Introducción al sistema de lógica difusa
Fuzzy Logic es un enfoque informático que se basa en el "Grado de verdad" y no se limita al booleano "verdadero o falso". El término 'Fuzzy' significa algo que es vago o poco claro. El sistema de lógica difusa se aplica a escenarios en los que es difícil clasificar los estados como binarios "Verdadero o Falso". Fuzzy Logic puede incorporar valores intermedios como parcialmente verdadero y parcialmente falso. Se puede implementar en una amplia gama de dispositivos que van desde pequeños microcontroladores hasta grandes sistemas de TI. Intenta imitar la toma de decisiones similar a la humana, que puede incorporar todos los valores entre verdadero y falso.
Una arquitectura del sistema de lógica difusa
El Sistema de lógica difusa tiene cuatro componentes principales que se explican con la ayuda del siguiente diagrama de arquitectura:
- Reglas: Rule Base consiste en un amplio conjunto de reglas programadas y alimentadas por expertos que gobiernan la toma de decisiones en el Sistema Fuzzy. Las reglas son conjuntos de declaraciones "If-Then" que deciden la ocurrencia del evento según la condición.
- Fuzzification: Fuzzification convierte las entradas sin procesar medidas desde los sensores en conjuntos difusos. Estas entradas convertidas se pasan al sistema de control para su posterior procesamiento.
- Motor de inferencia: ayuda a asignar reglas al conjunto de datos de entrada y, por lo tanto, a decidir qué reglas se aplicarán para una entrada determinada. Lo hace calculando el% de coincidencia de las reglas para la entrada dada.
- Defuzzification: es lo contrario de Fuzzification. Aquí los conjuntos difusos se convierten en entradas nítidas. Estas entradas nítidas son la salida del Sistema de lógica difusa.
Función de la membresía
La función de membresía define cómo la entrada al Sistema difuso se asigna a valores entre 0 y 1. La entrada generalmente se denomina Universo (U), ya que puede contener cualquier valor. La función de membresía se define como:
μ A: X → (0, 1).
Aquí X representa el Universo e Y representa cualquier valor entre 0 y 1. La función de Membresía Triangular es la Función de Membresía más comúnmente utilizada. Otras funciones de membresía incluyen trapezoidal, gaussiana y singleton.
¿Por qué y cuándo usar Fuzzy Logic?
Fuzzy Logic es especialmente útil cuando quieres imitar el pensamiento humano en un sistema de control. Más que un razonamiento de precisión, se centra en un razonamiento aceptable que está muy cerca de cómo funciona el mundo real. Está diseñado para hacer frente a las incertidumbres y es competente para descubrir la inferencia de la conclusión.
Algoritmo del sistema de lógica difusa
- Defina todas las variables y términos que actuarán como entrada al Sistema Fuzzy
- Crear función de membresía para el sistema (como se definió anteriormente)
- Cree una base de reglas que se asignará a cada entrada
- Convierta la entrada normal en entrada difusa que se alimenta a la función de membresía
- Evaluar el resultado de la función de membresía
- Combina todo el resultado obtenido del conjunto de reglas individuales
- Convierta el conjunto difuso de salida en una entrada nítida (Defuzzification)
Aplicación del sistema de lógica difusa
Fuzzy Logic se está adoptando en todas las industrias principales, pero Automotive sigue siendo el principal adoptante. Algunas de sus aplicaciones se enumeran a continuación:
- Nissan está utilizando Fuzzy Logic para controlar el sistema de frenado en caso de peligro. Fuzzy Logic utiliza entradas como velocidad, aceleración, impulso para decidir la intensidad de los frenos.
- Nissan también está utilizando Fuzzy Logic para controlar la cantidad de inyección de combustible y el encendido en función de entradas como las RPM del motor, la temperatura y la capacidad de carga.
- Se utiliza en satélites y aviones para el control de altitud.
- Mitsubishi está utilizando Fuzzy Logic para hacer que la gestión de ascensores sea más eficiente al tomar el tráfico de pasajeros como entrada.
- Nippon Steel está utilizando Fuzzy Logic para decidir la proporción en la que se deben mezclar diferentes tipos de cemento para hacer un cemento más duradero.
- Fuzzy Logic encuentra su aplicación en la industria química para gestionar los diferentes procesos, como el control del pH, el proceso de secado y el proceso de destilación.
- Fuzzy Logic se puede combinar con Artificial Neural Network (ANN) para imitar cómo funciona un cerebro humano. Fuzzy Logic agrega datos y se transforma en información más significativa que se utiliza como conjuntos Fuzzy.
Ventajas del sistema de lógica difusa
A continuación se presentan cinco ventajas del sistema de lógica difusa:
- Fuzzy Logic puede funcionar con cualquier tipo de entrada, incluso si no está estructurada, distorsionada, es imprecisa o contiene ruido.
- Fuzzy Logic Construction es muy fácil de leer y comprender, ya que imita de cerca la forma en que Human-Mind toma la decisión.
- Los matices de Fuzzy Logic implican el uso de conceptos matemáticos clave como Set Theory y Probability, lo que lo hace apto para resolver todo tipo de desafíos cotidianos que enfrenta la humanidad.
- Fuzzy Logic puede proporcionar soluciones eficientes a un problema muy complejo en diferentes industrias.
- Fuzzy Logic System necesita una cantidad muy pequeña de datos para preparar un modelo robusto. Por lo tanto, solo necesita una cantidad limitada de memoria para su ejecución.
Desventajas del sistema de lógica difusa
A continuación se presentan las cuatro principales desventajas del sistema de lógica difusa:
- No hay una forma estándar de resolver un problema a través de Fuzzy Logic, por lo tanto, diferentes expertos pueden tener una solución diferente a un problema que conduce a la ambigüedad.
- Como el Sistema de lógica difusa funciona con datos precisos e imprecisos, a veces su precisión puede verse comprometida.
- Fuzzy Logic System no puede aprender de sus errores o fallas del pasado, ya que no tiene la capacidad de autoaprendizaje como Machine Learning y Neural Network.
- Debido a la falta de estandarización, no hay una forma fija de encontrar reglas y funciones de membresía para el problema dado. Por lo tanto, a veces se hace difícil encontrar reglas exactas y funciones de membresía para algunos problemas.
Conclusión
Fuzzy Logic proporciona una forma alternativa de abordar los problemas del mundo real en el mundo de la informática. Se puede aplicar fácilmente a diferentes aplicaciones y sistemas de control que pueden obtener beneficios a largo plazo. Dada su capacidad para funcionar bien con el "Grado de verdad", abre muchas puertas a la informática moderna. Sin embargo, no es la panacea para todos los problemas, ya que tiene limitaciones severas en lo que respecta a la precisión y su incapacidad para aprender de su falla, como en el caso del aprendizaje automático.
Artículos recomendados
Esta es una guía del Sistema de lógica difusa. Aquí discutimos por qué y cuándo usar el sistema difuso, con arquitectura, aplicación y, por último, con ventajas y desventajas. También puede consultar nuestros otros artículos relacionados para obtener más información:
- ¿Qué es la lógica difusa?
- Prueba de fuzz
- Empresas de IoT
- R Data Frame
- Dispositivo sensor
- Los 12 principales tipos de sensores y sus aplicaciones