WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Controle neuro-flou robuste des systèmes non-linéaires

( Télécharger le fichier original )
par fouzia madour
Université de Sétif Algérie - Magistere 2007
  

précédent sommaire suivant

Extinction Rebellion

I.10 La modélisation par la logique flou :

Pour l'identification de la fonction d'un système (processus) , on a besoin d'établir un modèle mathématique .

Le modèle de raisonnement approximatif floue est généralement formé d'un ensemble de règles qui décrit le comportement du système .

La modélisation floue donc est déduite d'un raisonnement élaboré des états des processus et d'une liste des règles décrivant la manière selon laquelle le modèle doit fonctionné .

I.11 Les règles floues :

Les règles floues représente une connaissance humaine , exprimée en langage naturel ,

à l'aide de mots vagues , mal définis , flous .

chapitre 1 : La logique floue

Dans la théorie des systèmes flous il existe deux types de règles :

I.11.1 règle de Mamdani :

Mamdani fut le premier à utilisé la logique floue pour la synthèse de commandes .

Il utilise le minimum comme opérateurs de conjonction et d'implication .

La règle utilisé par Mamdani est de la forme :

IF x1 is A1 and x2 is A2 and ..... xn is An then y is B

Où :

Ai , i = 1.......n , et B , sont des ensembles flous caractérisant la parti premise et la partie conséquence , définis par la fonction d'appartenance :

ìAi (xi) et ìB (y) .

La règle peut être aussi écrite comme :

IF X is A then Y is B

Où :

A est l'ensemble flou définit par le produit cartésien ,

et la valeur réelle de Y est exprimée par l'une des méthode de défuzzification .

Dans cette méthode , l'inférence flou correspond aux étapes suivantes pour un vecteur d'entrée x = ( x1 , x2 , ..... , xn )i .

A. Calcul de degré d'appartenance de chaque entrée aux différents sous

ensembles flous ìAji (xj ) pour :

j = 1? n et i= 1 ? N .

B. Calcule de la valeur de vérité de chaque règle ,

pour i = 1 ? N :

i (x) =min j ( ìAji (xj ) ) .

avec j = 1 ? N .

C. Calcul de la contribution de chaque règle .

ìi(y) = min (i (x) , ìBi (y) ).

Bi représente les conséquences des règles .

Chapitre 1 : La logique floue

D. Agrégation des règles :

ì(y) = max i ( ìi(y) ) .

Le résultat est donc un sous ensemble flou caractérisé par sa fonction d'appartenance .

Pour obtenir une conclusion (nette) , il faut donc défuzzifier la sortie .

Exemple :

If x1 is A11 AND x2 is A12 then y is B1.

If x1 is A21 AND x2 is A22 then y is B2.

A11 A12

B1

x1 x x2 x y

A21 A22 A (B1,B2)

B2

y0

x1 x x2 x y

Figure I.16 : représentation graphique de la méthode de Mamdani

précédent sommaire suivant






Extinction Rebellion





Changeons ce systeme injuste, Soyez votre propre syndic





"Aux âmes bien nées, la valeur n'attend point le nombre des années"   Corneille