Commande à logique floue

Mounir Boukadoum
Et si Bouddha avait raison ?…
« Tout doit toujours être ou ne pas être »
Aristote

« Le monde n’est ni éternel ni éphémère, ni fini ni infini »
Bouddha
Corollaire : « Rien dans le monde, objet ou événement, ne serait vrai ou faux s’il n’existait
pas de créatures pensantes »
Donald Davidson
 Flou, mais pas imprécis ou inconnu
Exemple : 
X      :  fait exprimant la taille d’untel avec une mesure t
X(t) : vraisemblance de l’appartenance de t à X

X est flou si X(t) dans  [0,  1]  X est imprécis si X(t) = 1 pour 

pour tout t t dans [t0, t1], 0 ailleurs
X est précis Si X(t)=1  X est inconnu si X(t) = 1 
pour t unique, 0 ailleurs  pour tout t
X(t)
Flou mais logique !
 Logique floue :
Ensemble de principes mathématiques  pour la représentation et 
la manipulation des connaissances en se basant sur des degrés 
d’appartenance compris dans [0,1]
 Après fuzzy sets, Lotfi Zadeh publie, en 1973 , un autre article qui 
montre comment capturer la connaissance humaine à l’aide de 
règles floues.

0 0 0 1 1 1 0 0 0.2 0.4 0.6 0.8 1 1

(a) Boolean Logic. (b) Multi-valued Logic.
 Que vaut une affirmation floue ?
« Aujourd’hui il fait chaud »
 Chaud = ? 
 C’est une question d’appréciation :
 T=50oC : Vous aimez les euphémismes !
 T=40oC : un peu trop à mon goût !
 T=30oC : oui
 T=20oC : un peu
 T=10oC : Ouin !
 T=  0oC : Pour un canadien, peut‐être !
 T=‐10oC : Vous voulez rire !
 On peut trancher en associant un degré de vérité à chaque valeur de T
relativement  à « chaud »
Degré de vérité d’une affirmation
 En logique binaire, une affirmation est vraie ou fausse ; son 
degré de vérité vaut 1 ou 0.
Valeur Signification
1 Absolument vrai
0 Absolument faux
 En logique floue, une affirmation est plus ou moins vraie 
(donc, plus ou moins fausse); son degré de vérité varie entre 0 
et 1. 
Degré de vérité Signification
0.0 Absolument faux
0.2 Plutôt faux
0.4 Quelque peu faux
0.6 Quelque peu vrai
0.8 Plutôt vrai
1.0 Absolument vrai
Exemple
 Température T Degré de vérité pour CHAUD : Chaud(T)
<‐10oC 0.0
‐5oC 0.1
0oC 0.2
5oC 0.3
10oC 0.4
15oC 0.5
20oC 0.6
25oC 0.7
30oC 0.8
35oC 0.9
>40oC 1.0
Exemple continué
 On peut résumer le tableau par le tracé d’une fonction d’appartenance :
1.0

0.5 mCHAUD(T)

-10 -5 0 5 10 15 20 25 30 35 40 0.0
Température (T)
 La fonction d’appartenance formalise la relation entre les valeurs précises 
(mesurées, calculées, etc.) d’une variable d’entrée/sortie et un label flou
(dit aussi valeur symbolique ou linguistique ; e.g. CHAUD)
 Une variable d’e/s peut être associée à plusieurs labels ; L’ensemble des 
labels définit alors les valeurs floues (linguistiques) de la variable.
 Pour chaque label, la fonction d’appartenance représente le degré de 
vérité des valeurs précises d’une variable d’e/s par rapport au label. 
Éléments d’un ensemble flou
 Un système à logique floue comprend :
 Des variables d’e/s,
 Des labels qui représentent les valeurs floues de chaque variable,
 Des fonctions qui définissent le degré d’appartenance des valeurs des 
variables aux labels.
 Une valeur mesurée peut appartenir à plusieurs labels, avec des 
degrés divers. Par exemple, pour T=6 oC et T=30 oC on a :
1.0

FROID TIÈDE CHAUD 0.5 v()

0.0
-10 -5 0 5 10 15 20 25 30 35 40
Température

 FROID(6)  =.6, TIÈDE(6)  =.05, CHAUD(6)=0
 FROID(30)= 0, TIÈDE(30)=.3, CHAUD(30)=.8
Petit détour formel
 Un ensemble flou A sur un univers de discours X est un 
ensemble de paires ordonnées :

A  {( x ,  A ( x ))| x  X }

Fonction d’appartenance Univers de

Ensemble flou
(FA) discours

 A est tel que tout x en est membre à un degré 0  d  1

 A est entièrement caractérisé par sa fonction d’appartenance
 Concrètement,  A est un attribut qualitatif (valeur floue ou 
linguistique) que l’on associe avec les valeurs précises d’une 
variable numérique x
Petit détour formel II

 Une variable floue (dite aussi linguistique) est un quintuplet
{ x, T(x), X, G, M } où
 x est le nom de la variable :   ex. âge
 T(x) est l’ensemble de ses valeurs :
ex. T(âge) = {jeune, moins jeune, très jeune, ...}
 X est l’univers de discours : ex. X = [0‐100]
 G est une règle syntaxique qui définit l’ensemble T(x) 
 M est une règle sémantique qui associe  un ensemble flou 
avec chaque élément de T(x) 
ex. : M(jeune), M(vieux)…)
Petit détour formel III

 Une relation floue R est un ensemble flou défini sur le 
produit cartésien de deux univers de discours X et Y :

R  {(( x, y ),  R ( x, y ))|( x, y )  X  Y}
 Permet d’exprimer une relation qualitative entre deux 
variables numériques : 
 x est près de y (nombres)
 x dépend de y (évènements)
 x et y se ressemblent (personnes ou objets)
Petit détour formel (le dernier, promis ! )

 Répartition floue : distribution des ensembles flous sur 

l’univers de discours
 Exemple : Répartition floue des valeurs linguistiques
“jeune”, “ni jeune ni vieux”, et “vieux”:
Opérations en logique floue 
 Le langage humain comprend aussi bien des affirmations 
simples (« Le taux de chômage est élévé ») que composées 
(« La crise économique est sévère et ET les différentes 
communautés en souffrent pareillement »)
 Comment évaluer le degré de vérité d’une affirmation 
composée ?
Affirmation Degré de vérité
(fonction d’appartenance)
X (X)
Y (Y)
X ET Y min((X), (Y))
X OU Y max((X), (Y))
non‐X 1‐ (X)
Exemples d’opérations floues
 X= « La température est élevée »
 Y= « La couche de glace est faible »
Logique  Logique 
binaire floue
X Y XY X+Y XY X+Y
1 1 1 1 1 1
1 0 0 1 0 1
0 1 0 1 0 1
0 0 0 0 0 0
0.7 1 ? ? 0.7 1
0.7 0.8 ? ? 0.7 0.8
0.7 0 ? ? 0 0.7
0.5 0.5 ? ? 0.5 0.5
Règles d’inférence floues
 Syntaxe identique à celle de la logique binaire :
SI <condition> ALORS <conséquence>
<condition> est une affirmation simple ou composée.
 Ex. :Régulateur de température dont les variables sont :
 temp = la température ambiante
 vac = vitesse de rotation d’un ventilateur d’air chaud
 vaf = vitesse de rotation d’un ventilateur d’air frais
Les règles d’inférence peuvent être :
 Si temp est haute alors vac est nulle
 Si temp est haute alors vaf est grande
 Si temp est basse alors vac est grande
 Si temp est basse alors vaf est nulle
Propriétés des règles floues
 L’évaluation des règles se fait sur les valeurs des () et non pas sur les 
valeurs précises des variables d’e/s.
 Lorsqu’on a des conditions composées, on peut regrouper les règles 
dans une table, la matrice cognitive floue (« Fuzzy Cognitive Matrix » ou 
FCM).
Valeurs de la variable indépendante 1

valeurs Valeurs de la variable conditionnelle
de la valeur indépendante 2

 La variable conditionnelle sert à prendre une décision (commander un 
actuateur, tirer une conclusion, classer une entrée, etc.) et les variables 
indépendantes sont obtenues à partir de valeurs mesurées (valeurs de 
() correspondantes).
 Étapes de conception d’un système
d’inférence/commande à logique floue
1. Identifier les variables significatives d’entrée et de sortie
2. Définir les valeurs linguistiques de chacune  
3. Pour chaque variable d’entrée, définir une fonction 
d’appartenance pour chacune de ses valeurs 
linguistiques  
4. Concevoir une collection de règles floues « si‐alors »
permettant d’évaluer les  valeurs linguistiques des 
variables de sortie
5. Choisir une méthode de conversion des valeurs 
linguistiques de sortie obtenues en valeurs précises.
Exemple d’application : Système de commande 
d’un pendule inversé
m

mx
ml 2  mgl sin   mlx
 cos 
l mg d2
2 f ( t )  Mx
  m x  lm( cos   2 sin  )
( x  l sin  )  ( M  m) 
dt 2

   x

f(t)

Il s’agit de déplacer le chariot de manière à maintenir le pendule à

la verticale (θ=0). L’approche classique n’est pas évidente !
La solution exacte : La solution floue :
Résoudre le système d’équadiffs Pousser le chariot à gauche ou à droite en sens
couplées – Good luck ! inverse du signe de  « proportionnellement »
1. Choix des variables d=e/s

Tension de commande du moteur
v
Système de
Chariot
commande



 Donc, deux variables d’entrée, θ et ω, et une variable de 
sortie  v ; les variables floues correspondantes portent les 
mêmes noms.
2 Choix des valeurs linguistiques
 Il s’agit de regrouper des règles de la forme « Si θ est X1 et ω
est X2, alors v est Y » en une matrice cognitive floue.
 Exemple de définition des valeurs  X1 ,X2 et Y :
Nom Signification
TN Très négatif 
MN Moyennement négatif
PN Peu négatif 
PP Peu Positif
MP Moyennement positif
TP Très positif
 4. Choix des fonctions d’appartenance

 En général, on choisit des fonctions d’appartenance de forme 
triangulaire ou trapézoïdale. Cela simplifie les calculs.

TN MN PN PP MP TP v()
1.0

0.5

0.0
Valeur mesurée
3. définition des règles d’inférence
 On pourrait alors définir la matrice cognitive suivante :

ω
TN MN PN PP MP TP
TN TN TN TN TN MN PN
MN TN TN TN MN PN PP
PN TN TN MN PN PP MP
θ
PP MN PN PP MP TP TP
MP PN PP MP TP TP TP
TP PP MP TP TP TP TP
 Les intersections des valeurs linguistiques de θ et de ω définissent les 
valeurs linguistiques de sortie correspondantes (en termes de )
 Pour chaque valeur linguistiques de sortie, on retient le max correspondant
5. Détermination des valeurs de 
sortie précises correspondant à 
 On détermine le degré de vérité de chaque valeur 
linguistique de sortie possible; on prend ensuite la valeur 
pondérée des résultats (inférence de Sugeno).
 Pour chaque valeur mesurée de θ et de ω :
1. On détermine ses degrés d’appartenance à TN, MN, PN, PP, MP 
et TP
2. On applique les règles d’inférence floues aux résultats afin 
d’obtenir les degrés d’appartenance correspondants pour les 
différentes valeurs linguistiques de v (on prend max pour 
chacune)
3. On calcule la moyenne pondérée des résultats
Exemple de valeur « déflouïfiée »
 Ex. Deux valeurs mesurées de θ et de 
ω donnent :
Valeur de sortie  (max)
TN 0 1
MN 0 0.5
PN 0.5
PP 1 0
MP 1 0 64 112 132 196 255
TP 0.5

On obtient par la méthode du centre de 
gravité (en supposant que chaque  valeur en 
abscisse correspond à une valeur précise) :

v = [(0x0)+(0x64)+(0.5X112)+(1X132)+(1X196)+(0.5X255)]/6 = 164
Logique Floue et Probabilité
 Les bouteilles d’eau de Bezdek

P={liquides potables}

 =0.91 signifie que la bouteille contient vraisemblablement de l’eau, et 
cela même après avoir ouvert la bouteille. 
 p=0.91  signifie dit que  la bouteille contient de l’eau dans 91% des cas ; 
on peut trouver un liquide totalement différent en ouvrant la bouteille.

  est le même a priori et a posteriori ; P vaut 0 ou 1 à l’observation
Règle compositionnelle d’inférence
floue
y = f(x) => y = b si x = a, 
y y

b b

y = f(x) y = f(x)

a x a x
a et b: points a et b: intervalles
y = f(x) : une courbe y = f(x) : une fonction
d’intervalles de valeurs