Étape 2: Courte sur la logique floue
Pour le début, je dois écrire quelque chose sur la logique floue.
Variables en numérique (booléenne) peuvent être respectivement vérité ou fausses ou « 1 » et « 0 ». Il n’y a que deux valeurs : dans la région (confortable) ou en dehors de certaines zones (désagréable). Donc solution à notre problème avec la logique numérique peut nous fournir uniquement des valeurs de bordures. Mais que se passe-t-il si nous pourrions atteindre n’importe quelle valeur comprise entre 1 et 0 ? Oui mes amis, la logique floue peut faire cela !
Il y a trois étapes dans la logique floue : fuzzification, de prévision et de défuzzification. Tout d’abord quelque chose à propos de fuzzification. Fuzzification est processus avec lequel nous calculons affiliation de variable d’entrée à une certaine population floue ou fonction d’appartenance. Il peut y avoir beaucoup de formes différentes des fonctions d’appartenance : trapèze, triangle, Gauss,... Au stade de la prédiction, nous utilisons un ensemble prédéterminé de règles (ceux qui sont définis par le concepteur) de prédire ce que la sortie peut être ou à quels membres fonction sortie variable affilié Pentecôte quel niveau. Ce nombre ne peut servir comme ils s’assied. Dans la troisième phase, défuzzification, nous pouvons combiner tous les niveaux d’affiliation à une seule valeur. Ce processus est également appelé aiguisage de la valeur de sortie. Valeur de sortie unique permet alors à la poursuite de la procédure. Plus d’infos sur la logique floue.
Prédictions, c’est ce qui rend logique floue très utile lorsque des connexions entre les variables mathématiques ne peuvent être déterminées numériquement ou algébriquement. Il existe plusieurs systèmes flous pour nous d’utiliser :
- Système de Mamdani (variables de sortie linguistique, défuzzification peut être complexe)
- Système de Sugeno (variables de sortie sont des fonctions ou singleton/constant, plus approprié pour la mise en œuvre sur microcontrôleurs)