تاریخچه مختصری از سیستم فازی

دهه۱۹۶۰آغازتئوری فازی………………………..۱
دهه۱۹۸۰:کاربردهای بزرگ………………….۲
چرا سیستم فازی؟……………………………..۴
دهه۱۹۹۰:چالشها کماکان باقی است………………..۴
سیستم های فازی کجا و چگونه استفاده می شوند؟…….۹
زمینه های تحقیق عمده در تئوری فازی…………….۱۳

الف- یک سیستم کنترل هوشمند نامشخص با تنظیم کننده خودکار ثابت برای نظارت ( کنترل ) دمای صنعتی :
۱-خلاصه مطالب ………………………………۱۵
۲-مقدمه……………………………………۱۵
A : تحریک ………………………………۱۷
B:مسئله تاخیر زمانی و راه حلهای موجود ……..۱۹
C : کنترل استدلالی نامشخص ………………….۲۱
۳- نرم افزار شبیه سازی………………………۲۲
A : نتایج شبیه سازی ( تقلید )………………. ۲۳
۴- بررسی پایداری ( دوام )……………………۲۵

دهه۱۹۶۰آغازتئوری فازی

منطق فازی یا Fuzzy Logic برای اولین بار در سال ۱۹۶۰ توسط دکتر لطفی زاده ، استاد علوم کامپیوتری دانشگاه برکلی کالیفرنیا (Berkeley)، ابداع شد.
مقاله کلاسیک پرفسور لطفی زاده درباره مجموعه فازی که در سال ۱۹۶۵ به چاپ رسید، سرآغاز جهتی نوین در علوم و مهندسی سیستم و کامپیوتر بود. پس از آن پرفسور لطفی زاده به پژوهشهای خود در زمینه مجموعه فازی ادامه داد تا آنکه در سال ۱۹۷۳ طی یک مقاله کلاسیک دیگر تحت عنوان “شرحی بر دیدی نو در تجزیه و تحلیل سیستمهای پیچیده و فرایندهای تصمیم گیری” مفهوم استفاده از متغیرهای زبانی را در سیستم های حافظه و کنترل مطرح کرد. این مقاله اساس تکنولوژی کنترل بر مبنای منطق فازی است که در اینده اثرات عمیق در طراحی سیستم های کنترل هوشیار خواهد داشت.گرچه منطق فازی کاربردی خیلی وسیع تر از منطق متداول دارد ولی پرفسور لطفی زاده معتقد است که منطق فازی اکسیر و نوشدارو نیست. وی میگوید “کارهای زیادی هست که انسان میتواند به آسانی انجام دهد در حالی که کامپیوترها و سیستمهای منطقی قادرت فازی یک فرا مجموعه از منطق بولی است که بر مفهوم درستی نسبی، دلالت می کند. منطق کلاسیک هر چیزی را بر اساس یک سیستم دوتائی نشان می دهد ( درست یا غلط، ۰ یا ۱، سیاه یا سفید) ولی منطق فازی درستی هر چیزی را با یک عدد که مقدار آن بین صفر و یک است نشان می دهد. مثلاً اگر رنگ سیاه را عدد صفر و رنگ سفید را عدد ۱ نشان دهیم، آن گاه رنگ خاکستری عددی نزدیک به صفر خواهد بود. در سال ۱۹۶۵، دکتر لطفی‌زاده نظریه سیستم‌های فازی را معرفی کرد. در فضایی که دانشمندان علوم مهندسی به دنبال روش‌های ریاضی برای شکست دادن مسایل دشوارتر بودند، نظریه فازی به گونه‌ای دیگر از مدل‌سازی، اقدام کرد.
منطق فازی معتقد است که ابهام در ماهیت علم است. بر خلاف دیگران که معتقدند که باید تقریب‌ها را دقیق‌تر کرد تا بهره‌وری افزایش یابد، لطفی‌زاده معتقد است که باید به دنبال ساختن مدل‌هایی بود که ابهام را به عنوان بخشی از سیستم مدل کند. در منطق ارسطویی، یک دسته‌بندی درست و نادرست وجود دارد. تمام گزاره‌ها درست یا نادرست هستند. بنابراین جمله «هوا سرد است»، در مدل ارسطویی اساساً یک گزاره نمی‌باشد، چرا که مقدار سرد بودن برای افراد مختلف متفاوت است و این جمله اساساً همیشه درست یا همیشه نادرست نیست. در منطق فازی، جملاتی هستند که مقداری درست و مقداری نادرست هستند. برای مثال، جمله “هوا سرد است” یک گزاره منطقی فازی می‌باشد که درستی آن گاهی کم و گاهی زیاد است. گاهی همیشه درست و گاهی همیشه نادرست و گاهی تا حدودی درست است. منطق فازی می‌تواند پایه‌ریز بنیانی برای فن‌آوری جدیدی باشد که چیست؟

دهه۱۹۸۰:کاربردهای بزرگ
در اوائل دهه ۱۹۸۰ این زمینه از نقطه نظر تئوریک پیشرفت کندی داشت.در این مدت راه حل ها و مفاهیم جدید اندکی معرفی گردید چرا که هنوز افرادکمی داشتند روی ان کار می کردند.در واقع کاربردهای کنترل فازی بود که هنوز تئوری فازی را سر پا نگاه داشته بود.
مهندسان زاپنی(با حساسیتی که نسبی به فن اوری های جدید دارند)به سرعت دریافتند که کنترل کننده های فازی بسهولت قابل طراحی بوده و در مورد بسیاری مسائل می توان از انها استفاده کرد.بدلیل اینکه کنترل فازی به یک مدل ریاضی نیاز ندارد انرا می توان در مورد با وجودی که تئوری فازی جایگاه واقعی خود را پیدا نکرد با این حال هنوز محققینی بودند که روشهای جدید فازی نظیر الگوریتم های فازی تصمیم گیری های فازی و… مطرح گردید.
دهه ۱۹۷۰:تئوری فازی رشد پیدا کرد و کاربردهای عملی ظاهر گردید.
اگر بگوییم پذیرفته شدن تئوری فازی بعنوان یک زمینه مستقل بواسطه کارهای بر جسته پروفسور لطفی زاده بوده سخن به گزاف نگفته ایم.بسیاری از مفاهیم بنیادی تئوری فازی بوسیله زاده در اواخر دهه ۶۰ و اوائل دهه ۷۰ مطرح گردید.پس از معرفی مجموعه ای فازی در سال ۱۹۶۵ او مفاهیم الگوریتم های فازی در سال ۱۹۶۸ تصمیم گیری فازی در سال ۱۹۷۰ و ترتیب فازی را در سال ۱۹۷۱ مطرح نمود.در سال ۱۹۷۳او مقاله دیگری را منتشر کرد به نام :(طرح یک راه حل جدید برای تجزیه تحلیل سیستم های پیچیده و فرایندهای تصمیم گیری).این مقاله اساس کنترل فازی را بنا کرد.او در این مفهوم متغییر های زبانی و استفاده از قواعد اگر انگاه را برای فرموله کردن دانش بشری معرفی نمود.
رخداد بزرگ در دهه ۱۹۷۰ تولد کنترل کننده های فازی برای سیستم های واقعی بود. در سال ۱۹۷۵ ممدانی و اسیلیان چهارچوب اولیه ای را برای کنترل کننده فازی مشخص کردند و کنترل کننده فازی را به یک موتور بخار اعمال نمودند.نتیج در مقاله ای تحت عنوان(ازمایشی در سنتز زبانی با استفاده از یک کنترل کننده فازی)منتشر گردید.انها دریافتند که ساخت کنترل کننده فازی بسیار موضوع جدی در دستور کار خود قرار دادند.در فوریه۱۹۹۲ اولین کنفرانس بین المللی IEEEدر زمینه سیستمهای فازی در سان دیگو برگزار گردید.این یک اقدام سمبلیک در مورد پذیرفتن سیستم های فازی بوسیله بزرگترین سازمان مهندسی یعنی IEEEبود.در سال ۱۹۹۳ بخش سیستم های فازی IEEEگشایش یافت.از نقطه نظر تئوری سیستم های فازی و کنترل در اواخر دهه ۸۰ و اوائل دهه ۹۰ رشد چشمگیری پیدا کرد و پیشرفتهایی در زمینه برخی مشکلات اساسی سیستمهای فازی صورت گرفت. بعنوان مثال تکنیک های شبکه عصبی برای تعیین و تنظیم توابع تعلق استفاده شدند.با وجودی که تصویر سیستم های فازی شفاف تر شده با این حال کارهای زیادی هنوز باید انجام شود و بسیاری از راه حل ها و روش ها در ابتدای راه قرار دارد.ما اعتقاد داریم که تنها سرمایه گذاری مراکز تحقیقاتی معتبر بر روی افراد مستعد و خلایق می تواند باعث پیشرفتهای عمده در زمینه تئوری فازی شود.

چرا سیستم فازی؟

واژه(فازی) در فرهنگ لغت اکسفورد بصورت (مبهم گنگ نادقیق کیج مغشوش درهم و نامشخص)تعریف شده است. سیستم های فازی سیستم هایی هستند با تعریف دقیق و کنترل فازی نیز نوع خاصی از کنترل غیر خطی میباشد که ان هم تعریف می گردد . این مطلب مشابه کنترل وسیستم های خطی می باشد که واژه(خطی) یک صفت فنی بوده که حالت و وضعیت سیستم و کنترل را مشخص می کند. چنین چیزی درمورد واژه(فازی) وجود دارد.

دهه۱۹۹۰:چالشها کماکان باقی است

موفقیت سیستم های فازی در زاپن تعجب محققان را در امریکا و اروپا برانگیخت .عده ای هنوز به ان خرده می گرفتند ولی عده ای دیگراز عقیده خود دست بر داشته و بعنوان گرچه سیستم های فازی پدید های غیر قطعی و نا مشخص را توصیف می کنند با این حال خود تئوری فازی یک تئوری دقیق می باشد.در این متن دو نوع موجیه برای تئوری سیستم های فازی وجود دارد:
_دنیای واقعی ما بسیار پیچیده تر از ان است که بتوان یک توصیف و تعریف دقیق برای ان بدست اورد بنابراین باید یک توصیف تقریبی یا همان فازی که قابل قبول تجزیه و تحلیل باشد برای یک مدل معرفی شود.
_با حرکت ما بسوی عصر اطلاعات دانش و معرفت بشری بسیار اهمیت پیدا می کند. بنابراین ما به فرضیه ای نیاز داریم که بتوان دانش بشری را به شکل سیستماتیک فرموله کرده و انرا به همراه سایر مدلهای ریاضی در سیستم های مهندسی قرار دهد.
توجیه اول گرچه درست است با این حال طبیعت واحدی را برای تئوری سیستم های فازی شخص نمی کند. در حقیقت تمامی نظریه های علوم مهندسی دنیای واقعی را به شکلی تقریبی توصیف می کنند.بعنوان مثال در عالم واقع تمامی سیستم های خطی می باشد.یک تئوری مهندسی خوب از یکسو باید بتواند مشخصه های اصلی و کلیدی دنیای واقعی را توصیف کرده و از سویی دیگر قابل تجزیه تحلیل ریاضی باشد.بنابراین از این جنبه تئوری فازی تفاوتی با سایر تئوری های علوم مهندسی ندارند.
توجیه دوم مشخصه واحدی از سیستم های فازی را توصیف کرده و وجودی تئوری سیستم های فازی را به عنوان یک شاخصه مستقل در علوم مهندسی توجیه می کند.بعنوان یک قاعده کلی یک تئوری قاعده کلی یک تئوری مهندسی خوب باید قادر باشد از تمامی اطلاعات موجود به نحو موثری استفاده کند.
در سیستم های عملی اطلاعات مهم از دو منبع سر چشمه می گیرند.یکی از منابع افراد خبره می باشند که دانش و اگاهیشان را در مورد سیستم با زبان طبیعی تعریف می کنند.منبع دیگر اندازه گیری ها و مدل های ریاضی هستند که از قواعد فیزیکی مشتق شده اند.بنابراین یک مسئله مهم ترکیب این دو نوع اطلاعات در طراحی سیستم ها است.برای انجام این ترکیب سئوال کلیدی این است که چگونه می توان دانش بشری را به یک فرمول ریاضی تبدیل کرد. اساسا انچه که یک سیستم فازی انجام می دهد همین تبدیل است.برای اینکه بدانیم این تبدیل چگونه صورت می گیرد ابتدا باید بدانیم سیستم های فازی چگونه سیستم هایی هستند.

سیستم های فازی چگونه سیستم هایی هستند؟

سیستم های فازی سیستم ها مبتنی بردانش یا قواعد میباشد .قلب یک سیستم فازی یک پایگاه دانش بوده که از قواعد اگر-آنگاه فازی تشکیل شده است. یک قاعده اگر-آنگاه فازی یک عبارت اگر –آنگاه بوده که بعضی کلمات آن بوسیله توابع تعلق پیوسته مشخص شده اند. بعنوان مثال عبارت فازی زیر را در نظر بگیرید: اگر سرعت اتومبیل بالاست انگاه نیروی کمتری به پدال گاز وارد کنید.
بطور کلی دو راه حل برای طراحی چنین کنترل کننده ای وجود دارد یک راه حل استفاده از کنترل کننده های متعارف نظیر PID بوده وراه حل دوم شبیه سازی رفتار رانندگان است بدین معنی که قواعدی که راننده در حین حرکت استفاده می کند را به کنترل کننده خودکار تبدیل نماییم۰ما راه حل دوم را در نظر میگیریم. در صحبتهای عامیانه راننده ها در شرایط÷ طبیعی از سه قاعده زیر در حین رانندگی استفادهمی کنند:۲-اگر سرعت پایین است آنگاه نیروی بیشتری به پدال گاز وارد کنید. ۳-اگر سرعت متوسط است آنگاه نیروی متعادلی به پدال گاز وارد کنید۴٫اگر سرعت بالاست آنگاه نیروی کمتری به پدال گاز وارد کنید .با این حال ما می توانیم یک سیستم فازی را بر اساس این قواعد بسازیم.از آنجا که سیستم فازی بعنوان کنترل کننده استفاده شده ان را کنترل کننده فازی می نامند. بطور خلاصه نقطه شروع ساخت یک سیستم فازی بدست اوردن مجموعه ای از قواعد اگر – انگاه فازی از دانش افراد خبره یا دانش حوزه مورد برسی می باشد .مرحله بعدی ترکیب این قواعد در یک سیستم واحد است .

معمولااز سه نوع سیستم فازی صحبت به میان می اید :

۱)سیستم های فازی خالص
۲)سیستم های فازی تاکاگی –سوگنو و کانگ TSK) )
۳)سیستم های با فازی ساز و غیر فازی ساز

بطور خلاصه این سه نوع سیستم را شرح می دهیم ساختار اصلی یک سیستم فازی خالص در شکل ۳ نشان داده شده است .پایگاه قواعد فازیمجموعه ای از قواعد اگر-آنگاه فازی را نشان می دهد .موتور استنتاج فازی این قواعد را به یک نگاشت از مجموعه های فازی در فضای ورودی به مجموعه های فازی در فضای خروجی بر اساس اصول منطق فازی ترکیب می کند .مشکل اصلی در رابطه با سیستم های فازی خالص این است که ورودی ها و خروجی های ان مجموعه های فازی می باشند (وازهایی در زبان طبیعی ). برای حل این مشکل تاکاگی سوگنو و کانگ نوع دیگری سیستم های فازی معرفی کرده اند که ورودی ها و خروجی های ان متغییر هایی با مقادیر واقعی هستند. سیستم TSKبجای استفادهاز قواعدی به شکل ۱ از قواعدی بدین صورت استفاده می کند :
-اگر سرعت اتومبیل (X) بالاست انگاه نیروی وارد بر پدال گاز برابر است با Y=CX
که وازه(بالا) همان معنی ۱ را داده و C یک عدد ثابت می با شد .مقایسه نشان می دهد که بخش انگاه قاعده فازی از یک عبارت تو صیفی با مقادیر زبانی به یک رابطه ریاضی ساده تبدیل شده این تغییر ترکیب قواعد فازی را ساده تر می سازد .در حقیقت سیستم فازی TSK یک میانگین وزنی از مقادیر بخش های انگاه قواعد می باشد .

مشکلات عمده سیستم فازی TSK عبارتند از:
۱)بخش آنگاه قاعده یک فرمول ریاضی بوده و بنابراین چهارچوبی را برای نمایش دانش بشری فراهم نمی کند . ۲)این سیستم دست ما را برای اعمال اصول اصول مختلف منطق فازی باز نمی گذارد و در نتیجه انعطاف پذیری سیستم های فازی در این ساختار وجود ندارد.
برای حل این مشکل ما از نوع سومی از سیستم های فازی یعنی سیستم های فازی با فازی سازها استفاده میکنیم .به منظور استفاده ازسیستم های فازی خالص در سیستم های مهندسی یک روش ساده اضافه کردن یک فازی ساز در ورودی که متغییر هایی با مقادیر حقیقی را به یک مجموعه فازی تبدیل کرده و یک غیر فازی ساز که یک مجموعه فازی را به یک متغییر با مقدار حقیقی در خروجی تبدیل میکند می باشد .نتیجه یک سیستم فازی با فازی ساز و غیر فازی ساز بوده که در شکل ۵ نشان داده شده است .این سیستم فازی معایب سیستم فازی خالص و سیستم فازی TSK رامی پوشاند.از این پس منظور ما از سیستم های فازی سیستم های فازی با فازی ساز و غیر فازی ساز خواهد بود.

سیستم های فازی کجا و چگونه استفاده می شوند؟

سیستم های فازی را می توان بعنوان کنترل کننده حلقه باز و یا کنترل کننده حلقه بسته مورد استفاده قرار داد .هنگامی که بعنوان کنترل کننده حلقه باز استفاده میشود سیستم فازی معمولا بعضی پارامترهای کنترل را معین کرده و انگاه سیستم مطابق با این پارامترها ی کنترل کار می کند. بسیاری از کار برد های سیستم فازی در الکترونیک به این دسته تعلق دارند. هنگامی که سیستم فازی بعنوان یک کنترل کننده حلقه بسته استفاده میشود در این حالت خروجی های فرایند را اندازه گیری کرده و بطور همزمان عملیات کنترل را انجام میدهد . کاربرد سیستم فازی در فرایندهای صنعتی به این دسته تعلق دارد.
منطق فازی روشی برای پردازش وقایع غیر قطعی ارائه می‌کند؛ دقیقا آنچه که در طبیعت و زندگی روزمره با آن در ارتباط هستم. در منطق فازی با مقادیری غیر قطعی و تقریبی کار می‌کنیم؛ محدوده‌ای از احتمالات که ممکن است اتفاق بیافتند. منطق فازی در مقابل منطق باینری binary یا منطق Boolean قرار دارد.
منطق فازی برای طراحی سیستم‌های خبره expert systems به کار می‌رود. سیستم‌های خبره قوانین جهان واقع را شبیه سازی می‌کنند. کنترل خودکار ترافیک، دوربین‌های فیلمبرداری، ماشین‌های لباسشویی هوشمند، سیستم‌های تشخیص هویت از روی اثر انگشت یا تصویر مردمک چشم و غلط یاب تایپی در نرم افزارهای ویرایش متن مانند MS-Word از منطق فازی استفاده می‌کنند.
نارسایی منطق ۰ و ۱ برای شبیه سازی جهان واقعی را منطق فازی کاملا حل می‌کند. برای مثال در سیستم راننده خودکار اتومبیل، محاسبه و کنترل فاصله اتومبیل از کناره جدول یا اتومبیل‌های دیگر با منطق باینری ممکن نیست و در این شرایط منطق فازی مشکل گشا خواهد بود.
اگر رانندگی آموزش می‌دهید برای بیان فاصله بین اتومبیل و کناره جدول خواهید گفت: “تقریبا نیم متر”. تنها روش برای گفتن چنین مقادیر غیر قطعی در سیستم‌های کامپیوتری استفاده از منطق فازی است.

ماشین شستشوی فازی:

سیستم فازی مورد استفاده یک سیستم سه ورودی یک خروجی است که سه ورودی فوق نوع کثیفی و مقدار اندازه گیری شده کثیفی وحجم لباس بوده و خروجی تعداد دورهای مناسب شستشو میباشد .بعنوان ورودی (سنسورهایی)در این سیستم تعبیه شده این سنسورها که از نوع نوری می با شند میزان نوری را که از طرف مقابل ساطع شده واز آب عبور کرده اندازه گیری می نمایند .سنسور نوری همچنین میتواند معین کند که نوع کثیفی چیست لباس گل آلود است یا چرب؟ گل در اب سریعتر حل می شود بنابراین اگر نور دریافتی بسرعت کاهش پیدا کند در آن صورت لباس گل آلود است در حالی که اگر لباس روغنی باشد کندتر در آب حل شده و کاهش نور دریافتی کندتر خواهد بود . ماشین همچنین دارای یک سنسور بار می باشد که حجم لباس ها را ثبت می کند واضح است که تعدادلباس های بیشتر زمان بیشتری برای شستشو لازم دارد .موارد فوق را می توان در تعدادی قاعده اگر- آنگاه فازی برای ساخت یک سیستم فازی خلاصه کرد.
تثبیت کننده تصویر دیجیتال :

هر کس که با یک دوربین فیلم برداری کار کرده باشد میداند که فیلم برداری بدون لرزش دست کار مشکلی است برای تصیح خطای ناشی از لرزش دست نوع جدیدی از دوربین ها به بازار عرضه شده است . این نوع دوربین ها که بر اساس سیستم های فازی میباشند تثبیت کننده تصویر دیجیتال نامیده شده اند . این سیستم ها بر اساس قواعد (هیوریستیک)زیر ساخته شده اند:۱۰-اگر تمامی نقاط تصویر به یک جهت حرکت کرده اند آنگاه دست لرزش داشته است ۰ ۱۱)اگر فقط تعدادی نقاط تصویر حرکت کرده است آنگاه دست لرزش نداشته است .

کنترل فازی کوره سیمان :

سیمان بوسیله آسیاب کلینکر که ترکیبی از مواد معدنی است در یک کوره ساخته میشود . بدلیل این که عملکرد این کوره غیر خطی ومتغییر با زمان میباشد وداده های نمونه برداری کمی نیز دارد کنترل آن با استفاده از روشهای کنترل متعارف کاری مشکل است. در اواخر دهه ۱۹۷۰ شرکتی در دانمارک یک سیستم فازی را برای کنترل کوره سیمان ابداع نمود . سیستم فازی (کنترل فازی فوق چهار ورودی و دو خروجی داشت) ورودی های چهارگانه عبارتند اند از:
۱)درصد اکسیژن در گازهای اگزوز
۲)درجه حرارت گازهای اگزوز
۳)گشتاور آسیاب کوره
۴)وزن حجمی کلینکر
خروجی های این سیستم نیز
۱)میزان زغال سنگ ریخته شده به کوره
۲)میزان جریان هوا میباشد.
مجموعه ی که از قواعد اگر-آنگاه فازی رابطه خروجی ها را با ورودی ها مشخص می کند .بعنوان مثال :
۱)اگر درصد اکسیژن بالا ودرجه حرارت پایین است آنگاه درجه هوا را افزایش دهید.
۲)اگر درصد اکسیژن بالا و درجه حرارت بالا است آنگاه میزان زغال سنگ را اندکی کاهش دهید.
سیستم فازی ای که با ترکیب این قواعد ساخته شده بود در سال ۱۹۷۸ به مدت ۶ روز در کوره سیمان شرکت اسمیت در دانمارک بکار گرفته شد ه که نسبت به حالت کنترل توسط انسان و همچنین مصرف سوخت بهبود را نشان میداد.

کنترل فازی قطار زیرزمینی :

یکی از مهمترین کاربرد سیستم های فازی را تا امروز می توان سیستم کنترل فازی متروی سندایی در ژاپن بر شمرد.مسیر شمال جنوبی این قطار به طور۶/۱۳ کیلومترودارای۱۶ ایستگاه می باشد . سیستم فازی آن چهار پارامتررابطورهمزمان درنظرمی گیرد:
ایمنی ،راحتی سرنشینان، رسیدن به سرعت مطلوب ودقت ترمز. سیستم فازی دارای دوبخش است:بخش کنترل کننده سرعت ( که سرعت قطاررا در حد مجاز نگاه می دارد) وبخش کنترل کننده توقف اتوماتیک (که سرعت قطارراتا توقف نهایی تنظیم می کند) بخش کنترل کننده سرعت ازقواعدزیر استفاده می کند :
برای ایمنی :اگرسرعت قطارداردبه مرز مجازنزدیک شود، آنگاه بیشترین میزان ترمز را انتخاب کنید.
برای راحتی سرنشینان، اگرسرعت قطاردرمحدوده مجاز است،آنگاه عملکرد کنترل ترمزرا تغییر ندهید.
البته درسیستم واقعی از تعداد پا را مترها وقواعد بیشتری استفاده شده است.سیستم توقف خودکار رامی توان از روی چنین قواعدی بنا کرد:
برای راحتی سرنشینان:اگر قطار درمنطقه مجاز متوقف خواهد شد آنگاه عمل کرد کنترل ترمزراتغییرندهید.
برای راحتی وایمنی سرنشینان:اگر قطار در منطقه مجاز قراردارد آنگاه عمل کردکنترل ترمزرااز حالت شتاب به حالت ترمز تغییر دهید.
البته باز هم درشتاب واقعی،از تعداد قواعد بیشتری استفاده شده است.امروزه قطارزیرزمینی سندایی یکی از پیشرفته ترین سیستمهای مترو محسوب شده که از سال ۱۹۹۱کارحمل ونقل مسافران رابه عهده دارد.

زمینه های تحقیق عمده در تئوری فازی

منظور ما از تئوری فازی تمام تئوری هایی است که از مفاهیم اساسی مجموعه های فازی یا توابع تعلق استفاده میکنند .تئوری فازی را به ۵ شاخه عمده می توان تقسیم کرد .
۱)ریاضیات فازی که در ان مفاهیم ریاضیات کلاسیک با جایگزینی مجموعه های فازی با مجموعه های کلاسیک تو سیه پیدا کرده است .
۲)منطق فازی وهوش مصنوعی که در آن منطق کلاسیک تقریب هایی یافته و سیستم های (خبره) بر اساس اطلاعات و استنتاج تقریبی توسعه پیدا کرده است.
۳)سیستم های فازی که شامل کنترل فازی و راه حل هایی در زمینه پردازش سیگنال و مخابرات می باشد. ۴)عدم قطعیت و اطلاعات که انواع دیگری از عدم قطعیت را مورد تجزیه تحلیل قرار داده.
۵)تصمیم گیری های فازی که مسائل بهینه سازی را با محدودیت های ملایم در نظر می گیرد .

یک سیستم کنترل هوشمند نامشخص با تنظیم کننده خودکار ثابت برای نظارت ( کنترل ) دمای صنعتی :

خلاصه مطالب :

یک سیستم کنترل حلقه ای بسته توام با استدلال نا مشخص برای طبقه ای از مسائل کنترل دمای صنعتی توسعه یافته است . یک کنترل کننده استدلالی نامشخص متمایز ( منحصر به فرد ) FLC با یک کارآیی تشخیص و پایه خط کشی شده کوچک که می تواند به آسانی در حضور کنترل کننده های صنعتی که نشان داده شند تکمیل می شود . در هر دو مورد یعنی نرم افزار شبیه سازی شده و آزمایش سخت افزار در مجموعه ای صنعتی که کنترل استدلالی نامشخص بیش از قابلیت کنترل کننده های دمای کنونی است نشان داده شد. این شامل خنثی سازی ( جبران ) تغییرات جرم گرما در سیستم است ، در مورد تاخیر ها و توقفهای متغیر و ناشناخته ،‌در مجموعه نکات دمای مختلف بدن تنظیم دوباره عمل می کند . و این با به انجام رساندن FLC که یک استراتژی کنترل کلاسیک و یک مکانیزم تنظیم برای تغییرات فعال در سیستم است دریافت می شود . FLC پیشنهاد شده برای دو فرآیند مختلف دما و تقویت عمده در نحوه اجرای سیستم در هر دو مورد بکار می رود. علاوه بر این ،‌مقاومت FLC بررسی شده و حفاظت از آن اجرا می شود.

مقدمه :

‌هنگامیکه نظریه کنترل مدرن به مرحله عمل درآمد ،‌کنترل استدلالی نامشخص به سرعت در میان مهندسی اجرای طرفداران زیادی به دست آورده است و این افزایش در تعداد طرفداران می تواند منجر به این حقیقت شود که استدلال نامشخص موتور نیرومند را ایجاد می کند که به مهندسین اجازه می دهد به استدلال نامشخص موتوری نیرومند را ایجاد می کند که به مهندسین اجازه می دهد استدلال بشر را در الگوریتم کنترل به کار می برد. همانطور که برای نظریه کنترل مدرن پیشنهاد شد ،‌طرح استدلالی نامشخص بر اساس مدل ریاضی فرآیند نیست . کنترل کننده با استفاده از استدلال نامشخص ،‌استدلال بشری را به تحقق می رساند که در زبانی استدلالی و نامشخص برنامه ریزی شده است.
جالب توجه است که موفقیت کنترل استدلالی نامشخص بطور عمده از طریق آگاهی برای بسیاری از کاربردهای صنعتی صورت می گیرد. علاقه های صنایع در کنترل عقل و شعور نامشخص ( Fuzy ) بعنوان مبحث کنترل نوعی اگاهی از افزایش اهمیت آن بوسیله جامعه آکادمیک ایجاد کرده است. شروع آن در اوایل دهه ۹۰ ، با آزمایشگاه تحقیقاتی کنترل کاربرد صورت گرفت که در دانشگاه ایالت کلولند بود ، و به وسیله شرکای صنعتی ، که یک برنامه تحقیقاتی در حال بررسی نقش استدلال نامشخص در کنترل صنعتی داشتند حمایت می شد . سئوال نخست این بود . کنترل استدلالی نامشخص چه کاری انجام می دهد که کنترل معمولی نمی تواند انجام دهد ؟
نتایج تحقیقات در آخرین سالها در [A] گزارش شده است.
در این مقاله ، ما توجهمان را روی کنترل استدلالی نامشخص بعنوان یک استراتژی کنترل جایگزین برای روش (PID) انتگرال خارج شده فعلی که بطور گسترده در صنعت بکار می رود متمرکز می سازیم یک کاربرد کنترل دمای عمومی را که در تصویر ۱ نشان داده شده است در نظر گیرید:

تصویر ۱ : یک مسئله کنترل دمای صنعتی معمولی

دما با یک حسگر مناسب مثل ترموکوپل ها ،‌ابزار آلات گرمایی مقاوم ( RTD ) و ترمیستورها و غیره محاسبه می شود و به یک سیگنال قابل قبول برای کنترل کننده تبدیل می شود . کنترل کننده سیگنال دما را با دمای نقطه دلخواه مقایسه کرده و عامل کنترل را فعال می کند . عامل کنترل جایگزین متغیر تحت نفوذ شده و کمیت مقدار گرمای اضافه شده به فرآیند را تغییر می دهد . کنترل کننده هدفمند دما را قانونمند می سازد همانطور که دما تا حد ممکن به استاندارد اصلی نزدیک است .
برای آزمایش الگوریتم های کنترل استدلالی جدید نامشخص ، دو فرآیند اصلی دما در این تحقیق بکار رفته است . یک فرآیند از آب گرم و سرد بعنوان متغیر تحت نفوذ و یک شیرفلکه بعنوان عامل کنترل کننده استفاده می کند ،‌فرآیند دیگر از الکتریسیته بعنوان منبع نیروی حرارتی استفاده می کند و با یک رله ( باز پخش ) حالت جامد ( SSR ) فعال می شود الگوریتم های جدید بطور گسترده در هر دو آزمایشهای سخت افزار و شبیه سازی شده مورد بررسی قرار می گیرند.

A : تحریک :

اخیراً : کنترل PID کلاسیک ( انتگرال ، تناسب ( نسبت ) ، اقتباسی و مشتق ) بطور گسترده با یافته های متقابل بر اساس توده جرم گرمایی و نقطه مشخص دما به کار می رود . تجهیزات دارای قابلیتهای گرمایی عمده نیاز به افزایش متفاوت PID دارد به نسبت تجهیزات دارای قابلیتهای گرمایی کم ( ناچیز ) علاوه بر این ، عملکرد دستگاه در مورد رشته های گسترده دما ها( تا ‌) برای مثال ،‌نیاز به بهبود در انتهای بالا و پایین دما برای جلوگیری از بالا رفتن یا نوسانات دما دارد . این نکته مهم و ضروری است . از اینرو حتی در بالا بردن مختصر دما می تواند دردسر ساز بوده و برای پایین بردن دما و کنترل دما در سطح پایین پر هزینه باشد.
عموماً ،‌تنظیم مقادیر ثابت نسبت ، انتگرال و اقتباسی ( مشتق ) برای فرآیند کنترل دمای بالا پر هزینه و وقت گیر هستند . این وظیفه سنگین مشکل تر می شود. وقتی مقادیر ثابت PID نادرست گاهی اوقات وارد مسئله می شوند از طریق کمبود درک فرآیند کنترل دما این مسئله ایجاد می شود. مشکل مربوطه در برخورد با چنین مسائلی با متغیر زمان پیچیده تر و مشکل می شود و تاخیرات زمانی که در چنین سیستم هایی وجود دارد متغیرهای تولید ، توسعه تولید جدید و محدودیتهای فیزیکی ، حس گر دمای RTD را در وضعیتهای مختلف ، از جمله تاخیرات زمانی متغیر در سیستم قرار می دهد . همچنین این امر شناخته شده است که کنترل کننده های PID نحوه اجرای ضعیفی را به نمایش می گذارند وقتی برای سیستم های دارای غیر خطی ( طولی ) ناشناخته مثل محدوده های اشباع شده از بین رفته و هیستریس به کار می رود. قبلاً‌دانستید که بسیاری از فرآیندهای کنترل دما غیر خطی هستند . برابری افزایش ورودی گرما ،‌برای مثال لازم نیست باعث افزایش مساوی دما در بسیاری از فرآیند شود . که پدیده ای معمولی از سیستم های غیر طولی است .
پیچیدگی یا دشواری این مسائل و مشکلات در تحقق کنترل کنندگان مرسوم ( معمولی ) برای حذف متغیرها در تنظیم کننده PID ما را به حرکت وا می دارند تا تکنیکهای کنترل عالی بررسی نمائیم مثل استدلال نامشخص بعنوان یک راه حل برای کنترل نمودن سیستم ها که در زمان فرآیندهای خود تنظیم گر و غیر خطی و وقت گیر نیاز به توجه دارند .

B.مسئله تاخیر زمانی و راه حلهای موجود :

برای بررسی مسئله کنترل دما با استفاده از تکنیکهای کنترل یک نمودار بسته ساده شده ،‌در تصویر ۲ بجای تصویر یا نمودار ۱ بکار برده شده است ،‌در اینجا ( S )C نشان دهنده کنترل کننده و دستگاهی است با یک تاخیر زمانی خالص این نکته شناخته شده است که تاخیر زمانی حلقه های دما را به سختی تنظیم می کند . مسئله تاخیر زمانی ممکن است به وسیله تاخیرات کوچک و بزرگ مشخص شود. سیستم غیر متغیر زمان خطی ( طولی ) دارای تاخیر زمانی مشخص است که می تواند بصورت ساخته شود، در اینجا G(S)یک نقش انتقالی استدلالی سات در S . توجه داشته باشید که تاخیر وابسته به یک تعویض فاز از ، است که نشان دهنده فرکانس یا موج است (تعداد ) . فاز کوچک بطور مکرر ( در فرکانسهایی ) تغییر می کند که ممکن است بصورت نامرتب بررسی شده و در طرح آزاد تاخیر زمانی با اختلاف فاز موثر همراه می شود. یک تاخیر زمانی عمده به صورتی طبقه بندی می شود که کنارها یا اختلافات فاز را به نقطه ای تغییر دهد که روشهای طرح آزاد تاخیر زمان کافی نخواهد بود.

تعدادی از فهرست های پیش بینی کننده و فعال کننده تاخیر زمانی توسعه یافته اند و یا با تغییرات ( بهسازی ) همانطور که در تصویر [۷-۱۲] نمایش داده شده تقویت می شوند . نحوه اجرای پیش بینی کننده اسمیت ( SPC ) بطور آزمایشی در [۸] بررسی شد . و آن نشان می دهد که سیستم خوب اجرا می کند اگر مدل فرایند فعال شود ، اما نحوه اجرا به سرعت با پارامترهای نادرست فرآیند و تاخیر زمانی کاهش می یابد . بوضوح برای یک تاخیر زمانی متغیر و ناشناخته ، دستگاه ترمیم یا جبران پیش بینی شده اسمیت یک تکنیک عملی و قابل اجرا نبود.
چندین روش طرح کنترل برای سیستم های دارای تاخیر زمانی مختلف در نوشته های اخیر ظاهر شده اند که شامل یک روش خود تنظیم گر و ارزیابی می شود که توسط برون و هریس [۱۰] پیشنهاد شد . یک کنترل کننده ساختار و متغیر توسط شو ، و ، ‌یان [۱۱] و یک روش کسب مرجع مدل توسط لیو و وانگ [۶] ارائه شد.
برای سیستم های دارای تاخیرات زمانی زیاد ،‌اکثر روشهای طراحی یک مکانیزم پیش بینی کننده را به عنوان بخشی از کنترل کننده به کار می رود که فرآیند را برای شاخص ها و تاخیرات زمانی در سیستم ارائه شده شبیه سازی می نماید. در پیش بینی کننده معروف اسمیت [۷] ورودی کنترل کننده از طریق مدلهای فرآیند با تاخیر زمانی و فرآیند بدون تاخیر زمانی بطور متناوب تامین می شود. اختلاف سیگنال ها یا علائم خروجی به خروجی دستگاه افزوده می شود. و سپس به کنترل کننده بر می گردد ،‌ به این ترتیب اجازه می دهد کنترل کننده با پیش بینی خروجی دستگاه عمل کند . با استفاده از این تکنیک جبران کننده تاخیر زمانی در مورد دستگاه دارای نظم ساده اولین با یک کنترل کننده PID استاندارد صنعتی مثل کنترل کننده حلقه ای ساده Infi-qo بیلی هنوز یک وظیفه ساده نیست . شاخص های پیش بینی کننده شامل دسترسی به دستگاه ، مقدار زمان ثابت ، و تاخیر زمانی ، علاوه بر سه پارامترPID هستند که باید تعیین شوند . این ۶ پارامتر در یک جبران کننده پیش بینی شده بکار می روند که پیچیدگی وتنظیم را حتی در ساده ترین دستگاهها افزایش می دهد . پیچیدگی افزوده شده پیش بینی کننده اسمیت دلیل اصلی در مورد این موضوع است که صنعت هنوز کنترل غیر قابل پیش بینی PI,PID را برای زمان تاخیر یافته با استفاده از روش های تنظیم مثل روش زیلگر – نیکل به کار می برد.

C : کنترل استدلالی نامشخص :

کنترل مبهم یا نامعلوم یک جایگزین عملی برای روشهای کنترل معمولی است وقتی سیستم ها بعضی از مشخصات عملی عمومی را دنبال می کنند و فهم فرآیند با جزئیات آن ناشناخته بوه یا مدلهای سیستم قدیمی پیچیده می شوند . [۶] قابلیت کسب کیفی علامتها در یک سیستم کنترل بر پایه پدیده قابل مشاهده یک ویژگی اصلی از کنترل نامشخص است . این جنبه های کنترل نامعلوم در متون تحقیقاتی مختلف نشان داده شده اند تصویر [۱۹,۱۸,۱۵,۱۳] را مشاهده کنید و محصولات تجاری فروشندگان مثل آمرون و وابستگی الکتریکی شامل این گروهند . توانایی استدلال نامشخص برای کسب فعالیتهای کیفی سیستم ، و نحوه اجرای این نظریه کیفی در وضعیت زمانی واقعی مشخصه جذابی برای سیستم های کنترل دما می باشد.
البته ، کنترل استدلالی نامشخص محدودیتهای خاص خودش را دارد. بررسی تحلیل گرانه استدلال نامشخص هنوز ، اجرا یا تحقق خود را دنبال کره و کار بیشتر هنوز در راس امور قرار دارد ، بویژه در محدوده بررسی اجرائی و ثبات . علاوه بر این ، بعنوان راه حلهایی برای مسائل عملی ، طرح کنترل استدلالی نامشخص مسئله ای وابسته و اتخاذ شده است از یک کنترل کننده استدلالی نامشخص موجود با یک مسئله کنترل مختلف که مستقیم نیست یعنی آسان و قابل فهم نیست. ابزار آلات طرح متغیر یا متغیر طرح ابزار ،‌مثل جعبه ابزار نامشخص که بوسیله گروه ریاضی تهیه شد ، عموماً نیاز به تقویت و اصطلاحاتی دارد قبل از اینکه آنها توسط مهندسین کنترل پذیرفته شوند.
در این مقاله ، اعتبار کنترل استدلالی نامشخص بعنوان یک روش جایگزین درکاربردهای کنترل دما بررسی می شود .

نرم افزار شبیه سازی

FLC در بالا توسعه یافته است که برای سیستم کنترل دمای مخزن شبیه سازی می شود. و در نمودار ۵ نشان داده شده است . دمای مایع داخل مخزن با اندازه های حرکتی ثابت داخلی و خارجی با تنظیم دمای مایع به دست آمده کنترل می شوند.
دمای به دست آمده مایع با یک شیرفلکه ترکیبی از دو نوع که محدوده مایع سرد و گرم را در خط ذخیره به تانک کنترل می کند ، تعیین می شود . فاصله بین شیر ترکیبی و خط ذخیره یا تامین به تانک ،‌نحوه انتقال مواد کلاسیک به لوله ها را نشان می دهد . فشار یا دمای سیالات یا مایعات با تاخیر ( فوت وقت ) تحت تاثیر قرار می گیرد . شکل۵:مخزن کنترل دما

نقش انتقالی برای مخزن کنترل دما در تصویر ۵ به این صورت است . ( ۲ )

در اینجا : دمای مخزن دما در ورودی ترکیبی شیر فلکه : و = زمان تاخیر یا تلف شده برای انتقال مواد در لوله است . اندازه حرکت جرم یا توده و m = جرم مایع داخل مخزن می باشد . اکثر جزئیات این مسئله می تواند در [۲۲] مشاهده شود.

A : نتایج شبیه سازی ( تقلید ) :

FLC برای دستگاهی بکار می رود که در معادله (۲) با a=1 تعریف شده با در نظر گرفتن ورودیهای ذخیره گرم و سرد به شیر فلکه ترکیبی در یک فشار ثابت ،‌ زمان تاخیر یا تلف شده از انتقال مواد ثابت خواهد بود و اگر فشار ذخیره گرم و سرد متفاوت است ، زمان صرف شده انتقال یا / انجام کار مختلف خواهد بود . جنبه های تاخیر زمان متغیر در این سیستم در شبیه سازهای زیر بررسی می شود.
نتایج شبیه سازی با استفاده از یک خط کشی FLC 18 ، به دست آمده اند و خطوط مدرج تصویر ۱ استراتژی یا رویکرد کنترل را نشان می دهد و ۶ سطح دیگر مدرج در نمودار ۲ نقش عضویت خروجی کنترل را بر اساس نحوه اجرای سیستم تنظیم می کند . برای مقایسه اهداف ،‌ طرحهای شبیه سازی شه یا مشابه شامل یک کنترل کننده PID معمولی ،‌یک پیش بینی کنترل اسمیت ( SPC ) ، الگوریتم نامشخص می باشد . FLC,SPC,PID روی دستگاه با یک تاخیر ۱۰ ثانیه ای تنظیم می شود با پاسخی که در قسمت فوقانی نمودار ۶ نشان داده شده است. همانطور که انتظار می رود ، SPC دارای سریعترین واکنش یا پاسخ در حضور یک مدل دستگاه دقیق و تاخیر زمان شناخته شده می باشد اما FLC,PID اجرای خوبی را در مراحل افزایش زمان و با وجود یک مکانیزم پیش بینی شده فراهم می کند . قسمت میانی و انتهای طرح نمودار ۶ نشان می دهد که چگونه کنترل کننده ها بعنوان سیستم دقیق تاخیر زمان عمل می کنند یا واکنش نشان می دهند و با استفاده از تنظیم کنترل کننده ها از تاخیر ۱۰ ثانیه ای افزایش می یابند . الگوریتم FLC به سرعت با اتلاف وقت طولانی تر اخذ می شود و پاسخی ثابت را ایجاد می کند در حالیکه کنترل کننده PID سیستمی غیر ثابت را ایجاد کرده و نوسانات SPC در اطراف شیر فلکه پایانی یا انتهایی از طریق خطای بدون مقایسه ایجاد شده بوسیله پارامتر تاخیر زمان نادرست که در مدل دستگاه بکار رفته است را خارج می کند .
از این دستگاههای مشابه ، بوضوح ، SPC بهترین پاسخ را با یک مدل دقیق در دستگاه و تاخیر زمان ایجاد و فراهم می کند . با وجود یک تاخیر زمانی مختلف یا ناشناخته ،‌FLC را پیشنهاد می کنیم که نشان دهنده تقویت و بهسازی در نحوه اجرا بوده و ثبات و دوام را در مورد روشهای استاندارد SPC,PID ارائه می دهد.

مقدمه:

 مفاهیم نادقیق بسیاری در پیرامون ما وجود دارند که آنها را  به صورت روزمره در قالب عبارتهای مختلف بیان می کنیم . به این جمله دقت کنید: ” هوا خوب است.” هیچ کمیتی برای خوب بودن هوا مطرح نیست تا آن را اندازه بگیریم بلکه این یک حس کیفی است.  در واقع مغز انسان با در نظر گرفتن فاکتور های مختلف و بر اساس تفکر استنتاجی جملات را تعریف و ارزش گذاری می نماید که مدل سازی آنها به زبان  و فرمولهای ریاضی اگر غیر ممکن نباشد کاری بسیار پیچیده خواهد بود.منطق فازی تکنولوژی جدیدی است که شیوه هایی را که بر ای طراحی و مدل سازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته است، با استفاده از مقادیر زبانی و دانش فرد خبره جایگزین می سازد.

 منطق فازی:

اگر از ما پرسیده شود منطق فازی چیست شاید ساده ترین پاسخ بر اساس شنیده ها این باشد که Fuzzy Logic یا Fuzzy Theory یک نوع منطق است که روش های نتیجه گیری در مغز بشر را جایگزین می کند.مفهوم منطق فازی توسط دکتر لطفی زاده ، پروفسور دانشگاه کالیفورنیا در برکلی، ارائه گردید و نه تنهابه عنوان متدولوژی کنترل ارائه شد بلکه راهی برای پردازش داده ها، بر مبنای مجاز کردن عضویت گروهی کوچک به جای عضویت گروهی دسته ای ارائه کرد.به جهت نارسا ونا بسنده بودن قابلیت کامپیوتر های ابتدایی تا دهه ۷۰ این تئوری در سیستم های کنترلی به کار برده نشد.

پروفسور لطفی زاده اینطور استدلال کرد که بشر به ورودیهای اطلاعاتی دقیق نیازی ندارد بلکه قادر است تا کنترل تطبیقی را به صورت بالایی  انجام دهد.پس اگر ماکنترل کننده های فیدبک را در سیستم ها طوری طراحی کنیم که بتواند داده های مبهم را دریافت کند، این داده ها میتوانند به طور ساده تر و موثرتری در اجرا به کار برده شوند.

باین  تعاریف منطق فازی دارای این قدرت است که در تنظیم سیستم ها از میکرو کنترلهای ساده وکوچک و جاسازی شده گرفته تا PC های چند کاناله شبکه شده بزرگ یاسیستم های کنترلی به کار برده شود.این منطق دارای قدرت اجرایی در سخت افزار ،نرم افزار یا ترکیبی از هر دوی اینهاست.در واقع   منطق فازی راه ساده ای را برای رسیدن به یک نتیجه قطعی و معین بر پایه اطلاعات ورودی ناقص ، خطا دار، مبهم ودوپهلو فراهم میکند.منطق فازی یک قانون ساده بر مبنای

 

IF  x  And  y THEN  z ”

را بیان میکند.

به عنوان مثال به جای برخورد با اصطلاحاتی نظیر “SP=500F” ،”۲۱۰<TEMP<220″ ،”T<1000F” ، اصطلاحاتی نظیر

 

IF (process is too cool) AND (process is getting colder) THEN

(Add heat to the process) ”

 

Or  

 

IF (process is too hot) AND (process is heating rapidly) THEN

(Cool the process quickly)”

به کار برده شود.

درست مثل کاری که در هنگام دوش گرفتن انجام می دهیم: در صورتی که آب خیلی سرد یا خیلی گرم باشد  بدون اینکه از درجه دقیق آب اطلاعی داشته باشیم تنها بر اساس پردازش انجام شده در مغز به کمک دریافت دمای هوا  از طریق حسگرهای پوست با کمی سختی کشیدن آب را به سرعت به دمای دلخواه در می آوریم یا آنکه میتوانیم در یک اتاق به اشیاءگوناگونی نگاه کنیم وتصمیم بگیریم کدامیک بیشتر شبیه صندلی است ویا به مردم نگاه کنیم و بگوییم کدامیک شبیهJohn Wayne ویا کدامیک بیشتر شبیه گاندی است.منطق فازی قادر به تقلید اینگونه رفتارها  اما با سرعت بسیار بالایی است.از طرفی باید به این نکته هم توجه کنیم که تمامی سیستم های طبقه بندی ساخته ذهن انسان هستند و برچسب درست تا زمانی به یک سیستم طبقه بندی نسبت داده میشود که سیستم کنترلی دیگر آن را رد نکند مثلا در تئوری نسبیت دیگر درست نیست بگوییم زمین دور خورشید میگردد پس خورشید هم دور زمین می گردد! یا به عنوان مثال دیگر، کشف موجودی عجیب در استرالیا  که پلاتی پوس نامیده می شودو بر خلاف پستانداران دیگر همانند خزندگان تخم میگذارد و جوجه های جوان را شیر می دهد!  با این تعاریف می توان گفت که منطق فازی یک تکنولوژی کنترلی بسیار قدرتمند است که به جای ساختن یک حصار در اطراف یک طبقه بندی سعی دارد آن را به گونه ای توصیف کند که به ایده نزدیک تر است.

متغیر های زبان شناختی :

 در زندگی روزمره ،کلماتی را به کار می بریم که اغلب برای توصیف متغییر ها استفاده می شوند. به عنوان مثال هنگامیکه می گوییم ” امروز سرد است ”  یا  “دمای هوا امروز پایین است ”  از واژه ” پایین ” برای توصیف ” دمای هوای امروز ”  استفاده کرده ایم به این معنی که متغیر دمای هوای امروز واژه “پایین” را به عنوان مقدار خود پذیرفته است.واضح است که متغیر ” دمای هوای امروز ” میتواند مقادیری نظیر˚۳،˚۱۰-،˚۸-،˚۲۴و… را اختیار کند.هنگامیکه یک متغیر ، اعداد را به عنوان مقدار بپذیرد ما یک چهارچوب ریاضی مشخص برای فرموله کردن آن داریم اما هنگامیکه متغیر واژه ها را به عنوان مقدار میگیرد در آن صورت چهارچوب مشخص برای فرموله کردن آن درتئوری  ریاضیات کلاسیک نداریم. در واقع در سیستم های عملی اطلاعات مهم از دو منبع سرچشمه می گیرند : یکی از منابع افراد خبره که دانش و آگاهیشان را دردر مورد سیستم با زبان طبیعی  تعریف میکنند و منبع  دیگر اندازه گیری ها و مدل های ریاضی هستند  که   از قواعد  فیزیکی  مشتق شده اند  .بنابر این یک مساله  مهم  ترکیب این دو نوع اطلاعات در طراحی سیستم هاست. برای  انجام این ترکیب  سوال  کلیدی  این است  که چگونه  می توانیم  دانش بشری را به یک فرمول ریاضی تبدیل کنیم ؟

برای اینکه چنین چهارچوبی به دست آوریم مفهوم متغیر های زبانی تعریف شده است. در صحبت های عامیانه  اگر یک متغیر بتواند واژه هایی از زبان طبیعی را به عنوان   مقدار بپذیرد یک متغیر زبان شناختی نامیده میشود. برای فرموله کردن واژه ها  در گزاره های ریاضی از مجموعه های فازی برای مشخص کردن واژه ها استفاده میکنیم و تعریف میکنیم: ” اگر یک متغیر بتواند  واژه هایی از زبان طبیعی را به عنوان مقدار خود بپذیرد  آنگاه متغیر زبان شناختی نامیده میشود که واژه ها بوسیله مجموعه های فازی در محدوده ای که  متغیر ها تعریف شده اند مشخص می گردد . ” پروفسور لطفی زاده در سال ۱۹۷۳ مفهوم زبان شناختی یا متغیر های فازی را ارائه داد .در واقع یکی از ویژگی های منطق فازی در استفاده از ساختار  قانون پایه  منطق   فازی است که در طی آن مسائل کنترلی به یک سری قوانین  IF x And Y THEN z تبدیل میشوند که پاسخ گوی خروجی مطلوب سیستم برای شرایط ورودی داده شده به سیستم می باشد. این قوانین ساده و آشکار برای توصیف پاسخ دهی مطلوب سیستم با اصطلاحاتی از متغییر های زبان شناختی به جای فرمول های ریاضی  استفاده می شوند.

نکته جالب اینجاست که اگرچه سیستم های فازی پدیده های غیر قطعی و نامشخص را توصیف می کند با این حال تئوری فازی یک تئوری دقیق می باشد.  

 

 

اجزای ابتدایی و اصول اولیه  تئوری مجموعه فازی :

 در قسمتFuzzier یا مبدل فازی ، متغییر های با مقادیر حقیقی به یک مجموعه فازی تبدیل شده از طریق ماشین رابط فازی و قوانین پایه نتایج به قسمت غیر فازی ساز یا Defuzzier  منتقل شده که یک مجموعه فازی را به یک متغیر با مقدار حقیقی تبدیل می کند.به بیان دیگر اطلاعات ورودی  اغلب مقادیری پیچیده اند واین اعدادبه مجموعه های فازی تبدیل می گردند.مدل ها بر اساس منطق فازی شامل قوانین  اگر ،آنگاه تفسیر می گردند. حقیقت آن است که بعد از عبارت اگریک منطق مقدم بیان می گردد و بر اساس آن ما حقیقت دیگر را مورد بررسی قرار می دهیم که بعد ا زآنگاه می ایدو در آن نتیجه کار توضیح داده می شود.در واقع منطق فازی  تجربه و دانش انسانی را به صورت ترکیبی از اعداد در مقابل وی قرار می دهد و او را قادر می سازد تا تصمیمی بر اساس ریاضیات و منطق بگیرد.

نتیجه:

در پاسخ به چیستی منطق فازی  یا منطق نادقیق شاید ساده ترین پاسخ بر اساس شنیده ها این باشد که Fuzzy Logic یا Fuzzy Theory یک نوع منطق  برنامه نویسی است که روش های نتیجه گیری در مغز بشر را جایگزین می کند.منطق فازی در واقع با استفاده از مجموعه ای از معلومات نادقیق که با الفظ و جملات زبانی تعریف شده اندبه دنبال  استخراج نتایج دقیق است .

منطق فازی تکنولوژی جدیدی است که شیوه های مرسوم برای طراحی ومدل سازی یک سیستم را که نیازمند ریاضیات پیشرفته  و نسبتا پیچید ه است  با استفاده از مقادیر و شرایط زبانی و یا به  عبارتی دانش فرد خبره ،  و با هدف ساده سازی وکارامد تر شدن طراحی سیستم جایگزین و یا تا حدود زیادی تکمیل می نماید.

علیرغم اینکه منطق فازی بر پایه ریاضیات پیشرفته و پیچیده قرار دارد یادگیری آن بسیار آسان است.از نظر تئو ری هر سیستمی که توسط منطق فازی طراحی شده باشد  توسط  سایر تکنیک های پیاده سازی مرسوم نیز قابل پیاده سازی است اما ممکن است این شیوه ها نسبت به منطق فازی پیچیده ومشکل تر باشند.

 

کاربرد فازی در پزشکی

 

تشخیص بیماریها در طبقات مختلف قرار می گیرد یک بیماری ساده ممکن است بروزش کاملا متفاوت باشد و به بیمار بستگی داشته باشد یک نشانه ممکن است به خیلی بیماریها نسبت داده شود از طرف دیگر بیماریهای مختلف ممکن است در بیمار طوری بروز کند که با بیماریهای دیگر اشتباه گرفته شود

به واژه تو سلامت هستی توجه کنید . آیا این درست است اگر که فقط یک ناخن شکسته داشته باشی وآیا این غلط است اگر تو سرطان داشته باشی ؟

 

مواردی از کاربرد منطق فازی در پزشکی:

  • پیش بینی پاسخ در درمان بیماریهایی که وابسته به الکل است
  • تجزیه و تحلیل بیماریهای دیابتی
  • برای تعیین میزان لیتیوم
  • محاسبه حجمهای بافتهای مغز از تصاویر MRI و تجزیه داده های آن
  • بررسی سکته ها
  • کنترل هایپرتنش در طول بیهوشی
  • تعیین تکنیکهای اصلاح تاندون
  • آشکار سازی سرطان سینه ، سرطان ریه و سرطان پروستات
  • تشخیص نوع زخهای پوستی
  • بخش بندی تصاویر مغز با طبقه بندی کننده های فازی