Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

Concepts Fondamentaux de la Thorie des Ensembles Flous

et la Logique Floue

III.1 Introduction

La thorie du flou (Fuzzy thory ) est presque devenue une mode pendant les annes 90.
Beaucoup de chercheurs, dans diffrents domaines scientifiques, utilisant la thorie formule par
le professeur Lotfi Zadeh de luniversit de Berkeley [61]. Elle a connu un intrt important dans
la communaut scientifique au cours des dernires annes. Lune des raisons principales est
lnorme succs des quipements domestiques produits par lindustrie Japonaise, utilisant des
rgulateurs flous : ce march atteignait 2 milliards de dollars en 1990 [62].

Les systmes flous appartiennent la classe des "systmes base de connaissance" [62].
Leur but principal consiste implmenter un savoir faire humain, ou des rgles heuristiques,
sous forme dun programme informatique. La logique floue fournit un formalisme mathmatique
pour raliser ce but. Les rgulateurs flous modlisent lexprience humaine sous forme de rgles
linguistiques "sialors" ; un moteur dinfrence calcule les actions de commande pour chacune
des situations donnes. Les algorithmes bass sur la logique floue sont considrs comme une
solution trs intressante pour le rglage des systmes non linaires pour lesquels il nexiste pas
de modle mathmatique [21, 22].

Cette thorie est trs attractive, parce quelle est base sur le raisonnement intuitif et
prend en compte la subjectivit et limprcision [62]. Mais ce nest pas une thorie imprcise.
Cest une thorie mathmatique rigoureuse, adapte au traitement de tout ce qui est subjectif
et/ou incertain.

Lide de la logique floue

Comme La science sappuie sur la notion de mesure, la question qui se pose est :
comment reprsenter les valeurs non mesurables? Comment reprsenter ce qui est incertain ou
subjectif ? Comment reprsenter les termes du langage humain ?. Les descriptions linguistiques

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 34

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

dun systme sont souvent vagues. Mais le flou nest pas imprcis. Si une donne nest pas
connue prcisment, elle peut tre exprime par un intervalle de confiance prcis [18, 61]. Cet
intervalle est un ensemble de valeurs possible pour la donne.

Lutilisation de la logique floue

La logique floue est une technique de rsolution de problmes trs puissants avec une
large applicabilit dans le control et la prise de dcision [21]. Elle est trs utile lorsque le modle
mathmatique du problme traiter nexiste pas ou existe mais difficile implmenter, ou il est
trop complexe pour tre valuer assez rapidement pour des oprations en temps rel [18, 21, 22].
Ou bien lorsque des experts humains sont disponibles pour fournir des descriptions subjectives
du comportement du systme avec des termes en langage naturel. La logique floue est aussi
suppose de travailler dans les situations o il y a de large incertitude et des variations inconnues
dans les paramtres et la structure du systme.

III.2 Variables linguistiques

Lensemble de rfrence dun mot du langage naturel sappelle lunivers du discours.

Lunivers du discours dun mot est un ensemble de termes qui voquent le mme concept mais
degrs diffrents. Il peut tre fini ou non.

Une variable linguistique reprsente un tat dans le systme rgler. Chaque variable
linguistique est caractrise par un ensemble tel que :

{x, T(x), U, G, M}

O :

x : est le nom de la variable,

T(x) : est lensemble des valeurs linguistiques que peut prendre x,

U : est lunivers du discours associ avec la valeur de base,

G : est la rgle syntaxique pour gnrer les valeurs linguistiques de x,

M : est la rgle smantique pour associer un sens chaque valeur linguistique .

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 35

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

Exemple

La variable linguistique x = temprature ambiante, peut tre dfinie avec un ensemble des
termes :

T(x)= {extrmement froide, trs froide, froide, chaude, trs chaude, extrmement chaude}, qui
forment son univers du discours U = [-200C, 400C]. La variable de base est la temprature. Le
terme froid reprsente une valeur linguistique. On peut linterprter, par exemple comme les
tempratures plus petites que 150c .

III.3 Fonctions dappartenance

Chaque sous-ensemble flou peut tre reprsent par sa fonction dappartenance. En

gnral la forme de fonctions dappartenance dpend de lapplication, et peut tre triangulaire,
trapzodale ou en forme de cloche comme le montre la (Fig. III.1).

x x x x

Figure III.1 : Diffrentes formes de fonctions dappartenance

IV.4 Rgles linguistiques

Lide principale des systmes bass sur la logique floue, est dexprimer la connaissance
humaine sous la forme de rgles linguistiques de forme Sialors Chaque rgle a deux parties
[21, 22, 61, 62]:

- partie antcdente (prmisse ou condition), exprime par Si,

- partie consquente (conclusion) exprime par alors.

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 36

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

La partie antcdente est la description de ltat du systme. La partie consquente exprime

laction que loprateur qui contrle le systme doit excuter. Chaque rgle floue est base sur
limplication floue.

Il y a plusieurs formes de Si ..alors la forme gnrale est :

Si (un ensemble de conditions est satisfait) alors (un ensemble de consquences peut tre excut).

III.5 Mcanisme dinfrence floue

Le principe de base de linfrence dans la logique classique est le modus ponens, selon
lequel on peut infrer la vrit dune proposition B partir de la vrit de la proposition A et de
limplication AB. Par exemple, si la proposition est identifie par Jone est dans lhpital et B
par Jone est malade alors si Jone est dans lhopital est vraie Jone est malade est aussi vraie.
Alors que, dans la logique floue, linfrence est base sur le modus ponens gnralis
(generalised modus ponens ou GMP) qui est dfinit dans ce qui suit :

Prmisse : x est A`

Implication : si x est A, alors y est B

Consquence : y est B`

O x et y sont des variables linguistiques ; A, A, B, B sont les valeurs linguistiques dfinies

dans les univers du discours de x et y. Si A = A et B = B, le GMP est rduit au modus
ponens.

Afin de complter cet expos, on mentionne aussi le modus tollens gnralis (generalized
modus tollens ou GMT) qui a la forme :

prmisse : y est B`

implication : si x est A, alors y est B

consquence : x est A`

Si B` = not B et A` = not A, on peut le rduire au modus tollens classique.

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 37

 Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

III.6 Structure gnrale dun systme flou

Le systme base de la logique floue est compos de quatre blocs principaux (Fig. III.2).

Fuzzificateur

Base de connaissances floues,

Engin dinfrence floue,

Dfuzzicateur.

Chacun de ces blocs fera lobjet dun dveloppement dtaill.

Base de
Connaissances
floues

Entre Fuzzificateur Dfuzzificateur

numrique

Engin
dinfrence
Entre floue floue Sortie floue

Figure III.2 : Structure gnrale dun systme bas sur la logique floue

a. Fuzzificateur

Le fuzzificateur effectue la conversion de lentre numrique observe

uo = (uo1, uo2,., uon )T U en un ensemble flou Fx = Fxo Fx2 .. Fxn dfinie dans U.
Cette opration est ncessaire, car dans les applications de la logique floue , les donnes
observes sont souvent numriques, mais dans le systme flou la manipulation des donnes est
base sur la thorie des ensembles flous [18].

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 38

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

Il ya au minimum deux choix pour cette conversion :

- Fuzzification singleton

O loprateur de fuzzification converti lentre numrique uo U en un singleton flou Fx dans

U tel que :

Fx (u) = 1 Si u = uo

Fx (u) = 0 Si u uo

Cette stratgie est largement utilise dans les applications de contrle flou, car elle est facile
implmenter.

- Fuzzification non singleton

Est une fuzzification pour laquelle Fx (u) est gal lunit si u = uo et dcrot quand on sloigne
de uo. Par exemple,

Fx (u) = exp( (u uo )T (u uo) / 2) , o est un paramtre caractrisant la forme de Fx

b. Infrence floue

Il est mentionn que les infrences floues sont bases sur limplication floue de type
modus ponens gnralis. Les infrences lient les grandeurs mesures et les variables de sorties
par des rgles linguistiques. Ces rgles sont combines en utilisant les connections et et ou.
Supposons que le systme flou a deux entres x, y et une sortie z et que lon a dfini n rgles
linguistiques comme suit :

Si x=A1 et y=B1 alors z=C1

Si x=A2 et y=B2 alors z=C2

Si x=An et y=Bn alors z=Cn

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 39

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

O x, y et z sont des variables linguistiques qui reprsentent les variables dtat de processus et
variables de contrle ; Ai, Bi et Ci (i=1, n) sont les sous-ensembles flous dfinis dans les
ensembles de rfrence pour x, y et z respectivement. en toute gnralit, nimporte quelle
combinaison des oprateurs ou, et et non peut apparatre dans la condition dune rgle, suivant
les conditions imposes par le systme rgler.

c. Type dinfrences floues

Il y a plusieurs sortes dinfrences floues [61] parmis lesquels :

c.1. Max-prod mthode

Cette mthode utilise les reprsentations standard pour les sous-ensembles dentre et de
sortie. Le poids dactivation dune rgle est utilis pour multiplier la fonction dappartenance
du sous-ensemble de sortie impose par cette rgle. Laction globale (ou la valeur de
commande) est lunion des actions produites par chaque sous-ensemble individuellement.
Elle est graphiquement explique sur la (Fig. III.3a).

c.2. Min-max mthode

Elle utilise les mmes descriptions pour les sous-ensembles de sortie que pour les sous-
ensembles dentre la condition de chaque rgle Ri est attribu un poids dactivation Wi,
qui dpend de la condition elle mme et des valeurs dentre. Pour lopration et, on utilise
loprateur min, le poids dactivation est utilis comme la constante dcrtage pour le sous-
ensemble de sortie impos par la partie consquente de la rgle Ri. La runion des sous-
ensembles crts forme le sous-ensemble de sortie (Fig. III.3b).

c.3. Mthode de Tsukamoto

Les fonctions dappartenances des sortie doivent tre monotone et non dcroissantes
(Fig. III.3c). La sortie de chaque rgle est une valeur de la fonction de poids dactivation. La
valeur de commande est la moyenne pondre des poids dactivation et de sorties de
fonctions dappartenances.

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 40

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

c.4. Mthode de Takagi et sugeno

Chaque fonction dappartenance de la sortie est une combinaison linaire de valeurs

dentre (Fig. III.3.d). La sortie prcise est la moyenne pondre des poids dactivation et des
sorties de fonctions dappartenance. La mthode de Sugeno, o les fonctions dappartenance
sont des valeurs prcises, constitue un cas particulier de cette mthode.

c.5. Mthode somme prod

Par opposition aux mthodes dinfrence prcdentes, la mthode dinfrence

somme-prod ralise, au niveau de la condition, loprateur OU par la formation de la
somme, plus prcisment par la valeur moyenne, tandis que loprateur ET est ralis par la
formation du produit. La conclusion de chaque rgle, prcde par ALORS, liant le facteur
dappartenance de la condition avec la fonction dappartenance de la variable de sortie par
loprateur ET, est ralis par la formation du produit. Loprateur OU qui lie les diffrentes
rgles est ralis par la formation de la somme, donc de la valeur moyenne.
Dans ce cas, le OU liant les rgles est ralis par la formation de la somme et le ALORS est
ralis par la formation du produit, ainsi sexplique la dsignation par somme-prod de cette
mthode dinfrence.
La mthode dinfrence somme-prod est reprsente graphiquement la (Fig. III.4) .

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 41

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

partie antcdente de la rgle Partie consquente de la rgle

Application de T-norme a) Max-prod b) Min-max c) Tsukamoto d) Takagi et Sugeno

x
Z1 = f(x, y)
A1 B1 C1 C1 C1
1 C1 = ax1 + by1 + c

W1
x y Z Z Z1 Z
y
A2 B2 C2 C2 C2
1 Z2 = f(x, y)
C2
= ax2 + by2 + c
W2
x x y y Z Z Z2 Z

(z) (z)

C1ou C2 Z C1ou C2
Entres

z z=
z i
i
z = w1z1+ w2 z2
w1 + w2 z = w1z1+ w2 z2
w1 + w2
i

Moyenne des Centre de Mthode de Moyenne

maximums gravit Tsukamoto pondre
Figure III.3 : Mthodes de raisonnement dans les systmes flous

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 42

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

Partie antcdente de la rgle Partie consquente

de la rgle
Somme-prod
1 (x) 1 (y) 1 (z)

0.13
0.67
0.2
0.13

NG EZ PG NG EZ PG NG EZ PG

1 (x) 1 (y) 1 (z)

0.67
NG
'

0.5 0.5
0.33

NG EZ PG NG EZ PG NG EZ PG
1 (z)

X=0.44 Y=-0.67
Entres R (z)

NG EZ PG
z
Centre de
gravit
Figure III.4 Mthode dinfrence somme-prod

d. Activation de rgles linguistiques

On considre un systme flou avec n rgles linguistiques :

Si x=A1 et y=B1 alors z=C1

Si x=A2 et y=B2 alors z=C2

Si x=An et y=Bn alors z=Cn

O x, y et z sont des variables linguistiques qui reprsente les variables dtat du processus et la
variable de contrle ; Ai, Bi et Ci (i=1, n) sont les sous-ensemble flous dfinis dans les ensembles
de rfrence pour x, y et z respectivement. Le schma de ce systme est reprsent sur la (Fig.
III.5).

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 33

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

Si x=A1 et y=B1
alors z=C1

w1

z
Fuzzification Si x=A2 et y=B2 w2
alors z=C2
y . deffuzzification
.
.

Si x=An et y=Bn
alors z=Cn

wn

Figure III.5 : Structure gnrale de la partie floue du systme

Dans le sens mathmatique, lactivation de rgles est lapplication de T-normes pour

obtenir le poids dactivation de chaque rgle. Dhabitude, cela veut dire que lon applique
loprateur min ou le produit sur les valeurs dappartenance.

Dans le cas du systme de la Fig. (III.5), le poids Wi obtenu de la i-me rgle est :

wi = Ai(x)et Bi)(y)

o Ai (x) et Bi ( y ) sont des valeurs dappartenance de x et y respectivement aux sous-

ensembles Ai et Bi. Cela veut dire que la partie consquente de la i-me rgle (z=Ci) doit tre
active avec un niveau de vrit Wi (poids dactivation, niveau dactivation).

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 34

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

e. Defuzzification

Le rsultat dune infrence floue est une fonction dappartenance. Cest un sous-ensemble
flou. Un organe de commande ncessite un signal de commande prcis. la transformation floue
en une information dtermine est la defuzzification (concrtisation). De plus, on doit souvent
prvoir un traitement du signal et la conversion digitale/analogique. Il y a plusieurs mthodes de
defuzzification propose dans la littrature. Il ny a pas de stratgie systmatique pour choisir
parmi lune de ces mthodes [61].

e.1. Mthode du centre du gravit

Labscisse du centre de gravit peut tre dtermine en utilisant la formule gnrale :

(III.1)

Lintgrale au dnominateur donne la surface, tandis que Lintgrale au numrateur correspond

au moment de la surface .

Lorsque la fonction (z) est discrtise (Fig. III.6), le centre de gravit est donn par :

n
z i i

z= i =1 (III.2)
n

i =1
i

o n est le nombre le niveaux de quantisation, zi la valeur de sortie pour le niveau i et i sa valeur

d'appartenance.

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 35

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

e.2. Mthode de moyenne de maximum

Cette mthode gnre une commande prcise en calculant la moyenne des valeurs pour
lesquelles lappartenance est maximale.

(z) (z)

z z
zo z1 zo z1
l
ri
z = i z=
i zi
i =1 l

Figure III.6 : Dfuzzification par le Figure III.7 : Defuzzification par la

centre de gravit. Mthode moyenne de maximum.

Si la fonction est discrtise, comme montr la (Fig. III.7), la valeur dfuzzifie est donne
par :

l
ri
Z= (III.3)
i =1 l

Ou l est le nombre de valeurs quantifies r pour lesquelles lappartenance est maximale.

e.3. Mthode de Tsukamoto

Si lon utilise les fonctions dappartenances monotones et non dcroissantes pour la

sortie , (Fig. III.3.c), la valeur prcise de la commande est calcule comme :

w z
i =1
i i
z= n
(III.4)
w i =1
i

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 36

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

O n est le nombre de rgles actives avec le poids Wi > 0 et Zi la valeur de la fonction de sortie
pour la rgle i.

e.4. Mthode de moyenne pondre

Cette mthode est utilise lorsque les sorties sont dfinies comme fonctions linairement
dpendantes dentres, comme montr sur la (Fig. III.3.d). En gnral, la partie consquente de la
rgle est :

Z=f(x, y) (III.5)

Si Wi est le poids dactivation de la rgle i, la valeur prcise de la commande est :

n

w f (x , y )
i =1
i i i
z= n
(III.6)
w
i =1
i

O n est le nombre de rgles actives.

IV.7 Avantages et inconvnients de rglage par logique floue

a- Avantages

Les avantages principaux des rgulateurs flous sont les suivants :

Lincorporation directe des informations floues et linguistiques, provenant dun expert
humain, dans le systme flou.
Il ny a pas ncessaire de faire un modle mathmatique du systme rgler.
Le systme flou est un approximateur universel, cest--dire, il est suffisamment gnrale
pour gnrer nimporte quelle action.
La logique floue est facile comprendre par ceux qui ne sont pas des spcialistes, car elle
imite la stratgie du raisonnement humain.
On peut matriser les systmes non linaires et difficiles modliser.

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 37

Chapitre III : Concepts Fondamentaux de la Thorie des Ensembles Flous et la Logique Floue

b- Inconvnients
Manque de directives prcises pour la conception dun rgulateur,
Prcision de rglage en gnral peu lev.

Optimisation des Systmes Photovoltaques Connects au Rseau par la Logique Floue 38