Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

1 Dr Meriem Benbrahim MI2022 Chapitre 3 Logique Floue III.1. Introduction La co

1 Dr Meriem Benbrahim MI2022 Chapitre 3 Logique Floue III.1. Introduction La conception et la mise en œuvre de systèmes d’informations avancées, de logiciels d’aide à la décision, de postes de supervisions de procédés industriels avec les problèmes de communications homme- machine qui les accompagnent se caractérisent par la constante manipulation d’informations dont beaucoup sont subjectives, imprécises, vagues et incertaines. L’intégration de l’homme dans son environnement informatique pour exploiter correctement les savoirs ou automatiser certaines tâches, tout cela requiert la formalisation et la mécanisation des méthodes humaines pour des raisonnements empiriques ou naturels et la rationalisation de procédures de choix. L’intelligence artificielle a eu un impact limité, jusqu’à une date récente, sur les applications industrielles, parce qu’elle a mis l’accent, de façon exclusive, sur le traitement symbolique de la connaissance, par opposition à la modélisation numérique utilisée traditionnellement dans les sciences de l’ingénieur. Néanmoins, la logique floue permet de faire le lien entre modélisation numérique et modélisation symbolique, ce qui a permis des développements industriels à partir d’algorithmes très simples de traduction de connaissances symboliques en entité numérique et inversement. Plus récemment, on a assisté à un retour du numérique dans ces problèmes d’intelligence artificielle, avec la logique floue. Cette dernière est plus conforme à l’intelligence artificielle symbolique, qui met en avant la notion de raisonnement, et ou les connaissances sont codées explicitement. III.2. Idée de l’utilisation de la logique floue Comme la science s’appuie sur la notion de mesure, les questions qui se posent : Comment représenter les valeurs non mesurables? Comment représenter ce qui est incertain ou subjectif ? Comment représenter les termes du langage humain ? Les descriptions linguistiques d’un système sont souvent vagues. Mais, le flou n’est pas imprécis. Si une donnée n’est pas connue précisément, elle peut être exprimée par un intervalle de confiance précis. Cet intervalle est un ensemble de valeurs possible pour la donnée. 2 Dr Meriem Benbrahim MI2022 La logique floue est une technique de résolution de problèmes très puissants avec une large applicabilité dans le contrôle et la prise de décision. Elle est très utile lorsque: le modèle mathématique du problème à traiter n’existe pas, il existe mais difficile à implémenter, ou il est trop complexe pour être évaluer assez rapidement pour des opérations en temps réel, et encore lorsque des experts humains sont disponibles pour fournir des descriptions subjectives du comportement du système avec des termes en langage naturel. Elle est aussi supposée de travailler dans des situations où il y a de larges incertitudes et des variations inconnues dans les paramètres et la structure du système. III.3. Définitions de la logique floue - La logique floue est une extension de la logique classique qui permet la modélisation des imperfections des données et se rapproche dans une certaine mesure de la flexibilité du raisonnement humain. - La logique floue diffère de la logique classique parce qu’elle permet des définitions partielles ou “floues” des règles de contrôle. - La logique floue est une branche des mathématiques qui permet à un ordinateur de modéliser le monde réel de la même façon que les personnes. Elle est préoccupée par la quantification et le raisonnement en utilisant un langage qui permet des définitions ambigües comme, beaucoup, peu, petit, haut, dangereux, etc. Elle s’occupe de situations où la question qui est posée et la réponse obtenue contiennent des concepts vagues. III.4. Principe de base de la logique floue La logique floue est une extension de la logique booléenne créée par Lotfi Zadeh en 1965, en se basant sur sa théorie mathématique des ensembles flous, qui est une généralisation de la théorie des ensembles classiques. En introduisant la notion de degré dans la vérification d'une condition, nous permettons à une condition d'être dans un autre état que vrai ou faux. Dans ce cas, la logique floue accorde une flexibilité très appréciable aux raisonnements qu’elle utilise, ce qui rend possible la prise en compte des imprécisions et des incertitudes. Dans la logique binaire une variable ne peut prendre que deux valeurs vraie (1) ou fausse (0). Les propositions énoncées en prémisse d’une règle et en conclusion ne peuvent être, dans ce cas, que totalement vraies ou bien totalement fausses (si P, alors C). Contrairement, la logique floue proche du raisonnement humain ne suit pas la logique basée sur le (vrai) ou le 3 Dr Meriem Benbrahim MI2022 (faux). C’est une logique linguistique, floue ou approximative. Les valeurs de vérité sont des mots du langage courant plutôt vrai, presque faux, etc. III.5. Historique de la logique floue 1965 : le concept de la logique floue est introduit par Pr. Lotfi Zadeh (Berkeley), où il définit les ensembles flous et les opérateurs associés; Fuzzy Set Theory. 1970 : les premières applications étaient basées sur la notion d’expertise qui permet de quantifier le flou à partir de connaissances acquises antérieurement; Systèmes experts pour l’aide à la décision en logique floue et au diagnostic dans le domaine médical, commercial, orientation professionnelle, etc. 1974-1975: la première application industrielle apparaît; le professeur Mamdani développait une stratégie pour le contrôle des procédés et les résultats obtenus étaient appliqués sur la conduite d’un moteur à vapeur. Régulation floue d’une chaudière à vapeur réalisée par Mamdani à Londres. 1978- 1980: la société Danoise F.L. Smidth a réalisé le contrôle d’un four à ciment. C’est en ce moment qu’apparaît la première véritable application industrielle de la logique floue. Au Japon, la logique floue connaît son véritable essor à la fin des années 80 dont la recherche n’est pas seulement théorique mais également très applicative dans plusieurs secteurs. 1985- 1987: les japonais sont les premiers à introduire des produits grand public, Métro de Sendai Hitachi au Japon. « Fuzzy Logic Inside» (i.e. machine à laver, appareils à photo, etc.). 1990-1992: En Allemagne des applications apparaissent en grand nombre comme la conduite de hauts-fourneaux Dunkerque et au Portugal l’apparition de l’Usine de Papier et de Produits de consommation courante: Aspirateurs, machines à laver, système de climatisation, etc. Enfin, c’est le grand pas de généralisation de l’utilisation de la logique floue dans les systèmes automobiles embarqués (climatisation, suspension, etc.), système de contrôle/ commande dans la plupart des domaines industriels de production, appareils électroménagers, etc. 4 Dr Meriem Benbrahim MI2022 III.6. Intérêt de la logique floue La logique floue, ou généralement le traitement des incertitudes, a pour objectif la représentation des connaissances imprécises et le raisonnement proche du langage humains de tous les jours. Elle présente aussi l’intérêt d’incorporer des connaissances linguistiques sur la manière de piloter un processus difficile, en prenant en compte les expériences acquises par les utilisateurs et les opérateurs du processus à commander. Cette logique permet d’exploiter les informations linguistiques de l’expert humain et décrivant le comportement dynamique d’un processus ou la stratégie de commande. Les connaissances dont disposent les humains sur le monde ne sont presque jamais parfaites. Elles présentent des imperfections qui peuvent être distinguées en deux classes : Incertitudes : pour désigner les connaissances dont la validité est sujette à question. Exemple Je crois que la température dans la salle est élevée ; la température dans la salle est très élevée. C’est la mise en question de la validité de l’observation. Ceci induit à une probabilité. Imprécisions : pour désigner les connaissances qui ne sont pas perçues ou nettement définies. Par exemple, que signifie très élevée ? C’est une appréciation => et là intervient la logique floue. Enfin, son intérêt réside dans sa capacité à traiter et à manipuler l’imprécis, l’incertain et les informations vagues issus de l’aptitude de l’être humain à décider d’une façon pertinente malgré la nature floue des connaissances disponibles. En effet, l’opérateur humain peut définir des stratégies de commande de façon linguistique avec un minimum de connaissance sur le processus. Aussi, formaliser le raisonnement humain et les règles sont énoncées en langage naturel. Si «Observation», Alors «Décision» où Si «Prémisse», Alors «Conclusion», qui peuvent être utilisées pour l’identification des systèmes comme pour leurs commandes. Exemple courant de quelques règles de conduite qu'un conducteur suit avec Si-Alors. (IF- THEN). (tab III.1). 5 Dr Meriem Benbrahim MI2022 Si le feu est rouge si ma vitesse est élevée et si le feu est proche alors je freine fort Si le feu est rouge si ma vitesse est faible et si le feu est loin alors je maintiens ma vitesse Si le feu est orange si ma vitesse est moyenne et si le feu est loin alors je freine doucement Si le feu est vert si ma vitesse est faible et si le feu est proche alors j'accélère Tab 3.1. Présentation de règles de la conduite Intuitivement, il semble donc que les variables d'entrée sont appréciées par le cerveau de manière approximative, correspondant ainsi au degré de vérification d'une condition de la logique floue. De ce fait, un système complet de règles basées sur la logique floue et permettant de prendre des décisions est appelé un Système d'Inférence Flou (SIF) à voir ci-après. Afin d'illustrer chacune des définitions, nous allons concevoir au fil de ce cours un système d'inférence flou en se basant sur uploads/Philosophie/ chapitre-3-22lf.pdf