Système d'inférence floue : aperçu, applications, caractéristiques, structure et avantages

Un système d'inférence floue est l'unité clé d'un système de logique floue. La structure typique d'un système d'inférence floue se compose de divers blocs fonctionnels. Il utilise de nouvelles méthodes pour résoudre les problèmes quotidiens.

Un système d'inférence floue peut être un paradigme informatique soutenu par la théorie des ensembles flous, des règles floues si-alors et un raisonnement flou. Un mappage non linéaire qui tire sa sortie d'un raisonnement flou et d'un groupe de règles floues si-alors. Le domaine et la plage de mappage peuvent être des ensembles ou des points flous espacés multidimensionnels.

Un système d'inférence floue est un système qui utilise une théorie des ensembles flous pour mapper les entrées aux sorties.

Applications du SIF

Un système d'inférence floue est utilisé dans différents domaines, par exemple, l'ordre des informations, l'examen des choix, le système maître, les prévisions d'arrangement temporel, la mécanique avancée et l'exemple d'accusé de réception. Il est autrement appelé système à base de règles floues, modèle flou, contrôleur à logique floue, système expert flou et mémoire associative floue.

C'est l'unité vitale d'un système de logique floue qui traite de la prise de décision et du choix des tâches essentielles. Il utilise le « SI… . À ce moment-là » mène aux côtés des connecteurs « ET » « OU » pour dessiner des normes de choix fondamentales.

Caractéristiques du système d'inférence floue

• Le rendement de FIS est systématiquement un ensemble flou, quelle que soit son entrée qui peut être floue ou nette.
• Il est nécessaire d'avoir une sortie floue lorsqu'il est utilisé comme régulateur.
• Une unité de défuzzification accompagnerait le FIS pour convertir la variable floue en une variable nette.

Structure du système d'inférence floue

La structure essentielle d'un système d'inférence floue comprend trois entités :

• Une base de règles contenant des règles floues
• Une base de données (ou dictionnaire), contenant les fonctions de participation utilisées dans les règles floues.
• Un mécanisme de raisonnement effectuant l'induction faite sur les directives et les faits donnés pour déduire une sortie ou une conclusion raisonnable.

La source

Qu'est-ce que la défuzzification ?

La défuzzification est l'extraction d'une valeur représentant un ensemble flou.

Méthodes de défuzzification :

1. Centre de gravité de la zone
2. Bissectrice de l'aire
3. Moyenne du maximum
4. Le plus petit du maximum
5. Le plus grand de max

Il est obligatoire d'avoir une sortie nette dans certains cas où nous utilisons un système d'interférence comme contrôleur.

Lisez aussi : Idées de projets d'apprentissage automatique

Entrées et sorties du système d'inférence floue

• Le système d'inférence floue fondamental peut prendre des entrées floues ou des entrées nettes, mais le rendement qu'il produit est assez souvent des ensembles flous.
• Parfois, il est important d'avoir une sortie nette, en particulier dans une situation où un système d'inférence floue est utilisé comme contrôleur.
• Par conséquent, nous avons besoin d'une technique de défuzzification pour extraire une valeur nette pour représenter un ensemble flou.

Schéma fonctionnel d'un système d'inférence floue avec une sortie nette

Systèmes d'inférence floue populaires (modèles flous)

1. Modèles flous de Mamdani
2. Modèles flous de Sugeno

La principale différence entre ces systèmes d'inférence floue réside dans les conséquences de leurs règles floues et dans leurs procédures de conglomération et de défuzzification distinctes.

1. Modèle flou d'Ebrahim Mamdani

C'est le système d'inférence floue le plus utilisé.

Le professeur Mamdani a fabriqué l'un des principaux systèmes flous pour contrôler un moteur à vapeur et un mélange de bouilloire. Il a appliqué des règles floues mises en avant par des opérateurs humains expérimentés.

Étapes pour calculer la sortie

Les avancées suivantes doivent être suivies pour calculer la sortie de ce FIS

Étape 1 : Décider d'un tas de principes flous

Etape 2 : Fuzzifier les inputs avec les éléments d'info participation

Étape 3 : fusionner les entrées floues selon les directives floues pour découvrir une force standard

Étape 4 : Trouver l'effet secondaire de la norme en résumant la résistance de la norme avec le travail de participation au rendement

Étape 5 : Combiner les résultats pour obtenir le transfert de rendement

Étape 6 : Exécution de la défuzzification de la dispersion de sortie

Mamdani à deux règles avec les opérateurs Min et Max

Le Mamdani FIS utilisant min et max pour les normes T et les normes S, sous réserve de deux entrées nettes x et y.

Portail de recherche

Deux règles Mamdani FIS avec Max et Product Operators

Le Mamdani FIS utilisant le produit et le max pour les normes T et les normes S, sous réserve de deux entrées nettes x et y.

Portail de recherche

Composition Mamdani de trois sorties floues SISO

2. Modèle flou de Sugeno

Ce modèle a été proposé par Takagi, Sugeno et Kang.

Pour développer une approche scientifique pour générer des règles floues à partir d'un ensemble donné de données d'entrée-sortie.

Le format de cette règle est donné par :

SI x est A et y est B; Z=f(x,y)

Ici, AB est un ensemble flou d'antécédents, et z= f(x, y) est une fonction nette dans le conséquent.

Le modèle flou de Sugeno d'ordre zéro le plus couramment utilisé applique des règles floues sous la forme suivante :

SI x est A ET y est B ; z est k

Où k est une constante

Dans ce cas, la sortie de chaque règle floue est constante et chaque fonction d'appartenance conséquente est représentée par des pointes singleton.

Alors,

• Modèle flou de Sugeno du premier ordre : f(x, y) – polynôme du premier ordre
• Modèle flou de Sugeno d'ordre zéro : f - constante

Procédure de raisonnement flou pour un modèle flou de Sugeno du premier ordre

Le système d'inférence floue sous la méthode Sugeno Fuzzy fonctionne de la manière suivante -

Étape 1 : Fuzzifier les entrées - les entrées du système sont rendues floues.

Étape 2 : Application de l'opérateur flou - les opérateurs flous doivent être appliqués pour obtenir la sortie.

Format de règle

Le format de règle de la forme Sugeno-

Si 7 = x et 9 = y ; la sortie est z = ax+by+c

Le système d'inférence floue Sugeno est très similaire à la méthode Mamdani.

Ne changez qu'une règle conséquente : au lieu d'un ensemble flou, utilisez une fonction mathématique de la variable d'entrée.

Comment décider de postuler - Système d'inférence floue Mamdani ou Sugeno ?

• La technique Mamdani est largement reconnue pour la capture de connaissances et d'informations d'experts. Cela nous permet de décrire la compétence d'une manière plus instinctive, plus humaine.

Cependant, l'inférence floue de type Mamdani implique une charge de calcul considérable.

• D'autre part, la méthode de Sugeno est faisable sur le plan informatique. Il fonctionne efficacement avec des procédures avancées et polyvalentes, ce qui le rend exceptionnellement séduisant dans des problèmes polyvalents, en particulier pour les cadres dynamiques non linéaires.

Avantages des systèmes d'inférence floue

Conclusion

Un système d'inférence floue facilite la mécanisation de n'importe quelle tâche. C'est pourquoi le système d'inférence floue a trouvé des applications réussies dans divers domaines comme la robotique, la reconnaissance de formes, la prédiction de séries, etc.

Apprenez les systèmes d'inférences floues avec upGrad

upGrad propose un programme complet de Master of Science en informatique où vous pouvez perfectionner vos compétences et propulser votre carrière dans le développement de logiciels.

Un candidat peut choisir parmi l'une des six spécialisations uniques qui sont pertinentes pour l'industrie. Il implique que le candidat potentiel :

• Être placement assuré
• Être encadré par des experts de l'industrie
• Accéder aux opportunités d'emploi dans le monde entier
• Travailler sur des projets et des missions en direct
• Apprendre le sujet de bout en bout

Apprenez le cours ML des meilleures universités du monde. Gagnez des programmes de maîtrise, Executive PGP ou Advanced Certificate pour accélérer votre carrière.