ITS les 6 fuzzy logic Flashcards

1
Q

Teken het blokschema van een regelkring met een fuzzy logic controller.

A

Zie blad a

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Noem de drie onderdelen van een fuzzy regelaar.

A
  1. Converter van ingangswaarde naar waarheidswaarden van de input
    memberschipfuncties (fuzzificatie)
  2. Toepassen van de “rules” [Rule evaluation]
  3. Converter van de waarheidswaarden van de outputmemberschipfuncties naar het
    uitgangssignaal. (defuzzificatie)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Wat is een crisp value?

A

Een exacte reële waarde (in tegenstelling tot een vage waarde)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Wat is een membership functie?

A

Een membershipfunctie beschrijft het verband tussen een input of outputwaarde en de mate waarin een vage variabele (bv warm) waar is.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Teken voorbeeld membership- functies voor de temperatuur van kraanwater - 10 tot 50 graden. membership koud, membership fris, membership aangenaam, membership warm en membership heet.

A

Zie blad e

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Wat verstaan we onder een fuzzy set behorende bij een membershipfunctie μ(x)?

A

De verzameling { (x, μ(x) | x 𝞮 D} waarbij D het domein is van μ(x).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Leg uit wat fuzzificatie inhoudt

A

Conversie van ingangswaarde (crisp value) naar waarheidswaarden van de input memberschipfuncties

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Leg uit wat defuzzificatie inhoudt

A

Conversie van de waarheidswaarden van de outputmemberschipfuncties naar het uitgangssignaal

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Noem 3 toepassingen van fuzzy control.

A

Noem 3 toepassingen van fuzzy control.
Vaatwasser [Matsushita]
Cruise control [Nissan]
Kopieerapparaat [Canon]
Robot navigatie [object avoidance, goal navigation]

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Stel C= (A and B) is een fuzzy rule en A = 0,7 en B = 0,3. Bereken C

A

C=0,3

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Stel C=(A or B) is een fuzzy rule en A = 0,7 en B = 0,3. Bereken C

A

C=0,7

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Stel “D=( A and (B or C) )” is een fuzzy rule en A = 0,6, B = 0,4 en C=0,8. Bereken D

A

Stel H=(B or C), dan geldt: H = max(0,4, 0,8) = 0,8
D=(A and H) => D=min(0,6 , 0,8) = 0,6

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Pas defuzzificatie toe volgens de “centre of sums methode” op de gegevens in de onderstaande figuur. Zie vr M

A

Output = (20x17+45x12) / (17+12) = 30,3 en zie blad m

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Pas defuzzificatie toe volgens de “centre of sums methode” op de gegevens in de onderstaande figuur. Zie N

A

Output = (9x7,2+22x2,4 + 38x16,8) / (7,2+2,4+16,8) = 28,6 en zie blad n

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Soms past men op de afgeknotte outputmemberfuncties nog “aggregatie” toe voorafgaand aan defuzzificatie. Leg uit wat aggregatie in deze context inhoudt.

A

Het samenvoegen van de afgeknotte output memberfuncties tot een nieuwe functie.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Voor defuzzicatie bij een fuzzy-logic systeem zijn – na toepassing van de regels – de onderstaande output-membershipfuncties μ1 en μ2 relevant. μ1 heeft een waarheidsgehalte van 50% en μ2 een waarheidsgehalte van 25%. Bepaal de crisp-outputwaade volgens de “center of sums” methode. Zie P voor grafiek

A

Output = ( 20. 15 .0,5 + 35 .17,5 . 0,25 ) / (7,5 + 4,375) = 25,53 en zie blad p