Introdução ao sistema lógico difuso
A lógica difusa é uma abordagem de computação baseada em "Grau de verdade" e não se limitando a booleano "verdadeiro ou falso". O termo 'Difuso' significa algo vago ou pouco claro. O sistema lógico difuso é aplicado a cenários em que é difícil categorizar estados como um binário “Verdadeiro ou Falso”. A lógica difusa pode incorporar valores intermediários como parcialmente verdadeiro e parcialmente falso. Ele pode ser implementado em uma ampla gama de dispositivos, desde pequenos microcontroladores a grandes sistemas de TI. Ele tenta imitar a tomada de decisão semelhante à humana, que pode incorporar todos os valores entre Verdadeiro e Falso.
Uma arquitetura do sistema lógico difuso
O Fuzzy Logic System possui quatro componentes principais, que são explicados com a ajuda do diagrama da arquitetura abaixo:
- Regras: A Base de Regras consiste em um grande conjunto de regras programadas e alimentadas por especialistas que governam a tomada de decisão no Sistema Difuso. As regras são conjuntos de instruções "If-Then" que decidem a ocorrência do evento com base na condição.
- Fuzzification: Fuzzification converte entradas brutas medidas a partir de sensores em conjuntos difusos. Essas entradas convertidas são repassadas ao sistema de controle para processamento adicional.
- Mecanismo de inferência: Ajuda no mapeamento de regras para o conjunto de dados de entrada e, assim, decide quais regras devem ser aplicadas a uma determinada entrada. Isso é feito calculando a% de correspondência das regras para a entrada especificada.
- Defuzzification: É o oposto de Fuzzification. Aqui os conjuntos difusos são convertidos em entradas nítidas. Essas entradas nítidas são a saída do Fuzzy Logic System.
Função de membro
A Função de associação define como a entrada no sistema difuso é mapeada para valores entre 0 e 1. A entrada é geralmente denominada como Universo (U), pois pode conter qualquer valor. A função de associação é definida como:
μ A: X → (0, 1).
Aqui, X representa o universo e Y representa qualquer valor entre 0 e 1. A função de associação triangular é a função de associação mais usada. Outras funções de associação incluem Trapezoidal, Gaussiana e Singleton.
Por que e quando usar a lógica difusa?
A lógica difusa é especialmente útil quando você deseja imitar o pensamento humano em um sistema de controle. Mais do que raciocínio de precisão, ele se concentra no raciocínio aceitável, muito próximo ao funcionamento do mundo real. Ele é projetado para lidar com incertezas e é proficiente em descobrir inferência a partir da conclusão.
Algoritmo do Sistema Lógico Difuso
- Defina todas as variáveis e termos que atuarão como entrada no Sistema Difuso
- Criar função de associação para o sistema (conforme definido acima)
- Crie uma base de regras que será mapeada para cada entrada
- Converter entrada normal em entrada difusa que é alimentada para a função de associação
- Avalie o resultado da função de associação
- Combine todo o resultado obtido no Conjunto de Regras Individuais
- Converta o conjunto difuso de saída em Entrada nítida (Desfiguração)
Aplicação do sistema lógico difuso
A Fuzzy Logic está sendo adotada em todos os principais setores, mas o setor automotivo continua sendo o principal. Poucas de suas aplicações estão listadas abaixo:
- A Nissan está usando a Fuzzy Logic para controlar o sistema de freios em caso de perigo. A Fuzzy Logic utiliza entradas como velocidade, aceleração, momento para decidir sobre a intensidade dos freios.
- A Nissan também está usando a Fuzzy Logic para controlar a quantidade e a ignição de injeção de combustível com base em entradas como RPM do motor, temperatura e capacidade de carga.
- É usado em satélites e aeronaves para controle de altitude.
- A Mitsubishi está usando a Fuzzy Logic para tornar o Gerenciamento de Elevador mais eficiente, considerando o tráfego de passageiros como entrada.
- A Nippon Steel está usando a Fuzzy Logic para decidir a proporção em que diferentes tipos de cimento devem ser misturados para tornar o cimento mais durável.
- A Fuzzy Logic encontra sua aplicação na indústria química para gerenciar os diferentes processos, como controle de pH, processo de secagem e processo de destilação.
- A lógica difusa pode ser combinada com a Rede Neural Artificial (RNA) para imitar o funcionamento do cérebro humano. A lógica difusa agrega dados e se transforma em informações mais significativas, usadas como conjuntos difusos.
Vantagens do sistema lógico difuso
Abaixo estão cinco vantagens do sistema lógico difuso:
- A Lógica Difusa pode trabalhar com qualquer tipo de entrada, mesmo que não seja estruturada, distorcida, imprecisa ou contenha ruído.
- A Construção de lógica difusa é muito fácil de ler e compreender, pois imita de perto a maneira como a mente humana toma a decisão.
- As nuances da Fuzzy Logic envolvem o uso de conceitos-chave da matemática, como Teoria dos Conjuntos e Probabilidade, que o tornam apto a resolver todos os tipos de desafios do dia a dia que a humanidade enfrenta.
- A Fuzzy Logic pode fornecer soluções eficientes para um problema muito complexo em diferentes setores.
- O Sistema Lógico Difuso precisa de uma quantidade muito pequena de dados para preparar um modelo robusto. Portanto, ele precisa apenas de uma quantidade limitada de memória para sua execução.
Desvantagens do sistema lógico difuso
Abaixo estão as quatro principais desvantagens do sistema de lógica difusa:
- Não existe uma maneira padrão de resolver um problema através da Fuzzy Logic; portanto, especialistas diferentes podem ter uma solução diferente para um problema que leva à ambiguidade.
- Como o Fuzzy Logic System trabalha com dados precisos e imprecisos, às vezes sua precisão pode ser comprometida.
- O Sistema Lógico Difuso não pode aprender com seus erros ou falhas do passado, pois não possui capacidade de auto-aprendizado, como Machine Learning e Rede Neural.
- Devido à falta de padronização, não existe uma maneira fixa de encontrar regras e funções de associação para o problema em questão. Portanto, às vezes fica difícil encontrar regras exatas e funções de associação para alguns problemas.
Conclusão
A Fuzzy Logic fornece uma maneira alternativa de abordar problemas do mundo real no mundo da computação. Pode ser facilmente aplicado a diferentes aplicações e sistemas de controle que podem colher benefícios a longo prazo. Dada a sua capacidade de funcionar bem com o “Grau de Verdade”, abre muitas portas para a computação moderna. No entanto, não é a panacéia para todos os problemas, pois apresenta sérias limitações quando se trata de precisão e incapacidade de aprender com sua falha, como no caso do Machine Learning.
Artigos recomendados
Este é um guia para o sistema lógico difuso. Aqui discutimos por que e quando usar o sistema difuso, com arquitetura, aplicativo e por último com vantagens e desvantagens. Você também pode consultar nossos outros artigos relacionados para saber mais -
- O que é lógica difusa?
- Teste de Fuzz
- Empresas de IoT
- R Data Frame
- Dispositivo sensor
- Os 12 principais tipos de sensores e suas aplicações