64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1]...
Transcript of 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1]...
![Page 1: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/1.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
64-544 Grundlagen der Signalverarbeitung und Robotik
64-544Grundlagen der Signalverarbeitung und Robotik
http://tams.informatik.uni-hamburg.de/lectures/2013ss/vorlesung/GdSR
Jianwei Zhang, Bernd Schütz
Universität HamburgFakultät für Mathematik, Informatik und NaturwissenschaftenFachbereich InformatikTechnische Aspekte Multimodaler Systeme
Sommersemester 2013
J. Zhang, Bernd Schütz 1
![Page 2: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/2.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
64-544 Grundlagen der Signalverarbeitung und Robotik
Gliederung1. Einführung2. Grundlagen der Robotik3. Grundlagen der Sensorik4. Verarbeitung von Scandaten5. Rekursive Zustandsschätzung6. Fuzzy-Logik7. Steuerungsarchitekturen
J. Zhang, Bernd Schütz 2
![Page 3: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/3.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6 Fuzzy-Logik 64-544 Grundlagen der Signalverarbeitung und Robotik
Agenda6. Fuzzy-Logik
Adaptive Methoden zur RegelungFuzzy-RegelungCharakteristische Funktion / ZugehörigkeitsfunktionFuzzy-MengeLinguistische Variablen und TermeDarstellungen der ZugehörigkeitsfunktionenFuzzy-RegelungLiteratur
J. Zhang, Bernd Schütz 326
![Page 4: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/4.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6 Fuzzy-Logik 64-544 Grundlagen der Signalverarbeitung und Robotik
Einführung in die Fuzzy-Regelung
„The way we have to describe Nature isgenerally incomprehensive to us“
Richard P. Feynman
„It should be possible to explain the laws of physicsto a barmaid“Albert Einstein
J. Zhang, Bernd Schütz 327
![Page 5: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/5.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6 Fuzzy-Logik 64-544 Grundlagen der Signalverarbeitung und Robotik
Einführung in die Fuzzy-Regelung
I Lotfi A. Zadeh Begründer der Theorie der unscharfen Mengen(Fuzzy Sets, 1965)I Professor an der Universität Berkeley, Kalifornien seit 1959I Systemtheorie, Entscheidungstheorie, Informationssysteme
I Durchbruch der Fuzzy-Set-Theorie seit 1980er JahrenI insbesondere JapanI Beispiel: U-Bahn in Sendai (1987)
Steuerung der Anfahr- und BremskurvenI präzise Erfassung des Unpräzisen:
nicht durch Objekte (Elemente der Menge) definiert,sondern über den Grad der Zugehörigkeit zur Menge
I wichtiges Anwendungsfeld: Regelungstechnik
J. Zhang, Bernd Schütz 328
![Page 6: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/6.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.1 Fuzzy-Logik - Adaptive Methoden zur Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Adaptive Methoden zur Regelung
I Regelung kann aufgefasst werden als Abbildung von einemSensorraum auf Aktionen
I klassischer Lösungsansatz: Bestimmung einer Kontrollfunktionϕ : X1 × X2 × . . .× Xn −→ Y mit (x1, x2, . . . , xn) 7−→ y ;(x1, x2, . . . , xn) – Messwerte, y – Regelgröße
I es wird der Prozess modelliertI physikalische Kenntnisse über den Prozess werden benötigtI in vielen Fällen ist a priori nicht bekannt, welche Messgrößen
besonders wichtig für die Auswahl von Aktionen sindI manche Systeme sind nur sehr schwer mathematisch
zu beschreiben
J. Zhang, Bernd Schütz 329
![Page 7: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/7.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.1 Fuzzy-Logik - Adaptive Methoden zur Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Adaptive Methoden zur Regelung (cont.)I oft sind die Sensordaten ungenau, verrauscht und/oder
hochdimensional
I Das Erstellen einer optimalen Abbildung zwischen Sensorraumund Aktionen ist dann mit klassischen regelungstechnischenMethoden sehr schwierig.Alternative:I ein Mensch kann, obwohl er kein Wissen über
Differentialgleichungen hat, trotzdem gehen
J. Zhang, Bernd Schütz 330
![Page 8: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/8.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.1 Fuzzy-Logik - Adaptive Methoden zur Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Adaptive Methoden zur Regelung (cont.)I ein Mensch kann ohne das Wissen über Differentialgleichungen
gehenI er kann das Gleichgewicht halten, ohne zu wissen, wie der
Prozess mathematisch modelliert wirdI Idee: statt den Prozess selbst zu modellieren, soll das Verhalten
eines Experten, der den Prozess regelt, modelliert und simuliertwerden
I Erstellen eines Modells für das Verhalten eines menschlichen„Regelungsexperten“ heißt kognitive Analyse
I Experte formuliert sein Wissen in Form linguistischer RegelnI es wird also eine einfachere Methode zur Beschreibung benutzt,
und/oder die Regelung passt sich an die Bedingungen an
J. Zhang, Bernd Schütz 331
![Page 9: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/9.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.1 Fuzzy-Logik - Adaptive Methoden zur Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Adaptive Methoden zur Regelung (cont.)
Modelle für Adaptive Regler:I Neuronale Netze
hidden layer
output layer
Netz lernt durch:I Veränderung der Gewichte wi,jI Anpassung der Schwellwerte θjI Anlegen neuer, bzw. Löschen alter VerbindungenI Anlegen neuer, bzw. Löschen alter Neuronen
I Fuzzy-ControllerI klassischer Regler (Mamdani-Typ)I Funktionsapproximator (TSK-Modell oder B-Spline-Modell)
J. Zhang, Bernd Schütz 332
![Page 10: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/10.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.1 Fuzzy-Logik - Adaptive Methoden zur Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Lernverfahren
I Überwachtes LernenI Reinforcement-LernenI Unüberwachtes-Lernen
Mehr zu Lernverfahren in der Vorlesung„Maschinelles Lernen“
J. Zhang, Bernd Schütz 333
![Page 11: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/11.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.2 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Regelung
Kognitive Analyse liefert:I ungenaue natürlichsprachliche Abstufungen von Begriffen wie
„groß“, „schön“, „stark“, „jung“, „alt“ . . .I menschliche Denk- und Verhaltensmodelle auf der Grundlage
der einstufigen LogikI Auto fahren: wenn-dann-RegelnI Auto parken: Genau auf den Millimeter?
(Unschärfe gegeben)I unscharfe Sprache statt numerischer Beschreibung
I „Bremse 2.52 m vor der Kurve!“ → nur in MaschinensystemenI „Bremse kurz vor der Kurve!“ → in natürlicher Sprache
J. Zhang, Bernd Schütz 334
![Page 12: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/12.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.2 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Regelung (cont.)I Fuzzy bedeutet: unscharf, vage, verschwommen, unklar, . . .I Fuzzy-Regelung benutzt Fuzzy-Menge/Fuzzy-Logik als
Mechanismus fürI Behandlung von Problemen, die nicht einfach mit ja oder nein
beantwortet werden könnenI Modellierung von (soft) Konzepten ohne scharfe GrenzenI Abstraktion von unnötigen/zu komplexen DetailsI „Computing with words“
I wie lässt sich Unschärfe realisieren?
J. Zhang, Bernd Schütz 335
![Page 13: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/13.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.3 Fuzzy-Logik - Charakteristische Funktion / Zugehörigkeitsfunktion 64-544 Grundlagen der Signalverarbeitung und Robotik
Charakteristische Funktion
Scharfe Mengen (analog zur klassischen Mengenlehre) lassen sichdefinieren durch Angabe ihrer charakteristischen Funktion:
µA(x) =
1 für x ∈ A0 für x /∈ A,
Der Zugehörigkeitsgrad µA(x) eines Elementes x zu einer MengeA aus einem Universum X wird also hier beschrieben durch dieFunktion: µA : X → 0, 1.
J. Zhang, Bernd Schütz 336
![Page 14: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/14.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.3 Fuzzy-Logik - Charakteristische Funktion / Zugehörigkeitsfunktion 64-544 Grundlagen der Signalverarbeitung und Robotik
Zugehörigkeitsfunktion
Für Fuzzy-Mengen A verwendet man eine verallgemeinertecharakteristische Funktion µA, die jedem Element x ∈ X eine reelleZahl aus [0, 1] zuordnet:
µA : X → [0, 1]
I die Funktion µA wird als Zugehörigkeitsfunktion (ZF)bezeichnet
I sie gibt den „Grad“ an, mit dem das Element x zurbeschriebenen unscharfen Menge A gehört
J. Zhang, Bernd Schütz 337
![Page 15: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/15.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.4 Fuzzy-Logik - Fuzzy-Menge 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Menge
Eine Fuzzy-Menge A über einem Universum X ist gegeben durcheine Abbildung µA : X → [0, 1]. Für alle x ∈ X bezeichnet µA(x)den Grad der Zugehörigkeit (des Enthaltenseins) von x in A.
I eine Fuzzy-Menge A über X heißt leer , wenn gilt:µA(x) = 0 ∀x ∈ X
I eine Fuzzy-Menge A über X heißt universell , wenn gilt:µA(x) = 1 ∀x ∈ X
I scharfe Mengen lassen sich als unscharfe Mengen mit denZugehörigkeitsgraden 0 und 1 darstellen
I Fuzzy-Menge und Zugehörigkeitsfunktion werden synonymbenutzt (A =µA)
J. Zhang, Bernd Schütz 338
![Page 16: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/16.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.4 Fuzzy-Logik - Fuzzy-Menge 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Menge (cont.)I Beschreibungsformen der Fuzzy-Mengen:
I graphische Darstellung durch Vorgabe einer Kennlinie µA(x)
0
0
2 8 x
µ
1
I parametrische Darstellung, die den Verlauf der Kennliniebeschreibt
µA(x) =
0 falls x < 2x−2
6 falls x ≥ 2 und x ≤ 81 falls x > 8
J. Zhang, Bernd Schütz 339
![Page 17: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/17.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.4 Fuzzy-Logik - Fuzzy-Menge 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Menge (cont.)I Angabe diskreter Wertepaare (µA(x), x):
(bei endlicher Universalmenge)A = (0, 0), (0, 1), (0, 2), (0.167, 3), (0.33, 4), · · · (0.83, 7),
(1.0, 8), (1, 9), (1, 10)auch in kompakter Notation:A = 0/0 + 0/1 + 0/2 + 0.167/3 + 0.33/4 + · · ·+ 0.83/7+
1.0/8 + 1/9 + 1/10Angabe häufig auch in Tabellenform
I Beispiele für Fuzzy-Mengen:
b10
0
µ
1
a1 a2 b2 x 0
0
µ
1
ba x 0
0
µ
1
a x 0
0
µ
1
b xa
J. Zhang, Bernd Schütz 340
![Page 18: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/18.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.4 Fuzzy-Logik - Fuzzy-Menge 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Menge (cont.)
Notation:
X endlich: A = µA(x1)/x1 + · · ·+ µA(xn)/xn
=n∑
i=1µA(xi )/xi
X unendlich: A =
∫XµA(x)/x
J. Zhang, Bernd Schütz 341
![Page 19: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/19.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.4 Fuzzy-Logik - Fuzzy-Menge 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Menge (cont.)
Beispiele:I Die Menge der ganzen Zahlen, die ungefähr gleich 10 sind:
G10 = 0.1/7+ 0.5/8+ 0.8/9+ 1/10+ 0.8/11+ 0.5/12+ 0.1/13
I Die Menge der reellen Zahlen, die ungefähr gleich 10 sind:
G10 =
∫<
e−(x−10)2/x
J. Zhang, Bernd Schütz 342
![Page 20: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/20.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.4 Fuzzy-Logik - Fuzzy-Menge 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Menge (cont.)
Als Trägermenge (auch: Support, Träger) supp(µA) einerFuzzy-Menge bezeichnet man die Menge aller Elemente aus X mitpositiver Zugehörigkeit zu A:
supp(µA) = x ∈ X | µA(x) > 0
Die Toleranz toll(µA) beschreibt, in welchem Intervall [a, b] derZugehörigkeitsgrad gleich 1 ist:
toll(µA) = [a, b] = x ∈ X | µA(x) = 1 (a, b const; a < b)
b1a2 b20
0
µ
1
a1 x
Toleranz
I falls a2 = b2; Dreiecksförmige ZF → keineToleranz
I falls a1 = a2 = b2 = b1; Singleton →Support genau ein Element, keine Toleranz
J. Zhang, Bernd Schütz 343
![Page 21: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/21.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.4 Fuzzy-Logik - Fuzzy-Menge 64-544 Grundlagen der Signalverarbeitung und Robotik
Verknüpfung von Fuzzy-Mengen
elementare Verknüpfungen für Fuzzy-Mengen A und B nachL. A. Zadeh:
I
0
µ F
1
µ
µ F
0x
Komplement:µA(x) = 1− µA(x) (13)
I Vereinigung:
µA∪B(x) = max [µA(x), µB(x)] (14)
I Durchschnitt:
µA∩B(x) = min[µA(x), µB(x)] (15)
J. Zhang, Bernd Schütz 344
![Page 22: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/22.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.4 Fuzzy-Logik - Fuzzy-Menge 64-544 Grundlagen der Signalverarbeitung und Robotik
Verknüpfung von Fuzzy-Mengen (cont.)I Eigenschaften eines verallgemeinerten Konjunktions-Operators
t-Norm (triangular norm): T:[0, 1]× [0, 1] −→ [0, 1]I 1 ist neutrales Element:T (a, 1) = aI Monotonie: a < b =⇒ T (a, c) ≤ T (b, c)I Kommutativität: T (a, b) = T (b, a)I Assoziativität: T (a,T (b, c)) = T (T (a, b), c)
I
0
1
µ
0x
µ A µ B
µ A µ B
0
1
µ
0x
0
1
µ
0x
µ(A B)
Durchschnittsbildung nach Zadeh erfüllt Eigenschaften
µA∩B(x) = min[µA(x), µB(x)]
J. Zhang, Bernd Schütz 345
![Page 23: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/23.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.4 Fuzzy-Logik - Fuzzy-Menge 64-544 Grundlagen der Signalverarbeitung und Robotik
Verknüpfung von Fuzzy-Mengen (cont.)I Eigenschaften eines verallgemeinerten Disjunktions-Operators
s-Norm (t-Conorm): S:[0, 1]× [0, 1] −→ [0, 1]I 0 ist neutrales Element:S(0, a) = aI Monotonie: a < b =⇒ S(a, c) ≤ S(b, c)I Kommutativität: S(a, b) = S(b, a)I Assoziativität: S(a, S(b, c)) = S(S(a, b), c)
I
0
1
µ
0x
µ A µ B
µ A µ B
0
1
µ
0x
0
1
µ
0x
µ(A B)
Vereinigung nach Zadeh erfüllt Eigenschaften
µA∪B(x) = max [µA(x), µB(x)]
J. Zhang, Bernd Schütz 346
![Page 24: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/24.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.5 Fuzzy-Logik - Linguistische Variablen und Terme 64-544 Grundlagen der Signalverarbeitung und Robotik
Linguistische Variablen und Linguistische Terme
I Fuzzy-Mengen werden zumeist zur Modellierung linguistischerTerme eingesetzt (warm → [24C– 36C])
I viele Begriffe der natürlichen Sprache lassen sich durchFuzzy-Mengen charakterisieren
I ein linguistischer Term (Wert, Label) ist die Quantifizierungeines Begriffes der natürlichen Sprache durch eine Fuzzy-Menge
I eine linguistische Variable ist eine Variable, die eine Reihelinguistischer Terme annehmen kann(Außentemperatur → (kalt, kühl, angenehm, warm, heiß))
I häufig fünf bis zehn linguistische Terme pro linguistischerVariable
J. Zhang, Bernd Schütz 347
![Page 25: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/25.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.5 Fuzzy-Logik - Linguistische Variablen und Terme 64-544 Grundlagen der Signalverarbeitung und Robotik
Linguistische Variablen und Linguistische Terme (cont.)
Beispiel:I linguistische Variable: „Badewassertemperatur“
linguistische Terme von „Badewassertemperatur“:„kalt“, „kühl“, „optimal“, „warm“, „heiß“
x [ C]0
µ
1
0 30 40 50 6020
kalt heiß
warmkühl
optimal
J. Zhang, Bernd Schütz 348
![Page 26: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/26.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.5 Fuzzy-Logik - Linguistische Variablen und Terme 64-544 Grundlagen der Signalverarbeitung und Robotik
Linguistische Variable
Eine linguistische Variable ist durch ein Quintupel charakterisiert
(V ,T ,Ω,G ,B)
Dabei ist:
V : der Name der linguistischen VariableT : eine Menge von linguistischen Termen von V , wobei jeder Wert
eine Fuzzy-Menge in dem Universum Ω istG : Menge syntaktischer Regeln, die T aus einer Menge von
Grundtermen erzeugtM: Menge semantischer Regeln, mit der jedem Term eine
unscharfe Menge von Ω zugewiesen werden kannJ. Zhang, Bernd Schütz 349
![Page 27: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/27.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.5 Fuzzy-Logik - Linguistische Variablen und Terme 64-544 Grundlagen der Signalverarbeitung und Robotik
Linguistische Variable (cont.)
Quelle:Benno Biewer, Fuzzy-Methoden, Springer
J. Zhang, Bernd Schütz 350
![Page 28: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/28.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.6 Fuzzy-Logik - Darstellungen der Zugehörigkeitsfunktionen 64-544 Grundlagen der Signalverarbeitung und Robotik
Darstellungen der Zugehörigkeitsfunktionen
I Diskrete DarstellungI Array mit fester GrößeI Speicherung der ZF-Werte für den gesamten x -WertebereichI beliebige Formen
I Parametrische DarstellungI Funktionen mit ParameternI wenig SpeicherplatzI typische Arten: Singleton, Dreiecksform, Trapezform,
Glockenkurve, B-Spline Basisfunktionen
J. Zhang, Bernd Schütz 351
![Page 29: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/29.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.6 Fuzzy-Logik - Darstellungen der Zugehörigkeitsfunktionen 64-544 Grundlagen der Signalverarbeitung und Robotik
Erstellen der Zugehörigkeitsfunktionen
I Kontext-abhängige SpezifikationI experimentell, unter Berücksichtigung der jeweiligen Anwendung
I Aufbau durch Sample-DatenI ClusteringI Lagrange-InterpolationI „Least-square Curve Fitting“I Neuronale Netze
I Wissenserwerb durch ExpertenI ein Experte oder mehrereI direkt und indirekt
J. Zhang, Bernd Schütz 352
![Page 30: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/30.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Grundidee der Fuzzy-Regelung
I Beschreibung des gewünschten Reglerverhaltens mit Hilfeumgangssprachlicher, qualitativer Regeln
I Quantifizierung linguistischer Werte durch Fuzzy-MengenI Regel–Auswertung durch Verfahren der Fuzzy-Logik bzw. der
Interpolation
J. Zhang, Bernd Schütz 353
![Page 31: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/31.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Regeln
In einer Fuzzy-Regelung wird die Einflussnahme auf diedynamischen Verhältnisse eines Fuzzy-Systems durch eine Mengelinguistischer Beschreibungsregeln in der folgenden Formcharakterisiert
IF (eine Menge Konditionen werden erfüllt)THEN (eine Menge Konsequenzen können bestimmt werden)
In den Prämissen (Antecedenten) vom IF-Teil:linguistische Variablen aus der Domäne der Prozesszustände
In den Konklusionen (Konsequenten) vom THEN-Teil:linguistische Variablen aus der Regelungsdomäne
J. Zhang, Bernd Schütz 354
![Page 32: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/32.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Vorteile der Fuzzy-Regelung
I intelligente RegelungI Verwendung von Expertenwissen
I linguistische RegelungI Regelung ist transparentI ein Pluspunkt für Mensch-Maschine-Schnittstelle
I Reglerentwurf ohne besondere Modellkenntnisse möglichI Reglerentwurf effizientI parallele Regelung
I ModularisierungI hohe Verarbeitungsgeschwindigkeit
I Echtzeit-Anforderungen erfülltI Robustheit auch beim Einsatz von billigen Sensoren
J. Zhang, Bernd Schütz 355
![Page 33: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/33.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Komponenten der Fuzzy-Regelung
Ein kompletter Fuzzy-Controller besteht aus insgesamt vierKomponentenI einer WissensbasisI einem FuzzyfiziererI einer Inferenz-MaschineI und einem Defuzzyfizierer
J. Zhang, Bernd Schütz 356
![Page 34: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/34.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Beispiel eines Fuzzy-Reglers
Regelung der Badewassertemperatur über die Zuführung kaltenoder warmen Wassers.I Sensoren: TemperatursensorI Stellglieder: Zulauf_kalt, Zulauf_warm
I Linguistische Variablen: H2Otemp (kalt, kühl, optimal, warm, heiß)
Zul_kW (Terme: zu, mittel, offen)Zul_wW (Terme: zu, mittel, offen)
x [ C]0
µ
1
0 30 40 50 6020
kalt heiß
warmkühl
optimal
0
µ
1
geöffnetgeschlossen
offenzu
mittel
Zufluss
Temperatur ZulaufJ. Zhang, Bernd Schütz 357
![Page 35: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/35.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Beispiel eines Fuzzy-Reglers (cont.)
Aktuelle Ausgabe des Temp-Sensors: 56 CI Fuzzifizierung
I hier: Fuzzifizierung des Eingabewertes als SingletonI Ermittlung des Zugehörigkeitsgrades der Fuzzy-Menge des
Eingabewertes (hier Singleton) mit den Fuzzy-Mengen derTerme der linguistischen Variablen H2Otemp:
x [ C]0
µ
1
0 30 40 50 6020
kalt heiß
warmkühl
optimal
0.625
0.25
56
I Vektor der Zugehörigkeitsgrade: (0.0, 0.0, 0.0, 0.25, 0.625)J. Zhang, Bernd Schütz 358
![Page 36: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/36.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Beispiel eines Fuzzy-Reglers (cont.)
Regelbasis1. WENN H2Otemp = „heiß“, DANN Zul_kW = „offen“, Zul_wW = „zu“2. WENN H2Otemp = „warm“, DANN Zul_kW = „mittel“, Zul_wW = „zu“3. WENN H2Otemp = „kühl“, DANN Zul_kW = „zu“, Zul_wW = „mittel“4. WENN H2Otemp = „kalt“, DANN Zul_kW = „zu“, Zul_wW = „offen “
Regelauswertung mittels Max-Min Operators entsprechendErfüllungsgrad:I abschneiden der Terme der Ausgabevariablen auf Höhe des
Erfüllungsgrades der entsprechenden Regeln (Min)I Vereinigung der Terme der Ausgabevariablen (Max)
(kalt, kühl, optimal, warm, heiß) — (0.0, 0.0, 0.0, 0.25, 0.625)J. Zhang, Bernd Schütz 359
![Page 37: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/37.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Beispiel eines Fuzzy-Reglers (cont.)I Regel 1 zu 0,625 erfüllt −→
Term „offen“ der Linguistischen Variable Zul_kW wird auf 0.625 begrenzt;Term „zu“ der Linguistischen Variable Zul_wW wird auf 0.625 begrenzt
I Regel 2 zu 0,25 erfüllt −→Term „mittel“ der Linguistischen Variable Zul_kW wird auf 0.25 begrenzt:Term „zu“ der Linguistischen Variable Zul_wW wird auf 0.25 begrenzt
0
µ
1
0.625
0.25
geöffnetgeschlossen
offenzu
mittel
Zufluss
0
µ
1
0.625
0.25
geöffnetgeschlossen
offenzu
mittel
Zufluss
Zul_kW Zul_wW
J. Zhang, Bernd Schütz 360
![Page 38: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/38.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Beispiel eines Fuzzy-Reglers (cont.)
DefuzzifizierungI Defuzzifizierung hier mittels Schwerpunktbildung:
0
µ
1
0.625
0.25
geöffnetgeschlossen Zufluss0.8
0
µ
1
0.625
0.25
geöffnetgeschlossen Zufluss
Zul_kW Zul_wW
I das Ventil Zulauf_kalt wird etwa zu 80% geöffnetI das Ventil Zulauf_warm bleibt geschlossen
J. Zhang, Bernd Schütz 361
![Page 39: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/39.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Komponenten der Fuzzy-Regelung
Ein kompletter Fuzzy-Controller besteht aus insgesamt vierKomponentenI einer WissensbasisI einem FuzzyfiziererI einer Inferenz-MaschineI und einem Defuzzyfizierer
J. Zhang, Bernd Schütz 362
![Page 40: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/40.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Wissensbasis
In der Wissensbasis ist das Expertenwissen abgelegt, auf das sichein Fuzzy-System während einer Regelung stützt, das sind der1. Vorrat der Zugehörigkeitsfunktionen des Fuzzyfizierers
in rechner-internen Darstellungen,2. die Zugehörigkeitsfunktionen,
mit denen die linguistischen Terme der linguistischen Variablen(die Ein- und Ausgangsgrößen) mathematisch beschriebenwerden und
3. die Regelungsstrategien,in Form von wenn-dann-Regeln abgespeichert.
J. Zhang, Bernd Schütz 363
![Page 41: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/41.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Partitionierung
I linguistische Terme der linguistischen Variablen werdenfestgelegt
I jede Variable, hier z. B. A, wird mit Hilfe von Fuzzy-Mengenpartitioniert
I auf A werden so t verschiedene Fuzzy-Mengen A1, . . . ,Atdefiniert, mit Zugehörigkeitsfunktion:µA
1 , . . . , µAt ∈ F(A)
I jede dieser Mengen wird mit einem linguistischen Termassoziiert,(z. B. (A1, kalt), (A2, kühl), (A3, warm), (A4, heiss))auch hier wird Fuzzy-Menge Ai und ZF µA
i gerne synonymverwendet
J. Zhang, Bernd Schütz 364
![Page 42: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/42.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzyfizierer
I Der Fuzzyfizierer wandelt die „scharfen“ Eingangsgrößen inFuzzy-Mengen um.
I Die dafür vorgesehenen Zugehörigkeitsfunktionen werden dazuwie eine Hülle um den jeweiligen Eingangswert gelegt.
temp [C ] temp [C ]0
0
µ
1
10090 110
0
0
µ
1
100
I Mit dem Fuzzyfizierer wird es möglich, Unschärfen derEingangsgrößen, wie z.B. Fehlertoleranzen von Sensoren,zu berücksichtigen(Beispiel oben rechts: Messungenauigkeit ± 10%).
J. Zhang, Bernd Schütz 365
![Page 43: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/43.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Inferenz-Maschine
I Die Inferenz-Maschine vergleicht die fuzzyfiziertenEingangswerte mit den Zugehörigkeitsfunktionen derAntecedenten für jede Regel.
I Daraus erschließt sie durch geeignete Kombination dieFuzzy-Mengen der Ausgangsvariablen (Konsequenten).
I Für die mathematische Modellierung des Vergleichs und desSchlussfolgerns existieren viele Lösungsvorschläge, Z. B.:
Max-Min-InferenzOrginal
Max−Min
0
0
µ
1
x
Max-Prod-Inferenz
0
0
µ
1
x
Orginal
Max−Prod
J. Zhang, Bernd Schütz 366
![Page 44: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/44.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Inferenz-Maschine (cont.)
Beispiel: Gegeben sei ein Regelsystem mit zwei AntecedentenA und B und einer Konsequenten C :
R1: IF (x is A1 and y is B1) THEN (z is C1)
R2: IF (x is A2 and y is B2) THEN (z is C2)
. . .Rk : IF (x is Ak and y is Bk) THEN (z is Ck)
J. Zhang, Bernd Schütz 367
![Page 45: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/45.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Inferenz-MaschineMAX-MIN-Inferenz
I Zunächst werden die fuzzyfizierten Eingangsdaten A′ und B′mit den ZF Ai und Bi der i-ten Regel verglichen, und manerhält so für jede Regel die Übereinstimmungsmaße αAi und αBi
αAi = max(min(A′,Ai ))
αBi = max(min(B′,Bi ))
I Diese Übereinstimmungsmaße werden schließlich zu einemGesamtmaß ω′i verknüpft, das den Erfüllungsgrad der gesamtenEingangsbedingungen der i-ten Regel angibt
ω′i = min(αAi , αBi )
J. Zhang, Bernd Schütz 368
![Page 46: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/46.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Inferenz-Maschine (cont.)MAX-MIN-Inferenz
I Der Erfüllungsgrad kann noch zusätzlich mit einemRegelgewicht ri ∈ [0, 1] multipliziert werden
I Regeln, die z.B. in Alarmfällen die Sicherheit gewährleistensollen, können dadurch gegenüber anderen Regeln stärkergewichtet werden. Man erhält somit
ωi = ri · ω′i
I Die tatsächliche Schlussfolgerungsfunktion C ′i desKonsequenten Ci errechnet sich aus
C ′i = min(ωi ,Ci )
J. Zhang, Bernd Schütz 369
![Page 47: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/47.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Inferenz-Maschine (cont.)MAX-MIN-Inferenz
I Zuletzt fasst man alle Schlußfolgerungen C ′i zusammen underhält die Ausgangsfunktion C
C = max(C ′1,C ′2, . . . ,C ′k)
I Bei Regelsystemen mit mehreren Ausgangsvariablen können dieAusgangsfunktionen unabhängig voneinander nach obigemSchema bestimmt werden
J. Zhang, Bernd Schütz 370
![Page 48: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/48.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Inferenz-Maschine (cont.)MAX-MIN-Inferenz
J. Zhang, Bernd Schütz 371
![Page 49: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/49.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Defuzzyfikation
I Um in einem Regelungsprozeß konkrete Stellgrößen an dieAktuatoren senden zu können, müssen aus den durch dieInferenz gewonnenen Ausgangsfunktionen „scharfe“Ausgangswerte gebildet werden
I übliche Vorgehensweise ist die SchwerpunktmethodeI Ausgangswert wird hierbei als Schwerpunkt der Ausgangsfunktion
bezüglich ihrer Abszisse berechnetI andere Strategien z. B. Mittelwert-Max, MaxLeft, MaxRight,. . .
J. Zhang, Bernd Schütz 372
![Page 50: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/50.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Regler: Mamdani-Typ (MAX-MIN-Inferenz)
I nach Ebrahim Mamdani, London University, 1975 vorgestelltI der klassische Fuzzy-Regler des Mamdani-Typs basiert auf einer
endlichen Menge R symbolischer Regeln R ∈ R:Rk : IF (x1 is A1
Rk) and (x2 is A2
Rk) and . . . and (xn is An
Rk)
THEN y is Bk
wobei AiRk
den in Regel Rk berücksichtigten linguistischenTerm der linguistischen Variablen i bedeutet und Bk eineFuzzy-Menge mit den gleichen Eigenschaften wie im IF-Teil ist;mit k = 1, . . . , t, und t die Anzahl der Linguistischen Terme,die y modellieren
I erlaubt Expertenwissen intuitiv zu beschreiben; insbesondereaufbauend auf kognitive Analyse
J. Zhang, Bernd Schütz 373
![Page 51: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/51.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Regler: Mamdani-Typ (MAX-MIN-Inferenz) (cont.)I Inferenz mittels Implikation der klassischen zweiwertigen Logik
problematisch:aus (A ∧ (A⇒ C)⇒ C modus ponensfolgt (A⇒ C)⇔ (¬A ∨ C)
mit ¬A → 1− µA(x) siehe (13) Komplementund A ∨ C → maxµA(x), µC (x) siehe (14) Vereinigungfolgt A⇒ C → max1− µA(x), µC (x) abgeleitete Implikation
I falls jedoch µA(x) = 0 wird Konklusion mit 1 bewertetI abgewandelte Implikation erforderlich
I Mamdani-Implikation: µA⇒C (x , y) = minµA(x), µC (x)I algebraisches Produkt: µA⇒C (x , y) = µA(x) · µC (x)
J. Zhang, Bernd Schütz 374
![Page 52: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/52.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Fuzzy-Regler: Mamdani-Typ (MAX-MIN-Inferenz) (cont.)I Kontrollregeln nicht als logische Implikation (modus ponens),
sondern im Sinne einer stückweise definierten Funktionauffassen (Mamdani-Inferenz)
I die Teilprämissen einer Regel werden mit dem MIN-Operatorzusammengefasst (UND-Verknüpfung); fallsODER-Verknüpfung enthalten, Regel splitten
I Zusammenfassen der Ausgabewerte aller aktiven Regelngeschieht mit dem MAX-Operator
J. Zhang, Bernd Schütz 375
![Page 53: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/53.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Probleme der Regler des Mamdani-Typs
I viele Freiheitsgrade beim EntwurfI Implikations-RelationI Inferenz-MechanismenI Fuzzyfikation- und Defuzzyfikationsstrategie
I Auswahl und Quantifizierung der linguistischen Werte schwierigI keine systematischen Richtlinien ⇒ Erfahrungswerte
I Auswirkung der Wahl der Zugehörigkeitsfunktions-FormI warum Dreiecke/Trapeze?I andere Funktionen?
I Bewertungskriterien für einen optimalen ReglerI GlätteI Approximations-Genauigkeit
I Nachweis der StabilitätI Aufwändig, wie bei fast allen nicht-linearen Systemen
(z.B. Inverse Laplace-Transformation, Zustandsstabilität, Numerische zeitdiskrete Verfahren)
J. Zhang, Bernd Schütz 376
![Page 54: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/54.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Zwei Typen adaptiver Fuzzy-Regler
I Sugeno-TypI nach Michio Sugeno, etwa 1985 vorgestelltI Singleton als Fuzzy-Set der Ausgabemenge (Konsequenz)
Ausgabe: Funktion der EingabewerteI endliche Menge R symbolischer Regeln R ∈ R:
Rk : IF (x1 is A1Rk) and (x2 is A2
Rk) and . . . and (xn is An
Rk)
THEN yk = f (x1, . . . , xn)I beim Sugeno-Regler 0-ter Ordnung degeneriert die Funktion f zur
KonstantenI Parameter der Funktion f im allg. Fall können adaptiv angepasst
werdenI Sugeno-Inferenz ist ähnlich der Mamdani-InferenzI Erfolgreich eingesetzt bei Funktionsapproximation und
überwachtem LernenJ. Zhang, Bernd Schütz 377
![Page 55: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/55.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Zwei Typen adaptiver Fuzzy-Regler (cont.)I B-Spline-Typ
I Nachbildung der B-Spline-Interpolation mittels a priori WissenI ein spezieller Sugeno-Typ, aber effektiver, schnellerI geeignet für überwachtes Lernen und unüberwachtes LernenI B-Spline-Basisfunktionen für Modellierung der lingu. TermeI Fuzzy-Singletons als Zugehörigkeitsfunktion der AusgängeI sehr gut geeignet für adaptive Reger, die automatisch aus
Trainingsdaten konstruiert werden können
Grad 3 Grad 4Grad 2Grad 1
J. Zhang, Bernd Schütz 378
![Page 56: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/56.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Vergleich von Fuzzy-Controller Modellen
Modellierung der Ein- bzw. Ausgabe:I alle Fuzzy-Controller setzen Fuzzy-Mengen zur Modellierung
von linguistischen Termen für die Eingabe einI Eingabebereich wird überlappend partitioniertI dies reflektiert die vage Modellierung durch linguistische
KonzepteI ein kontinuierlicher Übergang der Ausgabewerte wird ermöglicht
J. Zhang, Bernd Schütz 379
![Page 57: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/57.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Vergleich von Fuzzy-Controller Modellen (cont.)
IF-Teil:I IF-Teil einer Regel wird folgendermaßen modelliert:
(x1 is A1ik1) and (x2 is A2
ik2) and . . . (xn is An
ikn)
wobei xj die j-te Eingabe (j = 1, . . . , n) und Ajikl
der kl -telinguistische Term mit l ∈ 1, . . . , n der Permutation i (Regeli) der Variablen Aj ist
I „und“-Operation wird als so genannte t-Norm implementiertI in den meisten Anwendungen handelt es sich dabei um eine
Minimum- oder Produkt-Operation
J. Zhang, Bernd Schütz 380
![Page 58: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/58.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Vergleich von Fuzzy-Controller Modellen (cont.)
Zugehörigkeitsfunktion:I typisch: trianguläre oder trapezoide ZugehörigkeitsfunktionenI modernere Systeme: „Gaussian“, „Cauchy“, „sinc“,
„Hyperbolic Tangent“,. . .I Problem: Alle Funktionen brauchen neben den
Partitionspositionen (Knoten) weitere ParameterI weil die Knoten ggf. das Ergebnis einer intrinsischen
Partitionierung sind, ist die Wahl der übrigen Parameter wedernatürlich noch intuitiv
I Linguistische Terme, die auf B-Spline Basisfunktionen beruhen,können allein auf Grundlage der Knoten gebildet werden undbrauchen keine weiteren Parameter
J. Zhang, Bernd Schütz 381
![Page 59: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/59.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.7 Fuzzy-Logik - Fuzzy-Regelung 64-544 Grundlagen der Signalverarbeitung und Robotik
Vergleich von Fuzzy-Controller Modellen (cont.)
KomplexitätI Regler ist bei n Eingängen xn und einem Ausgang y vollständig
über einem n-dimensionalen Gitter definiertI bei vollständig spezifiziertem Regelsystem mit einem Ausgang
und n Eingängen (n linguistische Variablen) und mlinguistischen Termen pro Variable ergibt sich:
#Regeln = mn
I Regelbasis hängt exponentiell von der Dimension desEingangsraumes ab
I nur für niedrigdimensionale Probleme geeignet
I Fluch der Dimensionalität
J. Zhang, Bernd Schütz 382
![Page 60: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/60.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.8 Fuzzy-Logik - Literatur 64-544 Grundlagen der Signalverarbeitung und Robotik
[Bie97] Benno Biewer:Fuzzy-Methoden.Springer-Verlag; Berlin, 1997
[BZ70] R.E. Bellman, L.A. Zadeh:Decision-Making in a Fuzzy Environment.In: Management Science17 (1970)
[Lip06] Wolfram-Manfred Lippe:Soft-Computing mit Neuronalen Netzen, Fuzzy-Logic undEvolutionären Algorithmen.Springer-Verlag; Berlin, 2006
J. Zhang, Bernd Schütz 383
![Page 61: 64-544 Grundlagen der Signalverarbeitung und Robotik (Teil2 ......Zahlaus[0;1] zuordnet: A: X ![0;1] I dieFunktion A wirdalsZugehörigkeitsfunktion(ZF) bezeichnet I siegibtden„Grad“an,mitdemdasElementx](https://reader035.fdocument.pub/reader035/viewer/2022071412/610915655b8ecc293458cb5b/html5/thumbnails/61.jpg)
Universität Hamburg
MIN-FakultätFachbereich Informatik
6.8 Fuzzy-Logik - Literatur 64-544 Grundlagen der Signalverarbeitung und Robotik
[Zad65] L.A. Zadeh:Fuzzy Sets.In: Information Control8 (1965), S. 338–353
J. Zhang, Bernd Schütz 384