퍼지 로직 컨트롤러를 설계하는 방법

퍼지 로직 컨트롤러는 말 그대로 우리 주변에 있습니다. 잠김 방지 제동 시스템부터 우리의 옷을 세탁하는 세탁기까지. 그러나 그들은 정말로 작동합니까? 그리고 이를 사용하면 어떤 이점이 있습니까?

그림 1. 최신 기계 가공은 종종 프로세스의 중요한 측면을 제어하기 위해 퍼지 논리에 의존합니다. 이미지 사용:Michael Schwarzenberger 제공

래더 논리 및 퍼지 논리

퍼지 논리 제어에 대한 학습의 좋은 출발점은 래더 논리가 퍼지 논리와 호환되는지 확인하는 것입니다. 래더 로직은 순차 로직이 필요할 때 PLC(프로그래밍 가능한 로직 컨트롤러)를 프로그래밍하기 위해 일반적으로 사용되는 규칙 기반 접근 방식입니다. 래더 논리 프로그램의 각 단계는 이진 또는 이산 논리 방정식을 나타냅니다.

래더 로직은 왼쪽에서 오른쪽, 위에서 아래로 읽은 다음 렁의 맨 오른쪽이 출력 조건을 나타냅니다. 해당 렁의 출력 조건은 출력 왼쪽에 있는 래더 논리 기호의 결과에 따라 다릅니다.

기본 예로서 그림 2에 표시된 단일 횡선을 사용합니다. A/C(에어컨)는 스위치가 활성화되고 HighTemp 또는 Humid가 활성화될 때만 활성화됩니다.

그림 2. A/C 시스템을 제어하기 위한 래더 로직 렁. Wikipedia에서 제공한 정보 사용

일반적으로 이 렁은 다음과 같은 형식을 취합니다.

A/C =스위치 AND(고온 또는 습도)

래더 논리는 규칙으로 표현될 수 있기 때문에 퍼지 논리 제어에 쉽게 적용됩니다. 이것을 생각하는 또 다른 방법은 출력이 THEN 결과를 나타내는 동안 왼쪽의 래더 논리 기호로 표시되는 IF 조건에 따라 결과가 달라진다는 것입니다.

IF (Switch AND [HighTemp OR Humid]) THEN A/C

그림 3. 퍼지 논리 시스템을 나타내는 블록 다이어그램.

이 접근 방식은 퍼지 논리 규칙을 사용하여 확실히 구현할 수 있습니다. 이러한 경우, 선명한 입력은 온도와 상대 습도가 됩니다. 이러한 값의 센서 판독값은 퍼지기에 의해 퍼지 입력으로 변환됩니다. 추론 엔진에는 위에 표시된 규칙이 포함됩니다. 추론 엔진의 규칙에 따라 퍼지 출력 세트가 역퍼지기에 제공됩니다. 거기에서 선명한 출력이 제어 시스템에 제공됩니다.

간단히 말해서 래더 로직은 퍼지 로직을 사용하여 구현할 수 있습니다.

퍼지 로직 컨트롤러를 설계하기 위한 기본 단계

퍼지 논리 제어 시스템(흔히 FLC로 축약됨)은 제어 시스템을 개발하고 구현하는 대체 접근 방식입니다.

그림 4. 퍼지 제어를 구현하는 간단한 피드백 제어 시스템. 이미지 사용:Boffy b

관련 가정 인식

FLC 설계 프로세스를 시작하기 전에 몇 가지 주요 가정이 있습니다.

<울>

통제 문제에 대한 해결책이 존재합니다.

'최적의 솔루션' 대신 '충분히 좋은' 솔루션이 적합합니다.

입력, 출력 및 상태 변수를 관찰하고 제어에 사용할 수 있습니다.

지식은 다음과 같은 형태로 존재합니다.

언어 규칙 및/또는

규칙을 추출할 수 있는 입출력 데이터 세트입니다.

FLC는 허용 가능한 정밀도 범위를 달성하도록 설계되어야 합니다.

안정성과 최적성은 명시적으로 다루지 않지만 공개되어 있습니다.

퍼지화를 위한 변수 식별 및 구성

FLC를 설계하는 첫 번째 단계는 관련된 입력, 출력 및 상태 변수를 식별하는 것입니다. 다음으로, 변수에 대한 퍼지 부분 집합을 결정합니다. 예를 들어, 온도 입력은 {'cold,' 'cool,' 'nominal,' 'warm,' 'hot'}과 같이 각각에 대한 설명적인 언어 레이블이 있는 5개의 하위 집합으로 나눌 수 있습니다.

그림 5. 온도를 나타내기 위해 멤버쉽 함수를 사용하는 예.

변수에 대한 하위 집합이 선택되면 이러한 하위 집합을 나타내도록 구성원 함수를 구성해야 합니다. 멤버십 함수에 대한 옵션에는 삼각형, 사다리꼴, 시그모이드 및 가우스가 포함됩니다. 이것은 퍼지화기를 구성합니다. 이는 선명한 입력을 퍼지 값으로 변환합니다. 추론 엔진의 출력에 대해 퍼지 하위 집합 및 관련 멤버십 기능도 구성해야 합니다. .

퍼지 논리 규칙 생성

기존의 래더 로직 컨트롤러를 퍼지 로직 컨트롤러로 변환하는 것은 퍼지 로직 규칙을 생성하는 것으로 시작됩니다.

가정에서 암시하는 바와 같이, 이것은 이미 존재하거나 주제 전문가의 도움으로 개발될 수 있는 언어 규칙의 형태를 취할 수 있습니다. 입력-출력 데이터 집합이 주어지면 규칙을 생성할 수도 있습니다. 그리고 래더 논리의 경우 퍼지 논리 규칙은 래더 다이어그램에서 직접 읽을 수 있습니다.

결과는 규칙 기반입니다. 퍼지 시스템을 위해.

추론 엔진 및 Defuzzifier 구현

추론 엔진을 구현하는 방법에는 여러 가지가 있습니다. . 컨트롤에서 가장 널리 사용되는 두 가지 접근 방식은 Mamdani와 Sugeno입니다. 두 유형의 추론 엔진 모두 OR 연산자를 사용하여 규칙 기반의 퍼지 출력을 결합한 다음 비퍼지화합니다. 선명한 값을 얻기 위해 출력합니다.

퍼지 로직 컨트롤러의 응용

퍼지 로직 컨트롤러는 매우 광범위하게 사용되었습니다. 예를 들어, 엘리베이터에는 대기 시간을 줄이고 층 간 이동을 최소화하며 에너지 사용을 줄이는 퍼지 로직 컨트롤러가 있는 경우가 많습니다. 층 간 이동을 최소화하는 추가 이점은 중요한 구성 요소의 마모를 줄이고 서비스 수명을 연장하는 것입니다.

퍼지 제어 시스템의 또 다른 매력적인 예는 디지털 비디오 카메라와 캠코더입니다. 작업자는 일관된 샷을 촬영하는 동안 카메라를 움직이거나 흔들 수 있지만 퍼지 논리 제어는 자동으로 보정할 수 있습니다.

산업 환경에서 퍼지 논리는 종종 산업 프로세스 및 시스템을 제어하는 ​​데 사용됩니다. 예를 들어 퍼지 논리는 금속 열처리에 사용되는 것과 같은 온도 및 프로세스 컨트롤러와 잘 작동합니다. 일반적인 열처리에는 정확한 야금학적 특성을 얻기 위해 매우 정밀한 램프 및 담금 주기가 포함됩니다.

FLC의 혜택을 받는 유사한 응용 분야에는 고무 경화 또는 도장된 표면의 용매 건조가 포함됩니다. 또한 이들 모두는 일반적으로 PID(비례 적분 미분) 컨트롤러를 사용하는 제어 프로세스의 예입니다. CNC(컴퓨터 수치 제어) 가공은 많은 자율 로봇, 머신 비전, 원격 감지와 마찬가지로 퍼지 로직 컨트롤러에 의존하는 경우가 많습니다.

그림 6. 퍼지 PID 컨트롤러의 블록 다이어그램. Mathworks 제공 이미지 사용

퍼지 논리 제어의 장점과 단점

퍼지 논리 제어는 시스템에서 부정확한 데이터와 비선형성에 직면했을 때 여전히 작동할 수 있습니다. 또한 인간의 경험과 지식을 제어 시스템에 통합할 수 있으며 고도로 사용자 정의할 수 있습니다. 퍼지 논리 제어 시스템은 일반적으로 보다 전통적인 접근 방식에 비해 개발 비용이 저렴하고 더 효율적이고 강력하며 안정적인 경향이 있습니다.

특히, 제어에서 FLC는 제어 시스템에 대한 보다 전통적인 접근 방식에서 요구되는 정확한 용어로 공식화되는 모델 및/또는 목표를 요구하지 않습니다. 또한 퍼지 제어는 다른 제어 시스템과 쉽게 혼합될 수 있습니다.

물론 퍼지 제어 시스템을 사용하는 데에는 단점이 있습니다. 퍼지 논리는 인공 지능(AI)의 하위 집합이지만 기계 학습 유형이 아니므로 적응하고 학습할 수 없습니다. 적응형 퍼지 논리 컨트롤러가 있지만 그 설계와 복잡성은 논의 중인 퍼지 컨트롤러 유형을 훨씬 뛰어넘습니다.

또한 최종적으로 컨트롤러가 의존하는 규칙을 업데이트해야 하며 퍼지 로직 컨트롤러는 구현 준비가 된 것으로 간주되기 전에 광범위한 테스트와 검증이 필요합니다.

퍼지 로직 컨트롤러는 언제 사용해야 합니까? 극도로 복잡하고 정확한 모델과 목표를 사용하여 표현하기 어려운 제어 문제에 대한 탁월한 옵션입니다. 부정확한 데이터와 비선형 동작이 관련될 때 잘 작동합니다. 인간의 경험과 전문 지식이 시스템에 기여할 수 있는 경우에도 좋은 선택입니다. 제어 시스템에서 퍼지 논리를 어떻게 사용합니까? 아니면 PID 컨트롤러만 사용하시나요?