Fuzzy Logik und Genetische Algorithmen für adaptive Prozesskontrolle

Größe: px

Ab Seite anzeigen:

Download "Fuzzy Logik und Genetische Algorithmen für adaptive Prozesskontrolle"

Ewald Wetzel
vor 8 Jahren
Abrufe

1 Fuzzy Logik und Genetische Algorithmen für adaptive Prozesskontrolle Umgang mit unsicherem Wissen VAK Oliver Ahlbrecht 8. Dezember 2005

2 Struktur 1. Einleitung 2. Beispiel Cart-Pole 3. Warum Hybride Prozesse? 4. Ein adaptives GA-FLC 5. Anwendung

3 Einleitung Intelligent Hybrid Systems am U.S. Bureau of Mines gab es Forschungen hinsichtlich der Verbesserung bzw. Erweiterung von Fuzzy Logic Controllern (FLC) durch genetische Algorithmen (GA) GAs sind Suchalgorithmen GAs suchen Lösungen durch das Erzeugen unterschiedlicher Lösungsvorschläge Die Idee hinter GAs ähnelt der biologischen Evolution

Erweiterung von Fuzzy Logic Controllern (FLC) durch genetische Algorithmen (GA) GAs

4 Einleitung - GAs Das Vorgehen bei GAs: 1. Erzeugen unterschiedlicher Lösungsvorschläge 2. Evaluation dieser Vorschläge 3. Zufällige Auswahl von Lösungskandidaten (Kandidaten mit höherer Bewertung erhalten höhere Wahrscheinlichkeit) 4. Diese werden neu kombiniert und gemischt. Eine neue Generation entsteht 5. Mutation durch zufällige Veränderung dieser Generation 6. Bildung einer neuen Menge aus den Mutierten und aus der ursprünglichen

Zufällige Auswahl von Lösungskandidaten (Kandidaten mit höherer Bewertung erhalten höhere Wahrscheinlichkeit)

5 Einleitung - GAs Danach folgt erneute Evaluation oder es wird beendet Ende je nach Abbruchkriterium Der beste Lösungskandidat wird als Lösung präsentiert

6 Einleitung Zusammen können GAs und FLC ein Grundlage für Prozesskontrollsysteme bilden Ein Kontrollsystem braucht: 1. Ein Kontrollelement 2. Ein analysierendes Element 3. Ein adaptives Element Hier geht es um die Entwicklung eines solchen Systems mit GAs und FLCs am Beispiel eines Cart-Pole Problems

Ein Kontrollelement 2. Ein analysierendes Element 3.

7 Beispiel Cart-Pole Kontrolle eines Cart-Pole balancing systems x = Position des Wagens e = Winkel der Stange x = Geschwindigkeit e = Geschwindigkeit

8 Beispiel Cart-Pole Ziel ist es, eine Kraft F so wirken zu lassen dass der Wagen in der Mitte des Pfades, mit der Stange in vertikaler Position ausbalanciert, zum Stehen kommt Ein Diagramm eines sehr einfachen Regelsystems würde wie folgt aussehen:

in vertikaler Position ausbalanciert, zum Stehen kommt Ein

9 Beispiel Cart-Pole

10 Beispiel Cart-Pole Problematik: zeitlicher Abstand zwischen Messung der Daten und Berechnung/Anwendung von F

11 Hybride Prozesse Das Erkennen von Veränderungen in der Cart- Pole Umgebung erfolgt über Sensoren Es gibt eine ständige Veränderung des Systems, FLCs bietet eine gute Möglichkeit die Veränderungen der Kontroll-Strategie umzusetzen Veränderung der Kontroll-Strategie erfordern Such-Algorithmen für neue Regeln für den FLC Hierfür wurden GA gewählt

Möglichkeit die Veränderungen der Kontroll-Strategie umzusetzen Veränderung der

12 Ein adaptives GA-FLC Schema eines adaptivecontrol-system Kontroll-Element empfängt über Sensoren Informationen über x, x, e, e Berechung von F Die Veränderung von F bringt die Problem Environment in Richtung Sollwert x=x =e=e =0

über x, x, e, e Berechung von F Die Veränderung von F

13 Ein adaptives GA-FLC Control-Environment erhält feedback vom Cart-Pole System und muss F beschreiben Hierfür dient ein FLC

14 Ein adaptives GA-FLC FLC hier hat die Form IF{condition}THEN{action} IF {x is NEGATIVE BIG and x is NEGATIVE and e is POSITIVE and e is POSITIVE} THEN {F is POSITIVE BIG}

15 Ein adaptives GA-FLC Für dieses System: x NEGATIVE BIG, NEGATIVE SMALL, POSITIVE SMALL, POSITIVE BIG x NEGATIVE, NEAR ZERO, POSITIVE e NEGATIVE, NEAR ZERO, POSITIVE e NEGATIVE, NEAR ZERO, POSITIVE F NEGATIVE BIG, NEGATIVE MEDIUM, NEGATIVE SMALL, ZERO, POSITIVE SMALL, POSITIVE MEDIUM, POSITIVE BIG Also 108 Regeln für alle möglichen Kombinationen

NEGATIVE, NEAR ZERO, POSITIVE F NEGATIVE BIG, NEGATIVE MEDIUM, NEGATIVE SMALL, ZERO,

16 Ein adaptives GA-FLC Analysis Element: Dieses Element erkennt Parameteränderungen der Problem Environment die nicht durch Regeln im Control-Element enthalten sind

17 Ein adaptives GA-FLC Diese Parameter sind die Masse des Wagens, die Länge der Stange und die Reibungskoeffizienten der Stange und des Wagens Veränderungen dieser Parameter ändern das Verhalten wie das Cart-Pole System auf F reagiert und erfordern eine neue geformte Problem Environment und eine veränderte Control- Strategy Ein GA wird hier im Analyse Element verwendet um die neuen Parameter zur Verwendung im Cart-Pole System zu berechnen

Cart-Pole System auf F reagiert und erfordern eine neue geformte Problem Environment und eine veränderte

18 Ein adaptives GA-FLC Learning Element: Verändert das Control- Environment als Antwort auf Veränderungen im Problem-Environment D.h. die Membership- Functions im FLC werden verändert

19 Ein adaptives GA-FLC Zu dieser Veränderung benutzt dies adaptive GA- FLC ein GA

20 Anwendung Solch ein adaptives GA-FLC wird eingesetzt bei der Gewinnung von Erz In so genannten column flotation units gibt es viele Parameter die ständig überwacht werden müssen um eine maximale Performance zu erzielen Das adaptive System wird beispielsweise benötigt wenn die Menge an Erz, die in die Units gefüllt wird, von Zeit zu Zeit schwankt

müssen um eine maximale Performance zu erzielen Das adaptive System wird

21 Quellen Genetic Algorithms and Fuzzy Logic for Adaptive Process Control, Charles L. Karr in Intelligent Hybrid Systems, Suran Goonatilake, Sukhdev Khebbal (Hrsg.), Wiley & Sons Ltd., 1995 Wikipedia

22 Ende der Präsentation

Ähnliche Dokumente

Einführung in die Fuzzy Logic

Einführung in die Fuzzy Logic Entwickelt von L. Zadeh in den 60er Jahren Benutzt unscharfe (fuzzy) Begriffe und linguistische Variablen Im Gegensatz zur Booleschen Logik {0,} wird das ganze Intervall [0,]