Zodra de subsets voor de variabelen gekozen zijn, moeten lidmaatschapsfuncties geconfigureerd worden om deze subsets te vertegenwoordigen. Opties voor lidmaatschapsfuncties omvatten driehoeks-, trapezium-, sigmoid-, en Gaussiaanse. Dit vormt de fuzzifier die de crisp inputs converteert naar fuzzy waardes. Let op dat fuzzy subsets en geassocieerde lidmaatschapsfuncties ook geconfigureerd moeten worden voor de uitvoer van de inferentiemotor.

Genereer de Fuzzy Logic Regels

Het converteren van een traditionele ladder logic controller naar een fuzzy logic controller begint met het genereren van fuzzy logic regels.

Aangehaald in de aannames, kan dit de vorm aannemen van linguïstische regels die al bestaan of ontwikkeld kunnen worden met de hulp van een vakexpert. Regels kunnen ook gegenereerd worden gegeven een set invoer-uitvoerdata. En, in het geval van ladder logic, kunnen de fuzzy logic regels direct van het ladderdiagram worden afgelezen.

Het resultaat is de regelbasis voor het fuzzy systeem.

Implementeren van de Inferentiemotor en Defuzzifier

Er zijn verschillende benaderingen voor het implementeren van de inferentiemotor. In controls zijn de twee meest populaire benaderingen Mamdani en Sugeno. Beide typen inferentiemotoren combineren de fuzzy output van de regelbasis met een OR-operator en defuzzifiëren die output vervolgens om een crisp waarde te verkrijgen.

Toepassingen van Fuzzy Logic Controllers

Fuzzy logic controllers hebben extreem wijdverspreid gebruik gevonden. Bijvoorbeeld, liften hebben vaak fuzzy logic controllers die wachttijd verminderen, reizen tussen verdiepingen minimaliseren, en energiegebruik reduceren. Een toegevoegd voordeel van het minimaliseren van reizen tussen verdiepingen is verminderde slijtage op kritieke componenten en langere levensduur.

Een ander fascinerend voorbeeld van fuzzy controlsystemen betreft digitale videocamera's en camcorders. Operators kunnen de camera bewegen of schudden tijdens het filmen van een consistente shot, maar fuzzy logic control kan automatisch compenseren.

In een industriële setting wordt fuzzy logic vaak gebruikt om industriële processen en systemen te controleren. Bijvoorbeeld, fuzzy logic werkt goed met temperatuur- en procescontrollers, zoals die gebruikt worden bij warmtebehandeling van metalen. Typische warmtebehandelingen omvatten hoogprecieze ramp- en zoekcycli om de juiste metallurgische eigenschappen te bereiken.

Vergelijkbare toepassingen die profiteren van FLC omvatten het vulkaniseren van rubber of het drogen van oplosmiddelen op geschilderde oppervlakken. Daarnaast zijn al deze voorbeelden van controleprocessen die typisch een PID (proportioneel integraal afgeleide) controller gebruiken. CNC (computer numerieke controle) bewerking hangt vaak af van fuzzy logic controllers, evenals veel autonome robotica, machine vision, en remote sensing.

Voordelen en Nadelen van Fuzzy Logic Control

Fuzzy logic control kan nog steeds functioneren wanneer geconfronteerd met onprecieze data alsook non-lineariteit in het systeem. Het stelt ook menselijke ervaring en kennis toe om geïntegreerd te worden in een controlsysteem en is hoogst aanpasbaar. Fuzzy logic controlsystemen zijn doorgaans goedkoper om te ontwikkelen in vergelijking met meer traditionele benaderingen, en neigen ertoe efficiënter, robuuster, en betrouwbaarder te zijn.

Specifiek in controls, vereist FLC niet dat het model en/of doel geformuleerd wordt in precieze termen zoals vereist in een meer traditionele benadering van controlsystemen. Verder kunnen fuzzy controls gemengd worden met andere controlsystemen.

Er zijn natuurlijk nadelen aan het gebruik van fuzzy controlsystemen. Terwijl fuzzy logic een subset is van kunstmatige intelligentie (AI), is het geen type machine learning en kan het daarom niet aanpassen en leren. Er zijn adaptieve fuzzy logic controllers, maar hun ontwerp en complexiteit gaan ver voorbij het type fuzzy controller onder discussie.

Daarnaast zullen updates uiteindelijk moeten worden gemaakt aan de regels waar de controller van afhangt, en fuzzy logic controllers vereisen uitgebreide testen en validatie voordat ze als klaar voor implementatie worden beschouwd.

Wanneer moet een fuzzy logic controller gebruikt worden? Ze zijn een uitstekende optie voor controleproblemen die extreem complex en moeilijk te vertegenwoordigen zijn met behulp van precieze modellen en doelen. Ze werken goed wanneer onprecieze data en non-lineair gedrag betrokken zijn. Ze zijn ook een goede keuze wanneer menselijke ervaring en expertise kunnen bijdragen aan het systeem. Hoe gebruikt u fuzzy logic in uw controlsysteem? Of gebruikt u alleen PID-controllers?