Controle neuro-flou robuste des systèmes non-linéaires

I.11.2 Règle de Takagi Sugeno :

La règle de Takagi Sugeno présente à la différence de celle de Mamdani [15] , une conséquence qui n'est pas un ensemble flou mais une fonction des entrées .

Soit :

If x1 is A1 and x2 is A2 .... Then y = B(x)

Ou B(x) est une fonction des entrées par exemple :

Bⁱ = ?ⁿ_{j = 0} B_jⁱ . x _j .

Chapitre 1 : La logique floue

On parle parfois de méthode de Takagi Sugeno simplifiée ou d'ordre zéro quand la conclusion est une constante, dans ce cas on peut considérer la méthode de Takagi Sugeno comme un cas limite de celle de Mamdani .

Pour un vecteur d'entrée x = ( x_{1 ,}...., x_n ) ⁱ la sortie inférée est obtenue par :

A. Calcul du degré d'appartenance de chaque entrée aux différents sous ensemble flous,

ì_Ajⁱ (x_j ) , pour j = 1 ? n et i = 1 ? N .

B. Calcule de la valeur de vérité de chaque règle ,

pour i=1 à N :

_i (x)  = ET ( ì_A1ⁱ (x₁ ) , ... , ì_Anⁱ (x _n ) ) .

C. Calcule de la sortie du SIF :

y = ?ⁿ_{i = 1 i} (x) . bⁱ ?ⁿ_{j = 1 i} (x) .

La sortie obtenue n'est pas floue , ce qui supprime une étape dans l'inférence .

Les SIF de type Takagi Sugeno permettent donc le passage aisé d'une expression symbolique (la base de règle) à sa traduction numérique .

Chapitre 1 : La logique floue