La defuzzificación es el proceso de producir un resultado cuantificable en una lógica nítida , dados los conjuntos difusos y los grados de pertenencia correspondientes. Es el proceso que asigna un conjunto difuso a un conjunto nítido. Normalmente se necesita en sistemas de control difuso . Estos sistemas tendrán una serie de reglas que transforman una serie de variables en un resultado difuso, es decir, el resultado se describe en términos de pertenencia a conjuntos difusos . Por ejemplo, las reglas diseñadas para decidir cuánta presión aplicar pueden resultar en "Disminuir la presión (15%), Mantener la presión (34%), Aumentar la presión (72%)". Defuzzification es interpretar los grados de pertenencia de los conjuntos difusos en una decisión específica o valor real.
El método de defuzzificación más simple pero menos útil es elegir el conjunto con la membresía más alta, en este caso, "Aumentar la presión", ya que tiene una membresía del 72%, e ignorar los demás y convertir este 72% en algún número. El problema con este enfoque es que pierde información. Las reglas que pedían disminuir o mantener la presión bien podrían no haber existido en este caso.
Una técnica de defuzzificación común y útil es el centro de gravedad . Primero, los resultados de las reglas deben sumarse de alguna manera. La función de pertenencia a un conjunto difuso más típica tiene la gráfica de un triángulo . Ahora, si este triángulo fuera cortado en una línea recta horizontal en algún lugar entre la parte superior e inferior, y la parte superior fuera eliminada, la parte restante forma un trapecio . El primer paso de la defuzzificación normalmente "corta" partes de los gráficos para formar trapecios (u otras formas si las formas iniciales no eran triángulos). Por ejemplo, si la salida tiene "Disminuir presión (15%)", entonces este triángulo se cortará un 15% hacia arriba desde la parte inferior. En la técnica más común, todos estos trapecios se superponen uno sobre otro, formando una única forma geométrica . Luego, se calcula el centroide de esta forma, llamado centroide difuso . La coordenada x del centroide es el valor defuzzificado.
Métodos
Hay muchos métodos diferentes de defuzzificación disponibles, incluidos los siguientes: [1]
- IA (integración adaptativa) [2]
- BADD (distribuciones básicas de defuzzificación)
- BOA (bisectriz de área)
- CDD (defuzzificación por decisión de restricción)
- COA (centro del área)
- COG (centro de gravedad)
- ECOA (centro extendido del área)
- EQM (método de calidad ampliado)
- FCD (defuzzificación por agrupamiento difuso)
- FM (media difusa)
- FOM (primero del máximo)
- GLSD (defuzzificación de nivel generalizado)
- ICOG (centro de gravedad indexado)
- IV (valor de influencia) [3]
- LOM (último del máximo)
- MeOM (media de máximos)
- MOM (medio del máximo)
- QM (método de calidad)
- RCOM (elección aleatoria de máximo)
- SLIDE (defuzzificación semilineal)
- WFM (media difusa ponderada)
Los métodos de maxima son buenos candidatos para sistemas de razonamiento difuso. Los métodos de distribución y los métodos de área exhiben la propiedad de continuidad que los hace adecuados para controladores difusos. [1]
Notas
- ↑ a b van Leekwijck, W .; Kerre, EE (1999). "Defuzzificación: criterios y clasificación". Conjuntos y sistemas difusos . 108 (2): 159-178. doi : 10.1016 / S0165-0114 (97) 00337-0 .
- ^ Eisele, M .; Hentschel, K .; Kunemund, T. (1994). "Realización de hardware de defuzzificación rápida mediante integración adaptativa". Actas de la Cuarta Conferencia Internacional sobre Microelectrónica para Redes Neuronales y Sistemas Difusos . 1994 : 318–323. doi : 10.1109 / ICMNN.1994.593726 .
- ^ Madau, DP; Feldkamp, LA (1996). "Método de defuzzificación del valor de influencia". Sistemas difusos . 3 : 1819–1824. doi : 10.1109 / FUZZY.1996.552647 .