1. THÔNG BÁO TUYỂN ADMIN DIỄN ĐÀN 2013
    Tìm kiếm nhà trọ - Ở ghép
    THÔNG BÁO BÁN ÁO SPKT.NET CHO THÀNH VIÊN DIỄN ĐÀN


    HÃY TÌM KIẾM Ở ĐÂY TRƯỚC KHI ĐẶT CÂU HỎI
    {xen:phrase loading}

LOGIC MỜ

Thảo luận trong 'Servo-Robot-T.Lực-Khí nén' bắt đầu bởi superman, 16 Tháng tám 2006.

  1. superman Guest

    Số bài viết: 0
    Đã được thích: 0
    Điểm thành tích: 0
    Thật ra khái niệm mờ tôi đã được học từ những bài học đầu tiên về điều khiển, khi càng học lên cao khái niệm mờ càng đóng vai trò then chốt trong quá trình điều khiển. hầu hết các kỹ sư về tự động hoá hay cơ khí, cơ điện tử đều nắm rõ khái niệm này và có thể đưa ra một quy luật điều khiển phù hợp. Tuy nhiên đối với những người chư tiếp cận thì đúng là "mờ" thật. Xin giới thiệu bài viết sau đây về Fuzzy Logic để các bạn tham khảo.

    Logic mờ là gì hở con?

    Nhà tôi vừa sắm một chiếc máy giặt để cho mẹ "nhàn hơn". Quyển hướng dẫn bảo "Máy này hoàn toàn tự động, hoạt động thông minh với logic mờ, bạn chỉ cần bỏ quần áo vào, ấn một nút và. . . đi ngủ rồi thức dậy lấy quần áo sạch ra phơi. Máy tự tính ra chế độ giặt và lo liệu tất cả". Mẹ tôi hỏi "Lo...gíc mờ là cái gì hở con?". "Dạ, logic mờ là ...", tôi gãi đầu, "thì là logic mờ !". Mẹ tôi càu nhàu "Mày cũng chăng hơn gì tao, đúng là đồ . . . gà mờ !".

    Tôi phải giải thích thế nào nhỉ? Có thể những thứ viết dưới đây thật ngô nghê với những kỹ sư tin học hay tự động hoá, nhưng là để cho những người như mẹ tôi "cảm nhận" thế nào là logic mờ, thứ mà ở đâu cũng nghe người ta quảng cáo là làm cho máy giặt, máy điều hoà, máy sưởi, lò vi sóng . . . của họ "thông minh" hơn, và tất nhiên, giá cũng mắc hơn !

    Bây giờ con kể mẹ nghe một chuyện cổ tích . . .(hm, ngày xưa thì mẹ kể con nghe)

    Ngày xửa ngày xưa, có một cô gái trẻ đi lang thang khắp thế giới. Cô không có một người thân hay thứ tài sản gì, khi tới một xứ sở u ám - nơi hoàng tử đang bị một con rồng giam giữ, cô quyết định thử vận may đi cứu chàng. Dù đã vô vọng, nhà vua hứa gả hoàng tử và chia nửa giang sơn cho bất kỳ ai cứu được người con trai duy nhất của mình.

    Cô gái tới chỗ con rồng xin nó thả hoàng tử ra. Con rồng thương hại nhìn cô gái và nói : "Trước hết cô phải giải một câu đố của ta. Nếu cô giải được, hoàng tử sẽ thuộc về cô. Còn không thì ta sẽ ăn thịt ngươi. Nếu ta nói rằng tất cả rồng ở xứ này đều nói dối, vậy ta đúng hay sai? ". Cô gái trả lời "Thật đơn giản. Nếu ngươi dùng logic Arít-xtốt thì ngươi sẽ mâu thuẫn mãi mãi, nhưng làm mờ nó đi một chút ngươi sẽ thấy ở một mức độ nào đó ngươi đang nói dối, và cũng đang nói thật ở một mức độ khác". Con rông hài lòng với câu trả lời khôn ngoan của cô gái. Nó bèn thả hoàng tử ra rồi cùng về lâu đài dự lễ kết hôn của hai người.

    Ô, không phải rồi, hay là chuyện một chàng trai đi cứu nàng công chúa chứ? Tôi không rõ nữa, nhưng câu chuyện vẫn kết thúc với đám cưới của đôi trai gái và không khí hoan hỉ khắp xứ sở.

    <span style="color:red"><span style="font-size:14pt;line-height:100%">Logic nhị phân </span></span>

    Cô gái nói "logic Arít-xtốt" và "làm mờ đi" nghĩa là thế nào nhỉ? Arít-xtốt là một học giả Hy-lạp được coi là cha đẻ của logic, hay chính xác hơn là logic nhị phân. (À quên, chưa nói logic là gì. Logic là cách lập luận để ai cũng đồng tình với mình, đúng không nhỉ?) Logic nhị phân dựa trên một luật rằng mọi thứ hoặc là A hoặc là không-A. Đó là thứ logic bạn phải chấp nhận khi làm phép thử đúng-sai. Đó cũng là logic của các máy tính: có-điện hoặc không-có-điện, 1 hoặc 0. Tới giờ, logic nhị phân vẫn rất đúng với nhiều thứ. Thí dụ, nếu bạn hỏi trong lớp "Ai là con gái?", tất cả em gái sẽ giơ tay lên và các em trai bỏ tay xuống. Bạn có một câu trả lời dứt khoát, bởi mỗi người hoặc là con gái hoặc không là con gái.


    Thế nếu bạn hỏi "Ai thích đi học?" Một vài đứa có thể giơ cả hai tay (chúng rất thích đi học) và những đứa khác thì có thể hạ tay xuống (chúng ghét đi học). Tuy vậy hầu hết bọn trẻ sẽ giơ tay lên, rồi hạ xuống vài lần và sau đó để lơ lửng ở giữa. Nói chung thì chúng nó thích học, nhưng lại có một số thứ ở trường làm chúng ghét.

    Nếu muốn ghi lại kết quả theo logic nhị phân thì bạn phải bắt mỗi đứa hoặc là thích học hoặc là ghét học; A hoặc không-A mà. Nhưng ở đây cần phải có một thứ logic khác để ghi chính xác câu trả lời; logic này cho phép lũ trẻ có thể vừa thích học vừa đồng thời không thích học. Đó là . . .

    <span style="color:red"><span style="font-size:14pt;line-height:100%">Logic mờ </span></span>

    Logic mờ dựa trên lập luận rằng A có thể chứa không-A. Nghĩa là một thứ có thể chứa một phần thứ khác mâu thuẫn với nó. Như khi cô gái trong câu chuyện nói nếu giải câu đố theo logic mờ, thì con rồng vừa nói dối (A) vừa không nói dối (không-A).


    Chúng ta cùng xem lại tình huống ở lớp học, lần này với logic mờ. Ta đã biết rằng có thể phát biểu một đứa trẻ cùng một lúc vừa thích đi học vừa không thích đi học. Tuy vậy vẫn chưa đủ chính xác, vì một đứa có thể thích nhiều hơn là ghét, còn đứa khác thì ngược lại. Để giải quyết chuyện này, ta dùng các chân lý mờ. Chân lý mờ là một cách để biểu thị mức độ một thứ có A và mức độ nó có không-A. Thường thì ta ghi chân lý mờ bằng ký hiệu phần trăm. Do vậy, bây giờ ta có thể nói là đứa này thích đi học 75% và ghét đi học 25%, còn đứa kia thì thích 45% và ghét 55%. Tổng các chân lý mờ (yêu + ghét) phải bằng 100%. Tất nhiên, không ý nghĩa gì lắm khi dùng số để nói ai thích đi học tới mức nào, do nó không thật rõ ràng, nhưng còn hơn là cực đoan: chỉ có thích đi học hoặc không thích đi học.


    Một cách khác để mô tả thực tế khách quan chính xác hơn là dùng quan hệ thành viên của các tập mờ . Một tập nhị phân và một tập mờ khác nhau ở chỗ: trong một tập "chuẩn" mỗi phần tử hoặc là thuộc hoặc là không thuộc tập đó. Ở đây ta lại gặp A hoặc là không-A. Trong một tập mờ, một phần tử có thể là thành viên của tập ở mức độ nào đó và đồng thời lại không là thành viên của tập ở một mức độ khác.


    Xem thí dụ sau: (Xin lỗi mọi người vì làm biết post hình nên đành diễn tả bằng lời vậy [IMG] )


    Nếu muốn minh hoạ một tập người lớn bằng tập nhị phân, ta có một đồ thị xung vuông. Nghĩa là lớn hơn hoặc bằng 18 tuổi đều là người lớn và nhỏ hơn là trẻ con. Trong đó giả thiết một người là "lớn" khi hơn 18 tuổi. Dĩ nhiên ai đó có thể tranh cãi là một người thành người lớn khi 21, thì lúc đó ta lại phải thay đổi đồ thị. Nhưng có một điều giữ nguyên, là mỗi người hoặc là người lớn hoặc không phải người lớn, biểu diễn trong đồ thị là 1 hoặc 0.

    Khi ta vẽ đồ thị tập mờ các người lớn, ta có một đồ thị hình thang hoặc tam giác tuỳ theo quy luật phân bố. Ở đây có một quá trình trung gian giữa là người lớn và không phải người lớn. Lại lần nữa, ta có thể tranh cãi là phải vẽ đoạn cong thế nào cho chính xác. Ai đó có thể nói 13 tuổi hoàn toàn không phải người lớn hoặc 19 tuổi thì phải coi là người lớn rồi. Nhưng ta có thể chắc chắn rằng đường cong mờ của tập người lớn gần với chân lý hơn là đường cong nhị phân; tất cả chúng ta đều đồng ý là không thể đưa ra ngày giờ chính xác khi một người trở thành người lớn. Tất nhiên không thể lúc đi ngủ còn là trẻ con và hôm sau tỉnh dậy đã là người lớn. Trưởng thành là một quá trình từ từ và các tập mờ mô tả các quá trình từ từ này chính xác hơn.


    Ở trên, ta mới chỉ xét một khía cạnh về tuổi: ở tuổi nào thì bạn là người lớn và ở tuổi nào thì bạn không phải người lớn. Dĩ nhiên, có nhiều khía cạnh về tuổi tác: già hoặc không già, trẻ con hoặc không trẻ con, khi nào thì bắt đầu trung niên . . . Tất cả những thứ đó là thí dụ về những tập con khác nhau của tập tuổi tác.

    Ta có thể vẽ đồ thị các tập con khác nhau như tập con "Trẻ con" và "Người lớn" trên cùng một đồ thị. Về mặt lý thuyết, ta có thể nhét toàn bộ các tập con của tập "Tuổi tác" vào cùng 1 đồ thị. Tất nhiên thế thì rối rắm và ta khó mà hiểu được đồ thị, do vậy thường giới hạn một số lượng tập con nhất định trên mỗi đồ thị.


    <span style="color:red"><span style="font-size:14pt;line-height:100%">Chương trình máy tính và logic mờ </span></span>

    Để bạn hiểu logic mờ được dùng như thế nào trong các chương trình máy tính, chúng ta xét thí dụ trò chơi chó Chicalm. Trước hết ta xem một số thực tế về hành vi của chó. Khi hai con chó gặp nhau, chúng dùng nhiều cử chỉ để cho con kia biết mình cảm thấy thế nào. Các tín hiệu quan trọng nhất cho biết về sự bình thản, nghĩa là con chó kia không có gì nguy hiểm. Trong trò chơi này, bạn phải điều khiển chú cún Chihuahua. Bạn có thể bắt nó nằm xuống, ngồi xuống, đi tới chỗ chơi hoặc lúc lắc đầu (tất cả đều là những tín hiệu xoa dịu). Khi gặp con chó to, bạn phải làm cho nó ứng xử sao cho không bị con to ăn thịt.


    Chương trình điều khiển con chó to xem có ăn thịt Chihuahua bé nhỏ hay không. Để làm thế, chương trình theo dõi mức độ tức giận của chó to. Sau mỗi ván, mức độ tức giận ban đầu lại cao hơn một chút. Mức độ bình thản luôn tính bằng cách trừ đi mức độ tức giận. Nếu mức độ tức giận quá cao thì . . . bye, bye Chihuahua tội nghiệp!


    Để tính mức độ bình thản, chương trình dùng logic mờ. Chó phản ứng khác nhau trước các tín hiệu xoa dịu tuỳ theo khoảng cách giữa chúng. Ở khoảng cách ngắn, chúng phản ứng tốt với những cái lắc đầu, trong khi ở khoảng cách xa nằm xuống là tốt nhất. Ở khoảng cách trung bình, hãy tới chỗ chơi và ngồi xuống là tốt nhất. Trò chơi Chicalm dùng đồ thị dưới đây để quyết định mức bình thản của một tín hiệu xoa dịu.


    Khi chó tức giận, chúng không nghĩ rõ ràng như vậy. Nghĩa là khi chó to nổi cáu, thậm chí ở khoảng cách nhỏ, thì chó con cũng nên nằm xuống; lúc đó phải có tín hiệu xoa dịu mạnh hơn. Để đưa hành vi này vào trò chơi, mức độ giận dữ của chó to được thêm vào khoảng cách khi tính mức xoa dịu.




    Tín hiệu cuối cùng mà chó to có thể chấp nhận là bỏ chạy. Giữa bọn chó, việc bỏ chạy trước khi hít hít mũi là rất thô lỗ! Với mỗi bước Chihuahua làm, con chó to theo dõi và mức giận dữ của nó tăng lên nếu Chihuahua không xoa dịu "đủ độ", và khi đó chú không có cơ hội để chuồn qua. Dĩ nhiên, sau khi chó to hít hít xong, nó sẽ không để ý gì tới Chihuahua nữa. Lúc này Chihuahua có thể chạy an toàn tới phía kia của màn hình.


    <span style="color:red"><span style="font-size:14pt;line-height:100%">Logic mờ trong máy giặt là thế này, các bạn à: </span></span>


    Ngày nay nhiều thiết bị gia dụng có logic mờ để dễ dùng hơn. Bạn có thể tìm thấy logic mờ trong đầu vòi hoa sen, nồi cơm điện, máy hút bụi và nhiều thứ máy thông minh khác. Để biết những máy này làm việc như thế nào, chúng ta sẽ xem một mô hình đơn giản hoá về máy giặt logic mờ.

    Giống như máy giặt mờ thực sự, mô hình của chúng ta trước hết kiểm tra xem đồ giặt bẩn đến đâu. Một khi biết được độ bẩn, nó sẽ dễ dàng tính ra thời gian cần để giặt với đồ thị dưới đây:


    Đầu tiên nó luôn lấy thời gian tối thiểu là 10 phút. Làm thế để người dùng luôn hài lòng với công việc của nó, dù khi họ bỏ đồ sạch nguyên vào. Sau đó nó tính mức độ bẩn. Nếu bẩn 100%, nó cộng 2 phút cho mỗi đồ giặt. Tất nhiên, một máy giặt thực sự sẽ thực hiện những tính toán này cuối cùng, nhưng mô hình của chúng ta thực hiện cho từng đồ giặt để bạn tiện theo dõi.


    Nếu bạn cho một đồ bẩn 50% thì nó sẽ thêm 50% của 2 phút vào: tức là cộng 1 phút vào 10 phút. Máy giặt của chúng ta không chỉ kiểm tra bụi bẩn mà cả dầu mỡ. Đồ giặt dính dầu mỡ sẽ phải giặt lâu hơn. Do đồ giặt có thể vừa dính bụi bẩn vừa dính dầu mỡ, ta cho cả hai thứ vào một đồ thị:


    Bạn thấy ở đồ thị bên phải: điểm (0, 0) là đồ giặt hoàn toàn sạch sẽ, không bụi bẩn, không dầu mỡ; điểm (0, 1) là khi đồ giặt không dính dầu mỡ những bẩn; điểm (1, 0) — dính dầu mỡ nhưng không bẩn; và điểm (1, 1) - vừa bẩn vừa dính dầu mỡ. Máy giặt cộng 2 phút cho mỗi đồ giặt nếu bẩn 100% hoặc dính mỡ 100%, và cộng 4 phút nếu bẩn và dính dầu mỡ 100%. Bây giờ, nếu bạn có đồ bẩn 100% và dính dầu mỡ 50% thì máy cộng thêm 2x100% + 1x50% = 3 phút vào thời gian tối thiểu 10 phút.


    Chiếc máy giặt lý thuyết của chúng ta chỉ xét hai thứ trên. Với máy giặt thật, nó còn kiểm tra xem cần bao nhiêu xà phòng, cần thêm bao nhiêu nước, phải quay nhanh thế nào, theo hướng nào . . . Nếu muốn vẽ đồ thị cho từng tính toán của máy giặt logic mờ thì ta sẽ có một siêu hộp khá phức tạp. Vì thế ở đây ta chỉ giới hạn ở hai yếu tố: bụi bẩn và dầu mỡ.


    Trong hai thập kỷ qua, máy giặt logic mờ phát triển bùng nổ. Không chỉ do khả năng thay thế con người về cả mặt tính toán và thao tác khi giặt, mà chúng còn rẻ hơn nhiều so với những máy giặt nhị phân thông thường.

    <span style="color:red">
    <span style="font-size:14pt;line-height:100%">Lịch sử của logic mờ </span></span>
    <span style="color:blue">Ai nói tới logic mờ đầu tiên ? </span>

    Ngày nay khi nhìn lại lịch sử của logic mờ, người ta nhận thấy người đầu tiên đề cập tới logic mờ chính là Đức Phật (500 năm trước CN). Triết lý Phật giáo dựa trên tư tưởng rằng thế giới đầy những mâu thuẫn, "sắc không không sắc", mọi thứ đề chứa một phần đối lập của nó. Bước chân vào mỗi ngôi chùa chúng ta đều thấy ở ngay gian trước là hai vị Thiện — Ác, là hình ảnh hai mặt tốt và xấu trong mỗi con người. Nói theo lý thuyết logic mờ nghĩa là sự vật có thể đồng thời là A và không-A. Ở đây ta thấy có một mối liên hệ rõ ràng giữa triết lý Phật giáo và logic mờ hiện đại. Thuyết âm dương của người Trung Quốc cũng hàm chứa logic mờ! "Logo" bát quái thể hiện tư tưởng cốt yếu của thuyết: hình tròn thể hiện sự toàn vẹn của sự vật, trời đất; mỗi sự vật hiện tượng đều có hai mặt âm và dương đối lập nhau, cùng tồn tại, mặt này thịnh thì mặt kia suy (phần âm to ra thì phần dương nhỏ đi và ngược lại); dấu trắng trong phần đen và dấu đen trong phần trắng thể hiện trong âm có dương, trong dương có âm; dấu đen trong đầu to của phần trắng thể hiện khi dương cực thịnh thì chính là lúc trong lòng nó xuất hiện âm (và ngược lại).




    Sau đức Phật 200 năm, nhà bác học Hy-lạp là Arít-xtốt phát triển logic nhị phân. Trái ngược với triết lý nhà Phật, Arít-xtốt cho rằng thế giới tạo bởi các đối nghịch, thí dụ nam-nữ, nóng-lạnh, khô-ướt. Mọi thứ hoặc là A hoặc là không-A, không thể cả hai. Logic nhị phân của Arít-xtốt trở thành nền tảng cho khoa học, nếu một thứ được chứng minh về mặt logic (nhị phân) thì nó được và vẫn sẽ được khoa học công nhận. Cho tới cuối thế kỷ 19, khi một nhà văn-nhà toán học người Anh, Russel, phát hiện ra một nghịch lý của logic nhị phân . . .


    Russel (1872-1970), người khai sinh logic mờ

    Bá tước Bertrand Arthur William Russel sinh ra trong một gia đình quý tộc Anh năm 1872. Ông có một cuộc đời dài và đầy biến động. Thời trẻ tuổi, ông nghiên cứu toán học và sau đó, cùng với một nhà toán học khác, viết một cuốn sách về những cơ sở của toán học. Trong sách, họ dành cả một trang chỉ để chứng minh 1 + 1 = 2. Trong quá trình nghiên cứu, ông đã phát hiện ra một nghịch lý mà ngày nay gọi là nghịch lý tập của Russell :


    Trước hết chúng ta phân biệt hai loại tập: tập chứa chính nó và tập không chứa chính nó.

    Xét thí dụ: một quả lê thuộc tập các quả lê, nhưng tập các quả lê không thuộc về tập các quả lê do bản thân nó không phải là một quả lê! Nghĩa là tập các quả lê không phải là một thành viên của chính nó.

    Bây giờ ta xét một tập khác, tập mọi thứ không phải quả lê, gồm sách, chuột cống, hay cả tổng thống Bush nữa! Do trong tập này bạn tìm thấy mọi thứ không phải quả lê, nên bạn cũng có thể tìm thấy trong đó tập các quả lê và tập mọi thứ không phải quả lê ! Nghĩa là tập mọi thứ không phải quả lê là thành viên của chính nó.


    Russel đi sâu hơn và xem xét tập của mọi tập mà không chứa chính nó. Trong tập này, bạn sẽ tìm thấy tập các quả lê, tập các tổng thống, và nhiều tập khác nữa. Nhưng bạn sẽ không tìm thấy tập mọi thứ không phải quả lê, do tập đó chứa chính nó và do vậy không thoả mãn tiêu chuẩn đặt ra. Trong khi xem xét tập các tập không chứa chính nó này, Russell băn khoăn liệu nó có phải là một thành viên của chính nó?




    Nếu nó là một thành viên của chính nó, thì không thoả mãn định nghĩa. Mặt khác, nếu nó không phải là thành viên của chính nó, thì theo định nghĩa về tập đó, thì nó lại thoả mãn và như vậy nó là thành viên của chính nó!


    Vì vậy khi tìm ra nghịch lý này, Russell ngẫu nhiên chứng minh rằng logic nhị phân, mà ông nghĩ là cơ sở của toán học, không thể tự chứng minh nó. Tất nhiên ngày nay, chúng ta biết nghịch lý của Russell không phải là một trường hợp không giải được, nếu dùng logic mờ thì ta có câu trả lời ngay. Tuy nhiên, Russell không hề biết gì về logic mờ và đã vô cùng thất vọng với toán học. Ông từ bỏ toán học, những như thế không có nghĩa là ông đã dừng lại việc làm đảo lộn thế giới này. Trong suốt cuộc đời 97 năm, ông luôn truyền bá tư tưởng của mình; ông viết hàng tá sách, sách toán, triết luận, tiểu thuyết, thậm chí cả thứ sách lá cải nữa. Khi mất năm 1970, ông đã không chỉ khởi đầu một trang mới của logic học, mà còn đoạt cả một giải Nobel văn học. Ông là một thí dụ điển hình cho thấy những người có tài năng lớn về toán học cũng có thể là những nhà văn lớn.


    Zadeh, cha đẻ của logic mờ hiện đại.

    Năm 1964, giáo sư Zadeh bắt đầu suy nghĩ liệu có thứ logic tốt hơn nào dùng trong máy móc. Ông có ý tưởng liệu ta có thể bảo máy điều hoà làm việc nhanh hơn khi trời nóng lên, hay những vấn đề tương tự như thế, sẽ hiệu quả hơn việc đặt ra từng luật cho từng nhiệt độ. Đây chính là bước đi đầu tiên của logic mờ hiện đại như chúng ta hiểu và ứng dụng ngày nay.


    Phải mất một thời gian dài logic mờ mới được chấp nhận, mặc dù ngay từ đầu một số người đã rất quan tâm. Bên cạnh các kỹ sư, những nhà triết học, tâm lý học và xã hội học nhanh chóng áp dụng logic mờ vào ngành khoa học của mình.


    Năm 1987, Nhật Bản đã xây dựng hệ thống tàu điện ngầm đầu tiên làm việc với hệ thống điều khiển hoạt động tàu tự động dựa trên logic mờ. Đây là một thành công lớn và dẫn tới sự phát triển bùng nổ của logic mờ. Các trường đại học và các hãng công nghiệp đua nhau phát triển những ý tưởng mới. Đầu tiên là ở Nhật Bản, do tôn giáo ở Nhật thừa nhận rằng mọi thứ có thể chứa phần đối lập của chính nó, chứ không coi là một thứ "kinh khủng" như hầu hết những nơi khác trên thế giới. Và logic mờ cũng hứa hẹn đem lại nhiều tiền bạc cho các hãng công nghiệp, tất nhiên là điều này được đón chào.


    Thay lời kết

    Ngày nay, hầu hết máy móc thông minh đều chứa công nghệ logic mờ. Nhưng logic mờ không chỉ giúp nâng cao khả năng suy diễn của máy móc. Nếu chúng ta có thể từ bỏ ý nghĩ là mọi thứ phải hoặc là tốt hoặc là xấu, ta sẽ nhìn thấy những điều tốt trong mọi người. Chúng ta sẽ không còn phải bắt mọi người hoặc phải là thiên thần hoặc phải là quỷ dữ. Mỗi người có những điểm tốt và điểm xấu của riêng mình. Và việc của chúng ta là phát hiện ra chúng! Đó là ứng dụng đẹp nhất của logic mờ trong cuộc sống.

    NGOÀI RA HIỆN NAY TRONG CÁC THIẾT BỊ GIA DỤNG HẦU HẾT SỬ DỤNG VI XỬ LÝ CÓ THỂ GIẢI MỜ VỚI SỐ LƯỢNG IN/OUT KHÁ LỚN VÀ CÓ THỂ NẠP CHƯƠNG TRÌHN ĐIỀU KHIỂN TỪ SOFTWARE MÔ PHỎNG MỜ XUỐNG. NẾU CÁC BẠN CẦN TÀI LIỆU CÓ THỂ LIÊN HỆ VỚI TÔI.

    CHÚC CÁC BẠN LUÔN ĐIỀU KHIỂN TỐI ƯU VỚI FUZZY LOGIC
  2. Semina Guest

    Số bài viết: 0
    Đã được thích: 0
    Điểm thành tích: 0
    Xin lỗi các thầy, các ban, Mong lần sau, các thành viên có thể Post bài trọng tâm hơn. Bài nhiều chữ nhưng không đi thẳng vào vấn đề khó đọc lắm.
  3. xuanthanhspk Guest

    Số bài viết: 0
    Đã được thích: 0
    Điểm thành tích: 0
  4. HiepKhachHanh Member

    Số bài viết: 507
    Đã được thích: 1
    Điểm thành tích: 18
    Tác giả nào ? Bài dài chất lượng này nên ghi rõ nguồn thì hay hơn, chúng ta sắp gia nhập WTO , nên cũng phải tôn trọng bản quyền một tí
  5. bmnhy Giảng Viên

    Số bài viết: 914
    Đã được thích: 0
    Điểm thành tích: 0
  6. bmnhy Giảng Viên

    Số bài viết: 914
    Đã được thích: 0
    Điểm thành tích: 0
    thêm bài này cho có ý tưởng:

    FUZZY LOGIC FOR "JUST PLAIN FOLKS" của tác giả Thomas Sowell

    Phần: Fuzzy Logic - a Powerful New Way to Analyze and Control Complex Systems

    Introduction

    Welcome to the wonderful world of fuzzy logic, the new science you can use to powerfully get things done. Add the ability to utilize personal computer based fuzzy logic analysis and control to your technical and management skills and you can do things that humans and machines cannot otherwise do. Get a competitive edge!

    Following is the base on which fuzzy logic is built:

    As the complexity of a system increases, it becomes more difficult and eventually impossible to make a precise statement about its behavior, eventually arriving at a point of complexity where the fuzzy logic method born in humans is the only way to get at the problem.

    (Originally identified and set forth by Lotfi A. Zadeh, Ph.D., University of California, Berkeley)

    Fuzzy logic is used in system control and analysis design, because it shortens the time for engineering development and sometimes, in the case of highly complex systems, is the only way to solve the problem.

    The following chapters of this book attempt to explain for us "Just Plain Folks" how the "fuzzy logic method born in humans" is used to evaluate and control complex systems. Although most of the time we think of "control" as having to do with controlling a physical system, there is no such limitation in the concept as initially presented by Dr. Zadeh. Fuzzy logic can apply also to economics, psychology, marketing, weather forecasting, biology, politics ...... to any large complex system.

    The term "fuzzy" was first used by Dr. Lotfi Zadeh in the engineering journal, "Proceedings of the IRE," a leading engineering journal, in 1962. Dr. Zadeh became, in 1963, the Chairman of the Electrical Engineering department of the University of California at Berkeley. That is about as high as you can go in the electrical engineering field. Dr. Zadeh’s thoughts are not to be taken lightly.

    Fuzzy logic is not the wave of the future. It is now! There are already hundreds of millions of dollars of successful, fuzzy logic based commercial products, everything from self-focusing cameras to washing machines that adjust themselves according to how dirty the clothes are, automobile engine controls, anti-lock braking systems, color film developing systems, subway control systems and computer programs trading successfully in the financial markets.

    Note that when you go searching for fuzzy-logic applications in the United States, it is difficult to impossible to find a control system acknowledged as based on fuzzy logic. Just imagine the impact on sales if General Motors announced their anti-lock braking was accomplished with fuzzy logic! The general public is not ready for such an announcement.

    Objectives of the following chapters include:

    1. To introduce to individuals in the fields of business, industry, science, invention and day-to-day living the power and benefits available to them through the fuzzy logic method and to help them understand how fuzzy logic works.

    2. To provide a fuzzy logic "how-to-do-it" guide, in terms everyone can understand, so everyone can put fuzzy logic to work doing something useful for them.

    This book is being written so "Just Plain Folks" can understand the concept of fuzzy logic sufficiently to utilize it, or to at least determine if they need to dig deeply into the subject in the great quantity of Ph.D. level literature existing on the subject. This book is a guide, so you can do something with fuzzy logic, even if you are not a Ph.D. specializing in the field or an advanced digital systems electronics engineer.

    It should be noted there is controversy and criticism regarding fuzzy logic. One must read various sides of the controversy and reach their own conclusion. Personally, the author, who has been both praised and reviled for his writings regarding fuzzy logic, feels the critics are too rigid in their grasp of the universe and "just don’t get it." But, don’t take my word for it. You must look at all sides and make up your own mind.

    The paragraphs directly below say in a few short words, "what fuzzy logic is." But, reading much of the rest of this book and other publications on the subject will be helpful for a fuller understanding.

    Fuzzy Logic Analysis and Control

    A major contributor to Homo sapiens success and dominance of this planet is our innate ability to exercise analysis and control based on the fuzzy logic method. Here is an example:

    Suppose you are driving down a typical, two way, 6 lane street in a large city, one mile between signal lights. The speed limit is posted at 45 Mph. It is usually optimum and safest to "drive with the traffic," which will usually be going about 48 Mph. How do you define with specific, precise instructions "driving with the traffic?" It is difficult. But, it is the kind of thing humans do every day and do well.

    There will be some drivers weaving in and out and going more than 48 Mph and a few drivers driving exactly the posted 45 Mph. But, most drivers will be driving 48 Mph. They do this by exercising "fuzzy logic" - receiving a large number of fuzzy inputs, somehow evaluating all the inputs in their human brains and summarizing, weighting and averaging all these inputs to yield an optimum output decision. Inputs being evaluated may include several images and considerations such as: How many cars are in front. How fast are they driving. Any "old clunkers" going real slow. Any trucks holding up one of the lanes. How about side traffic entering from side streets. Do the police ever set up radar surveillance on this stretch of road. How much leeway do the police allow over the 45 Mph limit. What do you see in the rear view mirror. Even with all this, and more, to think about, those who are driving with the traffic will all be going along together at the same speed.

    The same ability you have to drive down a modern city street was used by our ancestors to successfully organize and carry out chases to drive wooly mammoths into pits, to obtain food, clothing and bone tools.

    Human beings have the ability to take in and evaluate all sorts of information from the physical world they are in contact with and to mentally analyze, average and summarize all this input data into an optimum course of action. All living things do this, but humans do it more and do it better and have become the dominant species of the planet.

    If you think about it, much of the information you take in is not very precisely defined, such as the speed of a vehicle coming up from behind. We call this fuzzy input. However, some of your "input" is reasonably precise and non-fuzzy such as the speedometer reading. Your processing of all this information is not very precisely definable. We call this fuzzy processing. Fuzzy logic theorists would call it using fuzzy algorithms (algorithm is another word for procedure or program, as in a computer program).

    Fuzzy logic is the way the human brain works, and we can mimic this in machines so they will perform somewhat like humans (not to be confused with Artificial Intelligence, where the goal is for machines to perform EXACTLY like humans). Fuzzy logic control and analysis systems may be electro-mechanical in nature, or concerned only with data, for example economic data, in all cases guided by "If-Then rules" stated in human language.

    The Fuzzy Logic Method

    The fuzzy logic analysis and control method is, therefore:

    1. Receiving of one, or a large number, of measurement or other assessment of conditions existing in some system we wish to analyze or control.

    2. Processing all these inputs according to human based, fuzzy "If-Then" rules, which can be expressed in plain language words, in combination with traditional non-fuzzy processing.

    3. Averaging and weighting the resulting outputs from all the individual rules into one single output decision or signal which decides what to do or tells a controlled system what to do. The output signal eventually arrived at is a precise appearing, defuzzified, "crisp" value. Please see the following Fuzzy Logic Control/Analysis Method diagram:





    Fuzzy Perception

    A fuzzy perception is an assessment of a physical condition that is not measured with precision, but is assigned an intuitive value. In fact, the fuzzy logic people assert everything in the universe is a little fuzzy, no matter how good your measuring equipment is. It will be seen below that fuzzy perceptions can serve as a basis for processing and analysis in a fuzzy logic control system.

    Measured, non-fuzzy data is the primary input for the fuzzy logic method. Examples: temperature measured by a temperature transducer, motor speed, economic data, financial markets data, etc. It would not be usual in an electro-mechanical control system or a financial or economic analysis system, but humans with their fuzzy perceptions could also provide input. There could be a human "in-the-loop."

    In the fuzzy logic literature, you will see the term "fuzzy set." A fuzzy set is a group of anything that cannot be precisely defined. Consider the fuzzy set of "old houses." How old is an old house? Where is the dividing line between new houses and old houses? Is a fifteen year old house an old house? How about 40 years? What about 39.9 years? The assessment is in the eyes of the beholder.

    Other examples of fuzzy sets are: tall women, short men, warm days, high pressure gas, small crowd, medium viscosity, hot shower water, etc.

    When humans are the basis for an analysis, we must have a way to assign some rational value to intuitive assessments of individual elements of a fuzzy set. We must translate from human fuzziness to numbers that can be used by a computer. We do this by assigning assessment of conditions a value from zero to 1.0. For "how hot the room is" the human might rate it at .2 if the temperature were below freezing, and the human might rate the room at .9, or even 1.0, if it is a hot day in summer with the air conditioner off.

    You can see these perceptions are fuzzy, just intuitive assessments, not precisely measured facts.

    By making fuzzy evaluations, with zero at the bottom of the scale and 1.0 at the top, we have a basis for analysis rules for the fuzzy logic method, and we can accomplish our analysis or control project. The results seem to turn out well for complex systems or systems where human experience is the only base from which to proceed, certainly better than doing nothing at all, which is where we would be if unwilling to proceed with fuzzy rules.



    Novices using personal computers and the fuzzy logic method can beat Ph.D. mathematicians using formulas and conventional programmable logic controllers. Fuzzy logic makes use of human common sense. This common sense is either applied from what seems reasonable, for a new system, or from experience, for a system that has previously had a human operator.

    Here is an example of converting human experience for use in a control system: I read of an attempt to automate a cement manufacturing operation. Cement manufacturing is a lot more difficult than you would think. Through the centuries it has evolved with human "feel" being absolutely necessary. Engineers were not able to automate with conventional control. Eventually, they translated the human "feel" into lots and lots of fuzzy logic "If-Then" rules based on human experience. Reasonable success was thereby obtained in automating the plant.

    Objects of fuzzy logic analysis and control may include: physical control, such as machine speed, or operating a cement plant; financial and economic decisions; psychological conditions; physiological conditions; safety conditions; security conditions; production improvement and much more.

    This book will talk about fuzzy logic in control applications - controlling machines, physical conditions, processing plants, etc. It should be noted that when Dr. Zadeh invented fuzzy logic, it appears he had in mind applying fuzzy logic in many applications in addition to controlling machines, such as economics, politics, biology, etc.

    Thank You Wozniak (Apple Computer), Jobs (Apple Computer), Gates (Microsoft) and Ed Roberts (the MITS, Altair entrepreneur) for the Personal Computer

    The availability of the fuzzy logic method to us "just plain folks" has been made possible by the availability of the personal computer. Without personal computers, it would be difficult to use fuzzy logic to control machines and production plants, or do other analyses. Without the speed and versatility of the personal computer, we would never undertake the laborious and time consuming tasks of fuzzy logic based analyses and we could not handle the complexity, speed requirement and endurance needed for machine control.

    You can do far more with a simple fuzzy logic BASIC or C++ program in a personal computer running in conjunction with a low cost input/output controller than with a whole array of expensive, conventional, programmable logic controllers.

    Programmable logic controllers have their place! They are simple, reliable and keep American industry operating where the application is relatively simple and on-off in nature.

    For a more complicated system control application, an optimum solution may be patching things together with a personal computer and fuzzy logic rules, especially if the project is being done by someone who is not a professional, control systems engineer.

    A Milestone Passed for Intelligent Life On Earth

    If intelligent life has appeared anywhere in the universe, "they" are probably using fuzzy logic. It is a universal principle and concept. Becoming aware of, defining and starting to use fuzzy logic is an important moment in the development of an intelligent civilization. On earth, we have just arrived at that important moment. You need to know and begin using fuzzy logic.

    Fuzzy Logic Terms Found in Books and Articles

    The discussion so far does not adequately prepare us for reading and understanding most books and articles about fuzzy logic, because of the terminology used by sophisticated authors. Following are explanations of some terms which should help in this regard. This terminology was initially established by Dr. Zadeh when he originated the fuzzy logic concept.

    Fuzzy - The degree of fuzziness of a system analysis rule can vary between being very precise, in which case we would not call it "fuzzy", to being based on an opinion held by a human, which would be "fuzzy." Being fuzzy or not fuzzy, therefore, has to do with the degree of precision of a system analysis rule.

    A system analysis rule need not be based on human fuzzy perception. For example, you could have a rule, "If the boiler pressure rises to a danger point of 600 Psi as measured by a pressure transducer, then turn everything off. That rule is not "fuzzy".

    Principle of Incompatibility (previously stated; repeated here) -

    As the complexity of a system increases, it becomes more difficult and eventually impossible to make a precise statement about its behavior, eventually arriving at a point of complexity where the fuzzy logic method born in humans is the only way to get at the problem.

    Fuzzy Sets - A fuzzy set is almost any condition for which we have words: short men, tall women, hot, cold, new buildings, accelerator setting, ripe bananas, high intelligence, speed, weight, spongy, etc., where the condition can be given a value between 0 and 1. Example: A woman is 6 feet, 3 inches tall. In my experience, I think she is one of the tallest women I have ever met, so I rate her height at .98. This line of reasoning can go on indefinitely rating a great number of things between 0 and 1.

    Degree of Membership - The degree of membership is the placement in the transition from 0 to 1 of conditions within a fuzzy set. If a particular building's placement on the scale is a rating of .7 in its position in newness among new buildings, then we say its degree of membership in new buildings is .7.

    In fuzzy logic method control systems, degree of membership is used in the following way. A measurement of speed, for example, might be found to have a degree of membership in "too fast of" .6 and a degree of membership in "no change needed" of .2. The system program would then calculate the center of mass between "too fast" and "no change needed" to determine feedback action to send to the input of the control system. This is discussed in more detail in subsequent chapters.

    Summarizing Information - Human processing of information is not based on two-valued, off-on, either-or logic. It is based on fuzzy perceptions, fuzzy truths, fuzzy inferences, etc., all resulting in an averaged, summarized, normalized output, which is given by the human a precise number or decision value which he or she verbalizes, writes down or acts on. It is the goal of fuzzy logic control systems to also do this.

    The input may be large masses of data, but humans can handle it. The ability to manipulate fuzzy sets and the subsequent summarizing capability to arrive at an output we can act on is one of the greatest assets of the human brain. This characteristic is the big difference between humans and digital computers. Emulating this human ability is the challenge facing those who would create computer based artificial intelligence. It is proving very, very difficult to program a computer to have human-like intelligence.

    Fuzzy Variable - Words like red, blue, etc., are fuzzy and can have many shades and tints. They are just human opinions, not based on precise measurement in angstroms. These words are fuzzy variables.

    If, for example, speed of a system is the attrribute being evaluated by fuzzy, "fuzzy" rules, then "speed" is a fuzzy variable.

    Linguistic Variable - Linguistic means relating to language, in our case plain language words.

    Speed is a fuzzy variable. Accelerator setting is a fuzzy variable. Examples of linguistic variables are: somewhat fast speed, very high speed, real slow speed, excessively high accelerator setting, accelerator setting about right, etc.

    A fuzzy variable becomes a linguistic variable when we modify it with descriptive words, such as somewhat fast, very high, real slow, etc.

    The main function of linguistic variables is to provide a means of working with the complex systems mentioned above as being too complex to handle by conventional mathematics and engineering formulas.

    Linguistic variables appear in control systems with feedback loop control and can be related to each other with conditional, "if-then" statements. Example: If the speed is too fast, then back off on the high accelerator setting.

    Universe of Discourse - Let us make women the object of our consideration. All the women everywhere would be the universe of women. If we choose to discourse about (talk about) women, then all the women everywhere would be our Universe of Discourse.

    Universe of Discourse then, is a way to say all the objects in the universe of a particular kind, usually designated by one word, that we happen to be talking about or working with in a fuzzy logic solution.

    A Universe of Discourse is made up of fuzzy sets. Example: The Universe of Discourse of women is made up of professional women, tall women, Asian women, short women, beautiful women, and on and on.

    Fuzzy Algorithm - An algorithm is a procedure, such as the steps in a computer program. A fuzzy algorithm, then, is a procedure, usually a computer program, made up of statements relating linguistic variables.

    Examples:

    If "green x" is very large, then make "tall y" much smaller.

    If the rate of change of temperature of the steam engine boiler is much too high then turn the heater down a lot.
  7. bmnhy Giảng Viên

    Số bài viết: 914
    Đã được thích: 0
    Điểm thành tích: 0
  8. bmnhy Giảng Viên

    Số bài viết: 914
    Đã được thích: 0
    Điểm thành tích: 0
    Có bạn nào dùng Fuzzy với VDK rồi giúp một tay nhé các bạn!!
    Mình đang đau đầu vì nó đây:

    mình có 2 câu hỏi đây ạ:
    1. Làm thế nào để Vi Điều khiển avr 128 hiểu được Fuzzy? cách chuyển nó vào Vi dieu khiển ấy mà?
    2. Ngoài cách dùng Toolbox thì chúng ta có thể dùng cách nào nhanh chóng để Edit các Mfs?


    Hy vọng sớm nhận dc câu trả lời!
  9. kedaumat Guest

    Số bài viết: 0
    Đã được thích: 0
    Điểm thành tích: 0
    Truoc khi chuyển sang Avr ;bạn phải thiết lập mô hình mờ hóa ;rồi chọn luật hợp thành;sau đó tiến hành giải mờ .Quá trình này bạn chưa nắm được (cơ sở toán học của lý thuyết mờ và logic mờ)thì làm sao chuyển qua khâu thiết kế mạch điều khiển được .
  10. truongthinhs Giảng Viên

    Số bài viết: 533
    Đã được thích: 3
    Điểm thành tích: 0
  11. bmnhy Giảng Viên

    Số bài viết: 914
    Đã được thích: 0
    Điểm thành tích: 0
    Truoc khi chuyển sang Avr ;bạn phải thiết lập mô hình mờ hóa ;rồi chọn luật hợp thành;sau đó tiến hành giải mờ .Quá trình này bạn chưa nắm được (cơ sở toán học của lý thuyết mờ và logic mờ)thì làm sao chuyển qua khâu thiết kế mạch điều khiển được .


    Phần này mình đã hoàn thành dc rồi bạn ạ. Nhưng phần Link Fuzzy logic toolbox (matlap) và AMSim 4.02 cũng như chuyển kết quả từ Matlap vào VDK thì mình đang bị vướng. Hy vọng sẽ nhận dc hồi âm!

    Cảm ơn mọi người. Chúc vui vẻ!
  12. qtam Guest

    Số bài viết: 0
    Đã được thích: 0
    Điểm thành tích: 0
  13. vy09101238 New Member

    Số bài viết: 6
    Đã được thích: 0
    Điểm thành tích: 0

Chia sẻ trang này