Sisteme inteligente și microcontrolere

Lotfi Zadeh a considerat necesitatea introducerii algoritmilor fuzzy deoarece a constatat: cu cat o problema este mai complexa, cu atat mai greu se poate rezolva algoritmic; si chiar daca se ajunge la un rezultat matematic, acesta din punct de vedere al volumului de calcul nu este convenabil. Intr-unul dintre primele lui articole, L. Zadeh a enuntat principiul incompatibilitatii dintre precizie si complexitate, care se manifesta puternic la sistemele umanoide. Acest principiu era deja cunoscut si de Albert Einstein: "Atata timp cat legile matematicii se refera la realitate, ele nu sunt precise. Iar pana cand ele sunt precise, nu se mai refera la realitate." (Geometria und Erfahrung).

In situatiile in care un sistem sau un proces este foarte complex, sau/si este afectat

de incertitudini profunde, metodele matematice clasice, exacte nu mai conduc la solutii

convenabile. Cu toate ca nu se cunosc metode exacte de a solutiona optimal astfel de

probleme complexe, operatorul uman deseori le rezolva cu succes folosind algoritmi euristici, imprecisi si intuitivi. Chiar si sistemele si procesele foarte complexe pot fi rezolvate de operatorul uman utilizand rationamentul aproximativ .

Daca se doreste a modela "algoritmul" utilizat de conducatorul auto, probabil ca cea mai buna estimare ar fi descrierea cunostintelor, informatiilor inmagazinate in regulile utilizate. Regulile de baza se formeaza pe durata de instruire. Colectia de reguli acumulata se largeste si se specifica in mod continuu odata cu cresterea experientei.

Logica fuzzy este o metoda aproximativa prin care aceste cunostinte vagi, inmaganizate intr-o baza de reguli, se pot modela formal.

Transpunerea in practica a sistemelor fuzzy se datoreaza avantajelor ce le prezinta in urmatoarele situatii specifice:

- permit modelarea sistemelor neliniare, complexe sau imprecis cunoscute,

- permit transpunerea experientei umane in constituirea regulilor de inferenta, utilizand variabile lingvistice.

Logica fuzzy este de fapt o tehnica de calcul cu ajutorul careia in rezolvarea unor probleme specifice, se pot obtine performante superioare fata de metodele clasice, exacte. Sistemele

fuzzy totodata au un comportament foarte bun in prezenta incertitudinii, impreciziei si a

zgomotului.

Cat de bine lucreaza sisteme fuzzy sau retelele neurale o demonstreaza larga raspandire a acestora in ultimii ani in lumea intreaga. Se cunosc deja o serie de aplicatii consacrate ale logicii fuzzy in diferite domenii ale stiintei: in controlul automat (reglari de temperatura, comanda vitezei metroului, autofocalizarea camerelor video), in recunoasterea formelor (algoritmi de clasificare fuzzy), in masurari (prelucrarea informatiilor furnizate de senzori), in medicina (controlul simulatoarelor cardiace), in economie (metode de decizie fuzzy), in psihologie cognitiva (modelare fuzzy a sistemului de vedere).

Capitolele I si II sunt destinate partii teoretice, in care dorim familiarizarea cititorului cu teoria logicii fuzzy, controlul fuzzy, ce inseamna si ce sunt sistemele de conducere inteligenta.

Capitolul III si capitolul IV sunt destinate prezentarii arhitecurii microcontrolerelor in general si exemplificarea acestora prin familiile 8051 si 8031. In Capitloul V este prezentata aplicatia realizata in SieFuzzy care poate fi conectata la un proces real prin intermediul unui microcontroler 8051.Capitolul IConducerea inteligenta a proceselor1.1 O scurta privire asupra conducerea inteligenta a proceselor

Controlul inteligent in automatizari este radical diferit fata de metodele clasice de reglare cu toate ca se bazeaza pe aceleasi principii: un set de cunostinte apriorice despre procesul vizat si cerintele de performante impuse sistemului automat. Totusi, studiile teoretice si chiar realizari experimentale sau industriale sau industriale evidentiaza cu pregnanta un nou mod de abordare a problemelor. Diferitele controlere inteligente (neurale, fuzzy, fuzzy-neurale sau combinatii ale lor obtinute asistat de algoritmi genetici) pot fi considerate in general aproximatori de functii neliniare. Fata de estimatorii conventionali de functii se pot enunta o serie de avantaje:

- Procesul de proiectare nu impune cunoasterea modelului procesului (in multe aplicatii este dificil a exprima exact ecuatii ce descriu dinamica reala a procesului condus, iar pe de alta parte, chiar daca se obtine modelul matematic acesta include totdeauna incertitudini datorita variatiilor reale a unor parametrii, perturbatiilor aleatoare sau neliniaritatilor