Logika Stosowana Ćwiczenia

Podobne dokumenty
ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE

Wnioskowanie rozmyte. Krzysztof Patan

6. Zagadnienie parkowania ciężarówki.

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych

Jeśli X jest przestrzenią o nieskończonej liczbie elementów:

Rozmyte systemy doradcze

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

7. Zagadnienie parkowania ciężarówki.

Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska

STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI. METODY HEURYSTYCZNE wykład 6. (alternatywa dla s) (zdef. poprzez klasę s) GAUSSOWSKA F.

Temat: Model SUGENO. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

SZTUCZNA INTELIGENCJA

Cel projektu: Wymogi dotyczące sprawozdania:

SZTUCZNA INTELIGENCJA

Sterowanie z wykorzystaniem logiki rozmytej

Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki

Temat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

ALGORYTM PROJEKTOWANIA ROZMYTYCH SYSTEMÓW EKSPERCKICH TYPU MAMDANI ZADEH OCENIAJĄCYCH EFEKTYWNOŚĆ WYKONANIA ZADANIA BOJOWEGO

Sztuczna inteligencja: zbiory rozmyte

Metody sterowania sterowanie rozmyte System rozmyty (patrz MiPI) użyty jako sterownik/regulator nazywamy sterownikiem/regulatorem rozmytym

Sztuczna inteligencja : Zbiory rozmyte cz. III

Temat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Zadanie 0 gdy nie mamy logiki rozmytej. Zadanie 1- gdy już mamy logikę rozmytą

Inteligencja obliczeniowa

Sztuczna inteligencja : Zbiory rozmyte cz. 2

Implementacja rozmytych systemów wnioskujących w zdaniach regulacji

Logika Stosowana. Wykład 5 - Zbiory i logiki rozmyte Część 1. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Piotr Sobolewski Krzysztof Skorupski

Temat: Model TS + ANFIS. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Podstawy sztucznej inteligencji

WYKŁAD 10 Rozmyta reprezentacja danych (modelowanie i wnioskowanie rozmyte)

WPŁYW OPÓŹNIENIA NA DYNAMIKĘ UKŁADÓW Z REGULACJĄ KLASYCZNĄ I ROZMYTĄ

ĆWICZENIE 4 ZASTOSOWANIE METOD I NARZĘDZI LOGIKI ROZMYTEJ DO KLASYFIKACJI DANYCH I APROKSYMACJI ODWZOROWAŃ STATYCZNYCH

Metoda zaburz-obserwuj oraz metoda wspinania

Inżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska

Układy logiki rozmytej. Co to jest?

Jeśli przeszkoda jest blisko to przyhamuj

Reprezentacja rozmyta - zastosowania logiki rozmytej

W narzędziu typu Excel, Calc czy Gnumeric napisz formułę logiczną która wyznaczy wartośd przynależności dla podanej temperatury do zbioru gorąco.

ELEMENTY SZTUCZNEJ INTELIGENCJI. Wstęp do logiki rozmytej

Tworzenie rozmytego systemu wnioskowania

Logika rozmyta. Agnieszka Nowak - Brzezińska

Logika Stosowana. Wykład 7 - Zbiory i logiki rozmyte Część 3 Prawdziwościowa logika rozmyta. Marcin Szczuka. Instytut Informatyki UW

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

SID Wykład 7 Zbiory rozmyte

Method of determination of the current liquidity ratio with the use of fuzzy logic in hard coal mines

METODY INTELIGENCJI OBLICZENIOWEJ wykład 6

Problemy złożone trudno jest analizować precyzyjnie Wiedza eksperta w złożonych przypadkach daje się opisać tylko w sposób nieprecyzyjny, np.

Zadanie 0 gdy nie mamy logiki rozmytej

Zasada rozszerzania. A U A jest zbiorem rozmytym, B jest obrazem zbioru A Przeniesienie rozmytości A w odwzorowaniu f na zbiór B. sup.

Technologie i systemy oparte na logice rozmytej

Logika rozmyta. Agnieszka Nowak - Brzezińska

Metoda ułamka prądu zwarcia

Sreszczenie. Słowa kluczowe: sterowanie, poziom cieczy, regulator rozmyty

Temat: Sterowanie mobilnością robota z wykorzystaniem algorytmu logiki rozmytej

Inteligencja obliczeniowa

Sterownik (regulator) rozmyty przykład [1]

Obiekt. Obiekt sterowania obiekt, który realizuje proces (zaplanowany).

Logika rozmyta typu 2

1. Regulatory ciągłe liniowe.

AUTO-STROJENIE REGULATORA TYPU PID Z WYKORZYSTANIEM LOGIKI ROZMYTEJ

Systemy rozmyte i ich zastosowania. Krzysztof Rykaczewski

Teoria treningu. Projektowanie. systemów treningowych. jako ciąg zadań optymalizacyjnych. Jan Kosendiak. Istota projektowania. systemów treningowych

KOMPUTERY W STEROWANIU. Ćwiczenie 6 Projektowanie układu regulacji rozmytej

Temat: ANFIS + TS w zadaniach. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Systemy uczące się wykład 1

1 Wprowadzenie do algorytmiki

Piegat A.: Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999 r.

BADANIA SYMULACYJNE UKŁADU HYDRAULICZNEGO Z REGULATOREM ROZMYTYM O STRUKTURZE PI

Interwałowe zbiory rozmyte

Sterowniki Programowalne (SP)

Logika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

Systemy uczące się Lab 4

Bramki logiczne V MAX V MIN

THE PART OF FUZZY SYSTEMS ASSISTING THE DECISION IN DI- AGNOSTICS OF FUEL ENGINE SUBASSEMBLIES DEFECTS

Wykład nr 1 Podstawowe pojęcia automatyki

Logika stosowana. Ćwiczenia Wnioskowanie przez abdukcję. Marcin Szczuka. Instytut Matematyki, Uniwersytet Warszawski

5. Rozwiązywanie układów równań liniowych

Podstawy Automatyki. Wykład 7 - obiekty regulacji. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka

Układ regulacji ze sprzężeniem zwrotnym: - układ regulacji kaskadowej - układ regulacji stosunku

Sieci Neuronowe - Rok III - kierunek IS w IFAiIS UJ 2008/2009. Sieci Neuronowe. Wykład 11 Algorytmy genetyczne; Systemy rozmyte

Kontekstowe wskaźniki efektywności nauczania - warsztaty

Mechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych

Politechnika Poznańska, Katedra Sterowania i Inżynierii Systemów Wykład 12, str. 1 C 1 C 2 C 3 1. * x 2. x 2. or max then (min)

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

Elementy Modelowania Matematycznego

Automatyzacja testowania oprogramowania. Automatyzacja testowania oprogramowania 1/36

Wykład z Technologii Informacyjnych. Piotr Mika

ROK LIV NR 3 (194) 2013

Autorski program nauczania

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

Politechnika Warszawska

Testowanie modeli predykcyjnych

Automatyka i Regulacja Automatyczna SEIwE- sem.4

Ćw. nr 31. Wahadło fizyczne o regulowanej płaszczyźnie drgań - w.2

OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI

Matematyka dyskretna dla informatyków

Stabilność II Metody Lapunowa badania stabilności

KARTA MODUŁU KSZTAŁCENIA

Transkrypt:

Logika Stosowana Ćwiczenia Systemy sterowania wykorzystujące zbiory rozmyte Marcin Szczuka Instytut Matematyki, Uniwersytet Warszawski Semestr letni 2014/15 Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 1 / 26

Plan 1 Wprowadzenie Reguły lingwistyczne 2 Zagadnienia sterowania Klasyczna teoria sterowania Alternatywa - sterowanie rozmyte 3 Sterowanie rozmyte Elementy sterowania rozmytego Przykład tworzenia sterownika rozmytego Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 2 / 26

Zbiory rozmyte - przypomnienie Zbiór romyty A = funkcja przynależności µ A : X [0, 1]. W przypadku zbiorów rozmytych możemy definiować operacje na nich na wiele sposobów. Jednakże w ponad 90% zastosowań (i dalej u nas) wykorzystuje się operacje podane w oryginalnej pracy Zadeha. Operatory rozmyte Dla danych zbiorów rozmytych A i B o funkcjach przynależności (odpowiednio) µ A i µ B definiujemy: Sumę zbiorów rozmytych A B będącą zbiorem rozmytym zadanym przez funkcję przynależności: µ A B = max(µ A, µ B ). Sumę zbiorów rozmytych A B będące zbiorem rozmytym zadanym przez funkcję przynależności: µ A B = min(µ A, µ B ). Dopełnienie zbioru rozmytego \A będące zbiorem rozmytym zadanym przez funkcję przynależności: µ \A = 1 µ A. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 3 / 26

Plan 1 Wprowadzenie Reguły lingwistyczne 2 Zagadnienia sterowania Klasyczna teoria sterowania Alternatywa - sterowanie rozmyte 3 Sterowanie rozmyte Elementy sterowania rozmytego Przykład tworzenia sterownika rozmytego Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 4 / 26

Reguły lingwistyczne - przypomnienie Reguły lingwistyczne (ang. linguistic rules) to wyrażenia postaci: IF A 1 AND A 2 AND... AND A k THEN D Gdzie warunki A 1,..., A k i decyzja D odpowiadają pewnym zbiorom rozmytym. Na przykład: IF pogoda jest dobra AND ruch jest niewielki AND mamy dosyć benzyny THEN będziemy na lotnisku za około 30 minut Takie reguły możemy pozyskać od eksperta lub wydobyć z dostępnych źródeł danych. Aby je wykorzystywać w kontekście zbiorów rozmytych będziemy wykorzystywać operatory rozmyte. W dalszej części pokażemy jak (w praktyce) używać takich reguł w sterowaniu, w sczególności, jak interpretować THEN. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 5 / 26

Plan 1 Wprowadzenie Reguły lingwistyczne 2 Zagadnienia sterowania Klasyczna teoria sterowania Alternatywa - sterowanie rozmyte 3 Sterowanie rozmyte Elementy sterowania rozmytego Przykład tworzenia sterownika rozmytego Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 6 / 26

Plan 1 Wprowadzenie Reguły lingwistyczne 2 Zagadnienia sterowania Klasyczna teoria sterowania Alternatywa - sterowanie rozmyte 3 Sterowanie rozmyte Elementy sterowania rozmytego Przykład tworzenia sterownika rozmytego Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 7 / 26

Zadanie sterowania W mnóstwie sytuacji znanych z życia codziennego musimy wykorzystywać algorytmy (metody) pozwalające nam sterować otaczającymi nas urządzeniami. Niemal wszystkie urządzenia, od prostego grzejnika, przez automat do kawy, aż do promu kosmicznego, wymagają jakiejś techniki sterowania. Podstawowe idee dotyczące sterowania urządzeniami sięgają starożytności, zaś początku współczesnej teorii sterowania upatruje się w pracach Jamesa Clerka Maxwella z 1868 roku, gdzie opisał on m.in. zagadnienie sprzężenia zwrotnego. Zadaniem systemu sterowania (sterownika) jest mierzenie aktualnego stanu sytemu (układu), porównanie z wartościami spodziewanymi (referencyjnymi) i wyznaczenie ewentualnych poprawek (wartości sterowania), które należy wykonać. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 8 / 26

Systemy sterowania Systemy sterowania dzielą się na dwa ogólne typy: Otwarte (open loop). System działa bez oglądania się wstecz. Ze sprzężeniem zwrotnym (feedback loop). System odczytuje aktualny stan, ustala sterowanie, a następnie w pętli mierzy rezultat poprzedniej zmiany i koryguje sterowanie. r - wartość odniesienia (referencyjna); e - obecny błąd (error); C - sterownik; P - sterowany proces (urządzenie); u - korekta (update); y - zmierzony stan P. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 9 / 26

Zagadnienia w systemach sterowania Aby (z sukcesem) zaprojektować system sterowania trzeba: Wyznaczyć przyzwoity model matematyczny sterowanego układu (urządzenia). Zidentyfikować zmienne sensoryczne i sterowane. Zdefiniować oczekiwane zachowanie - wartości referencyjne. Rozwiązać równanie (zwykle różniczkowe/różnicowe) sterowania. Zmodyfikować rozwiązanie w celu poprawy stabilności, odporności na zakłócenia i optymalności. Każdy z powyższych kroków może być bardzo trudny (o ile nie niemożliwy) do wykonania w praktyce. Szczególnie modelowanie układu metodami matematycznymi często okazuje się niezwykle trudne. Także spełnienie kryteriów optymalności i stabilności może być istotnym wyzwaniem. Istotnymi czynnikami oceny przy tworzeniu rozwiązań jest możliwość ich późniejszej implementacji w hardwarze i koszt uzyskania rozwiązania. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 10 / 26

Plan 1 Wprowadzenie Reguły lingwistyczne 2 Zagadnienia sterowania Klasyczna teoria sterowania Alternatywa - sterowanie rozmyte 3 Sterowanie rozmyte Elementy sterowania rozmytego Przykład tworzenia sterownika rozmytego Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 11 / 26

Motywacja dla sterowników rozmytych W wielu rzeczywistych sytuacjach nie jesteśmy w stanie podać zadowalającego, stabilnego modelu matematycznego dla urządzenia którym chcemy sterować. Co ciekawe, wieloma takimi urządzeniami operator (człowiek) jest w stanie sterować całkiem nieźle. Na przykład człowiek może sterować śmigłowcem, podczas gdy stworzenie autopilota dla helikopterów jest niezwykle trudne. Możemy wszakże próbować wydobyć reguły sterowania od ekspertów. Takie reguły są jednak zwykle wyrażone w sposób nieprecyzyjny, np.: If x jest małe and y jest średnie then uruchom alarm. If x jest małe and y jest małe then zbiór z staje się duży. If x jest duże then ustal z jako małe. Dzięki zbiorom rozmytym możemy przetłumaczyć takie sentencje na konkretne wartości numeryczne. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 12 / 26

Plan 1 Wprowadzenie Reguły lingwistyczne 2 Zagadnienia sterowania Klasyczna teoria sterowania Alternatywa - sterowanie rozmyte 3 Sterowanie rozmyte Elementy sterowania rozmytego Przykład tworzenia sterownika rozmytego Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 13 / 26

Plan 1 Wprowadzenie Reguły lingwistyczne 2 Zagadnienia sterowania Klasyczna teoria sterowania Alternatywa - sterowanie rozmyte 3 Sterowanie rozmyte Elementy sterowania rozmytego Przykład tworzenia sterownika rozmytego Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 14 / 26

Budowanie sterownika rozmytego Tworzenie sterownika rozmytego (FLC od ang. Fuzzy Logic Control) składa się z kilku etapów: 1 Identyfikacja zmiennych sensorycznych (mierzonych na wejściu) i sterowanych (podawanych na wyjście). 2 Zdefiniowanie (skonstruowanie) zbiorów rozmytych dla zmiennych wejściowych i wyjściowych. 3 Skonstruowanie zestawu reguł sterowania - bazy wiedzy. 4 Rozmycie (fuzyfikacja), czyli zamiana pomierzonych (numerycznych) zmiennych wejściowych na odpowiadające im stopnie przynależności. 5 Zastosowanie reguł z bazy wiedzy. Wyznaczenie rozmytej wartości wyjścia. 6 Wyostrzenie (defuzyfikacja) - zamiana wyznaczonej z reguł rozmytej wartości wyjścia na konkretne wartości numeryczne które następnie są podawane do sterowanego układu. Na każdym z powyższych etapów musimy dokonywać wyborów mogących zadecydować o stosowalności i jakości FLC. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 15 / 26

Schemat rozmytego układu sterowania Typowy FLC wykorzystujący architekturę Mamdaniego został przedstawiony poniżej. Wartość odniesienia r(t) FLC Rozmywanie fuzzyfikacja Wnioskowanie rozmyte Wyostrzanie defuzzyfikacja Sterowanie Proces urządzenie Baza wiedzy (reguły) Wartość zmiennych sensorycznych y(t) mierzonych na wyjściu sterowanego procesu Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 16 / 26

Plan 1 Wprowadzenie Reguły lingwistyczne 2 Zagadnienia sterowania Klasyczna teoria sterowania Alternatywa - sterowanie rozmyte 3 Sterowanie rozmyte Elementy sterowania rozmytego Przykład tworzenia sterownika rozmytego Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 17 / 26

Problem odwróconego wahadła Zagadnienie odwróconego wahadła przypomina zabawę, w której staramy się utrzymać kij od szczotki na czubku palca dzięki poruszaniu dłonią. Poruszmy podstawą (dłonią) w celu utrzymania masy (kijka) w pozycji jak najbliższej pionu. To zadanie jest często przedstawione w uproszczonej, jednowymiarowej formie jako zadanie utrzymania w pionie masy na ramieniu przymocowanym na zawiasie do wózka poruszającego się po szynach (patrz rysunek). Choć pozornie trywialny, problem odwróconego wahadła okazuje się nieprzyjemny dla metod klasycznej teorii sterowania. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 18 / 26

Opis układu i zmiennych Aby uprościć rozważania i uczynić je bardziej przejrzystymi będziemy używać tylko dwóch zmiennych sensorycznych (pomiarów wejściowych): 1 θ(t) odpowiada kątowi (w stopniach) w chwili t. Kąt jest mierzony względem pionu tzn. jest równy 0 gdy ramię jest pionowe. θ(t) leży w zakresie od -90 do 90 stopni. 2 θ(t) - prędkość kątowa w chwili t. Jako zmienną wyjściową (sterowanie) przyjmiemy prędkość wózka. Będzie ona dodatnia bądź ujemna zależnie od kierunku jego ruchu. Jest to kolejne znaczące uproszczenie, gdyż w rzeczywistości ta prędkość jest funkcją masy wózka M, masy ramienia m i siły f(t) wywieranej w chwili t. Demonstrator w sieci: http://www.cs.dartmouth.edu/~spl/ publications/fuzzytalk/fuzzypendulum.html Filmik na YouTube: https://www.youtube.com/watch?v=rtrxlqsk0kc Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 19 / 26

Rozmycie (Fuzyfikacja) Definiujemy zbiory rozmyte dla zmiennych następująco: Prędkość (wyjście) Kąt Prędkość kątowa Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 20 / 26

Baza wiedzy - reguły lingwistyczne Tworzymy bazę wiedzy złożoną z reguł postaci: If kąt jest zero and prędkość kątowa jest zero then prędkość powinna być zero. If kąt jest zero and prędkość kątowa jest małą dodatnia (PL - positive low) then prędkość powinna być positive low. Prędkość Kąt NH NL Z PL PH Pr. NH NH NL NL Z k Z NH NL Z PL PH ą PL Z PL t. PH PH Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 21 / 26

Zastosowanie bazy reguł 1 Jeśli weźmiemy konkretne numeryczne wartości dla kąta i prędkości kątowej, otrzymamy: Kąt Prędkość kątowa Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 22 / 26

Zastosowanie bazy reguł 2 W naszej bazie są 4 reguły które pasują do tej sytuacji (odpalają): If kąt zero and prędkość kątowa zero then prędkość zero. If kąt zero and prędkość kątowa negative low (NL) then prędkość negative low (NL). If kąt PL and prędkość kątowa zero then prędkość PL. If kąt PL and prędkość kątowa NL then prędkość zero. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 23 / 26

Zastosowanie bazy reguł wyostrzenie Przez zsumowanie (wzięcie alternatywy) czterech reguł otrzymujemy zbiór rozmyty dla prędkości (wyjścia). Póki co rezultat działania sterownika jest zbiorem rozmytym (dla prędkości wózka). Musimy teraz wybrać jedną wartość numeryczną reprezentującą ten zbiór. Istnieje wiele heurystyk pozwalających wyznaczyć tą wartość (wyostrzyć). Jedną z nich jest wzięcie środka ciężkości zbioru. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 24 / 26

Wyostrzanie (defuzzyfication) Wyostrzanie (defuzyfikacja) ma kluczowe znaczenie dla działania FLC. Istnieje kilka powszechnie stosowanych metod ustalania ostatecznej wartości numerycznej sterowania na podstawie zbioru rozmytego otrzymanego na wyjściu sterownika rozmytego. Przyjmując, że wyjście sterownika jest dane jako funkcja przynależnosci m output : X [0, 1] możemy użyć na przykład: Środka ciężkości (center of area COA) w wersji ciągłej: X output = x m output(x)dx X m output(x)dx Środka ciężkości w wersji dyskretnej dla X = {x 1,..., x n }: output = n i=1 x i m output (x i ) n i=1 m output(x i ) Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 25 / 26

Wyostrzanie (defuzzyfication) Istnieje wiele innych metod, z których najlepiej znane to: Średniej maksimów (Mean of maxima method MOM). Dla Z X będącego zbiorem punktów gdzie m output osiąga maksimum kładziemy Z zdz output =. W częściej spotykanym przypadku dyskretnym, gdy Z 1dz Z = {z 1,..., z k } wynik jest dany przez 1 k k j=1 z j. Minimum (maksimum) z maksimów bierzemy pierwszy (ostatni) punkt w którym funkcja przynalezności wyjścia osiąga maksimum. Wybór właściwej metody wyostrzania ma duży wpływ na stabilność i efektywność (optymalność) sterowania. Rózne strategie wyostrzania mogą prowadzić do radylkalnie róznych zahowań sterowanego układu. Zwykle najlepsze jest rozwiązanie dające najstabilniejszy wynik w jak najkrótszym czasie. Przykłady sukcesów zbirów rozmytych w zastosowaniach (nie tylko w sterowaniu) można znależć na https://www.calvin.edu/~pribeiro/othrlnks/fuzzy/apps.htm. Marcin Szczuka (MIMUW) Logika Stosowana 2014/15 26 / 26