ZusammenfassungIn diesem Beitrag wird aufgezeigt, wie in den unter dem Namen „Fuzzy Control“ bekannten Steuerungsalgorithmen Expertenregeln mittels Fuzzy-Variablen formuliert, mit Fuzzy-Operatoren verknüpft und in aktuellen Situationen verarbeitet werden. Häufig erweisen sich in der Praxis die recht einfach konstruierten Fuzzy-Controller den auf der klassischen Mathematik basierenden Steuerungsverfahren als überlegen, da sie sich leicht auf modifizierte Aufgabenstellungen anpassen lassen und eine hohe Stabilität aufweisen, die sich beim Weglassen einiger Regeln zwar verschlechtert, aber zumeist nicht versagt. Dank der Entwicklung sogenannter Fuzzy-Chips lassen sich diese Fuzzy Control-Verfahren schnell und ohne großen Rechenaufwand durchführen. Desweiteren wird untersucht, ob und wie diese Fuzzy-Logik-Algorithmen auf nicht-technische Expertensyste-me übertragen werden können. Da hier zumeist einmalige Entscheidungen getroffen werden müssen, ist größere Sorgfalt auf die Formulierung der Regeln und deren Verknüpfungen zu legen.SummaryIn this paper the basic concepts of fuzzy control are explained and discussed. The relatively simple constructed fuzzy controllers prove to be superior to controllers based on classical mathematics, because they are suitable for systems with time-variant parameters and show a high robustness. Even when one of the control rules is neglected, the fuzzy controlled systems work, however less stable. By means of high-speed fuzzy controller hardware it is easy to control nonlinear and/or timevariant systems too. Furthermore it is analysed, if and how the fuzzy logic algorithm can be transferred to nontechnical expert systems. Where unique decisions are required it is essential to be more careful by formulating the control rules and their aggregations.
[1]
D. Dubois,et al.
Fuzzy sets in approximate reasoning. I, Inference with possibility distributions
,
1991
.
[2]
Heinrich Rommelfanger,et al.
Entscheiden bei Unschärfe
,
1988
.
[3]
Michio Sugeno,et al.
Industrial Applications of Fuzzy Control
,
1985
.
[4]
Ernest Czogała,et al.
Probabilistic sets in decision making and control
,
1984
.
[5]
H. Zimmermann,et al.
Decisions and evaluations by hierarchical aggregation of information
,
1983
.
[6]
Abraham Kandel,et al.
Designing fuzzy expert systems
,
1986
.
[7]
R. Spies,et al.
Entscheiden bei unschärfe — Fuzzy decision support systeme: Springer-Verlag, Berlin, 1988, ix + 304 pages, DM45.00
,
1990
.
[8]
E. H. Mamdani,et al.
Learning Control Algorithms in Real Dynamic Systems
,
1974
.
[9]
P. Martin Larsen,et al.
Industrial applications of fuzzy logic control
,
1980
.
[10]
Abraham Kandel,et al.
Cooperative fuzzy expert systems : their design and applications in intelligent recognition
,
1988
.
[11]
D. Dubois,et al.
Fuzzy sets in approximate reasoning, part 2: logical approaches
,
1991
.
[12]
T. Yamakawa.
Stablization of an inverted pendulum by a high-speed fuzzy logic controller hardware system
,
1989
.
[13]
Hans-Jürgen Zimmermann,et al.
Fuzzy set theory
,
1992
.
[14]
H. Zimmermann.
Fuzzy sets, decision making, and expert systems
,
1987
.