Osnovni principi Fazi upravljanja

procesima

Srbijanka Turajli

Beograd 2014
 SADRAJ

1 U nastojanju da se oponaa priroda ......................................................................... 1

1.1 Upravljanje i regulacija kao intuitivna aktivnost ................................................................... 1
1.2 Zatvaranje povratne sprege .................................................................................................. 4
1.3 Kvantifikacija kao osnov projektovanja klasinih kontrolera ................................................ 6
1.4 U potrazi za mehanizmom odluivanja period savremene automatike............................. 9
1.5 Zatvaranje kruga .................................................................................................................. 10
2 Koncept fazi skupa ................................................................................................. 15
2.1 Preciznost i relevantnost ..................................................................................................... 15
2.2 Procena ostvarenog ishoda ................................................................................................. 16
2.2.1 Bivalentni pogled na ostvareni ishod ........................................................................... 16
2.2.2 Fazi reprezentacija ostvarenog ishoda ........................................................................ 17
2.3 Fazi skup .............................................................................................................................. 18
2.3.1 Definicija fazi skupa ..................................................................................................... 18
2.3.2 Presek fazi skupova (konjunkcija pojmova) ................................................................. 19
2.3.3 Unija fazi skupova (disjunkcija pojmova)..................................................................... 19
2.4 Okvir spoznaje - Fazi skup ulaza i izlaza sistema ................................................................ 20
3 Preslikavanje uzroka u posledice Fazi relacija....................................................... 23
3.1 Fazi relacija .......................................................................................................................... 23
3.1.1 Definicija fazi relacije ................................................................................................... 23
3.1.2 Korelacioni minimum i korelacioni proizvod ............................................................... 23
3.1.3 Interpretacija fazi relacije korelacije............................................................................ 25
3.2 Modeliranje implikacije ....................................................................................................... 27
3.3 Kodiranje pravila koje sadri konjunkciju uslova "I" ........................................................ 29
3.4 Kodiranje pravila koje sadri disjunkciju uslova "ILI" ....................................................... 31
4 Odreivanje upravljanja......................................................................................... 33
4.1 Korienje merenja - Max t-kompozicija ............................................................................. 33
4.2 Fazi skup izmerene veliine fazifikacija ............................................................................ 34
4.3 Fazi skup izlaza .................................................................................................................... 35
4.4 Odreivanje brojne vrednosti upravljanja defazifikacija.................................................. 37
4.4.1 Maksimum fazi skupa .................................................................................................. 38
4.4.2 Bisektrisa fazi skupa..................................................................................................... 38
4.4.3 Centar gravitacije......................................................................................................... 39
4.5 Povrina odluivanja............................................................................................................ 40
5 Projektovanje fazi kontrolera ................................................................................. 43
5.1 Struktura fazi kontrolera ..................................................................................................... 43
5.2 Fazi model kontrolera.......................................................................................................... 45
 5.2.1 Fazi aproksimacija trajektorije upravljanja ................................................................. 45
5.2.2 Formiranje pravila fazi model kontrolera ................................................................. 45
5.2.3 Kodiranje i agregacija pravila ...................................................................................... 46
5.3 Realizacija algoritma upravljanja ......................................................................................... 48
6 Primer projektovanja fazi regulatora ...................................................................... 51
6.1 Sistem spojenih rezervoara ................................................................................................. 51
6.1.1 Opis sistema ................................................................................................................. 51
6.1.2 Matematiki model procesa ........................................................................................ 51
6.2 Projektovanje klasinog PID kontrolera .............................................................................. 52
6.3 Projektovanje fazi kontrolera .............................................................................................. 53
6.3.1 Specifikacija promenljivih procesa ............................................................................... 53
6.3.2 Okvir spoznaje i funkcije pripadnosti ........................................................................... 54
6.3.3 Specifikacija pravila Fazi model kontrolera .............................................................. 55
6.3.4 Rezultati simulacije poreenje PIDa i fazi regulatora ............................................... 56
7 Od ideje do implementacije .................................................................................... 59
A. Operacije nad fazi skupovima ................................................................................. 61
A1. Definicija fazi skupa ............................................................................................................. 61
A2. Funkcije pripadnosti ............................................................................................................ 61
A2.1 S funkcija ...................................................................................................................... 61
A2.2 funkcija (superpozicija S funkcija) ................................................................................ 62
A3. Osnovne operacije nad fazi skupovima ............................................................................... 62
A3.1 Komplement fazi skupa................................................................................................ 62
A3.2 Presek (konjunkcija) fazi skupa .................................................................................... 62
A3.3 Unija (disjunkcija) fazi skupa ....................................................................................... 63
A3.4 Konveksnost fazi skupa ................................................................................................ 64
A3.5 Inkluzija fazi skupova ................................................................................................... 64
A4. Fazi brojevi........................................................................................................................... 64
A4.1 Aritemtika trougaonih fazi brojeva.............................................................................. 65
A5. Max- t-kompozicija fazi relacija .......................................................................................... 66

A5.1 Definicija Max- t-kompozicije fazi relacija................................................................... 66

A5.2 Max-t-kompozicija kao inverzna operacija ................................................................. 68

A5.3 Bidirekciona FAM teorema za korelacioni minimum ................................................... 68
A5.4 Bidirekciona FAM teorema za korelacioni proizvod..................................................... 69
B. Projektovanje rashladnog ureaja .......................................................................... 71
B1. Okvir Spoznaje ..................................................................................................................... 71
B1.1 Okvir spoznaje pojma Temperatura Y ....................................................................... 71
B1.2 Okvir spoznaje pojma brzina motora - U .................................................................... 72
B2. Fazi model kontrolera kodiranje pravila........................................................................... 73
B3. Implementacija algoritma - Odreivanje upravljanja ......................................................... 74
B3.1 odreivanje fazi skupa izlaza za jedno pravilo ............................................................ 74
B3.2 Agregacija izlaznih fazi skupova .................................................................................. 76
B4. Defazifikacija odreivanje vrednosti upravljakog signala............................................... 80
B4.1 MOM, LOM i SOM........................................................................................................ 80
B4.2 Bisektrisa...................................................................................................................... 81
B4.3 Centroid ....................................................................................................................... 81
B5. Singlton fazi skupovi upravljanja ......................................................................................... 83
B5.1 Sugeno nulti red ........................................................................................................... 83
B5.2 Pomerajui Singlton fazi skupovi Sugeno prvi red .................................................... 84
 Uvod/1

"Jednostavnost prirode ne treba ceniti u odnosu na nae

razumevanje pojava. Beskrajno raznovrsna u svojim
efektima, priroda je jednostavna samo u uzrocima; njena
efikasnost se sastoji u proizvodnji velikog broja, esto
izuzetno sloenih, fenomena pomou malog broja optih
zakonitosti"
P.S.Laplace1

1 U nastojanju da se oponaa priroda

1.1 Upravljanje i regulacija kao intuitivna aktivnost
U intuiciji nema nieg mistinog, ve pre oseaja kako neto treba da radi
Prema Vebsterovom reniku "proces je prirodna operacija koja se progresivno odvija kroz
niz postepenih promena koje slede jedna drugu na relativno utvren nain i vode ka odreenom
rezultatu ili ishodu, ili vetaka ili voljno izazvana progresivna operacija koja se sastoji od niza
upravljanih akcija ili pokreta koji su sistematino usmereni ka odreenom rezultatu ili cilju". U
osnovi, dakle, proces vodi ka ostvarenju nekog cilja. Ukoliko se, na neki nain, utie na vrstu i
redosled odvijanja promena i krajnji ishod e biti drugaiji. Otuda, nije ni udno da je ovek
oduvek teio da razume nain na koji se neki proces odvija i da stvori mogunost da na njega utie
tako da, u nekom ogranienom vremenskom intervalu, na to efikasniji nain ostvari eljeni cilj. To
zapravo znai da je odreujui vrstu spoljnog uticaja upravljanja - ovek zapravo, od moguih
ishoda, odabirao onaj koji mu je iz nekog razloga najvie odgovarao.
Posmatrano sa te take gledita ini se da se upravljanje u najirem smislu znaenja
najpreciznije moe definisati kao "izbor"2. Ako se poe od injenice da izbor u principu moe biti
intuitivan, nasumian, informisan, jedino mogu, a rezultat izvrenog izbora oekivan,
neoekivan, povoljan, nepovoljan, onda je izvesno da se zadatak teorije upravljanja svodi na
odreivanje postupka obavljanja izbora koji e da rezultuje povoljnim, oekivanim ishodom.
Nesumnjivo je da je upravljanje prirodna i zapravo veoma stara ljudska aktivnost. Tako je,
na primer, jo u kamenom dobu ovek koji je odravao vatru morao da odlui koju koliinu drveta,
koje dimenzije i kog stepena vlanosti e da upotrebi da bi dobio odgovarajui plamen za kuvanje,
grejanje ili slanje dimnih signala. Sposobnost oveka operatera na procesu da tokom rada
uoava efekte pojedinih aktivnosti i da na osnovu tako steenog iskustva donosi odluku vodila je
ka usavravanju vetine upravljanja. Moe se slobodno rei da je upravljanje u to vreme bila
individualna umetnost koja je poivala na sposobnosti operatera da prepozna uslove pod kojima
proces radi i da intuitivno odabere odgovarajuu upravljaku akciju. Iskustvo kojim je peinski
ovek odravao vatru, nastavili su i razvili, svako na svoj nain, i kova koji je podeavajui
temperaturu ostvarivao najpovoljnije usijanje gvoa i domaica koja je loei vatru u tednjaku
odravala temperaturu koja je odgovarala datoj vrsti jela.
Sa razvojem ljudskog drutva, rasle su i potrebe da se ovlada sve sloenijim procesima, a
time je rastao i broj moguih izbora. Istovremeno, rasla je i potreba korisnika da to preciznije
specificira zahteve u pogledu kvaliteta finalnog proizvoda. Subjektivno procenjivanje uslova pod
kojima se neki proces odvija, kao i samog ishoda, zamenjeno je preciznim merenjima svih
relevantnih parametara. Projektovanje i ugradnja merne opreme ili uvoenje nekih drugih
kvalitativnih pokazatelja omoguila je operaterima da mnogo lake donose odluke o izboru
upravljakih akcija. ta vie, neke upravljake procedure postale su standardizovane. Upravljanje

1
P.S.Laplace, Exposition du systme du monde, 1796, (Prema navodu iz J:Gribbin; The Scientists; Random
House; New York, 2002.)
2
Gouverner, c'est choisir (Duc de Levis 1764-1830)
Uvod/2

je i dalje intuitivno, ali se odluka donosi na osnovu objektivnih pokazatelja njenih posledica.
Uoavanje injenice da je mogue uspostaviti standardizovanu proceduru za obavljanje
neke upravljake aktivnosti otvorilo je i pitanje neophodnosti uea oveka kao donosioca i
izvrioca odluke. Drugim reima, ako je ve u svakom trenutku potpuno jasno koja aktivnost treba
da se izvri da li je mogue konstruisati neki mehaniki ureaj koji bi to sam automatski i obavljao.
Sa jedne strane takav ureaj bi oslobodio oveka monotonije obavljanog posla, a sa druge mogao
bi da bude i precizniji jer na njegov rad ne bi uticali ljudski faktori kao to su zamor, gubljenje
koncentracije ili neto drugo. Na taj nain roena je ideja o kreiranju sistema automatskog
upravljanja. Poetno, ovi sistemi su odravali neku veliinu na konstantnoj vrednosti, to znai da
su, savremenim jezikom reeno, obavljali zadatak regulacije.
Prvi mehaniki regulatori javljaju se jo u antiko vreme zahvaljujui nastojanjima da se
konstruie ureaj koji bi merio vreme. Intuitivno je bilo jasno da pravljenje asovnika zahteva da
se obezbedi ritmina promena neke veliine. U skladu sa tom idejom, grki filozof Ktesibios je oko
250 godina p.n.e napravio vodeni sat (Sl 1-1). Sat se sastojao od jednog suda u kome je
obezbeivan konstantan nivo tenosti tako da je voda pod konstantnim pritiskom oticala
konstantnim protokom u sledei sud. Imajui u vidu da su i dimenzije suda i dotok tenosti bili
konstanti, nivo tenosti u tom sudu zavisio je iskljuivo od proteklog vremena. Podizanjem plovka
sa pokazivaem na bubnju sa oznakama sati moe se oitati vreme. Sud ima kapacitet za jedan
dan, a bubanj je podeljen na uzdune segmente od kojih svaki odgovara jednom danu. Kada se
donji sud napuni, dolazi do njegovog pranjenja kroz sifon koje pokree vodeni toak koji preko
sistema zupanika okrene dobo za jedan stepen ime poinje merenje vremena sledeeg dana.
Konstantan nivo vode u gornjem rezervoaru odrava se pomou ispusta za preliv koji
spreava porast nivoa. U tom smislu ovaj deo konstrukcije sata moe se posmatrati kao prvi
mehaniki regulator1.

konstantan dotok vode

bubanj sa rezervoar
podelama ispust za preliv
vreme

plovak

sklop
zupanika sifon
vodeni
toak

SL 1-1 KTESIBIOSOV VODENI SAT (KLEPSIDRA)

Nema nikakve sumnje da se pri pravljenju ovog sata, kao ni niza drugih ureaja koji su
nastajali tokom vekova nije eksplicitno razmatrao problem konstrukcije regulatora. Regulator se
ovde pojavljuje kao sastavni deo celog sistema koji obavlja zamiljenu aktivnost. Intuitivno je bilo
jasno da se konstantan nivo tenosti u rezervoaru moe obezbediti tako to e se obezbediti preliv
ako nivo pone da raste, a preliva nee biti ako on opada. Oblik i dimenzije i cevi za dotok i preliv

1
F.L.Lewis, Applied Optimal Control and Estimation, Prentice-Hall, 1992. (Ch.1: Introduction to Modern
Control Theory)
 Uvod/3

rezultat su izumiteljskih sposobnosti autora. Izvesno je takoe da je konanom reenju prethodio

niz eksperimenata.
Poput Ktesibiosovog vodenog sata razvoj itavog niza drugih ureaja u velikoj meri je
prethodio teorijskim rezultatima koji bi objanjavali njihov rad. Svi ti ureaji bili su rezultat
intuitivnog razumevanja procesa i izumiteljskih sposobnosti konstruktora. Dobar primer za to je
svakako i renesansna tehnologija1 koja je dovela do velikog broja korisnih ureaja koji su
olakavali obavljanje svakodnevnih aktivnosti ili poveavali njihovu efikasnost. Smatra se da ona
svoj zamah duguje definisanju osnove linearne perspektive koja je omoguila da se svi ti ureaji
vizuelno predstave pre nego to su bili konstruisani. Time se zapravo podvlai znaaj vizuelizacije,
odnosno neposrednog uvida u ono to treba napraviti.
Interesantno je napomenuti da je u to isto vreme veliki broj ureaja razvijen za potrebe
eksperimenata kojima su proveravane naune hipoteze u sebi sadravao razliite regulatore. Iako
je to bio period u kome se nauka okree ka formiranju modela prirodnih fenomena i
uspostavljanju kvantitativnih relacija izmeu pojedinih veliina sami regulatori nisu bili posebno
razmatrani sa teorijske take gledita. Otuda se taj period, nezavisno od izuzetno kvalitetnih
rezultata, esto oznaava kao praistorijsko doba automatskog upravljanja.
Poetak industrijske revolucije u drugoj polovini osamnaestog veka obeleava novu etapu
u razvoju automatskog upravljanja. Regulator se, po prvi put, javlja kao poseban ureaj namenski
konstruisan u cilju upravljanja radom neke maine. Usavravajui svoju parnu mainu James Watt
je 1788. godine konstruisao centrifugalni regulator za upravljanje protokom pare (Sl 1-2).

Ispitujui parnu mainu Vat je ustanovio da se protok pare menja u zavisnosti od

optereenja maine. Odravanje protoka konstantnim je, prema tome, zahtevalo da se otvor
ventila koji regulie dotok pare menja u zavisnosti od
protoka. Problem je reen tako to je u cev kroz koju
prolazi para horizontalno postavljen propeler ija brzina
obrtanja zavisi iskljuivo od protoka pare. Obrtanje
osovine sa propelerom se preko kajinika prenosi na
osovinu na koju su preko dve pokretne poluge obeene
kugle. Poluge sa kuglama se diu ili sputaju pod dejstvom
centrifugalne sile koja zavisi od brzine obrtanja osovine
na koju su obeene kugle. Pri dizanju kugli, ventil se
zatvara, dok se pri njihovom sputanju otvara. Budui da
brzina obrtanja zavisi od protoka, izvesno je da je
poveana brzina rezultat poveanog protoka, te je za
SL 1-2 VATOV REGULATOR njeno smanjivanje neophodno da se ventil zatvara. Na isti
nain, smanjen protok prouzrokovae smanjenje brzine
obrtanja, a time i opadanje centrifugalne sile, odnosno sputanje kugli i otvaranje ventila.
Iako su regulatori koji su radili na istom principu korieni jo u sedamnaestom veku za
odravanje konstantnog rastojanja vodeninih kamenova u vetrenjaama2, injenica je da je tek sa
pojavom Vatovog regulatora prihvaeno da su ovakvi ureaji neophodni sastavni delovi svih
maina te da je potrebno da im se posveti panja i sa teorijske take gledita. Na prve teorijske
rezultate ekalo se, meutim, jo gotovo ceo jedan vek. Tek 1868. godine Maksvel3 je postavio
jednaine koje opisuju rad regulatora i pomou zakona mehanike izvrio rigoroznu analizu
povratne sprege, stabilnosti i priguenja. Na taj nain je jedno, u osnovi, intuitivno reenje dobilo
naknadno i odgovarajue teorijsko objanjenje. Time otpoinje takozvano primitivno doba
automatike koje e trajati sve do prve decenije dvadesetog veka. Konstrukcija regulatora je i dalje

1
Pojmom renesansna tehnologija oznaava se skup tehnolokih ureaja, kao to su maina za tampanje,
centrifugalna pumpa, visoka pe itd., nastalih u periodu izmeu 14. I 16. veka
2
Smatra se da je to objanjenje injenice da Vat nikada nije patentirao ovaj regulator.
3
James Clerk Maxwell, "On governors", Proceedings of the Royal Society 16 (1868), pp. 270-83
Uvod/4

intuitivna, ali se pri njihovoj analizi i podeavanju koriste i odgovarajue jednaine koje izraavaju
prirodne zakone mehanike.
Nagli porast zahteva, interesa i ulaganja koji su bili praeni i odgovarajuim rezultatima
automatsko upravljanje duguje prvom i drugom svetskom ratu. Osnovni problem koji je zahtevao
reenje bilo je pozicioniranje artiljerijskog oruja na pokretnim nosaima, poput broda ili aviona.
Reavanje ovih problema dovelo je do konstrukcije servomehanizama1 ije se projektovanje
zasniva na primeni teorijskih rezultata. Sumiranjem rezultata razvoja servomehanizama2, kao i
analize rada sistema sa zatvorenom povratnom spregom nastaje klasino doba automatike u
kome automatsko upravljanje postaje konzistentna teorijska disciplina.

1.2 Zatvaranje povratne sprege

Upravljanje na osnovu stvarnog, a ne oekivanog uinka3
Gledano potpuno opte upravljanje ima za cilj da u nekom zadanom vremenskom periodu
obezbedi eljeni ishod. U tom smislu teorija upravljanja bavi se pitanjem naina na koji treba
promeniti budue ponaanje sistema. Da bi se to moglo uraditi neophodno je da se, kao prvo,
definie eljeni ishod. Pored toga, mora da postoji i skup moguih akcija kojima se utie na
ponaanje sistema. Projektovanje sistema automatskog upravljanja se tako svodi na formiranje
algoritma pomou koga e se odabrati ona akcija koja e dovesti do eljenog ishoda. Ureaj koji
realizuje ovaj algoritam oznaava se kao kontroler4.
U principu, traeni algoritam bi mogao da se zasniva na tehnici "probanja i greke" kojom
bi se ispitali ishodi svih moguih akcija. Izvesno je da bi ovakav pristup bio izuzetno neefikasan, ali
esto i nemogu, jer bi neka akcija mogla da dovede i do fatalnih ishoda. Preostaje, prema tome,
da se osmisli neka drugaija metodologija odreivanja zahtevane akcije.
Razmatrajui mogua reenja postavljenog problema ovek se prirodno okrenuo ka
sopstvenom iskustvu koje je govorilo da je, kao prvo, neophodno da se proces kojim se eli
upravljati upozna i da se stekne neko iskustvo u pogledu naina njegovog rada. To je znailo ili da
se ustanove i analiziraju zakonitosti koje vladaju u procesu ili da se kroz niz eksperimenata sa
briljivo odabranim akcijama prate ishodi i da se tako postepeno poveava razumevanje pojava
koje se u procesu odvijaju. Na osnovu poznavanja procesa ovek je u stanju da intuitivno
pretpostavi ta bi koja od sledeih akcija mogla da donese. Na taj nain, on je, i bez probe,
uspeno eliminisao sve one akcije koje nisu vodile ka eljenom cilju.
Tako je, na primer, pokuavajui da odri konstantnu brzinu obrtanja neke turbine, ovek
uoio da brzina zavisi od dovoda goriva (tenosti ili pare), ali i od optereenja koje se nalazi na
osovini turbine. Budui, da je optereenje, po pravilu, zavisilo od svrhe za koju je turbina
koriena, to znai da se na njega nije moglo uticati, oveku je preostalo da se koncentrie na
dotok goriva i da pokuava da ga menja tako da brzina bude konstantna. Pri tome je, naravno, bilo
neophodno da se stalno procenjuje brzina obrtanja i da se, na osnovu toga, menja dotok goriva.
Vremenom je, meutim, ovek radei na istoj turbini stekao i odgovarajue iskustvo tako da je,
im bi video optereenje odmah znao koliki dotok treba da obezbedi. Tada mu je preostalo samo
da nadzire da li se sve odvija po planu i da eventualno reaguje u sluaju nekih nepredvienih
dogaaja.
Savladavanjem osnovnih principa upravljanja nekim procesom, odnosno pretvaranjem

1
Naziv servomehanizam pojavljuje se po prvi put u radu H.L.Hazen, "Theory of Servo/mechanisms", J.
Franklin Institute, 1934,
2
H.M.James, V.B.Nichols, R.S.Philips (Eds), "Theory of Servomechanisms", McGraw-Hill Book Company, Inc.,
M.I.T. Radiation Lab. Series, Vol.25, 1947
3
Norbert Wiener, The Human Use of Human Beings, Houghton Mifflin, New York, 1950
4
Uobiajeno je da se ureaj koji odrava neku veliinu konstantnom oznaava kao regulator. U naem
jeziku se za jednu klasu jednostavnih algoritama koristi i termin kompenzator. Kako su se algoritmi
upravljanja uslonjavali uveden je termin kontroler koji oznaava ureaj koji realizuje bilo koji zakon
upravljanja.
 Uvod/5

procesa donoenja odluke u rutinu, prirodno se otvorilo pitanje konstrukcije ureaja koji bi tu
rutinu i izvravao. U traenju odgovora na postavljeni problem mogua su dva pristupa. Prvi se
zasniva na ideji poznavanja fizikih zakonitosti procesa kojim se upravlja. U posmatranom primeru
to bi znailo da se poznaju parametri turbine i optereenja na izlaznoj osovini, da se postave
jednaine kretanja i da se egzaktno izrauna koliki je potreban dotok goriva da bi se ostvarila
zadana brzina obrtanja. Tada bi se nakon podeavanja otvora ventila na ulazu i turbina pustila u
rad.
U teorijskom smislu ovaj pristup je svakako mogu. Ukoliko su svi potrebni parametri
tano odreeni i ukoliko su svi fenomeni koji se javljaju u sistemu uzeti u obzir, ostvarie se
oekivana brzina obrtanja. Problem, meutim nastaje ukoliko se iz bilo kog razloga oekivanje ne
ispuni. Za razliku od runog upravljanja, gde e se, kada se ustanovi da brzina ne odgovara
oekivanoj, izvriti dodatno doterivanje otvora ventila, pri automatskom upravljanju to nee biti
mogue. Kljuni problem koji se javlja u izloenom pristupu lei u injenici da regulator radi na
osnovu apriornog, teorijski oekivanog uinka. Nesumnjivo je i da operator otpoinje posao na
bazi apriorno oekivanog uinka, ali je, za razliku od regulatora, on moe da prati greku u toku
rada sistema i da, u zavisnosti od nje, izvrava korektivnu akciju.
U nastojanju da se prevazie izloeni problem uoeno je da je upravljanje inherentno
itavom nizu prirodnih procesa. Pri tome, ono se uvek javlja kao reakcija na neki poticaj. Tako se,
na primer, oi same zatvaraju kada svetlost postane toliko jaka da bi mogla da oteti vid, ili se
krvni sudovi sami suavaju na niskoj temperaturi da bi se smanjenom cirkulacijom ouvala
potrebna temperatura tela i tako dalje. Odluke o tome donosi ljudski mozak, primenjujui neki,
nama jo uvek, nedovoljno poznat mehanizam. Izvesno je, meutim, da u osnovi ovog mehanizma
lei niz kruno povezanih uzrono-posledinih akcija. Oi e tako "izvetavati" mozak da je svetlost
nepodnoljivo jaka, a on e ih zatvarati sve dok se ne uspostavi neka vrsta ravnotee u kojoj
dopustiv intenzitet svetlosti pada na ronjau. Na taj nain se zapravo uspostavlja mehanizam
negativne povratne sprege koji obezbeuje samo-regulaciju sistema.
Ostavljajui, za trenutak, sam mehanizam odluivanja po strani, izvesno je da u prirodnim
procesima upravljanja, kao i u runom
upravljanju, kljunu ulogu igra
informacija o ishodu koja se uzima u
obzir pri donoenju odluke. Budui da je
osnovna ideja projektovanja
automatskog upravljanja u zameni
SL 1-3 UPRAVLJANJE U ZATVORENOJ SPREZI ovekove aktivnosti mainom, prirodno
je i da se i pri donoenju odluke o
upravljanju, odnosno pri formiranju automatskog mehanizma upravljanja, koristi analogija sa
runim upravljanjem. To nadalje znai da sistem automatskog upravljanja mora biti konstruisan
tako da radi na osnovu stvarnog, a ne oekivanog ishoda. Time se zapravo realizuje automatsko
upravljanje sa zatvorenom povratnom spregom u okviru koga se informacija o stvarnom ishodu
vraa u kontroler i uzima u obzir pri odreivanju naredne akcije (Sl 1-3). Osnovni princip koji se pri
tome koristi svodi se na to da se uvek preduzima ona akcija koja e smanjiti razliku izmeu
eljenog i ostvarenog ishoda.
Ako se sada iz ovog ugla pogledaju Ktesibiosov asovnik ili Vatov regulator vidi se da su i
oni koristili isti mehanizam povratne sprege. I jedan i drugi regulator implicitno prate ishod nivo
tenosti, odnosno brzinu i na osnovu toga podeavaju otvor ventila koji regulie protok tenosti.
Izvesno je, naime, da je i intuitivni pristup projektovanju kontrolera zahtevao da se u svakom
konkretnom sluaju poe od samog sistema, da se njime, kao prvo upravlja runo, kako bi se
uoili razliiti fenomeni koji pri tome nastaju, da se na osnovu toga stekne izvesno iskustvo i da se
onda formira kontroler koji bi menjao pobudu sistema proporcionalno ostvarenom ishodu. Ipak
bilo je potrebno da proe vie od dvadeset vekova da bi ovaj intuitivni pristup bio formalizovan.
Tek sa nastankom kibernetike kao discipline koja je pokuala da ustanovi jedinstven pristup
problemima komunikacije i upravljanja mehanizam povratne sprege dobija svoje mesto u okviru
Uvod/6

konzistentne matematike teorije sistema1.

Sa gledita projektovanja regulatora formalizacija principa povratne sprege zahtevala je da
se osmisli nain na koji be se, u izvesnom smislu, preslikala ljudska mo opaanja, kao i
sposobnost uenja na osnovu iskustva. Sledei analogiju sa modeliranjem niza dinamikih procesa,
odnosno pratei rezultate fizike, inilo se da je neophodno da se i problem regulacije iskae
simbolikim jezikom matematike.
Polazei od znaaja koji su merenja razliitih fenomena igrala u eksperimentalnoj potvrdi
niza prirodnih zakonitosti uoenih ili intuitivno nasluenih pomou ula, logino je bilo
pretpostaviti da se ula, kao osnovni izvor informacija o ostvarenom ishodu relativno jednostavno
mogu zameniti odgovarajuom mernom opremom. Na taj nain je itav spektar znaenja
moguih ishoda koji je zasnovan na opaanju, dodiru, sluhu, ukusu ili mirisu, zamenjen brojnim
vrednostima. Nema nikakve sumnje da je naa spoznaja o ishodu time objektivizirana. Sa druge
strane meutim, ona je istovremeno i osiromaena, jer je zahtevala da se niz kvalitativnih
pojmova kao to su veliko ili malo, hladno ili toplo, koji u krajnjoj liniji zavise od konteksta, iskae
jasnim granicama intervala u kome se izmerena veliina kree.
Diskusije o meri u kojoj je ovaj pristup obogatio ili osiromaio na pristup realizaciji
upravljanja vode se danas. Izvesno je, meutim, da je uvoenje brojanih kvantifikatora ishoda
direktno usmerilo razvoj teorije automatskog upravljanja u pravcu koji je, tokom poslednjih
pedeset godina, doveo do izuzetno znaajnih teorijskih rezultata, od kojih se mnogi veoma
uspeno primenjuju u praksi.
Konano, potrebno je zapaziti da, za razliku od moi opaanja, u prvo vreme nije bilo
ozbiljnijih pokuaja da se osmisli nain na koji bi se oponaala sposobnost uenja i donoenja
odluka. Umesto toga, oekivalo se da e ta sposobnost, na neki nain biti zamenjena blagotvornim
dejstvom mehanizma negativne povratne sprege. inilo se da kljunu ulogu u donoenju odluke
igra zapravo sposobnost da se uoi razlika izmeu eljenog i ostvarenog ponaanja.

1.3 Kvantifikacija kao osnov projektovanja klasinih kontrolera

Od spektra pojmova do brojne ose
MATEMATIKI MODEL PROCESA
Opredeljenje za izraavanje ishoda mernim veliinama prevelo je ceo problem upravljanja
u domen matematikih jednaina. Polo se od pretpostavke da se zakon upravljanja mora izraziti
u analitikoj formi. Otuda se prirodno nametnula ideja da se sam sistem posmatra preko
odgovarajueg matematikog modela. Gledano potpuno opte matematiki model treba da
odraava zakonitosti koje povezuju pojedine veliine u procesu. Otuda je on definisan kao
funkcija kojom se skup dozvoljenih pobuda procesa (U) preslikava u ishode (Y)
H :U Y (1.1)
Prvi matematiki modeli procesa bili su veoma jednostavni. Mogue je da je na to uticala
jednostavnost prirodnih zakona odranja energije koji su se pokazali izuzetno efikasnim u
naknadnoj analizi intuitivno razvijenih regulatora. Budui da se radilo o mehanikim sistemima oni
su, po prirodi stvari, bili modelirani pomou Njutnovih zakona mehanike to je dovelo do
predstavljanja modela u formi linearnih diferencijalnih jednaina. Na taj nain se analiza
ponaanja sistema usmerila ka ispitivanju osobina diferencijalnih jednaina kojima je sistem
modeliran i njihovom reavanju. Pojmovi ravnotenog stanja i prelaznog procesa tokom koga
sistem ulazi u stacionarno ravnoteno stanje preuzeti su takoe iz mehanike i poeli da se koriste
u irem kontekstu i ne-mehanikih sistema.
Uoavanje analogije izmeu mehanikih sistema i elektrinih kola dovela je do
konstrukcije elektronskih ureaja za simulaciju mehanikih sistema, a ubrzo i do analognih
raunskih maina kao ureaja za reavanje linearnih diferencijalnih jednaina. Korienjem ovog

1
A Rosenblueth, N.Wiener, J.Bigelow, "Behaviour, Purpose and Teleology", Philosophy of Science, 10(1943),
pp.18-24
 Uvod/7

alata produbljivano je razumevanje samih modela to je omoguilo i kreiranje niza grafo-

analitikih metoda za analizu ponaanja procesa.
KONTROLER U OTVORENOJ SPREZI
Formiranjem matematikog modela procesa kojim se upravlja stvoreni su uslovi da se
razvije konzistentna metodologija projektovanja i implementacije kontrolera. injenica da je
ostvareni ishod reenje diferencijalne jednaine, odnosno izraen brojnim vrednostima, zahtevala
je da se i eljeni ishod specificira odgovarajuim kvantitativnim pokazateljima. U tom smislu
projektovanje kontrolera svodi se na odreivanje potrebne vrednosti pobude koja e dovesti do
eljenog ishoda. Sam princip posmatranja matematikog modela kao funkcije preslikavanja doveo
je i do ideje korienja inverznog preslikavanja za projektovanje kontrolera (Sl 1-4). Naime, ako se
ve analizom procesa moe doi do funkcije preslikavanja pobude u ishod, onda se ne vidi razlog
zato se inverznim preslikavanjem eljeni ishod ne bi mogao preslikati u odgovarajuu pobudu
koja do njega dovodi.
H : U potrebno Yzelejno H 1 : Yzelejno U potrebno (1.2)
Samo se po sebi razume da bi, kada bi ovaj pristup bio i praktino mogu, celokupni
problem upravljanja bio reen. Praktina primena izloene ideje nije, meutim, dala oekivane
rezultate. Sa jedne strane pokazalo se da za veoma veliki broj modela inverzno preslikavanje nije
fiziki ostvarljivo. Najei uzrok bila je injenica da ishod vremenski kasni za pobudom, to bi pri
realizaciji inverznog preslikavanja zahtevalo ureaj u kome ishod (u ulozi domena iz koga se
preslikava) prethodi pobudi (domen u koji se preslikavanje vri). Izvesno je da se, u naem
kauzalnom svetu, takvi ureaji koji bi imali sposobnost predikcije nisu mogli konstruisati.
Yzeljeno Upotrebno Yzeljeno

eljeni Kontroler Proces

-1 odluka Proces
ishod

SL 1-4 UPRAVLJANJE POMOU INVERZNOG PRESLIKAVANJA

Problem je, meutim, nastao i kod onih sistema kod kojih je inverzno preslikavanje bilo
fiziki ostvarljivo. Implementacija takvih kontrolera pokazuje da oni, u najveem broju sluajeva,
nee dati eljene rezultate. Razlog lei u injenici da usvojeni matematiki model samo
aproksimativno opisuje proces, odnosno da postoje i fenomeni koji nisu obuhvaeni funkcijom
preslikavanja, a koji e nuno doi do izraaja u duem radu postrojenja. To znai da nijedan
proraun upravljanja zasnovan na modelu ne moe da dovede do eljenog rezultata. Drugim
reima, ovde se upravljanje vri na osnovu oekivanog ishoda. Za razliku od toga, runo
upravljanje u kome ovek donosi odluke vri se na osnovu stvarnog uoenog ishoda. ovek,
takoe, prvo mora da proceni pobudu koju e da koristi, ali je zatim u mogunosti da prati greku
dok sistem radi i da, u zavisnosti od nje, izvrava korektivnu akciju. Otuda i nije realno oekivati da
e sistem moi da radi bez zatvaranja povratne sprege, odnosno bez nekog mehanizma korekcije
upravljanja na osnovu realno dobijenog ishoda. Iz tog razloga se odustalo od projektovanja
kontrolera u otvorenoj sprezi.
KONTROLER U ZATVORENOJ SPREZI
Preslikavanjem ponaanja oveka koji upravlja nekim procesom, kontroler koji radi sa
zatvorenom povratnom spregom zamiljen je kao ureaj koji prima rezultat poreenja ostvarenog
i eljenog ishoda i na osnovu njega generie pobudu procesa tako da se njegov ishod priblii
eljenom. Kljuna uloga u realizaciji upravljanja poverena je poreenju izmeu eljenog i
ostvarenog ishoda. Mehanizam poreenja sveden je na formiranje vrednosti greke (E) koja
predstavlja razliku izmeu eljene (referentne) veliine i ostvarene (Sl 1-5).
Uvod/8

SL 1-5 PROJEKTOVANJE KONTROLERA U ZATVORENOJ SPREZI

Budui da je model procesa izraen preko diferencijalnih jednaina i kontroler je morao
da bude modeliran na isti nain. Na taj nain kontroler, posmatran sa analitike take gledita,
obavlja preslikavanje iz prostora greke u prostor upravljanja. Funkcija preslikavanja odreuje se
na osnovu matematikog modela procesa.
U = D(E) (1.3)
U praktinoj implementaciji kontrolera treba imati na umu da se projektovane informacije
o brojnim vrednostima pojedinih veliina prenose preko fizikih signala (Sl 1-6). To znai da e
svaka nesavrenost modela nuno rezultovati u drugaijem ponaanju sistema od projektovanog.
Kao to je ve reeno, ova injenica je razlog zato se u sistemu zatvara povratna sprega. Oekuje
se da e mehanizam povratne sprege biti u stanju da kompenzuje odstupanje modela od procesa,
odnosno da e kontroler pomerati ishod procesa u eljenom smeru sve dok postoji neki signal
greke.

SL 1-6 IMPLEMENTACIJA KONTROLERA U ZATVORENOJ SPREZI

KLASINE METODE PROJEKTOVANJA KONTROLERA
Principijelno reenje strukture kontrolera i naina upravljanja zahtevalo je da se posebna
panja posveti i specifikaciji eljenog ishoda. Nesumnjivo je da se eljeni ishod uvek izraava u
kontekstu sistema koji se posmatra. Tako se na primer zahteva da se brod odri na zadatom kursu
ili da temperatura u sobi bude prijatna itd. Svoenje opaanja ishoda na merne signale impliciralo
je i da se eljeni ishod zadaje kao brojna vrednosti. U konkretnim primerima to bi znailo da se
zadani kurs broda izrazi pomou koordinata taaka na eljenoj trajektoriji ili da se eljena
temperatura specificira bilo kao jedna brojna vrednost, bilo kao interval dozvoljenih brojnih
vrednosti.
Osnovni zadatak kontrolera je da omogui da izlaz procesa ima zadanu vrednost ili da se
kree u zadanom opsegu. Meutim, imajui u vidu dinamiku prirodu svih procesa kojima se
upravlja izvesno je da se odreena panja mora posvetiti i vremenu u kome se ostvaruje eljeni
ishod, ali i nainu na koji se to postie. U tom kontekstu se pojam eljenog ishoda posmatra neto
ire od zadane referentne brojne vrednosti tako da se govori o nizu pokazatelja koji na neki nain
preciziraju trajektoriju izlaza procesa. Ovi pokazatelji se oznaavaju kao performansa sistema.
Nezavisno od svih parametara koji se ukljuuju u ocenu performanse sistema injenica je
da se oni specificiraju preko brojnih vrednosti. Te vrednosti su uvek precizne, za razliku od
stvarnog eljenog ponaanja sistema koje to ne mora da bude. Nema naime nikakve sumnje da
upravljanje noem na strugu zahteva da se eljeni poloaj noa iskae veoma preciznim
vrednostima koordinata, ali je takoe izvesno da se eljena temperatura u sobi teko moe svesti
na jedan jedini broj.
Polazei od niza intuitivno razvijenih regulatora klasina teorija projektovanja kontrolera
usvaja nekoliko osnovnih struktura kontrolera koji zapravo realizuju iste upravljake akcije kao i
ve prethodno razvijeni kontroleri. To zapravo znai da se u pogledu projektovanja kontrolera i
 Uvod/9

dalje oslanjalo na intuitivnom razumevanju procesa. Razlika se sastoji u tome to se parametri

kontrolera, a time i intenzitet i vrsta pojedinih akcija podeavaju kvantitativno tako da se u to je
veoj moguoj meri ispune postavljeni zahtevi u pogledu performanse.
Uprkos jednostavnosti linearnih modela kojima su predstavljani i proces i kontroler sam
postupak projektovanja zahtevao je da se razvije itav niz grafo-analitikih metoda kojima su
odreivani parametri i proveravana valjanost dobijenog reenja. Koliko god ove metode, na
dananjem nivou razvoja raunarstva i odgovarajuih softverskih alata za simulaciju procesa,
izgledale arhaino, injenica je da su one zasnovani na razumevanju sutine samih procesa i
mogunosti njihovog upravljanja. Otuda i nije udno da su se mnoge od njih zadrale i danas i da
se i dalje uspeno koriste u projektovanju industrijskih regulatora.

1.4 U potrazi za mehanizmom odluivanja period savremene automatike

Koliko i kakvih jednaina i pravila koristi ljudski mozak
Ve prva primena klasinih kontrolera pokazala je da koncept oponaanja oveka pomou
jednostavnih kontrolera, iako veoma efikasan, ima ipak ogranien domen primene. To je zapravo
znailo da mehanizam povratne sprege nije sam po sebi dovoljan da zameni ljudski mozak,
odnosno mehanizam donoenja odluke. Reenje je traeno u dva pravca. Sa jedne strane polo se
od pretpostavke da se inteligentno ponaanje oveka moe opisati do mere preciznosti koja bi
omoguila da se ono simulira pomou raunara. Tako je nastala oblast vetake inteligencije1.
Ovaj ambiciozni projekat je bio u punom zamahu naredne dve decenije tokom kojih je postalo
jasno da je teina problema znaajno podcenjena. Ipak teorijski rezultati u ovoj oblasti nali su
svoju primenu u reavanju itavog niza problema koji nisu u direktnoj vezi sa osnovnim ciljem.
Redefinisanjem i diferencijacijom problema nastao je itav niz posebnih disciplina kao to su
prepoznavanje oblika, neuralne mree, ekspertski sistemi i sistemi odluivanja. Meutim, ini se
da smo jo uvek daleko od sveobuhvatnog mehanizma odluivanja.
Drugi pristup reavanju ogranienosti primene klasinih reenja zasnivao se na ideji da bi
mehanizam povratne sprege mogao da bude dovoljan ukoliko bi se razvio kompleksniji
matematiki model procesa koji daleko sveobuhvatnije izraava fenomene koji se unutar procesa
odvijaju. Za tako razvijen model bi se onda postavili drugaiji kriterijumi ocene performanse koji bi
omoguili projektovanje sofisticiranijih algoritama upravljanja. Drugim reima, teite problema
pomereno je od postupka odreivanja parametara kontrolera date strukture ka osmiljavanju
zahteva koji se iskazuju merom performanse. Ispunjavanje ovih zahteva svodi se na minimizaciju
ili maksimizaciju neke funkcije pri emu se algoritam upravljanja dobija kao reenje postavljenog
problema. Ovaj pristup koji je zapravo okarakterisan daljom matematizacijom problema uvodi
automatiku u takozvani savremeni period.
Po prirodi stvari, savremeni period zapoeo je razvojem metoda za identifikaciju
matematikog modela procesa. Razvijeni modeli otvorili su irom vrata za primenu razliitih
matematikih rezultata u oblasti teorije upravljanja. Teorija stabilnosti, praena modeliranjem u
prostoru stanja, projektovanje optimalnih i adaptivnih sistema, razvoj koncepta impulsnih sistema
itd. obeleili su pedesete i ezdesete godine prolog veka. Ako se uzme u obzir da je prva knjiga iz
oblasti automatike objavljena tek 1947 godine, onda injenica da je krajem ezdesetih, dakle za
manje od etvrt veka, automatika postala jedna celovita, zaokruena oblast deluje krajnje
impresivno. ta vie, bio je to trenutak kada su teorijski rezultati iskoraili ispred mogunosti za
njihovu praktinu realizaciju. Teko je rei kako bi se ova oblast dalje razvijala da nije dolo do
razvoja mikroraunara koji se pokazao kao idealno sredstvo za realizaciju sloenih algoritama
upravljanja. Tek sa mikroraunarima zapoinje prava provera teorijski postavljenih reenja.
Poetne realizacije savremenih kontrolera zasnivale su se na kontinualnim modelima
procesa i kontrolera. U cilju implementacije na raunaru kontroler je morao biti digitalizovan ime

1
Termin se po prvi put pojavljuje 1956. godine na konferenciji u Datrmouth-u koju su organizovali Marvin
Minsky i John McCarthy
Uvod/10

se nuno gubilo na tanosti. Na taj nain dobijen je sistem koji je bio fleksibilniji i pouzdaniji od
svog analognog ekvivalenta, ali je to bilo plaeno gubitkom tanosti i poveanjem trokova. Otuda
je u prvo vreme mikroraunar korien iskljuivo za realizaciju algoritama upravljanja koji zbog
svoje kompleksnosti nisu mogli da se implementiraju u analognoj formi. Neka od ovih reenja dala
su bolje rezultate od klasinih, ali u itavom nizu sistema upravljanja ta prednost nije izraena do
mere koja bi opravdala implementaciju sloenijeg, a time i skupljeg reenja.
Sa gledita praktine realizacije kontrolera pomou mikroraunara pravu revoluciju izazvao
je nagli razvoj teorije digitalnih signala i sistema koja je ukazala na mogunost da se projektovanju
pristupi na sutinski drugaiji nain. injenica da se kod digitalnih sistema operie sa konanim,
prebrojivim skupom podataka, a ne sa kontinuumom dovela je do relativiziranja pojma trenutnog
vremena, odnosno omoguila da se u razmatranje uzmu i proli i budui podaci1. isto vremensko
kanjenje koje se javlja kao jedan od osnovnih problema u sintezi kontinualnih sistema
upravljanja, ovde se pojavljuje kao izvor jedne potpuno nove klase diskretnih prediktivnih
kontrolera koja nema svoj pandan u kontinualnom svetu.
Uprkos nesumnjivom uspehu savremene teorije upravljanja, sve razvijene metode
projektovanja imaju i dalje odreena ogranienja. Sutina je zapravo u tome da nijedna od njih
nije u dovoljnoj meri uspela da odslika mehanizam odluivanja koji se koristi pri runom
upravljanju.
Moglo bi se rei da klasifikacija perioda automatskog upravljanja predstavlja svojevrsni
paradoks. Naime, iako se radi o inenjerskoj disciplini kod koje kljuni interes nuno mora biti
usmeren ka krajnjem praktinom ishodu, njen razvoj se zapravo meri po obimu teorijskih
rezultata. ta vie, uprkos izuzetno vrednim metodolokim razmatranjima, injenica je da i danas
preko devedeset posto industrije koristi reenja kontrolera razvijenih u klasinom dobu,
realizovanih u okviru savremene mikroraunarske tehnologije.
ini se da postoji nekoliko moguih objanjenja navedenog paradoksa. Sa jedne strane
upravljanje izuzetno sloenim procesima, kao to su recimo navigacija ili navoenje, nije mogue
ostvariti pomou klasinih metoda. U tom smislu, razvoj teorije upravljanja zapravo pomera
granice procesa i objekata koje ovek stavlja pod svoju kontrolu. Pored toga, itav niz teorijskih
rezultata razvijenih u okviru automatike naao je svoju primenu u drugim oblastima, prevashodno
u obradi signala, komunikacijama i raunarstvu. Konano, ne treba izgubiti iz vida i da je koncept
sistema kao dinamike celine koja ima svoje "ulaze" i "izlaze" doveo do toga da se automatsko
upravljanje posmatra u irem kontekstu teorije sistema. Na taj nain ono crpe metodoloke
pristupe razvijene za drugaije sisteme, ali i autohtonim teorijskim rezultatima doprinosi
zaokruivanju opte teorije sistema2.

1.5 Zatvaranje kruga

Verovanje da su nai apstraktni koncepti "stvari" i "pojava" realnost prirode je ista iluzija3
Mogue je da objanjenje relativnog neuspeha oba pristupa u formiranju mehanizma
odluivanja lei u pitanju matematike kompresibilnosti univerzuma. Naime ini se da se potraga
za mehanizma odluivanja odvijala u domenu matematike prevashodno zato to je to bio aparat
pomou koga su modelirane sve prirodne pojave. Ono to se pri tome izgubilo iz vida se moda
najjasnije moe sagledati iz "pitanja zato se evidentno kompleksna struktura naeg sveta moe, u
toliko mnogo sluajeva, opisati relativno jednostavnim matematikim formulama? Ovo pitanje je
tesno vezano sa pitanjem zato je indukcija, pa samim tim i nauka u celini toliko uspena. Veoma
je teko da se izbegne pitanje da li matematika, kao ishod ljudskog miljenja, poseduje svoju
sopstvenu specifinost, koja iz bilo kojih razloga, odgovara specifinostima onoga to ovek vidi i

1
R.Hamming, "Topics in modern system theory - Bell Labs and the development of digital systems", Lecture
notes, Naval Postgraduate School, (Monterey, USA), 1985.
2
F. Capra, The Web of Life, Doubleday, New York, 1996.
3
F.Capra, The Tao of Physics, Wildwood House, London, 1975.
 Uvod/11

doivljava. Sve dok se na ovo pitanje ne nae pravi odgovor, nauka moe da objasni mnogo, ali ne
i svoj sopstveni uspeh"1.
Ne uputajui se u traenje odgovora na postavljeno pitanje ini se ipak da je sutina
problema u injenici da je matematiki aparat u utvrivanju prirodnih zakona korien zapravo
samo kao jedno od sredstava da se uoeni fenomen precizno iskae. Jo je Maksvel , formuliui
osnovne principe elektromagnetizma, istakao da se "za potrebe ljudi sa razliitim sposobnostima
percepcije nauna istina treba da bude predstavljena u razliitim formama koje treba posmatrati
kao podjednako nauno validne bilo da se radi o robusnim modelima i ivopisno obojenim fizikim
ilustracijama bilo o nematerijalnim simbolima"2.
Zalaui se validnost matematikog modela Maksvel je na neki nain anticipirao probleme
sa kojim se fizika srela na poetku dvadesetog veka u nastojanju da modelira fenomene kvantne
mehanike koji su daleko ispred praga osetljivosti naih ula. Otuda su sve slike i fiziki modeli
mogli samo da se koriste u cilju vizualizacije nekih fenomena u mikro-svetu koji se pod odreenim
uslovima mogu posmatrati kao poznati, odnosno uoljivi, fenomeni iz makro-sveta. Traganje za
matematikim jednainama koje bi opisale date fenomene takoe nije bilo jednostavno. Bilo je
neophodno da se doe do principa neodreenosti, do saznanja o neodvojivosti eksperimenta od
posmatraa i do niza drugih koncepata da bi se formirali odgovarajui matematiki modeli.
Prelomnu taku u ovom traganju verovatno ini zakljuak da "ono to posmatramo nije priroda
sama, ve priroda koju moemo spoznati metodom ispitivanja koju smo odabrali"3. Sutina je
zapravo u pitanju mere validnosti usvojenog modela i njegove sposobnosti da doprinese punom
razotkrivanju mehanizma koji izaziva dati fenomen. Brojni rezultati u oblasti prirodnih nauka, a
pre svega u fizici pokazuju da je neka nauna teorija prihvaena ne zato to je "istinita" (ta god
to tano podrazumevalo), ve zato to daje rezultate i to je korisna. Kljunim eksperimentom se
ne proverava, niti se moe proveriti, ispravnost pretpostavljenog rezultata u nekom apsolutnom
smislu, ve samo da li usvojeni model neke fizike pojave omoguava ispravnu predikciju
ponaanja i da li je konzistentan sa drugim prihvaenim naunim rezultatima.
Na kljunu razliku izmeu matematikih teorema i prirodnih zakona moda najbolje
ukazuje Ajntanovo opaanje "potrebno je da se ukae na pitanje koje vekovima mui radoznale
umove. Kako je mogue da matematika, koja je zapravo proizvod ljudskog miljenja nezavisnog od
iskustva, tako savreno odgovara realnim objektima. Da li to onda znai da je ljudski um sposoban
da bez ikakvog iskustva samo na osnovu razmiljanja pojmi realne stvari? Po mom miljenu
odgovor na ovo pitanje se moe saeti u sledeu konstataciju: sve dotle dok zakoni matematike
odraavaju realnost oni nisu pouzdani, i sve dotle dok su zakoni matematike pouzdani oni ne
odraavaju realnost4. Drugim reima, svaka matematika teorema poinje i zavrava se u
ljudskom umu, to zapravo znai da je za date poetne premise, neophodna iskljuivo logika da bi
se dobio konaan rezultat. Problem nastaje onda kada rezultat poiva, ne na aksiomima, ve na
podacima koji se dobijaju iz realnog sveta.
Svest o postojanju fenomena za koje je nemogue uspostaviti direktnu korelaciju izmeu
matematikih simbola i jezikih koncepata nastalih na osnovu naih ula, otvorila je i pitanje
adekvatnosti usvojene matematike simbolike u teoriji automatskog upravljanja. ovek zakljuuje
i donosi odluke na bazi oskudnih dokaza, maglovitih koncepata, heuristikih silogizama,
prethodnih injenica, odokativnih pravila, nedefinisanih intuicija, sumnji, verovanja, procena,
pogaanja, ... a to je teko, ako ne i ne mogue, saeti u jedan matematiki model bilo koje
sloenosti. Ako se prihvati stanovite da se matematikim modelom moe opisati neki fenomen,
ali ne i izraziti sutina inherentnog mehanizma, onda relativan neuspeh u modeliranju mehanizma
odluivanja nije iznenaujui.

1
Dietrich, "Is there theory of everything?", Bulletin of the IMA, 1994, Vol.30 (No.11/12), pp.166-70
2
Prema navodu iz J:Gribbin; The Scientists; Random House; New York, 2002.
3
W.Heisenberg, "Physics and Phylosophy: the Revolution in Modern Science", Harper&Row Publishers, Inc.
New York, 1962.
4
A. Einstein," Geometry and Experience", Lecture before the Prussian Academy of Science, Jan. 27, 1921
Uvod/12

Gledano potpuno opte problem upravljanja se reava tako to se prikupe svi raspoloivi
podaci o samom sistemu i na osnovu njih, kao i iskustva iz reavanja slinih problema, odabere se
niz upravljakih akcija koje se, eventualno, koriguju kroz povratnu spregu. Uprkos brojnim
razliitim reenjima moglo bi se rei da se sva zasnivaju na tri osnovne pretpostavke:
i. sistem kojim se upravlja mora biti poznat, to znai da se moe predvideti njegov odziv na dati
ulaz. Na osnovu poznavanja sistema formira se njegov matematiki model;
ii. cilj upravljanja mora da bude jasno specificiran preko konciznih matematikih relacija koje
direktno povezuju promenljive sistema sa ocenom njegove performanse;
iii. ponaanje sistema moe se pratiti na osnovu merenja njegovih izlaza.
Teorija upravljanja dalje nalae da se u zavisnosti od mere u kojoj su ove pretpostavke
ispunjene odabere jedna od mnogobrojnih metoda klasine ili savremene teorije upravljanja
pomou koje se odreuju struktura i parametri kontrolera.
Ve samo pominjanje "mere" ispunjenosti pojedinih pretpostavki ukazuje da e u praksi
situacija esto biti sasvim drugaija. Pre svega, mehanizam rada sistema je najee nedovoljno
poznat, a ak i kada to nije sluaj, zahtev da matematiki model bude dovoljno jednostavan za
reavanje spreava ukljuivanje svih nelinearnosti ili nestacionarnosti sistema u model. Pored
toga, cilj upravljanja se, najee iskazuje u formi zadovoljavajueg ponaanja, male potronje
energije, velikog profita i njegova matematika formulacija obino predstavlja kompromis
izmeu stvarnih zahteva i jednostavnosti relacije kojima se oni iskazuju. Konano, merenja na
procesu su esto nedovoljno precizna, to znai da ni ocena performanse sistema, kao ni korekcija
koja se ostvaruje kroz povratnu spregu ne mora biti adekvatna.
Zapravo, umesto jasno definisanog puta kojim se stie do reenja, praksa pokazuje da se
"kreemo po zavejanom putu na kome izviruju samo pritke pobodene sa strane koje odreuju
gabarite u okviru kojih je dozvoljeno kretanje"1. Paradoksalno je, ali istinito, da se uprkos punom
saznanju o krajnjoj nepreciznosti polaznih osnova, itav niz godina traga za jasnim i preciznim
matematikim reenjem problema. Kao to je ve reeno, ono se trailo u poveanoj sloenosti
modela koji e osvetljavati sve aspekte ponaanja sistema ili u drugaijim algoritmima upravljanja
koji e biti robusni u odnosu na nepreciznost modela. Sledei ovaj pristup razvijen je itav niz
algoritama upravljanja u povratnoj sprezi, koji eventualno ukljuuju i dodatnu spregu za
adaptaciju. Svaki od ovih algoritama namenjen je klasi problema za koju se u praksi pokazalo da
daje zadovoljavajua reenja. U izvesnom smislu moe se govoriti o proliferaciji reenja krajnje
ogranienog i neizvesnog dometa. Figurativno reeno, uloen je ogroman napor da se "razgrne
sneg" i u potpunosti oisti put. Otuda i nije udno to, kao i svaka druga "borba protiv realnosti",
ni ova nije mogla da donese oekivane rezultate.
Navedenom pristupu u reavanju problema upravljanja prvi se suprotstavio Lotfi Zadeh
koji je jo 1973 ustvrdio da to se blie posmatra realni problem, njegovo reenje je sve
neodreenije i naa sposobnost da o ponaanju sistema iskaemo relevantne injenice je sve
manja i manja2. Polazei od ove tvrdnje Zadeh je predloio da se problemu modeliranja i
upravljanja prie kroz fundamentalno drugaiji pristup prihvatimo realnost da je put zavejan i
pogledajmo kako bi se po njemu moglo voziti. Ovakav pristup je zahtevao da se uvede potpuno
novi i drugaiji koncept modeliranja sistema i shodno tome i projektovanja odgovarajuih
kontrolera. Tako je nastala teorija fazi upravljanja sistemima. Moda je najtanije rei da nas fazi
koncept vraa ka poetnoj premisi formiranja sistema koji e uspeno da oponaa oveka.
Sutinska razlika poiva na stavu da senzori koji ine sastavni deo ljudskih ula moda i mogu da
budu zamenjeni mernom opremom, ali da interpretacija izmerenih vrednosti mora da bude
drugaija. Polazei od stanovita da u osnovi procesa razmiljanja i odluivanja ne lee brojevi i
reavanje diferencijalnih jednaina, ve niz pojmova koji se izraavaju jeziki i koji su veoj ili
manjoj meri meusobno povezani i relevantni za donoenje odluke fazi modeliranje naputa

1
Prof. Miodrag Raki, Regulacija, predavanja, Elektrotehniki fakultet, Univerzitet u Beogradu, 1967.
2
L.A.Zadeh, Outiline of a New approach to the Analysis of Complex Systems and Decision Process, IEEE trans.
On systems, Man and Cybernetics, Vol.3, No.1, (Jan.1973), pp.28-44
 Uvod/13

koncept referentnih brojnih vrednosti. Umesto preslikavanja dva skupa brojnih vrednosti, fazi
model se formira kao niz uzrono-posledinih veza izmeu pojmova koji opisuju pobudu i
pojmova koji opisuju ishod. Tako se iz sveta brojeva u kome su "zarobljene" i klasina i savremena
teorija upravljanja prelo u svet pojmova koje ovek koristi u rasuivanju i donoenju odluka.
Koliko god se ovaj koncept inio intuitivno prihvatljivim injenica je da je on naiao na
snaan otpor u zapadnom svetu u kome je jo od renesanse i uvoenja eksperimenta kao kljune
potvrde naunog rezultata uvreeno ubeenje da sposobnost da se neka pojava analizira sa
kvantitativne take gledita ujedno povlai i razumevanje sutine te pojave. Fazi pristup
modeliranju proistie zapravo iz istonjake filozofije, tako da nije udno to su se prvi fazi
regulatori pojavili u Japanu. Tek kada je u Japanu razvijen itav niz fazi sistema, ostali deo sveta je
pokazao odgovarajui interes za taj pristup, tako da se danas fazi teorija nalazi ravnopravno meu
svim drugim pristupima u reavanju problema upravljanja.
Istorija razvoja teorije upravljanja, odnosno raznorodnost prihvaenih metodologija,
svedoi i o tome u kojoj meri kulturno i civilizacijsko naslee utie na sagledavanje problema, a
samim tim i na koncept njegovog reavanja. Nezavisno od toga,i uprkos obilju teorijskih rezultata,
nema gotovih recepata koji bi jednoznano vodili ka reenju. Svaki konkretni sistem je zapravo
novi problem koji se mora posebno analizirati i reavati. Upravljanje i dalje ostaje "vetina izbora".
 Fazi skup/15

"Svet u kome ivimo je stvaran i neureen, matematika je

vetaka i ureena, svet je siv, ali nauka je crno-bela"
Bart Kosko, Fuzzy Thinking

2 Koncept fazi skupa

2.1 Preciznost i relevantnost
Polazna taka u definisanju metode projektovanja kontrolera je razumevanje upravljanja
kao procesa donoenja odluke o tome ta u kom trenutku treba da se uradi. Otuda se kao kljuni
problem javlja pitanje na osnovu ega e odluka biti doneta. U savremenoj teoriji upravljanja
odluka se donosi na osnovu matematikog modela procesa. Otuda je prirodno da se razvoj
savremene teorije upravljanja moe pratiti kroz nastojanje da se pomou drugaijih kriterijuma
specificiranja performanse i preciznijih ili robusnijih matematikih modela procesa doe do
reenja koja bi na neki nain prevazila probleme izazvane nedovoljnim poznavanjem procesa,
njegovom linearizacijom, zanemarivanjem brze dinamike, dejstvom spoljnih poremeaja ili nekim
drugim uzrokom. U izvesnom smislu bi se moglo rei da se sve metode zasnivaju na uverenju da
e se detaljnijim posmatranjem procesa i formiranjem sve sloenijih i sloenijih matematikih
modela koji preciznije opisuju proces dobiti bolji kontroler.
Umesto da se pridrui optoj potrazi za preciznijim modeliranjem, L.A.Zadeh je poao od
razmatranja odnosa preciznosti i relevantnosti. Korienjem jednostavnih primera iz
svakodnevnog ivota pokazao je da postoje situacije u kojima preciznost i relevantnost mogu biti
potpuno uzajamno iskljuive karakteristike.

VIE PODATAKA, ALI NE I PRECIZNIJI ODGOVOR

Neko vas je upoznao sa Nikolom i rekao vam je da je on u ranim tridesetim godinama. Postavili su
vam pitanje da li je Nikola mlad ili star? Uvidevi da oklevate sa odgovorom, Nikola je pokuao da vam
pomogne dodajui podataka da kroz dva dana puni 32 godine. Izvesno je da sada imate vie podataka o
Nikoli, ali vam to nee pomoi da se opredelite u pogledu njegove starosti. Za razliku od zakona koji
postavlja jasnu granicu godina u pogledu odgovornosti ili prava glasa, u obinom ivotu pojmovi mlad i star
su relativni. Za neke stvari, recimo vonju u deijim kolicima Nikola je sigurno star. Moda je i previe star
da bi poeo profesionalno da se bavi nekim sportom, ali je izvesno dovoljno mlad da bi recimo razmiljao o
osvajanju Himalaja. Pored toga, ovaj pojam je svakako vezan i za kulturnu matricu jednog drutva. U nekim
sredinama bi se smatralo da je nedopustivo da tako mlad ovek postane rukovodilac, u nekim drugim opet
da je suvie star doao na rukovodee mesto. Izvesno je dakle da se ovde radi o razumevanju pojma
starosti, odnosno o nemogunosti postavljanja otre granice koja bi delila ova dva pojma. Otuda ni
preciziranje podataka ne moe da pomogne da se ta granica uspostavi.

VIE PODATAKA ALI NE I VEI ZNAAJ

Pretpostavimo da posmatrate radnike koji stoje ispod neke skele i primetite da neki teret pada sa
visine. Pretpostavimo nadalje, da ste na neki nain u mogunosti da procenite i teinu tereta i brzinu kojom
se on kree. Uprkos tome teko je verovati da ete im u tom trenutku saoptavati da "teret teak jednu
tonu pada brzinom od 50m/s". Umesto toga Izvesno je da ete im doviknuti da se sklone. Nesumnjivo je,
naime, da svi dodatni podaci doprinose jasnijoj slici dogaaja, ali su potpuno irelevantni za one koji treba da
se brzo pomere u stranu.

Uoivi ovaj odnos izmeu preciznosti i znaaja podataka prirodno se postavilo pitanje
naina formiranja modela procesa, odnosno uzimanja u obzir svrhe kojoj taj model treba da
poslui. Naime, ukoliko se eli iscrpna analiza nekih fenomena onda je verovatno jedino mogue
da se oni opiu pomou zakona o odranju mase i energije i da se tako dobijeni sistemi jednaina
analiziraju. Tako na primer, ukoliko se posmatra mehanika ljudskog hoda onda se to ne moe
 Fazi skup/16

uraditi bez uspostavljanja odgovarajuih diferencijalnih jednaina koje opisuju kretanja u svakom
zglobu. Sa druge strane, meutim, u teoriji upravljanja matematiki model ne slui analizi pojave,
ve tome da se iz funkcije preslikavanja ulaza u izlaz izvede zakonitost kojom bi kontroler mogao
da doprinese da se ostvari eljeni izlaz.
U kontekstu posmatranog primera teko je verovati da ovek, kada upravlja svojim
hodom, reava u glavi sloeni sistem diferencijalnih jednaina. ini se mnogo verovatnijim da on
zapravo odluuje na osnovu pravila steenih iz prethodnog iskustva tipa "ako je ovo stepenik, tada
treba podii vie nogu". Pri tome, je izvesno da e on u tom procesu lako obraditi i informaciju
"ovaj stepenik je vii od uobiajenog to znai da treba jo vie podii nogu", ali je isto tako
izvesno da mu precizno saznanje da je taj stepenik za recimo 4,5 santimetara vii od uobiajenog
nee biti od neke posebne koristi.
injenica je, meutim, da je nemogue sa izvesnou rei na koji nain ovek upravlja
sopstvenim hodom, ali je izvesno da bi se pri, recimo, pomoi slabovidoj osobi pri hodu koristila
upravo navedena vrsta informacija. Drugim reima ako poveanje preciznosti ne doprinosi nuno
veoj odreenosti pri donoenju odluka, onda se legitimno otvara pitanje adekvatnosti odabrane
predstave eljenog ishoda, odnosno ulaza i izlaza sistema u formi brojnih skupova izmeu kojih se
uspostavlja preslikavanje.

2.2 Procena ostvarenog ishoda

2.2.1 BIVALENTNI POGLED NA OSTVARENI ISHOD
Vraajui se na osnovnu ideju da upravljanje sistemom treba da zameni ulogu operatera
odnosno njegovu sposobnost da na osnovu iskustva donosi odluke Zadeh je predloio da se u
potrazi za mehanizmom odluivanja prenebregnu poznati teorijski rezultati automatskog
upravljanja i vrati na svakodnevni ivot u kome se odluke donose na osnovu niza utvrenih pravila
koja povezuju uzroke i posledice (na primer: ako je u sobi zaguljivo (uzrok) tada treba otvoriti
prozor (posledica)). U skladu sa time postavilo se pitanje naina prezentacije uzroka i posledica
koje bi omoguile da kontroler radi na osnovu implikacija tipa "akotada".
Problem je zapravo u tome to je iskusan operater uvek u stanju da, na primer, kae "ako
pritisak pada tada treba otvoriti ventil, ako pada brzo tada ga treba otvoriti vie", ali e veoma
teko da na osnovu toga precizno odredi gradijent pritiska i njegovu vezanost za otvorenost
ventila, to bi zahtevala primena klasinih algoritama upravljanja.
U cilju ilustracije ove tvrdnje posmatrajmo pojam "prijatna temperatura".
Klasina teorija upravljanja zahtevala bi da se ovaj pojam izrazi brojnom vrednou. Neka
je to recimo 200C. U tom sluaju postavljeni zahtev je zapravo referentna taka. Ako ispunjenost
zahteva oznaimo sa 1, a ne ispunjenost sa 0,
1
onda se preslikavanje skupa ulaznih temperatura
0,8
0,6
(X) u skup zahteva moe predstaviti kao binarni
0,4 skup
0,2 A : X {0, 1}
0
1 x = 20 (2.1)
A (x) =
14 15 16 17 18 19 20 21 22 23 24 25 26

0 x 20
SL 2-1 "PRIJATNA TEMPERATURA" - REFERENTNA TAKA
Ovaj skup se grafiki moe predstaviti kao na Sl
2-1.
Nema nikakve sumnje da bi se za ovako definisan problem mogao projektovati rashladni
ureaj kod koga bi kontroler ukljuivao ili iskljuivao grejanje, odnosno hlaenje svaki put kada bi
izmerena temperatura bila razliita od 200C. Meutim, takoe nema nikakve sumnje da bi osoba
koja sedi u takvoj sobi neprekidno sluala zvuk prekidaa motora iako pri tome ne bi, sasvim
sigurno, oseala nikakvu razliku ukoliko bi temperatura bila recimo 190C ili 200C.
Uzimajui u obzir da pojam "prijatna temperatura" sa gledita naeg oseaja nije ba jedna
jedinstvena vrednost, ve da postoji opseg temperatura koje se mogu oznaiti kao prijatne,
 Fazi skup/17

moglo
1,2
bi se prihvatiti da se ona predstavi kao interval vrednosti, recimo od 190C do 210C. U tom
1 sluaju preslikavanje skupa ulaznih temperatura
0,8 (X) u skup zahteva moe predstaviti kao binarni
0,6 skup
0,4
A : X {0, 1}
0,2

0 1 x [19, 21] (2.2)

A (x) =
0 x [19, 21]
14 15 16 17 18 19 20 21 22 23 24 25 26

Odgovarajui skup ima izgled kao na Sl 2-2.

SL 2-2 "PRIJATNA TEMPERATURA" - REFERENTNI INTERVAL Kontroler koji bi realizovao upravljanje sa ovako
postavljenim zahtevom imao bi, van svake
sumnje bolju performansu i ne bi neprekidno, recimo pri svakom otvaranju vrata, ukljuivao ili
iskljuivao motor.
Osnovni problem u navedenom primeru lei u injenici da se jedan pojam pokuava
iskazati u okviru bivalentne logike, odnosno "da ne" konceptu. Samo se po sebi razume, da ovaj
problem nije nov i da na on na svoj nain prati razvoj zapadne filozofije kroz itavu njenu istoriju.
Jo su sofisti otvorili raspravu o tome da li se svi problemi mogu uspeno reiti u bivalentnom
konceptu. O tome svedoi niz sofizama od kojih je meu najpoznatijim onaj koji pokuava da
definie ta se smatra "gomilom peska". Naime, izvesno je
jeste
da jedno zrno peska ne ini gomilu, kao ni dva niti tri zrna.
bivalentna
logika gomila Sa druge strane svako bi se sloio da 100 miliona zrna
peska predstavlja gomilu peska. Gde je onda tana
realnost granica? Da li se moe rei da 325 647 zrna ne ine
(fazi logika)
gomilu, dok je 325 648 ine? Ovim se zapravo eli rei da
ne postoji tana granica, ve "siva" zona odreena nekim
nije n(?) broj zrna brojem zrna peska unutar koje gomila peska prestaje to
gomila peska da bude Sl 2-3.
SL 2-3 BIVALENTNI I FAZI SKUP Razliiti filozofski pristupi pokuavaju da postave
osnove matematike logike koji bi ukljuili ove
paradokse. Tako, na primer, Lukaijevi razvija polivalentnu logiku, dok Hajzenberg postavlja
princip neodreenosti momenta i poloaja. Moe se rei da je i uvoenje teorije verovatnoe, u
izvesnom smislu, uslovljeno pokuajima da se dopuni bivalentan pogled na svet.
2.2.2 FAZI REPREZENTACIJA OSTVARENOG ISHODA
Uoavajui da bivalentan pristup predstavlja ozbiljnu smetnju i u teoriji upravljanja Zadeh
predlae uvoenje fazi1 skupova koji se formiraju na osnovu pretpostavke da je svaka injenica
istinita (prisutna) ili neistinita (odsutna) do
1
odreenog stepena. U tom smislu fazi teorija
0,8 svodi crno-belu matematiku i logiku na posebne
0,6 sluajeve sivih relacija.
0,4
Sledei ovaj koncept ranije razmatrani
naini definisanja "prijatne temperature", sa
0,2
gledita naeg oseaja toplote, ima znaajan
0 nedostatak. Naime, u skladu sa definisanim
14 15 16 17 18 19 20 21 22 23 24 25 26 referentnim intervalom deluje kao da je sve u
savrenom redu ako je temperatura 190C, a nita
SL 2-4 "PRIJATNA TEMPERATURA" - REALNI OSEAJ (FAZI ne valja kada ona postane recimo 18,90C. Pri
SKUP) tome, nema nikakve sumnje da tu razliku, sem
nekog osetljivog mernog instrumenta, niko nije u

1
Zadeh 1965. godine definie pojam fazi skupa, koji se moe shvatiti kao dalja razrada Lukaijevieve
polivalentne logike
Fazi skup/18

stanju da oseti. U normalnom ljudskom oseaju, ako bi smatrali da je 190C prijatno, onda bi
verovatno 180C oznaili kao malo manje prijatno, i tako redom, a negde oko 150C bi zakljuili da
postaje svee. Slino bi bilo i sa temperaturama koje su vee od 210C i recimo da bi oko 250C
zakljuili da postaje vrue. To zapravo znai da svaka od temperatura na intervalu od 150C do 250C
u nekoj meri odgovara pojmu "prijatno". Ako tu meru izrazimo na skali od 0 do 1, onda se
preslikavanje skupa ulaznih temperatura (X) u skup zahteva moe definisati na sledei nain
f1 (x) x 19

A = 1 x [19, 21] (2.3)
f (x) x 21
2
gde funkcije f1(x) i f2(x) uzimaju vrednosti izmeu 0 i 1. Posmatrani skup ima izgled prikazan na Sl
2-4. Ovako formiran skup u kome se na skali od 0 do 1 izraava mera ispunjenosti postavljenog
uslova oznaava se kao fazi skup. Potrebno je zapaziti da tako formiran skup u punoj meri
odraava na realni oseaj temperature.
Slina je situacija i u nizu drugih sluajeva. Pretpostavimo, na primer, da posle pozorine
predstave neko izae pred gledaoce i zamoli ih da dignu ruku svi koji su predstavu gledali prvi put.
Nema nikakve sumnje da e odreen broj njih jasno podii ruku, dok e preostale ruke biti
sputene. Meutim, kada bi zamolili "da podignu ruku oni kojima se predstava dopala?", slika bi
gotovo izvesno postala potpuno drugaija. Najvei broj ruku bie negde na pola podignut
oznaavajui unutranje raspoloenje gledalaca kojima se
predstava dopala do neke mere. U klasinoj, bivalentnoj
logici, postavlja se pitanje kako e se ti ljudi razvrstati.
Meutim, u fazi pristupu, svaka, ma do koje mere
podignuta ruka ima svoje mesto.
Da bi se ilustrovala ova tvrdnja posmatraemo
dve osobe. Neka skup A predstavlja njihov odnos prema
predstavi. U klasinoj bivalentnoj logici, ovaj skup moe
da ima etiri elementa: obema osoba se predstava
dopala, obema se nije dopala, osobi 1 se dopala a osobi 2
nije, i osobi 1 se nije dopala, a osobi 2 jeste. Ako sa 0
oznaimo ne dopadanje, a sa 1 dopadanje, onda je skup A
SL 2-5 BIVALENTAN I FAZI SKUP DVE definisan kao A = {(0, 0), (0,1), (1, 0), (1,1)} . Geometrijski
PROMENLJIVE
gledano, ovaj skup bi se mogao predstaviti temenima
jednog kvadrata (Sl 2-5).
Meutim, kao to je ve reeno, u ivotu je situacija najee drugaija. Obe osobe su u
izvesnoj meri i zadovoljne i nezadovoljne upravo vienom predstavom. Neka je osoba 1 vie
nezadovoljna nego to je zadovoljna (recimo da je stepen zadovoljstva oko 33%), dok je osoba 2
vie zadovoljna (recimo oko75%). Ova injenica se sada geometrijski moe predstaviti takom koja
lei unutar kvadrata ija su temena odreena bivalentnim skupom (Sl 2-5). Otuda sledi da, fazi
skup zapravo pokriva ceo prostor unutar datog kvadrata, te prua daleko vie mogunosti da se
opie realna situacija.

2.3 Fazi skup1

2.3.1 DEFINICIJA FAZI SKUPA
Fazi skup A nad univerzumom X je funkcija koja preslikava X na interval od 0 do 1
A = {(x, A (x) : x X} (2.4)
gde je

1
U elji da se osnovna ideja fazi upravljanja ne optereti formalnim matematikim definicijama ovde se izlae
samo osnovni koncept, dok se matematiki aspekt detaljnije razmatra u Dodatku A
 Fazi skup/19

A (x) : X [ 0,1] (2.5)

funkcija pripadnosti koja predstavlja meru slaganja promenljive x sa pojmom A, odnosno
osobinama obuhvaenim pojmom A. Pri tome A (x) = 1 oznaava potpuno slaganje promenljive
x sa pojmom A, A (x) = 0 iskazuje da se promenljiva x ni na koji nain ne slae sa pojmom A, dok
sve ostale vrednosti funkcije pripadnosti izraavaju stepen do koga promenljiva x ispunjava
osobine pojma A.
Ukoliko je promenljiva x diskretna, fazi skup predstavlja vrstu vektor iji su elementi
jednaki odgovarajuim funkcijama pripadnosti.
Fazi broj
Fazi broj je konveksan fazi skup u kome postoji bar jedna vrednost promenljive x za koju
vai relacija (x) = 1 . Drugim reima fazi broj odreuje interval brojeva za koje se moe smatrati
da u nekoj meri odgovaraju jednom datom broju za koji je funkcija pripadnosti jednaka 1.
Uvoenje pojma fazi broja omoguava da se nad njima izvode aritmetike operacije.
Singlton fazi skup
Posebna vrsta fazi skupa je singlton fazi skup kod koga funkcija pripadnosti ima ne nultu
vrednost u samo jednoj taci
a [ 0,1] x = x i
A (x) = . (2.6)
0 x xi
Zapazimo da se referentna taka moe predstaviti kao fazi singlton skup kod koga je a=1.
2.3.2 PRESEK FAZI SKUPOVA (KONJUNKCIJA POJMOVA)
A B : A B (x) = A (x) t B (x) (2.7)
gde je t trougaona norma koja ima sledee osobine
o funkcija dva argumenta
o ne opadajua funkcija po svim argumentima
o komutativna
o asocijativna
o granini uslovi: xt0 = 0, xt1 = x
Najee korieni oblici t norme su
10 xty = min(x, y)
20 xty = x y (logiko "i") (2.8)
30 xty = max(0, x + y 1) Lukaijevi
Iz gornjih relacija se vidi da je t norma ograniena, pri emu min operator odreuje gornju
granicu.
Izbor same norme zavisi od znaenja promenljivih, odnosno od tipa "i" veze koja se eli
uspostaviti. Tako, na primer, iskaz mala cena i velika tanost kojim se , sa gledita proizvodnih
uslova, izraavaju suprotni zahtevi podrazumeva korienje proizvoda, odnosno logike "i"
operacije. Meutim, budui da u iskazu novi i brzi auto nema korelacije za njegovo prikazivanje
pogodnije je koristiti operator min.
2.3.3 UNIJA FAZI SKUPOVA (DISJUNKCIJA POJMOVA)
A B : A B (x) = A (x)s B (x) (2.9)
gde je s trougaona norma koja ima sledee osobine
o funkcija dva argumenta
o ne opadajua funkcija po svim argumentima
o komutativna
Fazi skup/20

o asocijativna
o granini uslovi: xs 0 = x, xs 1 = 1
Najee korieni oblici s norme su
10 xsy = max(x, y) (logiko "ili")
20 xsy = x + y xy (2.10)
30 xsy = min(1, x + y) Lukaijevi
s norma izraava "ili" odnos izmeu dva fazi skupa. U tom smislu ona predstavlja ko-
normu t norme, pri emu su granice odreene sledeom relacijom
xty min(x, y) max(x, y) xsy (2.11)
Iz definicije obe norme vidi se da vai
xsy = 1 (1 x)t (1 y) (2.12)

2.4 Okvir spoznaje - Fazi skup ulaza i izlaza sistema

Polazei od koncepta fazi skupa oigledno je da se skup ulaznih i izlaznih promenljivih
treba da se iskae pojmovno preko atributa signala koji se prate na izlazu, odnosno koji se menjaju
na ulazu da bi se postigli eljeni efekti. Tako na primer veliine koje se mere na izlazu mogu biti
velike, male, srednje, veoma velike itd, ili odgovarajue, neodgovarajue, delimino odgovarajue i
slino. Slina situacija je i sa ulaznim promenljivim koje predstavljaju signale pobude i koji mogu
biti veliki, mali, itd.
U skladu sa time formiranje fazi skupa ulaza i izlaza zahteva da se kao prvo odabere ukupni
broj atributa sa kojim e se signal opisati, a zatim da se svakom atributu pridrui odgovarajua
funkcija pripadnosti. Specifikacija funkcije pripadnosti podrazumeva da se odabere interval
brojnih vrednosti na kome je ovaj atribut, bar u nekoj meri, ispunjen. Tako je prethodno
posmatranom primeru atributu PRIJATNA TEMPERATURA pridruen fazi skup prikazan na Sl 2-4.
Skup svih atributa kojima se opisuje jedan signal ini okvir spoznaje tog signala. Formalno
fazi skup A={A1, A2, ..., An} je okvir spoznaje pojma X ako su ispunjeni sledei uslovi:
A pokriva univerzum X - svaki element pojma X pridruen je bar jednom fazi skupu sa ne
nultim stepenom pripadnosti
x X, Ai (x) > >0 odreuje nivo pokrivanja
Elementi skupa A su unimodalni skupovi (postoji oblast x koja ima jasno semantiko znaenje i
u kojoj samo jedan od fazi skupova Ai ima izrazito veliku funkciju pripadnosti)
Fazi skupovi se delimino prekrivaju (veliko prekrivanje zamagljuje situaciju, malo
prekrivanje vodi ka bivalentnoj logici).
Okvir spoznaje zavisi od broja atributa koji se eli koristiti za specificiranje posmatrane
veliine1.

Fazi okvir spoznaje veliine TEMPERATURA

Temperatura moe biti VELIKA ili MALA, ali takoe i VEOMA MALA, MALA, NORMALNA, VELIKa i VEOMA VELIKA,
i tako redom. Granice izmeu atributa zavise od line procene i iskustva. U principu one se izraavaju u
jedinicama u kojima se posmatrana veliina meri. S obzirom da se ovde radi o temperaturi logino je da se
0
granice izraavaju u C.
U klasinom pristupu pojam temperatura bio bi predstavljen kao to je to prikazano na (Sl 2-6). Pri
tome, ako se opredelimo za binarnu predstavu onda e pojam temperatura biti okarakterisana izlomljenom
linijom, odnosno predstavljen sa nekoliko brojnih vrednosti koje odgovaraju usvojenim atributima. Ukoliko

1
Imajui u vidu da se smatra da je ljudsko bie u stanju da koristi 72 koncepata, izvesno je da sa brojem
atributa ne treba preterivati.
 Fazi skup/21

se meutim, opredelimo za krivu liniju onda je svaki atribut prikazan segmentom vrednosti, pri emu se
segmenti dodiruju, ali ne preklapaju.

SL 2-6 BINARNA SPECIFIKACIJA ATRIBUTA VELIINE TEMPERATURA

Fazi pristup formiranja okvira spoznaje zahteva da se celokupan interval temperature obuhvati fazi
skupovima koji se preklapaju. Broj ovih skupova zavisi od broja atributa kojima se pojam opisuje. U tom
smislu oba fazi skupa prikazana na Sl 2-7 ispunjavaju sve uslove specificirane za okvir spoznaje, to znai da
predstavljaju dva okvira spoznaje veliine TEMPERATURA.

SL 2-7 FAZI SPECIFIKACIJA VELIINE TEMPERATURA

Neke veliine mogu se na zadovoljavajui nain opisati i pomou samo jednog atributa.
takav je, na primer, sluaj sa veliinom KIA, koja se u potpunosti moe opisati skupom koji je
prikazan na Sl 2-8. Imajui u vidu o kojoj se veliini radi promenljiva koju skup predstavlja je
koliinu padavina izraena recimo u litrama po m2 povrine.

JEDAN ATRIBUT - OKVIR SPOZNAJE JEDAN FAZI SKUP VIE ATRIBUTA - OKVIR SPOZNAJE VIE FAZI SKUPOVA

SL 2-8 DVA OKVIRA SPOZNAJE FAZI SKUPA KIA

Formirani skup koji predstavlja okvir spoznaje veliine KIA iskazuje da ako je koliina
padavina manja od a onda se smatra da kia uopte ne pada, ako je vea od b onda "lije kao iz
kabla". Sledei ovu logiku oigledno je da poetak uzlaznog
dela krive, gde funkcije pripadnosti imaju male vrednosti u
stvari znai da kia "rominja" ili "sipi". Vee funkcije
pripadnosti odgovaraju situaciji u kojima se kae da kia
"pada", i "pljuti".
Ukoliko se, iz nekog razloga eli daleko preciznije da
posmatra pojava padanja kie onda je pogodno da se okvir
SL 2-9 SINGLTON FAZI SKUP KIA spoznaje formira na drugaiji nain, odnosno da se svakom
od pomenutih atributa pridrui poseban fazi skup kao to
Fazi skup/22

je to prikazano na Sl 2-8.
Konano, pretpostavimo da je u nekom trenutku izmereno tano koliko je litara kie palo
na jedan metar kvadratni. Konzistentnost fazi pristupa zahteva da se i ova vrednost izrazi fazi
skupom. U tom cilju koristi se singlton fazi skup definisan relacijom (2.6). Ovaj skup prikazan je na
Sl 2-9. Potrebno je zapaziti da on ne predstavlja okvir spoznaje zato to njime nisu obuhvaene sve
vrednosti koliine padavina.
 Fazi relacija/23

Od uzroka koji izgledaju slino mi oekujemo sline efekte

To je sveukupna sutina svih naih eksperimentalnih
zakljuaka"
David Hume, "An Inquiry Concerning Human
Understanding" (1748)

3 Preslikavanje uzroka u posledice Fazi relacija

3.1 Fazi relacija

3.1.1 DEFINICIJA FAZI RELACIJE
Kao to je ve istaknuto fazi skup je uveden u cilju specifikacije pojedinih pojmova koji
nee biti definisani u bivalentnoj logici ve e omoguavati da se iskau razliite nijanse njihovog
znaenja. Sa gledita teorije sistema, ovaj koncept omoguava da se ulazni i izlazni signali, umesto
brojnih vrednosti prikau preko odgovarajuih fazi skupova. Ako se, pri tome, podsetimo da model
procesa odreuje preslikavanje ulaznih veliina na izlazne, onda bi, u skladu sa izloenim
konceptom, fazi model trebalo da uspostavi neku relaciju izmeu dva fazi skupa. Otuda je
neophodno, da se kao prvo definie pojam fazi relacije.
Fazi relacija S izmeu dva univerzuma V i W je fazi skup definisan u prostoru proizvoda
V W = {(v, w) : v V, w W} (3.1)
Ovaj skup okarakterisan je funkcijom pripadnosti
S : V W [ 0,1] (3.2)
Ukoliko su fazi skupovi diskretni, fazi relacija se specificira u matrinoj formi
S = s ij = S (v i , w j )
dok se kada su fazi skupovi kontinualni relacija specificira analitiki
S = S (v, w ) = f (v, w )
Posmatrajui definiciju relacije vidi se da sve ranije definisane operacije nad fazi
skupovima takoe predstavljaju relacije. Razlika je samo u tome to su posmatrana dva skupa nad
istim univerzumom, tako da je rezultujui fazi skup jednodimenzionalan. Konano i sam fazi skup
predstavlja relaciju sa univerzumom kao jedininim elementom.
Sa gledita modeliranja sistema, meutim, od interesa su relacije koje omoguavaju da se
uspostavi korelacija izmeu ulaza i izlaza sistema. Ova korelacija se iskazuje pomou fazi pravila,
odnosno implikacija tipa
Ako je A, tada je B.
Pri tome, imajui u vidu da su pojmovi A i B predstavljeni fazi skupovima nesumnjivo je da se ovo
pravilo mora kodirati pomou fazi relacije. Rezultat relacije treba da bude skup funkcija
pripadnosti koje daju meru tanosti modeliranog iskaza. Intuitivno je jasno da relacija pomou
koje se kodira pravilo mora biti takva da to je funkcija pripadnosti uslova blia jedinici, to i
funkcija pripadnosti implikacije mora da bude blia jedinici. U skladu sa time ini se da je prirodno
da se implikacija kodira nekom formom preseka dva skupa. U tu svrhu se definiu korelacione
max-min ili max-proizvod relacije1.
3.1.2 KORELACIONI MINIMUM I KORELACIONI PROIZVOD
Zahtev da rezultujua funkcija pripadnosti bude najvea kada su funkcije pripadnosti
uslova i posledice najvee intuitivno vodi ka ideji da se implikacija kodira nekom formom preseka
dva skupa. U tu svrhu se definiu korelacione max-min ili max-proizvod relacije2.

1
Korelaciona matrica se naziva i FAM matrica (fazi asocijativna matrica)
2
Korelacione relacije se esto oznaava kao " HEB relacije". Ovaj naziv potie od ideje o asocijativnom
uenju - "hebian learning" - pojma koji je prvi uveo Mamdani (1977), a kasnije razraivao Togai (1983).
Fazi relacija/24

Smin = ( uslov )
T
( posledica )
(3.3)
S prod = ( uslov ) ( posledica )
T

Korelacioni minimum fazi spoljni proizvod

Neka su A i B dva fazi skupa definisana nad univerzumima V i W. Neka su, nadalje, oni
predstavljeni vrsta vektorima (dimenzija n i m respektivno) ako su skupovi diskretni, odnosno
funkcijama pripadnosti ako su skupovi kontinualni. Tada se relacija korelacionog minimuma
definie kao
DISKRETNI SKUPOVI
S = A T B = sij ; s ij = min(a i , b j ) (3.4)

KONTINUALNI SKUPOVI
S = A T B = S (v, w) = min( A (v), B (w)) (3.5)
Iz definicije ove relacije vidi se da matrica S ima sledee osobine.
o i-ti red matrice S predstavlja minimum elementa ai i svih elemenata vektora B
o j-ta kolona matrice S predstavlja minimum elementa bj i svih elemenata vektora A
U skladu sa time matrica S se moe prikazati kao
S1 a1 B
S a B
S = 2 = 2 = b AT b2 A T b m AT (3.6)
1

Sn a n B
gde je a i b j = min(a i ,b j ) .
Relacija (3.6) omoguava i jednostavnu grafiku
interpretaciju korelacionog minimuma. Naime, svaki red matrice
S se zapravo dobija odsecanjem skupa B pomou odgovarajueg
ai B elementa skupa A (Sl 3-1).
Zapazimo da se u skladu sa datom relacijom vidi da vae i
sledee osobine matrice S
SL 3-1 GRAFIKA INTERPRETACIJA o ako je ak=1 tada je k-ti red matrice S jednak vektoru B ( s ki = bi )
KORELACIONOG MINIMUMA
o ako je bj=1 tada je j-ta kolona matrice S jednaka vektoru A (
sij = a i )
o ako je za neko k i za svako j, ak bj tada je k-ti red matrice S jednak vektoru B.
Korelacioni proizvod
Neka su A i B dva fazi skupa definisana nad univerzumima X i Y. Neka su, nadalje, oni
predstavljeni vrsta vektorima (dimenzija n i m respektivno) ako su skupovi diskretni, odnosno
funkcijama pripadnosti ako su skupovi kontinualni. Tada se relacija
korelacionog proizvoda definie kao
S = A T B = s ij ; s ij = a i b j (3.7)
odnosno, ako su skupovi kontinualni
ai B S = A T B = S (x, y) = A (x) B (y) (3.8)
SL 3-2 GRAFIKA INTERPRETACIJA U skladu sa relacijom (3.7) vidi se da se svaki red matrice
KORELACIONOG PROIZVODA S dobija tako to se vektor B skalira sa odgovarajuim elementom
vektora A.
( )
Si = i-ti red matrice AT B a i B;
(3.9)
Si = si,1 si,2 si,m ; i = 1, 2, n
 Fazi relacija/25

na taj nain, za razliku od korelacionog minimuma, ovde se radi o operaciji skaliranja, tako da se u
izvesnom smislu zadrava oblik funkcije (Sl 3-2).
3.1.3 INTERPRETACIJA FAZI RELACIJE KORELACIJE
U cilju razumevanja razlike izmeu klasine i fazi relacije pretpostavimo da se posmatra
1 neki rashladni ureaj kod koga se brzina
0.9 motora (B) menja sa temperaturom (A).
0.8
A Pretpostavimo nadalje da se i brzina i
0.7
B temperatura mogu izmeriti i da su njihove
0.6
0.5 vrednosti skalirane na opsegu od 0 do 10.
0.4 Neka je eksperimentalno utvreno da
0.3
temperaturi A=5.5 odgovara brzina motora
0.2
0.1 B=5. To znai da bi u bivalentnoj logici ova
0 veza mogla da se iskae relacijom
0 1 2 3 4 5 6 7 8 9 10
Ako je A=5.5 tada je B=5
odnosno funkcijom
SL 3-3 FAZI BROJEVI A I B
y=f(x); f ( 5.5 ) = 5
Fazi pristup, meutim, podrazumeva da upravljanje nee biti odreeno funkcionalnom
zavisnosti, ve fazi pravilom. Ako je skaliranje izvreno tako da veliini skalirane temperature od
5.5 odgovara atribut "toplo", a brzini od 5 atribut "brzo" onda e fazi ekvivalent ove relacije biti
"Ako je A toplo tada je B brzo
Da bi se modelirala ova relacija potrebno je da se definiu dva fazi broja:
o Fazi broj A koji ima znaenje "5.5" usvaja se da sve vrednosti izmeu 4 i 7 u nekoj meri
odgovaraju temperaturi 5.5 (recimo da u nekoj meri odgovaraju atributu "toplo").
o Fazi broj B koji ima znaenje "5" usvaja se da sve vrednosti izmeu 2 i 8 u nekoj meri
odgovaraju brzini motora 5, (recimo da u nekoj meri odgovaraju atributu "brzo").
U skladu sa time atributi A i B mogu se prikazati fazi skupovima datim na Sl 3-3.
Ako se oba skupa predstave kao diskretni skupovi sa po deset elemenata
A = [(x i ) ]1x10 ; B = [ (yi )]1x10 ; x i = yi = i, i = 1, 2,...,9
tada relacije korelacioni minimum i korelacioni proizvod nad ovim skupovima imaju izgled
prikazan na (Sl 3-4).
min(ai,bi) - 10x10 tacaka proizvod (aibi) - 10x10 tacaka

1
0.8
1
0.6
0.8
0.4
0.6
0.2
0.4
0
9 0.2
8
7 0
6 9
5 87
4 10 65 89
3
2 7 8 9
43 5 67
1 3 4 5 6 4
B(2, 5, 8) 0 0 1 2 B(2, 5, 8) 21 2 3 A(4, 5.5, 7)
A(4, 5.5, 7) 0 01

SL 3-4 KORELACIONI MINIMUM I KORELACIONI PROIZVOD PRI DISKRETIZACIJI SA 10 TAAKA

Sa Sl 3-4 se vidi da relacija korelacioni proizvod daje finije, vie nijansirane ivice relacije, za razliku
od korelacionog minimuma, koji zbog odsecanja dovodi do otrijih ivica. Ovaj fenomen je jo oigledniji ako
se oba skupa diskretizuju sa po 100 taaka (Sl 3-5).
Svaka taka na z-osi predstavlja funkciju pripadnosti uspostavljene relacije izmeu
skupova A i B, odnosno svojevrsnu meru tanosti iskaza "Ako je A toplo tada je B brzo.
Fazi relacija/26

proizvod aibi - 100x100 tacaka

min(ai,bi) - 100x100 tacaka

1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
10 10
7.5 7.5
5
2.5 6 7 8 9 10 5 8 9
10
B(2, 5, 8) 0 0 1 2 3 4 5 B(2, 5, 8) 2.5 5 6 7
A(4, 5.5, 7) 3 4A(4, 5.5, 7)
0 0 1 2

SL 3-5 KORELACIONI MINIMUM I KORELACIONI PROIZVOD PRI DISKRETIZACIJI SA 100 TAAKA

Iz poprenih preseka dobijenih relacija prikazanih na Sl 3-6 vidi se vidi se da funkcija
pripadnosti ima vrednost 1 u taci (x,y)=(5.5, 5). Ova taka je zapravo odreena vrednostima u
kojima skup A ima funkciju pripadnosti 1 (x=5.5) i skup B ima funkciju pripadnosti 1 (y=5)1. U svim
ostalim takama funkcije pripadnosti su manje od 1, to znai da je posmatrani iskaz u nekoj meri
taan.
1 1
0.9 0.9
0.8 0.8
0.7 0.7
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
x y

KORELACIONI MINIMUM
1
1
0.9
0.9
0.8
0.8
0.7 0.7

0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1
0.1
0
0 0 1 2 3 4 5 6 7 8 9 10
0 1 2 3 4 5 6 7 8 9 10
y
x

KORELACIONI PROIZVOD

SL 3-6 POPRENI PRESECI RELACIJE KORELACIJE DU OSA X I Y

Isti zakljuak moe se izvui i iz konturnih dijagrama (Sl 3-7) koji moda najbolje ilustruje
razliku izmeu fazi pravila i bivalentnog modeliranja uzroka i posledice. Naime, fazi relacija
odreuje jedan prostor unutar koga izmerene temperature odgovaraju pojmu "toplo", a izmerene
brzine pojmu "brzo". Za razliku od toga, bivalentna relacija dve promenljive je uvek nuno
predstavljena jednom linijom. U posmatranom primeru ta linija bi mogla da bude opisana
jednainom y = x 0.5 . Otuda e svaka nepreciznost, prouzrokovana recimo merenjem, nuno
dovesti do odstupanja od linije bivalentnog modela, ali e zato i dalje ostati unutar oblasti fazi
modela.

1
Vrednost funkcije pripadnosti u relaciji dobijenoj diskretizacijom sa 10x10 taaka nije ni u jednoj taki 1
zato to skup ne ukljuuje koordinatu 5.5.
 Fazi relacija/27

10 10
9 9
8 8
7 7
6 6
y y
5 5
4 4
3 3
2 2
1 1
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
x x

SL 3-7 KONTURNI DIJAGRAMI KORELACIONOG MINIMUMA I KORELACIONOG PROIZVODA I ODGOVARAJUI BIVALENTNI MODEL

3.2 Modeliranje implikacije

U svakodnevnom ivotu implikacija "ako pada kia, tada ete biti mokri" ima viestruko
znaenje. On naime, podrazumeva "ako kia jako pada biete veoma mokri", "ako kia malo pada,
biete malo mokri", kao i niz drugih varijanti. Meutim, ukoliko bi se ovaj iskaz modelirao u
klasinoj bivalentnoj logici onda bi se pojmu "kia" morala pridruiti jedna odreena brojna
vrednost izraena u koliini padavina po jedinici povrine (l/m2). Kroz eksperimenat bi se tada
utvrdila i koliina "vlanosti", recimo natopljenost tkanine (l/m3) koja odgovara datoj koliini
padavina. Ponavljanjem eksperimenta bi se odredila i funkcionalna zavisnost, odnosno
matematiki model oblika
Mokar = f ( kisa ) (3.10)
U fazi logici se umesto brojnih vrednosti posmatra fazi skup "kia" koji istovremeno
obuhvata injenicu da kia moe da "rominja, sipi, pada i pljuti", i fazi skup "mokar" koji ukljuuje
stanja "oroen, vlaan, mokar, prokisao". Tada se posmatrani iskaz moe modelirati pomou fazi
relacije koja obuhvata sva ta znaenja istovremeno. Relacija treba da bude takva da pravilo
preslikavanja izraava meru tanosti u kojoj par vrednosti ulaza i izlaza odgovara iskazanoj tvrdnji.
U skladu sa izloenim vidi se da relacija koja modelira iskaz
Ako je A tada je B
treba da rezultuje fazi skupom ija funkcija pripadnosti izraava meru istinitosti ovog iskaza u
svakoj taki ravni (uslov,posledica) kao to je to ilustrovano na Sl 3-8. Pri tome, relacija treba da
bude takva da funkcija pripadnosti fazi skupa koji se dobija njenom primenom ima vrednost
blisku jedinici za one take u ravni (uslov,posledica) u kojima su funkcije pripadnosti uslova i
posledice bliske jedinici. Kao to je ve pokazano navedene uslove ispunjavaju relacije
korelacionog proizvoda i korelacionog minimuma.
mokar
kisa

SL 3-8 ILUSTRACIJA KORELACIJE USLOV POSLEDICA

Fazi relacija/28

Pretpostavimo da se pri modeliranju pojma "kia" opredelimo za samo jedan atribut "koliina
padavina" u okviru spoznaje. Tada pojam "kia" moe da se modelira pomou samo jednog fazi skupa koji
ima izgled prikazan na Sl 3-9. Pri tome je usvojeno da brojevi na osi predstavljaju neku meru padavina,
skaliranu na opseg od 0 do 10. Intenzitet padavine bi, na primer, mogao da se meri preko matrice senzora
koji emituju impulse kada registruju kapljice kie. U tom sluaju nezavisna promenljiva (padavine) bila bi
izraena brojem impulsa u jedinici vremena. U cilju pojednostavljenja za prezentaciju fazi skupa "kia"
usvojena je trougaona funkcija pripadnosti iako bi verovatno bilo realnije da se usvoji neki oblik "S" krive.
Osoba na kii moe da bude u razliitim stanjima od "oroena" do "pokisla kao mi". Sledei istu
logiku i ovaj fazi skup se moe okarakterisati samo jednim atributom "mokar" koji se izraava preko
3
vlanosti, odnosno natopljenosti tkanine vodom l/m , skaliranim na isti opseg. Velika vlanost znai da je
osoba zaista mokra te se tom opsegu vrednosti pridruuje funkcija pripadnosti 1. Maloj vlanosti odgovara
funkcija pripadnosti nula, dok su sve ostale gradacije pojma MOKAR okarakterisane funkcijama pripadnosti
izmeu 0 i 1 (Sl 3-9).
U nekoj realnoj situaciji granice oba fazi skupa bi bile odreene uz konsultacije sa meteorologom
koji bi znao da oceni u kojim razmerama se mogu kretati padavine u podruju za koje se model pravi, kao i
sa tehnologom koji poznaje osobine materijala i stepen njihove higroskopnosti.
1 1
0.9 0.9
0.8 0.8
0.7 0.7
0.6
mokar

0.6
kisa

0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
padavine (broj impulsa u sekundi) vlaznost

SL 3-9 FAZI SKUPOVI "KISA" I "MOKAR"

Ostavljajui za trenutak samu definiciju korelacionih relacija rezultujua fazi funkcija koja se dobija
njihovom primenom na fazi skupove prikazane na Sl 3-9 data je na Sl 3-10.
Korelacioni minimum Korelacioni proizvod
1

1 0.8 1
0.8 0.8
0.6 0.6 0.6
0.4 0.4
0.2 0.4 0.2
0 0
9 8 9 8
7 6 10
0.2 7 10
5 8 9 6 5 8 9
4 3 5 6 7 4 3 5 6 7
2 1 4 4
2 3 2 1 2 3
posledica (mokar) 0 0 1 uslov (kisa) 0 posledica (mokar) 0 0 1 uslov (kisa)

SL 3-10 FAZI RELACIJA KODIRANJE PRAVILA "AKO PADA KIA TADA ETE BITI MOKRI"
Odgovarajui konturni dijagrami u ravni (uslov,posledica) prikazani su na Sl 3-11. Uz njih je nacrtana
i hipotetina bivalentna relacija y=f(x) izmeu stepena vlanosti (y) i koliine padavina (x). Vidi se da sa
aspekta prostora (uzrok, posledica) fazi pristup u daleko velikoj meri omoguava da se iskae bogatstvo
pojmova.
 Fazi relacija/29

Korelacioni minimum Korelacioni proizvod

10 1 10 1
9
8 0.8 8 0.8

posledica (mokar)
posledica (mokar)
7
6 6 0.6
0.6
5
4
0.4 4 0.4
3
2
0.2 2 0.2
0 1
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
uslov (kisa) uslov (kisa)

SL 3-11 KONTURNI DIJAGRAMI FAZI MODELA ISKAZA "AKO PADA KIA TADA ETE BITI MOKRI"

Izloeni primer je van svake sumnje zanimljiv sa gledita modeliranja bogatstva znaenja
pojedinih iskaza, no ovde se postavlja pitanja na koji nain bi se predloeni pristup mogao da
koristi u teoriji upravljanja?
Polazei upravo od raznovrsnosti znaenja jednog pojma kao i od injenice da upravljaki
sistem u osnovi oponaa operatera na procesu Zadeh je predloio da se i zahtevi u pogledu
upravljanja iskau nizom pravila, odnosno uzrono posledinih veza izmeu ulaza i izlaza
kontrolera.
Posmatrajmo, na primer, brisae na automobilu koje e voza ukljuiti kada pada kia.
Poto kod veine automobila voza ima na raspolaganju nekoliko brzina brisaa, on e, u
zavisnosti od intenziteta padavina odabrati odgovarajuu brzinu brisaa. To znai da voza
zapravo koristi sledee pravilo
"Ako pada kia, tada ukljui brisae"
koje podrazumeva niz pravila
"Ako kia pljuti, tada ukljui brisae na veliku brzinu"
"Ako kia sipi, tada ukljui brisae na malu brzinu"
i tako redom.
Ako se sada pretpostavi da se na prednjem staklu automobila postavi matrica senzora koji
kada na njih padne kap kie proizvode impulse onda bi se fazi skup "kia" mogao definisati na isti
nain prikazan na Sl 3-9. Na isti nain bi i fazi skup "mokar" mogao da bude zamenjen fazi skupom
"brzina brisaa" koji bi kao nezavisnu promenljivu imao pobudu motora brisaa. Uspostavljanjem
relacija izmeu ova dva fazi skupa dobili bi se isti konturni dijagrami (kia, brzina brisaa) kao to
su oni prikazane na Sl 3-11. Na taj nain umesto krive upravljanja
pobuda _ motora = f ( broj _ impulsa / s )
dobija se fazi relacija S ( kisa,brzina _ brisaca ) oko te krive.

3.3 Kodiranje pravila koje sadri konjunkciju uslova "I"

Konjunkcija uslova obuhvata pravila tipa
"Ako je A I ako je B tada je C"
Budui da je fazi relacija definisana kao operacija izmeu dva skupa (uslov i posledica),
uspostavljanje fazi relacije zahteva da se kao prvo formira objedinjeni fazi skup uslova. Kada su
uslovi povezani konjunkcijom " " onda se rezultujui skup dobija primenom operacije preseka fazi
skupova.
Fazi relacija/30

E = E ;

E fazi skupovi uslova (ulaza); (3.11)
t - norma
Odgovarajua fazi relacija je prema tome

S = E T Y = ET U

U fazi skup posledice (izlaz) (3.12)
korelacioni proizvod ili korelacioni mimimum

U cilju ilustracije modeliranja konjunkcije posmatrae se sledei iskaz

"Ako je brzina velika I ako rastojanje nije malo tada je pobuda motora velika".
Ukoliko se sve veliine skaliraju na opseg od 0 do 10 tada se fazi skupovi "velika brzina", "malo
rastojanje" i "velika pobuda" mogu se formirati kao to je to prikazano na Sl 3-12.
1 1
0.9 0.9
0.8
malo rastojanje

0.8
0.7
velika brzina
0.7
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
skalrano rastojanje skalirana brzina
1
0.9
0.8
velika pobuda

0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
skalirani napon

SL 3-12 FAZI SKUPOVI "MALO RASTOJANJE", "VELIKA BRZINA" I "VELIKA POBUDA"

Budui da u iskaz sadri dva uslova neophodno je da se kao prvo odredi fazi skup koji objedinjuje
oba uslova. Kako su ona povezana relacijom " " to je evidentno da se rezultujui skup dobija primenom
operacije preseka. Pored toga, budui da u iskazu stoji negacija - nije malo rastojanje neophodno je da se
presek izvri nad negacijom fazi skupa malo rastojanje. Rezultat operacije preseka sa dve razliite t -norme
prikazan je na Sl 3-13.
1 1
malo rastojanje
0.8 malo rastojanje
nije malo rastojanje 0.8
nije malo rastojanje
0.6 brzina velika brzina
0.6
presek min presek prod
0.4 0.4

0.2 0.2

0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10

SL 3-13 PRESEK FAZI SKUPOVA USLOVA

U skladu sa izloenim relacija koja opisuje dati iskaz ima oblik
 Fazi relacija/31

( ) (velika _ pobuda)
T
Smin = velika_brzina t malo _ rastojanje
(3.13)
Sprod = ( velika_brzina t malo_rastojanje ) (velika _ pobuda)
T

gde relacija moe da bude korelacioni proizvod ili korelacioni minimum. Na Sl 3-14 prikazan je fazi model
dobijen korelacionim proizvodom, pri emu je presek formiran sa t-normom minimum.
10
1 9
0.8 8

velika pobuda
0.6 7
0.4 6
0.2 5
0 4
10 9 3
87
65 8 9 10
43 4 5 6 7 2
21 3
velika pobuda 0 0 1 2 1
presek(velika brzina, 1 2 3 4 5 6 7 8 9 10
nije malo rastojanje) - min presek(velika brzina, nije malo rastojanje)

SL 3-14 FAZI MODEL ISKAZA DOBIJEN KORELACIONIM PROIZVODOM I ODGOVARAJUI KONTURNI DIJAGRAM
Potrebno je zapaziti da bi analitiki model koji odgovara datom iskazu sada bio funkcija dve
promenljive
y = f ( x1, x2 )
Za formiranje ovog modela bilo bi neophodno da se uspostavi neka korelacija izmeu intenziteta brzine i
rastojanja to, po pravilu, nije nimalo jednostavan zadatak.

3.4 Kodiranje pravila koje sadri disjunkciju uslova "ILI"

Disjunkcija uslova obuhvata pravila tipa
"Ako je A ILI ako je B tada je C"
Budui da je fazi relacija definisana kao operacija izmeu dva skupa (uslov i posledica),
uspostavljanje fazi relacije zahteva da se kao prvo formira objedinjeni fazi skup uslova. Kada su
uslovi povezani disjunkcijom " " onda se rezultujui skup dobija primenom operacije unije fazi
skupova.

E = E ;

E fazi skupovi uslova (ulaza) (3.14)
s - norma
Odgovarajua fazi relacija je prema tome

S = E T Y = ET U

U fazi skup posledice (izlaz) (3.15)
korelacioni proizvod ili korelacioni mimimum

U cilju ilustracije modeliranja disjunkcije posmatrae se sledei iskaz

"Ako je protok veliki ILI ako je pritisak mali tada je pobuda pumpe velika"
Ukoliko se sve veliine skaliraju na opseg od 0 do 10 tada se fazi skupovi "mali pritisak", "veliki
protok" i "velika pobuda" mogu se formirati kao to je to prikazano na Sl 3-15.
Fazi relacija/32

1 1
0.9 0.9
0.8 0.8
veliki protok

mali pritisak
0.7 0.7
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 1 2 3 4 5 6 7 8 9 10
0 1 2 3 4 5 6 7 8 9 10
skaliran izmereni protok skalirani izmereni pritisak

1 1
0.9

unija(pritisak, protok)
0.9
0.8 0.8
velika pobuda

0.7 0.7
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1
0.1
0
0 1 2 3 4 5 6 7 8 9 10 0
skalirani napon 0 1 2 3 4 5 6 7 8 9 10
s-norma maksimum

SL 3-15 FAZI SKUPOVI "VELIKI PROTOK" , "MALI PRITISAK" I "VELIKA POBUDA" I UNIJA USLOVA
Budui da u iskaz sadri dva uslova neophodno je da se kao prvo odredi fazi skup koji objedinjuje
oba uslova. Kako su ona povezana relacijom " " to je evidentno da se rezultujui skup dobija primenom
operacije unije. Rezultat operacije preseka sa maksimumom kao s--normom prikazan je na Sl 3-15.
10
1
0.8 8
velika pobuda

0.6
0.4 6
0.2
0 4
10 9
8 7 9 10
6 5 7 8
4 3 4 5 6 2
2 1 2 3
0 0 1
velika pobuda unija(veliki protok, 2 4 6 8 10
mali pritisak) - max unija(protok,pritisak)

SL 3-16 FAZI MODEL ISKAZA DOBIJEN KORELACIONIM PROIZVODOM I ODGOVARAJUI KONTURNI DIJAGRAM
U skladu sa izloenim relacija koja opisuje dati iskaz ima oblik
Smin = ( veliki_protok smali_pritisak )T (velika_pobuda)
(3.16)
Sprod = ( veliki_protok s mali_pritisak ) (velika_pobuda)
T

gde relacija moe da bude korelacioni proizvod ili korelacioni minimum.

Na Sl 3-16 prikazan je fazi model dobijen korelacionim proizvodom, pri emu je presek formiran sa
s--normom maksimum.
 Upravlanje/33

ovek zakljuuje na bazi oskudnih dokaza, maglovitih

koncepata, heuristikih silogizama, prethodnih injenica,
odokativnih pravila, nedefinisanih intuicija, sumnji,
verovanja, procena, pogaanja, ... mi koristimo rezultate
egzaktne nauke, ali kao alate ili pomona sredstva u
odluivanju, dok konana odluka (upravljanje) ostaje fazi.
Bart Kosko, Fuzzy Thinking

4 Odreivanje upravljanja

4.1 Korienje merenja - Max t-kompozicija

Fazi modeliranje pravila ukazuje na mogunost da se fazi kontroler formira kao skup iskaza
kojima se odreuje izlaz u sluaju delovanja nekih ulaza, odnosno kao niz pravila kojima se opisuje
ponaanje sistema. Broj takvih pravila zavisie svakako od vrste sistema koji se posmatra.
Ostavljajui za sada po strani pitanje broja pravila i naina na koji se ona formiraju,
neophodno je da se, kao prvo, utvrdi na koji nain
Fazi ulaz Fazi izlaz bi se tako formiran model kontrolera mogao
E Fazi kontroler U upotrebiti. Naime, osnovna svrha formiranja
(fazi relacija S) modela je da se pomou njega za dati ulazni signal
odredi odgovarajue upravljanje. To zapravo
SL 4-1 MODEL FAZI KONTROLERA znai da je neophodno da se definie neka
operacija kojom bi se mogli povezati fazi skup
ulaza (E) i fazi relacija (S), koja definie pravilo, tako da se dobije fazi skup izlaza (Sl 4-1). Drugim
reima trai se neka fazi relacija oblika
U = Fazirelacija (E,S)
koja ispunjava uslov
S = Korelacija (E, U) U = Fazirelacija (E,S)
Pokazuje se da se, pod odreenim uslovima, fazi skup izlaza moe odrediti pomou max t
kompozicije. Otuda je neophodno da se pre svega definie ova operacija.
Max- t-kompozicija1 fazi relacija
Ako je E fazi skup nad univerzumom V, a S relacija nad univerzumima V i W, tada se max-
t-kompozicija definie na sledei nain.

DISKRETNI FAZI SKUPOVI

E = [ei ] ; S= sij
(4.1)
U=E S= [ u i ] ; u i = max {(e k ts ki )}
k

KONTINUALNI FAZI SKUPOVI

E = E (v) ; S = S (v, w)
(4.2)
U = E S = E S (w) = U (w) = max { E (v) tS (v, w)}
vV
U principu, t-norma moe biti bilo koja norma koja ispunjava ranije definisane uslove.
Najee se koriste minimum i proizvod, tako da se govori o
max-min kompoziciji - U max min = E S (4.3)

1
Max-t-kompozicija se u najoptijem sluaju definie nad dve relacije kada je i rezultat operacije fazi
relacija. Ovde se posmatra poseban sluaj kada je jedna od relacija fazi skup.
Upravljanje/34

max-proizvod kompoziciji - U max prod = E S (4.4)

Iz definicije max-t-kompozicije vidi se da ona omoguava da se odredi jedan fazi skup kao
funkcija drugog fazi skupa i korelacione relacije fazi skupova. Sa gledita odreivanja fazi skupa
izlaza neophodno je jo da se ispita da li max-t kompozicija moe da igra ulogu inverzne operacije
u odnosu na operaciju korelacionog proizvoda i korelacionog minimuma, odnosno da li vae
sledee implikacije
Smin = ET U U = E Smin
(4.5)
Sprod = ET U U = E Sprod
Bidirekcione FAM teoreme pokazuju da je dovoljan uslov za odreivanje izlaza fazi
modela, kao i za odreivanje ulaza pomou inverznog fazi modela, da oba fazi skupa budu
normalna. To znai da, pod uslovom da je fazi model kontrolera formiran nad dva normalna fazi
skupa, max-t-kompozicija odreuje fazi skup izlaza, odnosno predstavlja inverznu operaciju fazi
relacije.

4.2 Fazi skup izmerene veliine fazifikacija

Polazei od injenice da max-t-kompozicija omoguava da se fazi model kontrolera
upotrebi za odreivanje fazi skupa izlaza, na osnovu poznatog fazi skupa ulaza, postavlja se pitanje
na koji nain se ova injenica moe koristiti u nekoj realnoj situaciji u kojoj se ulazna veliina meri
odgovarajuim mernim instrumentom. Budui da su svi merni instrumenti konstruisani tako da
daju brojne vrednosti izmerene veliine skalirane u odabranim jedinicama, a ne fazi skup veliine
koja se meri, primena max-t-kompozicije zahteva da se kao prvo ustanovi koji fazi skup bi najvie
odgovarao nekoj izmerenoj veliini, odnosno da se izvri fazifikacija izmerene veliine.
U traenju odgovora na postavljeno pitanje, podsetimo se da je veliina koja se posmatra
okarakterisana nizom atributa i da je svaki atribut predstavljen odgovarajuim fazi skupom. Svi ti
fazi skupovi ine okvir spoznaje date veliine

SL 4-2 FAZIFIKACIJA IZMERENE VREDNOSTI

Kao to je ve reeno, pri praktinoj implementaciji recimo upravljanja brzinom brisaa
dobie se uvek tano izmeren broj registrovanih impulsa. Taj broj e svakako nai odgovarajui
stepen pripadnosti u jednom ili vie fazi skupova koji ine okvir spoznaje, ali nas u ovom trenutku
ne zanimaju ti stepeni pripadnosti. Nama je zapravo cilj da pomou te vrednosti primenom max-t-
kompozicije ustanovimo koji fazi skup izlaza odgovara ba toj izmerenoj vrednosti.
injenica da raspolaemo sa tano utvrenom brojnom vrednosti za broj impulsa, namee
potrebu da toj vrednosti dodelimo funkciju pripadnosti koja je jednaka 1. Nadalje, poto nijedna
druga brojna vrednost ne odgovara izmerenoj vrednosti, njihove funkcije pripadnosti moraju biti
jednake nuli. Otuda se izmerena vrednost mora predstaviti singlton fazi skupom visine 1, kao to
je to ilustrovano na Sl 4-2.
 Upravlanje/35

o Diskretni singlton fazi skup izmerene vrednosti

Neka je izmerena vrednost v0 diskretizovana i neka je utvreno da se onanalazi na "n-tom"
mestu u vektoru diskretnog skupa izmerenih vrednosti, tada je diskretni fazi skup izmerene
vrednosti
0 i n
Ea = [eai ] ; eai = (4.6)
1 i = n
o Kontinualni singlton fazi skup izmerene vrednosti
Neka je izmerena vrednost v0 tada je kontinualni fazi skup izmerene vrednosti jednak
1 v = v 0
E a = Ea (v); Ea (v) = (4.7)
0 v v 0

4.3 Fazi skup izlaza

Ako se sada pretpostavi da je fazi model sistema opisan relacijom S nad skupovima E i U,
fazifikacija izmerene veliine (fazi skup Ea) omoguava da se direktnom primenom max-t-
kompozicije, za svaku izmerenu vrednost odredi odgovarajui fazi skup izlaza.
DISKRETNI FAZI SKUP IZLAZA
Poto je
0 k n
Ea = [eak ]; eak = ;
1 k = n
S = sij ; Smin = ET U ili Sprod = ET U (4.8)
nxm
0tski = 0 k n
uai = eak tski = ;
1tski = sni k = n
sledi da je fazi skup izlaza koji odgovara izmerenoj vrednosti
Ua =Ea S= [ uai ] ; uai = max {(eak tski )} =sni (4.9)
k
Iz relacije (4.9) se vidi da je je fazi skup izlaza jednak n-tom redu korelacione matrice S. U
skladu sa relacijama (3.6) i (3.9), n-ti red korelacione matrice dobija se tako to se odredi
minimum, (ili proizvod) komponente en fazi skupa E, sa fazi skupom U (Sl 3-1 i Sl 3-2).
u ai = s ni = min(e n , u i ), ili u ai = s ni = e n u i (4.10)
KONTINUALNI FAZI SKUP IZLAZA
Poto je
0tS (v, w) = 0 v v0
Ea (v) tS (v, w) = ; S = S (v, w) (4.11)
1tS (v, w) = S (v, w) v = v 0
sledi da je kontinualni fazi skup izlaza
U a = Ea S ; U a = Ua (w) = max { Ea (v) tS (v, w)} = S (v 0 , w) (4.12)
vV
Budui da je u ovom sluaju fazi skup izlaza funkcija samo jedne promenljive (w) njegova funkcija
pripadnosti se izraunava prema relaciji
U a ( w ) = S (v 0 , w) = min ( E (v 0 ), U (w) ) , ili
(4.13)
U a ( w ) = S (v 0 , w) = E (v 0 ) U (w)

Ilustracija odreivanja fazi skupa izlaza

Ako se pogledaju ranije definisani fazi skupovi uslova - KIA (E) - i posledice BRZINA_BRISACA (U) - dati
na Sl 3-9 vidi se da oni mogu opisati sledeim relacijama
Upravljanje/36

0 v<4 0 w<2
1 1

E = E (v) = (v 4) 4 v 7 ; U = U (w) = (w 2) 2 w 8 (4.14)
3 6
1 v>7 1 w>8
Predpostavimo da je merenjem utvreno da je broj impulsa u sekundi jednaki 5. To znai da se ova
izmerena vrednost moe predstaviti singlton fazi skupom
1 v = 5
E a = E a (v); E a (v) = (4.15)
0 v 5
U skladu sa relacijama (4.13) u zavisnosti od izbora t norme mogue je dobiti dva fazi skupa izlaza
U a min (Ea ) = Ua min (w) = S (5, w) = min ( E (5), U (w) ) =

0 w<2
(4.16)
1
= min ( 1 3 , U (w) ) = (w 2) 2 w 4
6
1
w>4
3

0 w<2

1 1
U aprod (E a ) = U aprod (w) = S (5, w) = E (5) U (w) = U (w) = (w 2) 2 w 8 (4.17)
3 18
1
w>8
3
Grafika interpretacija rezultata
Odreivanje fazi skupa izlaza moe se realizovati i grafiki kao to je to prikazano na Sl 4-3. Sa slike
se vide da je za odreivanje izlaznog fazi skupa od kljune vanosti mera u kojoj izmerena vrednost aktivira
uslov, odnosno pravilo koje povezuje uslov i posledicu. Ukoliko izmerena vrednost uopte ne aktivira pravilo
(ima funkciju pripadnosti nula u skupu uslova) tada su sve funkcije pripadnosti fazi skupa izlaza jednake nuli.

SL 4-3 FAZI SKUP IZLAZA ISKAZA "AKO PADA KIA BIETE MOKRI" KADA JE KIA=5
 Upravlanje/37

Konjunkcija i disjunkcija uslova

Nema nikakve sumnje da se isti analitiki postupak za dobijanje fazi skupa izlaza koji
odgovara izmerenim vrednostima moe primeniti i u sluaju kada je uslov konjunkcija ili
disjunkcija ili kombinacija konjunkcije i disjunkcije. Tada je neophodno da se kao prvo odredi
odgovarajua relacija izmeu uslova (presek ili unija ili kombinacija preseka i unije). Na tako
dobijeni fazi skup zbirnih uslova se onda primenjuje max-t-kompozicija.
Ako se pretpostavi da je na prethodno razmatranim primerima (Sl 3-12 i Sl 3-15)
konjunkcija realizovana maksimumom, a disjunkcija minimumom singlton fazi skupovi izmerenih
vrednosti e izdvojiti jedan od dva ulazna skupa kao to je to prikazano na Sl 4-4. Skup koji bude
izdvojen aktivira izlazni skup (Sl 4-4).
Uporeivanjem odgovarajuih funkcija pripadnosti vidi se da je u prvom iskazu,
povezanom "i" uslovom vrednost funkcije pripadnosti skupa VELIKA BRZINA manja od vrednosti
funkcije pripadnosti negacije skupa MALO RASTOJANJE. Otuda prvi skup VELIKA BRZINA odreuje izgled
funkcije pripadnosti fazi skupa izlaza.
U drugom iskazu, za date izmerene vrednosti ulaza, vrednost funkcije pripadnosti skupa
VELIKI PROTOK je vea od vrednosti funkcije pripadnosti skupa MALI PRITISAK. Budui da se u ovom
sluaju realizuje operacija unije fazi skup MALI PRITISAK ima presudnu ulogu u odreivanju izlaza.
Uslov Posledica

E1 E2 U
Fazi skup VELIKA
VELIKA BRZINA NEGACIJA MALO RASTOJANJE izlaza POBUDA
1 1 1
0.5
0.5 0.5

min
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10

brzina = 5 rastojanje = 6
Ako je brzina velika i ako rastojanje nije malo tada (je) pobuda velika

E1 E2 U
Fazi skup
izlaza VELIKA
VELIKI PROTOK MALI PRITISAK
POBUDA
1 1 1

0.5 0.5 0.5

max
0 2 4 6 8 10 0 2 4 6 8 10 0 2 4 6 8 10

protok = 5 rastojanje=6

Ako (je) protok veliki ili ako (je) pritisak mali tada (je) pobuda velika

SL 4-4 GRAFIKO ODREIVANJE FAZI SKUPA IZLAZA ZA IZMERENE VREDNOSTI

4.4 Odreivanje brojne vrednosti upravljanja defazifikacija

Ukoliko se zahtev u pogledu upravljanja iskae preko pravila koje povezuje ulaz i izlaz onda
je izvesno da je primenom odgovarajueg postupka mogue da se generie fazi skup izlaza.
Meutim, ovako dobijeni skup sam po sebi nema upotrebnu vrednost. Naime, svi trenutno
raspoloivi izvrni organi konstruisani su tako da oekuju konkretni fiziki signal na svom ulazu i ne
mogu da prihvate i interpretiraju fazi skup. To znai da je neophodno da se na osnovu dobijenog
izlaznog fazi skupa odredi veliina upravljakog signala kojim e se pobuditi izvrni organ, odnosno
da se izvri njegova defazifikacija.
Upravljanje/38

U skladu sa usvojenim znaenjem fazi skupa ini se da bi najprirodnije bilo da se odabere

ona brojna vrednost za koju promenljiva ima najveu funkciju pripadnosti. Problem meutim
nastaje ukoliko postoje vie taaka fazi skupa koje imaju istu maksimalnu vrednost ili ukoliko
postoji ceo segment sa istom maksimalnom vrednou. U nastojanju da se prevaziu navedeni
problemi predloeno je nekoliko postupaka defazifikacije koji se kreu od jednostavnog usvajanja
jednog od maksimuma do sloenijih izraunavanja koja uzimaju u obzir oblik fazi skupa i svakoj
taki unutar njega daju odreenu teinu.
Sa gledita praktine primene ovih postupaka osnovna razlika je u pogledu sloenosti
postupka izraunavanja, dok se u najveem broju sluajeva dobijene vrednosti ne razlikuju
znaajno. Naime, razlika moe biti izraena samo kod izuzetno sloenih oblika fazi skupova.
4.4.1 MAKSIMUM FAZI SKUPA
Ovaj postupak defazifikacije zahteva da se odrede svi maksimumi fazi skupa Ua na
segmentu definisanosti promenljive u (u[ul,ud]
ui = max (Ua (u)) ; i = 1,2,...,k (4.18)
u[ul ,ud ]
Mamdani je predloio tri varijanta defazifikacije.
o Najmanji maksimum (SOM smallest of maxima) najmanja vrednost promenljive za koju fazi
skup ima maksimum
SOM: u0 = min(ui ) (4.19)
i
o Najvei maksimum (LOM largest of maxima) - najvea vrednost promenljive za koju fazi skup
ima maksimum
LOM : u 0 = max(u i ) (4.20)
i
o Srednja vrednost maksimuma (MOM mean of maxima)
k
ui
MOM : u 0 = i =1 (4.21)
k

Ako je fazi skup takav da nema maksimum u takama ve na segmentima, odnosno ako je
max( Ua (u)) = [ a i , bi ] ; i = 1,2,..., k (4.22)
u
tada se defazifikacija vri na sledei nain
SOM : u 0 = min(a i )
i
LOM : u 0 = max(bi ) (4.23)
i
1 k bi + a i
MOM : u 0 =
k i =1 2
Osnovni problem kod ovog postupka defazifikacije sastoji se u tome to se ni na koji nain
ne uzima u obzir sam oblik izlaznog fazi skupa. Pored toga, sve tri metode imaju problem ukoliko
je fazi skup takav da su sve funkcije pripadnosti jednake 0, to znai da nijedna vrednost
promenljive ne odgovara pojmu koji predstavlja. Formalno gledano u tom sluaju maksimumi
skupa (koji su jednaki 0) obuhvataju ceo opseg promenljive. Iako bi, sledei izloenu definiciju
trebalo da se kao najmanji maksimum usvoji donja granica (ul), a kao najvei gornja granica (ud),
usvojeno je da se za sve tri metode usvaja srednja vrednost segmenta.
4.4.2 BISEKTRISA FAZI SKUPA
Jedan od naina da se pri defazifikaciji kontinualnog fazi skupa uzme u obzir njegov oblik je
da se odredi bisektrisa skupa. Ako je funkcija pripadnosti definisana na segmentu [a,b] i ako
unutar tog segmenta postoji pod-segment [ul ,ud ] na kome funkcija pripadnosti nije jednaka nuli
tada se upravljanje odreuje tako da povrine obuhvaene fazi skupom levo i desno od u0 budu
 Upravlanje/39

jednake
Brojna vrednost u0 se odreuje uz pretpostavku da postoji segment (a,b) unutar opsega
definisanosti upravljanja (ul, ud) na kome funkcija pripadnosti nije jednaka 0. tako da,
( Ua (u) 0 u [a,b] ; a u l < u d b )
u0 ud
Ua (u)du = Ua (u)du Ua (u) 0 (4.24)

u 0 : ul u0
ul + ud
Ua (u) 0
2
Osnovni nedostatak ovog postupka je relativno komplikovano izraunavanje upravljakog
signala u0.
Potrebno je zapaziti da e bisektrisa fazi skupa ije su sve funkcije pripadnosti jednake nuli
biti tano na sredini segmenta na kome je definisana promenljiva.
4.4.3 CENTAR GRAVITACIJE
Alternativa defazifikaciji preko bisektrise izlaznog fazi skupa je odreivanje centra
gravitacije fazi skupa.
diskretni fazi skup
u i Ua (u i )
i u i , Ua (u i ) 0
Ua (u i )
u0 = i (4.25)

ul + ud Ua (u i ) 0
2
kontinualni fazi skup
ud
u Ua (u)du
ul
ud u, Ua (u) 0

u0 =
Ua (u)du (4.26)
u
l
ul + ud
Ua (u) 0
2
Iako centar gravitacije, verovatno, najbolje opisuje dati fazi skup, ovaj postupak je
neobino zahtevan u pogledu korienja resursa kao i vremena potrebnog za izraunavanje.
Formalno gledano centar gravitacije se ne moe izraunati ako su sve funkcije pripadnosti
jednake 0. Otuda je i usvojeno da se u tom sluaju vrednost promenljive odreuje kao srednja
vrednost segmenta.

U cilju ilustracije razliitih metoda defazifikacije posmatrae se fazi skup upravljanja dobijen na
osnovu iskaza
"ako pada kia tada ukljui brisae"
za sluaj kada je izmereni broj impulsa u sekundi jednak 5.

M ax -m in kom po zi c ij a
Kao to je ve pokazano (4.16) izlazni fazi skup dobijen max-min kompozicijom odreen je relacijom
Upravljanje/40

0 w<2
1

Ua min (w) = min ( 1 3 , U (w) ) = (w 2) 2 w 4
6
1 3 w>4
U skladu sa time dobijaju se sledee vrednosti upravljanja
o LOM: w 0 = 10
o SOM: w 0 = 4
4 + 10
o MOM: w 0 = =7
2
w0
14 1 1 10
o Bisektrisa: (w 2)dw + dw = 3 dw w0 = 6.5
32 3 4 w0

14 1 10
w(w 2)dw + wdw
62 34
o Centroid: w 0 = = 6.5
14 1 10
(w 2)dw + dw
62 34
M ax -p ro i zvo d ko mpo z ic ij a

Ukoliko se izlazni fazi skup odreuje max-proizvod kompozicijom tada se dobija

0 w2
1
1 1
U aprod (w) = U (w) = (w 2) 2 w 8
3 3 6
1 w8
tako da defazifikacija daje sledee vrednosti upravljanja
o LOM: w 0 = 10
o SOM: w 0 = 8
8 + 10
o MOM: w 0 = =9
2
w0 8
1 1 1 1 1 10
o Bisektrisa:
3
(w 2)dw = 3 6 (w 2)dw + 3 dw w 0 = 7.5
2 6 w0 8

1 8 1 10
w(w 2)dw + wdw
18 2 38
o Centroid: w 0 = = 7.23
1 8 1 10
(w 2)dw + dw
18 2 38
Primedba
Budui da je kod primene max-proizvod kompozicije rezultujui fazi skup jednak originalnom fazi
skupu pomnoenim vrednou funkcije pripadnosti ulazne veliine, u postupku defazifikacije bilo kojom od
metoda se ovaj faktor se skrauje. To znai da je rezultat defazifikacije ne zavisi od ulazne veliine i da je
uvek konstantan. U tom smislu, kada se radi o samo jednom pravilu, sama implikacija gubi smisao.

4.5 Povrina odluivanja

Ako se primenom max-t-kompozicije odrede fazi skupovi izlaza za sve dozvoljene
vrednosti promenljivih uslova tada je mogue da se svaki od ovih fazi skupova defazifikuje,
odnosno da se odrede brojne vrednosti izlaza u funkciji ulaznih promenljivih. Ova funkcija
odreuje povrinu odluivanja, odnosno krivu odluivanja ukoliko postoji samo jedna ulazna
veliina.
 Upravlanje/41

Jedan uslov kriva odluivanja

Dve krive odluivanja dobijene defazifikacijom fazi skupova izlaza koji odgovara pravilu
"ako pada kia tada ukljui brisae"
dobijenih primenom max proizvod kompozicije i max minimum kompozicije za razliite vrednosti ulaza
prikazane su na Sl 4-5.
Sa slike se vidi da je za sve vrednosti promenljive kia za koje je broj impulsa u sekundi manji od 4,
odnosno za koje je fazi skup izlaza jednak 0, brojna vrednost izlaza jednaka srednjoj vrednosti opsega
promenljive a kojom se opisuje fazi skup BRZINA BRISAA (5).
Pored toga, za sve vrednosti broja impulsa koji su vei od 4, max-proizvod kompozicija daje
konstantne krive odluivanja.

10 10
centroid
centroid
8
bisektrisa 9 bisektrisa
mom
brzina brisaca

brzina brisaca
mom
lom 8 lom
som
6 som
7
4
6

2 5
0 2 4 6 8 10 0 2 4 6 8 10
kisa kisa

Max-minimum kompozicija Max-proizvod kompozicija

SL 4-5 KRIVE ODLUIVANJA ISKAZA "AKO PADA KIA TADA UKLJUI BRISAE"

Dva uslova povrina odluivanja

Povrina odluivanja se dobija na isti nain kao i linija odluivanja. Razlika je samo u tome to uslov
sadri dve promenljive to znai da se svi izlazni fazi skupovi dobijaju za sve dozvoljene vrednosti obe
promenljive. Defazifikacijom svakog od ovih skupova dobija se po jedna brojna vrednost koja je funkcija
odgovarajuih brojnih vrednosti obe ulazne promenljive. Sve brojne vrednosti izlaza ine povrinu
odluivanja. Na Sl 4-6 prikazane su povrine odluivanja iskaza
" Ako je brzina velika I ako rastojanje nije malo tada je pobuda motora velika " i
" Ako je protok veliki ILI ako je pritisak mali tada je pobuda pumpe velika"
dobijene primenom max-min kompozicije i centroid defazifikacije.

8 8

7 7
pobuda

pobuda

6 6

5 5
10 10
8 10 8 10
6 8 6 8
4 6 brzina 4 6
2 4 4
rastojanje 0 0 2 pritisak 2 2 protok
0 0

Ako je brzina velika I ako rastojanje nije Ako je protok veliki ILI ako je pritisak

SL 4-6 POVRINE ODLUIVANJA MAX-MIN KOMPOZICIJA, CENTROID DEFAZIFIKACIJA

Kao to je ve istaknuto ako se kao implikacija koristi max-proizvod kompozicija onda se postupkom
defazifikacije dobijaju iste vrednosti upravljanja na itavom segmentu promenljivih uslova (Sl 4-7). Na taj
nain sama implikacija gubi smisao.
Upravljanje/42

8
8
7

pobuda
7
pobuda

6 6
5
10 5
8 6 10 10
4 6 8 8
2 4 6 10
0 0 2 8
rastojanje 4 6
brzina 2 4
pritisak 0 0 2 protok

Ako je brzina velika I ako rastojanje nije Ako je protok veliki ILI ako je pritisak

SL 4-7 POVRINE ODLUIVANJA MAX-PROIZVOD KOMPOZICIJA, CENTROID DEFAZIFIKACIJA

 Kontroler/43

5 Projektovanje fazi kontrolera

"Promena take gledita menja sve"
William Blake, The Mental Traveller (1800)

5.1 Struktura fazi kontrolera

Kao to je ve istaknuto fazi modeliranje iskaza ukazuje na mogunost da se fazi kontroler
formira kao skup pravila kojima se izraava veza izmeu registrovanih vrednosti na izlazu sistema i
upravljanja koje treba da promeni te izlaze odnosno da ih dovede do eljenog ishoda. Otuda je
kao prvo neophodno da se izvri izbor ulaznih i izlaznih promenljivih kontrolera.
Ovaj izbor je u tesnoj vezi sa skupom pravila koja se ele koristiti. Naime sama pravila
automatski odreuju i ulaze i izlaze kontrolera. Svi signali iji atributi (brz, prijatan, mali, visok
itd.) se pojavljuju kao uslovi ine ulaze kontrolera, dok svi signali iji atributi su posledice ine
izlaze kontrolera. Pri izboru atributa, a samim tim ulaznih i izlaznih signala neophodno je da uzme
u obzir raspoloivost merne opreme, odnosno dostupnosti merenja, kao i izvrnih organa koji e
realizovati zadano upravljanje.
Za svaki od odabranih ulaznih i izlaznih signala neophodno je da se specificira okvir
spoznaje i to tako da se svakom od atributa koji se koristi u uslovu pridrui fazi skup sa jasnim
semantikim znaenjem.
Sa praktine take gledita treba imati na umu da i fazi kontroler, kao i klasini, treba da
radi na osnovu stvarnog, a ne oekivanog izlaza procesa. To znai da se on projektuje kao sistem
sa zatvorenom povratnom spregom. Pri tome njegov ulaz moe biti direktno izmerena
promenljiva, to je najee sluaj ako se eljeni ishod specificira kao lingvistika promenljiva
(prijatna temperatura, umerena brzina i slino). Sa druge strane ako se eljeni ishod precizira kao
referentni signal (brojna vrednost) onda e ulaz kontrolera biti signal greke, odnosno odstupanje
izmerene od referentne vrednosti. Pored toga, po analogiji sa PID dejstvom ulaz moe biti i brzina
promene greke ili njen integral.
Implementacija kontrolera zahteva i da se fazi koncept prilagodi spoljnjem okruenju u
kome i dalje vladaju konkretni brojevi. Naime, jedina raspoloiva informacija o procesu je realni
fiziki signal koji je dobijen merenjem. Njegovo korienje od strane fazi kontrolera zahteva da se
izvri fazifikacija tog signala. Konano i svi trenutno raspoloivi izvrni organi konstruisani su tako
da oekuju konkretni fiziki signal na svom ulazu, to znai da je neophodno da se na osnovu
dobijenog izlaznog fazi skupa odredi veliina upravljakog signala kojim e se pobuditi izvrni
organ, odnosno da se izvri njegova defazifikacija.
Projektovanje fazi kontrolera
U skladu sa izloenim projektovanje fazi kontrolera podrazumeva sledea dva koraka
Specifikacija okvira spoznaje ulaza i izlaza kontrolera izbor broja atributa kojima e veliina
biti opisana i oblika funkcija pripadnosti koje se pridruuju svakom atributu
Specifikacija fazi modela kontrolera odreivanje skupa pravila (implikacija) koje obuhvata i
izbor s i t normi za realizaciju konjunkcije i disjunkcije

Realizacija algoritma fazi kontrolera

Algoritam fazi kontrolera radi na osnovu specificiranih pravila. Za svaki primljeni izmereni
signal algoritam realizuje sledea tri koraka
Fazifikacija ulaznih signala odreivanje singlton skupova za izmerene vrednosti ako one
predstavljaju ulaze kontrolera ili za kombinaciju izmerenih i referentnih vrednosti koje ine
ulazne signale
Kontroler/44

Odreivanje fazi skupa upravljanja agregacija implikacija svih pravila koja rezultuje fazi
skupom upravljanja
Defazifikacija odreivanje brojne vrednosti upravljanja na osnovu dobijenog fazi skupa
upravljanja. Ovaj signal se kao izlaz kontrolera prenosi na izvrni organ.

Struktura fazi kontrolera prikazana je na Sl 5-1.

referenca u
fazifi- Odreivanje fazi defazi- y
proces
kacija skupa upravljanja fikacija

SL 5-1 STRUKTURA FAZI KONTROLERA

U cilju ilustracije postupka projektovanja kontrolera posmatrae se pojednostavljen primer

rashladnog ureaja koji treba da odrava prijatnu temperaturu u jednoj prostoriji. Ako se pretpostavi da
rashladni ureaj ima ugraen termospreg za merenje temperature, kao i motor koji upravlja protokom
vazduha onda e posmatrani kontroler imati jedan ulaz temperaturu (y) i jedan izlaz pobudu, odnosno
1
brzinu motora (u). Za ovako odabrane signale neophodno je da se usvoje okviri spoznaje .
Okvir spoznaje veliine "Temperatura" Y
Pridruimo pojmu temperatura atribute: HLADNO, SVEE, PRIJATNO, TOPLO i VRUE.
To znai da e okvir spoznaje temperature Y biti
1
hladno sveze prijatno toplo vruce definisan kao
Y = {Y1 , Y2 , Y3 , Y4 , Y5 }
stepen pripadnosti

0.8
gde skupovi Yi imaju sledee znaenje
0.6 0
Y1 HLADNO (t<10 C)
0 0
0.4 Y2 SVEE (10 C<t<25 C)
0 0
Y3 PRIJATNO (20 C<t<30 C)
0.2 0 0
Y4 TOPLO (25 C<t<45 C)
0
0
0 10 20 30 40 50 Y5 VRUE (t>40 C)
temperatura Ukoliko se opredelimo za trougaone fazi
skupove onda oni imaju izgled kao to je to prikazano
SL 5-2 OKVIR SPOZNAJE POJMA TEMPERATURA na Sl 5-2.

Okvir spoznaje veliine "Brzina motora" - U

Pridruimo pojmu brzina motora sledee atribute: STANI, SPORO, SREDNJE, BRZO i VEOMA BRZO.
Pretpostavimo pri tome da se pobuda motora zadaje
stani sporo srednje brzo veoma brzo
1 kao procenat od maksimalne vrednosti pobude. To
znai da e okvir spoznaje temperature U biti definisan
stepen pripadnosti

0.8
kao
0.6
U = {U1 , U 2 , U3 , U 4 , U5 }
0.4 gde skupovi Ui imaju sledee znaenje
0.2
U1 STANI (u<30)
U2 SPORO (10<u<50)
0
0 20 40 60 80 100 U3 SREDNJE (40<u<60)
upravljanje
U4 BRZO (50<u<90)
U5 VEOMA BRZO (u>70)
SL 5-3 OKVIR SPOZNAJE POJMA BRZINA MOTORA
Ako se opredelimo za trougaone fazi skupove
onda oni imaju izgled kao to je to prikazano na Sl 5-3.

1
Analitiki izrazi okvira spoznaje i svih relacija nad njima dati su u Dodatku B
 Kontroler/45

5.2 Fazi model kontrolera

5.2.1 FAZI APROKSIMACIJA TRAJEKTORIJE UPRAVLJANJA
Klasian pristup projektovanju
Nezavisno od toga da li se sistemom upravlja u zatvorenoj ili otvorenoj sprezi klasina
teorija upravljanja pretpostavlja poznavanje
matematikog modela procesa na osnovu koga se
odreuje zakon upravljanja.
Ukoliko se sistemom upravlja u otvorenoj sprezi
onda zakon upravljanja definie preslikavanje
SL 5-4 UPRAVLJANJE U OTVORENOJ ILI referentnog ulaznog signala uc u upravljaki signal u
ZATVORENOJ SPREZI
u c u u = f (u c ) (5.1)
Ukoliko se, meutim, upravljanje realizuje u zatvorenoj sprezi tada zakon upravljanja
definie preslikavanje signala greke u upravljaki signal
e u u = f (e), e = (u c , y) (5.2)
Nezavisno, dakle, od toga da li se upravlja u otvorenoj ili u zatvorenoj sprezi projektovanje
kontrolera moe da se interpretira kao odreivanje nepoznate funkcije preslikavanja f, odnosno
kao aproksimacija nepoznate funkcije (Sl 5-5).
Nezavisno, dakle, od toga da li se upravlja u
otvorenoj ili u zatvorenoj sprezi projektovanje
kontrolera moe da se interpretira kao odreivanje
nepoznate funkcije preslikavanja f, odnosno kao
aproksimacija nepoznate funkcije.
Kao to je ve istaknuto u klasinoj teoriji
upravljanja razvijen je itav niz metoda odreivanja
funkcije f. Sve ove metode su zasnovane na
SL 5-5 TRAJEKTORIJA UPRAVLJANJA KLASINOG poznavanju matematikog modela procesa, tako da
KONTROLERA se one zajedniki oznaavaju i kao estimacija na
osnovu modela.
Fazi pristup projektovanju
Polazei od stava da je trajektorija dobijena
na osnovu matematikog modela isuvie detaljan
opis sistema, fazi na svojevrstan nain proiruje
prostor u kome se odreuje upravljanje. Nepoznata
trajektorija upravljanja se aproksimira pravilima koje
se dobijaju na osnovu iskustva operatera u voenju
posmatranog procesa. Ova pravila odreuju niz
konturnih dijagrama fazi relacija korelacionog
SL 5-6 FAZI TRAJEKTORIJA UPRAVLJANJA minimuma ili korelacionog proizvoda, kao to je to
ilustrovano na Sl 5-6. Svaki konturni dijagram
odgovara jednom pravilu. Gruba okvirna pravila daju velike povrine, precizna pravila daju male
povrine. Nezavisno od toga, pravila moraju biti takva da u potpunosti obuhvate trajektoriju
upravljanja.
5.2.2 FORMIRANJE PRAVILA FAZI MODEL KONTROLERA
Samo se po sebi razume da nije mogue definisati neki opti metod za specifikaciju pravila.
Pravila izraavaju koju vrstu pobude, pri trenutnom izlazu procesa, treba primeniti na proces da bi
se dobilo eljeno ponaanje. U principu se moe rei da se pravila formiraju na osnovu logike rada
procesa ili sistema koji se posmatra. Pri tome je intuitivno jasno da e pravila biti utoliko
adekvatnije formulisana ukoliko je iskustvo u praktinom radu sistema vee.
Kontroler/46

Teko je oekivati da e prvi pokuaj formulisanja pravila dati zadovoljavajue rezultate.

Praksa pokazuje da je, najee neophodno da se pravila doteruju eksperimentima na samom
procesu. U zavisnosti od obima i vrste problema esto je potrebno da proe i nekoliko meseci dok
se pravila ne doteraju tako da kontroler ima zadovoljavajuu performansu1. Pored promene
pravila, esto se pristupa i redefinisanju okvira spoznaje u smislu uvoenja drugaijeg broja
atributa ili redefinisanja njima odgovarajuih fazi skupova. Alternativa ovom pristupu je korienje
neuralnih mrea koje kroz proces samo-obuavanja generiu fazi pravila.
Na ovom mestu bi se moglo postaviti pitanje koja je prednost u korienju fazi kontrolera
ukoliko se njegova pravila tako mukotrpno doteruju? Iako se opti odgovori na ovu vrstu pitanja
teko mogu dati, injenica da jedanput podeen fazi kontroler efikasno upravlja sloenim
procesima u veoma irokom dijapazonu radnih uslova, koje ne pokriva nijedan klasian kontroler
nesumnjivo opravdava njegovo korienje.

U posmatranom primeru sistema za hlaenje sama priroda rada sistema diktira pravila njegovog
upravljanja. U najjednostavnijem sluaju moglo bi se zakljuiti da po logici stvari ako je u prostoriji hladno,
sistem za hlaenje nee raditi, a ako je vrue on treba da radi maksimalnom snagom. Sve ostale situacije
nalaze se izmeu ove dve krajnosti. U skladu sa time
pravila bi se mogla formulisati na sledei nain
1- ako je Y hladno tada je U stani
2 - ako je Y svee tada je U sporo
3 - ako je Y prijatno tada je U srednje
4 - ako je Y toplo tada je U brzo
5 - ako je Y vrue tada je U veoma brzo

Skup svih definisanih pravila utvruje

postojanje korelacije izmeu pojedinih fazi skupova
ulaza i izlaza, Kao to je to ilustrovano na
Potrebno je da se istakne da ovako usvojena
pravila imaju samo za cilj da ilustruju postupak
projektovanja, a ne da omogue formiranje realnog
kontrolera. Naime, teko da bi se moglo oekivati da bi
realni sistem samo na osnovu ovih pravila radio na
zadovoljavajui nain. To zapravo znai da bi u
SL 5-7 VIZUELIZACIJA USVOJENIH PRAVILA stvarnoj implementaciji bilo neophodno njihovo
doterivanje.

5.2.3 KODIRANJE I AGREGACIJA PRAVILA

Ve je istaknuto da fazi pravilo zapravo odreuje relaciju nad dva fazi skupa. To znai da se
svakom definisanom pravilu mora pridruiti relacija korelacionog minimuma ili korelacionog
proizvoda izmeu fazi skupa Yj koji izraava uslov i skupa Uk koji izraava posledicu datog pravila.
Otuda se i-to pravilo kodira na sledei nain
Simin = YTj Uk (5.3)
Siprod = YjT U k (5.4)
Podsetimo se pri tome da je pokazano da konturni dijagrami ovih relacija obuhvataju jednu
povrinu, odnosno ine jedan deo fazi upravljake trajektorije.
Samo se po sebi razume da ukoliko sistem ima vie ulaznih promenljivih pravilo moe da

1
Fazi kamere, maine za pranje vea i slini aparati imaju samo po nekoliko fazi pravila, za ije doterivanje je
inenjerima bilo potrebno nekoliko meseci. Podezmna eleznica u gradu Sendai u Japanu koristi 54 pravila
za ije doterivanje je bilo potrebno nekoliko godina.
 Kontroler/47

bude sloenije. Tako bi se, na primer, izvesni efekti PID regulatora mogli opisati sledeim
pravilima:
Ako je greka mala i ako se brzo menja tada je upravljanje malo
Ako je greka velika ili se sporo menja tada je upravljanje veliko
Nain na koji su ova pravila iskazana ukazuje na to da e se pre uspostavljanja relacije nad
ulaznim fazi skupovima (greka i brzina promene greke) izvriti operacija preseka ("i"), odnosno
unije ("ili"). U skladu sa time relacija kojom se kodira pravilo, u optem sluaju, definie se na
sledei nain.

Si = YT, j U k ukoliko su uslovi konjunktivni

(5.5)
i T
S = Y , j U k ukoliko su uslovi disjunktivni

gde oznaava bilo koju t-normu, a U bilo koju s-normu.
Budui da svako pravilo sadri odgovarajuu posledicu, odnosno zahtev upuen
kontroleru, izvesno je da se sva pravila moraju na neki nain grupisati jednom agregatnom
relacijom. Imajui na umu da se pravila meusobno ne iskljuuju, ve se dopunjuju,prirodno je da
se njihova agregacija vri pomou operacije unije. To znai da se grupno pravilo dobija pomou
sledee relacije
S = Si (5.6)
i
gde U oznaava bilo koju s-normu. Kao to je ve reeno, fazi matrica S, odnosno odgovarajua
funkcija dve promenljive, koja se dobija kao rezultat ove relacije predstavlja, zapravo, fazi model
kontrolera.
Potrebno je obratiti panju na injenicu da se za identino iskazana pravila usvajanjem
razliitih oblika s- i t normi, kao i njihovih kombinacija mogu dobiti razliiti modeli fazi kontrolera.
Konano sam model, odnosno fazi trajektorija upravljanja zavisie i od naina na koji su definisani
okviri spoznaje.

Fazi relacije koje odgovaraju usvojenim pravilima rashladnog ureaja dobijene primenom
korelacionog proizvoda prikazane su na Sl 5-8, a odgovarajui konturni dijagrami koji odreuju fazi
trajektoriju upravljanja na Sl 5-9.
1
0.8
0.6

0.4
0.2
0
100
50
30 40 50
napon 0 0 10 20
temperatura
SL 5-8 FAZI RELACIJE KOJE ODGOVARAJU USVOJENIM PRAVILIMA (KORELACIONI PROIZVOD)
Kontroler/48

80

60

napon
40

20

5 10 15 20 25 30 35 40 45 50
temperatura
SL 5-9 FAZI TRAJEKTORIJA UPRAVLJANJA SISTEMA ZA HLAENJE

5.3 Realizacija algoritma upravljanja

Realizacija algoritma upravljanja podrazumeva da su za definisana pravila odabrane s- i t
norme, da je odlueno koja s- norma e se koristiti za agregaciju pravila, kao i da je usvojena
metoda defazifikacije.
U tom sluaju za svaku izmerenu vrednost v kontroler formira odgovarajui singlton fazi
skup Ya. Na osnovu njega i fazi relacije S definisane izrazom (5.6), kontroler, primenom max-t
kompozicije, odreuje fazi skup izlaza Ua
U a = Ya S = Ya S i (5.7)
i
Budui da je operacija unije asocijativna, poslednja relacija se moe izraziti i kao

i
(
U a = Ya Si = U ai ) i
(5.8)

gde je sa Uai oznaen fazi skup upravljanja koji se dobija na osnovu fazi skupa ulaza Ya uz primenu
i-tog pravila
U ai = Ya Si (5.9)

Kada se odredi fazi skup koji odgovara izmerenoj vrednosti ulaza kontroler obavlja njegovu
defazifikaciju primenom jedne od raspoloivih metoda.
Konano potrebno je da se istakne da usvojena metoda defazifikacije omoguava i da se u
toku projektovanja kontrolera odredi kriva, ili povrina odluivanja. Analiza ove krive moe da
pomogne u korekciji usvojenih pravila.

Ako se kao t-norma u max-t kompoziciji usvoji minimum, a kao agregacija maksimum tada se uz
centroid defazifikaciju dobija kriva odluivanja prikazana na Sl 5-10.
100
upravljanje

75
50
25
0
0 10 20 30 40 50
temperatura

SL 5-10 KRIVA ODLUIVANJA PRI UPRAVLJANJU RASHLADNIM UREAJEM

S obzirom na jednostavnost usvojenih pravila gotovo identina kriva odluivanja dobija se ako se
 Kontroler/49

kao t-norma usvoji proizvod, a kao agregacija suma.

Na Sl 5-11 prikazan je grafiki postupak odreivanja fazi skupa izlaza kontrolera korienjem min-
0
max operacija, za sluaj kada je izmerena temperatura 23 C. (Detaljan postupak izraunavanja za razliite
oblike s i t normi dat je u Dodatku B).

Y1 U1
1.0 1.0

0.5 0.5

0 10 20 30 40 50 0 20 40 60 80 100
Ako je hladno tada motor stoji

Y2 U2
1.0 1.0

0.5 0.5

0 10 20 30 40 50 0 20 40 60 80 100
Ako je svee tada motor sporo

Y3 U3
1.0 1.0

0.5 0.5

0 10 20 30 40 50 0 20 40 60 80 100
Ako je prijatno tada motor srednje

Y4 U4
1.0 1.0

0.5 0.5

0 10 20 30 40 50 0 20 40 60 80 100
Ako je toplo tada motor brzo

Y5 U5
1.0 1.0

0.5 0.5

0 10 20 30 40 50 0 20 40 60 80 100

Ako je vrue tada motor veoma brzo

TEMPERATURA (Ya) = 23 1.0

0.5

0 20 40 60 80 100
UPRAVLJANJE (Ua)
0
SL 5-11 FAZI SKUP UPRAVLJANJA KADA JE IZMERENA TEMPERATURA YA = 23 C
 Rezervoar/51

6 Primer projektovanja fazi regulatora

6.1 Sistem spojenih rezervoara
6.1.1 OPIS SISTEMA
Na Sl 6-1 je prikazan sistem dva spojena cilindrina rezervoara u kome se eli upravljati nivoom
tenosti u drugom rezervoaru (h2). Ulazom tenosti u sistem, odnosno protokom q se upravlja preko
pumpe (P) koja se pobuuje naponom u. Tenost iz prvog rezervoara otie u u drugi. Protok te tenosti (q1)
je funkcija razlike nivoa tenosti u prvom i drugom rezervoaru (h1i h2). Iz drugog rezervoara tenost
nesmetano istie protokom q2, koji je funkcija nivoa tenosti (h2).

SL 6-1 EMATSKI PRIKAZ SISTEMA SA DVA REZERVOARA

Eksperimentalnim merenjima na procesu utvrene su sledee vrednosti parametara procesa.
2
Popreni presek rezervoara:A=0.0154m
Popreni presek cevi koja spaja rezervoare 1 i 2: a1 = 1.9 10 5 m 2
Popreni presek cevi na izlazu rezervoara 2: a 2 = 1.245 10 5 m 2
-
Pumpa je konstruisana tako da je protok linearna funkcija pobudnog napona, sa koeficijentom k=10
5 3
(m /Vs). Pri tome, pumpa stoji kada je pobudni napon 0, a ulazi u zasienje pri pobudnom naponu
od 10V.

6.1.2 MATEMATIKI MODEL PROCESA

Ako se sa V1(t) i V2(t) oznae zapremine tenosti u prvom i drugom rezervoaru, respektivno, tada je
prema zakonu o odranju masa promena ovih zapremina
dV1 (t)
= q(t) q 1 (t)
dt (6.1)
dV2 (t)
= q1 (t) q 2 (t)
dt
Budui da su oba rezervoara cilindrinog oblika i imaju isti popreni presek A promena zapremine
rezervoara zapravo zavisi od promene nivoa tenosti, to znai da je
dVi (t) dh (t)
= A i (m 3 / s) ; i = 1, 2 (6.2)
dt dt
Protok na ulazu u rezervoar 1, koji daje pumpa je linearna funkcija pobudnog napona
q(t) = ku(t)(m 3 / s) (6.3)
Kako je, nadalje, brzina tenosti (v) pri isticanju iz rezervoara u kome je nivo tenosti (h) odreena
relacijom
v(t) = 2gh (m / s) (6.4)
Rezervoar/52

2
gde je g=9.81m/s ubrzanje sile zemljine tee, to se protoci tenosti kroz cevi mogu odrediti prema sledeim
relacijama.
q1 (t) = a1 2g ( h1 (t) h 2 (t) ) (m3 / s)
(6.5)
q 2 (t) = a 2 2gh 2 (t) (m3 / s)
Na osnovu datih parametara i relacija, matematiki model procesa kojim se upravlja postaje
Ah (t) = q ( t ) q ( t ) = ku(t) a 2g ( h (t) h (t) )
1 1 1 1 2
(6.6)
Ah 2 (t) = q1 ( t ) q 2 ( t ) = a1 2g ( h1 (t) h 2 (t) ) a 2 2gh 2 (t)

6.2 Projektovanje klasinog PID kontrolera

Dobijeni model je nelinearan to znai da je u cilju odreivanja parametara PID kontrolera
neophodno da se izvri njegova linearizacija u okolini odabrane radne take. Ako se kao radna taka usvoji
0
pobudni napon u kome u stacionarnom reimu odgovaraju nivoi tenosti h10 i h 02 , tako da su svi protoci
konstantni i jednaki, tada vai jednaina ravnotee

( )
ku 0 = a1 2g h10 h 02 = a 2 2gh 02 (6.7)
Razvijanjem jednaina modela u Tajlorov red u okolini radne take, uz zadravanje linearnih lanova
i korienje jednaine ravnotee dobija se

A
d(h10 + h1 )
= k(u 0 + u) a1 2g h10 h 02
a1g
(h1 +
a1g
) h 2
dt 2g h1 h 2
0 0
2g h1 h 2
0 0
( ) ( )
d(h1 ) a 2g a 2g
A = ku 1 h1 + 1 h 2 (6.8)
dt ku 0 ku 0

A
d(h 02 + h 2 )
= a1 2g h10 h 02 + ( a1g
)
h1
a1g
h 2
dt 2g h10 h 02 (
2g h10 h 02 ) ( )
a 2g
a 2 2gh 02 h 2
2gh 02

A
d( h 2 ) a12 g
= h1
(
a12 + a 22 g
h 2
) (6.9)
dt ku 0 ku 0
Usvajajui da je
h1 (t) = x1 (t) ; h 2 (t) = x 2 (t) = y(t) ;
a12 g 0.023 a 22 g 0.01 ,
= = ; = =
0 0 0 0
Aku u Aku u
linearizovani model procesa u okolini radne take postaje
1
=
x(t) x(t) + u(t)
0 (6.10)
y(t) = [0 1] x(t)
Ovom modelu odgovara funkcija prenosa
0.023 / u 0
G(s) = = (6.11)
s 2 + (2 + )s + s2 + (0.056 / u 0 )s + 0.023 / (u 0 )2
0
Ako se usvoji da je u =2.5V, tada su stacionarni nivoi u obe cevi h10 = 0.2938m i h 02 = 0.2055m ,
tako da je funkcija prenosa linearizovanog modela u okolini ove radne take
0.0092
G(s) =
s 2 + 0.0223s + 3.6330 10 -5
Usvojena radna taka odgovara referentnom signalu r = h 02 = 0.2055m , odnosno poto se upravlja
 Rezervoar/53

odstupanjem od radne take r = 0 .

Simulacionim eksperimentima za ovaj model odreeni su sledei parametri PID kontrolera:
K = 45, Ti = 300, Td = 20/9.
Projektovani PID je zatim korien u simulacionim eksperimentima u kojima je zadavan drugaiji
referentni ulaz (r=0.2, 0.5 i 0.7). Imajui u vidu da je PID projektovan za jednu radnu taku, da bi simulacija
to vie odgovarala realnoj implementaciji, pre ukljuivanja PID-a proces je doveden u usvojenu radnu
taku.
Pri simulaciji je uzeto u obzir da PID zapravo daje samo razliku izmeu stvarne pobude i pobude u
usvojenoj radnoj taci, odnosno korien je model prikazan na Sl 6-2.

SL 6-2 SIMULACIONI MODEL REZERVOARA

Da bi se jasnije sagledali problemi koji u praksi mogu da nastanu u pogledu veliine upravljakog
signala koriene su dve varijante modela
o model sa izvrnim organom (pumpom) koja nema ogranienje u pogledu veliine upravljakog
signala
o model sa realnom pumpom koja nema ulazi u zasienje ako je upravljaki signal vei od 10V.
Ukupne vrednosti ulaznog i izlaznog signala (a ne samo odstupanja od radne take) dobijene
eksperimentima prikazane su na Sl 6-3.
1
30
u r=0.2 h2
25 r=0.2 zasicenje
0.8
r=0.5
20 r=0.5 zasicenje
r=0.7 0.6
15
r=0.7 zasicenje

10 0.4 r=0.2
r=0.2 zas
5 r=0.5
0.2 r=0.5 zas
0
r=0.7
-5 r=0.7 zas
0 250 500 750 1000 1250 0
t 1500 0 250 500 750 1000 1250 t 1500

SL 6-3 UPRAVLJANJE I IZLAZ SISTEMA KOJI RADI SA PID KONTROLEROM PROJEKTOVANIM ZA LINEARNI MODEL, PRI RAZLIITIM
VREDNOSTIMA REFERENTNOG SIGNALA

Prema oekivanju, sistem radi izuzetno dobro ukoliko je referenca r=0.2, odnosno ukoliko
se od kontrolera oekuje da sistem dri u okolini zadane radne take. Sa poveanjem referentnog
signala, sistem se udaljava od okoline u kojoj vai linerani model, te su njegove performanse sve
loije.
Potrebno je obratiti panju i na injenicu da sistem radi bolje ukoliko ne postoji
ogranienje upravljakog signala. Meutim, ta injenica nema praktinu vrednosti jer ne postoji
izvrni organ bez zasienja. Problem je zapravo u tome to postupak projektovanja PID-a ne
ukljuuje mogunost uzimanja u obzir zasienja. PID se zapravo projektuje kao da upravljanje
moe biti neogranieno, to moe da prouzrokuje dodatne probleme pri implementaciji.

6.3 Projektovanje fazi kontrolera

6.3.1 SPECIFIKACIJA PROMENLJIVIH PROCESA
Budui da se zahteva da se visina u drugom rezervoaru odrava na zadanoj referentnoj vrednosti
prirodno je da se kao jedan ulazni signal usvoji razlika ove dve vrednosti. Pri tome se, za razliku od PID
Rezervoar/54

kontrolera ovde ne koristi linearizovani model to znai da se signal greke dobija oduzimanjem izmerene
vrednosti od zadane reference odnosno da je
e t = r h 2t
Budui da se u fazi upravljanju veliina greke izraava pomou atributa neophodno je da se ona na neki
nain uniformie, odnosno da se pojam "veliki" ili "mali" uine nezavisnim od veliine referentnog signala.
Otuda je usvojeno da se kao jedan ulaz u kontroler posmatra procenat odstupanja izlaza od referentnog
signala
r h 2t
GREKA e t (%) = 100
r
Imajui u vidu da se radi o procesu koji ima kanjenje izvesno je da je neophodno da se vodi rauna
o tendenciji promene izlaza, kako bi se na osnovu toga blagovremeno prilagodio upravljaki signal. U skladu
sa time usvojeno je da se tendencija prati preko izvoda signala greke.
de t
dt
Uniformisanje veliine ovog signala izvreno je odreivanjem procenta nagiba signala greke, tako da je kao
drugi ulaz u kontroler odabran signal
de
arctg t
PROMENA GREKE e t =
dt 100

2
Formalno gledano sa ova dva ulazna signala kontroler je PD tipa. Potrebno je ipak da se istakne da
kontroler radi po drugaijem fazi principu. To zapravo znai da e injenica da su odabrani ulazi PD tipa
uticati zapravo na formiranje pravila na osnovu kojih kontroler radi. Drugim reima, razumevanje rada PD
kontrolera, odnosno uticaja koje na performansu sistema imaju proporcionalno i diferencijalno dejstvo biti
od pomoi pri specificiranju implikacija.
Konano, poto se procesom upravlja pomou pumpe, kontroler ima samo jedan izlazni signal
napon pumpe (u).

6.3.2 OKVIR SPOZNAJE I FUNKCIJE PRIPADNOSTI

Poto se i signal greke i promena signala greke kreu u opsegu od -100 do 100 ovaj opseg je
usvojen kao okvir spoznaje. U principu, minimalan broj atributa koje ima smisla koristiti je 3 (nula, pozitivan
i negativan). Pokazalo se da je u ovom primeru pogodno da se okvir spoznaje opie pomou 5 atributa
stepen pripadnosti
stepen pripadnosti

ze 1 zde
1 nde pde
lne ne pe lpe lnde lpde
0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
-100 -80 -60 -40 -20 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2
greska(%) promena greske (%)

SL 6-4 FAZI SKUPOVI ULAZA KONTROLERA

GREKA: velika negativna (lne), negativna (ne), nula
stop veceu srednjeu maxu (ze), pozitivna (pe), velika pozitivna (lpe)
stepen pripadnosti

1
velikou
0.8 malou PROMENA GREKE: velika negativna (lnde), negativna
0.6 (nde), nula (zde), pozitivna (pde), velika pozitivna
0.4 (lpde)
0.2
Pri odreivanju okvira spoznaje izlaza
0
0 2 4 6 8 10 kontrolera polo se od injenice da se napon na
upravljanje (V)
motoru pumpe kree od 0 do 100, pri emu se rad
SL 6-5 FAZI SKUPOVI IZLAZA KONTROLERA pumpe kree u opsegu od "ne radi" do "radi punom
snagom". Ovaj opseg je opisan sa 6 atributa
UPRAVLJANJE: stop, malou, veceu, srednjeu, velikou, maxu
 Rezervoar/55

Za formiranje fazi skupova koriene su trougaone i trapezoidne funkcije. Specifikaciji fazi skupova
prethodila je analiza rada sistema u toku koje je ustanovljeno da se izlaz sistema, a samim tim i greka
menjaju izuzetno sporo i da procenat promene nikada ne prelazi 0.2. Otuda je opseg promene greke
sveden na segment od [- 0.2, 0.2]. Posle niza eksperimenata usvojeni su fazi skupovi ulaza kontrolera
prikazani na (Sl 6-4), kao i fazi skup izlaza kontrolera (Sl 6-5).

6.3.3 SPECIFIKACIJA PRAVILA FAZI MODEL KONTROLERA

Poetna ideja pri formiranju pravila bila je da sve dok greka ne ue u opseg od 30% upravljanje
treba da bude maksimalno, odnosno minimalno mogue. To znai da sva ostala pravila treba da postanu
aktivna tek kada se greka priblii datom opsegu. Pored toga, imajui u vidu izrazito kanjenje, usvojeno je
da se pri brzom pribliavanju izlaza referenci upravljanje smanjuje, ako je greka pozitivna, odnosno
poveava ako je negativna, kako bi se smanjio potencijalni preskok. Ostala pravila prate logiku rada PD
regulatora. Usvojena pravila su prikazan u sledeoj tabeli i ilustrovana su na Sl 6-6.

GRESKA PROMENA GRESKE UPRAVLJANJE

1 lne stop
2 lpe maxu
3 pe lnde veceu
4 ne lpde srednjeu
5 ne nde stop
6 ne zde malou
7 ako je ne i pde tada je veceu
8 ze nde veceu
9 ze zde veceu
10 ze pde veceu
11 pe nde srednjeu
12 pe zde srednjeu
13 pe pde velikou

SL 6-6 GRAFIKI PRIKAZ USVOJENIH PRAVILA

Samo se po sebi razume da su pravila kao i funkcije pripadnosti doterivana su u toku
simulacije. Za ovo podeavanje nema nekih optih pravila. U praksi se ipak pokazuje da kljunu
ulogu igra praenje aktivacije pravila i odstupanja koje pri tome nastaje izmeu odziva i
referentnog signala u razliitim reimima rada. Na taj nain se ustanovljava koji opseg ulaznih i
Rezervoar/56

izlaznih signala ima znaajniji uticaj u nekom reimu rada, pa se vri prilagoavanje odgovarajuih
funkcija pripadnosti. Posebno je potrebno da se povede rauna da u svakom trenutku bar jedno
pravilo bude aktivirano, jer e u protivnom defazifikacija da rezultuje konstantnim upravljanjem
koje se vetaki postavlja na srednju vrednost opsega.
Kao t-norma za povezivanje uslova "i" usvojen je proizvod.
Implikacija "tada" je realizovana kao minimum, to znai da je svako pravilo modelirano
korelacionim minimumom, odnosno da se Izlazni fazi skup svakog pravila dobija max-min operacijom.
Za agregaciju pravila usvojena je suma.
Potrebno je da se istakne da je korienje proizvoda za implikaciju dalo neto slabije rezultate. Ipak,
ranije istaknuti problemi vezani za defazifikaciju proizvoda ovde su zbog veeg broja pravila manje izraeni.

10 8

8 7

6 6
u
4 5

2 4

0 3
0.2
0.1 100
2
0 50
0
-0.1 -50 1
-0.2 -100
deltae e

SL 6-7 POVRINA UPRAVLJANJA

Defazifikacija izlaznog fazi skupa obavlja se pomou metode centroida ime je dobijena povrina
upravljanja prikazana na Sl 6-7.

6.3.4 REZULTATI SIMULACIJE POREENJE PIDA I FAZI REGULATORA

Pri simulaciji procesa upravljanog fazi kontrolerom pretpostavljeno je da su svi poetni uslovi nula.
Drugim reima, kontroler nije projektovan ni za jednu posebnu radnu taku, ve se oekuje da on daje
zadovoljavajuu performansu na celom opsegu radnih uslova.
Da bi poreenje sa PID kontrolerom bilo korektno, on je simuliran tako to je proces prethodno
doveden u radnu taku za koju je PID projektovan. To znai da je korien isti model kao i ranije s tim to je
uzeta u obzir injenica da izvrni organ ima zasienje.
Iz dobijenih rezultata upravljanja (Sl 6-8) i izlaza (Sl 6-9) vidi se da fazi regulator daje znaajno bolju
performansu sistema i povoljnije upravljake signale. Ovo je prirodna posledica nelinearne povrine
odluivanja koja se moe daleko bolje uklopiti u nelinearnu prirodu samog procesa.
10
PID - 02
u
fazi - 02
8 PID - 05
fazi - 05
6 PID - 07
fazi = 07

0
0 250 500 750 1000 1250 t 1500

SL 6-8 UPRAVLJANJE PID KONTROLERA I FAZI PD KONTROLERA

 Rezervoar/57

1.2
h2 PID - 02
1.1 fazi - 02
1 PID - 05
0.9 fazi - 05
PID - 07
0.8 fazi - 07
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 250 500 750 1000 1250 t 1500

SL 6-9 IZLAZ SISTEMA UPRAVLJANOG PID KONTROLEROM I FAZI PD KONTROLEROM

Za razliku od PID-a koji moe da uvede izvrni organ u zasienje, ovde je upravljanje
ogranieno samim izborom okvira spoznaje.
 Zakljuak/59

"Nove ideje prolaze kroz tri faze odbijanja:

10 one su pogrene
20 one su protiv religije
30 one su stare novosti, trivijalne,
zdravorazumske i svi bi mi to smislili da smo imali
vremena, novca i interesa"

John Stuart Mill

7 Od ideje do implementacije
Uprkos intuitivnoj privlanosti fazi koncepta, Zadeh-ov predlog drugaijem pristupu
projektovanja naiao je na snaan otpor u zapadnom svetu vrsto utemeljenom u matematikom
modeliranju sistema. Ni pojava prvog fazi kontrolera koji je projektovao Ebrahim Madmani nije
mnogo pomogla da se promeni taj stav.
U tom, prvom, periodu glavni prigovor fazi teoriji svodio se na injenicu da ne postoje
konzistentni teorijski rezultati kojima bi se dokazala opravdanost ovog pristupa upravljanju. Kada
je tokom osamdesetih godina prolog veka Kosko izveo i dokazao niz teorema, teite kritike
premestilo se na odsustvo veeg broja aplikacija, da bi se zatim opet vratilo na teoriju.
U sutini, moglo bi se rei da je kljuni problem predstavljala injenica da je koncept fazi
logike veoma blizak istonjakoj filozofiji, dok je u potpunoj suprotnosti sa Aristotelovom
bivalentnom logikom na kojoj poiva zapadna civilizacija1. U prilog tome govore i sledea dva
citata vodeih amerikih teoretiara u oblasti upravljanja.
Fazi teorija je pogrena, pogrena i opasna. Ono to nama treba je vie logikog
rasuivanja, a ne manje. Opasnost fazi logike je u tome to ona ohrabruje neku vrstu nepreciznog
miljenja koje nam je uvek donosilo mnoge nevolje. Fazi logika je kokain nauke" Prof. William
Kahan, University of California, Berkeley.
Fazifikacija je neka vrsta naune popustljivosti. Ona rezultuje u drutveno privlanim
sloganima koji ne zahtevaju disciplinu ozbiljnog naunog rada i strpljivog posmatranja Prof.
Rudolf Kalman, University of Florida at Gainesville.
Dok je veina inenjera na zapadu tvrdila kako je fazi logika lepa matematika disciplina
koja teko moe da ima ikakvu praktinu primenu, Japanci su zapoeli razvoj elementarnih fazi
kontrolera. Tek poetkom 90-tih godina u SAD je odrana prva konferencija o fazi logici. U isto to
vreme od ukupno 38 fazi patenata registrovanih u SAD-u japanske firme drale su 30, dok je
njihova godinja prodaja fazi proizvoda premaila milijardu nemakih maraka. Japanski i
Korejanski fazi proizvodi pored brojnih ureaja (kuni aparati, kamere, maine za kopiranje,
televizori, automobili...) obuhvataju i fazi kontrolere za sekvencijalno upravljanje (hemijski
reaktori, liftovi, eliane, cementare, saobraajni sistemi), fazi sisteme za prepoznavanje oblika
itd. Istovremeno se i dalje uju ozbiljne kritike na raun fazi sistema, ovoga puta zasnovane na
tvrdnji da tu ima zaista jako mnogo praktinih primena, ali nedostaju prava teorijska
obrazloenja.
I dok na zapadu, gde veinu ine zagovornici bivalentnog pristupa svetu koji "ne tvrde da
znaju sve (po tome se razlikuju od crkve), ali tvrde da se kreu jedinim putem ka znanju"2, traje
rasprava pro i contra fazi logike, u Japanu, od poetka devedesetih godina dvadesetog veka, rade
dve3 velike laboratorije LIFE (Laboratory for International Fuzzy Engineering Research) i FLSI
(Fuzzy Logic System Institute) sa kojima sarauju sve vodee industrijske kompanije sa ciljem da

1
Interesantno je zapaziti da su i Zadeh i Madmani Iranci, koji su osnovne poglede na svet stekli u duhu
istonjake filozofije. Bart Kosko pak tvrdi da fazi logika poinje tamo gde prestaje zapadna logika
2
Bart Kosko, Fuzzy Thinking.
3
Budui da je bilo jasno da se niko drugi u svetu, bar u dogledno vreme nee baviti fazi teorijom, smatralo
se da je, zbog potsticajne konkurencije, neophodno da postoje dva instituta
Zakljuak/60

se to vie i to bolje sagledaju mogunosti primene fazi logike u stvaranju inteligentnih ureaja.
Na kraju se nesumnjivo namee pitanje da li je smisao celog ovog izlaganja ukazivanje na
to da je fazi upravljanje toliko mono da ga treba primenjivati uvek i po svaku cenu? Ako bi
odgovor bio jedno kategorino da onda bi to bilo u kontradikciji sa samim fazi pristupom.
Odgovor, naravno mora biti fazi. On jeste potvrdan ali samo u odreenoj meri koja zavisi od
prirode problema koji se reava. Mogue je da e vreme pokazati da ima i drugih pristupa
reavanju problema upravljanja, mogue je da e i fazi logika vremenom biti prevaziena, ali je
izvesno da e u blioj budunosti u ovoj oblasti biti jo dosta rezultata i da im, bar u izvesnoj meri,
treba posvetiti panju.
 Fazi operacije/61

A. Operacije nad fazi skupovima

A1. Definicija fazi skupa
Fazi skup A nad univerzumom X je funkcija koja preslikava X na interval od 0 do 1
A = {(x, A (x) : x X} (A.1)
gde je
A (x) : X [ 0,1] (A.2)
funkcija pripadnosti koja predstavlja meru slaganja promenljive x sa pojmom A, odnosno
osobinama obuhvaenim pojmom A. Pri tome A (x) = 1 oznaava potpuno slaganje promenljive
x sa pojmom A, A (x) = 0 iskazuje da se promenljiva x ni na koji nain ne slae sa pojmom A, dok
sve ostale vrednosti funkcije pripadnosti izraavaju stepen do koga promenljiva x ispunjava
osobine pojma A.
Ukoliko je promenljiva x diskretna, fazi skup predstavlja vrstu vektor iji su elementi
jednaki odgovarajuim funkcijama pripadnosti.

Posebna vrsta fazi skupa je singlton fazi skup kod koga funkcija pripadnosti ima ne nultu
vrednost u samo jednoj taci
a [ 0,1] x = x i
A (x) = . (A.3)
0 x xi
Zapazimo da se referentna taka moe predstaviti kao fazi singlton skup kod koga je a=1.

Za svaki fazi skup se definiu jo i njegova visina i podruje skupa

Visina fazi skupa (norma fazi skupa)
h(A) = sup A (x) (A.4)
xX
Skup ija je visina 1,odnosno koji sadri elemente koji u potpunosti odgovaraju pojmu A,
oznaava se kao normalni fazi skup.
Podruje fazi skupa
supp(A) = {x X A (x) > 0} (A.5)

A2. Funkcije pripadnosti

Samo se po sebi razume da se funkcije pripadnosti mogu definisati na vie razliitih naina.
esto su u upotrebi "S" i "" funkcije.

A2.1 S FUNKCIJA
1 0 x<

2 x
0.8
x
0.6

0.4 S(x, , , ) = (A.6)
1 2 x x
0.2

0
4.5 x
x
0 0.5 1 1.5 2 2.5 3 3.5 4
1
+
SL A - 1 FUNKCIJA S(X,1,2,3) prevojna taka je definisana sa =
2
Operacije nad fazi skupovima/62

A2.2 FUNKCIJA (SUPERPOZICIJA S FUNKCIJA)

0.8

0.6
S(x, , 2, ) x
(x, , ) = (A.7)
1 S(x, , + 2, + ) x >
0.4

0.2

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 x

SL A - 2 FUNKCIJA (X,2,3)

A3. Osnovne operacije nad fazi skupovima

Sve operacije nad fazi skupovima definiu se po analogiji sa binarnim skupovima, vodei
pri tome rauna o specifinosti koje nosi sama definicija fazi skupa.

A3.1 KOMPLEMENT FAZI SKUPA

A : A (x) = 1 A (x) (A.8)

Neka je x diskretna celobrojna promenljiva koja ima vrednosti na segmentu od 1 do 6. Funkcije

pripadnosti skupova A i B i njihovih komplemenata prikazane su tabelarno i grafiki na Sl A - 3.

1 A B
0,9
0,8 x A B B
0,7 1 1 0.2 0 0.8
0,6 A
0,5 2 0.8 0.6 0.2 0.4
0,4 3 0.4 0.7 0.6 0.3
0,3
0,2 4 0.3 0.9 0.7 0.1
0,1 B 5 0.2 1 0.8 0
0
6 0 1 1 0
1 2 3 4 5 6

SL A - 3 FAZI SKUPOVI I NJIHOVI KOMPLEMENTI

A3.2 PRESEK (KONJUNKCIJA) FAZI SKUPA

A B : A B (x) = A (x) t B (x) (A.9)
gde je t trougaona norma koja ima sledee osobine
o funkcija dva argumenta
o ne opadajua funkcija po svim argumentima
o komutativna
o asocijativna
o granini uslovi: xt0 = 0, xt1 = x
Najee korieni oblici t norme su
10 xty = min(x, y)
20 xty = x y (logiko "i") (A.10)
3 xty = max(0, x + y 1) Lukaijevi
0

Iz gornjih relacija se vidi da je t norma ograniena, pri emu min operator odreuje gornju
 Fazi operacije/63

granicu.
Izbor same norme zavisi od znaenja promenljivih, odnosno od tipa veze koja se eli
uspostaviti. Tako, na primer, iskaz mala cena i velika tanost kojim se , sa gledita proizvodnih
uslova, izraavaju suprotni zahtevi podrazumeva korienje proizvoda, odnosno logike "i"
operacije. Meutim, budui da u iskazu novi i brzi auto nema korelacije za njegovo prikazivanje
pogodnije je koristiti operator min.

A3.3 UNIJA (DISJUNKCIJA) FAZI SKUPA

A B : A B (x) = A (x)s B (x) (A.11)
gde je s trougaona norma koja ima sledee osobine
o funkcija dva argumenta
o ne opadajua funkcija po svim argumentima
o komutativna
o asocijativna
o granini uslovi: xs 0 = x, xs 1 = 1
Najee korieni oblici s norme su
10 xsy = max(x, y) (logiko "ili")
20 xsy = x + y xy (A.12)
30 xsy = min(1, x + y) Lukaijevi
s norma, predstavlja ko-normu t norme, pri emu su granice odreene sledeom relacijom
xty min(x, y) max(x, y) xsy (A.13)
Iz definicije obe norme vidi se da vai
xsy = 1 (1 x)t (1 y) (A.14)
Poslednja relacija predstavlja, zapravo, De Morganove zakone za fazi skupove.

Funkcije pripadnosti skupova A i B i njihovih preseka i unija dati su tabelarno i grafiki na Sl A - 4.

1,1
1,1
1
1
0,9
0,9
0,8 0,8
a a
0,7
0,7 b b
0,6
0,6 m in m ax
0,5
0,5 ab a+b-ab
Lukas 0,4
0,4 Lukas
0,3
0,3
0,2
0,2
0,1
0,1
0
0
1 2 3 4 5 6
1 2 3 4 5 6

x a b min ab Lukas x a b max a+b-ab Lukas

1 1 0,2 0,2 0,2 0,2 1 1 0,2 1 1 1
2 0,8 0,6 0,6 0,48 0,4 2 0,8 0,6 0,8 0,92 1
3 0,4 0,7 0,4 0,28 0,1 3 0,4 0,7 0,7 0,82 1
4 0,3 0,9 0,3 0,27 0,2 4 0,3 0,9 0,9 0,93 1
5 0,2 1 0,2 0,2 0,2 5 0,2 1 1 1 1
6 0 1 0 0 0 6 0 1 1 1 1

SL A - 4 PRESEK I UNIJA FAZI SKUPOVA

Operacije nad fazi skupovima/64

A3.4 KONVEKSNOST FAZI SKUPA

Fazi skup A definisan na skupu X je konveksan
ako i samo ako vai sledea relacija
x1 , x 2 , x 3 , x1 < x 2 < x 3
2 {
(A.15) (x ) min (x ), (x )
A A 1 A 3 }
Na Sl A - 5 prikazan je primer nekonveksnog
fazi skupa.

SL A - 5 NEKONVEKSAN FAZI SKUP

A3.5 INKLUZIJA FAZI SKUPOVA

Sledei definiciju inkluzije u teoriji skupova,
A B ako i samo ako a A a B (A.16)
inkluzija fazi skupova bi trebalo da bude definisana kao
AB iff x X, A (x) B (x) (A.17)
Ova definicija podrazumeva, zapravo, potpunu inkluziju i rezultujui skup nije fazi skup.
Problem je zapravo u tome to je znak "manje ili jednako" binarni znak koji automatski ukida fazi
komponentu u relaciji.
Ako se, meutim, fazi skup posmatra kroz prizmu mere pripadnosti, onda je prirodno da
se i pitanju inkluzije pristupi na isti nain. To nadalje znai da se moe govoriti samo o meri u kojoj
jedan fazi skup pripada drugom fazi skupu. U tom smislu definie se funkcija pripadnosti skupa A
skupu B kao
S(A, B) = Stepen(A B) = 1 max(0, A (x) B (x)) (A.18)
U skladu sa De Morganovim zakonom (A.14) ova funkcija se moe izraziti i kao
S(A, B) = 1 1 min (1 0,1 ( A (x) B (x)) ) =
(A.19)
= min (1,1 A (x) + B (x) )
esto se umesto funkcije S(A,B) posmatra normalizovana mera definisana kao
max(0, A (x) B (x))
SN (A, B) = 1 (A.20)
A (x)

Funkcije pripadnosti dva fazi skupa i odgovarajue mere inkluzije dati su u sledeoj tabeli
x 1 2 3 4 5 6
A 1 0.8 0.4 0.3 0.2 0
B 0.2 0.6 0.7 0.9 1 1
S(A,B) 0.2 0.8 1 1 1 1
S(B,A) 1 1 0.7 0.4 0.2 0
SN(A,B) 0.2 0.75 1 1 1 1
SN(B,A) 1 1 0.57 0.33 0.2 1

A4. Fazi brojevi

Fazi broj je konveksan fazi skup u kome postoji bar jedna vrednost promenljive x za koju
vai relacija (x) = 1 . To znai da je fazi broj predstavljen normalnim, konveksnim skupom.
Samo se po sebi razume da postoji veliki broj skupova koji ispunjavaju ovaj uslov. Nekoliko
moguih skupova ilustrovano je na Sl A - 6.
U osnovi, fazi broj se moe posmatrati kao interval brojeva za koje se smatra da su u veoj
ili manjoj meri priblino jednaki nekom datom broju. U tom kontekstu, aritmetika fazi brojeva se
izvodi iz "intervalne aritmetike" koja je prvobitno uvedena u teoriji merenja. Osnovna ideja je da
 Fazi operacije/65

se pretpostavlja da izmerenoj vrednosti, odgovara stvarna vrednost koja se nalazi unutar nekog
intervala u okolini izmerene vrednosti ("interval poverenja").

SL A - 6 TROUGAONI, PRAVOUGAONI I KONVEKSNI FAZI BROJ

A4.1 ARITEMTIKA TROUGAONIH FAZI BROJEVA

Trougaoni fazi broj A(a1,a2,a3); (a 2 ) = 1 je opisan sledeim analitikim izrazom
0 x a1
x a
1 a1 x a 2
a 2 a1
A (x) = (A.21)
x a 3 a x a
2 3
a3 a 2

0 x a3
Neka su data dva trougaona fazi broja A(a1,a2,a3) i B(b1,b2,b3). Osnovne aritmetike
operacije nad ovim brojevima definiu se na sledei nain.
SABIRANJE - A+B=(a1+b1,a2+b2,a3+b3)
ODUZIMANJE - A-B=(a1-b3,a2-b2,a3-b1)

B-A A B A+B

Neka je A(25,30,35) i B(45,50,55), tada je

A+B=(70,80,90)
B-A=(10,20,30)
5 15 25 35 45 55 65 75 85 95

NEGACIJA - A=(-a3,-a2,-a1)
MNOENJE KONSTANTOM cA=(ca1,ca2,ca3)

2A
A A
Neka je A=(1,2,3), tada je
=(-3,-2,-1)
2A=(2,4,6)
-4 -3 -2 -1 0 1 2 3 4 5 6

RECIPRONA VREDNOST 1/A=(1/a3,1/a2,1/a1)

Neka je A=(1.5,2,2.5), tada je 1/A A

1/A=(0.4,0.5,0.66)

0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 2,2 2,4 2,6
Operacije nad fazi skupovima/66

MNOENJE - AB=(a1b1,a2b2,a3b3)
DELJENJE A/B=( a1/b3,a2/b2, a3/b1)

Neka je A=(1,2,3) B=(2,3,4) C=(6,8,10), tada je

A B C/B AB C
AB=(2,6,12)
C/A=(2,4,10)
Potrebno je zapaziti da operacija deljenja
striktno gledano ne daje trougaoni broj, ali se rezultat
uvek aproksimira trougaonim brojem. 1 2 3 4 5 6 7 8 9 10 11 12

A5. Max- t-kompozicija fazi relacija

A5.1 DEFINICIJA MAX- T-KOMPOZICIJE FAZI RELACIJA

Ako je U fazi skup nad univerzumom V, a S relacija nad univerzumima V i W, tada se max-
t-kompozicija definie na sledei nain.

Diskretni fazi skupovi

U = [ u i ] ; S= sij
(A.1)
Y=U S= [ yi ] ; yi = max {(u k ts ki )}
k

Kontinualni fazi skupovi

U = U (v) ; S = S (v, w)
Y = U S = U S (w) = Y (w) = max { U (v) tS (v, w)}
(A.2)
vV
U principu, t-norma moe biti bilo koja norma koja ispunjava ranije definisane uslove.
Najee se koriste minimum i proizvod, tako da se govori o
max-min kompoziciji - Ymax min = U S ,
max-proizvod kompoziciji - Ymax prod = U S

Neka je A fazi skup definisan nad univerzumom V, predstavljen vrsta vektorom kao
A = [ 0.3 0.4 0.8 1]
i neka je S relacija definisana nad V i W
0.2 0.8 0.7
0.7 0.6 0.6
S=
0.8 0.1 0.5

0 0.2 0.3
tada se fazi skup P koji je odreen max-min kompozicijom dobija na sledei nain
pi = max {min(a k ,ski )}
k

{
p1 = max min(a1,s1,1 ), min(a 2 ,s 21 ), min(a 3 ,s31 ), min(a 4 ,s41 ) }
= max {min(0.3, 0.2), min(0.4, 0.7), min(0.8, 0.8), min(1.0,0.0)} = max {0.2, 0.4, 0.8, 0.0} = 0.8
{
p 2 = max min(a1 , s1,2 ), min(a 2 , s 22 ), min(a 3 , s32 ), min(a 4 ,s 42 ) = }
= max {min(0.3, 0.8), min(0.4, 0.6), min(0.8, 0.1), min(1.0, 0.2)} = max {0.3, 0.4, 0.1, 0.2} = 0.4
 Fazi operacije/67

{
p3 = max min(a1 ,s1,3 ), min(a 2 , s 23 ), min(a 3 , s33 ), min(a 4 ,s 43 )}
= max {min(0.3, 0.7), min(0.4, 0.6), min(0.8, 0.5), min(1.0, 0.3)} = max {0.3, 0.4, 0.5, 0.3} = 0.5
0.2 0.8 0.7
0.7 0.6 0.6
A S = [ 0.3 0.4 0.8 1] = [ 0.8 0.4 0.5] = P
0.8 0.1 0.5

0 0.2 0.3

Ukoliko se, meutim, umesto min t-norme, koristi proizvod tada se dobija max-proizvod
kompozicija
A S = Q ; q j = max(a i sij )
i

{ }
q1 = max a1 s1,1 , a 2 s 21 , a 3 s31 , a 4 s 41
= max {0.3 0.2, 0.4 0.7), 0.8 0.8),1.0 0.0} = max {0.06, 0.28, 0.64, 0.0} = 0.64

{
q 2 = max a1 s1,2 , a 2 s 22 , a 3 s32 , a 4 s 42 = }
= max {0.3 0.8, 0.4 0.6, 0.8 0.1,1.0 0.2} = max {0.24, 0.24, 0.081, 0.2} = 0.24
{
q 3 = max a1 s1,3 , a 2 s 23 , a 3 s33 , a 4 s 43 }
= max {0.3 0.7, 0.4 0.6, 0.8 0.5,1.0 0.3} = max {0.21, 0.24, 0.40, 0.3} = 0.4
0.2 0.8 0.7
0.7 0.6 0.6
A S = [ 0.3 0.4 0.8 1] = [ 0.64 0.24 0.40 ] = Q
0.8 0.1 0.5

0 0.2 0.3

Ve je istaknuto da je relacija formirana sa univerzalnim skupom zapravo fazi skup,

odnosno vektor, a ne matrica. U tom sluaju max-min-kompozicija odreuje sledee relacije.
Diskretni fazi skupovi
U = [ u i ] ; S = [ si ]
U ST = Z = max {u i tsi } skalar (A.3)
U S = Y = yij ; yij = u i ts j
T

Kontinualni fazi skupovi

U = U (v) ; S = S (w)
(A.4)
U S = Y = U S (v, w) = Y (v, w) = U (v) tS (w)

Neka je A fazi skup definisan nad univerzumom V, predstavljen vrsta vektorom A = (0.3,0.4, 0.8,1)
i neka je B fazi skup nad univerzumom W definisan vrsta vektorom B = ( 0.2, 0.7, 0.8, 0 ) odrediti max-min
kompozicije ovih skupova.
Poto su oba skupa vrsta vektori za njih je mogue je formirati dve max-min kompozicije.

A BT = max {min(a1 , b1 ), min(a 2 , b 2 ), min(a 3 , b3 ), min(a 4 , b 4 )} =

= max {min(0.3, 0.2), min(0.4, 0.7), min(0.8, 0.8), min(1.0, 0.0)} = max(0.2, 0.4, 0.8, 0) = 0.8
Operacije nad fazi skupovima/68

min(a1 , b1 ) min(a1 , b2 ) min(a1 , b3 ) min(a1 , b4 )

min(a , b ) min(a , b ) min(a 2 , b3 ) min(a 2 , b4 )
AT B = 2 1 2 2
min(a 3 , b1 ) min(a 3 , b2 ) min(a 3 , b3 ) min(a 3 , b4 )

min(a 4 , b1 ) min(a 4 , b 2 ) min(a 4 , b3 ) min(a 4 , b4 )
min(0.3,0.2) min(0.3, 0.7) min(0.3,0.8) min(0.3, 0.0) 0.2 0.3 0.3 0
min(0.4, 0.2) min(0.4, 0.7) min(0.4, 0.8) min(0.4, 0.0) 0.2 0.4 0.4 0
= =
min(0.8, 0.2) min(0.8, 0.7) min(0.8, 0.8) min(0.8, 0.0) 0.2 0.7 0.8 0

min(1.0, 0.2) min(1.0, 0.7) min(1.0, 0.8) min(1.0, 0.0) 0.2 0.7 0.8 0

Norma fazi skupa i autokorelaciona matrica

Potrebno je zapaziti da je max-min kompozicijom nad fazi skupovima obuhvaena i definicija visine
(fazi norme) skupa, kao i autokorelacione matrice.
a1
a
A A T = [ a1 a 2 a n ] 2 = max min(a i , a i ) = max(a i ) = h(A)
i i

a
n
A T A = M = m ij ; m ij = a i ta j

A5.2 MAX-T-KOMPOZICIJA KAO INVERZNA OPERACIJA

Iz definicije max-t-kompozicije vidi se da ona omoguava da se odredi jedan fazi skup kao
funkcija drugog fazi skupa i korelacione relacije fazi skupova. Sa gledita odreivanja fazi skupa
izlaza neophodno je jo da se ispita da li max-t kompozicija moe da igra ulogu inverzne operacije
u odnosu na operaciju korelacionog proizvoda i korelacionog minimuma, odnosno da li vae
sledee implikacije
Smin = UT Y Y = U Smin
(A.5)
Sprod = UT Y Y = U Sprod
Bidirekcione FAM teoreme pokazuju da je dovoljan uslov za odreivanje izlaza fazi
modela, kao i za odreivanje ulaza pomou inverznog fazi modela, da oba fazi skupa budu
normalna. To znai da, pod uslovom da je fazi model formiran nad dva normalna skupa, max-t-
kompozicija odreuje fazi skup izlaza, odnosno predstavlja inverznu operaciju fazi relacije.

A5.3 BIDIREKCIONA FAM TEOREMA ZA KORELACIONI MINIMUM

Ako je Smin = U T Y tada
(i) Y=U Smin ako i samo ako je h(U) h(Y)
(ii) U=Y STmin ako i samo ako je h(Y) h(U)
S
(iii) U Y za svako U V
min
ST U za svako Y
(iv) Y W
min
Korolarija: ako su U i Y normalni (h(U) = h(Y) = 1) tada vai Y=U S i U=Y ST

Dokaz tvrdnje (i)

U Smin = U (U T Y) = (U U T ) Y = h(U) Y = min(h(U), yi ) = h(A) Y
i 1m

ako je i, h(U) yi h(A) h(Y) tada min(h(U), yi ) = yi min(h(A), yi ) = Y

i i
 Fazi operacije/69

Dokaz tvrdnje (iii)

V tada je
Neka je U
S
U
min = U (U
T UT ) Y = min (U
Y) = (U
skalar 1
i
(
UT ), y
i
1 m
)
UT ) Y
= (U

poto je i, min (U
i
( i )
UT ), y y min (U
i
i
(
UT ), y Y
i

)
Dokaz tvrdnji (ii) i (iv)
Tvrdnje (ii) i (iv) se dokazuju na isti nain ako se koristi injenica da je
STmin = Y T U Y STmin = Y (Y T U) = (Y Y T ) U = h(Y) U = h(Y) U

A5.4 BIDIREKCIONA FAM TEOREMA ZA KORELACIONI PROIZVOD

Ako je Sprod = U T Y tada je
(i) Y=U Sprod ako i samo ako je h(U) = 1

(ii) U=Y STprod ako i samo ako je h(Y) = 1

S V
(iii) U prod Y za svako U
ST U
(iv) Y W
za svako Y
prod

Dokaz tvrdnje (i)

U Sprod = U (U T Y) = (U U T ) Y = h(U) Y = ( h(U) yi ) )1m
za h(U) = 1 h(U) yi = yi ( h(U) yi ) ) = Y

Dokaz tvrdnje (iii)

V;U
Neka je U S
(
prod = U (U Y) = (U U ) Y = (U U ) yi
T T

skalar 1
T
)1m

U T ) y y (U
poto je i, (U i i (
UT ) y Y
i )
Dokaz tvrdnji (ii) i (iv)
Tvrdnje (ii) i (iv) se dokazuju na isti nain kao i kod korelacionog minimuma.

Neka je nad skupovima U = [ 0.3 0.4 0.7 0.2] i Y = [ 0.8 0.4 0.5] uspostavljena relacija
korelacionog minimuma S = U T
Y . Pokazati da ne vai implikacija Y = U S , a vai implikacija
U = Y S . T
Ova tvrdnja sledi i iz date teoreme, s obzirom da je visina skupa Y vea od visine skupa U
( h(U)=0.7, h(Y)=0.8 ). Isti rezultat se dobija i direktnom primenom definicije operacija kompozicije i
relacije
Poto je
0.3 0.3 0.3 0.3
0.4 0.4 0.4 0.4
S = U T Y = [ 0.8 0.4 0.5] = vidi se da je
0.7 0.7 0.4 0.5

0.2 0.2 0.2 0.2
Operacije nad fazi skupovima/70

0.3 0.3 0.3

0.4 0.4 0.4
U S = [ 0.3 0.4 0.7 0.2 ] = [ 0.7 0.4 0.5] Y
0.7 0.4 0.5

0.2 0.2 0.2
0.3 0.4 0.7 0.2
Y S = [ 0.7 0.4 0.5] 0.3 0.4
T
0.4 0.2 = [ 0.3 0.4 0.7 0.2] = U
0.3 0.4 0.5 0.2
 Literatura/71

B. Projektovanje rashladnog ureaja

B1. Okvir Spoznaje
Posmatra se prostorija u kojoj se eli odravati prijatna temperatura. Potrebno je projektovati
upravljanje u zatvorenoj sprezi sistemom za hlaenje koji obavlja postavljeni zadatak.

B1.1 OKVIR SPOZNAJE POJMA TEMPERATURA Y

Pridruimo pojmu temperatura atribute: HLADNO, SVEE, PRIJATNO, TOPLO i VRUE.
To znai da e okvir spoznaje temperature Y biti definisan kao
hladno sveze prijatno toplo vruce
Y = {Y1 , Y2 , Y3 , Y4 , Y5 }
1
gde skupovi Yi imaju sledee znaenje
stepen pripadnosti

0.8 0
Y1 HLADNO (t<10 C)
0 0
0.6 Y2 SVEE (10 C<t<25 C)
0 0
0.4 Y3 PRIJATNO (20 C<t<30 C)
0 0
Y4 TOPLO (25 C<t<45 C)
0.2 0
Y5 VRUE (t>40 C)
0
0 10 20
temperatura
30 40 50 Ukoliko se opredelimo za trougaone fazi
skupove onda oni imaju izgled kao to je to prikazano
SL B - 1 OKVIR SPOZNAJE POJMA TEMPERATURA na Sl B - 1.

D is kr etn i fa z i s ku p o vi t em p er atu r e
Ukoliko elimo da okvir spoznaje predstavimo diskretnim fazi skupovima onda je neophodno da
usvojimo granice pojma za koji se definie okvir spoznaje, kao i inkrement promene (ukoliko je promenljiva
kontinualna).
0 0
Neka se temperatura prostorije kree u opsegu od 0 C do 50 C i neka je korak promene
temperature y=5 C. U skladu sa ovim, svaki fazi skup bie predstavljen vektorom koji ima 11 elemenata.
0

Yi = Yi (0) Yi (5) Yi (10) Yi (45) Yi (50)

Polazei od usvojenog okvira spoznaje (Sl B - 1) fazi skupovi su definisani na sledei nain
Y1 = [ 1 0.5 0 0 0 0 0 0 0 0 0 ]
Y2 = [ 0 0 0.5 1 0.5 0 0 0 0 0 0 ]
Y3 = [ 0 0 0 0 0 1.0 0 0 0 0 0 ] (B.1)
Y4 = [ 0 0 0 0 0 0 0.5 1 0.5 0 0 ]
Y5 = [ 0 0 0 0 0 0 0 0 0 0.5 1 ]

Ko n t in u a ln i f az i sku p o v i te m p er a tu r e
U skladu sa usvojenim okvirom spoznaje kontinualni fazi skupovi opisani su sledeim relacijama
0 y<5
1 y<0 0.1(y 5)
5 y 15
Y1 : Y1 (y) = 0.1(y 10) 0 y 10; Y2 : Y2 (y) =
0 y > 10 0.1(y 25) 15 y 25
0 y > 25
0 y < 20 0 y < 25
0.2(y 20) 20 y 25 0.1(y 25) 25 y 35

Y3 : Y3 (y) = ; Y4 : Y4 (y) = (B.2)
0.2(y 30) 25 y 30 0.1(y 45) 35 y 45
0 y > 30 0 y > 45
Operacije nad fazi skupovima/72

0 y < 40

Y5 : Y5 (y) = 0.1(y 40) 40 y 50
1 y > 50

B1.2 OKVIR SPOZNAJE POJMA BRZINA MOTORA - U

Pridruimo pojmu brzina motora sledee atribute: STANI, SPORO, SREDNJE, BRZO i VEOMA BRZO.
Pretpostavimo pri tome da se pobuda motora zadaje kao procenat od maksimalne vrednosti pobude. To
znai da e okvir spoznaje temperature U biti definisan
stani sporo srednje brzo veoma brzo kao
1
U = {U1 , U 2 , U3 , U 4 , U5 }
stepen pripadnosti

0.8
gde skupovi Ui imaju sledee znaenje
0.6
U1 STANI (u<30)
0.4 U2 SPORO (10<u<50)
0.2
U3 SREDNJE (40<u<60)
U4 BRZO (50<u<90)
0
0 20 40 60 80 100 U5 VEOMA BRZO (u>70)
upravljanje
Ako se opredelimo za trougaone fazi skupove
onda oni imaju izgled kao to je to prikazano na Sl B -
SL B - 2 OKVIR SPOZNAJE POJMA BRZINA MOTORA
2.

D is kr etn i fa z i s ku p o vi b r zin e (u p r av l jan ja )

Budui da je usvojeno da su brzina motora izraava u procentima od maksimalne brzine, ona se
kree u opsegu od 0 do 100. Ako se kao korak promene brzine usvoji u=10, onda je diskretni fazi skup
predstavljen vektorom koji ima 11 elemenata.
Ui = Ui (0) Ui (10) Ui (20) Ui (90) Ui (100)

U skladu sa usvojenim okvirom spoznaje, diskretni fazi skupovi su definisani na sledei nain.
U1 = [ 1 0.66 0.33 0 0 0 0 0 0 0 0 ]
U2 = [ 0 0 0.50 1 0.50 0 0 0 0 0 0 ]
U3 = [ 0 0 0 0 0 1.00 0 0 0 0 0 ] (B.3)
U4 = [ 0 0 0 0 0 0 0.50 1 0.50 0 0 ]
U5 = [ 0 0 0 0 0 0 0 0 0.33 0.66 1 ]
Ko n t in u a ln i f az i sku p o v i b r z in e (u p r av l jan ja )
Prema okviru spoznaje na Sl B - 2, kontinualni fazi skupovi su dati sledeim relacijama.
1 u<0 0 u < 10
1 0.05(u 10) 10 u 30

U1 : U1 (u) = (u 30) 0 u 30; U 2 : U 2 (u) =
30 0.05(u 50) 30 u 50
0 u > 30 0 u > 50

0 u < 40 0 u < 50
0.1(u 40) 40 u 50 0.05(u 50) 50 u 70

U3 : U3 (u) = ; U 4 : U 4 (u) = (B.4)
0.1(u 60) 50 u 60 0.05(u 90) 70 u 90
0 u > 60 0 u > 90
0 u < 70
1

U5 : U5 (u) = (u 70) 70 u 100
30
1 u > 100
 Literatura/73

B2. Fazi model kontrolera kodiranje pravila

Usvojena pravila
ako je Y hladno tada je U stani
ako je Y svee tada je U sporo
ako je Y prijatno tada je U srednje
ako je Y toplo tada je U brzo
ako je Y vrue tada je U veoma brzo
Kodiranje Fazi relacija
Simin = YTj Uk (B.5)

Siprod = YjT U k (B.6)

Konturni dijagrami svih fazi relacija kojima su predstavljena data pravila ine fazi trajektoriju. U
sluaju korienja korelacionog proizvoda ova trajektorija ima izgled prikazan na Sl B - 3. Odgovarajui
skupovi Si prikazani su na Sl. 7-1.

80

60
napon

40

20
15

5 10 15 20 25 30 35 40 45 50
temperatura
7
SL B - 3 FAZI TRAJEKTORIJA UPRAVLJANJA
Sve take na trajektoriji odreuju se primenom relacije za korelacioni proizvod. Ako se na primer
uoi taka (7,15) onda se sa slike Sl B - 3 vidi da je ona pokrivena pravilom broj 1 i pravilom broj 2. Ovo se,
naravno, vidi i iz analitikih izraza koji odgovaraju definisanim pravilima. Za kodiranje pomou korelacionog
proizvoda se dobija
S1 (7,15) = Y1 (7) U1 (15) = 0.3 0.5 = 0.15
prod

S2 (7,15) = Y2 (7) U 2 (15) = 0.2 0.25 = 0.05

prod

Si (7,15) = Yi (7) Ui (15) = 0 ; i = 3, 4,5

prod

U skladu sa time agregatna relacija je odreena kao

5 max S1prod (7,15), S2prod (7,15) = 0.15 max
Sprod (7,15) = Si (7,15) =
i =1 prod min 1, 1 (7,15) + 2 (7,15) = 0.2 Lukaijevi
Sprod Sprod
Naglasimo da se umesto maksimuma ili Lukaijevieve relacije mogla koristiti i bilo koja druga s-
norma. Isto tako se umesto relacije korelacionog proizvoda mogao koristiti korelacioni minimum.
Operacije nad fazi skupovima/74

0.8
0.6
0.4

0.2
0
100
50
30 40 50
napon 0 0 10 20
temperatura

SL. 7-1 FAZI RELACIJE KOJE ODGOVARAJU USVOJENIM PRAVILIMA (KORELACIONI PROIZVOD)

B3. Implementacija algoritma - Odreivanje upravljanja

B3.1 ODREIVANJE FAZI SKUPA IZLAZA ZA JEDNO PRAVILO

Budui da fazi skup izlaza predstavlja uniju rezultata primene pojedinanih pravila, pogodno je da
se kao prvo razmotri na koji nain se dobijaju fazi skupovi izlaza koji odgovaraju pojedinim pravilima.
Neka je izmerena vrednost temperature ya=10. Odrediemo fazi skup izlaza koji odgovara pravilu
broj 2.
Uai - kontinualni skupovi
Podsetimo se da se max-t kompozicija primenjena na singlton skup svodi na sledeu relaciju
U ai = Ya Si

{ }
U ai = Uai (ya ) = max ( Ya (ya )tSi (y a , u) = 1tSi (ya ,u) = Si (ya ,u)
yY
(B.7)

Za datu izmerenu vrednost odgovarajui singlton fazi skup ulaza je

0 y 10
Ya (y) =
1 y = 10
tako da je
U a2 = Ua 2 (u) = Si (ya , u) =

( )
= max Y2 (y a ) t U 2 (u) = Y2 (y a ) t U 2 (u)
y

Za izraunavanje gornjeg izraza

neophodno je da se, kao prvo odredi
Y2 (ya ) . Na osnovu definisanog okvira
SL B - 4 STEPEN AKTIVACIJE USLOVA ZA IZMERENU
spoznaje vidi se da je
PROMENLJIVU YA
Y2 (ya ) = Y2 (10) = 0.5
to znai da izmerena vrednost temperature aktivira pravilo broj 2 sa stepenom 0.5. Odgovarajui fazi skup
upravljanja zavisie od usvojenog izraza za t normu.

Korelacioni minimum (Sl B - 5)

0 u < 10
0 u < 10
0.05(u 10) 10 u 20
0.05(u 10) 10 u 30
min
( )
Ua (u) = min 0.5, U 2 (u) = min 0.5,
=
0.05(u 50) 30 u 50
0.5 30 u 40
2
0.05(u 50) 40 u 50
0 u > 50
0 u > 50
 Literatura/75

Korelacioni proizvod (Sl B - 6)

0 u < 10 0 u < 10
0.05(u 10) 10 u 30 0.025(u 10) 10 u 30
=
prod (u) = 0.5 U2 (u) = 0.5
Ua 2 0.05(u 50) 30 u 50 0.025(u 50) 30 u 50

0 u > 50 0 u > 50

SL B - 5 FAZI IZLAZ KAO KORELACIONI MINIMUM SL B - 6 FAZI IZLAZ KAO KORELACIONI PROIZVOD

Uai diskretni skupovi

Ukoliko su skupovi diskretni, onda se fazi skup izlaza
Uai = ( u ai1 u ai2 u ain )
koji, za izmerenu vrednost ya odgovara pravilu broj i, dobija kao
Ua i =Ya Si ; Si = sikj

1tsij k =
sj
{ } k=
i

Ua i = u a i , j ; u a i , j = max (yak ts kj ) = max
i
= max = sij
k k 0tsi
kj k k 0
k
i
Vidi se da je Uai -ta vrsta matrice S .

Neka je izmerena vrednost izlaza procesa ya=10. Tada je odgovarajui fazi skup ulaza

Ya = 0 0 1 0 0 0 0 0 0 0 0
=3
to znai da je fazi skup Uai trea vrsta matrice Si.
Korelacioni minimum
Za pravilo broj 2 dobija se
0 0 0 0 0 0 0
0
0 0 0 0 0 0 0 0

0.5 0 0 0.5 0.5 0.5 0 0

1 0 0 0.5 1 0.5 0 0
S2min = Y2T U 2 = [0 0 0.5 1 0.5 0 0] =
0.5 0 0 0.5 0.5 0.5 0 0

0 0 0 0 0 0 0 0


0 0 0 0 0 0 0 0
Otuda je
min
U a2 = [ 0 0 0.5 0.5 0.5 0 0 0 0 0 0 ]

Korelacioni proizvod

Za pravilo broj 2 dobija se

Operacije nad fazi skupovima/76

0 0 0 0 0 0 0
0
0 0 0 0 0 0 0 0

0.5 0 0 0.25 0.5 0.25 0 0

1 0 0 0.5 1 0.5 0 0
0 0 0.5 1 0.5 0 0 ] =
0.5 [
S2prod = Y2 U 2 =
T
0 0 0.25 0.5 0.25 0 0

0 0 0 0 0 0 0 0


0 0 0 0 0 0 0 0
tako da je
2 = [ 0 0 0.25 0.5 0.25 0 0 0 0 0 0 ]
U aprod

SL B - 7 FAZI KORELACIONI MINIMUM I KORELACIONI PROIZVOD ZA DISKRETNE SKUPOVE

B3.2 AGREGACIJA IZLAZNIH FAZI SKUPOVA

Kao to je ve reeno izlazni fazi skup se dobija agregacijom svih izlaznih skupova (odluka)
koje odgovaraju pojedinanim pravilima. To zapravo znai da se u svakom trenutku sva pravila
aktiviraju, ali samo do odreenog stepena.
Izmerena temperatura ya=25
0 i3 5
Si (25, u) = Ua (u) = Si (25, u) = S3 (25, u)
S3 (25, u) i = 3 i =1
Oigledno je da e biti aktivirano samo jedno pravilo, pri emu je stepen aktivacije odreen
funkcijom S3 (25, u) ..
Poto je Y3 (25) = 1 bie
S3 (25, u) = Y3 (25)t U3 (u) = 1t U3 (u) = U3 (u) Ua (u) = U3 (u) Ua = U3

Izmerena temperatura ya=23

Iz vrednosti funkcije pripadnosti u okviru spoznaje, koje odgovaraju ovoj temperaturi
0 i 2,3

Yi (23) = 0.1(23 25) = 0.2 i = 2
0.2(23 20) = 0.6 i=3

vidi se da su aktivirana pravila broj 2 i 3. Stepen aktivacije svakog od njih odreuje partikularni fazi izlaz.
Agregacijom svih ovih izlaznih skupova dobija se konani oblik izlaza. Ovaj postupak je ilustrovan na Sl B - 8,
gde je koriena min-max operacija.
 Literatura/77

Y1 U1
1.0 1.0

0.5 0.5

0 10 20 30 40 50 0 20 40 60 80 100
Ako je hladno tada motor stoji

Y2 U2
1.0 1.0

0.5 0.5

0 10 20 30 40 50 0 20 40 60 80 100
Ako je svee tada motor sporo

Y3 U3
1.0 1.0

0.5 0.5

0 10 20 30 40 50 0 20 40 60 80 100
Ako je prijatno tada motor srednje

Y4 U4
1.0 1.0

0.5 0.5

0 10 20 30 40 50 0 20 40 60 80 100
Ako je toplo tada motor brzo

Y5 U5
1.0 1.0

0.5 0.5

0 10 20 30 40 50 0 20 40 60 80 100

Ako je vrue tada motor veoma brzo

TEMPERATURA (Ya) = 23 1.0

0.5

0 20 40 60 80 100
UPRAVLJANJE (Ua)

SL B - 8 ODLUIVANJE ZA YA=23
Za odreivanje izlaznog skupa neophodno je da se prvo utvrde fazi relacije koje odgovaraju
izmerenoj vrednosti ulaza.
0 i 2,3

Si (23, u) = 0.2 t U 2 (u) i = 2

0.6t U3 (u) i=3
0 u < 10
0.2t0.05(u 10)
( ) 10 u 30
S2 (23, u) = 0.2t U 2 (u) =
( 0.2t 0.05(u 50) ) 30 u 50
0 u > 50
Operacije nad fazi skupovima/78

0 u < 40
0.6t0.1(u 40)
( ) 40 u 50
S3 (23, u) = 0.6t U3 (u) =
( 0.6t 0.1(u 60) ) 50 u 60
0 u > 60
U skladu sa time fazi skup izlaza je
0 u < 10

( 0.2t 0.05 (u 10) ) 10 u 30
5
Ua (u) = Si (23, u) = S2 (23, u) sS3 (23, u) =
( 0.2 t 0.05 (u 50) ) 30 u 40
i =1 ( 0.2 t 0.05 (u 50) ) s ( 0.6 t 0.1 (u 40) ) 40 u 50


( 0.6t 0.1 (u 60) ) 50 u 60
0 u > 60

Konkretne vrednosti fazi skupa izlaza zavise od naina na koji se odaberu s i t norme.

t -norma proizvod
Izlazni fazi skup se formira primenom s-norme
na dva fazi skupa dobijena iz drugog i treeg pravila uz
uslov da je t-norma proizvod (Sl B - 9).
Taka preseka dva fazi skupa odreuje se iz
izraza
0.01(u 50) = 0.06(u 40)
0.5 0.01u = 0.06u 2.4
0.07u = 2.9 u = 41.429
Funkcija pripadnosti fazi skupa izlaza dobija se
iz sledee relacije
Ua (u) = 0.2 U 2 (u)s 0.6 U3 (u) =
0 u < 10
SL B - 9 FAZI SKUPOVI KOJI FORMIRAJU IZLAZNI FAZI 0.01 (u 10) 10 u 30
SKUP - T-NORMA PROIZVOD
0.01 (u 50) 30 u 40
=
( 0.01(u 50) ) s ( 0.06(u 40) ) 40 u 50
0.1 (u 60) 50 u 60

0 u > 60
Konani oblik fazi skupa zavisi od izbora s-norme.

o s-norma maksimum (Sl B - 10)

0 u < 10
0.01 (u 10) 10 u 30

0.01 (u 50) 30 u 40
(
Ua (u) = max 0.2 U 2 (u), 0.6 U3 (u) = ) max ( 0.01 (u 50) ) , ( 0.06 (u 40) ) 40 u 50
0.06 (u 60) 50 u 60

0 u > 60
0.01(u 50) 40 u 41.429
max ( 0.01(u 50) ) , ( 0.06(u 40) ) =
0.06(u 40 41.429 u 50
 Literatura/79

o s-norma Lukaijevi (Sl B - 11)

0 u < 10
0.01 (u 10) 10 u 30

0.01 (u 50) 30 u 40

Ua (u) = max (1, 0.2 U2 (u) + 0.6 U3 (u) ) = 0.01 (u 50) + 0.06 (u 40) =
= 0.05 u 1.9 40 u 50

0.1 (u 60) 50 u 60

0 u > 60

SL B - 10 FAZI IZLAZNI SKUP T-NORMA PROIZVOD, S- SL B - 11 FAZI IZLAZNI SKUP T-NORMA PROIZVOD, S-NORMA
NORMA MAKSIMUM LUKAIJEVI

t -norma minimum
Dva izlazna fazi skupa imaju izgled prikazan na Sl B - 12. Take preseka ovih skupova odreuju se iz
sledeih relacija
0.7 2.3
0.05 (u 10) = 0.2 u1 = = 14; 0.05 (u 50) = 0.2 u 2 = = 46
0.05 0.05
4.6 5.4
0.1 (u 40) = 0.6 u 3 = = 46; 0.1(u 60) = 0.6 u 4 = = 54
0.1 0.1
U skladu sa time, agregacija fazi skupa izlaza
odreena je relacijom

Ua (u) = min(0.2, U 2 (u))s min(0.6, U3 (u)) =

0 u < 10
0.05 (u 10) 10 u 14

0.2 14 u 40


=
0.2s ( 0.1 (u 40) ) 40 u 46
( 0.05 (u 50) ) s 0.6 46 u 50
0.6 50 u 54

0.1 (u 60) 54 u 60
0 u > 60

SL B - 12 FAZI SKUPOVI KOJI FORMIRAJU IZLAZNI FAZI SKUP -
Konani oblik fazi skupa zavisi od izbora s-
T-NORMA MIN
norme.

o s-norma maksimum (Sl B - 13)

Taka preseka
0.1(u 40) = 0.2 u pr = 42
Funkcija pripadnosti izlaznog skupa
Operacije nad fazi skupovima/80

0 u < 10
0.05 (u 10) 10 u 14

0.2 14 u 42

Ua (u) = max ( min(0.2, U2 (u)), min(0.6, U3 (u)) ) = 0.1 (u 40) 42 u 46
0.6 46 u 54

0.1 (u 60) 54 u 60

0 u > 60
o s-norma Lukaijevi (Sl B - 14)
0 u < 10
0.05 (u 10) 10 u 14

0.2 14 u 40

0.2 + ( 0.1 (u 40) ) 40 u 46
( )
Ua (u) = max 1, min(0.2, U 2 (u)) + min(0.6, U3 (u)) =
( 0.05 (u 50) ) + 0.6 46 u 50
0.6 50 u 54

0.1 (u 60) 54 u 60
0 u > 60

1
0,8

0,6

0,4
0,2

0
0 10 20 30 40 50 60 70

SL B - 13 FAZI IZLAZNI SKUP T-NORMA MINIMUM, S- SL B - 14 FAZI IZLAZNI SKUP T-NORMA MINIMUM, S-NORMA
NORMA MAKSIMUM LUKAIJEVI

B4. Defazifikacija odreivanje vrednosti upravljakog signala

B4.1 MOM, LOM I SOM

Na Sl B - 15 su prikazane tri vrste defazifikacije za izlazne fazi skupove dobijene min-max (Sl B - 13)
i proizvod-max metodom (Sl B - 10)

SL B - 15 DEFAZIFIKACIJA NA OSNOVU MAKSIMUMA

 Literatura/81

B4.2 BISEKTRISA
Da bi se ilustrovao postupak odreivanja bisektrise posmatrae se izlazni fazi skup dobijen min-max
metodom (Sl B - 13). S obzirom na oblik funkcije pripadnosti koja definie izlazni fazi skup ukupna povrina
je
60 14 42 46 54 60
Ua (u)du = Ua (u)du + Ua (u)du + Ua (u)du + Ua (u)du + Ua (u)du =
10 10 14 42 46 54
4 0.2 0.2 + 0.6 6 0.6
= + 28 0.2 + 4 + 8 0.6 + = 0.4 + 5.6 + 1.6 + 4.8 + 1.8 = 14.2
2 2 2
Iz dobijenog rezultata se vidi da se polovina ove povrine (bisektrisa) nalazi na segmentu [42,46] kome
odgovara vrednost integrala od 1.6. Sada se moe postaviti uslov za bisektrisu (4.24) iz koga se dobija
u0 46
0.4 + 5.6 + Ua (u)du = Ua (u)du + 4.8 + 1.8
42 u0
u0 46
6+ 0.1(u 40)du = 0.1(u 40)du + 6.6
42 u0

0.1u 02 0.1 42 2
4(u 0 42) =
2 2
0.1 462 0.1u 02
= 4(46 u 0 ) + 0.6
2 2
u 02 80u 0 + 1574 = 0 u 0 = 45.099

SL B - 16 DEFAZIFIKACIJA BISEKTRISOM

B4.3 CENTROID
Centar gravitacije odreen jednainom (4.26) za izlazni fazi skup dobijen min-max metodom (Sl B -
13) Error! Reference source not found. dobija se na sledei nain.
60
Ua (u)du =14.2
10
60 14 42 46
u Ua (u)du = u 0.05(u 10)du + 0.2udu + u 0.1(u 40)du +
10 10 14 42
54 60
+ 0.6udu u 0.1(u 60)du = 573.6
46 54
60
u Ua (u)du
573.6
u0 = 10
= = 40.4
60 14.2
Ua (u)du
10
Centar gravitacije za izlazni fazi skup dobijen proizvod-max metodom (Sl B - 10) je
60
Ua (u)du =9.5712
10
Operacije nad fazi skupovima/82

60 30 41.429
u Ua (u)du = u 0.01(u 10)du u 0.01(u 50)du +
10 10 30
50 60
+ u 0.06(u 40)du u 0.06(u 60)du = 401.2245
41.429 50
60
u Ua (u)du
401.2245
u0 = 10
= = 41.92
60 9.5712
Ua (u)du
10

SL. 7-2 DEFAZIFIKACIJA ODREIVANJEM CENTRA GRAVITACIJE SL. 7-3 DEFAZIFIKACIJA ODREIVANJEM CENTRA GRAVITACIJE
ZA MIN-MAX FAZI IZLAZNI SKUP ZA PROIZVOD-MAX FAZI IZLAZNI SKUP

Interesantno je zapaziti da se centar gravitacije moe jednostavno odrediti ukoliko su fazi

skupovi trougaoni brojevi i pri tome se kao s-norma koristi Lukaijevieva norma. U tom sluaju
vai sledea relacija
i ci Ii
u0 = i (B.8)
i Ii
i
gde su
i = Yi (y a ) - stepen aktivacije i-tog pravila
ci = sredite i-tog skupa
Ii povrina i-tog trougaonog skupa

Ispravnost izraunavanja centra gravitacije

Ua
0.6 kod Lukaijevieve s-norme preko relacije (B.8)
0.5 moe se proveriti na proizvod-Lukaijevievom
0.4 izlaznom fazi skupu (Sl B - 11).
0.3 y a = 23
1 = 4 = 5 = 0 ; 2 = 0.2 ; 3 = 0.6
0.2

0.1
0
c 2 = 30 ; c3 = 50 ; I 2 = 20 ; I3 = 10
u
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70
i ci Ii
COG 0.2 30 20 + 0.6 50 10
u0 = i
= = 42
42 i Ii 0.2 20 + 0.6 10
i
SL. 7-4 DEFAZIFIKACIJA ODREIVANJEM CENTRA GRAVITACIJE Izraunavanjem centra gravitacije preko
ZA PROIZVOD-LUKAIJEVI FAZI IZLAZNI SKUP izraza kojim se definie (4.26) dobija se identini
rezultat
60
Ua (u)du =10
10
 Literatura/83

60 30 40
u Ua (u)du = u 0.01(u 10)du u 0.01(u 50)(u)du +
10 10 30
50 60
+ u (0.05u 1.9)du u 0.06(u 60)du = 420
40 50

60
u Ua (u)du
420
u0 = 10
= = 42
60 10
Ua (u)du
10

B5. Singlton fazi skupovi upravljanja

B5.1 SUGENO NULTI RED

SL B - 17 SINGLTON SKUP KAO CENTAR GRAVITACIJE SIMETRINIH FAZI SKUPOVA

U cilju pojednostavljenja praktinog sprovoenja defazifikacije, Sugeno je predloio da se
fazifikacija upravljanja vri pomou singlton skupova. Zapazimo, pri tome, da se svaki singlton
skup moe interpretirati kao centar gravitacije simetrinog skupa kome je odgovarajui singlton
skup postavljen na osi simetrije, kao to je to ilustrovano na Sl B - 17, za fazi skup upravljanja (Sl B
- 2). ak i ako fazi skupovi nisu simetrini, jo uvek se odgovarajui singlton skup moe dobiti kao
skup centara gravitacije svake od funkcija pripadnosti.
Ukoliko je, dakle, okvir spoznaje, upravljakog signala predstavljen singlton skupovima
(uci), nezavisno od toga kako su oni odreeni, tada se defazifikacija vri prema relaciji
i u ci
u0 = i (B.9)
i
i
gde je i = Yi (y a ) - stepen aktivacije i-tog pravila.
Budui da relacija (B.9) zapravo predstavlja odreivanje centra gravitacije za singlton fazi
skup, ova metoda defazifikacije se moe shvatiti i kao svojevrsna modifikacija metode odreivanja
centra gravitacije koju je predloio Mamdani. Modifikacija se sastoji u tome to se svaki fazi skup
zameni svojim centrom gravitacije. Otuda se ova metoda esto oznaava i kao MCOG (Modified
center of gravity).

U posmatranom primeru vidi se da je

u c1 = 0 ; u c2 = 30 ; u c3 = 50 ; u c4 = 70 ; u c5 = 100
Budui da su za ya=23 stepeni aktivacije pojedinih pravila
1 = 0 ; 2 = 0.2 ; 3 = 0.6 ; 4 = 0 ; 5 = 0
odgovarajue upravljanje se dobija kao
Operacije nad fazi skupovima/84

2 u c2 + 3 u c3 0.2 30 + 0.6 50
u0 = = = 45
2 + 3 0.8

B5.2 POMERAJUI SINGLTON FAZI SKUPOVI SUGENO PRVI RED

Da bi se donekle ublaio efekat usvajanja okvira spoznaje upravljanja kao singlton
skupova, Sugeno je predloio da se ovi skupovi posmatraju kao "pomerajui" singlton skupovi, pri
emu poloaj singlton linije zavisi od trenutne vrednosti ulazne promenljive (y)
u ci = a i y + b i (B.10)
Defazifikacija se i dalje vri prema relaciji (B.9).
Ideja da se uspostavi linearna zavisnost izlaznog fazi skupa kontrolera i ulaznih
promenljivih (merenja izlaza procesa) omoguava da se ovaj metod primeni na nivou
supervizorskog upravljanja. Naime, poznato je da se upravljanje nelinearnim dinamikim
sistemom moe realizovati tako to se izvri linearizacija sistema u odreenom broju radnih
taaka i za svaki od linearnih modela projektuje odgovarajui kontroler. U tom sluaju se u svakoj
radnoj taci, vri interpolacija izlaza lineranih kontrolera koji se nalaze u okolini te radne take.
Ovaj zadatak se, po pravilu, obavlja na supervizorskom nivou. U praksi se uvek postavlja pitanje
izbora odgovarajue metode interpolacije. Otuda se pomerajui singlton skupovi, definisani tako
da prate izlaze kontrolera (koji su, bar u statikom smislu, linearna funkcija ulaza), javljaju kao
prirodni i efikasni metod za interpolaciju.
Potrebno je zapaziti da ovaj pristup, zapravo, predstavlja potpuno prirodno "podeavanje
pojaanja" (gain scheduler). Isti pristup moe da se koristi i za modeliranje nelinearnih sistema
pomou interpolacije vie linearnih modela.
Naglasimo, na kraju, da se u skladu sa relacijom (B.10), singlton skupovi kod kojih je
poloaj funkcija pripadnosti konstantan, mogu shvatiti kao linearne funkcije nultog reda. Otuda se
i originalna Sugenova metoda, esto naziva metodom nultog reda.