Professional Documents
Culture Documents
&
RSEAUX DE NEURONES ARTIFICIELS
Chapitre 3
VARIABLES FLOUES
Logique floue base sur des variables floues dites variables
linguistiques valeurs linguistiques dans lunivers du discours U.
Chaque valeur linguistique constitue un ensemble flou de lunivers
du discours.
Exemple:
Exemple:
erreur
Variation
Commande
Mesure
Commande
Systme
Variation
erreur
Entres usuelles :
Sortie usuelle :
La variation de la commande
Correcteur flou
Base de connaissances
Fuzzification
Infrences
Raisonnement flou
Mesures floues
Mesures
Dfuzzification
Commande floue
Procd
Commande
Exemple:
Considration Pratiques
Le nombre de fonctions d'appartenance dans un univers du discours
dpend essentiellement de l'application et de l'expertise.
Un plus grand nombre de zones augmente la sensibilit de la
commande floue. Un univers de discours partitionn en un trop grand
nombre de zones diminue la cadence du fonctionnement du systme flou
sans augmenter les performances.
En pratique, les systmes flous utiliseront, habituellement, une
partition de 3 ou 5 zones et se limiteront une partition ne dpassant
pas 7 zones.
Eviter un chevauchement trop important ou trop faible de deux
fonctions d'appartenance contigus (entre 0.3 et 0.7). Un chevauchement
trop important conduira un appauvrissement des performances du
systme flou. De manire gnrale, le chevauchement des zones est de
50 % par rapport l'axe des ordonnes.
Eviter des zones mortes dans l'univers du discours, c'est--dire une partie
n'appartenant aucune fonction d'appartenance, provoque des zones de nonintervention du rglage et conduira une instabilit du systme flou.
Zones mortes
Rgles floues
Une rgle floue est une dclaration de la forme suivante :
SI
x est A ALORS
y est B
ET
Prrmisses1
frein fort
Consquence
Chaque rgle est compose de prmisses lies par les oprateurs ET,
OU et donne lieu une implication par loprateur ALORS.
Exemple :
Proposition floue gnrale
(ensemble de propositions simples)
Proposition
floue simple
Prmisses
(Conditions)
Conjonction
Implication
Conclusion
(Consquence)
Remarques:
Une rgle est active ds quelle a une prmisse ayant une valeur de vrit non
nulle.
Rk
k
Cette combinaison de rgles floues dans une seule relation floue est
appele "agrgation".
L'agrgation consiste en l'utilisation d'un oprateur de disjonction
traduisant le OU.
Loprateur "OU" qui lie les diffrentes rgles est ralis par
la fonction max
Loprateur "OU" qui lie les diffrentes rgles est ralis par
la valeur moyenne des degrs d'appartenance intervenant
dans l'infrence.
A x B y
A B x, y
2
ALORS prod
Loprateur "OU" qui lie les diffrentes rgles est ralis par
la fonction max
Remarque :
Les deux mthodes qui sont les plus largement utilises en
pratique sont la mthode de Mamdani et la mthode de
Sugeno.
Implication de Mamdani
En commande floue, l'implication la plus couramment utilise
et la plus efficace est l'implication de Mamdani.
Pour la proposition
Si x est A ALORS y est B
Si x est A y est B
l'implication de Mamdani s'crit:
x, y min A x , B y
Exemple 1:
y2
y3
y4
x1
0.1
0.2
0.2
0.2
x2
0.1
0.2
0.3
0.3
x3
0.1
0.2
0.4
0.4
Exemple 1:
Rgle de Mamdani: Cas de plusieurs rgles avec la mme conclusion:
Si :
C z min A x , B y 0.35
C z min A x , B y 0.65
CdG
A x x dx
a
b
A x dx
0.8
A
0.6
0.4
0.2
a
0.0
150
160
170
180
190
200
X
210
Degree of
Membership
1.0
0.8
0.6
0.4
0.2
0.0
0
10
20
30
40
50
60
70
67.4
COG
80
90
100
Z
Mthode du maximum
La sortie correspond l'abscisse du maximum de la fonction d'appartenance
rsultante.
3 cas peuvent se prsenter :
C'est une mthode simple, rapide et facile mais elle peut introduire des
ambiguts dans certains cas.
x est A
y est B
z is k
A3
B1
0.1
0.0
0
x1
Rule 1: IF x is A3 (0.0)
y1
OR y is B1 (0.1)
A2
0
x1
y1
A1
z is k1 (0.1)
AND
(min)
0.2
0
THEN
k2
z is k2 (0.2)
Rule 3: IF x is A1 (0.5)
k1
1
0.5
0.5
x1
B2
0
0.1
THEN
0.7
0.2
X
OR
(max)
THEN
k3
z is k3 (0.5)
1
0.1
0
0.5
0.5
0.1
0
0.2
k1
z is k1 (0.1)
k2
z is k2 (0.2)
k3
z is k3 (0.5)
0.2
k1
k2
k3
Dfloufication de Sugeno
On prend la moyenne pondre de toutes les valeurs
des singletons :
(k1) k1 (k 2) k 2 (k 3) k 3 0.1 20 0.2 50 0.5 80
WA
65
(k1) (k 2) (k 3)
0.1 0.2 0.5
z1
Sortie dure
z1
A1 = faible,
B1 = sec,
C1 = lent,
A2 = moyenne,
B2 = humide
C2 = moyenne,
A3 = leve
C3 = rapide
B y
C z
A (x)= 0.5
1
A (x)= 0.33
2
B (x)= 0.75
2
B (x)= 0.25
1
Pour la rgle 1 :
SI x est A1 (0.5) OU y est B1 (0.25) ALORS z est C1 ( ?)
2. Mthode 2 : probor
A B x probor A x , B y A x B y A x .B y
1
Pour la rgle 2 :
SI x est A2 (0.33) ET y est B2 (0.75) ALORS z est C2 ( ?)
2. Mthode 2 : prod
Pour la rgle 3 :
SI x est A3 (0) ALORS z est C3 ( ?)
Eleve x A x 0 C 0
3
Au total, on obtient :
Ecrtage (Coupure)
Mise lchelle
rgle 1 :
A (x)= 0.5
1
A1
0.8
0.8
0.6
0.6
0.4
0.4
0.2
14
16
18
60
20
A1
1
B1
B1
80
(x)= 0.5
C1
0.8
C1 (z)= 0.5
0.6
0.4
0.2
0
10
20
30
40
50
60
Rgle 2 :
SI x est A2 (0.33) ET y est B2 (0.75) ALORS z est C2 ( 0,33)
Ax x
A2
0.8
A (x)= 0.33
1
B2
0.6
0.6
0.4
0.4
0.2
0.2
16
20
18
24
60
80
A1 B1 (x)= 0.33
C2
0.8
0.6
0.4
C (z)= 0.33
2
0.2
0
10
20
30
40
50
60
70
80
90
100
rgle 3 :
SI x est A3 (0) ALORS z est C3 ( 0)
A3
1
0.8
0.6
0.4
0.2
0
18
20
40
60
80
100
A3 (x)= 0
C3
1
0.8
0.6
0.4
0.2
C3 (z)= 0
10
20
30
40
50
60
70
80
90
100
rgle 1 :
A (x)= 0.5
1
A1
0.8
0.8
0.6
0.6
0.4
0.4
0.2
14
16
18
60
20
A1
1
B1
B1
80
(x)= 0.5
C1
0.8
C1 (z)= 0.5
0.6
0.4
0.2
0
10
20
30
40
50
60
Rgle 2 :
SI x est A2 (0.33) ET y est B2 (0.75) ALORS z est C2 ( 0,33)
A2
0.8
A (x)= 0.33
1
B2
0.6
0.6
0.4
0.4
0.2
0.2
16
20
18
24
60
80
A1 B1 (x)= 0.33
C2
0.8
0.6
0.4
C (z)= 0.33
2
0.2
0
10
20
30
40
50
60
70
80
90
100
rgle 3 :
SI x est A3 (0) ALORS z est C3 ( 0)
A3
1
0.8
0.6
0.4
0.2
0
18
20
40
60
80
100
A3 (x)= 0
C3
1
0.8
0.6
0.4
0.2
C3 (z)= 0
10
20
30
40
50
60
70
80
90
100
Mthode d'crtage
0.8
0.6
0.4
0.2
0
10
20
30
40
50
60
70
80
90
100
90
100
C (z)
0.8
0.6
0.4
0.2
0
10
20
30
40
50
60
70
80
Le calcul de la sortie d'une solution floue sera effectu par la mthode de dfuzzification.
Dfuzzification
0.5
0.33
0
10
20
30
z0
40
50
60
70
80
90
100
z0
z . z
C
z
C
z . z dz
z dz
C
z0
0 10 20 30 0.5 40 50 60 0.33
26.59
0.5 0.5 0.5 0.5 0.33 0.33 0.33
Mamdani ou Sugeno?