Beruflich Dokumente
Kultur Dokumente
I.1 INTRODUCTION
Les techniques de l’intelligence artificielle, notamment la logique floue, pouvant être utilisées
à bon escient pour leur qualités a résoudre certains problèmes liées aussi bien aux erreur de
modélisation qu’a la méconnaissance même du modèle du système à commander. A l’instar
d’un contrôleur PI classique, un contrôleur flou une PI flou, a l’aptitude d’améliorer les
performances dynamiques(en poursuite) et statiques (en rejection) d’un contrôle bouclé et cela
indépendamment de la connaissance du modèle du système à commander ceci pourrait donner
un à priori favorable pour le PI flou.
La logique floue suscite actuellement un intérêt général auprès des chercheurs et des
industriels. Elle peut généraliser des modes de raisonnement naturels, d’automatiser la prise
de décision dans leur domaine, de construire des systèmes artificiels effectuant les taches
habituellement prise en charge par les humains. De plus, la logique floue a été introduite pour
approcher le raisonnement humain à l’aide d’une représentation adéquate des connaissances.
Son intérêt réside dans sa capacité de traiter l’imprécis, l’incertain et le vague.
Elle est issue de la capacité de l’homme à décider et agir de façon pertinente malgré le flou
des connaissances disponibles.
Les bases théoriques de la logique floue ont été établies en 1965 par le professeur Lotfi Zadah
de l’université de Californie de Berkley .A cette époque la théorie de la logique floue n’a pas
été prise au sérieux en effet les ordinateurs avec leur fonctionnement exacte par tout ou rien
(1et 0) ont commencé a se répandre sur une large échelle .Par contre la logique floue permet
de traiter de variable non exacte dont la valeur peut prendre n’importe valeur entre (1et 0).
Pour cette optique, dans ce chapitre on présentera les aspects théoriques de la logique floue,
puis le principe de la conception d’un régulateur PI flou ainsi que son application pour le
réglage de la vitesse d’une machine électrique.
Dans la perspective des sciences de l’ingénieur, on peut admettre que dans les situations où
les méthodes traditionnelles de modélisation à partir d’observation physiques s’avèrent non
satisfaisantes, les sciences subjectives, particulièrement la logique floue, peuvent rendre
beaucoup de services, dès lors que les connaissances sur la façon de résoudre un problème, de
1
Cours I Com mande par la logique floue
piloter un grand système, d’effectuer un réglage…etc. sont disponibles. Cela suppose que l’on
sache définir des méthodes rigoureuses de représentation des connaissances.
En pratique la résolution d’un problème concret peut avoir recours à l’utilisation conjointe des
méthodes objectives traditionnelles et celles subjectives. La logique floue offre un cadre
formel, qui n’existait pas auparavant.
Les prémisses de la logique floue sont apparues avant les années 1940, avec les premières
approches, par des chercheurs américains, du concept d'incertitude. Il a fallu attendre 1965,
pour que le concept de sous ensemble floue soit proposé par L. A. Zadeh, automaticien de
réputation internationale, professeur à l'université de Berkeley en Californie, qui a contribué à
la modélisation de phénomène sous forme floue, en vue de pallier les limitations dues aux
incertitudes des modèles classiques à équation différentielle. En 1974, M. Mamdani
expérimentait la théorie énoncée par Zadeh sur une chaudière à vapeur, matériel dont on
connaît la complexité, introduisant ainsi la commande floue dans la régulation d'un processus
industriel. En 1985, les premiers produits industriels utilisant le principe de la logique floue
appliqué à des problèmes de réglage et de commande sont nés au Japon. Des processeurs
dédiés à des applications de réglage par la logique floue ont été développés. Les sociétés
japonaises comprirent l'avantage à la fois technique et commercial de la logique floue à
savoir:
Facilité d'implantation;
Solution de problèmes multi variables complexes;
Robustesse vis à vis des incertitudes;
Possibilité d'intégration du savoir de l'expert ;
Possibilité d'intégration du savoir de l'expert.
2
Cours I Com mande par la logique floue
Les systèmes flous ont été utilisés dans une large variété d’applications industrielles,
gestionnaires et médicales. Parmi ses applications on peut citer:
Dans cette section, on présente brièvement, et d’une façon non exhaustive les éléments de
base principaux de la théorie de la logique floue.
Le concept des variables linguistiques joue un rôle important dans le domaine de la logique
floue. Une variable linguistique comme son nom le suggère, est une variable définie à base de
mots ou des phrases au lieu des nombres. En effet, la description d’une certaine situation,
d’un phénomène ou d’un procédé contient en général des expressions floues comme ″quelque,
beaucoup, souvent, chaud, froid, rapide, lent, grand, petit …etc.″ Ce genre d’expressions
forme ce qu’on appelle des variables linguistiques de la logique floue.
On peut représenter une variable linguistique par un triplet (𝑉, 𝑈, 𝑇𝑣), tels que : 𝑉 est une
variable numérique (Vitesse, Taille, Température) définie sur un univers de référence 𝑈 et 𝑇𝑣
est un ensemble de catégories floues de 𝑈, qui sont utilisées pour caractériser 𝑉 à l’aide de
fonctions d’appartenance. Considérons la vitesse de rotation d’une machine électrique comme
3
Cours I Com mande par la logique floue
une variable linguistique définie sur un univers de discours 𝑈= [0,100] rd/s, et son ensemble
de catégories floues 𝑇 = (Lente, Rapide, Moyenne).
Ces trois ensembles flous de 𝑇 peuvent être représentés par des fonctions
d’appartenance comme le montre la figure suivante :
µ(𝑉𝑖𝑡𝑒𝑠𝑠𝑒)
Lente Moyenne Rapide
1
0.5
0 Vitesse
70 100
40 55
Fig. I.1 Représentation graphique des ensembles flous d’une variable linguistique.
Dans la théorie classique des ensembles, c’est la fonction caractéristique qui définit
l’ensemble. Cette fonction ne prend que les deux valeurs discrètes 0 (l’élément n’appartient
pas ...) ou 1 (...appartient à l’ensemble).
Un ensemble flou est défini par une fonction d’appartenance qui peut prendre toutes les
valeurs réelles comprises entre 0 et 1 . C’est l’élément de base de la logique floue. Il a été
introduit en première fois par Zadeh en 1965. Le concept de ce dernier a pour but d’éviter le
passage brusque d’une classe à une autre et de permettre des graduations dans l’appartenance
d’un élément à une classe ; c'est-à-dire d’autoriser un élément à appartenir plus ou moins
fortement à une classe.
A titre d’exemple les trois catégories ″Petite, Moyenne, Grande″, associées à leurs fonctions
d’appartenance, sont appelées des ensembles flous. Et on peut définir également l’univers de
discours ou l’univers de référence comme étant l’ensemble des valeurs réelles que peut
prendre la variable floue.
Dans un domaine continu les ensembles flous sont définis par leurs fonctions d’appartenance.
Tandis que dans le cas discret les ensembles flous sont des valeurs discrètes dans l’intervalle
[0 1].
4
Cours I Com mande par la logique floue
Un ensemble flou est défini par sa fonction d’appartenance qui correspond à la notion de
fonction caractéristique en logique classique, elle permet de mesurer le degré d’appartenance
d’un élément à l’ensemble flou. En toute généralité, une fonction d’appartenance d’un
ensemble flou est désignée par µ ( ). L’argument se rapporte à la variable caractérisée,
alors que l’indice 𝐴 indique l’ensemble concerné.
Généralement, les plus souvent utilisées sont les fonctions de forme trapézoïdale ou
triangulaire.
0
𝑥 𝑥 𝑥
0 0
a) Forme triangulaire b) Forme trapézoidale c) Forme gaussienne
Une fois les ensembles flous définis, des opérations mathématiques concernant ce type
d'ensembles ont été développées. Les opérateurs mathématiques élaborés ressemblent
beaucoup à ceux reliés à la théorie des ensembles conventionnels. Les opérateurs de
l’intersection, L’union, la complémentation et l’implication sont traduites par les opérateurs
″ 𝐸𝑇, 𝑂𝑈, 𝑁𝑂𝑁 et 𝐴𝐿𝑂𝑅𝑆″ respectivement. Soit 𝐴 et 𝐵 deux ensembles flous, dont les
fonctions d’appartenance sont ( ) ( ) respectivement. Le tableau suivant résume
quelques fonctions utilisées pour réaliser les différentes opérations floues de base.
5
Cours I Com mande par la logique floue
Opérateurs 𝐸𝑇 𝑂𝑈 𝑁𝑂𝑁
flous
Zadeh (1973) ( ( ) ( )) ( ( ) ( )) 1- ( )
Lukasiewicz, ( ( ) ( ) ) ( ( ) ( ) ) 1- ( )
Giles (1976)
Hamacher ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1- ( )
(1978) ; ( )( ( ) ( ) ( ) ( )) ( ) ( ) ( )
(𝛾 > 0)
Bondler et ( ) ( ) ( ) ( ) ( ) ( ) 1- ( )
Kohout
(1980)
( ) ( ) ( ) ( ) 1- ( )
Weber ( ) ( ) ( ) ( )
0 sinon 1 sinon
D’autre part, l’implication floue se construit à partir des propositions floues élémentaires.
Pour cette opération, il existe encore plusieurs méthodes. Les plus souvent utilisées sont
données par le tableau suivant.
Mamdani ( ( ) ( ))
Reichenbach ( ) ( ) ( )
Willmott { ( ) ( ( ) ( ))}
Dienes ( ( ) ( ))
1 si ( ) ( )
Brown Godel
( ) sinon
Lukasiewicz ( ( ) ( ))
Larsen ( ) ( )
La règle floue est une relation exprimée à l’aide d’une implication entre deux propositions
floues. Par exemple, considérons deux variables linguistiques (𝑉1, 𝑈, 𝑇𝑣1), (𝑉2, 𝑈, 𝑇𝑣2) et les
deux propositions suivantes ″ 𝑉1 est 𝐴″, ″ 𝑉2 est 𝐵″, où 𝐴 et 𝐵 sont deux ensembles flous de
𝑉1et 𝑉2. On peut définir la règle floue par l’expression ″ 𝑉1 est 𝐴 𝐴𝑙𝑜𝑟 𝑉2 est 𝐵″.
La proposition ″𝑉1 est 𝐴″ est la condition de l’implication ;
6
Cours I Com mande par la logique floue
Généralement, plusieurs règles floues sont nécessaires pour prendre une décision face à une
situation donnée. On s’intéresse au cas de plusieurs règles floues dans le domaine de la
commande et la régulation. Les règles floues peuvent être décrites de plusieurs façons:
Linguistiquement : Dans ce cas, on exprime les règles de façon explicite comme dans
l’exemple suivant :
″Si l’accélération est faible et la vitesse est faible Alors faire appel à un grand couple″.
Symboliquement : Il s’agit, dans ce cas, d’une description linguistique où l’on remplace la
désignation des ensembles flous par des symboles tels que 𝑃𝐺, 𝑃𝑃,…etc. désignant (𝑃𝑜 𝑡 𝑓
𝐺𝑟 𝑑, 𝑃𝑜 𝑡 𝑓 𝑃etite ,…etc.).
Par matrice d’inférence : Dans ce cas, on rassemble toutes les règles qui sont désignées
symboliquement dans un tableau appelé ″Matrice d’inférence″. Les entrées du tableau
représentent les degrés d’appartenance des variables linguistiques des entrées aux différents
ensembles flous. Et l’intersection d’une colonne et d’une ligne donne l’ensemble flou de
sortie défini par la règle.
La commande par la logique floue est en pleine expansion. En effet, cette méthode permet
d'obtenir une loi de réglage souvent très efficace sans devoir faire des modélisations
approfondies. Par opposition à un régulateur standard ou à un régulateur à contre-réaction
d'état, le régulateur par logique floue ne traite pas une relation mathématique bien définie,
mais utilise des inférences avec plusieurs règles, se basant sur des variables linguistiques. Par
des inférences avec plusieurs règles, il est possible de tenir compte des expériences acquises
par les opérateurs d'un processus technique.
Généralement le traitement d’un problème par la logique floue se fait en trois étapes:
7
Cours I Com mande par la logique floue
Le schéma bloc d’un régulateur flou est illustré par la figure suivante:
Base de connaissance
E (𝑡)
Interface de Interface de u (𝑡)
fuzzification déffuzzification
y(𝑡)
Mécanisme d’inférence
Processus
Où :
E (𝑡) : Est le signal de référence ;
u (𝑡) : Est le signal de commande ;
y (𝑡) : Est la sortie du système à commander.
La fuzzification est l’opération de projection des variables physiques réelles sur des
ensembles flous caractérisant les valeurs linguistiques prises par ces variables. Le bloc de
fuzzification effectue les fonctions suivantes :
Définition des fonctions d’appartenance de toutes les variables d’entrées ;
Transformation des grandeurs physiques (réelles ou numériques) à des
grandeurs linguistiques ou floues ;
Représentation d’échelle transférant la plage des variables d’entrées aux
univers de discours correspondants ;
Pour les fonctions d’appartenance, on utilise généralement les formes triangulaires et
trapézoïdales.
8
Cours I Com mande par la logique floue
Avec :
On peut écrire les règles d’inférence sous forme d’une matrice appelée Matrice d’inférence,
qui est généralement antisymétrique. A titre d’exemple, si on considère un régulateur flou à
deux entrées caractérisées par trois ensembles flous et une sortie, alors la matrice d’inférence
peut prendre la forme suivante:
𝑋 𝐹 𝐹 𝐹
𝑋
𝐹 𝐺 𝐺 𝐺
𝐹 𝐺 𝐺 𝐺
𝐹 𝐺 𝐺 𝐺
L’inférence floue ou la logique de prise de décision est le cœur du régulateur flou qui possède
la capacité de simuler les décisions humaines et de déduire (inférer) les actions de commande
9
Cours I Com mande par la logique floue
floue à l'aide de l'implication floue et des règles d'inférence de la logique floue [30]. Elle
utilise les variables floues transformées par la fuzzification et les règles d’inférence pour créer
et déterminer les variables floues de sortie, en se basant sur des opérations floues appliquées
aux fonctions d’appartenance.
Il existe plusieurs possibilités pour réaliser les opérateurs flous qui s’appliquent aux fonctions
d’appartenance. On introduit la notion de mécanisme ou méthode d’inférence, qui dépend des
relations utilisées pour réaliser les différents opérateurs dans une inférence, permettant ainsi
un traitement numérique de cette dernière.
Pour le mécanisme d’inférence flou, on utilise en général l’une des trois méthodes suivantes:
Opérateurs
flous Et Ou Alors
Méthodes
d’inférence
Max-Min Minimum Maximum Minimum
Le choix d’une telle ou telle méthode dépend de l’utilisateur et du cas à traiter. Dans notre
cas, on adopte la méthode d’inférence somme produit.
10
Cours I Com mande par la logique floue
représentent l’action linguistique de la règle en question. Les actions des différentes règles
sont liées entre elles par l’opérateur OU qui est réalisé par la formation de la somme
(moyenne arithmétique).
Si on suppose que les entrées du régulateur sont (x1,x2) et sa sortie est xr, alors l’action de
chaque règle est donnée par:
( ) ( ) ( ) ( ) ( ) (I )
Où :
( ) [ ( ) ( ) ( )] 𝑚 (I )
Cette étape consiste à transformer la valeur floue ou linguistique issue du régulateur flou en
valeur numérique. Plusieurs méthode ont été proposées dans la littérature, telles que :
La methode des hauteurs ;
Le premier des maxima ;
Le dernier des maxima ;
La moyenne des maxima ;
Le centre de gravité ;
Le centre des aires ;
Le centre de la plus grande surface ;
Le centre des maxima.
Néanmoins, il n’existe pas des critères de choix de l’une de ces méthodes. Cependant la
méthode du centre de gravité reste la plus utilisée pour la plupart des cas. Cette méthode fait
l’objet du paragraphe suivant.
11
Cours I Com mande par la logique floue
La stratégie de cette méthode consiste à traiter graphiquement les aires associées aux
fonctions d’appartenance des termes linguistiques des conclusions ( ) qui forment
( ).Ces aires étant pondérées par le degré de vérité de chaque règle, donc il est logique
de confondre la valeur numérique de la sortie et l’abscisse du centre de gravité de la surface
formée pour l’union de ces aires ( ).
∫ ( )𝑑 (I 3)
∫ ( )𝑑
(I 4)
( ) ∑ ( )
𝑚
(I 5)
∫ ( )𝑑 ∑ ( )𝑑 ∑ 𝑆
𝑚 𝑚
Telle que :
(I 6)
𝑆 ∫ ( )𝑑
12
Cours I Com mande par la logique floue
∫ ( )𝑑 ∑ ∫ ( )𝑑 ∑ 𝑆 (I )
𝑚 𝑚
Tel que :
∫ ( )𝑑 (I 8)
𝑆
∑ 𝑆 (I 9)
∑ 𝑆
Cette partie est consacrée à l’application de la logique floue à la commande de vitesse d’une
machine électrique.
L’observation du processus montre que les grandeurs significatives pour le contrôle sont
l’erreur de vitesse et la variation de cette erreur. On adoptera donc, pour les entrées du
correcteur flou, ces deux grandeurs caractéristiques notées 𝑒 et 𝑒.Quant à sa sortie
elle représente l’incrément du signal de commande à appliquer au processus à commander,
celui-ci correspondant à la variation du couple de référence .Cette configuration,
analogue à celle d’un PI conventionnel, est souvent qualifiée de PI flou.
La configuration de la boucle du régulateur flou de vitesse est illustrée par la figure suivante.
13
Cours I Com mande par la logique floue
𝑒 𝐾 𝑒
Avec :
𝑒 : L’erreur, elle est définie par : 𝑒( ) ( ) (I )
𝑒 : La variation de l’erreur : 𝑒( ) 𝑒( ) 𝑒( ) (I )
: Est la variation du couple électromagnétique de référence ;
𝑒 (I 3)
𝑒
(I 4)
Où :
Les règles d’inférence permettent de déterminer le comportement du régulateur flou qui doit
donc inclure des étapes intermédiaires qui lui permettent de passer des grandeurs réelles vers
les grandeurs floues et vice versa ; ce sont les étapes de fuzzification et de défuzzification
comme le montre cette figure :
14
Cours I Com mande par la logique floue
𝑒𝑛
Fuzzification 𝑐𝑒𝑚𝑟𝑒𝑓𝑛
Moteur
Défuzzification
D’inférence
𝑒𝑛
Fuzzification
Matrice
D’inférence
Pour les fonctions d’appartenance, on a choisi pour chaque variable les formes triangulaires et
trapézoïdales comme le montre la figure suivante :
𝜇(𝑒𝑛 ) 𝜇( 𝑒𝑛 ) 𝜇( 𝐶𝑒𝑚𝑟𝑒𝑓𝑛 )
NG NP EZ PP PG
0
-1 -0.5 0 0.5 1
𝑒𝑛 𝑒𝑛 𝐶𝑒𝑚𝑟𝑒𝑓𝑛
Fig. I.6 Fonctions d’appartenance des entrées et de la sortie du régulateur flou choisi.
Explicitons maintenant les notations des sous-ensembles flous utilisés pour fuzzifier les trois
variables précédentes :
15
Cours I Com mande par la logique floue
PG : Positif Grand.
Comme nous l’avons mentionné, chacune des deux entrées linguistiques du contrôleur flou
possède cinq ensembles flous, ce qui donne un ensemble de vingt-cinq règles. Celles-ci
peuvent être représentées par la matrice d’inférence suivante :
NG NP EZ PP PG
NG NG NG NP NP EZ
NP NG NP NP EZ PP
EZ NP NP EZ PP PP
𝑒
PP NP EZ PP PP PG
PG EZ PP PP PG PG
𝑆 𝑒 𝑒 𝑡 𝑃𝐺 𝑒𝑡 𝑒 𝑒 𝑡 𝑃𝐺 𝐴𝑙𝑜𝑟 𝑒 𝑡 𝑃𝐺
Cette matrice d’inférence est établie à partir d’une parfaite connaissance du comportement du
système, ainsi que la connaissance de l’objectif du contrôle à atteindre.
(I 6)
16