RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE

UNIVERSITÉ DE BOUMERDES
FACULTE DES HYDROCARBURES ET CHIMIE DEPARTEMENT

TP N°02:

Système d’inférence floue (FIS)

Groupe :
 MACA19

Etudiant :
 BENOUR Abderrahim

Année Universitaire:
2023-2024
 I. Partie théorique
1. Introduction:
"Fuzzy logic Toolbox" est une boite à outils fournie par l'environnement de
calcul numérique MATLAB®, dotée de fonctions permettant de concevoir et
simuler des systèmes basés sur la logique floue. Cette Toolbox facilite la
modélisation des comportements des systèmes complexes en utilisant des règles
logiques simples, puis implémente ces règles dans un système d’inférence floue.
L'utilisation de la Toolbox peut se faire via l'interface graphique ou à travers la
ligne de commande, pour ce TP nous avons utilisé l'interface graphique.

2.Définition de problème : la procédure de paramétrage et

d’implémentation du FIS sur un exemple typique de lavage machine décrit par
un modèle à base de règles IF-THEN.
Rappelons les entrées, sorties, ainsi que la base de règles définis :
Entrées:
 Amount of dirth [0 – 100%]
 Type of dirth [0 – 100%]
Sorties:
 Washing time [0 – 1h]
La base des règles :
Rule 1: IF amount of dirt is more AND type of dirt is Greasy THEN washing time is Too
Long
Rule 2: IF amount of dirt is Medium AND type of dirt is Greasy THEN washing time is
long
Rule 3: IF amount of dirt is less AND type of dirt is Greasy THEN washing time is long
Rule 4: IF amount of dirt is more AND type of dirt is Medium THEN washing time is
long
Rule 5: IF amount of dirt is Medium AND type of dirt is Medium THEN washing time is
Medium
Rule 6: IF amount of dirt is less AND type of dirt is Medium THEN washing time is
Medium
Rule 7: IF amount of dirt is more AND type of dirt is Non Greasy THEN washing time is
Medium
Rule 8: IF amount of dirt is Medium AND type of dirt is Non Greasy THEN washing
time is short
Rule 9: IF amount of dirt is less AND type of dirt is Non Greasy THEN washing time is
Too Short

 But de TP:
 Exploiter la "Fuzzy logic designer" de MATLAB
 modéliser un système réel sur FIS
II. La Partie pratique:
1. Présentation du FIS:

 Pour lancer l’interface de Fuzzy, il suffit de taper la commande fuzzy sur

Matlab, nous obtenons l'interface suivante:

 Pour insérer les inputs, nous cliquons sur Edit -> Add variables -> Input,
Après modification des noms des variables d'entrée/sortie, nous obtenons
ceci:
  Membership Function Editor
 définir les plages de valeurs ainsi que la subdivision de chaque variable,
on commence d'abord par supprimer les MFS en sélectionnant: Edit->
Memberships Function Editor-> Edit -> Removes All MFS. Puis on
rajoute les MFS de chaque variable en spécifiant le nombre d'intervalle de
la subdivision de chaque variable, en selectionnant: Edit -> Add MFs.
Les figures suivantes montrent le résultat des subdivisions de caque variable:
1) Amount of dirth :

2) Type of dirth :
 3) Washing time:

 Rule Editor:
 Pour ce faire, il faut cliquer sur la boite du milieu de l'interface d'accueil
"mamdani" puis nous introduisant les 9 règles comme suit:
 Rule Viewer :

 Surface viewer:
  Les Opérateurs d’inférence à utiliser (Opérateurs de prémisse,
Opérateurs d’implication, Opérateurs d’agrégation des sorties,
Opérateurs de deffuzzification)

En utilisant la technique d’inférence Max-Min, dans les deux cas

suivants :
 1 er cas : lorsque le degré de saleté est 50% et le type de saleté
est 50% graisseux.
 2 ème cas : lorsque le degré de saleté est 30% et le type de
saleté est 25% graisseux

Le temps de lavage dans le 2 ème cas est plus rapide que le 1 er

cas.
  L’impact de la distribution des fonctions d’appartenance
d’entrée sur le temps de lavage pour ces 4 cas:

A Partir de ces 4 cas nous remarquons que Le 2 ème variable "type of

dirth" a impact plus important que le 1 er variable "amount of dirth"
 L’impact de la technique d’inférence (Max-Min et Max-Dot)
sur le temps de lavage:
Dans la composition Max-Min, l'appartenance finale d'un élément à
un ensemble flou résultant est déterminée par la valeur minimale
des appartenances aux ensembles flous d'entrée cela pourrait
signifier que le système est plus prudent dans sa décision, ce qui
peut conduire à des temps de lavage plus longs pour assurer une
propreté optimale. A l'inverse dans la composition Max-Dot,
l'appartenance finale d'un élément à un ensemble flou résultant est
déterminée par la valeur maximale des produits des appartenances
aux ensembles flous d'entrée. Cela pourrait signifier que le système
est plus optimiste dans sa décision, ce qui peut conduire à des
temps de lavage potentiellement plus courts.
Conclusion:
Ce TP nous a été d’un apport très efficace en matière d’application
des notions théoriques vues en cours sur la logique floue et la
conception d’un contrôleur flou, en nous permettant d'exploiter la
Fuzzy logic designer de MATLAB qui est d'une grande utilité pour
l'application des contrôleurs flous aux problèmes réels.