IC
iNbNO ONiVERSiTEsi FEN BiLiMLERi ENSTiTDSU
YAP A Y
siNiR
AGLARI-BULANIK MANTIK PID DENETLEYiciAORU<;: ~ENER
YDKSEK LisANS TEZi
ELEKIRiK-ELEKTRONiK MOHENDiSLiGi ANABiLiM:
DALIMALATYA OCAK2004
\
. Fen Bilimleri EnstitUsil MildUrlilgii'ne,
Bu c;al~ma Jilrimiz tarafindan Elektrik-Elektronik Ana Bilim dalmda YOKSEK LtSANS TEzl olarak kabul edilmi~tir.
(1mza)
... )){:!«
!/)c, .. .fIr (.1.4 'h. .. )J.CI.'lJ./1.. ... .
B~kan
(1mza)
't~,:.l)g."jl.r; .. N.4J"'J:ef.././fN
Dye
Onay
y·.p.~~:p.r."6.:~~~ ... o~
Uye
Yukanda imzalann.ad!. gec;en
ogretim
iiyelerine ait oldugunu onaylanm" , . . , . . ' - - - ' ; -~ , u _¥¥": ;;6..
OZET
Yuksek Lisans Tezi
Yapay Sinir Aglan-Bulanlk Mantlk PID Denetleyici A. Oruy ~ENER
Inonu Universitesi Fen Bilimleri EnstitUsli Elektrik-Elektronik Miihendisligi
66 + ix sayfa 2004
Dam~man:Yrd. Doy. Dr. Orner Faruk OZGUVEN
Bir noro-fuzzy karma kontrol stratejisi ve ona uygun kural iiretme yakla~lml
onerildi. Bu yakla~lma gore fuzzy giri~leri yoluyla fuzzy kontrol kurallan otomatik olarak liretilebilir ve daha soma basitle~irilmi~ fuzzy sonul( I(lkarma makinasmdan uygun kontrol i~lemi., verimli bir sonul( I(lkanlabilir. Bir artan PI algoritmasl ve bir pozisyon PD a1goritmasmm birle~irilerek kullarulmasl ile bir PID fuzzy kontrol stratejisi iki giri~ degi~keni ile basitye g6sterilebilir. Bu, kontrol performanslru azaltmadan kontrol kurallan saYlSlnda onemli
azaitrna
sagiar. Kontrol pararnetreleri , bir tek noronla birlikte modifiye edilrni~ geri ya)'lhm a1goritrnasl ortaya koyarak kendi kendine ayarJmabilir. Simiilasyon sonuylan bize gosterdi ki onerilen fuzzy denetleyici bilinmeyen i~lemleri kontrol edebilmeyi saglar ve iyi bir performans saglar. Geleneksel kendinden yapIlanmail ve fuzzy denetleyici tabanh yapay sinir aglanyla kar~!la~tmldlgmda bu metod daha basit kontrol a1goritmasl ve daha az hesap agrrhgI iyerir.ANART AR KELiMELER: PI, PD, PID, Bulamk Manni<, Yapay Sinir Agl
-
...- -
.. ---~ABSTRACT Master Thesis
NEDRO-FUZZY PID CONTROLLER A Orue; $ENER
in6nii University
Graduate School Of Natural and Applied Sciences Department of Electric-Electronic Engineering
66 + ix pages
2004
Supervisor: Yrd. Doe; . Dr Orner Faruk OZGUVEN
A hybrid neuro-fuzzy control strategy and its corresponding rule generating approach is proposed. According to this approach, the fuzzy control rules can be generated automatically via fuzzy inputs, and then the appropriate control action can be deduced efficiently by a simplified fuzzy inference engine. By combining the use of an incremental PI algorithm and a positional PD algorithm, a PID fuzzy control strategy can be implemented simply from two input variables. It results in the number of control rules being significiantly reduced without decreasing the control performance. The control parameters can be self-tuned by introducing a single neuron together with a modified back-propagation learning algorithm. Simulation results show that the proposed fuzzy controller is able to control unknown processes and provide good performance. Compared traditional self-organising and neural- network-based fuzzy controllers, this method
has
simpler control algorithms and less computational burden.KEYWORDS: PL PD, PID, fuzzy lojik, neural network
11
--~. - _ .
__
. "-~--. - --~---, - ~... .~TESEKKUR
Bu <;ah~marun her a~asmda yardlIU, 6neri ve destegini esirgemeden beni yonlendiren daru~man hocam saym Yrd. Do". Dr. Orner Faruk OZGOVEN'e;
Makale ve tez taramalanmda bana yardimci olan
ourO
Makine Miihendisligi B61ilm asistaru ilker KAZAZ'a ve ODTO Elektrik-Elektronik muhendisliginde Yuksek Lisans 6grencisi lo.ymetli arkada~lm Atilla DONUK'e;Aynca tUrn hayatlm boyunca oldugu gibi YOKSEK LiSANS <;:all~malanm siiresince de benden desteklerini esirgemeyen degerli AiLEM' e te~ekkiir erdim.
III
.-
.. ---~-ic;:iNDEKiLER
OZET ...
i
ABSTRACT ... '" ..
tt
TE~EKKOR ...i:ii ic;:iNDEKlLER ... " ... " ... iv
~EKtLLER LisTESL ...
vi
GiZELGELER LiSTESi. ...
Vii
stMGELER VEKlSALTMALAR ...vi:ii
1. GiRi~ ... 12. KURAMSAL TEMELLER VE UYGULAMALAR ... 2
2.1.1. Oransa1(p) denetleyiciler ... '" ... '" '" ... '" .. 2
2.1.2. integral(I) denetleyiciler... ... .3
2.1.3. Tiirev(D) denetleyiciler. ... '" ... '" ... .4
2.1.4. Oransal-integral(pl) denetleyiciler ... "'" .... 5
2.1.5. Oransal-tiirev(PD) denetieyiciler ... 6
2.1.6. Oransal-integraJ-tiirev(pID) denet1eyiciler. " .... ""'" ... " ... 7
2.2. Fuzzy Lojik KontroJ... ... 8
2.2.1. Fuzzy Kiime Teorisi ... 10
2.2.1.1. Fuzzy kiime kavr3.lD1 ... , ... '" ... ' ... '" ... ' .. ' ... 10
2.2.1.2. Fuzzy kiimelerde teorik i~lemler ... 11
2.2.1.3. Fuzzy kOmenin matematiksel gosterirni ... 11
2.2.1.4. Uyelik fonksiyonlan ... 14
2.2.2. Bularuk Denetleyicilerin Yap lSI ... , ... 15
2.2.2.1. Giri~ birimi veya bulandmcl(fuzzifier) ... IS 2.2.2.2. Kural tabam ... '" ... '" ... , '" ... " .. 17
2.2.2.3. 2.2.2.4. 2.3. 2.3.1. 2.3.2. 2.3.3. 2.3.4. 2.3.5. 3. 3.1. 3.2. 3.3. 3.3.1. 4. 4.1. 4.2. 4.3.
<;J.kanm
mekanizmasl ... 18GIkI~ birimi veya durultucu ... '" ... '" " .. 21
Yapay Sinir AgIan ... 22
Noronun biyolojik yaplSI. ... 23
Tipik non-lineer aktivasyon operator ornekleri(tasvir omekleri) ... 25
YSA'mn yaplSI. ... 26
YSA ogrenmesi ... '" .. 28
Hatamn geriye yayIimasl aIgoritmasl ve genel1e~irilmi§ delta kurall. ... 29
MATERYAL
VEYONTEM ...
.36Kontrol kurallanmn Uretilmesi ... 36'
Kural Uretme Algoritmasl.. ... .36
Fuzzy Denet1eyici iyin Kurallann Kendinden Uretilmesi ... 38
Kurallann kendinden iiretilme algoritmasl ... .38
~TIRMA VE BULGULAR ... .42
Pararnetre Diizenlemeleri ... .42
Fuzzy Karar Faz Plam ... 44
PI+PD Kontrol Kurallanmn Sadele~irilmesi ... .47
IV
--. -- -.---- -
..--
.. ----~4.4 Bir Tekil Noron Temeli Uzerinde Kendi-Kendine Ogrenme
Algoritmasl. ... .49
4.5. SimUlasyon Sonuylan ... 52
5. SONDe;; VE ONERiLER ... 55
6. KAYNAKLAR ... 56
EKLER ... 57
EK 1 ... 57
EK 2 ... 58
EK 3 ... 59
EK 4 ... 61
EK 5 ... 64
OZGEe;;Mi~ ... 66
v
_
..__ ._--- ----
~ekill.l.
~eki11.2.
~ekil1.3.
~ekil1.4.
~ekil1.5.
~ekil1.6.
~ekil2.l.
~ekil2.2.
~eki12.3.
~eki12.4.
~eki12.5.
~ekiI2.6.
~ekil2.7.
~ekiI2.8.
~ekil2.9.
~ekil2.10.
~eki12.11.
~ekiI2.12.
~ekil2.13.
~ekil2.14.
~ekil2.15.
Seki13.l.
~eki14.1.
~ekiI4.2.
~ekiI4.3.
Seki14.4.
~ekiI4.5.
~eki14.6
~ekiI4.7
~eki14.8
~eki1 4.9
~eki1 4.10
~eki14.11
SEKiLLER LisTESi
P denetleyicinin giri§-ylkl§ grafigi ... 2
I denetleyicinin giri§-r;:lkl~ grafigi ... '" _ ... .3 .
D denetleyicinin giri§-yOO§ grafigi ... _ ... '" ... " ... 5
PI denetleyicinin giri§-yOO§ grafigi ... '" ... " ... 6
PD denetleyicinin giri§-yOO§ grafigi ... " ... ' ... 7
PID denetleyicinin giri~-ylkl§ grafigi ... 8
a)H1z egrisi b)Uyelik fonksiyonu ... 10
Fuzzy A kiimesinin iiyelik fonksiyonu ... " ... '" ... " ... 11
Birle§me ve kesi§me ozelligi ... 13
Evrik alma ozelligi ... c •...•..•...•... l3 Degi§ik uyelik fonksiyonlan ... _ ... " ... , ... .14
Bularuk denetleyicinin boliimleri ... 15
Rata ve batanm degi§imine ait iiyelik fonksiyonlan ... '" .. , ... " .16 <;:oo§ degi§keni u iyin tarumlanan iiyelik fonksiyonlan ... " .17 Sonur;: bulanIk r;:oo§ kiimesi ... < • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 21 Biyolojik noronun §ematik gOriintiisii ... 24
Biyolojik noronun sinyal i§leme karakteristigi ... 24
Tasvir fonksiyonlan ... '" ... 26
YSA'mn yaplsl. ... 27
Hatarun geriye yayllmasl algoritmaslmn blok diyagraIIlI ... 29
Ornek YSA ir;:in 2*3*3*2 oriintiisiindeki §ematik diyagraIDl ... 32
Fuzzy
toplama ... 39a) a=O.5 iyin b) (lI=O.35 (l2=O.65 iyin kontrol yiizeyi ... .43
Fuzzy
karatfaz
plam ... , ... '" .. ' .... , ... " ... " ... " .44Fuzzy
y1karun iyin kom§U bolgeler metodu ... .45Ko~ btilgeler metoduna gore olu§an kontrol yiizeyi ... '" ... 47
Karma fuzzy denetleyicinin bolUmleri ... '" ... '" ... .48
Karma Noro-Fuzzy Denetleyici. ... 50
AdaptifFuzzy Kontrol Sisterni ... 50
ikinci Dereceden Zaman Gecikmeli Sistemde Karesel Hatamn Minimize Edilmesi ... 52
ikinci Dereceden Zaman Gecikmeli Sistemin Kontrol Degeri cevabL...53
ikinci Dereceden Zaman Gecikmeli Sistemde
K
p, veKpd
Parametrelerinin Ayarlanmasl.. ... 53ikinci Dereceden Zaman Gecikmeli Sistemin kontrol noktasl cevabl... ... 54
VI
-0_--, _.__ _ .... __ _
~---~-
(:izELGELER LisTESi
<;:izelge 1.1. Kural tabaru ... " ... , .... '" ... ' ... 17
<;:izelge1.2. YSA omegi i~in tammlanan giri~ degerleri ... 31
<;:izelge1.3. YSA omegi i~in tarumlanan fi:lla~ degerleri ... 31
<;:izelge 1.4. Agdaki katman1ar i~in b~langt~ i~in rastgele seyilmi~ agtrhk degerleri. ... 31
Vll
. " - - ' .
- - _.-_._--
siMGELER DiziNi
aij
Ak
Ani
a
hj
:destek kiimesinin yanm geni~ligi :giri~ bilgileri
:pi merkezli a yanyaph daire : agrrhk faktorii
: destek kiimesinin yanm geni~ligi :~~ bilgileri
:Agrrhk merkezi :hatarun degi~imi
Bk
COGCE
dije
:Pi
ve ona yalon noktalar arasl oklit uzaklliil :hata~e
'- e(t) ern) U(t) E
:hatadaki degi~im
:denetleyici giri~i
: 6rnekleme zamarunda hata : kontrol edilen sistemin ytl<l~1
:hata
Ek
:karesel hataFx :
giri~ katmaruFy
:ara katmanlarFz
:yOO~ katmaruIif :destek kiimesinin merkez elemaru Kp : oransal sabit
K{ :(Kp*1)m
Kd :
(Kp*Tq)/TKo.Kc
:giri~ dengeleme faktoriiKpd
:Unun yl~ dengeleme fakt6rii Kp, :~Unun yOO~ dengeleme faktoriimij(PJ :giri~ noktasl pi ve j.kurahn oncekiler arasmdaki uygun derecesi
nij :Ani de diigum degeri Netj :(n-l}.katmana giren
as
Net. :n.katmana ait norona giren ag Oij :destek kiimesi merkez elemaru
Ok
:k.diigumiiniin lineer olmayan yOO§1 q :kullarulan kurallar saylSlRi : i. kural
rij :nij noktasma uygun giri§ yifti
s(n) :n ornekleme zamaruna kadar olan hatalann toplarru 11 :iiyelik derecesi
y : dengeleme faktorii
T :
ornekleme peryodu T; : integral zaman sabiti Td : tiirevsel zaman sabitiurn) : ornekleme zamarunda PID denetleyici yi1<l§1
VIl\
- - -
.- - - -
1I(t) :denetleyici «1k1~1
Wnn :a~rhk katsayllan
KISAL TMALAR PD :Oransal-rurev denetleyici
PI :Oransal-integral denetleyici PID :Oransal-integral-rurev denetleyici SOFe :Kendinden organizeli fuzzy kontrol YSA :Yapay sinir a~
!X
l.BOLUM
G~
Fuzzy kootrol teknigi endiistriyel uygulamalarda geoili kulJarnm alaruna sahipken, bilhassa geleneksel konlrol dizayn telmiklerinin uygulanmasmda zorluk bulunan yerlerde kullarultr. BununJa beraber baz:t ~lernJer iyin kontrol kuralIanru elde etmekte hala sUantl c,:ekiliyor, ~Iemin evvelki ~Iem bilgisi yetersiz veya bu bilgi yoksa bu sUanU c,:ekilir. Bundan dola)'1 fuzzy kootrol iyin kootrol kurallanruo oastl elde edilecegi yok onernlidir.
Fuzzy deoetleyicilerini ge~ek ic,:in birbirioden furkl.J metotlar varcirr. Kontrol kurallanru elde etmede yok kulJarulan metotlardan biri kontrol ustalan veya tecriibeli operatorierin bilgilerindeo ylkanna yapmakur. Kontrol kural kiimesi sonuc,:lan, ~in i~lemsel bilgisi konusunda ustalann deoeyimsel bilgisini yansmr. Bu metodun farkl.J
~isel deneyimJerden etkilendigi go£iiliir.
Bir ~in fuzzy modeliyle baglantw metotda fabrikarun yakl~tk modelinin o las I
sistem durum.lanru tarumlamak ic,:in semboUer kuUaruIarak ~killendirilir. Bir fuzzy denetieyici, geleneksel y~1IIlU1 kontrol teoriyi kapsadlgl gibi yaPI tarumlamalan ve paratnetre tahminleri temetine dayalt fuzzy modelini kontrol etmek ic,:in yaptlandrrWr. Fuzzy model lineer fonksiyonlarla tarumJanabilir. Ce~me durumu ~1Zltk olmasma ragmen, fuzzy denetleyiciye gore eo buyiik avantajl bir matematilcsel model gerektirmez. Ek olarak ~imdiye kadar fuzzy model ve kontrol kural kiirnesi arasmda genel baglanttlar goriilme~.
Kendinden organizeli fuzzy kontrol Mamdani ve meslektalilan tarafmdan 6ne~rr. j~lemsel kontrole b~la uygu~ bir yontemdir. Son zamanlarda kendinden organizeli fuzzy kontro~ noral networkJerin Imllamml)'la fazJaca ~.
Fuzzy kontrolii ge~irmek ic,:in deg~ik noro-fuzzy denetleyiciler one~tir. Bununla beraber, kuralJan gerc,:ekle~e ve
ag
egitimi geneUikle zaman a.iJclcirr.Yukardaki metotlardao, biz basit, miirnkiin, fakat fuzzy kontrol kuralJaruu geleneksel lineer kontrol stratejisiyle uyurnlu otomatik olarak iireten verimli ~IIDI oneririz. Bu metod SOFe ve biryok noro-fuzzy denetleyiciden surekli prosediirlerle ugr~ma)'1
gerektirertlere gore maternatiksel hesap yogunlugu azdlr.
--- ---~-
2.BOLUM
KURAMSAL TEMELLER VE UYGULAMALAR
2.1.1. Oransal (P) denetleyiciler
Oransal denetleyici1erde denetleyici f,:~ u(t) ile denetleyici ~i eft) arasmda sabit
bir
oransal ~ki vardIr [1].u(t)=Kp*e(t) (1.1)
denklem 1.1' den oransal denetleyicinin transfer fonksiyonu ~daki
glbi
0 1aca.ktJr.Gc(s)=U(s)/E(s)=Kp (1.2)
$ekil 1.1' de , bir hata sinya1ine Kp= 2 olan
bir
oransal denetleyicinin iirettigi denetim sinyali ve~. Sonu~ denetim sinyali her zaman hata ile aym sinyal §eklinesahip
o 1acak ancak Kp kadar yiikseltilecektir.ell)
nB
0.&
0.4 0.2 0
<J.2 11.4
0 5 10 15 t
2
1.5
0.5
o
<.(1)
~5~ __ ~ __ ~~ __ ~+
o
5 10 15 t0ransaI denetleyicilerde, herhangi
bir
andaki denetim f,:~ u(t), hatamn biiyiikliigiine baghdlr. DolaY!S1Y1a hata ne kadar bii.yiik: olursa diizeltici denetim sinyali u(t) de 0 oranda biiyiik. olur. Hata f,:ok kiif,:iik oldugunda, denetim sinyali de f,:ok ~olacagmdan oransal denetleyicili tip 0 sistem1erde
kahCI
durumbatasl
goriilfu. Oransal2
~~-.-.--~ . . ~. -~--=---=-=
kazant;: katsayJS1
Kp
artltIlarak sistemin cevap hlZl arttmlacajp. gibi kahCI durum batasl da azaltIlabilir.Ancak, pratik olarak fiziksel sistemlerin ~Ieri SlII1rh o1acagmdan oransa1 kazanCI belirli bir degerin iizerinde artmnanm yaran olmayacaktrr. Denklem 1.1 'den oransa1 denet1eyicinin analog o1arak bir ~Iemsel yiikselticili kazant;: yiikseheci oldugu belirlenebilir.
2.1.2. integral (I) denet1eyiciler
integral denetliyicilerde denet1eyici. t;:~l u(t), hatamn e(l) integrali ile belir1enmektedir [2J.
I
t
u(l) = K.
f
e(t).dt = lIT.J
e(t).dt10 '0 (1.3)
Burada, K. integral kazancl, T. ise integral zaman' sabiti o1arak sOylenir. Denklem
I ,
1.3' den integral denetleyicinin transfer fonksiyonu ~daki gibi olur.
G c
(s) =
U(s)/E(s)=
K/s=
l/sTjell
aB as al
112 0 112 .(11
0 5 10 15 I
I(IJ
1.8 1.6 1.4 12
0.8
D..
0.1 0.2
0 5 10 15 t
!)ekill.2 I-denet1eyicinin girir~ grafigi(Kj=l yada T,=l)
(1.4)
integral denet1eyicinin fi:~l , dogal o1arak g~eki batalarm birikimidir ve bu birikimin degeri integral kazanCI
K,
ile dogru, integral zaman sabitiT/
ile ters orantilidJr.$eki11.2'de bir e(l) hatasma gore integral denetleyicinin t;:~l v~.
3
integral denetleyici,
siirekli
olarak hatamn integralini alarak bir r,;~ iirettiginde hata var oldugu siirece I-denetleyici y~l artacakbr ve sonuyta sistemde meydana gelebilecek kahCl durum hatastm srfir yapacakttr. integral denetleyiciler sistemin transfer fonksiyonuna orjinde bir kutup eldedig:inden sistemin derecesini bir artttrtr ve aynca sistemin tipini debir
artttrtr. Buna gore, integral denetleyicisi olan bir sisteminye~itli ~ sinyallerine gore kahCl durum bata1an gid~ yada iyile~~ olur.
integral denetleyicilerin en onemli sakmcasl ise sistemin
transfur
fonksiyonuna orjinde bir kutup eldedigi iyin sisteminkararlilignu
olumsuz yonde etkilemesi ve orjindeki kutbun aym zamanda sisteme 90 derecelik fuz geciktirmesi nedeniyle denetint sisteminin cevabIuznn
da d~ [1,2].2.1.3. Tiirev(D) denetleyiciler
Tiirev denetleyicilerin ~ u(t),
bata
fonksiyonunun tiirevine , diger bir ifude ilede~im lnzma baghdtr. Buna gore D-denetleyicinin y~l
u(t)
=
Kdde(t)ldt=
Tdde(t)/dt (1.5)olarak
yaztlabilir.
Burada ,lCr
tiirev kazanCl veT
tr tiirev zaman sabiti olarak siiylenir.Bu durumda D-denetleyicinin transfer fonksiyonu,
Gc(s)
=
U(s)/E(s)=
sKd=
STd (1.6)olarak elde
edilir.
Tiirev denetim etkisi hazen zamanda OI:antI (rate-min) etkisi olarak da siiylenir. $ekil 1.3' de, bir hata fonksiyonuna tiirev denetleyicinin verdigi tepki goriilmektedir .Tiirev denetleyicinin en onem!i iistiinliigii, batamn de~ ~lar ~Iamaz biiyiik bir y~ iireterek
sisteme
vermesi ve dolaytSlYla biiyiik birbata
ortaya 9kmadan bir diizeltme etkisidir. DolaytSlYla, sistemdeki ~yt diizehen ve sistemin cevabtm 1nz1andtran bir etkisi vardtr. $ekil 1.3 'de batanm stfirdan bire ~l srrasmda D- denetleyicinin biiyiik bir y~ iirettigi gorillmektedir. Aynca , bata bulnDJDakla birlikte sabit kaltyorsa tiirev denetleyicinin yJ!a~l da stfir 0 Idugundansabit
kahCl durum bata1artm diize1tme etkisi yoktur.4
0(\)
~ 10
8
OS &
~6
n.
2 n2
0 4.1
Q' ·2
0 10 15 I 0 5 10 15 I
$ckil1.3 D-denetleyicinin giWi-<;~ grafi~i (K.Fl yada TtFl)
Tilrev denetJeyici, sistemin transfer fonlcsiyona orjinde bir sLfu ekledigi i<;in sisteme 90 derecelik faz Onceligi getirir. T!lrev denctieyiciier, yal.ruzca haraolD de~i~imi
SIrasLDda etkili oldu~dan denetim sistemlerinde tek ~rna Imllandrnaz ve genellikle diger denetleyicilerle birlikte kull.aru.labilir.
T!lrev denetleyiciler, g!lrUltU sinyallerine ~l <;ok duyarl1 oldu~dan sistemin de g!lrUltUlU ~masLDa neden olacagmdan pratikte k:ulIammlan sorunludur. Bu durumda denldern 4.14'de tarurnlanan ideal tUrev denetleyici yerine ~~Jdaki gibi aJ<;ak ge<;iren bir filtre ile birlikte Imllamhr.
G c( s}
=
U( s}/ £(s)=
s Kd /(Ts+ 1) (1.7)Burada, filtrenin kO~ frekansl olan T., bire gOre olduk<;a ldi<;ilk se<;ilen bir zaman sabitidir.
2.1.4. Oransal-intcgral (PI) dcnetIcyicilcr
PI denetleyiciler oransaJ ve integral denetieyicilerin birl~irilmesinden rneydana gelir. Buna gOre PI denetleyici <;~l u(I},
t t
G c (s) = K p .e(t} + Ki
J
e(t}.dt = K p. {e(t} + IlTiJ
e(l}.dt}o
05
.
- - - - - - - -- --
(1.8)
.. U· "'VERSiTE ,.!ot~U :~ .•.. ,chane.,
, • I Ku ... u
, .
olarak yazIlabilir. Burada
Kp
oransal kazan9 ve K; integral kazancl o1mak iizereT
j=K/K
tintegral7J!man sabitidir. PI denetleyicinin transfer fonksiyonu;
Gc(s)
=
U(s)/E(s)=
Kp + K;ls=
Kp{l +l/sTi}olur. ~ekil 1.4' de, bir hata sinyaline PI denetleyicinin tepkisi veri~ir.
0(\)
U8
o.s
U4 0.2
0 .Q.2 -0.4
0 5 10 15 I
25 2 1.5
us
o
U-o ~~-""0-""'15-'>1
1>ekill.4 PI denet1eyicinin g~-~~ grafig:i
(Kp=2,
KFI yadaTF2)
(1.9)
PI denetleyiciler, sistemdeki kahCl durum hataslID yok etmekle ya da g~e bagh olarak azaltrnakla birlikte sistemin cevap luzuu d~ [1].
2.1.5. Oransal-tiirev (PD) denetleyiciler
PD denetleyiciler, oransal ve tllrev denedeyicilerin birle~iminden meydana gelir ve denetim sinyali
u(O,
~daki gibi yazIlabilir.(1.10)
Burada,
Kp
oransal kazan~ ve Kdtllrev kazanCl olmak iizereTd=1CIKp
tiirev zaman sabiti olarak sOylenir. PD denetleyicinin transfer fonksiyonu,Gc(s) =U(s)/ E(s)
=
K p +Kds=
K p{I+Kds/ K p }= Kp{I+Tds} (1.11) olarak elde edilir. ~ekil l.5'de bir bata fonksiyonuna gore PD denetleyicinin ~~l v~ir[l].6
- - - -..
_--"
--- ..
- - - , - ~-~-.,-PD denetleyiciler, oransal ve tiirev etkilerinin birle~imi olarak sistemin eevap ruZlIll arttIrlr. Buna kar~ilik var olan kahe! durum hatas! dilzeltilemez.
~J oI)J
120
'W
nB an
QS SO
QI ~
QZ 20
0 0
m .:.11
-0.1
0 5 10 15 t 0 5 10 15 t
~ekil1.5 PD denetleyieinin giri~-e;:~ grafigi(Kj,=2., Kd=O.OOOl yada T rO.OOOOS)
2.1.6. OransaI-integral-tiirev (PID) denetleyiciler
PID denedeyiciler ile;: temel denetleyieinin (P-I-D) birle~iminden meydana ge~ir
[1,2]. Buna gore denetleyicinin C;:~l u(t);
t t
u(lj= K pe(t)
+
K jJ
e(ljdt+ Kdde(lj/dt= K pe(lj+ liTiJ
e(ljdt+ Tdde(lj/dtJo 0
(1.12)oJarak yazIlabilir. PID denet1eyicinin transfer fonksiyonu;
Ge(s} = U(s)/E(s) = K P + Kj/s +Kds = K p(l +llTjs +Tds ) (1.13) olur. :;leld11.6' da bir hata sinyaline PID denetleyicinin tepkisi veri1n#ir.
PID denetleyiciler, ilc;: temel denetleyicinin ilstOnlilkJ.erini tek bir denetleyici ic;:inde
birl~irmek:tedir. SOIDlC;: olarak, PID denetleyiciler, kazanc;:1an uygun ayarlanmak (yada tasarlanmak) ko~u ile sistemin cevap lnzml artmrken kahCI dururn batalanru yok edecek yada aza1tacak:trr.
7
~~ .. -'-~ -~.-.--.--~
.n
..
oil nB00
ns
"
n4 31
lD 02
10
U2 U
0 5 10 15 t ·10 5 10 15 t
2.2. FuzEy Lojik Kontrol
Fuzzy kiime teorisi uyg1l1ama1an ile ozellikle ~ 9tkl§ bagmtLlannm O~l yiiziinden ~ geldigimiz yontemler tarafindan geregi gibi kontrol edilemeyen endiistriyel ~lemlerde son derece etkili bir metottur.
Fuzzy lojik. kontrol fuzzy matematik. temeline dayarur. ~e1digimiz mantlksal sistemlerden
daha
fuzIa sOzel anlattma ve insan d~ sisteminedaha
90k yakm.cbr.Bu durum
uzman
bilgiye dayanan s6zel kontrol stratejisinin otomatik. kontrol stratejisine do~enin bir vasrtasl olur [8).Fuzzy lojik. ~ ile geleneksel ayarlaytCJ1arm performanslarmm artmlmasl 93h~alan yap~
aynca
sistemin btzve
pozisyon kontro!ii deyapt1abi1me.ktedir.
Bm kontrol sistemlerinde btz hatasl ve tfuevi oldugu yer1erde bir gene! ~ma
~evesinde belirlenmekte ve bu durumda ~ uygun iiyelik. funksiyon1an ile
yaptlmaktadlr.
Bu durumda kontro! ~erin algdamp s6ze!kura11ar
ile degerlendirilerek ~ ~er ~ ~1emine gonderilmektedir.Fuzzy kiime teorisi i1e ilgili ilk hagmnlar 1965 ytbnda ZADEH tarafindan bir makalede yaym!andt.
Makalede
in. ... nlann d~e sisteminin iki ana husus iizerinde yo~ vurgularuyordu.Birincisi; insanlann tamamtyJa ~ be1irsiz
kavramJan
90ziimleme yeteneginin ve insan dii§iincesinin ana ogesinin saytSa1 ifudeler olmadlgrom furlana varmasl.ikincisi; insanlann kontro! ettikleri sistemler ile 0 zamaDa kadar ge1enekse!
yontem1er ile kontrol edilen sistemler arasmdaki ~ uygun olmad1grol gormesidir .
8
- -.-~---~- ~~-
•
Temel fuzzy kiime teorisinin matematiksel 01arak ge~irilmesi giiniimiizde de devam etmektedir.
Fuzzy kfune teorisi ile teorik hesaplama1arda siirekli olarak kullandlgmuz matematik ve olasilik teorisi arasmda farklar vardrr.
iki
teori farkltalanIan
ve ifudeleri gosterirler.Olasilik teorisi veri ol9iimlerine dayamr ve tecriibe ile test edilirler. Olasihklar bir olaym olup olmayacagun olgerler. Fuzzy kfune teorisi ise bir olaym ne dereceye kadar var oldugunu ve bir olaym olma agn-hgnn olyer. Yani "Yiizde 30 olasilikla hava serin olacak" onermesi serin hava olasilignn dile getirir. Fakat "Sabah hava yiizde 30 serin geliyor" onermesi hava bir dereceye kadar serin, aym zamaMa de~n derecelerde ilik ve SlCak demektir.
1974'1ii. yillara kadar fuzzy kiirne teorisi ve uygl1lamaSl. arasmda biiyiik bir bo~luk
vard!. Mamdani 1974 yilinda matematiksel 01arak ifude edilmesi 90k zor olan
sistemin
konturolunda uzman ~ininyerini
fuzzy lojik kontroliin alabilecegini gosterdi Daha soma Mamdanj konu ile ilgili ilk endiistriyel uygulama)'! bir bubar makinesi ilegergekle~di Bu ~ fuzzy lojik temelli bu tiir bir uzman sistemle tiirbin blZlDID ve performansmm ,.:ok b~ bir ~kilde kontrol edi1ebilecegini gostermi¢r. Bu sonu,.:lar
~!lan fuzzy kiirneler teorisinin uygulama yonii ile ilgilemneye te~ etti
Kontrol i§lemi i,.:in uygulama Sl1"3Smda tasamn yapilirken
her
~den once sistemin matematiksel modeline ~ duyulur. Ancak pratikte bu modelleme her :zaman miimkii.n olmayabilir. Bazl durumIardaise
dogru model kurulsa bile bunan uygnlamada knllamJmaSl ~Ik problemlere yola,.abilir.
Bu gJ.oi sonu,.:larla kar§da§!ldlgt zaman genellikle kontrol olaynu ge!gekle~n uzman ~ bilgi ve deneyimlerinden yararlanma yolunagidilir.
Uzman ~i sOzel de~kenler o1arak tammlanan; uygun, ,.:ok uygun degil, yiiksek,biraz
yiiksek, fuzla, ,.:okfuzla
gJ.oi giinliik ya§antlT!1Izila, slk,.a k:uIlaDd'gtm'z kelimeler dogrultusunda esnek bir kontrol mekanizmaS1Dl ge~. i§te fuzzy kiirne teorisinin ve fuzzy lojigin uygn1amaSl olan fuzzy lojik kontrol bu tiirmantIksal
~ iizerine~.Bu ,.:a1'§TMda once fuzzy kiime teorisi an1atdml§tIr. Teme! ~lemler hakkmda bi1gi
veriIir.
Aynca fuzzy lojik kontrol ola)'! i,.:in ana konulardan biri olan ,.:Jkarun teknikleri iizerinde durulur ve bir uygulama iizerinde ,.:Ikanm ~lemi grafiksel ve cebirsel o1arak anlatilir [3].C;:Ikanm ~lemi sonucundaki ifudeden bir sonu,.: degeri elde edebilmek i9in netle§tirme yontemleri verilir.
9
=.-.---~- .-"'""=""-'---=
2.2.1 Fu7zy Kiime Tcorisi 2.2.1.1. Fuzzy kfimc kavranu:
Bilindigi gibi klasik (keskin) rnanukta bir olaym olabilirlik derecesi 1 (var) ve 0 (yok) olmak iizere iki ye~ittir. DOlaylSlyla klasik rnantlkta olaym olabilirlik derecesi 0 ile 1 arasmda herbangi bir deger alamaz. Olay olarak hlz d~iilecek olur~ 40 kmlsaat ve 70 kmlsaat arasl orta hlz olarak kabul edilirse bu durumda ~kil 2.l.a'da gosterildigi gibi klasik rnantlkta 40 kmlsaat ve 70 kmlsaat dahil olmak iizere bu iki deger arasmdaki her hlz degeri orta luz olarak kabul edilir. Yani bu degerlerin olabilirligi 1 olur. Suur luz degerleri arasmda yorum yaprnak miimkiin degildir. Bu durumda daha olumJu hale getirmek i"in fuzzy mantoc kllllamhr [3].
Fuzzy mantlkta suur ve ara degerler i"in yalruz bir durum yoktur. Olabilirlik derecesi [0, I] arasmda ye~itli degerler a1abilir. <;:ok seviyeli mano8Jn bir "e~idi olarak goriilebilir. $ekil 2.lb'de gosterildigi gibi 40 - 70 kmlsaat arasl yine orta hlz olarak kabul edilirse bu iki deger arasmdaki luzIarm olabilirlik dereceleri deg~ik degerlere sahiptir. Bu durumda 40 km/saat ve 70 kmlsaat hlzIarmm olabilirlik derecesi 0 olur.
Yani orta hlz sayJ\mazlar. 55 kmlsaat luzmm olabilirlik derecesi 1 'dir. Yani bu deger tam orta hlz sayllir. Dolay\Sl)'1a bir degerden diger bir degere daha yurn~ak keskin olmayan ge,,~ sag~ olur.
o
O.'il-- --/.-- + --'l>.
40 70 H.Iz kmlsaat 40 47. 55 67. 7 H.Iz kmlsaat
$ekil2.1 a) H1z egrisi b) Uyelik fonksiyonu
Aynca 47.5 km/ saat ve 67.5 kmlsaat luzIaruun olabilirlik derecesi 0.5 'tir. Bu luz degerleri noktalarma ge"i1J noktasl ad! verilir. Fuzzy mantlkta ~kil 2.1 b 'de gosterilen egriye uyelik fonksiyonu denir. H.Iz ekseni iizerinde b~ luz guruplan i"in uyelik fonksiyonlan gosterilebilir ("ok ya~, ya~, orta, llizh, yok Iuzl.I gibi). H.Iz eksenindeki tUm luz degerlerinin bulundugu kiime luz iyin evrensel kiime olarak adlandmhr. Her lmm uyelik fonksiyonunda alcbgl olabilirlik derecesi, Gyelik agJr1Jgl olarak isimlendirilir. Aynca orta
tuz
Gyelik fonksiyonu evrensel kiimenin her elemaru ve bu elemana ~llik gelen GyelikagrrLJ8t
ile rnatematiksel olarak gosterilebilir. Yine orta hlz iiyelik fonksiyonu luz evrensel kiimesinin bir fuzzy alt kiimesidir [3, 8].10
.--.
2.2. 1.2 Fuzzy kiimelerde teorik i§lemler
Fuzzy kiimelerin teorik ~lem1eri old~ fuzladJr. Fakat bu calJ~ada sadece belirli bir 1asIID teorik i§1em1er an1atJlacaktrr.
2.2.1.3. Fuzzy kiimenin matematiksel gOsterimi
Bir X evrensel kiimesindeki bir A fuzzy kiime [0, 1] arahgmda deger alan JlA. iiyeJik fonksiyonu tarafindan
karakterize
edilir. Bu yiizden X 'deki A fuzzy kiime x ve x 'in§ekil 2.2'de gosterilen iiyeJik fonksiyonu
tarafindan
belirlenen agrrhgl. ile beraber tarifedilir.
Yani;olur. X siirekli ise birv4 fuzzy kiime ;
(2.1)
~klinde gosterilir.
Eger
X
aynlcdeger1ere sahip
olursa ;(2.2)
§eklinde
ifude edilir.
1 1 - - - -... A
o x
Sekil
2.2. Fuzzy A kiimesinin iiyeJik fonksiyonu11
X evrensel kiimesinde A ve B iki fuzzy !dime olsun. X evrensel !dimesinde A ve B i~in tammlanan birle~e, kes~, evrik ve iis alma,
pozitif
a sa)'lSl ile ~arpmaozellikleri ~daki gibi. tanmdanahilir.
A v B bile~ p. AvB (x) iiyelik fonksiyonu, x EX 'in her degeri i~in ~daki gibi ifiIde edilir.
(2.3)
veya;
(2.4)
Birle~ ozelligi §clcil2.3.a'da grafiksel
olarak
gosteri1ebilir.A I I B k~iminiiyelik fonksiyonu p. AIlE
(x)
iiyelik fonksiyonu ,x
e X'in her degeri ~in;(2.5)
veya ;
P.
AIlE (x)
=minl,u A (x),P.B (x)}
(2.6)§eklinde gosterilebilir. Kesi§me ozelligi ~ekil 2.3.b'deki gibi grafiksel
Olarak
gosteri1ebilir.12
~--- ---~--- =-.---,~- -,-=---==
If--_....,...--,7i.. A
o
(a) Birle§lIle
x
J.I
l l -_ _ .;.<-_B",
o
(b) Kes~
Sekil
2.3. Birle§llle ve kesi¥ne ozelligiBuIamk
A
kiimesinin evrigini XEX
'in her degeri irrin flA (x)
iiye\ik fonksiyonu tiiriinden ~~dald gI"bi gosterllir [8].Evrik alma ozeJligi §eldl2.4'deld gx"bi grafiksel olarak gosterilebilir.
J.I.
1
A
~ekil2.4. Evrik alma ozelligi
x
Fuzzy A kiimesinin x E X 'in her degeri
irrin
!1 dereceden iissii ;~ldinde ifude edilir.
13
(2.1)
(2.8)
.
-
...--
-.--.~---.--- ---
Pozitif a sa)'lSl ile 9<UlJrna ozelligi
Fuzzy A kiimesinin x E X 'in her degeri i<;:in pozitif a sa)'lSl ile <;:arprna ;
(2.9)
~eklinde gosterilir.
2.2.1.4 UyeJik fonksiyonlan
Evrensel kiimenin alt kiimesi olan fuzzy kiimenin iiyelerine ~ilik gelen agrrWclar egri ~ekJinde gosterilebilir. Bu egriler iiyelik fonksiyoou olarak adlandmlrr. Evrensel kiimede sadece eleroanlara ~ilik $Wclar aI.uursa iiyelik fonksiyoou sOz koousu olur.
~ayet kiime elernan ve bu elernana ~ilik gelen agu-We ile beraber gosterilirse bu taktirde bu kiime bir fuzzy alt kiimeyi te~kil eder.
(a) U<;:geo (b) Yamuk
A
x x
A
c
x x
( c ) <;:an egrisi ( d) Teknokta
Sekil 2.5 De~ik iiyelik fonksiyonlan
Fuzzy alt kiimelerin iiyelik fonksiyonlanrun kuIlaorrDl belirsiz ve kapah kavramlann ~leme kooulrnasmda yardunci olur. Uyelik fonksiyonJan ko ntro I edileo sistemin ozelliklerine gore ii<;:gen, yamuk ve <;:an egrisi ~eklinde olabilir (~elcil 2.5. a, b, c) Eger fuzzy kiime yaIruz bir tek elernarun agrrligrna sahip ise bu kiimenin aglTWe fonksiyonu tek DOI..'ta olan bir ~kli gosterir (~ekil 2.5.d ).
14
- - -- --
-- - - -- - - - -
2.2.2 BulamkDenetleyicilerin YaplSl
Bir bularuk denetleyici temel olarak dert
ana
bOlfu:nden ol~. ~ekil 2.6'da gerilldiigU gtbibunlar
I·Bu1andmcI diye adlandmlan ~ birimi, 2-Kural tabam,
3-<;:tkarnn mekanizmaS1,
4-Duru1tucu diye adJand]T\lan ~~
birimidir
[4].Kural tabant
~
~I
Bulandmcl~
<;:Ikanm.r-.
'--
Durultucu
~
~kil2.6. Bularuk denetleyicinin bOliimleri
Literatiirde hazen, yukanda
kura1 tabam
olarak adlanthnlanbirim
2 ayn lasma bOliinerek bularuk denetleyicilerin ana birimIeri 5 10sun halinde eJeahrur.
Genellikle bu birim kuraItabam ve
veritabam
diye iIciye aynhr ve bu birimJerin bir~ bilgitabam
olarak adlandmhr.2.2.2.1.G~ birimi veya bulandmCl (fuzzifier)
Bir bularuk denetleyicinin ~ birimi olan bulandmCl, ~ dewenlerinin deger1erini,
yJkamn
mekanizmasmda koJayca ImJlamlabilecek biJgi1ere de~.BuJandmCl temel olarak ~ de~enlerinin ald.igI her degere, ilgili ~ de~eni i~in tanlTDlanan tUm bularuk kiimeler iyin bir iiyelik derecesi hesaplar. Omegin, endiistriyel denetJeyicilerin ~ogunda oldugu gibi denetleyiciJere uygulanan ~ de~ken1erinin hata e(k) ve hatadaki de~im 8e(k), 8e(k)=e(k)-e(k-l) oldugunu kabul
15
~---=-=- ,-~. --_ .. _ -
edelim. Bu g~ de~en1eri i9in ~daki §ekilde goriilen iiyelik fonksiyonlan ile karakterize edilen bularuk kfunelerin tammlandtgmt varsayahm..
~ekil2.7'de NB, NK, SI, PK ve PB gibi adlandmlan iiyelik fonksiyonlan Negatif Biiyiik, Negatif Kiiyiik, Srlir 'pozitif Kiic;:iik ve Pozitif Biiyiik
an1amIanna
~et edecek§ekilde isim1en~. Bu §ekillerde, ornek olarak, e(k)=30 ve oe(k)=-15 degerleri ic;:in uyelik derecelerinin belirlenmesi de gosteri.lmi¢r. Buna gore, ~daki tablo, e=30, oe=-15 degerleri ic;:in bulandmclIl1Il hesap1achtp. uyelik derecelerini gostermektedir [4).
HB NK SI PI< PB NB NK 51 PI( PIl
·20 1'10
de
10 20
Sekil2.7 Rata ve batanlD deiWmine ait iiyelik funksiyonlan
Rata (e(k)=30) Hatadaki de~im (oe(k)=-15)
U:'lelik Derecesi Bularuk Kiime U~lik Derecesi Bularuk Kiime
0.7
SI0.5 NK
0.3
PK0.5
NB0
NB,NK,PB0
SI, PK, PB16
. _ - - - -
...._
. . ._._--- ----
de
Bu an1am da bulandmCl, kendine uygulaoan her girili degeri i9in bir iiyeJik derecesi hesaplayarak (ilgili demken i9in taDlmlanan iiyeJik fonksiyonlarmm hepsi i9in) 9lkarun mekanizmasma iletir.
2.2.2.2 Kural tabam
Bir bulamk denetleyicinin
kural
tabaru, genellikle kontrol edilecek sistem hakkmda bilgi sahlOi uzman ~ilerin dilsel ifudelerden elde edilen bir grup IF-THEN kura1mdan o~. Kmallar, hazen matematik:sel ~kilerden de 9Ikamlabilir. Kural tabaru, bir bularuk denetleyicinin kalbi olarak nitelendirilebilir. ~ diger bUtiin birimler ve bile~ bu kuralIarmmakul
ve verimli bir ~ekilde gergekle~ i9in knl!aD1lrr. <;:izelgel.l 25 kuraldan o~ bir kuraI tabanmt gostermektedir.<;izeJgel.l Kural Tabaru
U NB
NK
SI PK PBNB NB NB
NO
NK 81
NK
NB NO
NK SI
PK
SI
PK PBNO
NK SINK SI
PK
SI
PK PO
PK PO PB
PO PB PB
Girili ~enleri bam (e) ve hatadaki de~im 8(e)
dir
ki bunIar i9in tammlaDan iiyeJik funksiyonlarnlaha once v~ Bulamk denet1eyicinin ~ de~eni u'dur ve ~ i9in taDunlaD3D iiyeJik funksiyonlan §e1cil2.8'de go~ [4].IJ(Amp}"
·4 ·3 · 2 · ' 0 , 2 3 4
~kil2.8 <;:~ de~eni u i9in tammlanan iiyeJik fonksiyon1an
Ornegm kural
tabanmdaki bir kuraI ~daki gloi yazilir:IF(e is 81 AND 8e is NK) TIffiN (u is NK)
17
- , . - ----= ... -~~ --~. ~ .. --.-'----=-
~ .. ~- .---~-
IF(Varsayun) THEN (Sonuy)
Kurallarm '<\I arsayun" lasrru denetleyicinin ~ de~kenleri ile "Sonuy" 1asnn ise
c;~ de~eni ile ilgiJidir. Yukanda veri1en iimekte , her varsayun AND operatiirii ile
o~ecegi 81bi OR ve NOT operatiirleri ile de baglanabilirler. Kurallarm sonuy Jasmmda ise, eger sistemin C;~l biredn :fazla ise, bu kIsunda birden fazIa terim ic;erebilir.
2.2.2.3 (:Ikanm mekanizmaSl
<;:lkanm mekanizmaSl., bu1andmcmm c;~1arun(iiyelik derecelerini) ve kural tahamm
kulIanarak
bir bn1amk !dime ol1l§turur. Bu bn1amk!dime, durultucu (defilZZifier) tarafuIdan denetleyicinin y~Inlhesaplamak
iC;in kuUamlacalctrr. <;:Ikanm mekanizmalarmda genellikle iki ana ~1ID Imllamlrr. Bunlardan ilki "bir1ellirn tabanh9lkanm"
ikinci ise "bireysel kural tabanh C;1kanm"dIr. Bile~irn tabanh C;1kanm yonteminde, oncelikle biitiin kurallar birlelltirilerek tek bir bn1amk ~ki elde edilir.<;:Jkanm bu bir~erek o~ tek bularnk ~ki ve bulandmcI<lan gelen sonuylar kullanilarak gefgekl~. Netice olarak kontrol C;~IDl ifude eden bir bn1amk k:iime elde
edilir.
Bireysel kural tabanh C;Ikarnn C;~l bireysel bir bulanIk ~kiimesi belirler ve yIkarnn mekanizmasmm ~l bireysel bularuk y~ kiimelerinin toparlanarak bir araya getiri1mesi neticesinde elde
edilir.
Hesaplama siiresi ~lSmdanBireysel Tabanh <;:Ikarnn Mekanizmasl daha avantajh oldugundan kontrol sistem1eriDde genellilde bu yontem Jadlamhr [4].
<;:Ikamn mekanizmasmda, iiy ana ~lem tiirii mevcuttur:
ilki
kurallarmvarsaynn
kIsmIndaki terimler arasmdaki ~1em1erdir. Terimler genellikle AND, OR., veya NOT~lem1eriyle bagJamm~ardrr. Fakat kontrol uygulamalarmda genellikle sadece AND
~lemi Jadlamhr. Ternel olarak, bu operatorler ~ degerJerinin iiyelik dereceleri arasmdaki ~ geryekle~ ve sonuy o1arak her kural iC;in bir "kurahn
kesinlik
derecesi elde edilir.ikinci
~1em ise kuralm kesinlik de.recesi ile, ilgili kuralm bulamk C;~ kiimesi arasmdakiiMA
~lemidir.iMA
~leminden sonra kuraI tahanmdaki her kural bir ima edi1en bularuk y~ k:iimesi o~. UC;iincii tiir ~lem ise ima edilen bn1amk ~ kiimelerini TOP ARLAMA ~emidir. TOP ARLAMA ~lemi neticesinde sonuc; bu1amk 9~ kiimesi eldeedi1ir.
B3Zl durnltucu yontem1eri direk o1arakima
edi1en bulamk y~ kUmelerinikullarur.
DolayISIYIa bu tip durultucular ;yin TOPARLAMA ~lemi gerekmez. AND, OR.,iMA
ve TOPARLAMA ~1em1eri iyin en sIk Jadlamlan operatorler ~daki 81"idir:18
=-.-.---.=--'" -
AND :min veya cebirsel <yarpma OR :max veya oJaslbk VEY A'Sl
iMA
:min veya cebirselyarpmaTOP ARLAMA:max veya cebirsel toplam
Yine omek olarak, yukanda verilen lruraI tabarum ve iiyelik fonksiyon1anm goz oniine
a1ahm.
AND ~Iemi ir;in "cebirsel r;arplIn",iMA
~Iemi iryin "min"ve
TOP ARLAMA ~1emi iyin ise "max" operatorlerinin ku11amlchgnn varsayahm.Formiilasyona uygunluk aylSmdan, lruraI tabloSlmdakj
kura1Ian
da ~daki gJ.'bi gosterelim:IF (e
isE/ AND 8e
is8Ej) THEN u
isUij
Burada "i" lruraI tablosundaki satlra, "f' 'de siitiina ~et etmektedir. (i=1, ... ,5 ve j=l, ... ,5).
E/, 8Ej
veUij
ise i ve j'nin belirledigi. bularuk: kiimelere denk: geJmektedir.Omegin i=2 ve j=3 ise
EF'NK, 8EFSI ve UiFNK olmaktadlr.
Buna gore , ima edilen buIaruk ylk:i§ kiimelerinin genel gosterinli /J"(u)= min{/J .. CR ,/J'P
(U)}
I] Ij Ij
~klinde olm. Burada ilgili kuralm kesinlik derecesi /J .. CR (u)= J.I.E (e ),/J fiE (lJe*)
I] I ]
(2.10)
(2.11)
ge1en iiyelik fonksiyonlamn gostermektedir.
e*
ve &* degerleri ~lere uygulanan saYJS3l degeri i:fude etmektedir. Boylece J.li
E (e),
/J/E
(Oe*) degerleri e*'in ve8e*'in E/
ve8Ej buIamk:
k:iimeleri iyindeki iiyelik derecelerini gostermektedir. TOP ARLAMA~Iemi iyin ''max'' operatorii kullaruldlgl iyin, sonuy
buIaruk:
ylk:i§ kiimesi/J ou/u) = max{J.Ill(u),/J 12(u),···,/J5iu ),/J 5 /u
)f
(2.12)~ekiinde ifade edi1ir.
19
- - - - - - --- ~---.--- ----~-
----
<;:lkanm mekanizmasmm nastl y~gnu yine e=30 ve or-IS sa}'lSlil degerlerini aIarak tekrar inceleyelim. Buna gore e*=30 ve oe*=-IS
dir.
Bu sa)'lSlll ~ degerleri iyin bulandmcmm ylkanm mekanizmasma gonderdigi iiyelik dereceleri1l3E
(30)
= o.
7,1l4E(30) = O.3ve
Ill~(30) =
0z=, ,
. 1 2 5· . WID~daki gt"bi hesap1amr:
/i} =
0 eger (i, j) '" ((3, 1); (3,2); (4,1); (4,2)) Boylece ima edilen buIanlk ~ kiimeleriIlij(u)
=
0 eger(i,j) '" {(3,1);(3,2);(4, 1);(4,2))§ek1iDde elde
edilir.
Buna gore, sanuy buIanlk y~ kiimesi;( 2.13) alur.
Bunun anJam1, sadece i=3,4 ve j=1,2'ye ~ gelen 4
kural
sonult y~ bulanlk kfunesinin ol~mda etkili a~. G~ de~kenlerinin bu sa}'lSlil degerleri i9in20
..
_--- ---
-~-.---~==-==(e=30, ~e=-15), diger 21 kuraIm ~~ bi~bir etkisi olmaml~. ~ekil 2.9
ima
edilen bulamk ~~ kiimelerini ve bunlarm TOPARLAMA ~lemlerinden soma ol~duklan sonu~ bulamk ~~ kiimesini giistermektedir [4].-4 ·3 -2 ·1 0 1 2 3 4 <Q>.mpls)
,
·4 -3 . -2 ., 0
,
2 3 4 u(Amph]~kil2.9. So~
bulamk
~kiimesi
<;Ikanm me
kanizma
S1, ~~olarak
yukandaki gibi !lout (u) diye ad1andm1an sonuyy~
bulamk
ldimesi tespit eder. Bukiime,
~ sa}'1Sll1 degerini hesaplamak. iyin duruhucu bhimine giinderilir.2.2.2.4 C;:~ birimi veya durultucu
Durultucu birimi, ylkarun mekanizmasmm o~dugu sonuy 9~
bulamk
kiimesini kuIlanarak denetleyicinin ~IID saYJS3l olarak hesapJar. En popUler durulama metodu21
"Agrrhk Merkezi" yontemidir. Bu yontemde /lout(u) bu1amk kfimesinin $hk merkezi ~da verilen formii11e hesaplamr:
u
* = J
u /lout (u) du IJ
/loudu) du (2.14) Fakat /lout (u) fonksiyonunun integralini hesaplarnak bazen gii~ ve zaman ahCl olabilmektedir. Sonu~ bulamk ~~ kfimesi ima edilen bu1amk ~~ kiimelerininbir1e~imi neticesinden elde edildiginden, agu-hk merkezi hesaplanmaS1Il1Il ~Jk
degeri, ima edllen bulamk ~~ kfime1erinin merkez1erinin agrrhkh ortaiamaSl besapJanarak
bulunabilir.
Omegin, Un n. ima edilen bu1amk kfunenin merkezi ve Wn de bu kfimenin yiiksekligi01sun.
Buna gore denetleyicinin ~~mm saYJ8al degeri(2.15)
olarak hesaplamr.
Bu yonteme "Merkez1erin Agrrhkh Orta1amaS\" metodu denir. C;~ hesap1amasl
olduk~ kolay oldugundan
bulamk
denetim uygulamalarmda en ~ok kllllamian yontemlerden biridir. Buyontemde,
TOPARLAMA ~1emine ihtiy8¥ yoktur.C;ilnk:ii
~~ saYJ8al degeri direk olarak ima edilen
buIamk
~~ kiimeleri ku1lamIarak hesap1anmak:tamF. Dikkat edilecek olursa Wn aslmda ilgili !rura1m kesinlik derecesidir [5].Hesaplamalarda , ~~
buIanJk
kiimelerinin sadece merkez1eri kullamld,S1 i~in, ~buIanJk
kiime1erinin
~killeri onemli degildir. Y"me yukanda lmllamlan e=30, oe=-ISornegini ele ahrsak ve "Merkezlerin AgJrbkh Ortalarnas\" y5ntemi durultma ~lerni i~in
~ilirse 0 zaman ~~
U*=(0.35*(-2)+0.35*(-1} +0. 15*(-1}+0. 15*0)1(0.35+0.35+0. 15 +0.15)=-1.2 olarak hesaplanrr.
2.3 Yapay Sinir AgIan
Y eni bul~lamn canhlan inceleyerek ve onlarm yapllanndan esinlenerek yapan biIim adamJan insan beynini de incelemi1;lerdir. Dlirtiileri beyne ileten sinir hiicrelerinin bugiiniin ~ok bJzh ~aD bilgisayarlanndan ~ok daha ya~ bir iletim bIzma sahip
22
olduklan balde, nastl olup ta kon~ anlama, gorme, duyma, hissetme gibi bire,:ok ~i,
hemde eksik bilgiyle bilgisayara gore nastl daha iyi ~dlgJ ar~~Jf. Yaptlan
~urmalar sonucunda, beynin biJgileri parelel bir ~kilde ~ledigi onaya y~tJf. [6].
Bu yiizden ~lemJerin aynen insan beyninde oldugu gibi parelel ~Iendigi sistemler ilzerinde yab~~Jf. Yapay sinir agJan ise bu sistemlerden biridir. YSA parelel
da~ bir bilgi ~leme sistemidir. Bu sistem tek yonlii ~et kanallan ile birbirine bagJanan ~Iem elemanlanndan ol~. r;:~ ~eti bir tane olup istege gore yogaltllabilir. YSA y~u:runm ternel dii~iiDcesiyle, insan beyninin fonksiyonlan arasmda benzerlik vardrr. Bu yiizden YSA sistemine insan beyninin smrrlt bir modeli denilebilir. YSA yevre ~ gore kendini ~ek:illeyebilir. G~ler ve istenen
y~lann sisteme verilmesi ile kendisini furkh cevaplar verebilecek ~kilde egitebilir.
Ancak son derece ~tk bir iy yaPlSl vardrr. 0nun iyin bugiiDe kadar geryekle~irilen
YSA; biyolojik funksiyonlann ternel noronlanru oroek alarak yerine getiren kompoze elemanlardrr [7,10].
2.3.1 ot'OnUD biyolojik yaplSl
Bu b5liimde, yapay sinir agJannm ~maslDlD ternelini ol~ biyolojik noronun yaplSIDl ozetle anJatmak istedik. ~ekil 2.l0'da biyolojik noronUD yaPlSt goriiJmektedir.
Merkezi sinir sisteminin yaPl~l norondur, Deroo viicudun ye~itli b5liimlerinden gelen bilgiyi ~Ieyen ve bu b5tUmlere bilgiyi ~ hiicredir. Bir bilginin ~Ienmesi
otaymda tek ~ma bir noron birbiriyle ozel bir roatematiksel fonksiyonla bagh iie,:
biiliimden olu~ur;
i) Sinapslar; bilgi temelinin depoJaodJgl ve diger noronJardan bilginin aJmdJ~
b5liimd iir.
ii) Soma adJ verilen hiicre govdes~ sinaptik bilgiyi alIT ve ek olarak bilginin
~lenmesi iyin perfOrroatlS harcar.
iii) Naron diger noronlara tekil fiber olarak adlandmJan axonla bilgiyi iletir.
23
OeMiler Hooe GOvde •.
ekiJ 2.10 Biyolojik noronUD ~rnatik goriintiisii
Bir axon ile dendritin bagJanu nolctasma sinaps denir. Sinapslar gey~ tecriibeleri depolamak iyin uzun donem hafizasl iyerirler, bu bilgi tabaru jyll bir depodur. Bir biyolojik noron ortalama oIarak 10 000 sinaptik baglantlya sahip olabilir [7].
~ek:il 2.11 'de biyolojik noronUD sioyal ~leme karakteristiginin ~matik diyagrarruru goriiyoruz.
JD erIrIleI . (Gi~let)
Axon hiIok
NCi<aI Gii;ief Sinopol",
ekiJ 2.11 Biyolojik noronun sinyaJ ~leme karakteristigi
Bilgi ~leme teriminde, sinaps ham sinyali frekans-voltaj don~iimiinii geryekle~irir.
Matematiksel noktadan ba.kllinca, bir noronda bilginin ~lenmesinde iki aynk marernatiksel ~lem gerektirir.
24
---
sinapsin giicii depolannu~ bilginin temsil edilrnesidir. Sinaptik
~lem noral ~lere bir gUy saglar. Bundan dola)'l sinaptik ~lem her bir gelen sinyale sinapsda depo e~ gey~ bilgiye gore bir bagil aglClIk ataDIC.
ii) Somatik islem: Bu sinaptik ~Iere toplam, e~ik ve non-lineer aktivasyonu saglar.
$ayet neural ~lerin kuvvetlend~ toplarru belirli bir e~ik degerini ~sa, soma bir y~ sinyali iiretir.
2.3.2 Tipik noo-lineer aktivasyoo operator ornekJeri (tasvir ornekleri)
G~ hiicrelerinden gelen bilgiler bagJanl1 agrrlIk katsayllanyla yarpwp toplaoarak bir
f
tasvir fonksiyooundan geyirilmektedir. Tasvir fonksiyoou y~ bilgilerioin normalize edilrnesi ve lineerlik veya ooolineerlik kazandmnak: aylSrndan onernt~u:naktadlC. $ek:il 2.1 I 'de tasvir fonksiyoo omeklerioi goruyoruz (6).
.nu(t)J - 8 u,
K > 0, aaivation pin
{
+1 IrS">I, tp{u(t)) - ' " if \PI < I,
- 1 ifIU>- l,
g>O, aaivation pia
~U(I)J - acn(U]
25
- - -
....- -
y{u(t») ~
u(c)
'¥{u(t)J
o(t) .
+1 i - - -
o
- - - ! -l
- -- - - - - - -
(IV) UqjpoIv
<izmc>id41
2.3.3 YSA'mn yaplSl
1
¥i"(1)1-1 +c:rp{-.-,,)
1::>0. I.<ti\ration .s-in
'" [.(llI .. QllII(s- .. (t)].
,>
0. acIi,lIIlo ...fiu(l)] .. {l if .J,(r) - MAX{z.(rJ}.
o
IMhc~~kil2.U Tasvir fonksiyon1an
U(I)
YSA'da beyindeki
sm
hiicre1erinde oldugu gIbi bilginin parelel iletilmesi ve bir hiicreye bir~k hiicreden bilgi ~ oldugu ba1de yalmz bir y~ sahip olma sOzkonusudur.
YSA y5memini §ekil2.13'deki gIoi modelleyebiliriz. ~gwa gorii!diigii iizere ~
bilgileri lineer o1arak
Fz
~ katmanma ileti1mekte ve bu bilgiler her biiere arasmdaki26
---
---=--~=~=...
degiljik baglanll
agrrWc
katsayilanyia c;:arpUarak Fy am katmanlanna ve Fz c;:~katmaruna i1etilmektedirler. C;;~ katmarundan ise hesapl~ y~ bilgiJeri olarak ahrurlar [12].
HESAPLANAN CIKTlLAR
F.
Fyi
Fyi
Sekil 2.13 YSA'run YaplSl
bkJ. b~ =Bk
,ak..) = Ak
ekil2.13 YSA'run yaplSl
27
~ekil.2.13'te hUcreler arasmdaki illijki ~ematik olarak goste~ir. Buradaki yapl matris fonnunda gosterilecek olursa
Yl=f(.X1. WJJ+X2.W21+X3. W31+ ... +X .. W.l) Y2=f(XJ. W12+ X2. W22+ X3. W32+ '" +
x ..
W ~Y3=f(X1. W13+X2. W23+ X3. W33+ ... +
x;.
W>Q)Yp=f(X,. W,p+ X2. W2p+ X3- W3p+ '" +
x ..
W np)p tane Y Q~l ve n tane X ~i oldugundan matematiksel formda YI f(WllW2IW31"'Wnl Xl
Y2 f(W12W22W3Y Wn2 X 2
= f(W13W23W33"' Wn3 X3 yazIhr.
Y=
Y.
}=
JJ Li=l ~
(X .. W . .)]l ! l=
J.r L }
W.x]
2.3.4 YSA
Ognmmesi
(2.15)
(2.16)
(2.17)
YSA sistemi kullaml1rken oncelikle verilecek ~ bilgilerine kar§ilik hangi Qlla.~
bilgilerinin abnmaSI gerekti~ bi1imnelidir. Sistemin egitilmesi esnasmda sisteme verilen g~ bilgileriyle
daha
onceden bilinen Qlla.~ bilgilerini elde edebilmek iQin biitiin sistem iQerisindeki baglantl agrrllk katsayIlan de~iri1erek en az hata verecek ~ekildeen uygun bale getirilir. Baglantl agtrllk katsayllan ve ~ik degerlerinin Q~ bilgilerini en dogru ~kilde verebilmesi iQin en uygun hale getirilmesine YSA'nm egitilmesi veya ogrenmesi denir [5].
28
--- --'---...,~ -<'=---==