Temporale Fuzzy Logik - Eine Vereinigung der Temporal-Logik und Fuzzy-Logik anhand von vorausschauenden Wartungs- und Überwachungssystemen

Titelangaben

Schmidt, Thorsten W.:
Temporale Fuzzy Logik - Eine Vereinigung der Temporal-Logik und Fuzzy-Logik anhand von vorausschauenden Wartungs- und Überwachungssystemen.
Bayreuth , 2011
( Dissertation, 2011 , Universität Bayreuth, Fakultät für Mathematik, Physik und Informatik)

Volltext

Link zum Volltext (externe URL):

Abstract

Fuzzy-Logik und ihre Anwendung in Fuzzy-Reglern ist seit vielen Jahren ein Forschungsthema. In den vergangenen Jahren kamen Fuzzy-Regler vielfach in den verschiedensten industriellen Anwendungen zum Einsatz. Fuzzy-Regler können in Waschmaschinen und anderen Haushaltsgeräten Verwendung finden. Aber der wichtigste Vorteil von Fuzzy-Logik ist die Tatsache, dass das vorhandene Wissen über die Kontrolle eines Prozesses einfach und intuitiv für einen Regler umgesetzt werden kann. Außerdem ist es einfach, einen solchen Regler zu warten oder zu erweitern. Bei Fuzzy-Logik werden Informationen über eine Prozess-Steuerung in einer transparenten Regel-Datenbank abgelegt. Dadurch geht dieses Wissen nie verloren. Allerdings können diese Fuzzy-Regler nicht in bestimmten Anwendungen (zum Beispiel Wartungssystemen) verwendet werden, da sie nicht in der Lage sind, zeitliche Abhängigkeiten zu modellieren, welche wesentlich für diese Systeme sind. Deshalb wird ein neues Konzept zur zeitlichen Fuzzy-Regelung eingeführt, indem Fuzzy-Logik durch neue Prädikate erweitert wird. Diese Prädikate behandeln zeitliche Aspekte, um zu erkennen oder vorherzusagen, wie das vergangene oder zukünftige Verhalten eines Prozesses ist. Mit der Fähigkeit ausgestattet, vergangenes oder zukünftiges Prozessverhalten zu analysieren, kann der Nutzer des so genannten Temporalen-Fuzzy-Reglers leichter Expertenwissen in die Regelung integrieren. Als Beispiele für die Richtigkeit dieses Konzeptes untersucht diese Arbeit das Verhalten eines Fuzzy geregelten Büroraum-Beleuchtungssystems und eines Fuzzy-Video-Verarbeitungs-Tools. Dies verdeutlicht die einfache Handhabung und hohe Effizienz dieses Ansatzes. In dieser Arbeit wird gezeigt, dass es möglich ist, Fuzzy-Logik mit zeitlichen Prädikaten zu erweitern, um die so genannte Temporale-Fuzzy-Logik zu erhalten, welche die Modellierung zeitlicher Abhängigkeiten von Ereignissen ermöglicht. Die Arbeit beschreibt die mathematischen Grundlagen der hier eingeführten zeitlichen Fuzzy-Prädikate. Die zeitlichen Fuzzy-Prädikate sind abgeleitet aus den in sich abgeschlossenen Prädikaten der Temporal-Logik. Wie in der Temporal-Logik ist es dann auch in der Temporalen-Fuzzy-Logik möglich, Bedingungen für komplette Zeitintervalle zu erstellen. So sind die temporalen Fuzzy-Prädikate ebenfalls in sich abgeschlossen. Es ist möglich, zeitliche Abhängigkeiten mit AND und OR verknüpften Prädikaten zu bilden, um mit diesen temporale Regelbedingungen zu formulieren. Die Konjunktion der Prädikate wird wie jede andere Fuzzy-Verknüpfung berechnet. Weiterhin gilt die s- und t-Norm (Funktionen mit den folgenden Bedingungen: Einselement, Monotonie, Kommutativität, Assoziativität) für diese Berechnungen. Solche Fuzzy-Regler können für die Überwachung und Wartung von Anwendungen eingesetzt werden. Dieser Ansatz wird in einem Wartungs-Beispiel gezeigt, in welchem ein Benutzer über defekte Lampen informiert und die Büroraumhelligkeit bei einem gewünschten Niveau gehalten wird. Ein weiterer Anwendungsfall ist die Fuzzy-Videoverarbeitung. Videos können mit hoher Effizienz verarbeitet werden und die Regeln, welche die Videoverarbeitung beschreiben, sind so einfach wie Standard Mamdani-Regeln.

Abstract in weiterer Sprache

Fuzzy logic and its application to fuzzy controllers have been a research topic for many years. Over the past few years industrial applications of fuzzy controllers were developed. Fuzzy controllers can be found in washing machines and other household appliances. But the main advantage of fuzzy logic is the fact that existing knowledge about controlling a process can be easily used to implement a controller intuitively. Furthermore it is easy to maintain or enhance such a controller. Due to the nature of fuzzy logic, information about how to control a process is kept inside a transparent rule database and is never lost. However, these fuzzy controllers cannot be used in certain applications (e.g. maintenance systems), since they are not able to model temporal dependencies that are essential for these systems. In fact, current fuzzy controllers are incapable of temporal modelling. Thus, a new approach to temporal fuzzy control is introduced. Therefore, standard fuzzy logic is extended by new predicates. These predicates handle temporal aspects to detect or predict the behavior of a process in the past or in the future. Now, with the ability to examine past or future process behavior, the user of the so called temporal fuzzy logic controller can more easily integrate expert knowledge into the controller. As examples for the soundness of our concept, we present an office room with an illumination system managed by a fuzzy controller and a fuzzy video processing tool. This shows the efficiency and common usability of our approach. In this thesis we show that it is possible to extend fuzzy logic with temporal predicates to obtain so-called temporal fuzzy logic, which enables the modelling of temporal dependencies of events. The thesis details the mathematical basis of the temporal fuzzy predicates. The temporal fuzzy predicates are derived from temporal logic predicates, which are self-contained and it is possible to set conditions covering complete time intervals. Thus, the temporal fuzzy predicates which cover the same time intervals are similarly complete. It is possible to build rule conditions with AND and OR linked predicates together with time in order to model temporal rule conditions. The conjunctions of the predicates can be calculated similar to any other fuzzy conjunction. Still, the s- and t-norm (functions with the following conditions: identity element, monotony, commutativity, associativity) apply to these calculations. Such fuzzy controllers can be used for monitoring and maintaining applications. This approach is shown in a maintenance example in which a user is informed about defective lamps and the office room brightness is maintained at a desired level. Another usage is the fuzzy video processing presented as a second example. Videos can be processed with high performance and the rules to describe fuzzy video processing are as easy as standard Mamdani rules.