Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. Implikacja rozmta A B A, B µ A (x, µ B ( x A, B µ A B (x, µ A B (x, = min(µ A (x, µ B ( lub µ A B (x, = µ A (x µ B ( 38. Wnioskowanie (ang. inference rozmte Regu³a : A A A ( x B B B ( x C C C Regu³a : x A A x A ( x and B B B ( x min C C then (min C Regu³a 3: x A A x A ( x and B B B ( x min C C then (min x x or max then (min fuzfikacja w ( agregacja ( max Rs. 73. Wnioskowanie wg metod Mamdaniego reguła : if (x = A and ( = B then ( = C reguła : if (x = A and ( = B then ( = C reguła 3: if (x = A or ( = B then ( = C, C, x, x Sterowanie neuro-rozmte
Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. Regu³a : A A A ( x B B B ( x Regu³a : x A A x A ( x and B B B ( x min k k then (min k Regu³a 3: x A A x A ( x and B B B ( x min k k then (min k x x k k or max then (min fuzfikacja w ( agregacja ( max k k Rs. 74. Wnioskowanie wg metod Takagi-Sugeno reguła : if (x = A and ( = B then ( = k reguła : if (x = A and ( = B then ( = k reguła 3: if (x = A or ( = B then ( = 39. Defuzfikacja (wostrzanie µ w ( metod wostrzania: (a metoda środka maksimum, (b metoda pierwszego maksimum, (c metoda ostatniego maksimum, (d metoda środka ciężkości, (e metoda wsokości Sterowanie neuro-rozmte
Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. 3 a metoda środka maksimum ( C ( C ( w ( Rs. 75. = ( + / ( C C ( C C ( C C w ( w ( w ( Rs. 76. b metoda pierwszego maksimum ( C ( C ( ( C ( C ( w ( w ( Rs. 77. = c metoda ostatniego maksimum ( C ( C ( ( C ( C ( w ( w ( Rs. 78. = Sterowanie neuro-rozmte
Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. 4 d metoda środka ciężkości ( C ( C ( w ( ( C ( P P 3 C ( P 4 P 5 w ( P P 6 Rs. 79. = c = µw (d µw (d (64 e metoda wsokości ( C C =m 3 = Rs. 8. n m j µ Cj j= n µ Cj j= (65 Sterowanie neuro-rozmte
Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. 5 Przkład: (sterowanie suwnica Rs. 8. sgnał wejściowe: d odległość wózka od zadanej pozcji docelowej, θ kat odchlenia lin od pionu wejściowe zbior rozmte: d: duża, mała, zero θ: ujemne duże, ujemne średnie, zero, dodatnie średnie, dodatnie duże Rs. 8. Sterowanie neuro-rozmte
Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. 6 r_: r_: r_3: r_4: r_5: r_6: r_7: r_8: if (d = duża then (P = dodatnia duża if (d = mała and (θ = ujemn duż then (P = dodatnia średnia if (d = mała and (θ = dodatni duż then (P = ujemna średnia if (d = mała and ((θ = ujemn mał or (θ = zero or (θ = dodatni mał then (P = dodatnia średnia if (d = zero and ((θ = dodatni duż or (θ = dodatni mał then (P = ujemna średnia if (d = zero and (θ = zero then (P = zero if (d = zero and (θ = ujemn mał then (P = dodatnia średnia if (d = zero and (θ = ujemn duż then (P = dodatnia duża Sterowanie neuro-rozmte
Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. 7 Przkład: (robot mobiln algortm omijania przeszkod x cos θ sin θ z =, R(θ = sin θ cos θ (66 θ Y Y r przeszkoda X r R d act d obs kierunek skrêcania x X (a Rs. 83. d act bieżaca odległość od przeszkod, d act {d_z, d_m, d_d} λ namiar na przeszkodę, λ {l_ud, l_us, l_um, l_uz, l_dz, l_dm, l_ds, l_dd} (b µ d_z d_s.8.6.4. d_d µ l_ud l_us l_um l_uz l_dz l_dm l_ds l_dd.8.6.4. 4 6 8 d act 3 3 λ (a Sterowanie neuro-rozmte d act (b λ Rs. 84.
Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. 8 Uchb e v ev_ud ev_us ev_um ev_z ev_dm ev_ds ev_dd Sterowanie u v uv_dd uv_dd uv_dm uv_z uv_um uv_um uv_ud Sterowanie Odległość d act u θ d_z d_m d_d l_ud l_us uth_dm uth_z Namiar na l_um uth_dd uth_ds przeszkodę l_uz uth_dd uth_dd λ l_dz uth_ud uth_ud l_dm uth_ud uth_us l_ds uth_um uth_z l_dd Sterowanie neuro-rozmte
Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład, str. 9 [m] 8 7 6 5 4 3 4 6 8 x [m] θ [rad] 3.5 3.5.5.5.5 5 5 5 t [s] (a ścieżka ruchu (b orientacja θ.4 4. u v v [m/s].8.6.4. u v, u θ 4 u θ 5 5 5 t [s] 6 5 5 5 t [s] (c prędkość v (d sgnał sterujace u v, u θ Rs. 85. Sterowanie neuro-rozmte