Transparents du cours

Logique Floue et réseaux de neurone

Inès Abdellaziz
 Partie I: logique floue

I. Présentation
1. Exemples introductifs
2. Exemple
3. Définition
4. Bref historique
5. Intérêt de la logique floue

PLAN II. Concepts principaux

1. Ensemble floue/ fonction d’appartenance
2. Les opérateurs de la logique floue
 Le complément : Opérateur NON
 L’intersection: l’opérateur ET
 La réunion : l’opérateur OU
 Les opérateurs flous les plus utilisés
3. Les variables floues
4. Exercice d’application

2
 Partie I: logique floue
III - Structure d’une commande floue
IV- La fuzzification
1. Définition
2. Comment fuzzifier?
3. Exercice 2 d’application

PLAN 4.
5.
Agrégation des règles de sortie
Exercice 3 d’application
V - L’inférence floue
1. Base des règles
2. Evaluation des règles
IV - La difuzzification
1. Méthode de centre de gravité (COG)
2. Méthode de la moyenne pondérée (MM)
3. Exercice 4 d’application
3
III. Structure d’une commande floue
Valeurs floues
Valeurs réelles Valeurs réelles
Valeurs floues

𝝁 𝑔𝑟𝑎𝑛𝑑𝑒𝑢𝑟 𝑟é𝑔𝑙𝑎𝑛𝑡𝑒
𝝁 𝐶𝑜𝑚𝑚𝑎𝑛𝑑𝑒

4
 III. Structure d’une commande floue
Régulateur flous
Une représentation en bloc de ce régulateur flou a donc la forme suivante :

La structure interne de ce régulateur flou est représentée dans le diagramme

fonctionnel suivant :

où trois blocs appelés fuzzification, inférence, et défuzzification sont utilisés et

dont la fonctionnalité est décrite dans ce qui suit.
5
 IV. La fuzzification
1- Définition

Les systèmes à logique floue traitent des variables d’entrées floues et

fournissent des résultats sur des variables de sorties elles-mêmes floues,

Le processus de la fuzzification consiste à simplement attribuer aux différentes

variables linguistiques d entrée des fonctions d appartenance convenables. Cette
opération est nécessaire vu que la mesure de la sortie y et la donnée de la
référence ou consigne sont toujours exprimées en des variables qui sont nettes et
précises et que le régulateur flou ne peut traiter que des variables floues.

La fuzzification est l′ étape qui consiste à la quantifiacation floue des valeurs

à la quantification floue des valeurs réelles d’une variable

6
 IV. La fuzzification
2- Comment fuzzifier?

 Pour fuzzifier, il faut donner :

• L’univers du discours
• Une partition en classe floue de cet univers,
• Les fonctions d’appartenance de chacune de ces classes

 Il faut fuzzifier les entrées ET, les sorties du processus flou:

La fuzzification des variables est une phase délicate du processus mis en

œuvre par la logique floue. Elle est souvent réalisée de manière itérative
et requiert de l’expérience.

7
IV. La fuzzification
3. Exercice d’application (1)
Soit le système de contrôle d’un ventilateur de maison, ayant deux entrées
(température « Ti » et humidité « HR » ) et une sortie (vitesse du ventilateur « V »).

Les fonctions d’appartenance des entrées sont:

F: Faible S: Sec
M: Moyenne H: Humide
E: Elevée
8
 IV. La fuzzification
3. Exercice d’application (2)
supposons que la température actuelle est 18°C et que l’humidité est de
80%, Procéder à la fuzzication des variables d’entrée.
Fuzzification de la variable Ti

9
 IV. La fuzzification
3. Exercice d’application (2)

Fuzzification de la variable HR

Une Humidité de 80% correspond à

 Une appartenance de 75% à l’ensemble humide
 25 % à l’ensemble Sec
10
 V. L’inférence floue
1- Base des règles
L’inférence est une opération logique par laquelle on admet
une proposition liée à d’autres propositions précédemment
admises (vraies)
Les systèmes à logique floue utilisent une expertise exprimée
sous forme d’une base de règles du type : Si……Alors
Si (X est A) Alors (X est B)
Si le feu est rouge ET ma vitesse est élevée alors je freine fort
Si le feu est orange ET ma vitesse est moyenne alors je freine
doucement
Si le feu est vert ET ma vitesse est faible alors j’accélère

11
 V. L’inférence floue
1- Base des règles

L’inférence est une opération logique par laquelle on admet

une proposition liée à d’autres propositions précédemment
admises (vraies)
Les systèmes à logique floue utilisent une expertise exprimée
sous forme d’une base de règles du type : Si……Alors
Si (X est A) Alors (X est B)
Si le feu est vert ET ma vitesse est faible alors j’accélère

12
V. L’inférence floue
1- Base des règles

13
V. L’inférence floue
2- Principe du raisonnement approximatif

Plus la condition sur les entrées est vraie,

Plus l’action préconisée pour sorties doit être respectée

Si la température est très basse ALORS Chauffer fort

Dans ce cas la conclusion de la règle floue est

l’appartenance d’une variable floue de sortie
« Chauffer » à une classe « fort »

14
 V. L’inférence floue
3- Evaluation des règles

 Une règle est activée dès qu’elle a une prémisse ayant une
valeur de vérité non nulle.
 Plusieurs règles peuvent être activées simultanément et
préconiser des actions avec différents degrés de validités; ces
actions peuvent être contradictoire.

Il faut agréger les conclusions et leur degré de vérité

15
 V. L’inférence floue
4- Exercice 1 d’application (1)

Pour le même exemple précédent, on propose les règles suivantes:

Si la température est faible ou l’humidité est sec Alors la vitesse

est faible
Si la température est moyenne ET l’humidité est Humide Alors la
vitesse est Moyenne
Si la température est Elevée Alors la vitesse est Elevée
Evaluer ces règles d’inférence en fonction des entrées
floues obtenues?

16
 V. L’inférence floue
4- Exercice 1 d’application (2)

Evaluer ces règles d’inférence en fonction des entrées floues obtenues

17
 V. L’inférence floue
4- Exercice 1 d’application (2)

Evaluer ces règles d’inférence en fonction des entrées floues obtenues

18
 V. L’inférence floue
2- Méthodes d’inférences
L inférence est le processus par lequel des actions ou
opérations floues sont prises au fur et à mesure que des
informations sur les entrées sont recueillies et ce selon les règles
définissant le système. Ils existent plusieurs méthodes d inférence
dont
 La méthode d inférence max-min : réalise le OU reliant les
règles par le l opérateur max et le ALORS par l opérateur min.
 La méthode d inférence max-produit : réalise le OU reliant les
règles par le l opérateur max et le ALORS par l opérateur
produit.
 La méthode d inférence somme-produit : réalise le OU reliant
les règles par le l opérateur somme et le ALORS par l
opérateur produit.
19
 V. L’inférence floue
3- Exercice 2 d’application (1)
Voici un exemple de calcul d une loi de commande d un système à deux
entrées et à une sortie u.
Pour simplifier, le système est supposé être décrit par uniquement les deux
règles suivantes :

On suppose que les variables x1 et x2 ainsi que la sortie u sont normalisées

entre 1 et -1 et ont tous une même fonction d appartenance à trois sous-
ensembles flous :
N pour ‘négatif’ , EZ pour ‘environ zéro’ et P pour ‘positif’

20
 V. L’inférence floue
3- Exercice 2 d’application (2)
Cette fonction d appartenance a l allure suivante :

On se place à l instant où x1= -0,5 et on mesure que x2= 0,75 et on se

propose de calculer la commande u à produire en utilisant la méthode d
inférence max-min, max-produit, puis somme-produit.

21
V. L’inférence floue
3- Exercice 2 d’application (3)
La méthode d inférence max-min

22
V. L’inférence floue
3- Exercice 2 d’application (3)
La méthode d inférence max-produit

23
V. L’inférence floue
3- Exercice 2 d’application (3)
La méthode d inférence Somme-produit

24
 VI. La défuzzification

L étape précédente a produit une loi de commande exprimée en terme d’une fonction d’
appartenance donc une loi de commande floue.
Comme le système à asservir ne peut accepter que une commande définie et nette, cette
fonction d appartenance doit être traduite en une commande non floue, nette et précise. Ce
processus est connu sous le nom de défuzzification.
Ils existent plusieurs méthodes de défuzzification dans la littérature dont une méthode qui est
le plus souvent plus efficace que les autres,
celle de la défuzzification par centre de gravité.
La défuzzification par centre de gravité : Cette méthode calcule la loi de commande non
floue en tant que l abscisse du centre de gravité de la fonction d appartenance de la loi de
commande μRES (u),

25
 VI. La défuzzification
Le cas de la méthode d inférence somme-produit

La loi de commande par la méthode de défuzzification par centre de gravité se

programme difficilement en général. Seul dans le cas où la méthode d inférence
somme-produit est utilisé, la programmation de la loi de commande se simplifie
énormément. En effet, dans ce cas, la fonction d appartenance de la loi de
commande est donnée par

26
VI. La défuzzification
Le cas de la méthode d inférence somme-produit

27
 VI. La défuzzification
Le cas de la méthode d inférence somme-produit

Exemple

Pour reprendre l exemple traité précédemment, comme la

fonction d appartenance pour la loi de commande a l allure
suivante :

28
 VI. La défuzzification
Le cas de la méthode d inférence somme-produit

Exemple

Ce résultat s accorde bien entendu avec l autre

formule, à savoir,

29