DE4336921C2 - Verfahren und Vorrichtung zur automatischen Schlußfolgerung (Inferenz) für regelbasierte Fuzzy-Systeme - Google Patents
Verfahren und Vorrichtung zur automatischen Schlußfolgerung (Inferenz) für regelbasierte Fuzzy-SystemeInfo
- Publication number
- DE4336921C2 DE4336921C2 DE4336921A DE4336921A DE4336921C2 DE 4336921 C2 DE4336921 C2 DE 4336921C2 DE 4336921 A DE4336921 A DE 4336921A DE 4336921 A DE4336921 A DE 4336921A DE 4336921 C2 DE4336921 C2 DE 4336921C2
- Authority
- DE
- Germany
- Prior art keywords
- rule
- rule base
- values
- error
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/026—Development tools for entering the parameters of a fuzzy system
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Feedback Control In General (AREA)
Description
Die Erfindung betrifft ein Verfahren zur automatischen Schlußfolgerung für
regelbasierte Fuzzy-Systeme, das transparenter als die bekannten Verfahren ist und die
Erkennung von Inkonsistenzen ermöglicht, sowie dafür ausgebildete Vorrichtungen.
In der Automatisierungstechnik bezeichnet der Begriff Fuzzy Control eine auf der
Theorie der unscharfen Mengen beruhende Vorgehensweise, die die Möglichkeit bietet,
Prozeßwissen, das in Form linguistischer WENN-DANN-Regeln verfügbar ist, in ein
Regel-, Steuer- oder Überwachungssystem einzubringen. Diese Systeme ordnen ihren
Ausgängen Werte zu, die von ihren Eingangsgrößen, den WENN-DANN-Regeln sowie
dem Entwurfsverfahren abhängen. Die Bestimmung der Ausgangswerte erfolgt dabei in
den Schritten Fuzzifizierung, Inferenz und Defuzzifizierung (siehe [1], oder z. B. US 5 214 773). Die Inferenz dient zur
Abarbeitung der WENN-DANN-Regeln und besteht aus den Teilschritten Aggregation
(Auswertung der WENN-Teile der Regeln), Inferenzkern (eigentliches Schließen) und
Akkumulation (Regelzusammenführung). Für den Inferenzkern und die Defuzzifizie
rung sind nach dem Stand der Technik verschiedene Verfahren bekannt, siehe [1]. Diese
Verfahren beeinflussen einerseits das Übertragungsverhalten des Fuzzy Controllers,
andererseits aus ingenieurmäßiger Sicht aber auch die Transparenz und Systematik des
Entwurfes.
Bei Fuzzy Control kommt der Forderung, daß der Entwurfsvorgang für den Anwender
transparent ist, d. h. daß der Anwender aus Ergebnissen und Zwischenergebnissen an
schaulich nachvollziehen kann, wie diese zustandegekommen sind und welche Bedeu
tung im Sinne der Ausgabenstellung diesen zugrundeliegt, eine große Bedeutung zu.
Diese Transparenz trägt zur Überschaubarkeit und zur Systematisierung des Entwurfes
bei und erleichtert die Fehlersuche sowie die sukzessive Verbesserung der dynamischen
Eigenschaften des Controllers. In der vorliegenden Beschreibung wird das auf der
Erfindung beruhende Verfahren erläutert, das gegenüber den bekannten Verfahren eine
höhere Transparenz erreicht und dadurch sowie durch weitere Leistungsmerkmale über
den Stand der Technik hinausgeht.
Bei der Beschreibung des Verfahrens wird ein Fuzzy-System mit p Eingangsvariablen
und N Produktionsregeln der Form
WENN "Vorbedingung i", DANN "Schlußfolgerung i", i=1 . . . N,
sowie einer Ausgangsvariablen a zugrundegelegt. Die Betrachtung nur einer Ausgangs
variablen dient der Übersichtlichkeit und bedeutet keine Beschränkung der Allgemein
heit. Im Falle mehrerer Ausgangsvariablen können die Produktionsregeln, die jeweils
eine Ausgangsvariable betreffen, separat betrachtet werden. Die prinzipielle Vorge
hensweise ändert sich hierdurch nicht. Ferner seien für die Ausgangsvariable a insge
samt M linguistische Werte durch die Zugehörigkeitsfunktionen mj(a), j=1 . . . M, defi
niert.
Die Fuzzifizierung und die Aggregation können nach den bekannten Methoden durchge
führt werden [1]. Die Ergebnisse hiervon geben den Grad mWi, 1=1 . . . N, an, zu dem die
Vorbedingungen der N Produktionsregeln erfüllt sind.
Für jede Produktionsregel wird im Schritt des Inferenzkerns eine Einzelfehlerfunktion
ei(a), i=1 . . . N, gebildet. Sie bewertet die Werte der Ausgangsvariablen a hinsichtlich de
ren Eignung als resultierender Ausgangswert, gibt also an, welche Ausgangswerte die
betrachtete Regel favorisiert.
Die Einzelfehlerfunktion ist ein Fuzzy Set, wobei der Zugehörigkeitsgrad eines Werts
zu der durch die Einzelfehlerfunktion gebildeten unscharfen Menge "Fehler bezüglich
der i-ten Produktionsregel" um so kleiner ist, je besser die Eignung des Werts als Aus
gangswert ist. Somit besitzen die Werte a, die von der betreffenden Regel als am geeig
netsten bewertet werden, den kleinsten Funktionswert.
Nach [2] kann die Semantik einer WENN-DANN-Regel gemäß dem generalisierten
Modus Ponens wie folgt charakterisiert werden:
- - je größer der Erfülltheitsgrad der Vorbedingung ist, um so sicherer ist die Schlußfol gerung,
- - bei vollständig nicht erfüllter Vorbedingung ist die Unsicherheit maximal, es ist keine Schlußfolgerung mehr möglich.
Gemäß diesem generalisierten Modus Ponens kann die Einzelfehlerfunktion definiert
werden als der mit dem Erfülltheitsgrad mWi der Vorbedingung gewichtete Betrag der
Differenz aus dem Erfülltheitsgrad mWi und der betreffenden Zugehörigkeitsfunktion
mi(a):
ei(a) = mWi · |mWi - mi(a)|. (1)
Die Gewichtung in Gl. (1) mit dem Faktor mWi kann als UND-Verknüpfung mittels des
Produktoperators interpretiert werden. Alternativ zu Gl. (1) kann auch der Minimum-
Operator zu dieser UND-Verknüpfung herangezogen werden. In diesem Fall erhält man
die Einzelfehlerfunktion zu
ei(a) = min (mWi, |mWi - mi(a)|). (2)
Durch die beiden Definitionen in Gl. (1) und (2) wird erreicht, daß eine Produktionsre
gel mit nichterfüllter Vorbedingung (mWi=0) später nicht zur Entscheidungsfindung
beiträgt. Die Einzelfehlerfunktion besitzt dann nämlich für alle a den Wert Null, wo
durch kein spezielles a favorisiert wird. Der Betrag |mWi - mi(a)| stellt sicher, daß die
Einzelfehlerfunktion für diejenigen Werte der Ausgangsvariablen a verschwindet, für
die die Zugehörigkeitsfunktion mi(a) gleich dem Erfülltheitsgrad der Vorbedingung ist.
In einer Verallgemeinerung kann eine Regelgewichtung gi eingeführt werden:
ei(a) = gWi · mWi · |mWi - mi(a)| (3)
bzw.
ei(a) = gi · min (mWi, |mWi - mi(a)|). (4)
Dabei ist gi ein der i-ten Produktionsregel zugeordneter Gewichtungsfaktor. Er gibt an,
mit welcher Sicherheit die betreffende Regel überhaupt gültig ist. Ist gi=0, so geht die
betreffende Regel überhaupt nicht in die Entscheidungsfindung ein, ist gi=1, geht die
Regel voll ein.
Die Bildung der insgesamt N Einzelfunktionen stellt den Interferenzkern dar. Nor
malerweise wird man dazu Gl. (3) oder (4) heranziehen, da diese den generalisierten
Modus Ponens berücksichtigen. Es kann in bestimmten technischen Anwendungsfällen
jedoch auch sinnvoll sein, die Forderung des Modus Ponens fallenzulassen, daß bei
Nichterfülltheit der Vorbedingung keine Schlußfolgerung mehr gezogen werden darf.
Schließt man bei vollständiger Nichterfülltheit der Vorbedingung auch auf die voll
ständige Nichterfülltheit der Schlußfolgerung, so kann die allgemeine Einzelfehler
funktion
ei(a) = gi · |mWi - mi(a)|. (5)
gebildet werden. Die Zulässigkeit dieser Implikationsvorschrift muß dabei durch das
Expertenwissen sichergestellt sein.
Die Abarbeitung des Inferenzkerns durch Bildung der Einzelfehlerfunktionen mit Hilfe
einer der Gln. (1) bis (5) ist nicht naheliegend und weicht deutlich von den bekannten
Verfahren [1] ab. Die Ansprüche 5 und 6 betreffen diese Bildung der Einzelfehlerfunk
tionen.
Im folgenden wird durch das Beispiel in Fig. 1 die Bestimmung der Einzelfehlerfunk
tion ei(a) nach Gl. (3) für gi=1 verdeutlicht. Im oberen Teil von Fig. 1 ist eine drei
eckförmige Zugehörigkeitsfunktion mi(a) dargestellt. Die Vorbedingung der betref
fenden Produktionsregel sei zum Grad mWi erfüllt. Im unteren Teil von Fig. 1 ist die
zugehörige Einzelfehlerfunktion ei(a) nach Gl. (3) aufgetragen. Man erkennt, daß diese
Einzelfehlerfunktion für diejenigen Abszissenwerten verschwindet, bei denen die Zuge
hörigkeitsfunktion mi(a) den Wert mWi annimmt. An diesen Stellen ist die Forderung
erfüllt, daß die Schlußfolgerung der Regel zum gleichen Grad erfüllt ist wie die Vorbe
dingung.
Um den Einfluß aller N Produktionsregeln berücksichtigen zu können, wird zur Akku
mulation der Regelbasisfehler
als Summe aller N Einzelfehlerfunktionen gebildet. Hierdurch tragen alle N Produk
tionsregeln gleichberechtigt gemäß dem Erfülltheitsgrad der entsprechenden Vorbedin
gungen und dem Gültigkeitsgrad der jeweiligen Regel zur Entscheidungsfindung bei.
Der Verknüpfungsoperator zur Bildung des Regelbasisfehlers ist somit ein ODER-
Operator, wobei durch dessen Realisierung durch die gewöhnliche Summe in Gl. (6)
auch Werte größer 1 auftreten können. Verwendet man als ODER-Operator nicht wie in
Gl. (6) die gewöhnliche, sondern die algebraische oder die begrenzte Summe [1], so ist
der Wert 1 die obere Schranke des Regelbasisfehlers. Für die weiteren Betrachtungen
wird die gewöhnliche Summe entsprechend Gl. (6) zugrundegelegt.
Der Regelbasisfehler kann als unnormiertes Fuzzy Set aufgefaßt werden. Er bewertet
die Eignung der Werte der Ausgangsvariablen a als resultierender Ausgangswert des
Controllers bezüglich der gesamten Regelbasis, wobei wiederum die Bewertung um so
besser ist, je kleiner der Funktionswert des Regelbasisfehlers ist. Durch diese Interpre
tierbarkeit des Regelbasisfehlers enthält dieser neben einem Mehr an Transparenz auch
deutlich mehr Information als das resultierende Fuzzy Set bei den bekannten Verfahren.
Diese Information kann gezielt zu mehreren Zwecken genutzt werden. Zum einen dient
der Regelbasisfehler als Grundlage der Defuzzifizierung, zum anderen kann aus dem
Regelbasisfehler Sekundärinformation zur Beurteilung der Vollständigkeit und
Widerspruchsfreiheit der Wissensbasis abgeleitet werden.
Da der Regelbasisfehler eRB(a) die Eignung der Werte der Ausgangsvariablen a als Aus
gangswert des Controllers beschreibt, wird derjenige Wert aR als Ausgangswert be
stimmt, bei dem der Regelbasisfehler minimal wird. Dazu wird im folgenden zunächst
vorausgesetzt, daß der Regelbasisfehler eRB(a) sein absolutes Minimum ausschließlich
an einer einzigen Stelle a=amin annimmt, d. h.
In diesem Fall wird der Regelbasisfehler eRB(a) als "eindeutig entscheidbar" bezeichnet
und der resultierende Ausgangswert aR wird bestimmt zu
aR = amin. (8)
Zur Verdeutlichung des Ablaufs der Entscheidungsfindung wird das folgende einfache
Beispiel betrachtet: Zu entwerfen sei ein Fuzzy Controller mit einer Eingangsvariablen r
und der Ausgangsvariablen a. Die Zugehörigkeitsfunktionen für die Ein- und die Aus
gangsvariable bestehen wie in Fig. 2 dargestellt aus jeweils drei Dreiecken, die die lin
guistischen Werte "klein", "mittel" und "groß" repräsentieren. Die Zugehörigkeitsfunk
tionen werden mit mklein(r), mmittel(r) und mgroß(r) für die Eingangsvariable r, sowie mit
mklein(a), mmittel(a) und mgroß(a) für die Ausgangsvariable a bezeichnet.
Ferner seien drei Produktionsregeln festgelegt:
Regel 1 (2, 3): WENN "r klein (mittel, groß)", DANN "a klein (mittel, groß)".
Der Entscheidungsablauf wird nun betrachtet für den Fall, daß der Eingangswert r=
30% ist. Aus der Auswertung der Vorbedingung der Regeln erhält man
mW1 = 0,4; mW2 = 0,6; mW3 = 0. (9)
Mit Hilfe von Gl. (1) können nun die Einzelfehlerfunktionen e₁(a), e₂(a) und e₃(a) und
nach Gl. (6) der Regelbasisfehler eRB(a) als Summe der Einzelfehlerfunktionen be
stimmt werden. Dieser ist in Fig. 3 dargestellt. Offensichtlich nimmt der Regelbasis
fehler eRB(a) in diesem Fall sein absolutes Minimum an der Stelle amin=30% an. Dieser
Wert ist gemäß Gl. (8) der Ausgangswert aR des Fuzzy Controllers. Führt man die Be
rechnung des Ausgangswerts aR nach dem angegebenen Verfahren für alle Werte der
Eingangsvariablen r im Bereich 0 . . . 100% durch, so erhält man die Übertragungskenn
linie eines P-Reglers mit der Verstärkung 1 als Ergebnis.
Die Ansprüche 9 bis 11 betreffen die Vorgehensweise, falls der Regelbasisfehler eRB(a)
nicht eindeutig entscheidbar gemäß Ungleichung (7) ist. In diesem Fall können ggf.
Rückschlüsse auf Widersprüche bzw. Inkonsistenzen der Wissensbasis gezogen werden.
Zur Überprüfung der Regelbasis auf Konsistenz ist in der Literatur [3] bereits ein
Verfahren bekannt. Dabei wird von dem Grundgedanken ausgegangen, daß zwei Regeln
dann widersprüchlich sind, wenn sie bei gleicher oder ähnlicher Prämisse verschiedene
Schlußfolgerungen aktivieren. Aus den Überlappungsgraden der
Zugehörigkeitsfunktionen der WENN-Teile sowie der DANN-Teile der Regeln wird in
[3] ausgehend von diesem Grundgedanken ein Maß für die Inkonsistenz von Regeln
abgeleitet. Dieses Verfahren hat folgende Eigenschaften:
- - es handelt es sich um ein Off-line-Verfahren, bei dem die Regeln im Off-line-Betrieb auf eine strukturelle Konsistenz untersucht werden; strukturelle Konsistenz bedeutet dabei, daß Regeln aufgrund der gewählten Zugehörigkeitsfunktionen prinzipiell konsistent sind unabhängig von den bei der On-line-Abarbeitung tatsächlich auftretenden Schlußfolgerungen in Form von scharfen Ausgangswerten; entscheidend für das Verhalten des Fuzzy Controllers sind jedoch diese tatsächlich auftretenden Ausgangswerte, da ja nur diese tatsächlich auf den zu beeinflussenden Prozeß gegeben werden. Die tatsächlich auftretenden Ausgangswerte hängen jedoch von den Eigenschaften der Operatoren zum Durchführen der Verfahrensschritte Inferenzkern, Akkumulation und Defuzzifizierung ab, die bei dem in [3] angegebenen Verfahren nicht eingehen.
- - Die Ergebnisse des in [3] angegebenen Verfahrens können ggf. irrelevant sein: Es wird durch die angegebene Vorgehensweise implizit der gesamte von den scharfen Eingangsgrößen aufgespannte Eingangsraum auf Inkonsistenzen untersucht. Da jedoch die Eingangsgrößen von Fuzzy Controllern häufig physikalisch verkoppelte Größe sind (z. B. Zustandsgrößen), können in vielen Fällen Unterräume dieses Eingangsraums überhaupt nicht von der Trajektorie, die der Eingangsvektor in Abhängigkeit von der Zeit durchläuft, erreicht werden. Sind nun Inkonsistenzen in der Regelbasis vorhanden, die diese nichterreichbaren Unterräume betreffen, dann ist das Erkennen solcher Inkonsistenzen für die tatsächliche Prozeßbeeinflussung irrelevant. Es ist hinsichtlich der Prozeßbeeinflussung nicht erforderlich, solche Inkonsistenzen zu erkennen.
Im folgenden wird nun ein neues Verfahren zur Entdeckung von Widersprüchen bzw.
Inkonsistenzen beschrieben, das sich im Ansatz, der Durchführung und in den
Ergebnissen von dem in [3] angegebenen Verfahren völlig unterscheidet. Dieses neue
Verfahren beruht auf der Auswertung des Regelbasisfehlers. Es bezieht sich damit
sowohl auf die im On-line-Betrieb tatsächlich einwirkenden Eingangsgrößen als auch
auf die tatsächlich für die Schlußfolgerungen benutzten Operatoren in den einzelnen
Verfahrensschritten. Es sind dabei folgende Fälle zu unterscheiden:
Fall 1: Das absolute Minimum des Regelbasisfehlers eRB(a) tritt nicht an einem einzel
nen Abszissenwert amin, sondern verteilt über einen zusammenhängenden Be
reich a₁aa₂ auf, wie dies exemplarisch in Fig. 4 dargestellt ist;
Fall 2: das absolute Minimum des Regelbasisfehlers eRB(a) tritt an mehreren nicht zu sammenhängenden Abszissenwerten amink, k=1 . . . K, auf, wie dies exempla risch in Fig. 5 dargestellt ist;
Fall 3: beliebige Kombinationen der Fälle 1 und 2.
Fall 2: das absolute Minimum des Regelbasisfehlers eRB(a) tritt an mehreren nicht zu sammenhängenden Abszissenwerten amink, k=1 . . . K, auf, wie dies exempla risch in Fig. 5 dargestellt ist;
Fall 3: beliebige Kombinationen der Fälle 1 und 2.
Die Ausbildung des Verlaufs des Regelbasisfehlers im Fall 1 kann verschiedene Ursa
chen haben. Dieser Fall tritt z. B. auf, wenn eine der Zugehörigkeitsfunktionen der Aus
gangsvariable a in diesem Bereich konstant den Wert 1 annimmt, während alle anderen
Zugehörigkeitsfunktionen verschwinden. In diesem Fall reicht die Überlappung der
linguistischen Werte nicht zu einer eindeutigen Bestimmung des Ausgangswerts aR aus.
Soll ausgehend von diesem Verlauf des Regelbasisfehlers eine Defuzzifizierung
durchgeführt werden, kann prinzipiell jeder der Werte von a zwischen a₁ und a₂ als
Ausgangswert aR gewählt werden, da diese Werte von a zwischen a₁ und a₂ als
Ausgangswert aR gewählt werden, da diese Werte durch den Regelbasisfehler gleich gut
bewertet sind. Durch eine Festlegung kann beispielsweise einer der Werte a₁ oder a₂
oder der arithmetische Mittelwert als Ausgangswert aR bestimmt werden. Ggf. können
in diesem Fall auch zusätzliche Kriterien zur Entscheidungsfindung herangezogen wer
den, wie z. B. eine Minimierung der Stellenergie.
Fall 2 läßt auf Widersprüche in der Regelbasis schließen, da der Regelbasisfehler meh
rere Werte gleichberechtigt als Ausgangswerte des Fuzzy Controllers vorschlägt. Dies
sei durch die Fortführung des letztgenannten Beispiels gezeigt; die Regelbasis aus die
sem Beispiel wird dazu wie folgt modifiziert:
Regel 1: WENN "r klein", DANN "a klein",
Regel 2. WENN "r mittel", DANN "a mittel",
Regel 3: WENN "r klein", DANN "a groß".
Regel 2. WENN "r mittel", DANN "a mittel",
Regel 3: WENN "r klein", DANN "a groß".
Die Regeln 1 und 3 widersprechen sich nun. Die Zugehörigkeitsfunktionen seien wei
terhin entsprechend Fig. 2 gewählt. Man erhält nun für den Eingangswert r=30% den
in Fig. 6 dargestellten Regelbasisfehler.
Der Widerspruch in der Regelbasis im Beispiel führt zu einem Verlauf des Regelbasis
fehlers eRB(a) nach Fall 2. In diesem einfachen Beispiel ist der Widerspruch auch ohne
die Auswertung des Regelbasisfehlers leicht erkennbar. Ist die Regelbasis allerdings
umfangreicher, so ist der Regelbasisfehler geeignet, um ungewollte Widersprüche in der
Regelbasis zu erkennen. Will man im Beispiel trotz des Widerspruchs in der Regelbasis
einen Ausgangswert aR bestimmen, so kann es sinnvoller sein, einen der Werte amin1=
30% oder amin2=70% zu wählen als den arithmetischen Mittelwert, da für diesen Mit
telwert der Regelbasisfehler einen größeren Wert als in seinen absoluten Minima an
nimmt.
Im Fall 3 kann das beschriebene Vorgehen für die Fälle 1 und 2 kombiniert werden. Die
dort gemachten Aussagen gelten analog.
Der Anspruch 12 betrifft eine Möglichkeit zur aufwandsgünstigen Implementierung des
vorgestellten Verfahrens angegeben. Dabei wird die in der Praxis übliche Wahl des Zu
gehörigkeitsfunktionen als Polygonzüge zugrundegelegt. Polygonzüge sind abschnitt
weise lineare Funktionen, die durch die Abszissen- und Ordinatenwerte aller Eckpunkte
einschließlich der Randpunkte vollständig bestimmt sind. In der Betriebsphase des
Fuzzy Controllers müssen in jedem Zyklus die Einzelfehlerfunktionen ei(a), i=1 . . . N,
der Regelbasisfehler eRB(a) und der resultierende Ausgangswert aR bestimmt werden.
Die Wahl der Zugehörigkeitsfunktionen als Polygonzüge hat zur Folge, daß man auch
die in den Gln. (4) bis (6) definierten Einzelfehlerfunktionen ei(a) sowie den Regel
basisfehler eRB(a) nach Gl. (7) als Polygonzüge erhält.
Die Bestimmung jeder Einzelfehlerfunktion kann derart durchgeführt werden, daß man
zunächst die Abszissenwerte aller Eckpunkte bestimmt. Die Einzelfehlerfunktion in den
Darstellungen nach Gl. (3) oder (5) besitzt nur Eckpunkte an den Abszissenwerten a, an
denen die betreffende Zugehörigkeitsfunktion Eckpunkte besitzt, und an den Abs
zissenwerten a, an denen die Zugehörigkeitsfunktion den Wert mWi annimmt. Die Ein
zelfehlerfunktion in der Darstellung nach Gl. (4) besitzt zusätzliche Eckpunkte an den
Abszissenwerten a, an denen der Betrag |mWi - mi(a)| den Wert mWi annimmt. Nur
für die so ermittelten Abszissenwerte der Eckpunkte der Einzelfehlerfunktion muß nun
die jeweilige Gl. (3), (4) oder (5) angewendet werden, um die Ordinatenwerte der Eck
punkte zu bestimmen.
Die Bestimmung des Regelbasisfehlers als Summe der N Einzelfehlerfunktionen kann
analog durchgeführt werden. Die Abszissenwerte aller Eckpunkte des Regelbasisfehlers
sind gegeben durch die Gesamtheit der Abszissenwerte der Eckpunkte aller Einzelfeh
lerfunktionen. Nur an diesen Abszissenwerten muß die Summe der Einzelfehlerfunktio
nen gebildet werden. Auch das absolute Minimum des Regelbasisfehlers zur Defuzzi
fizierung kann auf einfache Weise bestimmt werden: da ein Polygonzug sein absolutes
Minimum nur in seinen Eckpunkten annehmen kann, müssen nur die Ordinatenwerte
der Eckpunkte des Regelbasisfehlers verglichen werden.
Der Rechenaufwand bei dieser Form der Darstellung der Zugehörigkeits- und Fehler
funktionen durch deren Eckpunkte ist somit wesentlich geringer als bei der diskreten
Stützstellen-Darstellung der Zugehörigkeitsfunktionen, wie sie bei der MAX-MIN-
Schwerpunktmethode üblich ist. Dies ermöglicht deutlich kürzere Zykluszeiten, zumal
die bei der Schwerpunktmethode erforderliche Integration entfällt.
Die Ansprüche 13 und 14 betreffen Einrichtungen, in denen das angegebene Verfahren
implementiert ist.
[1] Kahlert, J.; Frank, H.: Fuzzy-Logik und Fuzzy-Control. Vieweg, Braunschweig,
1993.
[2] Bothe, H.: Fuzzy Logic - Einführung in Theorie und Anwendungen. Springer, Berlin, 1993.
[3] Pedrycz, W.: Fuzzy Control and Fuzzy Systems. Research Studies Press Ltd., Taunton (Sommerset), 2nd extended edition, 1993.
[2] Bothe, H.: Fuzzy Logic - Einführung in Theorie und Anwendungen. Springer, Berlin, 1993.
[3] Pedrycz, W.: Fuzzy Control and Fuzzy Systems. Research Studies Press Ltd., Taunton (Sommerset), 2nd extended edition, 1993.
Claims (14)
1. Verfahren zur automatischen Schlußfolgerung (Interferenz) für regelbare Fuzzy-
Systeme zur Regelung, Steuerung oder Überwachung technischer Prozesse oder
Anlagen
mit einer beliebigen Anzahl von Eingängen und einer beliebigen Anzahl Q von Ausgängen, wobei jeweils für den q-ten Ausgang aq mit q=1 . . . Q eine beliebige Anzahl Nq Wenn-Dann-Regeln der Form "Wenn Vorbedingung i, dann Schlußfolge rung i" mit i=1 . . . Nq definiert ist,
dadurch gekennzeichnet,
daß beim Verfahrensschritt der Entscheidungsfindung (Interferenzkern) der jeweilige Erfülltheitsgrad mWi der Vorbedingung i mit dem die Schlußfolgerung i beschreibenden Fuzzy Set mi(aq) derart verknüpft wird, daß hierdurch eine Funktion (Bezeichnung: Einzelfehlerfunktion) resultiert, die als Maß für die Eignung der Werte der Ausgangsvariable aq als Ausgangswert bezüglich der betrachteten i-ten Regel verwendet wird, wobei die Eignung um so besser ist, je kleiner der Funktionswert an der betreffenden Stelle ist,
und daß aus dem Verlauf der Einzelfehlerfunktionen Sekundärinformation zur Beurteilung der Wissensbasis, d.h. der Gesamtheit der linguistischen Variablen und der Wenn-Dann-Regeln, auf Inkonsistenzen abgeleitet wird.
mit einer beliebigen Anzahl von Eingängen und einer beliebigen Anzahl Q von Ausgängen, wobei jeweils für den q-ten Ausgang aq mit q=1 . . . Q eine beliebige Anzahl Nq Wenn-Dann-Regeln der Form "Wenn Vorbedingung i, dann Schlußfolge rung i" mit i=1 . . . Nq definiert ist,
dadurch gekennzeichnet,
daß beim Verfahrensschritt der Entscheidungsfindung (Interferenzkern) der jeweilige Erfülltheitsgrad mWi der Vorbedingung i mit dem die Schlußfolgerung i beschreibenden Fuzzy Set mi(aq) derart verknüpft wird, daß hierdurch eine Funktion (Bezeichnung: Einzelfehlerfunktion) resultiert, die als Maß für die Eignung der Werte der Ausgangsvariable aq als Ausgangswert bezüglich der betrachteten i-ten Regel verwendet wird, wobei die Eignung um so besser ist, je kleiner der Funktionswert an der betreffenden Stelle ist,
und daß aus dem Verlauf der Einzelfehlerfunktionen Sekundärinformation zur Beurteilung der Wissensbasis, d.h. der Gesamtheit der linguistischen Variablen und der Wenn-Dann-Regeln, auf Inkonsistenzen abgeleitet wird.
2. Verfahren nach Patentanspruch 1, dadurch gekennzeichnet, daß beim Verfahrens
schritt der Akkumulation (Regelzusammenführung) alle Nq Einzelfehlerfunktionen
zu einer weiteren Funktion (Bezeichnung: Regelbasisfehler) verknüpft werden, die
als Maß für die Eignung der Werte der Ausgangsvariable aq als Ausgangswert be
züglich der Gesamtheit aller Nq Wenn-Dann-Regeln verwendet wird.
3. Verfahren nach Patentanspruch 2, dadurch gekennzeichnet, daß die Ableitung der
Sekundärinformation zur Beurteilung der Wissenbasis auf Inkonsistenzen aus dem
Verlauf der miteinander verknüpften Einzelfehlerfunktionen, d.h. aus dem Regel
basisfehler erfolgt.
4. Verfahren nach Patentanspruch 2 oder 3, dadurch gekennzeichnet, daß beim Ver
fahrensschritt der Defuzzifizierung (Bestimmen eines scharfen Ausgangswerts) aus
dem Regelbasisfehler einer oder eine Linearkombination derjenigen Werte der Aus
gangsvariablen aq als resultierender Ausgangswert aqr des q-ten Ausgangs des
Fuzzy-Systems bestimmt wird, bei denen der Regelbasisfehler minimal wird.
5. Verfahren nach einem der Patentansprüche 1 bis 4, daß
die Nq Einzelfehlerfunktionen durch eine Verknüpfung aus den Erfülltheitsgraden
mWi der Vorbedingungen und den Fuzzy Sets mi(aq) gebildet werden, derart, daß
diese Verknüpfung im binären Grenzfall die Inhibition oder die Antivalenz darstellt.
6. Verfahren nach Patentanspruch 5, dadurch gekennzeichnet, daß
die Nq Einzelfehlerfunktionen (Bezeichnung ei(aq), i=1 . . . Nq) durch eine der fol
genden unter a) bis e) angegebenen Verknüpfungen gebildet werden, wobei der Fak
tor gi in c), d) und e) einen Gewichtungsfaktor darstellt, der ein Maß für die Sicher
heit der Gültigkeit der i-ten Wenn-Dann-Regel ist:
- a) ei(aq) = mWi · |mWi - mi(aq)|
- b) ei(aq) = Minimum (mWi, |mWi - mi(aq)|)
- c) ei(aq) = gi · mWi · |mWi - mi(aq)|
- d) ei(aq) = gi · Minimum (mWi, |mWi - mi(aq)|)
- e) ei(aq) = gi · |mWi - mi(aq)|.
7. Verfahren nach einem der Patentansprüche 2 bis 6, dadurch gekennzeichnet, daß
bei der Akkumulation die Verknüpfung zum Regelbasisfehler eRB(aq) durch die ge
wöhnliche Summe oder im binären Grenzfall durch die ODER-Verknüpfung gegeben
ist.
8. Verfahren nach einem der Patentansprüche 1 bis 7, dadurch gekennzeichnet, daß
genau dann auf eine Inkonsistenz der Wissensbasis geschlossen wird, wenn kein
Wert aqmin der Ausgangsvariable aq existiert, für den
gilt.
9. Verfahren nach Patentanspruch 8, dadurch gekennzeichnet, daß
genau dann auf einen oder mehrere Widersprüche in der Regelbasis geschlossen
wird, wenn die in Patentanspruch 8 angegebene Ungleichung nur von einer endli
chen Anzahl von Werten der Ausgangsvariable aq verletzt wird.
10. Verfahren nach einem der Patentansprüche 2 bis 7, dadurch gekennzeichnet, daß
genau dann auf einen oder mehrere Widersprüche in der Regelbasis geschlossen
wird, wenn der Regelbasisfehler neben einem absoluten Minimum ein oder mehrere
lokale Minima besitzt.
11. Verfahren nach Patentanspruch 8, dadurch gekennzeichnet, daß
genau dann auf eine ungenügend genaue Spezifikation der linguistischen Variablen
bzw. auf eine unzureichende Überdeckung der linguistischen Werte der linguisti
schen Variablen geschlossen wird, wenn die in Patentanspruch 8 angegebene Un
gleichung von einer über abzählbar unendlichen Anzahl von Werten verletzt wird.
12. Verfahren nach einem der Patentansprüche 1 bis 11, dadurch gekennzeichnet, daß
die Fuzzy Sets, durch die die linguistischen Werte der Variablen definiert sind, aus
Polygonzügen bestehen, und daß daher zur Abarbeitung des Verfahrens lediglich die
Eckpunkte dieser Polygonzüge, die Eckpunkte der Einzelfehlerfunktionen sowie die
Eckpunkte des Regelbasisfehlers ausgewertet werden.
13. Vorrichtung zur Durchführung des Verfahrens nach einem der Patentansprüche 1 bis
12, dadurch gekennzeichnet, daß
sie zumindest teilweise mit digitalen Prozessoren oder anderen digitalen Rechenein
heiten aufgebaut ist.
14. Vorrichtung zur Durchführung des Verfahrens nach einem der Patentansprüche 1 bis
12, dadurch gekennzeichnet, daß
sie zumindest teilweise mit Analogschaltungen aufgebaut ist.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4336921A DE4336921C2 (de) | 1993-10-29 | 1993-10-29 | Verfahren und Vorrichtung zur automatischen Schlußfolgerung (Inferenz) für regelbasierte Fuzzy-Systeme |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4336921A DE4336921C2 (de) | 1993-10-29 | 1993-10-29 | Verfahren und Vorrichtung zur automatischen Schlußfolgerung (Inferenz) für regelbasierte Fuzzy-Systeme |
Publications (2)
Publication Number | Publication Date |
---|---|
DE4336921A1 DE4336921A1 (de) | 1994-04-07 |
DE4336921C2 true DE4336921C2 (de) | 1995-03-16 |
Family
ID=6501307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE4336921A Expired - Fee Related DE4336921C2 (de) | 1993-10-29 | 1993-10-29 | Verfahren und Vorrichtung zur automatischen Schlußfolgerung (Inferenz) für regelbasierte Fuzzy-Systeme |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE4336921C2 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10060706A1 (de) * | 2000-12-07 | 2002-06-13 | Flowtec Ag | Verfahren und eine Vorrichtung zur System- und/oder Prozeßüberwachung |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0365704A (ja) * | 1989-08-03 | 1991-03-20 | Toshiba Corp | ファジィ制御装置及びファジィ制御方法 |
-
1993
- 1993-10-29 DE DE4336921A patent/DE4336921C2/de not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10060706A1 (de) * | 2000-12-07 | 2002-06-13 | Flowtec Ag | Verfahren und eine Vorrichtung zur System- und/oder Prozeßüberwachung |
Also Published As
Publication number | Publication date |
---|---|
DE4336921A1 (de) | 1994-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE4436658B4 (de) | Vorrichtung und Verfahren zur Störungsuntersuchung | |
DE69324296T2 (de) | Verfahren zur Diagnose eines laufenden Prozesses | |
DE4008510C2 (de) | Regeleinrichtung mit Optimal-Entscheidungseinheit | |
EP0768584B1 (de) | Verfahren zur Überwachung einer Maschine oder Anlage | |
EP0750764B1 (de) | Verfahren und anordnung zur fuzzy-regelung | |
DE4204047C2 (de) | Verfahren und Vorrichtung zur Positionierung eines Stellers in einem Kraftfahrzeug | |
DE69320003T2 (de) | Neuronalnetzwerkschaltung | |
DE4336921C2 (de) | Verfahren und Vorrichtung zur automatischen Schlußfolgerung (Inferenz) für regelbasierte Fuzzy-Systeme | |
DE69426229T2 (de) | Verfahren zur parallellen Bearbeitung von Fuzzy-Logik-Inferenzregeln und übereinstimmende Schaltkreisarchitektur mit Fuzzy-Eingabe und -Ausgabe | |
DE4240789C2 (de) | Verfahren zur Identifizierung von Objekten | |
DE4308083C1 (de) | Verfahren zur Erzeugung von Stellgrößen am Ausgang eines Fuzzy-Reglers und Fuzzy-Regler hierfür | |
EP0689688B1 (de) | Fuzzy-standard-automatisierungssystem für industrielle anlagen | |
EP0771441B1 (de) | Verfahren und anordnung zur anwendung von fuzzy-logik bei automatisierungssystemen | |
DE68928071T2 (de) | Vorrichtung und Verfahren zum Erzeugen von Regeln für unscharfe Inferenz | |
DE4244014A1 (de) | Verfahren zum Erkennen und Identifizieren von Fehlern an Sensoren | |
DE4209746A1 (de) | Verfahren zur Optimierung eines technischen Neuro-Fuzzy-Systems | |
EP0815515B1 (de) | Verfahren und einrichtung zum entwurf eines neuronalen netzes | |
DE69026687T2 (de) | Datenverarbeitungssystem | |
EP0941504B1 (de) | Verfahren zur parametrierung eines zum vergleich eines messsignals mit einem mustersignal dienenden fuzzy-automaten | |
EP0673522B1 (de) | Einrichtung zur vervollständigung einer unvollständigen regelbasis eines fuzzy-reglers | |
EP0814402A2 (de) | Verfahren zum Entwurf oder zur Adaption eines Fuzzy-Reglers oder eines Systems von verknüpften Fuzzy-Reglern | |
EP0681234B1 (de) | Verfahren zur Fuzzy-Inferenz in einem Fuzzy-Regelkreis | |
EP0796457B1 (de) | Verfahren zum betrieb neuronaler netze in industrieanlagen und zugehöriges neuronales netz | |
EP0657053B1 (de) | Verfahren zum entwurf eines neuronalen netzes und danach erhaltenes neuronales netz | |
DE4317538A1 (de) | Regeleinrichtung |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OAV | Applicant agreed to the publication of the unexamined application as to paragraph 31 lit. 2 z1 | ||
OP8 | Request for examination as to paragraph 44 patent law | ||
8122 | Nonbinding interest in granting licences declared | ||
D2 | Grant after examination | ||
8380 | Miscellaneous part iii |
Free format text: DAS WORT "INTERFERENZ" IST IN DER GESAMTEN PATENTSCHRIFT ABZUAENDERN IN "INFERENZ" |
|
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |