Vous êtes sur la page 1sur 11

Rechercher sur le

site:

Recherche




Home | Publier un mmoire | Une page au hasard

Application de la logique de floue

par Otmane EL ALAOUI JAMAL
EMSI - Ingnieur en Automatismes et Informatique Indudtrielle 2010
Dans la categorie: Sciences

Tlcharger le fichier original
prcdent sommaire suivant
CHAPITRE I :
APPLICATION DE LA LOGIQUE FLOU
Notions d'ensemble flou, appartenance
Les comprhensions de l'univers dans lequel nous voluons sont gnralement
imparfaites dans la mesure o elles peuvent tre entaches d'incertitudes et/ou
d'imprcisions, ne serait-ce qu' travers la perception que nous en avons. Or, nous
pouvons constater que l'homme intgre naturellement ces imperfections dans la
vie de tous les jours, en particulier au niveau du raisonnement et de la dcision.
L'ide du professeur Lotfi Zadeh travers le nouveau concept ensembliste
d'appartenance graduelle d'un lment un ensemble, a t de dfinir une logique
multi value permettant de modliser ces imperfections c'est prendre en compte
les tats intermdiaires entre le tout et le rien. L'utilit de cette approche peut tre
illustre de la manire suivante :
Une temprature de 10C, pour un humain, est gnralement considre comme
froide; une autre de 40C est qualifie de chaude. Si chacune de ces valeurs
appartient une
Catgorie (ensemble) bien dfinie, qu'en est-il pour des valeurs intermdiaires?


Une rponse intuitive consiste affirmer qu'elles appartiennent une ou deux des
catgories prcdentes avec des niveaux ou des degrs (normaliss) diffrents.
On vite ainsi des transitions brusques entre diffrentes catgories, comme cela
est le cas en logique binaire (figureI.1).
Il semble en effet surprenant de considrer qu'une temprature de 40C est
chaude, alors qu'une temprature de 39,9C ne l'est pas.

Figure I.1 : Exemple de dfinition d'ensembles sur un univers de discours en
logique
Binaire et en logique floue
Cet exemple permet d'illustrer le fait qu'une logique binaire classique soit, dans
certains cas, trop limitative. Donc il est ncessaire de faire appel une autre
logique multi value qui sera vue comme une extension de la prcdente, c'est
bien la logique floue.
En ce qui concerne la commande d'un processus quelconque, la logique floue
permet une approche fondatrice par rapport l'automatique classique. En
automatique, en gnral, on s'attache modliser le processus travers un
certain nombre d'quations diffrentielles. Cette modlisation est rendue difficile et
par fois impossible mesurer que la complexit des processus contrler
augmentent. D'une manire radicalement oppose, un contrleur va dcrire non
pas le processus mais la faon de le contrler, tout comme le ferait un expert
humain travers des rgles intgrant naturellement imprcisions et incertitudes.
Quelques domaines d'application
La commande Floue :
Parmi les nombreuses applications de la logique floue, la commande floue s'avre
tre le champ d'application le plus actif travers le monde.
Exemples :
Commande de tubes broyeurs pour la fabrication du ciment (premire ralisation
en 1979 au Danemark).
Commande de mtros avec un fonctionnement plus confortable et conomique et
une prcision d'arrt augmente (1987 Sendai, Japon).
production du fer et de l'acier, purification, de l'eau, chanes et robots de
fabrication,
oprateurs, units arithmtique, micro-ordinateurs, ...

Classification et reconnaissance de formes :
Classifier consiste regrouper des objets en catgories les plus homognes
possibles (contenant des objets similaires) :
Classifier est une activit qui intervient dans des nombreux domaines
d'applications tels que :
la reconnaissance vocale.
L'analyse d'images (mdical, radar, tldtection).
La reconnaissance de cibles (domaine militaire).
consultation, investissement et dveloppement, horaires de train, ...
base de donnes, recherche d'information, modlisation de systmes
Conception d'un rgulateur logique flou
Un contrleur standard (PID ou autres) demande toujours un modle le plus prcis
possible (quations diffrentielles).
Un contrleur flou ne demande pas de modle du systme rgler. Les
algorithmes de rglage se basent sur des rgles linguistiques de la forme Si ...
Alors ...
En fait, ces rgles peuvent tre exprimes en utilisant le langage de tous les jours
et la connaissance intuitive d'un oprateur humain.
Ce qui conduit deux avantages :

Conclusion :
Pour les systmes mal connus ou complexes (non-linaires), un contrleur flou
s'avre trs intressant.
Structure du rgulateur

- Fuzzification : transforme les entres en grandeurs floues.
- Infrence (avec la base de rgles) : prend les dcisions
- Dfuzzification : transforme les grandeurs floues en valeurs dtermines
Fuzzification
- Dfinition des fonctions d'appartenance de toutes les variables d'entre.
- Passage : grandeurs physiques => variables linguistiques
En gnral, on utilise des formes triangulaires ou trapzodales pour les fonctions
d'appartenance, bien qu'il n'existe pas de rgles prcises sur ce choix.
Exemple : Soit une grandeur x dfinie par 5 sous-ensembles flous.

Donc chaque variable linguistique d'entre (x), on fait correspondre une valeur
linguistique (Ngatif Grand, Ngatif Moyen, ...) avec un degr d'appartenance.
Infrence ou Base de rgles
Donne la relation qu'il existe entre les variables d'entres (exprimes comme
variables linguistiques) et la variable de sortie (galement exprime comme
variable linguistique).
Exemple : Soit deux entres x1 et x2 et une sortie xR, toutes dfinies par les 5
sous-ensembles de l'exemple prcdent.
Description de la base de rgles :
Si (x1 NG ET x2 EZ), Alors xR PG ou
Si (x1 NG ET x2 PM), Alors xR PM ou
Si (x1 NM ET x2 EZ), Alors xR PM ou
Si (x1 NM ET x2 PM), Alors xR EZ ou
Si (x1 NM ET x2 PG), Alors xR NM ou
Si (x1 PG ET x2 EZ), Alors xR NG.
Sous forme de tableau ou matrice :

On n'est pas oblig de complter toute la table. Les rgles sont labores par un
expert et sa connaissance du problme ...
Diffrentes mthodes d'infrence.

Supposons que l'on ait deux entres x1 et x2 et une sortie xR, toutes dfinies par
les sous-ensembles suivants :
Supposons que x1 = 0.44, x2 = - 0.67 et que l'infrence est compose des deux
rgles suivantes :
Si (x1 PG ET x2 EZ), Alors xR EZ ou
Si (x1 NG OU x2 PM), Alors xR PM
Il faut maintenant traduire les oprateurs ET, OU et l'implication par une des
fonctions vues dans la premire partie de l'expos
(Minimum, Maximum, Produit, ...).
Mthode MAX-MIN :
Au niveau de la condition : ET => Min OU => Max
Au niveau de la conclusion : ou => Max Alors => Min
(D'o la dsignation)

Rsultat : une fonction de transfre rsultante donne par la surface hachure (qui
sera traite lors de la Dfuzzification).
Mthode MAX-PROD :
Au niveau de la condition : ET => Min OU => Max
Au niveau de la conclusion : ou => Max Alors => Prod
(D'o la dsignation)

Rsultat : une fonction de transfre rsultante donne par la surface hachure (qui
sera traite lors de la Dfuzzification).
Mthode SOMME-PROD :
Il ne s'agit pas de la Somme normale mais de la valeur moyenne :

Au niveau de la condition : ET => Prod OU => Somme
Au niveau de la conclusion : ou => Somme Alors => Prod
(D'o la dsignation)

Rsultat : une fonction de transfre rsultante donne par la surface hachure (qui
sera traite lors de la Dfuzzification).
Dfuzzification
Les mthodes d'infrence fournissent une fonction d'appartenance rsultante pour
la variable de sortie. Il s'agit donc d'une information floue qu'il faut transformer en
grandeur physique.
On distingue 4 mthodes de Dfuzzification :
Mthode du maximum :
La sortie correspond l'abscisse du maximum de la fonction d'appartenance
rsultante.
Trois cas peuvent se produire :

Conclusion : mthode simple, rapide et facile mais elle introduit des ambiguts et
une discontinuit de la sortie.
Mthode de la moyenne des maxima :
Dans le cas o plusieurs sous-ensembles auraient la mme hauteur maximale, on
ralise leur moyenne une des ambiguts de la mthode du maximum est enleve.
Mthode du centrode :
La sortie correspond l'abscisse du centre de gravit de la surface de la fonction
d'appartenance rsultante.
Il existe deux mthodes :
- On prend l'union des sous-ensembles flous de sortie et on en tire le centrode
global (calculs trs lourds).
- On prend chaque sous-ensemble sparment et on calcul son centrode, puis on
ralise la moyenne de tous les centrodes.

Conclusion : on n'a plus de discontinuits et d'ambiguts, mais cette mthode est
plus complexe et demande des calculs plus importants.
Mthode de la somme pondre :
Compromis entre les deux mthodes prcdentes.
On calcule individuellement les sorties relatives chaque rgle selon le principe de
la moyenne des maxima, puis on ralise leur moyenne pondre.
prcdent sommaire suivant



Rechercher sur le site:

Recherche


Memoire Online 2000-2013
Pour toute question contactez le webmaster

Vous aimerez peut-être aussi