ÖNTÖZÉS_5 Öntözés irányítása László Ormos.

Az előadások a következő témára: "ÖNTÖZÉS_5 Öntözés irányítása László Ormos."— Előadás másolata:

1 ÖNTÖZÉS_5 Öntözés irányítása László Ormos

2 Soft Computing „A Soft Computing közelítő számítási eljárás, amely közelíti az emberi agy tanulási képességét: a következtetést és a tanulást bizonytalan és pontatlan környezetben.” “Soft computing is an emerging approach to computing which parallels the remarkable ability of the human mind to reason and learn in an environment of uncertainty and imprecision.” (Lotfi A. Zadeh, 1992)

3 Soft Computing Módszer Erősség Neurális hálózat Tanulás és adaptáció
Fuzzy halmazok Tudás reprezentáció fuzzy IF-THEN szabályokkal Genetikus algoritmusok Módszeres véletlenszerű keresés Hagyományos AI Szimbolikus manipuláció

4 Természetes nyelv feldolgozás
Soft Computing Egy intelligens rendszer: Érzékelők (látás) Természetes nyelv feldolgozás Mechanikai eszközök Beavatkozók Feladat generálás Tudáskezelés Adatkezelés Tudásbázis Gépi tanulás Tervezés Következtetés

5 Soft Computing A fuzzy IF-THEN szabályok a következő módon írhatók le:
ahol Fl és Gl fuzzy halmazok, x=(x1, x2,…, xn)T U és y V input és output lingvisztikus változók, és l=1,2,…,M. A tiszta fuzzy logika: Rn: IF x1 is F1 AND x2 is F2 AND… AND xn is Fn THEN y is G , l l l l n n Fuzzy szabálybázis Fuzzy következtető logika V kimeneti fuzzy halmaz U bemeneti fuzzy halmaz

6 Soft Computing Fuzzy logika fuzzifikáló és defuzzifikáló rendszerrel
Fuzzy szabály bázis fuzzy halmaz a V univerzumban (fuzzy mennyiség) fuzzy halmaz az U univerzumban Fuzzifier Defuzzifier x az U univerzumban (crisp mennyiség) y a V univerzumban Fuzzy következtető logika

7 Soft Computing Fuzzifikálás: Singleton Bal-váll Jobb-váll 1 if u= 
A(x) = 1 if u=  0 if u . . u A 1    0 if u<, (u,,)= (u)/() if   u , 1 if u>. u A 1    1 if u<, L(u,,)= (u)/() if   u , if u>.

8 Soft Computing Háromszög Trapéz 0 if u<, (u)/() if   u,
1    A 1     u 0 if u<, (u)/() if   u, (u,,,,,)= if  < u< ( u)/() if   u , 0 if u>.

9 Soft Computing Zadeh S-függvénye Gauss-függvény Harang-görbe
ahol változtatható paraméterek. 0 if u, 2· if  < u, S(u,,,) = 12· if  < u , if u>. u 2  u A 1    u A 1    G(u,,a) = if u=, g(u) egyébként, ahol g(u)=exp[  ] , (u)2 2a2 j i A (u1) = 1+ ui  2 m  b 1 u A 1 0,5    j i σ m b { , , }

10 Soft Computing Defuzzifikálás: 1. A terület középpontja 2. Felezőpont
3. A max tartomány közepe A(z)·z dz ⌠ ⌡ (z) A(z) dz zCOA = A(z) dz = ⌠ ⌡  A(z) dz, ZBOA  z 3 1 2 A z dz ⌠ ⌡ (Z’) dz zMOM =

11 Soft Computing 4. Legkisebb maximum zSOM 5. Legnagyobb maximum zLOM 4

12 Soft Computing Mamdani modellje Sugeno modellje
ahol A és B fuzzy halmazok, a z=f(x,y) crisp függvény. Tsukamoto modellje ahol fi a kimeneti függvény, wi a kimeneti függvény súlyozása. Ci(w)=iCi(w), C (w)=C1C2 =[1C1(w)] [2C2(w)]. ’ ’ ’ ’ IF x IS A AND y IS B THEN z=(x,y), IF x IS A AND y IS B THEN z = , n  wi fi i=1  wi

13 Thom katasztrófaelmélete
Thom katasztrófaelmélete a kritikus pontok osztályozásán alapszik. Az osztályozás leírására a Morse-lemma szolgál. A Morse-lemma szerinti kritikus pontokban stabilitás áll fenn, ami azt jelenti, hogy a külső zavarok nem okoznak változást.

14 Thom katasztrófaelmélete
Tetszőleges n és r5 változó esetén az RnR leképezés strukturálisan stabil és ekvivalens a következő függvény-családok valamelyikével a függvénycsaládok környeze-tének bármely pontjában a következők szerint: nem-ritikus pontok esetében nem–degenerált kritikus pontban vagy Morse-pontban Ezek a pontok nem rendelkeznek katasztrófa-jellemzőkkel.

15 Thom katasztrófaelmélete
A függvények katasztrófajellegét vezérlő együtthatók határozzák meg. Ha a vezérlő együtthatók a,b,c és d, akkor a hét elemi katasztrófa a következő: áthajláskatasztrófa: 1 3 Va(x)= x3+ax, csúcskatasztrófa: Vab(x)= x4+ ax2+bx, 1 4 2 fecskefarok-katasztrófa: a 3 1 5 Vabc(x)= x x x2+ cx, b 2 pillangókatasztrófa: a 4 1 6 Vabcd(x)= x x x x2+ dx, b 3 c 2 parabolikus umbilikus: Vabcd(x,y)= x2y+y4+ax2+by2+cx+dy. elliptikus umbilikus: Vabc(x,y)= x3 3xy2+a(x2+ y2)+bx+ cy, hiperbolikus umbilikus: Vabc(x,y)= x3+y3+axy+bx+ cy,

16 Thom katasztrófaelméletén alapuló soft computing módszer intelligens öntöző rendszer vezérlésére

17 Intelligens öntözés-vezérlés
A növény vízigénye a fejlődés során: K c Vegetációs idő Növényi együttható T nedves száraz A talaj nedvességtartalmának hiszterézise Talajnedvesség [%] Szívó hatás [bar] evapotranspiráció öntözés Pw Fc

18 A talajnedvesség és a vegetáció hatása az öntözésre
Vegetációs idő [nap] vízmennyiség [mm] Kiöntözött

19 Soft Computing módszer az öntözés irányításához
Bemeneti tagsági függvények H 1 µ1 µ2 H[%] HX= PW FC HX HX= q 1 Kimeneti tagsági függvények µ20 µ10 IF HX>PW AND HX<FC THEN nincs változás IF HX=PW OR HX<PW THEN öntözés BE IF HX=FC OR HX>FC THEN öntözés KI q[mm] qmax

20 Soft Computing módszer az öntözés irányításához
Bemeneti tagsági függvények H 1 µ1 µ2 µ3 µ1 µ2 HX H[%] PW FC q 1 Kimeneti tagsági függvények µ30 µ20 µ10 A1 q[mm] A2 qk qmax qX

21 Soft Computing módszer az öntözés irányításához
Bemeneti tagsági függvények H 1 µ1 µ2 µ3 µ2 µ3 HX H[%] PW FC q[mm] Kimeneti tagsági függvények q 1 µ30 µ20 µ10 A2 A3 qx qk qmax

22 Intelligens öntözés-vezérlés
Hagyományos öntöző számítógép AI mint a hagyományos öntöző számítógép kiegészítője: Input AI eszköz Beágyazott rendszer Öntöző számítógép Kommunikáció Szelepek Az öntöző számítógép feladata: az öntözés indítása, az AI eszköz pedig az input adatok alapján meghatározza az öntözési para-métereket. Az öntöző számítógép feladata: az öntözés indítása és vezérlése fix program alapján.

23 Telekommunikációs öntözés
vezérlő 2. öntözés vezérlő n. öntözés vezérlő Központi öntöző számítógép

24 Telekommunikációs öntözés
szelepvezérlő Időzítő, Környezeti adatgyűjtő Rádió adó-vevő A terepi öntözés vezérlő Rádió adó-vevő Fuzzy szabálybázis Fuzzy következtető logika A központi számítógép

25 Intelligens öntözés-vezérlés
A hagyományos öntöző számítógép minden ciklusban a beprogramozott vízmennyiséget juttatja ki. A mesterséges intelligencia folyamatosan, a környezeti jellemzőknek megfelelően változtatja a kijuttatott víz mennyiségét.

26 Szakirodalom Azenkot, A.(1998):”Design Irrigation System”. Ministry of Agricul- ture Extension Service (Irrigation Field service), MASHAV Israel Dr. Avidan, A.(1995):”Soil-Water-Plant Relationship”. Ministry of Agriculture Extension Service (Irrigation Field service), CINADCO, Ministry of Foreign Affairs, MASHAV, Israel T. Poston-J. Stewart (1985):Katasztrófaelmélet és alkalmazásai, Műszaki Könyvkiadó, Budapest Retter Gy.(2007):”Kombinált fuzzy, neurális, genetikus rendszerek, IVEST-MARKETING Bt., Budapest