Su estructura está constituida por tres bloques principales:
el de transformación de los valores numéricos en valores de Lógica difusa; el motor de inferencia que emplea las reglas; y
el bloque de conversión de los valores de la Lógica difusa en valores numéricos.
En un sistema basado en lógica difusa se transforman los datos o valores numéricos de la
entrada al dominio de las reglas intuitivas y lingüísticas de la LD para realizar el tratamiento de los mismos y después convertir
los resultados en valores numéricos para darles la representación tradicional.
En resumen, puede decirse que un sistema basado en lógica difusa actúa como lo haría una
persona que tuviera que reaccionar ante términos tan imprecisos como “caluroso” o “rápido”
Si al sistema se le incluye una regla que diga “Si la temperatura es calurosa se ha
de acelerar el ventilador”, se estará aplicando el principio de If/Then y el sistema funcionará sin regirse por conceptos
matemáticos precisos.
ETAPAS DE LA LÓGICA DIFUSA
Fusificación (Fuzzification)
La traducción de valores
del mundo real al ambiente Fuzzy mediante el uso de funciones de membresía.
Por ejemplo, si tenemos un paciente con fiebre, podemos plantearnos a partir de qué temperatura
empieza a tener fiebre.
Pero es más realista plantear un modelo en el que la situación de fiebre no se restringe
sólo a dos valores ( hay fiebre o no hay fiebre), sino que tenemos todo un rango de temperaturas posible.
Por lo tanto, la primera etapa de tratamiento de un problema para la lógica difusa consiste
en modelar cada una de las entradas del sistema con curvas que den los grados o niveles de pertenencia a los diferentes estados
identificados anteriormente ( en nuestro caso, fiebre).
Inferencia Lógica.
Después de realizar la Fusificación de las variables de entrada y de salida, tenemos que
establecer reglas que relacionen las entradas con las salidas.
Para poder operar con los Conjuntos Difusos es necesario definir las operaciones elementales
entre ellos. Esto implica definir el modo de calcular las funciones de pertenencia a estos tres conjuntos.
Sean FP (X) y FP (Y) las funciones de pertenencia correspondientes a los conjuntos difusos
X y Y. Zadeh propone:
Intersección o AND FP (X AND Y) = mínimo de (FP (X), FP(Y))
Unión u OR FP (X OR Y) = máximo de (FP (X), FP (Y))
Complemento o NOT FP (Complemento X) = 1 – FP (X)
En realidad, estas expresiones
son bastante arbitrarias y podrían haberse definido de muchas otras maneras. Esto obliga a considerar otras definiciones más
generales para las operaciones entre los Conjuntos Difusos. En la actualidad se considera correcto definir el operador intersección
mediante cualquier aplicación t-norma y el operador unión mediante cualquier aplicación s-norma.
Defusificación (Defuzzification)
Después de computar las reglas fuzzy y evaluar las variables fuzzy, necesitaremos trasladar
estos valores nuevamente hacia el mundo real.
El método más popular de defusificación es el cálculo del
centro de gravedad ó centroide, el cual retorna el centro del área bajo la curva. Al igual que en los pasos anteriores existen
más métodos de cálculo