N I M A
22nd September 2008, 05:27 PM
عنوان مقاله: مقدمه ای بر سیستم های فازی (Fuzzy)
نویسندگان:دکتـر سید حسام الدین مهدیان-لیلی نـداف
************************************************** ****
دستیابی به دانش بدون ابهام، سالهای متمادی انسان را دچار چالش ساخته است. از هنگامی که ارسطو منطق دو ارزشی را معرفی کرده، تاکنون بشر توانسته با کمک و استفاده از آن به موفقیت های چشمگیری دست یابد؛ فن آوری رشد نموده و روز به روز کارآمد تر شده است در اوایل قرن بیستم، دانشمندان به این نتیجه رسیدند که ساختارهای سنتی علوم، پاسخگوی پدیده های کشف شده نیست. مشکلاتی که برای قوانین نیوتن در اندازه های مولکولی بوجود آمده بود، باعث شد نظر تمام دانشمندان و پژوهشگران به سمت پدیده های تصادفی جلب شود و همین امر منجر به رشد علوم آمار و احتمالات گردید. پدیده های احتمالات عباراتی بودند که بشدت در تمام شاخه های علوم بخصوص آنجا که سیستم ها پیچیده می شدند و یا تعداد مشاهدات افزایش می یافت، دیده می شد. اما آنچه احتمالات بدنبال آن بود، با ماهیت ابهامی که در سیستم ها وجود داشت، تفاوت های زیادی می کرد. با آنکه پدیده های تصادفی نمود یافته بودند، هنوز هم دانشمندان معتقد بودند که تنها راه افزایش کارآیی سیستم ها، افزایش دقت است.
منطق fuzzy گونه ای بسیار مهم از منطق است که توسط استاد ایرانی پروفسور دکتر لطفی زاده در سال 1965 مطرح شد و بطور جدی در مقابل منطق دودویی ارسطویی قرار گرفت و این منطق نه تنها در حوزه تئوری بلکه در صنعت نیز بکار رفته است و پژوهشگران زیادی را مشغول به تحقیق در این زمینه کرده است.
منطق fuzzy در ابتدا بعنوان روشی برای پردازش اطلاعات معرفی گردید که عضوهای یک مجموعه علاوه بر دو حالت قطعی عضو بودن و نبودن حالت بین این دو را نیز تعریف می کند. fuzzy به جای پرداختن به صفر و یک، از صفر تا یک را مورد بررسی و تحلیل قرار می دهد؛ به بیان دیگر مجموعه ای که در منطق ارسطویی دارای دو عضو صفر ویک است در منطقfuzzy به مجموعه ای با بی نهایت عضو که دارای مقادیری از صفر تا یک هستند تبدیل می شود و بدین صورت منطق fuzzy به اعمال و طرز فکر آدمیان بیشتر نزدیک می شود.
تا دهه 70 برخورد با این تئوری مجموعه ها برای کنترل سیستم ها بکار نرفت تا اینکه بعلت ناکافی بودن قابلیت های کامپیوترهای کوچکی که تا پیش از آن زمان بودند مورد توجه قرار گرفت و دکتر لطفی زاده استدلال کرد مردم نیازی به اطلاعات ورودی شمارشی بسیار دقیق ندارند و آنها هنوز قادر به کنترل تطبیقی هستند. اگر کنترل گرهای feed back (بازخورد) طوری برنامه ریزی شوند که ورودی های غیر دقیق را بپذیرند در این صورت آنها بسیار موثر تر و مفید تر خواهند بود چه بساکه ممکن است اجرای آنها بسیار آسانتر شود. اروپائیان و ژاپنی ها خیلی سریعتر از دیگر کشورها این تکنولوژی را پذیرفتند و محصولات واقعی همچون: دوربین های عکاسی، اجاقهای ماکروویو و ... در این زمینه ساختند و به جامعه بشری عرضه نمودند.
منطق fuzzy معتقد است که ابهام در ماهیت علم است. برخلاف دیگران که معتقدند که باید تقریب ها را دقیق تر کرد تا بهره وری و اثربخشی افزایش یابد، لطفی زاده معتقد است که باید به دنبال ساختن مدل هایی بود که ابهام را بعنوان بخشی از سیستم مدل نماید و سیستم هایی که اساس کار آن با دانش است جایگزین سیستم هایی که با داده ها تنظیم شده اند گردند و سیستم هایی با مرزهای قطعی و دست و پاگیر، برداشته شده و جای آنها را مرزهای خاکستری فرابگیرد.
منطق fuzzy ، حلال مسائل است و قابلیت این را دارد که هم در سیستم های میکروکنترلرهای کوچک و ساده پیاده شود و هم در کامپیوترهای چند کاناله، شبکه عظیم و یا در سیستم های کنترلی اجرا گردد. منطق fuzzy نیز در نرم افزار، سخت افزار و یا ترکیبی از آن دو می تواند کاربرد داشته باشد. منطق fuzzy روشی آسان برای رسیدن به نتایج معین بر پایه اطلاعات ورودی مبهم و غیر دقیق می باشد. روش این منطق برای کنترل سیستم ها چگونگی تصمیم گیری یک انسان را تقلید می کند اما بسیار سریعتر و دقیق تر. مدل منطقfuzzy بر پایه و اساس تجربه بوده و بر تجربه کاربر تا فهمیدن تکنیکی سیستم تکیه دارد. بعنوان مثال فرض می شود فردی در اتاق خود مشغول مطالعه است و از آنجا که هوا گرم بوده، پنجره را کاملاً گشوده است. اگر بعد از نیم ساعت آن شخص اندکی احساس سرما نماید، چه خواهد کرد؟ در حالت طبیعی، "بلافاصله پنجره را کاملاً" خواهد بست یا "اندک اندک و به مرور زمان"آنرا خواهد بست و بعد از رسیدن به دمای مطلوب آنرا (درحالت نیمه باز و یا کاملاً بسته) رها خواهد کرد؛ فرض دوم محتمل تر است اما منطق دو ارزشی فقط یک پنجره را کاملاً باز می بیند یا کاملاً بسته.
منطق fuzzy دارای خصوصیات منحصر به فردی برای کنترل بسیاری از سیستم ها می باشد؛ از جمله:
1-کار خود را بطور دائم ادامه می دهد؛ چرا که نیاز به ورودی های دقیق ندارد و می تواند طوری برنامه ریزی شود که اگر سنسور (حس گر) feed back قطع یا خراب شود بدون خطر و اشکال کارش را ادامه می دهد.
2-چون روشهای کنترلر منطق fuzzy توسط کاربران تهیه می شود می تواند به راحتی اصلاح شود و تغییر کند تا عملیات سیستم را بهبود بخشد یا تغییر دهد.
3-هر اطلاعاتی از سنسور که نشانه ای از عمل و عکس العمل های سیستم باشد برای منطق fuzzy کافی است و نیازی به تعداد کمی ورودی و یا چند خروجی کنترلی ندارد که بخواهد محاسبات را انجام دهد تا بتواند اجرا شود. این مسئله باعث می شود تا سنسورها ارزانتر باشند؛ پس هزینه و پیچیدگی سیستم کاهش می یابد.
4-منطق fuzzy قادر است هر تعداد معقول ورودی پردازش نماید و خروجی های بی شماری را ایجاد نماید ولی چون تعیین سریع قواعد اصلی مشکل است، قواعدی که روابط متقابل بین ورودی ها و خروجی ها را تعیین می کند هم باید مشخص شود پس بهتر است که سیستم کنترلی را به قطعات کوچک تقسیم کرد و از چندین کنترلر منطق fuzzy کوچکتر که هر کدام دارای مسئولیت محدودتری هستند، برای سیستم استفاده شود، چراکه یکی از قابلیت های منطق fuzzy همین است: "افزایش دقت با استفاده از کنترلرهای متعدد".
5-منطق fuzzy می تواند سیستم های غیر خطی را کنترل کند که مدل کردن آنها با قواعد ریاضی بسیار سخت و یا غیر ممکن است.
استفاده از متغیرهای زبان شناختی به جای اعداد:
پروفسور لطفی زاده در سال 1973 مفهوم متغیرهای fuzzy یا زبان شناختی را پیشنهاد کرد تصور کردن آنها بعنوان لغات یا موضوعات زبان شناختی بهتر از تصور کردن آنها بصورت اعداد است. ورودی های سنسور همچون : دما، جریان، فشار، سرعت و غیره هستند. در عین حال متغیرهای fuzzy خودشان صفاتی می باشند که متغیر را توصیف می کنند. بعنوان مثال: خطای (مثبت بزرگ)، خطای (مثبت کوچک)، خطای (صفر)، خطای (منفی کوچک)، خطای (منفی بزرگ). برای مینیمم کردن می توان متغیر های مثبت، صفر و منفی را برای هر یک از پارامترها در نظر گرفت. دامنه تغییرات اضافی از قبیل (خیلی بزرگ) و (خیلی کوچک) هم می توانند به محدوده پاسخگویی در شرایط استثنایی و یا بسیار غیر خطی اضافه شوند اما در سیستم اصلی نیازی به آن نیست.
کاربرد و نتیجه گیـری:
منطق fuzzy تاکنون در شاخه های مختلف علوم بکار رفته است، اما شاید مهم ترین کاربردهای آنرا در سیستم های کنترلی بیابیم. از آنجایی که کنترل منطق fuzzy در ژاپن رشد فراوانی داشته است، شاید بتوان ژاپن را منشا کاربرد fuzzy در صنعت دانست. دکتر میشیوسوگنو تحقیقات فراوانی برای کنترل کننده های fuzzy انجام داده است. او برای اولین بار کنترل کننده ی fuzzy را با حدود 100قانون برای کنترل یک بالگرد درشرایط خطر ارائه داد. این مسئله قابل حل با روشهای کنترلی سابق نبوده و انسان هم برای کنترل بالگردها در این شرایط با مشکل مواجه بوده است. بنابراین، این مسئله یکی از مهم ترین دست آوردهای منطق fuzzy می باشد.
منطق fuzzy به عنوان روشی سودمند برای گروه بندی و کاربرد اطلاعات شناخته شده است و همین گونه ثابت گردیده که منطق fuzzy تا زمانی که از منطق کنترلی موجود بشری تقلید کند، گزینه ای عالی برای کاربرد در بسیاری از سیستم های کنترلی خواهد بود. منطق fuzzy می تواند در کامپیوترهای دستی کوچک تا سیستم های عظیم بکار رود. منطق fuzzy از یک برنامه غیر دقیق بسیار توصیفی استفاده می کند تا با اطلاعات ورودی بیشتر، شبیه یک کاربر انسان رفتار کند و و همچنان پس از خطای کاربرد به کار خود در پردازش اطلاعات ورودی و خروجی بپردازد و معمولاً در آغاز با اندک تنظیمی و یا حتی بدون نیاز به این امر شروع به کار می کند. منطق fuzzy نیازی به ورودی های دقیق ندارد و بطور ماندگار به کارش ادامه می دهد و می تواند هر تعداد معقولی از ورودی ها را پردازش کند اما پیچیدگی سیستم با ورودی ها و خروجی های بیشتر بسرعت افزایش می یابد و پردازشگرهای توزیع شده باعث آسان شدن عملیات می گردند.
امروزه در هر کجا نمی توان اثر منطق fuzzy را نادیده گرفت، از کنترل موشک و فضا پیماها گرفته تا کنترل ترافیک یک شهر بزرگ، حتی اثاثیه ها هم fuzzy شده اند؛ جارو برقی fuzzy، اجاق fuzzy، ماشین لباس شویی fuzzy و ... .
در آخر بیشترین مزیت منطق fuzzy که باعث بکار رفتن آن در رشد صنعت شده انعطاف آن در تحلیل داده ها و تصمیم گیریها است. در واقع منطق fuzzy روش دقیق فکر کردن در امور مبهم، غیر دقیق، تیره و تار و خاکستری است.
شایان ذکـر است که در ایــران نیز محققان زیادی چون دکتر ممدانی به پژوهش در این زمینه پرداخته اند که مجال بیشتری برای یافته های جدید قابل ارائه نیاز است.
www.riazicenter.net
نویسندگان:دکتـر سید حسام الدین مهدیان-لیلی نـداف
************************************************** ****
دستیابی به دانش بدون ابهام، سالهای متمادی انسان را دچار چالش ساخته است. از هنگامی که ارسطو منطق دو ارزشی را معرفی کرده، تاکنون بشر توانسته با کمک و استفاده از آن به موفقیت های چشمگیری دست یابد؛ فن آوری رشد نموده و روز به روز کارآمد تر شده است در اوایل قرن بیستم، دانشمندان به این نتیجه رسیدند که ساختارهای سنتی علوم، پاسخگوی پدیده های کشف شده نیست. مشکلاتی که برای قوانین نیوتن در اندازه های مولکولی بوجود آمده بود، باعث شد نظر تمام دانشمندان و پژوهشگران به سمت پدیده های تصادفی جلب شود و همین امر منجر به رشد علوم آمار و احتمالات گردید. پدیده های احتمالات عباراتی بودند که بشدت در تمام شاخه های علوم بخصوص آنجا که سیستم ها پیچیده می شدند و یا تعداد مشاهدات افزایش می یافت، دیده می شد. اما آنچه احتمالات بدنبال آن بود، با ماهیت ابهامی که در سیستم ها وجود داشت، تفاوت های زیادی می کرد. با آنکه پدیده های تصادفی نمود یافته بودند، هنوز هم دانشمندان معتقد بودند که تنها راه افزایش کارآیی سیستم ها، افزایش دقت است.
منطق fuzzy گونه ای بسیار مهم از منطق است که توسط استاد ایرانی پروفسور دکتر لطفی زاده در سال 1965 مطرح شد و بطور جدی در مقابل منطق دودویی ارسطویی قرار گرفت و این منطق نه تنها در حوزه تئوری بلکه در صنعت نیز بکار رفته است و پژوهشگران زیادی را مشغول به تحقیق در این زمینه کرده است.
منطق fuzzy در ابتدا بعنوان روشی برای پردازش اطلاعات معرفی گردید که عضوهای یک مجموعه علاوه بر دو حالت قطعی عضو بودن و نبودن حالت بین این دو را نیز تعریف می کند. fuzzy به جای پرداختن به صفر و یک، از صفر تا یک را مورد بررسی و تحلیل قرار می دهد؛ به بیان دیگر مجموعه ای که در منطق ارسطویی دارای دو عضو صفر ویک است در منطقfuzzy به مجموعه ای با بی نهایت عضو که دارای مقادیری از صفر تا یک هستند تبدیل می شود و بدین صورت منطق fuzzy به اعمال و طرز فکر آدمیان بیشتر نزدیک می شود.
تا دهه 70 برخورد با این تئوری مجموعه ها برای کنترل سیستم ها بکار نرفت تا اینکه بعلت ناکافی بودن قابلیت های کامپیوترهای کوچکی که تا پیش از آن زمان بودند مورد توجه قرار گرفت و دکتر لطفی زاده استدلال کرد مردم نیازی به اطلاعات ورودی شمارشی بسیار دقیق ندارند و آنها هنوز قادر به کنترل تطبیقی هستند. اگر کنترل گرهای feed back (بازخورد) طوری برنامه ریزی شوند که ورودی های غیر دقیق را بپذیرند در این صورت آنها بسیار موثر تر و مفید تر خواهند بود چه بساکه ممکن است اجرای آنها بسیار آسانتر شود. اروپائیان و ژاپنی ها خیلی سریعتر از دیگر کشورها این تکنولوژی را پذیرفتند و محصولات واقعی همچون: دوربین های عکاسی، اجاقهای ماکروویو و ... در این زمینه ساختند و به جامعه بشری عرضه نمودند.
منطق fuzzy معتقد است که ابهام در ماهیت علم است. برخلاف دیگران که معتقدند که باید تقریب ها را دقیق تر کرد تا بهره وری و اثربخشی افزایش یابد، لطفی زاده معتقد است که باید به دنبال ساختن مدل هایی بود که ابهام را بعنوان بخشی از سیستم مدل نماید و سیستم هایی که اساس کار آن با دانش است جایگزین سیستم هایی که با داده ها تنظیم شده اند گردند و سیستم هایی با مرزهای قطعی و دست و پاگیر، برداشته شده و جای آنها را مرزهای خاکستری فرابگیرد.
منطق fuzzy ، حلال مسائل است و قابلیت این را دارد که هم در سیستم های میکروکنترلرهای کوچک و ساده پیاده شود و هم در کامپیوترهای چند کاناله، شبکه عظیم و یا در سیستم های کنترلی اجرا گردد. منطق fuzzy نیز در نرم افزار، سخت افزار و یا ترکیبی از آن دو می تواند کاربرد داشته باشد. منطق fuzzy روشی آسان برای رسیدن به نتایج معین بر پایه اطلاعات ورودی مبهم و غیر دقیق می باشد. روش این منطق برای کنترل سیستم ها چگونگی تصمیم گیری یک انسان را تقلید می کند اما بسیار سریعتر و دقیق تر. مدل منطقfuzzy بر پایه و اساس تجربه بوده و بر تجربه کاربر تا فهمیدن تکنیکی سیستم تکیه دارد. بعنوان مثال فرض می شود فردی در اتاق خود مشغول مطالعه است و از آنجا که هوا گرم بوده، پنجره را کاملاً گشوده است. اگر بعد از نیم ساعت آن شخص اندکی احساس سرما نماید، چه خواهد کرد؟ در حالت طبیعی، "بلافاصله پنجره را کاملاً" خواهد بست یا "اندک اندک و به مرور زمان"آنرا خواهد بست و بعد از رسیدن به دمای مطلوب آنرا (درحالت نیمه باز و یا کاملاً بسته) رها خواهد کرد؛ فرض دوم محتمل تر است اما منطق دو ارزشی فقط یک پنجره را کاملاً باز می بیند یا کاملاً بسته.
منطق fuzzy دارای خصوصیات منحصر به فردی برای کنترل بسیاری از سیستم ها می باشد؛ از جمله:
1-کار خود را بطور دائم ادامه می دهد؛ چرا که نیاز به ورودی های دقیق ندارد و می تواند طوری برنامه ریزی شود که اگر سنسور (حس گر) feed back قطع یا خراب شود بدون خطر و اشکال کارش را ادامه می دهد.
2-چون روشهای کنترلر منطق fuzzy توسط کاربران تهیه می شود می تواند به راحتی اصلاح شود و تغییر کند تا عملیات سیستم را بهبود بخشد یا تغییر دهد.
3-هر اطلاعاتی از سنسور که نشانه ای از عمل و عکس العمل های سیستم باشد برای منطق fuzzy کافی است و نیازی به تعداد کمی ورودی و یا چند خروجی کنترلی ندارد که بخواهد محاسبات را انجام دهد تا بتواند اجرا شود. این مسئله باعث می شود تا سنسورها ارزانتر باشند؛ پس هزینه و پیچیدگی سیستم کاهش می یابد.
4-منطق fuzzy قادر است هر تعداد معقول ورودی پردازش نماید و خروجی های بی شماری را ایجاد نماید ولی چون تعیین سریع قواعد اصلی مشکل است، قواعدی که روابط متقابل بین ورودی ها و خروجی ها را تعیین می کند هم باید مشخص شود پس بهتر است که سیستم کنترلی را به قطعات کوچک تقسیم کرد و از چندین کنترلر منطق fuzzy کوچکتر که هر کدام دارای مسئولیت محدودتری هستند، برای سیستم استفاده شود، چراکه یکی از قابلیت های منطق fuzzy همین است: "افزایش دقت با استفاده از کنترلرهای متعدد".
5-منطق fuzzy می تواند سیستم های غیر خطی را کنترل کند که مدل کردن آنها با قواعد ریاضی بسیار سخت و یا غیر ممکن است.
استفاده از متغیرهای زبان شناختی به جای اعداد:
پروفسور لطفی زاده در سال 1973 مفهوم متغیرهای fuzzy یا زبان شناختی را پیشنهاد کرد تصور کردن آنها بعنوان لغات یا موضوعات زبان شناختی بهتر از تصور کردن آنها بصورت اعداد است. ورودی های سنسور همچون : دما، جریان، فشار، سرعت و غیره هستند. در عین حال متغیرهای fuzzy خودشان صفاتی می باشند که متغیر را توصیف می کنند. بعنوان مثال: خطای (مثبت بزرگ)، خطای (مثبت کوچک)، خطای (صفر)، خطای (منفی کوچک)، خطای (منفی بزرگ). برای مینیمم کردن می توان متغیر های مثبت، صفر و منفی را برای هر یک از پارامترها در نظر گرفت. دامنه تغییرات اضافی از قبیل (خیلی بزرگ) و (خیلی کوچک) هم می توانند به محدوده پاسخگویی در شرایط استثنایی و یا بسیار غیر خطی اضافه شوند اما در سیستم اصلی نیازی به آن نیست.
کاربرد و نتیجه گیـری:
منطق fuzzy تاکنون در شاخه های مختلف علوم بکار رفته است، اما شاید مهم ترین کاربردهای آنرا در سیستم های کنترلی بیابیم. از آنجایی که کنترل منطق fuzzy در ژاپن رشد فراوانی داشته است، شاید بتوان ژاپن را منشا کاربرد fuzzy در صنعت دانست. دکتر میشیوسوگنو تحقیقات فراوانی برای کنترل کننده های fuzzy انجام داده است. او برای اولین بار کنترل کننده ی fuzzy را با حدود 100قانون برای کنترل یک بالگرد درشرایط خطر ارائه داد. این مسئله قابل حل با روشهای کنترلی سابق نبوده و انسان هم برای کنترل بالگردها در این شرایط با مشکل مواجه بوده است. بنابراین، این مسئله یکی از مهم ترین دست آوردهای منطق fuzzy می باشد.
منطق fuzzy به عنوان روشی سودمند برای گروه بندی و کاربرد اطلاعات شناخته شده است و همین گونه ثابت گردیده که منطق fuzzy تا زمانی که از منطق کنترلی موجود بشری تقلید کند، گزینه ای عالی برای کاربرد در بسیاری از سیستم های کنترلی خواهد بود. منطق fuzzy می تواند در کامپیوترهای دستی کوچک تا سیستم های عظیم بکار رود. منطق fuzzy از یک برنامه غیر دقیق بسیار توصیفی استفاده می کند تا با اطلاعات ورودی بیشتر، شبیه یک کاربر انسان رفتار کند و و همچنان پس از خطای کاربرد به کار خود در پردازش اطلاعات ورودی و خروجی بپردازد و معمولاً در آغاز با اندک تنظیمی و یا حتی بدون نیاز به این امر شروع به کار می کند. منطق fuzzy نیازی به ورودی های دقیق ندارد و بطور ماندگار به کارش ادامه می دهد و می تواند هر تعداد معقولی از ورودی ها را پردازش کند اما پیچیدگی سیستم با ورودی ها و خروجی های بیشتر بسرعت افزایش می یابد و پردازشگرهای توزیع شده باعث آسان شدن عملیات می گردند.
امروزه در هر کجا نمی توان اثر منطق fuzzy را نادیده گرفت، از کنترل موشک و فضا پیماها گرفته تا کنترل ترافیک یک شهر بزرگ، حتی اثاثیه ها هم fuzzy شده اند؛ جارو برقی fuzzy، اجاق fuzzy، ماشین لباس شویی fuzzy و ... .
در آخر بیشترین مزیت منطق fuzzy که باعث بکار رفتن آن در رشد صنعت شده انعطاف آن در تحلیل داده ها و تصمیم گیریها است. در واقع منطق fuzzy روش دقیق فکر کردن در امور مبهم، غیر دقیق، تیره و تار و خاکستری است.
شایان ذکـر است که در ایــران نیز محققان زیادی چون دکتر ممدانی به پژوهش در این زمینه پرداخته اند که مجال بیشتری برای یافته های جدید قابل ارائه نیاز است.
www.riazicenter.net