کنترل کننده فازی-تطبیقی (Adaptive Fuzzy Controller)، در ریاضیات (Mathematics)
انواع کنترل کننده ها (Controller) را در آموزش زیر شرح دادیم :
کنترل کننده فازی-تطبیقی (Adaptive Fuzzy Controller) :
ترکیب منطق فازی با قابلیت تطبیق
کنترل کننده فازی-تطبیقی یا Adaptive Fuzzy Controller ترکیبی از سیستم های فازی و کنترل تطبیقی است. در این روش، یک کنترل کننده فازی داریم که پارامترهای آن (توابع عضویت یا قوانین) به صورت آنلاین و بر اساس عملکرد سیستم تنظیم می شوند. این ترکیب باعث می شود هم از قابلیت سیستم های فازی در استفاده از دانش انسانی استفاده شود و هم سیستم بتواند خود را با تغییرات تطبیق دهد.
دو رویکرد اصلی وجود دارد: ۱) تنظیم تطبیقی پارامترهای توابع عضویت. ۲) تنظیم تطبیقی قوانین فازی (افزودن، حذف، یا تغییر قوانین).
یک قانون تطبیق ساده برای تنظیم پارامترهای خروجی (مثلا نتیجه قوانین تاکاگی-سوگنو) به صورت زیر است:
\[ \dot{\theta} = -\gamma \frac{\partial J}{\partial \theta} \]که θ بردار پارامترها و J تابع هزینه (مثلا خطا) است.
کاربردها: کنترل ربات ها با بار متغیر، کنترل فرآیندهای شیمیایی با تغییرات مواد اولیه، کنترل موتورها در شرایط کاری مختلف، سیستم های با عدم قطعیت بالا.
✅ مزایا: استفاده از دانش انسانی به همراه تطبیق، عملکرد خوب در سیستم های متغیر با زمان، مقاومت در برابر عدم قطعیت.
⚠️ معایب: پیچیدگی بالا، نیاز به طراحی قوانین تطبیق پایدار، ممکن است همگرایی کند باشد، تحلیل پایداری دشوار.
روش های طراحی معمولا مبتنی بر توابع لیاپانوف هستند. یک تابع لیاپانوف مناسب انتخاب می شود که شامل خطای ردیابی و خطای تخمین پارامترهاست. سپس قانون تطبیق طوری طراحی می شود که مشتق تابع لیاپانوف منفی شود.
مثال: یک بازوی رباتیک که بار آن ناگهان تغییر می کند (مثلا رباتی که بسته هایی با وزن های مختلف جابجا می کند). کنترل کننده فازی اولیه بر اساس دانش یک اپراتور طراحی شده است. کنترل کننده فازی-تطبیقی با تخمین وزن بار، توابع عضویت را تنظیم می کند تا عملکرد بهینه حفظ شود.
سیستم های فازی-تطبیقی می توانند از نوع ممدانی یا تاکاگی-سوگنو باشند. نوع سوگنو به دلیل ساختار خطی در نتیجه قوانین، برای تحلیل تطبیقی مناسب تر است.
