Industrielle Anwendung von Fuzzy Logic Control

Präsentation zum Thema: "Industrielle Anwendung von Fuzzy Logic Control"—  Präsentation transkript:

1 Industrielle Anwendung von Fuzzy Logic Control
Tutorium und Workshop © Constantin von Altrock INFORM GmbH Aachen Pascalstraße 23 D Aachen English Version Available! Tel.: Fax: Internet: Optimiert für 1024x768 /256 Farben Fuzzy Logic Entwurfsmethodik nach ISO/IEC Standards Relevante Standards für Fuzzy Logic Zukünftige Standards für Fuzzy Logic Allgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Unterstützung durch Fuzzy-Tools Spezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards © INFORM Slide 1

2 Fuzzy Logic: Relevante Standards
ISO 9000 Internationaler Qualitätsstandard Entwicklungsdokumentation Änderungsdokumentation Prüfungsdokumentation IEC Automatisierungstechnik Datenformate zur Portierung Integration mit konventionellen Techniken Entwurfsmethodik Es existieren allgemeine und spezielle Normen für die Fuzzy-Entwicklung! © INFORM Slide 2

3 Fuzzy Logic: Zukünftige Standards
IEEE Standard Spezielle Norm zu Fuzzy Logic: Terminologie und Algorithmik (Unterschiedliche Begriffe für gleiche Dinge und gleiche Begriffe für unterschiedliche Dinge verwirren Anwender) Universelle Programmiersprache für Fuzzy Performancevergleich durch standardisierte Bechmarks (Praxisnahe Benchmarks für Plattformauswahl und - vergleich) Weitergehende Entwicklungsmethodik Fuzzy-”Plug-Ins” für Standardanwendungen Adaptionstechniken für Fuzzy-Systeme Under Construction! © INFORM Slide 3

4 Industrielle Anwendung von Fuzzy Logic Control
Fuzzy Logic Entwurfsmethodik nach ISO/IEC Standards Relevante Standards für Fuzzy Logic Zukünftige Standards für Fuzzy Logic Allgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Schritte und Meilensteine Spezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards © INFORM Slide 4

5 Allgemeine Fuzzy-Entwurfsmethodik
Ziele der allgemeinen Fuzzy-Entwurfsmethodik: Definition eindeutiger und nachvollziehbarer Entwicklungsschritte Festlegung von Mindestanforderungen an den Entwickler für Projektstrukturierung, Reporting und Dokumentation (Endstand und Entwicklungsablauf) Validierung nach ISO 9000! Hieraus ergibt sich: Eine lückenlose und transparente Erfassung des Entwicklungsprozesses Stärkeres Bewußtsein für Motive und Auswirkungen von Designentscheidungen Eindeutige Zuordnung von Leistungen im Gesamtprojekt bei Auftragsvergabe Absicherung gegen fälschliche Haftungsforderungen Dritter Leider auch ein Mehraufwand... d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf © INFORM Slide 5

6 Allgemeine Fuzzy-Entwurfsmethodik
Phasenplan Die allgemeine Fuzzy-Entwurfsmethodik strukturiert das Gesamtprojekt! A-Report Projektbeginn B-Report Abnahme Vorfelduntersuchung A-Audit Prototyp B-Audit Offline Optimierung Inbetriebnahme Optimierung Dokumentation d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Audit := Erfassung des Prozeßwissens von Anlagenfahrern und Betriebsingenieuren Report := Ergebnisprotokoll eines Audits © INFORM Slide 6

7 Allgemeine Fuzzy-Entwurfsmethodik
Vorfelduntersuchung := Untersuchung, ob Fuzzy Logic geeignetes Lösungsverfahren ist Überlegungen vor Projektbeginn! Kriterien: Wurde für eine vergleichbare Aufgabenstellung bereits erfolgreich eine Fuzzy-Lösung entwickelt? Handelt es sich um ein Mehrgrößenproblem? Verfügen Anlagenbetreiber oder Betriebsingenieure über Kenntnis aller wichtigen Zusammenhänge der Prozeßvariablen? Kann weiteres Wissen über die Zusammenhänge des Prozesses durch Beobachtung oder durch Experimente gewonnen werden? Ist mathematische Modellbildung schwierig? d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf © INFORM Slide 7

8 Allgemeine Fuzzy-Entwurfsmethodik
A-Audit Systematische Darstellung des vorhandenen Prozeßwissens! Vorbereitung: Auditoren: Einarbeitung in die Materie, Erstellen eines speziellen Fragenkatalogs Betreiber: Dokumentation der bestehenden MSR, Beschreibung aller Meß- und Stellgrößen mit Bedeutung für den Prozeß, Min- und Max-Werten sowie Toleranzen. Beschaffung protokollierter Prozeßdatenverläufe (Trendschriebe) Durchführung: Analyse der Qualitätsvariablen und Kenngrößen Analyse der Stellgrößen Analyse des Ist-Zustands A-Report: Schriftliche Zusammenfassung der Auditoren, Abnahme durch den Betreiber d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf © INFORM Slide 8

9 Allgemeine Fuzzy-Entwurfsmethodik
Prototyp Erzeugung eines Prototypen des Fuzzy-Reglers auf Basis des A-Reports: Als Demonstrator für das B-Audit Als Ausgangsmodell für den nächsten Schritt Prototypenentwicklung nach der speziellen Fuzzy-Entwurfsmethodik: Festlegung der Systemstruktur Definition des Vokabulars Definition einer ersten Regelbasis d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Rapid Application Development! © INFORM Slide 9

10 Allgemeine Fuzzy-Entwurfsmethodik
B-Audit Revision des Prototypen! Vorbereitung: Auditoren: Aufarbeitung des Prototypen als Demonstrator, Erstellen eines Fragenkatalogs Durchführung: Gemeinsame Diskussion des A-Audits in Bezug auf Unschlüssigkeiten und Fehler Hinterfragung unklarer Zusammenhänge Revision des A-Reports zum B-Report Festlegen von Prozeduren für die sichere Inbetriebnahme des Reglers ohne Störung des Prozesses und der Anlagensicherheit B-Report: Schriftliche Zusammenfassung der Auditoren, Abnahme durch den Betreiber d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf © INFORM Slide 10

11 Allgemeine Fuzzy-Entwurfsmethodik
Offline Optimierung Erweiterung des Prototypen des Fuzzy-Reglers auf Basis des B-Reports: Revision der linguistischen Variablen Revision und Ergänzung der Regeln Verifikation durch: Offline Analyse von partiellem Übertragungsverhalten Einsatz regelungstechnischer Simulationen Verwendung existierender Prozeßdaten zum Test d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Umsetzung des Betriebswissens! © INFORM Slide 11

12 Allgemeine Fuzzy-Entwurfsmethodik
Inbetriebnahme Optimierung Inbetriebnahme des Fuzzy-Reglers: Implementation auf der Zielhardware, Online-Link zum Entwicklungsrechner Integration mit Basis-MSR und Implementation der Vor-/Nachverarbeitung Schaffung einer Sicherheitsfunktionalität (Grenzen, Handumschaltung, Safe State,..) Optimierung des Fuzzy-Reglers: “Open-Loop” Betrieb zur Plausibilisierung des Reglerverhaltens “Supervised” Betrieb zum Feintuning der Regeln und Zugehörigkeitsfunktionen “What-If” Analysen zur Optimierung der Prozeßführung d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Verifikation am Prozeß! © INFORM Slide 12

13 Allgemeine Fuzzy-Entwurfsmethodik
Dokumentation Dokumentation des entstandenen Fuzzy-Reglers: Beschreibung der Systemstruktur Beschreibung des Vokabulars Beschreibung der Regelbasen Dokumentation des Entwicklungsprozesses: Auditreports Finalreports Entwicklungshistorie des Fuzzy Logic Systems Dokumentationsaufwand reduziert sich drastisch durch Einsatz von Fuzzy-Tools! d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf © INFORM Slide 13

14 Allgemeine Fuzzy-Entwurfsmethodik
Unterstützung der Allgemeinen Entwurfsmethodik durch Fuzzy-Tools (fuzzyTECH) Kommentierungsmöglichkeiten aller Fuzzy-Objekte in der Entwicklungssoftware Automatische Erzeugung kompletter Systemdokumentation Integriertes Revisionskontollsystem d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Das Zusammenspiel dieser Komponenten reduziert den Dokumentationsaufwand für ISO 9000 um 75-95%! © INFORM Slide 14

15 Allgemeine Fuzzy-Entwurfsmethodik
Kommentierungsmöglichkeiten aller Fuzzy-Objekte in der Entwicklungssoftware Beschreibung aller Fuzzy-Objekte: Übersichtliche Präsentation während der Entwicklung: d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Die Dokumentation entsteht WÄHREND der Entwicklung! © INFORM Slide 15

16 Allgemeine Fuzzy-Entwurfsmethodik
Automatische Erzeugung kompletter Systemdokumentation Export, Modifikation und Druck in WordProcessor Automatische Integration in Anlagendokumentation Verwendung eigener Dokumentationsformate Dokumentation in jeder Sprache d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Komplette Dokumentation zu jedem Entwicklungsstand in wenigen Sekunden! © INFORM Slide 16

17 Allgemeine Fuzzy-Entwurfsmethodik
Integriertes Revisionskontrollsystem Gesamte Entwicklungs-historie in einer Datei Dokumentation aller Entwicklungsstände Dokumentation des Entwicklungsfortschritts Schutz vor unberechtigter Änderung d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Jederzeit Zugriff auf gesamte Entwicklungshistorie! © INFORM Slide 17

18 Industrielle Anwendung von Fuzzy Logic Control
Fuzzy Logic Entwurfsmethodik nach ISO/IEC Standards Relevante Standards für Fuzzy Logic Zukünftige Standards für Fuzzy Logic Allgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Schritte und Meilensteine Spezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards © INFORM Slide 18

19 Spezielle Fuzzy-Entwurfsmethodik
Ziele der speziellen Fuzzy-Entwurfsmethodik: Beschreibung einer klaren und eindeutigen Vorgehensweise für die Definition der Komponenten eines Fuzzy-Systems (Linguistische Variable, Regeln, Struktur, ..) Definition der Kriterien für die einzelnen Designentscheidungen Validierung nach ISO 9000! Hieraus ergibt sich: Eine “kochrezeptartige” Vorgehensweise für die Erfordernisse der Praxis Schnellere Einarbeitung für Neueinsteiger Vermeidung von Fehlern und Mißverständnissen Absicherung gegen fälschliche Haftungsforderungen dritter Spätere Erweiterung/Modifikation ohne Risiken durchführbar d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf © INFORM Slide 19

20 ? ? Spezielle Fuzzy-Entwurfsmethodik Designschritte Designmethoden
Designentscheidungen Strukturanalyse Definition des Vokabulars Definition der Zusammenhänge Verifikation Expertenaudit Offline Simulation Offline Plausi-bilisierung der Regelbasis Offline Test an Prozeßdaten Online Optimierung Strukturdefinition Typ der Zugehörigkeits-funktionen Inferenzmethoden Operatorwahl Wahl der Defuzzifikations-methode ? ? d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Die spezielle Fuzzy-Entwurfs-methodik strukturiert den eigentlichen Systementwurf! © INFORM Slide 20

21 Grundsätzliche Designschritte
Struktur Für jeden dieser Designschritte besteht eine eigene Entwurfsmethodik Die einzelnen Designentscheidungen sind bezüglich ihrer Kriterien und Auswirkungen auf das Gesamtdesign definiert “Sanity-Checks” nach jedem Schritt Die Befolgung der Entwurfsmethodik wird abprüfbar (“zertifizierbar”) Der Entwicklungsprozeß eines so entwickelten Fuzzy-Systems ist auch für andere transparent und reproduzierbar Liguistische Var. Fuzzy-Regeln Offline Test d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Inbetriebnahme Wartung Genauer Vorgehensplan statt “trial-and-error”! © INFORM Slide 21

22 Definition der Systemstruktur
Ausgangsvariable: Welche Art der Entscheidungen werden vom Fuzzy-System erwartet (0/1, inc/dec, absolut) Eingangsvariable: Welche stehen zur Verfügung, und welche sollen zuerst eingesetzt werden? Verknüpfung: Von welchen Eingangs-variablen hängt jede Ausgangsvariable überhaupt ab? Welche Zwischen-aggregation ist möglich? Defuzzifikation: “Bester Kompromiß“ oder “Plausibelste Lösung”? Ausgangsvariable Eingangsvariable Liguistische Var. Verknüpfung Fuzzy-Regeln Defuzzifikation Offline Test d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Inbetriebnahme Wartung Der erste Entwurfsschritt legt die Grundstruktur fest! © INFORM Slide 22

23 Systemstruktur - Ausgangsvariable - Ausgangsvariable
Eingangsvariable Verknüpfung Defuzzifikation Welche Art der Entscheidungen soll das Fuzzy-System treffen? Absolutwerte an Stellorgane Absolutwerte als Sollgrößen für unterlagerte Regler Relativwerte für unterlagerte Regler (inc/dec) Diskrete Entscheidungen (ein/aus, ...) Dokumentation der Ausgangsvariablen: Was bewirkt die Ausgangsvariable für den Prozeß? In welchem Wertebereich soll die Ausgangsvariable variiert werden bzw. welche typischen Werte existieren? Gibt es “Safe States”? d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Genaue Beschreibung des erwarteten Outputs! © INFORM Slide 23

24 Systemstruktur - Eingangsvariable - Ausgangsvariable
Verknüpfung Defuzzifikation Dokumentation aller sinnvollen Eingangsvariablen: Welchen Aspekt des Prozesses beschreibt die Eingangsvariable? In welchem Wertebereich bewegt sich die Eingangsvariable bzw. welche typischen Werte existieren? Welche Toleranzen haben die Sensoren bzw. wie genau ist die Messung einzuschätzen? Welcher zeitliche Verzögerung unterliegt die Meßgröße? d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Welche Eingangsvariablen sollen verwendet werden? Für jede Ausgangsvariable Reihenfolge der Bedeutung der Eingangsvariablen aufstellen Hieraus die kleineste sinnvolle Menge an Eingangsvariablen identifizieren, die ausreichen, alle Ausgangsvariablen zu regeln Bestandsaufnahme zur Verfügung stehender Meßgrößen! © INFORM Slide 24

25 Systemstruktur - Verknüpfung - Ausgangsvariable
Eingangsvariable Verknüpfung Defuzzifikation Identifikation der Wechselwirkungen im Entscheidungsprozeß: Für jede Ausgangsvariable, welche Eingangsvariablen haben eine Auswirkung? Gibt es sinnvolle Zwischenvariablen zur Beschreibung von Prozeßzuständen? Einfache Struktur := Komplexe Regelformulierung d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Je stärker die Ent-scheidung struktu-riert werden kann, um so einfacher die Regelformulierung! Komplexe Struktur := Einfache Regelformulierung © INFORM Slide 25

26 Systemstruktur - Defuzzifikation - CoM MoM Ausgangsvariable
Eingangsvariable Verknüpfung Defuzzifikation Für jede Ausgangsvariable Defuzzifikationsverfahren festlegen: Für kontinuierliche Größen: “bester Kompromiß“ := CoM Für diskrete Größen: “plausibelstes Ergebnis” := MoM #1: IF Temp = high OR Press = high THEN CH4 = low (0.6) #2: IF Temp = med AND Press = med THEN CH4 = med (0.2) CH4 1 v_high high med low CoM #1 #2 d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf #1: IF Temp = high AND Flow = ok THEN Fire = on (0.8) #2: IF Temp = med AND Flow = low THEN Fire = off (0.9) Der Charakter der Entscheidung bedingt die Defuzzifizierungs-methode! Fire 1 on off #2 #1 MoM © INFORM Slide 26

27 Definition der Systemstruktur
Ausgangsvariable Der Fuzzy Design Wizard in fuzzyTECH: Eingangsvariable Verknüpfung Defuzzifikation d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Eingebauter Fuzzy-Experte! © INFORM Slide 27

28 Definition der Linguistischen Variablen
Struktur Wieviele Terme soll jede linguistische Variable enthalten? Welcher Typ Zugehörigkeitsfunktionen soll verwendet werden? Wie lassen sich plausible Zugehörigkeitsfunktionen definieren? Liguistische Var. Zahl der Terme Typ der Zugeh-ftk. Fuzzy-Regeln Zugehörigkeitsfkt. Offline Test d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Inbetriebnahme Der zweite Entwurfsschritt definiert das Vokabular der Regelstrategie! Wartung © INFORM Slide 28

29 Linguistische Variablen - Zahl der Terme -
Heuristische Festlegung (“Kochrezept”): Fast alle linguistische Variablen haben zwischen 3 und 7 Terme Die Termzahl ist meist ungerade ... also ist die Termzahl meist 3, 5 oder 7 Zahl der Terme Typ der Zugeh-ftk. Zugehörigkeitsfkt. Praktische Vorgehensweisen: Erste vorformulierte Regeln zeigen bereits die erforderliche Termzahl an oder Faustregel: Beginne mit 3 Termen pro Eingangsvariable und 5 Termen pro Ausgangsvariable d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Mit minimaler Termzahl beginnen, da später leicht weitere Terme hinzugefügt werden können! © INFORM Slide 29

30 Linguistische Variablen - Typ der Zugehörigkeitsfkt. -
Empirische Psycholinguistische Forschung hat ergeben, daß eine Zugehörigkeitsfunktion folgende Eigenschaften aufweisen sollte: 1. µ(x) sei stetig über X 2. µ‘(x) sei stetig über X 3. µ‘‘(x) sei stetig über X 4. µ: minµ{maxx{µ‘‘(x)}} für alle X Zahl der Terme Typ der Zugeh-ftk. Zugehörigkeitsfkt. Diese Axiome werden von kubisch interpolierenden Splines erfüllt: d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf In der Praxis ist die lineare Näherung meist ausreichend! © INFORM Slide 30

31 Linguistische Variablen - Zugehörigkeitsfunktionen -
Definition in 4 einfachen Schritten: 1. Für jeden Term lege typischen Wert/Wertebereich fest 2. Definiere µ=1 für diesen Wert/Wertebereich 3. Definiere µ=0 ab dem Punkt ab dem nächster Nachbarterm µ=1 4. Verbinde Zwischenintervall mit Gerade/KubischerSpline Zahl der Terme Typ der Zugeh-ftk. Zugehörigkeitsfkt. Beispiel der Linguistischen Variable “Error”: 1 -10 -5 +5 +10 Error large_p: 10 positive: 3 zero: 0 negative: -3 large_n: -10 d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Die Angabe EINES typischen Wertes pro Term reicht für vollständige Definition aus! © INFORM Slide 31

32 Linguistische Variablen - Zugehörigkeitsfunktionen -
Definition in 4 einfachen Schritten: 1. Für jeden Term lege typischen Wert/Wertebereich fest 2. Definiere µ=1 für diesen Wert/Wertebereich 3. Definiere µ=0 ab dem Punkt ab dem nächster Nachbarterm µ=1 4. Verbinde Zwischenintervall mit Gerade/KubischerSpline Zahl der Terme Typ der Zugeh-ftk. Zugehörigkeitsfkt. Beispiel der Linguistischen Variable “Error”: 1 -10 -5 +5 +10 Error large_p: 10 positive: 3 zero: [-1;1] negative: -3 large_n: -10 d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Ein “typischer Wertes” kann auch ein Intervall sein! © INFORM Slide 32

33 Linguistische Variablen - Zugehörigkeitsfunktionen -
Strukturierte Erzeugung linguistischer Variablen in fuzzyTECH: Zahl der Terme Typ der Zugeh-ftk. Zugehörigkeitsfkt. d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Erstellen kompletter Sätze von Zugehörigkeitsfunktionen in einem Schritt! © INFORM Slide 33

34 Definition der Fuzzy-Regeln
Struktur Welcher Fuzzy-Operator für die Aggregation? Welcher Fuzzy-Operator für die Result-Aggregation? Wie werden die eigentlichen Regeln definiert? Liguistische Var. Fuzzy-Regeln Aggregation Op. Result Agg. Op. Offline Test d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Regeldefinition Inbetriebnahme Der dritte Entwurfsschritt formuliert die eigentliche Regelstrategie! Wartung © INFORM Slide 34

35 Definition der Fuzzy-Regeln - Aggregationsoperator -
Elementare Fuzzy-Operatoren: UND: µAvB = min{ µA; µB } ODER: µA+B = max{ µA; µB } NICHT: µ-A = 1 - µA Aggregation Op. Result Agg. Op. Regel Definition ..bilden menschliches Verhalten nur eingeschränkt ab. Beispiel: WENN Auto=schnell UND Auto=sparsam DANN Auto=gut Auto 1: 180km/h: µ=0.3 9l/100km: µ=0.4 -> 0.3 Auto 2: 180km/h: µ=0.3 7l/100km: µ=0.6 -> 0.3 Auto 3: 175km/h: µ=0.25 4l/100km: µ=0.9 -> 0.25 d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Bastellösung: Mehr und differenziertere Regeln: Elementare Fuzzy-Operatoren können Regelmenge aufblähen! ziemlich_schnell ziemlich_sparsam ziemlich_gut WENN Auto=schnell UND Auto=sparsam DANN Auto=gut etwas_schnell etwas_sparsam etwas_gut © INFORM Slide 35

36 Definition der Fuzzy-Regeln - Aggregationsoperator -
Übertragungsverhalten von MIN und MAX: Aggregation Op. Result Agg. Op. Regel Definition Kompensatorische Operatoren repräsentieren menschliches Bewerten und Entscheiden besser: d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf MIN UND MAX ODER In der Praxis reichen MIN und MAX meist aus! Gamma-Operator ist parametrierbar: © INFORM Slide 36

37 Definition der Fuzzy-Regeln - Aggregationsoperator -
In fuzzyTECH sind Fuzzy-Operatoren anpassbar: Aggregation Op. Result Agg. Op. Regel Definition d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Direkte Veranschaulichung des Operatorverhaltens! © INFORM Slide 37

38 Definition der Fuzzy-Regeln - Result Aggregation Oper. -
Zwei Verfahren in der Praxis eingesetzt: “The winner takes it all” (MAX) “One man, one vote” (BSUM) Aggregation Op. Result Agg. Op. Regel Definition Regeln: #1: => Power = high (0.3) #2: => Power = med (0.1) #3: => Power = med (0.4) #4: => Power = med (0.6) #5: => Power = low (0.0) MAX: med (0.6) BSUM: med (1.0) d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Bei unsymmetrischen Regelmengen führt BSUM zu unplausiblen Ergebnissen! © INFORM Slide 38

39 Definition der Fuzzy-Regeln - Regeldefinition -
Grundsätzliche Eigenschaften von Regelmengen: Normalisierung (alle Klammerungen aufgelöst) Trenndarstellung (nur “UND”-Operator verwendet) Aggregation Op. Result Agg. Op. Regel Definition Beispiel einer nicht-normalisierten und nicht-getrennten Regel: IF (((Press_1 = low AND Press_2 = low) OR (Press_3 = med AND NOT Temp_2 = high)) AND (Press_1 = low OR Temp_1 = high)) THEN CH4 = med Praktische Vorgehensweisen bei der Regeldefinition: Induktion: “DANN”-Teil für alle möglichen Kombinationen festlegen (nur bei 2-3 Eingangsvariable pro Regelblock) Deduktion: Regeln wie einzelne Elemente der Erfahrung aufstellen (“dünne” Regeln bevorzugen) Linarer Ansatz: Stufenweise Optimierung auf Basis “linearer” Regelmenge (besonders für “direkte” Regelstrecken) d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Zu implementierende Erfahrung bestimmt das Verfahren! © INFORM Slide 39

40 Definition der Fuzzy-Regeln - Regeldefinition -
fuzzyTECH unterstützt alle 3 Vorgehensweisen: Automatische Erzeugung induzierter Regelmengen (Tabelle, Text und Matrixdarstellung) Aggregation Op. Result Agg. Op. Regel Definition d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Festlegen einer Reaktion auf alle möglichen Situationen! © INFORM Slide 40

41 Definition der Fuzzy-Regeln - Regeldefinition -
fuzzyTECH unterstützt alle 3 Vorgehensweisen: Deduktive Erzeugung der Regelmengen (Tabelle, Text und Matrixdarstellung) Aggregation Op. Result Agg. Op. Regel Definition d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Zu implementierende Erfahrung bestimmt das Verfahren! © INFORM Slide 41

42 Definition der Fuzzy-Regeln - Regeldefinition -
fuzzyTECH unterstützt alle 3 Vorgehensweisen: Fuzzy Rule Wizard zur automatischen Erzeugung linearer Regeln Aggregation Op. Result Agg. Op. Regel Definition d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Regeldefinition durch “point-and-click”! © INFORM Slide 42

43 Offline Test Struktur Welche Fuzzy-Regeln fehlen, sind überflüssig oder konfliktär? Tuning der linguistischen Variablen und Regeln mit Hilfe einer Prozeßsimulation. Optimierung an Daten des realen Prozesses. Regelvalidierung Liguistische Var. Prozeßsimulation Fuzzy-Regeln Prozeßdatentest Offline Test d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Inbetriebnahme Im Offline Test erfolgt die erste Verifikation des Fuzzy-Systems! Wartung © INFORM Slide 43

44 Offline Test - Regelvalidierung 1 -
Analysewerkzeuge in fuzzyTECH zur Regelvalidierung: Regelvalidierung Prozeßsimulation Prozeßdatentest d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Direkte Analyse des Kennfeldes im 3D Plot! © INFORM Slide 44

45 Offline Test - Regelvalidierung 2 -
Analysewerkzeuge in fuzzyTECH zur Regelvalidierung: Regelvalidierung Prozeßsimulation Prozeßdatentest d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Verifizierung einzelner Regelblöcke mit dem Statistics Analyzer! © INFORM Slide 45

46 Offline Test - Prozeßsimulation 1 -
Dynamische Schnittstellen in fuzzyTECH zu Simulationstools und Programmiersprachen: Fuzzy-Blöcke in VisSim™, Matlab/SIMULINK™, ... Standardschnittstellen DDE, DLL, OLE, Datei, ... Eigene Simulationsschnittstelle zur Integration von fuzzyTECH in eigene Software Wahlweise gesamte Oberfläche (dynamische Änderung) als auch Runtime-Modul (höchste Performance) einbindbar Regelvalidierung Prozeßsimulation Prozeßdatentest d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Offene Schnittstellen lassen die Verknüpfung mit fast jeder anderen Software zu! © INFORM Slide 46

47 Offline Test - Prozeßsimulation 2 -
Dynamisches Monitoring und Tuning in fuzzyTECH: Regelvalidierung Prozeßsimulation Prozeßdatentest d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Asynchrone Kopplung von Simulation und Fuzzy-Tool! © INFORM Slide 47

48 Offline Test - Prozeßdatentest -
Dynamische Optimierung an realen Prozeßdaten in fuzzyTECH: Regelvalidierung Prozeßsimulation Prozeßdatentest d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Verifizierung des gesamten Fuzzy-Reglers für reale Prozeßsituationen! © INFORM Slide 48

49 Inbetriebnahme Umsetzung des Fuzzy-Reglers auf der Zielhardware
Struktur Umsetzung des Fuzzy-Reglers auf der Zielhardware Implementierung des Online-Prozeßlinks Warmer Betrieb := Ausgänge des Fuzzy-Systems nicht auf Prozeß durchgeschaltet Heißer Betrieb := Ausgänge des Fuzzy-Systems sind auf Prozeß durchgeschaltet Liguistische Var. Implementation Fuzzy-Regeln Warmer Betrieb Offline Test Heißer Betrieb d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Inbetriebnahme Endgültige Verifikation des gesamten Fuzzy-Systems im Online-Betrieb! Wartung © INFORM Slide 49

50 Inbetriebnahme - Umsetzung und Link -
Unterschiedliche Implementationstechniken in fuzzyTECH: Embedded Control: Assemblercodekernels Industrieautomatisierung: Fuzzy-Funktionsblöcke für SPS Prozeßleittechnik: Fuzzy-Module für PLS Universell: Hochsprachenquellcode (C, C++, VB, Pascal, ..) Online-Verbindung von Prozeßhardware und fuzzyTECH: d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Für jede Zielplattform die optimale Umsetzung! © INFORM Slide 50

51 Inbetriebnahme: Warm/Heiß
Analyse des Zeitverhaltens in fuzzyTECH: Dynamisch in allen Editoren und Analyzern Spezielles Zeitverhalten von Variablen, Termen und Regeln im Time Plot: d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Stufenweise Inbetriebnahme! © INFORM Slide 51

52 Betrieb und Wartung Struktur Abschlußdokumentation des erstellten Fuzzy-Systems und dessen Einbindung (enthält alle vorherigen Entwicklungsdokumentationen) Konfiguration der Monitoringkomponenten zur Überwachung des Fuzzy-Systems Gegebenenfalls Review des Fuzzy-Systems und entsprechende Modifikation Liguistische Var. Fuzzy-Regeln Dokumentation Offline Test Monitoring d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Inbetriebnahme Review Entwurfsmethodik geht über die Inbetriebnahme hinaus! Wartung © INFORM Slide 52

53 Betrieb und Wartung fuzzyTECH unterstützt die Schritte durch:
Dokumentation: Dokumentationsgenerator und Revisionskontrollsystem Remote Tracing zum Online Monitoring Monitoring auch unbeaufsichtigt! d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Review der Linguistischen Variablen and Fuzzy Regeln durch “What-If” Analysen © INFORM Slide 53

54 speziellen Entwurfsmethodik
Zusammenfassung der speziellen Entwurfsmethodik 1. Strukturdefinition 1.1 Dokumentation der Ausgangsvariablen 1.2 Dokumentation der Eingangsvariablen 1.3 Festlegung der Verknüpfungsstruktur (“viele kleine” Regelblöcke) 1.4 Defuzzifikationsverfahren (“bester Kompromiß“ oder “plausibelste Lösung”?) 2. Linguistische Variable 2.1 Zahl der Terme pro Variable (starte mit 3 pro Ein- und 5 pro Ausgangsvariable) 2.2 Typ der Zugehörigkeitsfunktionen (starte mit linearen Standard-MBFs) 2.3 Funktionsdefinition nach Standardverfahren (plausibelste Werte/Wertebereiche => Fkt.’s) 3. Regelformulierung 3.1 Fuzzy-Operator für die Aggregation (starte mit MIN) 3.2 Fuzzy-Operator für die Result Aggregation (starte mit MAX) 3.3 Wähle Verfahren der Regelformulierung nach Anwendung (Induktiv, Deduktiv, Linearer Start) 4. Offline Test 4.1 Validierung der Regelbasen (Identifikation fehlender und konfliktärer Regeln) 4.2 Test mit Prozeßsimulation (wenn vorhanden) 4.3 Test an Prozeßdaten (wenn vorhanden) 5. Inbetriebnahme 6. Wartung d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf Der reproduzierbare und zertifizierbare Weg zum Ziel! © INFORM Slide 54

55 fuzzyTECH unterstützt die gesamte Entwurfsmethodik
Für jeden Designschritt die optimalen Werkzeuge! Struktur Liguistische Var. Fuzzy-Regeln Offline Test Inbetriebnahme Wartung => Fuzzy Design Wizard => Linguistic Variable Wizard => Fuzzy Rule Wizard, Rule Block Utilities => Offline Debug Modi, Analyzer d,fcnas.dfknj aösl.dkjf ölaskdjf öaslkjdf öaslkdfj as df as df a sdf asd f as df asdf df asdf => Online Debug Modi, Analyzer => Trace, Documentation Generator, Revision Control System © INFORM Slide 55

56 Industrielle Anwendung von Fuzzy Logic Control
Fuzzy Logic Entwurfsmethodik nach ISO/IEC Standards Relevante Standards für Fuzzy Logic Zukünftige Standards für Fuzzy Logic Allgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Schritte und Meilensteine Spezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards © INFORM Slide 56