Algorithm for generating interpretable fuzzy controllers: an application to a pressure process
DOI:
https://doi.org/10.15332/iteckne.v8i2.2734Keywords:
Fuzzy identification, Interpretability, Fuzzy controller, Process pressureAbstract
A novel approach for the development of linguistically interpretable fuzzy singleton models from experimental data is proposed. The proposed methodology uses triangular sets with 0.5 interpolations. Averaging operator, instead of T-norm operator, is used for combining fuzzy rules. Singleton consequents are employed and least square method is used to adjust the consequents. The most promissory aspect in our proposal consists in achieving model without sacrificing the fuzzy system interpretability. The real-world applicability of the proposed approach is demonstrated by application to a pressure control using the LabVolt Process Control Training System (6090).
Downloads
References
[2] Sugeno, M., Yasukawa, T., “A fuzzy logic based approach to qualitative modeling”. Transactions on Fuzzy Systems, vol. 1, No. 1, pp. 7-31. 1993
[3] Bezdek J. C. (1987). Pattern recognition with Fuzzy Objective Function Algorithms. Ed. Plenum Press.
[4] Guztafson E. E., Kessel W. C. Fuzzy Clustering with a Fuzzy Covariance Matrix. IEEE CDC, San Diego, California, pp. 503 – 516.1979.
[5] Nauck, D., Kruse, R., “Nefclass - a neuro-fuzzy approach for the classification of data”, In Proceedings of the Symposium on Applied Computing, 1995.
[6] Nauck, D., Kruse, R., “Neuro-fuzzy systems for function approximation”. Fuzzy Sets and System. 101(2), pp. 261-271. Jan. 1999.
[7] Espinosa, J., Vandewalle, J., “Constructing fuzzy models with linguistic integrity form numerical data-afreli algorithm”, IEEE Trans. Fuzzy Systems, vol. 8, pp. 591 – 600, Oct. 2000.
[8] Sala, A. (1998). Validación y Aproximación Funcional en Sistemas de Control Basados en Lógica Borrosa. Universidad Politécnica de Valencia. Tesis Doctoral.
[9] Sala, A., Albertos, P., Inference error minimisation: fuzzy modelling of ambiguous functions. Fuzzy Sets and Systems, 121 (2001) pp. 95 – 111. 2001
[10] Díez J. L., Navarro J. L., Sala A. (2004). Algoritmos de Agrupamiento en la Identificación de Modelos Borrosos. RIAI: Revista Iberoamericana de Automática e Informática Industrial.
[11] Paiva, R. P., Dourado, A., “Interpretability and learning in neuro-fuzzy systems”, Fuzzy Sets and System. 147(2004), pp. 17-38. 2004.
[12] Contreras, J., Misa, R., Paz, J., Building Interpretable Fuzzy Systems: A New Methodology. In proceedings of Electronics, Robotics and Automotive Mechanics Conference CERMA 2006. IEEE Computer Society. Pp.: 172-178. Nov. 2006.
Downloads
Published
How to Cite
Issue
Section
License
La revista ITECKNE se encuentra registrada bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional Por lo tanto, esta obra se puede reproducir, distribuir y comunicar públicamente, siempre que se reconozca el nombre de los autores y a la Universidad Santo Tomás. Se permite citar, adaptar, transformar, autoarchivar, republicar y crear a partir del material, siempre que se reconozca adecuadamente la autoría, se proporcione un enlace a la obra original y se indique si se han realizado cambios.
La Revista ITECKNE no retiene los derechos sobre las obras publicadas y los contenidos son responsabilidad exclusiva de los autores, quienes conservan sus derechos morales, intelectuales, de privacidad y publicidad. Sin embargo esta facultada para editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir el artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.