8.1.1- A LÓGICA FUZZY

Nesta seção são apresentados conceitos básicos da teoria dos conjuntos Fuzzy e da Lógica Fuzzy. As considerações aqui expostas são necessárias e suficientes para

compreensão deste texto, em [Lee 90a ] e [ Zadeh 73] são encontradas informações mais detalhadas.

Conjuntos Fuzzy – Terminologia

Sendo U uma coleção de objetos denotado genericamente por {u} que pode ser discreto ou contínuo, U é chamado de “Universo do discurso” e u representa genericamente um elemento de U.

Definição 1- Conjunto Fuzzy

Um conjunto FuzzyF no universo do discurso U é caracterizado por uma Função de Pertinênciaµf que tem valores no intervalo [0, 1]. Nominalmente: µf : U→_{[ 0,1 ].}

Um conjunto Fuzzy pode ser visto como uma generalização do conceito de um conjunto ordinário cuja Função de Pertinência somente tem dois valores {0, 1}. Portanto, um conjunto Fuzzy F em U pode ser representado por um conjunto de pares ordenados de um elemento genérico u e sua Função de Pertinência: F=[(u,µf (u))| u∈ U}.

Quando U é contínuo, um conjunto Fuzzy pode ser escrito como F=

∫

∑

Definições:

a) O suporte de um conjunto Fuzzy F é o conjunto clássico de todos os pontos u em U de modo que µf (u) >0. Em particular, o elemento u em U ao qual µf =0.5

É chamado de single point e o conjunto Fuzzy cujo suporte é o single point em U com

µf=1,0 é referido como um Fuzzy singleton.

b) Dados A e B dois conjuntos Fuzzy em U com as funções de Pertinência (Membership)

µa

e µb, respectivamente, o conjunto das operações de; União, Intersecção e Complemento, para os conjuntos Fuzzy são definidos via Funções de Pertinência.

União

Ua U a (u) = Max {µa (u), µb (u)}

Intersecção

Complemento

uUA(u) = 1- µa (u)

Os procedimentos baseados na teoria dos conjuntos Fuzzy fornecem uma base para se obter uma maneira sistemática de manipulação de conceitos de vagueza e imprecisão. Estes procedimentos nos possibilitam o emprego da teoria dos conjuntos para representar

variáveis lingüísticas. Uma variável lingüística pode ser considerada como uma variável cujo valor é um número Fuzzy, ou como uma variável cujo valor é definido em termos lingüísticos.

A variável Lingüística é caracterizada por uma quíntupla (x ,T(x), U,G, M) onde: a) x é nome da variável.

b) T(x) é o conjunto de termos de x , isto é, o conjunto de nomes de valores lingüísticos de

x com cada valor sendo um número Fuzzy definido em U. c) U é o Universo do discurso.

d) G é a regra sintática para gerar os nomes do valor de x.

e) M é a regra semântica para associar com cada valor o seu significado.

Na definição de uma implicação fuzzy é feita análise de mecanismos de raciocínio fuzzy

e neste processo as Funções de Pertinência geram proposições Fuzzyn-árias do tipo:

((x

, x

, ..., x

) é R )

onde : x1, x2, ..., xn são os nomes de n variáveis lingüísticas cujos Universos de Discurso são respectivamente, X1, X2, ..., Xn e R é uma relação Fuzzy definida em X1x, X2x ...x Xn. Dependendo do processo as combinações de n declarações Fuzzy podem ser feitas utilizando operadores fuzzy apresentados como alternativas de controle em vários estudos [Lee 90a]. Alguns podem operar por ação de Maximização pelo conectivo OR ou por

Minimização pelo conectivo AND [Zadeh 73].

Num projeto de controle estas proposições são combinadas através dos operadores da Lógica Fuzzy gerando novas proposições Fuzzy que podem ser descritas em termos de relações Fuzzy.

Uma forma clássica utilizada para encontrar esta relação é com as regras de inferências Fuzzy. As regras de inferência Fuzzy são o núcleo do sistema Fuzzy onde um comportamento dinâmico é obtido por um conjunto de regras da forma; SE (um conjunto de condições são satisfeitas) ENTÃO (um conjunto de conseqüências pode ser inferido). A

cláusula SE é um antecedente e ENTÃO é uma cláusula conseqüente em uma ação de controle para um dado processo sob controle. Com um conjunto de regras Fuzzy pode-se derivar uma ação de controle para um dado conjunto de valores de entrada.

A aproximação utilizada em um controle fuzzy é baseada no método de raciocínio aproximado Modus Ponens Generalizado (MPG) [Zadeh 73].

Um sistema com duas entradas e uma saída gera n-regras do Sistema Fuzzy, e os estados MPG são:

Premissa 1 (fato) : Se x é A’ e y e B’

Implicação R1: Se x é A1 e y e B1 então z é C1 - - - também Ri : Se x é Ai e y e Bi então z é Ci - também Rn : Se x é An e y e Bn então z é Cn Conclusão: z é C’

No qual x, y e z são variáveis lingüísticas e x, y representam duas entradas que podem ser estado do processo ou medidas provenientes de sensores.

Após a inferência de controle fuzzy, é determinada uma ação representada por um valor categórico (crisp value) que melhor represente a decisão fuzzy.

O processo que transforma as ações de controle fuzzy que foram inferidas, em um valor categórico na saída é chamado de defuzzificação. Não existe nenhum procedimento sistemático para a escolha do método de defuzzificação, sendo que os mais comuns são:

a) o critério de máximo (Max), que escolhe o ponto onde a função inferida tem o seu máximo.

b) a média dos máximos (MDM) que representa o valor médio dentre todos os pontos de máximo (quando existe mais de um máximo).

c) o método do centro de área (CDA), que retorna o centro de área da função inferida. d) Centro de gravidade COG (Center of Gravity). Este método entre os apresentados

mostra-se muito eficiente. A computação [Hung 95] do valor categórico (crisp value) é feito pela equação:

∑µi (zk) Zi

∑µi (zk) Zi =

onde: µi (zk) é a área constituída pelas funções de pertinência de saída aplicada pelos pesos

µi de todas as regras de inferências ( que podem ter sido obtidos por exemplo pelo operador de mínimo)

Uma versão simplificada da defuzzificação COG pode ser feita assumindo que todos os formatos de Funções de Pertinência são simétricos e modela a saída como uma função singular (Singleton) situada no centro Z. Com esta simplificação a equação fica:

∑µi Zi

∑µi

O processo para defuzzificação fica do seguinte forma: Para todas as regras Fuzzy disparadas

Passo 1 - Compute:

a) Soma ∑µi para todos os pesos e;

b) Produto µi Zi , para todos os pesos e seus correspondentes valores centrais de suas correspondentes funções de pertinência de saída.

Passo 2 - Compute a soma de produto ∑µi Zi para todos µi Zi obtidos no passo 1b.

Passo 3 - Compute a divisão: ∑µi Zi baseado nos resultados obtidos nos passos 1 e 2. ∑µi

8.2- CONCEITOS E MÉTODOS DE INTER-RELACIONAMENTO