Fuzzy-Regler: Logik, Einsatz und Vorteile
Fuzzy-Regler kommen immer dann zum Einsatz, wenn es um die Regelung komplexer und vielschichtiger Prozesse geht. Sie wandeln scharfe Werte in einfache linguistische Begriffe, aus denen sie mithilfe spezieller Regeln wieder scharfe Wertesignale bilden. Wie ein Fuzzy-Regler funktioniert und welche Vorteile die speziellen Systeme bieten, zeigen die folgenden Abschnitte.
Die Fuzzy-Logik als Grundlage der Regler
Der Begriff Fuzzy stammt aus dem englischen und bedeutet so viel, wie „unscharf“ oder „verschwommen“. Bei einem Fuzzy-Regler handelt es sich also um einen Regler mit einer gewissen Unschärfe. Diese liegt vor allem in den sprachlichen Formulierungen, mit denen Experten scharfe Eingangsgrößen umwandeln oder fuzzyfizieren.
Unscharf ist aber auch die Zuordnung zu bestimmten Mengen. Während sich diese bei konventionellen Logiken mit 0 und 1 (gehört dazu oder gehört nicht dazu) beschreiben lässt, arbeiten Fuzzy-Regler mit Abhängigkeiten. Ein Beispiel verdeutlicht das: Der Menge „warm“ sollen verschiedene Raumtemperaturen zugeordnet werden.
So zum Beispiel Temperaturen von 17 bis 20 °C. Während 17 °C zum Teil „warm“ ist, sind 20 °C vollkommen „warm“. Ausdrücken lässt sich das mit Wertepaaren, wie dem Folgenden:
- warm: {0,5/17, 1,0/20}
Dabei steht der Betrag vor dem Schrägstrich jeweils für die Zugehörigkeit. Der zweite Betrag definiert in diesem Fall die Temperatur. Insgesamt handelt es sich bei den Elementen um eine unscharfe Menge oder ein sogenanntes Fuzzy-Set. Fuzzy-Regler werten die Eingangsgrößen anhand einfacher linguistischer Regeln aus, bevor sie das Ergebnis abschließend defuzzyfizieren – also in ein scharfes Signal umwandeln.
Die Arbeitsweise typischer Fuzzy-Regler
Die Arbeitsweise der Fuzzy-Regler lässt sich in drei Teilschritte untergliedern. In einem ersten erfolgt das Fuzzyfizieren der Eingangsgrößen. Der Regler wandelt dabei die scharfen Messwerte linguistischen Begriffen zu und definiert bestimmte Zugehörigkeiten zu den einzelnen Wertemengen. So kann er zum Beispiel die Vorlauftemperatur der Heizungsanlage den Mengen „sehr niedrig“, „niedrig“, „mittel“ oder „hoch“ zuordnen.
Im zweiten Schritt führt er verschiedene Regeln aus, die Entwickler auf Grundlage von Expertenwissen aufgestellt haben. Diese liegen häufig in „Wenn-Dann-Form“ vor und sind somit einfach umsetzbar. Ein Beispiel verdeutlicht das: Wenn die Raumtemperatur fällt UND die Vorlauftemperatur sehr niedrig ist DANN Kessel stark heizen.
Hat der Fuzzy-Regler alle Aufgaben abgearbeitet, liegen die Ergebnisse in Fuzzy-Form vor. Diese sind abschließend in eine konventionelle Stellgröße umzuwandeln. Experten sprechen bei diesem Vorgang vom Defuzzyfizieren. Im Beispiel geht es also darum, aus dem Term „Kessel stark heizen“, einen konkreten Ausgangswert zu generieren.
Vorteile und Nachteile der Fuzzy-Regler
Die speziellen Regler ermöglichen eine schnelle und aussagekräftige Modellierung komplexer Systeme. Das Beschreiben des Verhaltens mit linguistischen Begriffen ist dabei deutlich einfacher, als das Beschreiben mit mathematischen Gleichungen, wie es bei konventionellen Regelarten der Fall ist. Die einzelnen Regeln lassen sich dabei gut nachvollziehen und bei Bedarf problemlos verändern oder anpassen. Ein Nachteil ist hingegen, dass die Regler nicht lernfähig sind und sie sich nicht automatisch an eine verändernde Umgebung anpassen können. Auch die Defuzzyfizierung, bei der die unscharfen Werte in scharfe Stellgrößen umzuwandeln sind, ist in der Praxis nicht immer trivial.