Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO

Transcrição

1 Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO

2 AULA 07 Lógica Fuzzy

3 Introdução A lógica FUZZY uma extensão da lógica booleana. Ela permite que estados imprecisos possam ser tratados por dispositivos de controle. Casos práticos: Avaliar temperatura (quente, morno, frio,etc...) Avaliar conceito de felicidade (radiante, feliz, apático, triste)

4 Introdução Surgiu com Lofti Zadeh, Berkeley (1965) Para tratar do aspecto vago da informação É baseada em graus de pertinência (graus de verdade) Inclui vários graus de verdade entre 0 e 1 A ideia é a de que as informações admitem graus (temperatura,altura, velocidade, distância, etc)

5 Conceito Lógica difusa é uma lógica multivalorada capaz de capturar informações vagas, em geral descritas em uma linguagem natural e convertê-las para um formato numérico, de fácil manipulação pelos computadores atuais. uma lógica que suporta modos de raciocínio aproximados, ao invés de exatos.

6 Objetivo da Lógica Difusa Fazer com que as decisões tomadas pela máquina se aproximem cada vez mais das decisões humanas. E isto é importante ao se trabalhar com informações vagas e incertas, que podem ser traduzidas por expressões do tipo: a maioria, mais ou menos, talvez, etc.

7 Lógica Fuzzy / Difusa / Nebulosa Metodologia de tomada de decisão e resolução de problemas que simula o pensamento humano

8 Lógica Booleana

9 Lógica Booleana CHEIO Saída ENTRADA VAZIO Saída

10 Lógica Difusa Meio Cheio ENTRADA Saída Parcialmente Cheio

11 Relação Comparativa

12 Relação Comparativa

13 Lógica Difusa 120 ml

14 Lógica Difusa

15 Grau de Pertinência É um valor no intervalo [0,1] que determina o grau em que um determinado elemento pertence a um conjunto, permitindo uma transição gradual da falsidade para a Verdade. Não existe uma base formal para determinar esse valor que é escolhido experimentalmente.

16 Conjunto Fuzzy

17 Conjunto Fuzzy

18 Conjunto Fuzzy No Conjunto CLÁSSICO uma pessoa com 1.70 não pertence ao conjunto de pessoas altas (pertence com grau de pertinência 0). No Conjunto FUZZY abaixo uma pessoa com 1.70 pertence ao conjunto de pessoas altas com pertinência 0.8.

19 Conjunto Clássico

20 Conjunto Fuzzy CONJUNTOS JOVEM, ADULTO E IDOSO PESSOA COM 51 ANOS É... JOVEM COM PERTINÊNCIA 0 ADULTO COM PERTINÊNCIA 0,45 IDOSO COM PERTINÊNCIA 0,03

21 Função de Pertinência CONTÍNUA No caso contínuo, a função de pertinência é uma função matemática, possivelmente um programa. DISCRETA No caso discreto, a função de pertinência são pontos de uma lista (vetor).

22 Função de Pertinência - (Universo Contínuo)

23 Função de Pertinência - (Universo Contínuo)

24 Função de Pertinência - (Universo Contínuo)

25 Função de Pertinência - (Universo Contínuo)

26 TERMINOLOGIA O conjunto de termos permite que a se expresse a semântica usada pelos especialistas SE IDADE = IDOSO ENTÃO SEGURO É ALTO

27 OPERAÇÕES EM CONJUNTOS FUZZY

28 OPERAÇÕES EM CONJUNTOS FUZZY

29 OPERAÇÕES EM CONJUNTOS FUZZY - EX Uma família possui 04 membros. Uma indicação de conforto de uma casa refere-se ao número de Dormitórios. A família deseja comprar uma casa Seja u = (1,2,3,4,5,6,7,8,9,10) o conjunto de casas descritas pelo número de quartos de dormir, ou seja, a casa i possui i número de quartos

30 OPERAÇÕES EM CONJUNTOS FUZZY - EX Seja C o conjunto FUZZY que caracteriza a noção de conforto de uma casa com: x quartos, x e X={1,2,3,4,5,6,7,8,9,10} C = { (1,.2) (2,.5) (3,.8) (4,1) (5,.7) (6,.3) (7,0) (8,0) (9,0) (10,0)} Seja I o conjunto FUZZY que caracteriza a noção de grande de uma casa com: x quartos, x e X={1,2,3,4,5,6,7,8,9,10} I = { (1,0) (2,0) (3,.2) (4,.4) (5,0.6) (6,.8) (7,1) (8,1) (9,1) (10,1)}

31 OPERAÇÕES EM CONJUNTOS FUZZY - EX

32 Modificadores É UM TERMO QUE MODIFICA O SIGNIFICADO DE UM CONJUNTO FUZZY, OU SEJA, É UMA OPERAÇÃO SOBRE ESTE CONJUNTO QUE RETRATA A IMPRECISÃO PRESENTE NA LÓGICA FUZZY. EXEMPLO: muito, mais ou menos, possivelmente, Embora seja difícil deixar preciso o efeito do modificador muito, com certeza, produz um efeito INTENSIFICADOR. Os modificadores muitas vezes são aproximados por operações:

33 Modificadores Dado o conjunto FUZZY JOVEM = {(10,1), (20,.6), (30,.1),(40,0), (50,0)} podemos derivar: MUITO JOVEM = {(10,1), (20,.36), (30,.01),(40,0), (50,0)} MUITO MUITO JOVEM = {(10,1), (20,.13), (30,0),(40,0), (50,0)}

34 Regras Fuzzy

35 Regras Fuzzy

36 Regras Fuzzy

37 ETAPAS DO RACIOCÍNIO FUZZY 1º FUZZIFICAÇÃO 2º INFERÊNCIA 3º DEFUZZIFICAÇÃO

38 ETAPAS DO RACIOCÍNIO FUZZY

39 Exemplificando em um problema O analista de projetos de uma determinada empresa determinada empresa quer determinar o risco de determinado projeto com base na quantidade de dinheiro e de pessoas envolvidas no projeto.

40 FUZZIFICAÇÃO

41 FUZZIFICAÇÃO

42 INFERÊNCIA FUZZY

43 INFERÊNCIA FUZZY - (definição das proposições)

44 INFERÊNCIA FUZZY (análise das regras e definição da região resultante)

45 INFERÊNCIA FUZZY (análise das regras e definição da região resultante)

46 DEFUZZIFICAÇÃO

47 DEFUZZIFICAÇÃO

48 Aplicações Equipamentos (Maquinas de Lavar, Micro ondas, Elevadores) Sistemas: Diagnóstico, Segurança Reconhecimento de padrões: escrita manual ou voz Controle de veículos Medicina

49 Ar Condicionado Lógica booleana: 22 : Liga/Desliga Lógica Difusa: Estados intermediários, sempre parcialmente ligado. Regula força do ar, refrigeração.

50 Modelagem de plantas e processos em sistemas de controle A necessidade de modelagem de sistemas Método Experimental Método de Modelagem Matemática Através da medição da resposta na saída para um conjunto de valores de entrada. Fenômenos físicos ou químicos pobremente compreendidos Valores imprecisos de parâmetros A dimensão e complexidade do modelo Distúrbios externos Deficiência de qualificação técnica Método Heurístico Consiste em se realizar uma tarefa de acordo com a experiencia prévia, com regras práticas. (SE <condição> ENTÃO <consequência>)

51 Conhecendo o INFUZZY Modelando um Controlador Fuzzy Controle de Ventilador

52 ATIVIDADE 6 Montando LED + LDR + ARDUINO + NODERED + UDP

53 Controlador Fuzzy Sistema de iluminação Variável de Entrada: ILUMINACAO Variável de Saída: LED Termos Linguísticos: Termos Linguísticos: ESCURO (0, 205, 409) NORMAL (306, 511, 716) ILUMINADO (614, 818, 1023) BAIXO (0, 80, 130) MEDIO (70, 150, 200) ELEVADO (150, 190, 255) Universo: Universo: Unidade: Intensidade de Luz Unidade: Brilho Função de Pertinência: Triangular Função de Pertinência: Triangular REGRAS SE iluminacao = escuro ENTAO Brilho do LED = elevado SE iluminacao = normal ENTAO Brilho do LED = medio SE iluminacao = Iluminado ENTAO Brilho do LED = baixo

54 Configurando o Node-Red Necessário instalar o node node-red-contrib-string

55 Função Incrementa var newmsg = msg; newmsg.payload = $EXEC;ILUMINACAO= + msg.payload + ; ; return newmsg;

56 Função Split Valor var outputmsgs = []; var words = msg.payload.split("="); for (var w in words) { outputmsgs.push({payload:words[w]}); } return [ outputmsgs[1] ];

57 Configuração UDP

58