Explorer les Livres électroniques
Catégories
Explorer les Livres audio
Catégories
Explorer les Magazines
Catégories
Explorer les Documents
Catégories
ertyuiopasdfghjklzxcvbnmqwert
yuiopasdfghjklzxcvbnmqwertyui
opasdfghjklzxcvbnmqwertyuiopa
sdfghjklzxcvbnmqwertyuiopasdf
ghjklzxcvbnmqwertyuiopasdfghj
klzxcvbnmqwertyuiopasdfghjklz
expos de matlab 1
xcvbnmqwertyuiopasdfghjklzxcv
Reprsentation des fonctions
dappartenance sous matlab
bnmqwertyuiopasdfghjklzxcvbn
mqwertyuiopasdfghjklzxcvbnmq
wertyuiopasdfghjklzxcvbnmqwer
tyuiopasdfghjklzxcvbnmqwertyu
iopasdfghjklzxcvbnmqwertyuiop
asdfghjklzxcvbnmqwertyuiopasd
fghjklzxcvbnmqwertyuiopasdfgh
jklzxcvbnmqwertyuiopasdfghjklz
xcvbnmrtyuiopasdfghjklzxcvbn
mqwertyuiopasdfghjklzxcvbnmq
wertyuiopasdfghjklzxcvbnmqwer
tyuiopasdfghjklzxcvbnmqwertyu
2015/2016
1) BUT DE TP :
Ce tp a pour but ltude et la simulation des diffrentes formes des fonctions dappartenance floue
ainsi que les oprateurs flous (zedah,probabiliste) sous matlab
Un ensemble flou reprsente par une fonction dappartenance, celle-ci peuvent avoir des diffrentes
formes :
1)monotone croissante :
%%
x=0:0.1:10;
y=smf(x,[1 8]);
figure (1)
plot(x,y)
xlabel('smf,p[1 8]')
1
0.8
0.6
0.4
0.2
2)monotone dcroissante :
%%
x=0:0.1:10;
y1=zmf(x,[3 7]);
figure (2)
plot(x,y1)
xlabel('zmf,p2[3 7]')
smf,p[1 8]
10
0.8
0.6
0.4
0.2
5
zmf,p2[3 7]
10
5
6
trimf,p3[3 6 8]
10
3)triangulaire :
%%
x=0:0.1:10;
y2=trimf(x,[3 6 8]);
figure (3)
plot(x,y2)
xlabel('trimf,p3[3 6 8]')
1
0.8
0.6
0.4
0.2
4)trapzoidale :
%%
x=0:0.1:10;
y3=trapmf(x,[1 5 7 8]);
figure (4)
plot(x,y3)
xlabel('trapmf,p4[1 5 7 8]')
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
5
trapmf,p4[1 5 7 8]
trapmf.p4=[1 5 7 8]
5)cloch (gaussienne)
%%
x=0:0.1:10;
y4=gaussmf(x,[2 5]);
figure (5)
plot(x,y4)
xlabel('gaussmf,p5=[2 5]')
10
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
5
gaussmf,p5=[2 5]
oprateur flous
1)
x=1:1:80
hold on
y=zmf(x,[10 15])
plot(x,y,'r')
y1=trimf(x,[15 27.5 45])
plot(x,y1,'g')
y2=smf(x,[40 55])
plot (x,y2,'b')
xlabel('age humain')
hold off
10
0.8
0.6
0.4
0.2
10
20
30
40
age humain
50
60
70
80
A-2-1) Traage sous-ensemble (petit, jeun, vieux) avec une forme trapzodale:
x=1:1:80
hold on
y=trapmf(x,[0 0 10 15])
plot(x,y,'r')
y1=trapmf(x,[15 20 40 45])
plot(x,y1,'g')
y2=trapmf(x,[45 55 80 80])
plot (x,y2,'b')
xlabel('age humain')
hold off
0.8
0.6
0.4
0.2
10
20
30
40
age humain
50
60
70
80
A-2-2) Traage sous-ensemble (petit, jeun, vieux) avec une forme gaussienne:
x=1:1:80
hold on
y=gaussmf(x,[5 1])
plot(x,y,'r')
y1=gaussmf(x,[10 27.5])
plot(x,y1,'g')
y2=gaussmf(x,[15 80])
plot (x,y2,'b')
xlabel('age humain')
hold off
0.8
0.6
0.4
0.2
10
20
30
40
age humain
50
60
70
80
B-1) Traage de la taille humain (petit, grand) avec une forme monotone :
x=1.5:0.01:2
hold on
y=zmf(x,[1.60 1.75])
plot(x,y,'r')
y1=smf(x,[1.70 1.75])
plot(x,y1,'g')
y3=min(y,y1)
plot(x,y3,'b*')
xlabel('la taille humain')
hold off
0.8
0.6
0.4
0.2
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
la taille humain
1.85
1.9
1.95
1.85
1.9
1.95
x=1.5:0.01:2
hold on
y=zmf(x,[1.60 1.75])
plot(x,y,'r')
y1=smf(x,[1.70 1.75])
plot(x,y1,'g')
y3=max(y,y1)
plot(x,y3,'b*')
xlabel('la taille humain')
hold off
1
0.8
0.6
0.4
0.2
0
1.5
1.55
1.6
1.65
1.7
1.75
1.8
la taille humain
Conclusion :
La logique floue, dans la plupart des applications actuelles, permet de prendre en
compte toutes sortes de connaissances qualitatives de concepteurs et doprateurs dans
lautomatisation des systme
Les dfinitions les plus souvent rencontres sont : le max et le min (Mamdani ou bien
Zedah), le produit et la somme moins le produit (Probabiliste ou bien Sugeno)
Logique boolenne standard = cas particulier de la logique floue, ainsi Tous les rsultats
obtenus en logique classique doivent tre retrouvs par la logique floue