Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Industrielle Anwendung von Fuzzy Logic Control © INFORM 1990-1996Slide 1 Tutorium und Workshop © Constantin von Altrock INFORM GmbH Aachen Pascalstraße.

Ähnliche Präsentationen


Präsentation zum Thema: "Industrielle Anwendung von Fuzzy Logic Control © INFORM 1990-1996Slide 1 Tutorium und Workshop © Constantin von Altrock INFORM GmbH Aachen Pascalstraße."—  Präsentation transkript:

1 Industrielle Anwendung von Fuzzy Logic Control © INFORM Slide 1 Tutorium und Workshop © Constantin von Altrock INFORM GmbH Aachen Pascalstraße 23 D Aachen English Version Available! Tel.: Fax: Internet: Optimiert für 1024x768 /256 Farben 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 X XRelevante Standards für Fuzzy Logic X XZukünftige Standards für Fuzzy Logic X XAllgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Unterstützung durch Fuzzy-Tools X XSpezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards X XRelevante Standards für Fuzzy Logic X XZukünftige Standards für Fuzzy Logic X XAllgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Unterstützung durch Fuzzy-Tools X XSpezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards

2 Fuzzy Logic: Relevante Standards © INFORM Slide 2 ISO 9000Internationaler Qualitätsstandard X XEntwicklungsdokumentation X XÄnderungsdokumentation X XPrüfungsdokumentation X XEntwicklungsdokumentation X XÄnderungsdokumentation X XPrüfungsdokumentation IEC 1131+Automatisierungstechnik X XDatenformate zur Portierung X XIntegration mit konventionellen Techniken X XEntwurfsmethodik X XDatenformate zur Portierung X XIntegration mit konventionellen Techniken X XEntwurfsmethodik Es existieren allgemeine und spezielle Normen für die Fuzzy-Entwicklung!

3 Fuzzy Logic: Zukünftige Standards © INFORM Slide 3 IEEE StandardSpezielle Norm zu Fuzzy Logic: X XTerminologie und Algorithmik (Unterschiedliche Begriffe für gleiche Dinge und gleiche Begriffe für unterschiedliche Dinge verwirren Anwender) X XUniverselle Programmiersprache für Fuzzy X XPerformancevergleich durch standardisierte Bechmarks (Praxisnahe Benchmarks für Plattformauswahl und - vergleich) X XWeitergehende Entwicklungsmethodik X XFuzzy-Plug-Ins für Standardanwendungen X XAdaptionstechniken für Fuzzy-Systeme X XTerminologie und Algorithmik (Unterschiedliche Begriffe für gleiche Dinge und gleiche Begriffe für unterschiedliche Dinge verwirren Anwender) X XUniverselle Programmiersprache für Fuzzy X XPerformancevergleich durch standardisierte Bechmarks (Praxisnahe Benchmarks für Plattformauswahl und - vergleich) X XWeitergehende Entwicklungsmethodik X XFuzzy-Plug-Ins für Standardanwendungen X XAdaptionstechniken für Fuzzy-Systeme Under Construction!

4 Industrielle Anwendung von Fuzzy Logic Control © INFORM Slide 4 Fuzzy Logic Entwurfsmethodik nach ISO/IEC Standards X XRelevante Standards für Fuzzy Logic X XZukünftige Standards für Fuzzy Logic X XAllgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Schritte und Meilensteine X XSpezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards X XRelevante Standards für Fuzzy Logic X XZukünftige Standards für Fuzzy Logic X XAllgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Schritte und Meilensteine X XSpezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards

5 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 5 Ziele der allgemeinen Fuzzy-Entwurfsmethodik: X XDefinition eindeutiger und nachvollziehbarer Entwicklungsschritte X XFestlegung von Mindestanforderungen an den Entwickler für Projektstrukturierung, Reporting und Dokumentation (Endstand und Entwicklungsablauf) Ziele der allgemeinen Fuzzy-Entwurfsmethodik: X XDefinition eindeutiger und nachvollziehbarer Entwicklungsschritte X XFestlegung von Mindestanforderungen an den Entwickler für Projektstrukturierung, Reporting und Dokumentation (Endstand und Entwicklungsablauf) Hieraus ergibt sich: X XEine lückenlose und transparente Erfassung des Entwicklungsprozesses X XStärkeres Bewußtsein für Motive und Auswirkungen von Designentscheidungen X XEindeutige Zuordnung von Leistungen im Gesamtprojekt bei Auftragsvergabe X XAbsicherung gegen fälschliche Haftungsforderungen Dritter X XLeider auch ein Mehraufwand... Hieraus ergibt sich: X XEine lückenlose und transparente Erfassung des Entwicklungsprozesses X XStärkeres Bewußtsein für Motive und Auswirkungen von Designentscheidungen X XEindeutige Zuordnung von Leistungen im Gesamtprojekt bei Auftragsvergabe X XAbsicherung gegen fälschliche Haftungsforderungen Dritter X XLeider auch ein Mehraufwand... Validierung nach ISO 9000!

6 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 6 Phasenplan Vorfelduntersuchung Projektbeginn A-AuditPrototyp A-Report B-Audit Offline Optimierung B-Report InbetriebnahmeOptimierung Abnahme Dokumentation Audit := Erfassung des Prozeßwissens von Anlagenfahrern und Betriebsingenieuren Report := Ergebnisprotokoll eines Audits Audit := Erfassung des Prozeßwissens von Anlagenfahrern und Betriebsingenieuren Report := Ergebnisprotokoll eines Audits Die allgemeine Fuzzy- Entwurfsmethodik strukturiert das Gesamtprojekt!

7 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 7 Vorfelduntersuchung := Untersuchung, ob Fuzzy Logic geeignetes Lösungsverfahren ist Kriterien: X XWurde für eine vergleichbare Aufgabenstellung bereits erfolgreich eine Fuzzy-Lösung entwickelt? X XHandelt es sich um ein Mehrgrößenproblem? X XVerfügen Anlagenbetreiber oder Betriebsingenieure über Kenntnis aller wichtigen Zusammenhänge der Prozeßvariablen? X XKann weiteres Wissen über die Zusammenhänge des Prozesses durch Beobachtung oder durch Experimente gewonnen werden? X XIst mathematische Modellbildung schwierig? Kriterien: X XWurde für eine vergleichbare Aufgabenstellung bereits erfolgreich eine Fuzzy-Lösung entwickelt? X XHandelt es sich um ein Mehrgrößenproblem? X XVerfügen Anlagenbetreiber oder Betriebsingenieure über Kenntnis aller wichtigen Zusammenhänge der Prozeßvariablen? X XKann weiteres Wissen über die Zusammenhänge des Prozesses durch Beobachtung oder durch Experimente gewonnen werden? X XIst mathematische Modellbildung schwierig? Überlegungen vor Projektbeginn!

8 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 8 A-Audit Vorbereitung: X XAuditoren: Einarbeitung in die Materie, Erstellen eines speziellen Fragenkatalogs X XBetreiber: 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: X XAnalyse der Qualitätsvariablen und Kenngrößen X XAnalyse der Stellgrößen X XAnalyse des Ist-Zustands A-Report: X XSchriftliche Zusammenfassung der Auditoren, Abnahme durch den Betreiber Vorbereitung: X XAuditoren: Einarbeitung in die Materie, Erstellen eines speziellen Fragenkatalogs X XBetreiber: 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: X XAnalyse der Qualitätsvariablen und Kenngrößen X XAnalyse der Stellgrößen X XAnalyse des Ist-Zustands A-Report: X XSchriftliche Zusammenfassung der Auditoren, Abnahme durch den Betreiber Systematische Darstellung des vorhandenen Prozeßwissens!

9 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 9 Erzeugung eines Prototypen des Fuzzy-Reglers auf Basis des A-Reports: X XAls Demonstrator für das B-Audit X XAls Ausgangsmodell für den nächsten Schritt Prototypenentwicklung nach der speziellen Fuzzy-Entwurfsmethodik: X XFestlegung der Systemstruktur X XDefinition des Vokabulars X XDefinition einer ersten Regelbasis Erzeugung eines Prototypen des Fuzzy-Reglers auf Basis des A-Reports: X XAls Demonstrator für das B-Audit X XAls Ausgangsmodell für den nächsten Schritt Prototypenentwicklung nach der speziellen Fuzzy-Entwurfsmethodik: X XFestlegung der Systemstruktur X XDefinition des Vokabulars X XDefinition einer ersten Regelbasis Rapid Application Development! Prototyp

10 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 10 B-Audit Vorbereitung: X XAuditoren: Aufarbeitung des Prototypen als Demonstrator, Erstellen eines Fragenkatalogs Durchführung: X XGemeinsame Diskussion des A-Audits in Bezug auf Unschlüssigkeiten und Fehler X XHinterfragung unklarer Zusammenhänge X XRevision des A-Reports zum B-Report X XFestlegen von Prozeduren für die sichere Inbetriebnahme des Reglers ohne Störung des Prozesses und der Anlagensicherheit B-Report: X XSchriftliche Zusammenfassung der Auditoren, Abnahme durch den Betreiber Vorbereitung: X XAuditoren: Aufarbeitung des Prototypen als Demonstrator, Erstellen eines Fragenkatalogs Durchführung: X XGemeinsame Diskussion des A-Audits in Bezug auf Unschlüssigkeiten und Fehler X XHinterfragung unklarer Zusammenhänge X XRevision des A-Reports zum B-Report X XFestlegen von Prozeduren für die sichere Inbetriebnahme des Reglers ohne Störung des Prozesses und der Anlagensicherheit B-Report: X XSchriftliche Zusammenfassung der Auditoren, Abnahme durch den Betreiber Revision des Prototypen!

11 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 11 Erweiterung des Prototypen des Fuzzy-Reglers auf Basis des B-Reports: X XRevision der linguistischen Variablen X XRevision und Ergänzung der Regeln Verifikation durch: X XOffline Analyse von partiellem Übertragungsverhalten X XEinsatz regelungstechnischer Simulationen X XVerwendung existierender Prozeßdaten zum Test Erweiterung des Prototypen des Fuzzy-Reglers auf Basis des B-Reports: X XRevision der linguistischen Variablen X XRevision und Ergänzung der Regeln Verifikation durch: X XOffline Analyse von partiellem Übertragungsverhalten X XEinsatz regelungstechnischer Simulationen X XVerwendung existierender Prozeßdaten zum Test Umsetzung des Betriebswissens! Offline Optimierung

12 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 12 Inbetriebnahme des Fuzzy-Reglers: X XImplementation auf der Zielhardware, Online-Link zum Entwicklungsrechner X XIntegration mit Basis-MSR und Implementation der Vor-/Nachverarbeitung X XSchaffung einer Sicherheitsfunktionalität (Grenzen, Handumschaltung, Safe State,..) Optimierung des Fuzzy-Reglers: X XOpen-Loop Betrieb zur Plausibilisierung des Reglerverhaltens X XSupervised Betrieb zum Feintuning der Regeln und Zugehörigkeitsfunktionen X XWhat-If Analysen zur Optimierung der Prozeßführung Inbetriebnahme des Fuzzy-Reglers: X XImplementation auf der Zielhardware, Online-Link zum Entwicklungsrechner X XIntegration mit Basis-MSR und Implementation der Vor-/Nachverarbeitung X XSchaffung einer Sicherheitsfunktionalität (Grenzen, Handumschaltung, Safe State,..) Optimierung des Fuzzy-Reglers: X XOpen-Loop Betrieb zur Plausibilisierung des Reglerverhaltens X XSupervised Betrieb zum Feintuning der Regeln und Zugehörigkeitsfunktionen X XWhat-If Analysen zur Optimierung der Prozeßführung Verifikation am Prozeß! InbetriebnahmeOptimierung

13 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 13 Dokumentation des entstandenen Fuzzy-Reglers: X XBeschreibung der Systemstruktur X XBeschreibung des Vokabulars X XBeschreibung der Regelbasen Dokumentation des Entwicklungsprozesses: X XAuditreports X XFinalreports X XEntwicklungshistorie des Fuzzy Logic Systems Dokumentation des entstandenen Fuzzy-Reglers: X XBeschreibung der Systemstruktur X XBeschreibung des Vokabulars X XBeschreibung der Regelbasen Dokumentation des Entwicklungsprozesses: X XAuditreports X XFinalreports X XEntwicklungshistorie des Fuzzy Logic Systems Dokumentationsaufwand reduziert sich drastisch durch Einsatz von Fuzzy-Tools! Dokumentation

14 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 14 Unterstützung der Allgemeinen Entwurfsmethodik durch Fuzzy-Tools (fuzzyTECH) X XKommentierungsmöglichkeiten aller Fuzzy-Objekte in der Entwicklungssoftware X XAutomatische Erzeugung kompletter Systemdokumentation X XIntegriertes Revisionskontollsystem Unterstützung der Allgemeinen Entwurfsmethodik durch Fuzzy-Tools (fuzzyTECH) X XKommentierungsmöglichkeiten aller Fuzzy-Objekte in der Entwicklungssoftware X XAutomatische Erzeugung kompletter Systemdokumentation X XIntegriertes Revisionskontollsystem Das Zusammenspiel dieser Komponenten reduziert den Dokumentationsaufwand für ISO 9000 um 75-95%!

15 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 15 Kommentierungsmöglichkeiten aller Fuzzy-Objekte in der Entwicklungssoftware Beschreibung aller Fuzzy-Objekte: Übersichtliche Präsentation während der Entwicklung: Die Dokumentation entsteht WÄHREND der Entwicklung!

16 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 16 Automatische Erzeugung kompletter Systemdokumentation X XExport, Modifikation und Druck in WordProcessor X XAutomatische Integration in Anlagendokumentation X XVerwendung eigener Dokumentationsformate X XDokumentation in jeder Sprache X XExport, Modifikation und Druck in WordProcessor X XAutomatische Integration in Anlagendokumentation X XVerwendung eigener Dokumentationsformate X XDokumentation in jeder Sprache Komplette Dokumentation zu jedem Entwicklungsstand in wenigen Sekunden!

17 Allgemeine Fuzzy- Entwurfsmethodik © INFORM Slide 17 Integriertes Revisionskontrollsystem X XGesamte Entwicklungs- historie in einer Datei X XDokumentation aller Entwicklungsstände X XDokumentation des Entwicklungsfortschritts X XSchutz vor unberechtigter Änderung X XGesamte Entwicklungs- historie in einer Datei X XDokumentation aller Entwicklungsstände X XDokumentation des Entwicklungsfortschritts X XSchutz vor unberechtigter Änderung Jederzeit Zugriff auf gesamte Entwicklungshistorie!

18 Industrielle Anwendung von Fuzzy Logic Control © INFORM Slide 18 Fuzzy Logic Entwurfsmethodik nach ISO/IEC Standards X XRelevante Standards für Fuzzy Logic X XZukünftige Standards für Fuzzy Logic X XAllgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Schritte und Meilensteine X XSpezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards X XRelevante Standards für Fuzzy Logic X XZukünftige Standards für Fuzzy Logic X XAllgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Schritte und Meilensteine X XSpezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards

19 Spezielle Fuzzy- Entwurfsmethodik © INFORM Slide 19 Ziele der speziellen Fuzzy-Entwurfsmethodik: X XBeschreibung einer klaren und eindeutigen Vorgehensweise für die Definition der Komponenten eines Fuzzy-Systems (Linguistische Variable, Regeln, Struktur,..) X XDefinition der Kriterien für die einzelnen Designentscheidungen Ziele der speziellen Fuzzy-Entwurfsmethodik: X XBeschreibung einer klaren und eindeutigen Vorgehensweise für die Definition der Komponenten eines Fuzzy-Systems (Linguistische Variable, Regeln, Struktur,..) X XDefinition der Kriterien für die einzelnen Designentscheidungen Hieraus ergibt sich: X XEine kochrezeptartige Vorgehensweise für die Erfordernisse der Praxis X XSchnellere Einarbeitung für Neueinsteiger X XVermeidung von Fehlern und Mißverständnissen X XAbsicherung gegen fälschliche Haftungsforderungen dritter X XSpätere Erweiterung/Modifikation ohne Risiken durchführbar Hieraus ergibt sich: X XEine kochrezeptartige Vorgehensweise für die Erfordernisse der Praxis X XSchnellere Einarbeitung für Neueinsteiger X XVermeidung von Fehlern und Mißverständnissen X XAbsicherung gegen fälschliche Haftungsforderungen dritter X XSpätere Erweiterung/Modifikation ohne Risiken durchführbar Validierung nach ISO 9000!

20 Spezielle Fuzzy- Entwurfsmethodik © INFORM Slide 20 Designschritte Designmethoden Designentscheidungen X XStrukturanalyse X XDefinition des Vokabulars X XDefinition der Zusammenhänge X XVerifikation X XStrukturanalyse X XDefinition des Vokabulars X XDefinition der Zusammenhänge X XVerifikation X XExpertenaudit X XOffline Simulation X XOffline Plausi- bilisierung der Regelbasis X XOffline Test an Prozeßdaten X XOnline Optimierung X XExpertenaudit X XOffline Simulation X XOffline Plausi- bilisierung der Regelbasis X XOffline Test an Prozeßdaten X XOnline Optimierung X XStrukturdefinition X XTyp der Zugehörigkeits- funktionen X XInferenzmethoden X XOperatorwahl X XWahl der Defuzzifikations- methode X XStrukturdefinition X XTyp der Zugehörigkeits- funktionen X XInferenzmethoden X XOperatorwahl X XWahl der Defuzzifikations- methode ? ? ? ? Die spezielle Fuzzy-Entwurfs- methodik strukturiert den eigentlichen Systementwurf!

21 Grundsätzliche Designschritte © INFORM Slide 21 Struktur Liguistische Var. Fuzzy-Regeln Offline Test Inbetriebnahme Wartung X XFür jeden dieser Designschritte besteht eine eigene Entwurfsmethodik X XDie einzelnen Designentscheidungen sind bezüglich ihrer Kriterien und Auswirkungen auf das Gesamtdesign definiert X XSanity-Checks nach jedem Schritt X XDie Befolgung der Entwurfsmethodik wird abprüfbar (zertifizierbar) X XDer Entwicklungsprozeß eines so entwickelten Fuzzy-Systems ist auch für andere transparent und reproduzierbar X XFür jeden dieser Designschritte besteht eine eigene Entwurfsmethodik X XDie einzelnen Designentscheidungen sind bezüglich ihrer Kriterien und Auswirkungen auf das Gesamtdesign definiert X XSanity-Checks nach jedem Schritt X XDie Befolgung der Entwurfsmethodik wird abprüfbar (zertifizierbar) X XDer Entwicklungsprozeß eines so entwickelten Fuzzy-Systems ist auch für andere transparent und reproduzierbar Genauer Vorgehensplan statt trial-and-error!

22 Definition der Systemstruktur © INFORM Slide 22 Struktur Liguistische Var. Fuzzy-Regeln Offline Test Inbetriebnahme Wartung Ausgangsvariable Eingangsvariable Verknüpfung Defuzzifikation X XAusgangsvariable: Welche Art der Entscheidungen werden vom Fuzzy- System erwartet (0/1, inc/dec, absolut) X XEingangsvariable: Welche stehen zur Verfügung, und welche sollen zuerst eingesetzt werden? X XVerknüpfung: Von welchen Eingangs- variablen hängt jede Ausgangsvariable überhaupt ab? Welche Zwischen- aggregation ist möglich? X XDefuzzifikation: Bester Kompromiß oder Plausibelste Lösung? X XAusgangsvariable: Welche Art der Entscheidungen werden vom Fuzzy- System erwartet (0/1, inc/dec, absolut) X XEingangsvariable: Welche stehen zur Verfügung, und welche sollen zuerst eingesetzt werden? X XVerknüpfung: Von welchen Eingangs- variablen hängt jede Ausgangsvariable überhaupt ab? Welche Zwischen- aggregation ist möglich? X XDefuzzifikation: Bester Kompromiß oder Plausibelste Lösung? Der erste Entwurfsschritt legt die Grundstruktur fest!

23 Systemstruktur - Ausgangsvariable - Systemstruktur - Ausgangsvariable - © INFORM Slide 23 Ausgangsvariable Eingangsvariable Verknüpfung Defuzzifikation Welche Art der Entscheidungen soll das Fuzzy-System treffen? X XAbsolutwerte an Stellorgane X XAbsolutwerte als Sollgrößen für unterlagerte Regler X XRelativwerte für unterlagerte Regler (inc/dec) X XDiskrete Entscheidungen (ein/aus,...) Welche Art der Entscheidungen soll das Fuzzy-System treffen? X XAbsolutwerte an Stellorgane X XAbsolutwerte als Sollgrößen für unterlagerte Regler X XRelativwerte für unterlagerte Regler (inc/dec) X XDiskrete Entscheidungen (ein/aus,...) Dokumentation der Ausgangsvariablen: X XWas bewirkt die Ausgangsvariable für den Prozeß? X XIn welchem Wertebereich soll die Ausgangsvariable variiert werden bzw. welche typischen Werte existieren? X XGibt es Safe States? Dokumentation der Ausgangsvariablen: X XWas bewirkt die Ausgangsvariable für den Prozeß? X XIn welchem Wertebereich soll die Ausgangsvariable variiert werden bzw. welche typischen Werte existieren? X XGibt es Safe States? Genaue Beschreibung des erwarteten Outputs!

24 Systemstruktur - Eingangsvariable - Systemstruktur - Eingangsvariable - © INFORM Slide 24AusgangsvariableEingangsvariable Verknüpfung Defuzzifikation Dokumentation aller sinnvollen Eingangsvariablen: X XWelchen Aspekt des Prozesses beschreibt die Eingangsvariable? X XIn welchem Wertebereich bewegt sich die Eingangsvariable bzw. welche typischen Werte existieren? X XWelche Toleranzen haben die Sensoren bzw. wie genau ist die Messung einzuschätzen? X XWelcher zeitliche Verzögerung unterliegt die Meßgröße? Dokumentation aller sinnvollen Eingangsvariablen: X XWelchen Aspekt des Prozesses beschreibt die Eingangsvariable? X XIn welchem Wertebereich bewegt sich die Eingangsvariable bzw. welche typischen Werte existieren? X XWelche Toleranzen haben die Sensoren bzw. wie genau ist die Messung einzuschätzen? X XWelcher zeitliche Verzögerung unterliegt die Meßgröße? Welche Eingangsvariablen sollen verwendet werden? X XFür jede Ausgangsvariable Reihenfolge der Bedeutung der Eingangsvariablen aufstellen X XHieraus die kleineste sinnvolle Menge an Eingangsvariablen identifizieren, die ausreichen, alle Ausgangsvariablen zu regeln Welche Eingangsvariablen sollen verwendet werden? X XFür jede Ausgangsvariable Reihenfolge der Bedeutung der Eingangsvariablen aufstellen X XHieraus die kleineste sinnvolle Menge an Eingangsvariablen identifizieren, die ausreichen, alle Ausgangsvariablen zu regeln Bestandsaufnahme zur Verfügung stehender Meßgrößen!

25 Systemstruktur - Verknüpfung - Systemstruktur - Verknüpfung - © INFORM Slide 25AusgangsvariableEingangsvariable Verknüpfung Defuzzifikation Identifikation der Wechselwirkungen im Entscheidungsprozeß: X XFür jede Ausgangsvariable, welche Eingangsvariablen haben eine Auswirkung? X XGibt es sinnvolle Zwischenvariablen zur Beschreibung von Prozeßzuständen? Identifikation der Wechselwirkungen im Entscheidungsprozeß: X XFür jede Ausgangsvariable, welche Eingangsvariablen haben eine Auswirkung? X XGibt es sinnvolle Zwischenvariablen zur Beschreibung von Prozeßzuständen? Einfache Struktur := Komplexe Regelformulierung Komplexe Struktur := Einfache Regelformulierung Je stärker die Ent- scheidung struktu- riert werden kann, um so einfacher die Regelformulierung!

26 Systemstruktur - Defuzzifikation - Systemstruktur - Defuzzifikation - © INFORM Slide 26AusgangsvariableEingangsvariable Verknüpfung Defuzzifikation Für jede Ausgangsvariable Defuzzifikationsverfahren festlegen: X XFür kontinuierliche Größen: bester Kompromiß := CoM X XFür diskrete Größen: plausibelstes Ergebnis := MoM Für jede Ausgangsvariable Defuzzifikationsverfahren festlegen: X XFür kontinuierliche Größen: bester Kompromiß := CoM X XFür 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) CH40 1 µ v_high high med low #1 #2CoM #1: IF Temp = high AND Flow = ok THEN Fire = on (0.8) #2: IF Temp = med AND Flow = low THEN Fire = off (0.9) Fire0 1 µ on off #1 #2MoM Der Charakter der Entscheidung bedingt die Defuzzifizierungs- methode!

27 Definition der Systemstruktur © INFORM Slide 27 Ausgangsvariable Eingangsvariable Verknüpfung Defuzzifikation Der Fuzzy Design Wizard in fuzzyTECH: Eingebauter Fuzzy-Experte!

28 Definition der Linguistischen Variablen © INFORM Slide 28 Struktur Liguistische Var. Fuzzy-Regeln Offline Test Inbetriebnahme Wartung Zahl der Terme Typ der Zugeh-ftk. Zugehörigkeitsfkt. X XWieviele Terme soll jede linguistische Variable enthalten? X XWelcher Typ Zugehörigkeitsfunktionen soll verwendet werden? X XWie lassen sich plausible Zugehörigkeitsfunktionen definieren? X XWieviele Terme soll jede linguistische Variable enthalten? X XWelcher Typ Zugehörigkeitsfunktionen soll verwendet werden? X XWie lassen sich plausible Zugehörigkeitsfunktionen definieren? Der zweite Entwurfsschritt definiert das Vokabular der Regelstrategie!

29 Linguistische Variablen - Zahl der Terme - © INFORM Slide 29 Zahl der Terme Typ der Zugeh-ftk. Zugehörigkeitsfkt. Heuristische Festlegung (Kochrezept): X XFast alle linguistische Variablen haben zwischen 3 und 7 Terme X XDie Termzahl ist meist ungerade X X... also ist die Termzahl meist 3, 5 oder 7 Heuristische Festlegung (Kochrezept): X XFast alle linguistische Variablen haben zwischen 3 und 7 Terme X XDie Termzahl ist meist ungerade X X... also ist die Termzahl meist 3, 5 oder 7 Praktische Vorgehensweisen: X XErste vorformulierte Regeln zeigen bereits die erforderliche Termzahl an oder X XFaustregel: Beginne mit 3 Termen pro Eingangsvariable und 5 Termen pro Ausgangsvariable Praktische Vorgehensweisen: X XErste vorformulierte Regeln zeigen bereits die erforderliche Termzahl an oder X XFaustregel: Beginne mit 3 Termen pro Eingangsvariable und 5 Termen pro Ausgangsvariable Mit minimaler Termzahl beginnen, da später leicht weitere Terme hinzugefügt werden können!

30 Linguistische Variablen - Typ der Zugehörigkeitsfkt. - © INFORM Slide 30 Zahl der Terme Typ der Zugeh-ftk. 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: min µ {max x {µ(x)}} für alle X 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: min µ {max x {µ(x)}} für alle X Diese Axiome werden von kubisch interpolierenden Splines erfüllt: In der Praxis ist die lineare Näherung meist ausreichend!

31 Linguistische Variablen - Zugehörigkeitsfunktionen - © INFORM Slide 31 Zahl der Terme Typ der Zugeh-ftk. Zugehörigkeitsfkt. 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 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 Beispiel der Linguistischen Variable Error: 0 1 µ Error large_p: 10 positive:3 zero: 0 negative:-3 large_n:-10 Die Angabe EINES typischen Wertes pro Term reicht für vollständige Definition aus!

32 Linguistische Variablen - Zugehörigkeitsfunktionen - © INFORM Slide 32 Zahl der Terme Typ der Zugeh-ftk. Zugehörigkeitsfkt. 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 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 Beispiel der Linguistischen Variable Error: 0 1 µ Error large_p: 10 positive:3 zero: [-1;1] negative:-3 large_n:-10 Ein typischer Wertes kann auch ein Intervall sein!

33 Linguistische Variablen - Zugehörigkeitsfunktionen - © INFORM Slide 33 Zahl der Terme Typ der Zugeh-ftk. Zugehörigkeitsfkt. Strukturierte Erzeugung linguistischer Variablen in fuzzyTECH: Erstellen kompletter Sätze von Zugehörigkeitsfunktionen in einem Schritt!

34 Definition der Fuzzy-Regeln © INFORM Slide 34 Struktur Liguistische Var. Fuzzy-Regeln Offline Test Inbetriebnahme Wartung Aggregation Op. Result Agg. Op. Regeldefinition X XWelcher Fuzzy-Operator für die Aggregation? X XWelcher Fuzzy-Operator für die Result- Aggregation? X XWie werden die eigentlichen Regeln definiert? X XWelcher Fuzzy-Operator für die Aggregation? X XWelcher Fuzzy-Operator für die Result- Aggregation? X XWie werden die eigentlichen Regeln definiert? Der dritte Entwurfsschritt formuliert die eigentliche Regelstrategie!

35 Definition der Fuzzy-Regeln - Aggregationsoperator - Definition der Fuzzy-Regeln - Aggregationsoperator - © INFORM Slide 35 Aggregation Op. Result Agg. Op. Regel Definition Elementare Fuzzy-Operatoren: X XUND: µ AvB = min{ µ A ; µ B } X XODER: µ A+B = max{ µ A ; µ B } X XNICHT: µ -A = 1 - µ A Elementare Fuzzy-Operatoren: X XUND: µ AvB = min{ µ A ; µ B } X XODER: µ A+B = max{ µ A ; µ B } X XNICHT: µ -A = 1 - µ A..bilden menschliches Verhalten nur eingeschränkt ab. Beispiel: WENN Auto=schnell UND Auto=sparsam DANN Auto=gut X XAuto 1:180 km / h : µ=0.39 l / 100km : µ=0.4-> 0.3 X XAuto 2:180 km / h : µ=0.37 l / 100km : µ=0.6-> 0.3 X XAuto 3:175 km / h : µ=0.254 l / 100km : µ=0.9-> bilden menschliches Verhalten nur eingeschränkt ab. Beispiel: WENN Auto=schnell UND Auto=sparsam DANN Auto=gut X XAuto 1:180 km / h : µ=0.39 l / 100km : µ=0.4-> 0.3 X XAuto 2:180 km / h : µ=0.37 l / 100km : µ=0.6-> 0.3 X XAuto 3:175 km / h : µ=0.254 l / 100km : µ=0.9-> 0.25 Bastellösung: Mehr und differenziertere Regeln: WENN Auto=schnell UND Auto=sparsam DANN Auto=gut ziemlich_schnell etwas_schnell ziemlich_sparsam etwas_sparsam ziemlich_gut etwas_gut Elementare Fuzzy- Operatoren können Regelmenge aufblähen!

36 Definition der Fuzzy-Regeln - Aggregationsoperator - Definition der Fuzzy-Regeln - Aggregationsoperator - © INFORM Slide 36 Aggregation Op. Result Agg. Op. Regel Definition Übertragungsverhalten von MIN und MAX: Kompensatorische Operatoren repräsentieren menschliches Bewerten und Entscheiden besser: MIN UND MAX ODER Gamma-Operator ist parametrierbar: In der Praxis reichen MIN und MAX meist aus!

37 Definition der Fuzzy-Regeln - Aggregationsoperator - Definition der Fuzzy-Regeln - Aggregationsoperator - © INFORM Slide 37 Aggregation Op. Result Agg. Op. Regel Definition In fuzzyTECH sind Fuzzy-Operatoren anpassbar: Direkte Veranschaulichung des Operatorverhaltens!

38 Definition der Fuzzy-Regeln - Result Aggregation Oper. - Definition der Fuzzy-Regeln - Result Aggregation Oper. - © INFORM Slide 38 Aggregation Op. Result Agg. Op. Regel Definition Zwei Verfahren in der Praxis eingesetzt: X XThe winner takes it all (MAX) X XOne man, one vote (BSUM) Zwei Verfahren in der Praxis eingesetzt: X XThe winner takes it all (MAX) X XOne man, one vote (BSUM) 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) 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) MAX: med (0.6) BSUM: med (1.0) BSUM: med (1.0) Bei unsymmetrischen Regelmengen führt BSUM zu unplausiblen Ergebnissen!

39 Definition der Fuzzy-Regeln - Regeldefinition - Definition der Fuzzy-Regeln - Regeldefinition - © INFORM Slide 39 Aggregation Op. Result Agg. Op. Regel Definition Grundsätzliche Eigenschaften von Regelmengen: X XNormalisierung (alle Klammerungen aufgelöst) X XTrenndarstellung (nur UND-Operator verwendet) Grundsätzliche Eigenschaften von Regelmengen: X XNormalisierung (alle Klammerungen aufgelöst) X XTrenndarstellung (nur UND-Operator verwendet) 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 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: X XInduktion: DANN-Teil für alle möglichen Kombinationen festlegen (nur bei 2-3 Eingangsvariable pro Regelblock) X XDeduktion: Regeln wie einzelne Elemente der Erfahrung aufstellen (dünne Regeln bevorzugen) X XLinarer Ansatz: Stufenweise Optimierung auf Basis linearer Regelmenge (besonders für direkte Regelstrecken) Praktische Vorgehensweisen bei der Regeldefinition: X XInduktion: DANN-Teil für alle möglichen Kombinationen festlegen (nur bei 2-3 Eingangsvariable pro Regelblock) X XDeduktion: Regeln wie einzelne Elemente der Erfahrung aufstellen (dünne Regeln bevorzugen) X XLinarer Ansatz: Stufenweise Optimierung auf Basis linearer Regelmenge (besonders für direkte Regelstrecken) Zu implementierende Erfahrung bestimmt das Verfahren!

40 Definition der Fuzzy-Regeln - Regeldefinition - Definition der Fuzzy-Regeln - Regeldefinition - © INFORM Slide 40 Aggregation Op. Result Agg. Op. Regel Definition fuzzyTECH unterstützt alle 3 Vorgehensweisen: X XAutomatische Erzeugung induzierter Regelmengen (Tabelle, Text und Matrixdarstellung) fuzzyTECH unterstützt alle 3 Vorgehensweisen: X XAutomatische Erzeugung induzierter Regelmengen (Tabelle, Text und Matrixdarstellung) Festlegen einer Reaktion auf alle möglichen Situationen!

41 Definition der Fuzzy-Regeln - Regeldefinition - Definition der Fuzzy-Regeln - Regeldefinition - © INFORM Slide 41 Aggregation Op. Result Agg. Op. Regel Definition fuzzyTECH unterstützt alle 3 Vorgehensweisen: X XDeduktive Erzeugung der Regelmengen (Tabelle, Text und Matrixdarstellung) fuzzyTECH unterstützt alle 3 Vorgehensweisen: X XDeduktive Erzeugung der Regelmengen (Tabelle, Text und Matrixdarstellung) Zu implementierende Erfahrung bestimmt das Verfahren!

42 Definition der Fuzzy-Regeln - Regeldefinition - Definition der Fuzzy-Regeln - Regeldefinition - © INFORM Slide 42 Aggregation Op. Result Agg. Op. Regel Definition fuzzyTECH unterstützt alle 3 Vorgehensweisen: X XFuzzy Rule Wizard zur automatischen Erzeugung linearer Regeln fuzzyTECH unterstützt alle 3 Vorgehensweisen: X XFuzzy Rule Wizard zur automatischen Erzeugung linearer Regeln Regeldefinition durch point-and-click!

43 Offline Test © INFORM Slide 43 Struktur Liguistische Var. Fuzzy-Regeln Offline Test Inbetriebnahme Wartung Regelvalidierung Prozeßsimulation Prozeßdatentest X XWelche Fuzzy-Regeln fehlen, sind überflüssig oder konfliktär? X XTuning der linguistischen Variablen und Regeln mit Hilfe einer Prozeßsimulation. X XOptimierung an Daten des realen Prozesses. X XWelche Fuzzy-Regeln fehlen, sind überflüssig oder konfliktär? X XTuning der linguistischen Variablen und Regeln mit Hilfe einer Prozeßsimulation. X XOptimierung an Daten des realen Prozesses. Im Offline Test erfolgt die erste Verifikation des Fuzzy-Systems!

44 Offline Test - Regelvalidierung 1 - Offline Test - Regelvalidierung 1 - © INFORM Slide 44 Regelvalidierung Prozeßsimulation Prozeßdatentest Analysewerkzeuge in fuzzyTECH zur Regelvalidierung: Direkte Analyse des Kennfeldes im 3D Plot!

45 Offline Test - Regelvalidierung 2 - Offline Test - Regelvalidierung 2 - © INFORM Slide 45 Regelvalidierung Prozeßsimulation Prozeßdatentest Analysewerkzeuge in fuzzyTECH zur Regelvalidierung: Verifizierung einzelner Regelblöcke mit dem Statistics Analyzer!

46 Offline Test - Prozeßsimulation 1 - Offline Test - Prozeßsimulation 1 - © INFORM Slide 46 Regelvalidierung Prozeßsimulation Prozeßdatentest Dynamische Schnittstellen in fuzzyTECH zu Simulationstools und Programmiersprachen: X X Fuzzy-Blöcke in VisSim, Matlab/SIMULINK,... X X Standardschnittstellen DDE, DLL, OLE, Datei,... X X Eigene Simulationsschnittstelle zur Integration von fuzzyTECH in eigene Software X X Wahlweise gesamte Oberfläche (dynamische Änderung) als auch Runtime-Modul (höchste Performance) einbindbar Dynamische Schnittstellen in fuzzyTECH zu Simulationstools und Programmiersprachen: X X Fuzzy-Blöcke in VisSim, Matlab/SIMULINK,... X X Standardschnittstellen DDE, DLL, OLE, Datei,... X X Eigene Simulationsschnittstelle zur Integration von fuzzyTECH in eigene Software X X Wahlweise gesamte Oberfläche (dynamische Änderung) als auch Runtime-Modul (höchste Performance) einbindbar Offene Schnittstellen lassen die Verknüpfung mit fast jeder anderen Software zu!

47 Offline Test - Prozeßsimulation 2 - Offline Test - Prozeßsimulation 2 - © INFORM Slide 47 Regelvalidierung Prozeßsimulation Prozeßdatentest Dynamisches Monitoring und Tuning in fuzzyTECH: Asynchrone Kopplung von Simulation und Fuzzy-Tool!

48 Offline Test - Prozeßdatentest - Offline Test - Prozeßdatentest - © INFORM Slide 48 Regelvalidierung Prozeßsimulation Prozeßdatentest Dynamische Optimierung an realen Prozeßdaten in fuzzyTECH: Verifizierung des gesamten Fuzzy-Reglers für reale Prozeßsituationen!

49 Inbetriebnahme © INFORM Slide 49 Struktur Liguistische Var. Fuzzy-Regeln Offline Test Inbetriebnahme Wartung Implementation Warmer Betrieb Heißer Betrieb X XUmsetzung des Fuzzy-Reglers auf der Zielhardware X XImplementierung des Online- Prozeßlinks X XWarmer Betrieb := Ausgänge des Fuzzy-Systems nicht auf Prozeß durchgeschaltet X XHeißer Betrieb := Ausgänge des Fuzzy- Systems sind auf Prozeß durchgeschaltet X XUmsetzung des Fuzzy-Reglers auf der Zielhardware X XImplementierung des Online- Prozeßlinks X XWarmer Betrieb := Ausgänge des Fuzzy-Systems nicht auf Prozeß durchgeschaltet X XHeißer Betrieb := Ausgänge des Fuzzy- Systems sind auf Prozeß durchgeschaltet Endgültige Verifikation des gesamten Fuzzy-Systems im Online-Betrieb!

50 Inbetriebnahme - Umsetzung und Link - © INFORM Slide 50 Unterschiedliche Implementationstechniken in fuzzyTECH: X X Embedded Control: Assemblercodekernels X X Industrieautomatisierung: Fuzzy-Funktionsblöcke für SPS X X Prozeßleittechnik: Fuzzy-Module für PLS X X Universell: Hochsprachenquellcode (C, C++, VB, Pascal,..) Unterschiedliche Implementationstechniken in fuzzyTECH: X X Embedded Control: Assemblercodekernels X X Industrieautomatisierung: Fuzzy-Funktionsblöcke für SPS X X Prozeßleittechnik: Fuzzy-Module für PLS X X Universell: Hochsprachenquellcode (C, C++, VB, Pascal,..) Online-Verbindung von Prozeßhardware und fuzzyTECH: Für jede Zielplattform die optimale Umsetzung!

51 Inbetriebnahme: Warm/Heiß © INFORM Slide 51 Analyse des Zeitverhaltens in fuzzyTECH: X X Dynamisch in allen Editoren und Analyzern X X Spezielles Zeitverhalten von Variablen, Termen und Regeln im Time Plot: Analyse des Zeitverhaltens in fuzzyTECH: X X Dynamisch in allen Editoren und Analyzern X X Spezielles Zeitverhalten von Variablen, Termen und Regeln im Time Plot: Stufenweise Inbetriebnahme!

52 Betrieb und Wartung © INFORM Slide 52 Struktur Liguistische Var. Fuzzy-Regeln Offline Test Inbetriebnahme Wartung Dokumentation Monitoring Review X XAbschlußdokumentation des erstellten Fuzzy-Systems und dessen Einbindung (enthält alle vorherigen Entwicklungsdokumentationen) X XKonfiguration der Monitoringkomponenten zur Überwachung des Fuzzy-Systems X XGegebenenfalls Review des Fuzzy- Systems und entsprechende Modifikation X XAbschlußdokumentation des erstellten Fuzzy-Systems und dessen Einbindung (enthält alle vorherigen Entwicklungsdokumentationen) X XKonfiguration der Monitoringkomponenten zur Überwachung des Fuzzy-Systems X XGegebenenfalls Review des Fuzzy- Systems und entsprechende Modifikation Entwurfsmethodik geht über die Inbetriebnahme hinaus!

53 Betrieb und Wartung © INFORM Slide 53 fuzzyTECH unterstützt die Schritte durch: X XDokumentation: Dokumentationsgenerator und Revisionskontrollsystem X XRemote Tracing zum Online Monitoring fuzzyTECH unterstützt die Schritte durch: X XDokumentation: Dokumentationsgenerator und Revisionskontrollsystem X XRemote Tracing zum Online Monitoring X XReview der Linguistischen Variablen and Fuzzy Regeln durch What-If Analysen Monitoring auch unbeaufsichtigt!

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

55 fuzzyTECH unterstützt die gesamte Entwurfsmethodik fuzzyTECH unterstützt die gesamte Entwurfsmethodik © INFORM Slide 55Struktur Liguistische Var. Fuzzy-Regeln Offline Test Inbetriebnahme Wartung => Fuzzy Design Wizard => Linguistic Variable Wizard => Fuzzy Rule Wizard, Rule Block Utilities => Offline Debug Modi, Analyzer => Online Debug Modi, Analyzer => Trace, Documentation Generator, Revision Control System Für jeden Designschritt die optimalen Werkzeuge!

56 Industrielle Anwendung von Fuzzy Logic Control © INFORM Slide 56 Fuzzy Logic Entwurfsmethodik nach ISO/IEC Standards X XRelevante Standards für Fuzzy Logic X XZukünftige Standards für Fuzzy Logic X XAllgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Schritte und Meilensteine X XSpezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards X XRelevante Standards für Fuzzy Logic X XZukünftige Standards für Fuzzy Logic X XAllgemeine Fuzzy-Entwurfsmethodik - Ziele - Phasenplan - Schritte und Meilensteine X XSpezielle Fuzzy-Entwurfsmethodik - Ziele - Entscheidungen - Fuzzy Design Wizards


Herunterladen ppt "Industrielle Anwendung von Fuzzy Logic Control © INFORM 1990-1996Slide 1 Tutorium und Workshop © Constantin von Altrock INFORM GmbH Aachen Pascalstraße."

Ähnliche Präsentationen


Google-Anzeigen