دانلود رایگان مقاله فازی سازی در یک کنترل کننده منطق فازی

چکیده

         هدف از این مقاله مقایسه تکنیک های فازی مختلف سازی برای استفاده از کنترل ماشین خودکارطراحی شستشو برای پیش بینی تفاوت خطا بین روش های مختلف است. ماشین لباسشویی های اتوماتیک با برنامه های کاربردی برای مصارف داخلی در نظر گرفته شده است. پارامترهای ورودی مقدار خاک و چربی بر روی لباس را در نظر می گیرند. بسته به میزان ورودی های زمان شستشو به عنوان خروجی توسط تکنیک فازی سازی های مختلف تصمیم گیری انجام می شود.این مشکل با نرم افزار شبیه سازی MATLAB برای ارزیابی تکنیک های مختلف پشتیبانی می شود.

1. مقدمه

         ماشین لباسشویی یکی از رایج ترین لوازم خانگی امروزی است. ماهیت اصلی این ماشین کاهش حجم کار و به طور موثر ارایه پاک کنندگی برای لباسها است. به منظور اثبات پاکیزگی لباس تولید کنندگان ماشین لباسشویی  به طور کامل به سمت کاهش بار کاری و فراهم کردن لباس های تمیزتر پیش می روند. این امر با ماشین های عملگر سنسور دار محقق می شود که به طور کامل می توانند میزان بار و حجم قابل شستشو را حس کنند. هم چنین  مقدار آلودگی از لباس و نوع مواد در چرخه شستشو فعلی را به منظور پیش بینی زمان مورد نیاز برای شستشو درک کنند. در یک سنسور شستشو ازیک سنسور نوری ساده برای اندازه گیری فیزیکی مقدار نور، عبور از لوله شیشه ای، استفاده می شود که می تواند پس از آن به سیگنال های الکتریکی برای پیش بینی میزان آلودگی تبدیل شود [1]. ماشین شستشو بر اساس کنترل منطق فازی (FLC) دستگاه طراحی می شود.

2. شرح مسئله 

          یک ماشین لباسشویی بر اساس کنترل کننده منطق فازی (FLC) برای دو پارامتر ورودی طراحی شده است، 

1. درجه خاک موجود در لباس و 

2. مقدار چربی موجود بر روی لباس

هر یک از ورودی ها دارای سه توصیفگر هستند وبر روی یک مقیاس 0٪ تا 100٪ ارائه شده اند. 

        خروجی برای پیش بینی زمان شستشو مورد نیاز برای یک مقدار معین از هر دو ورودی و تحت پنج توصیفگر طبقه بندی می شوند. مقدار کل زمان شستشو بین 0 تا 60 دقیقه برآوردمی شود . توابع عضویت برای تمام ورودی ها و همچنین پارامترهای خروجی طراحی شده وبسته به این توابع عضویت یک پایگاه مبنا ایجاد میشود .

3. نمودار بلوکی

        فازی: تعریف ورودی ها و خروجی ها برای یک بیان مشکل و تصمیم گیری برروی دامنه عملیات به منظور اختصاص توابع عضویت مناسب برای هرکدام فرایند فازی سازی است. 

قانون پایه: بسته به نوع ورودی وقوانین خروجی مورد نیاز برای پیش بینی وضعیت خروجی مممکن ایجاد می شوند.

موتور میانجی: از قوانین اعمال شده برای خود آن استنتاج شده وبستگی به ورودی هایی دارد که خروجی ها را برای ورودی اعمال شده اقتباس می کنند .

فازی سازی: اشتقاق از خروجی کریسپ برای ورودی های خاص بکار رفته فرایند غیر فازی سازی است.

4. تکنیک فازی سازی

          روند فازی به تولید یک خروجی بسته به پایه قانون توسعه یافته و موتور استنتاج می پردازد. این فرآیند یک خروجی ، از مقادیر دقیق در دسترس درورودی تولید ، در قالب فازی تولید می کند. معمولا روند فازی شامل اتحادی از دو یا چند مجموعه فازی بکار رفته به عنوان ورودی ها است وبر روی گفتمان جهانی تعریف می شود . 

        فرآیند تبدیل خروجی پایه قانون فازی به یک مقدار کریسپ نهایی برای برنامه های کاربردی که برای آن یک سیستم طراحی شده است مناسب است و "غیر فازی سازی" نامیده می شود.روش فازی سازی نمی تواند به طور سیستماتیک نمی تواند بسته به برنامه های کاربردی انتخاب شود وبه نیاز کاربردی بستگی دارد .

ABSTRACT

         The purpose of this paper is to compare the various defuzzification techniques for the application of an automatic washing machine control design to predict the error difference between different methods. An automatic washing machine with for domestic applications is considered. The input parameters are considered to be the amount of dirt and grease on clothes. Depending upon the amount of inputs the wash time is to be decided as the output by various defuzzification techniques. The problem is supported by MATLAB simulation to assess the various techniques.

1. INTRODUCTION

         Washing machines are one of the most common household appliances found today. The essence of such a machine is to reduce the workload and effectively provide cleaner clothes. In terms to prove the cleanliness of clothes the washing machine manufacturers are striving towards a fully automated sensor operated machines which can completely sense the amount of wash load, the amount of dirtiness of the clothes and the type of material in the current wash cycle so as to directly predict the wash time required. The wash sensor can be a simple optical sensor used to measure the physical quantity of light, passed through a glass tube, which can then be converted to electrical signals to predict the amount of dirtiness[1]. A fuzzy logic controller (FLC) based washing machine is to be designed.

2. PROBLEM STATEMENT

         A fuzzy logic controller (FLC) based washing machine is to be designed for two input parameters,

1. The degree of dirt present on the clothes and

2. The amount of grease present on the clothes.

Each of the inputs have three descriptors each and are to be presented on a scale from 0% to 100%.

         The output is to predict the wash time required for a certain amount of both inputs and are classified under five descriptors. The total amount of wash time is to be estimated between 0 to 60 minutes. The membership functions are to be designed for all the input as well as output parameters and depending on these membership functions a rule base is developed.

3. BLOCK DIAGRAM

       Fuzzification : Defining the inuts and the outputs for a given problem statement and deciding their range of operation so as to assign the proper membership functions to each is the process of fuzzification.

Rule Base : Depending on the types of inputs and the required outputs rules are developed to predict the possible outputs status.

Inference Engine : It infers from the rules applied to it and depending upon the inputs derives the output for the desired applied input.

Defuzzification : The derivation of the crisp output for the specific inputs applied is the process of defuzzification.

4. DEFUZZIFICATION TECHNIQUES

       The fuzzification process produces an output depending upon the developed rule base and inference engine. This process generates an output, from the precise values available at the input, in the fuzzified form. Usually the fuzzification process involves union of two or more fuzzy sets applied as inputs and defined over the universe of discourse.

         The process of converting the fuzzy rule base output to a final crisp value, suitable to be useful for applications for which a system is designed, is called as “Defuzzification”. The defuzzification method cannot be chosen systematically depending upon the applications. It depends on the need of the application.

چکیده

1. مقدمه

2. شرح مسئله 

3. نمودار بلوکی

4. تکنیک فازی سازی

4.1 روش مرکز

4.2 روش نیمساز

4.3 بین روش حداکثر (MOM)

5. اجرای سیستم 

5.1 پلات های سطحی 

5.2 نتایج

منابع

ABSTRACT

1. INTRODUCTION

2. PROBLEM STATEMENT

3. BLOCK DIAGRAM

4. DEFUZZIFICATION TECHNIQUES

4.1 Centroid method

4.2 Bisector method

4.3 Middle of maxima (MOM) method

5. SYSTEM IMPLEMENTATION

5.1 Surface Plots

5.2 Results

REFERENCES