Nemecký jazyk

Fuzzy Logik. Ein kurzer Überblick

Na objednávku

16.65 €

bežná cena: 18.50 €

O knihe

Studienarbeit aus dem Jahr 2008 im Fachbereich Elektrotechnik, Note: 1.0, Hochschule für Technik und Wirtschaft Berlin, 9 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Eine präzise und vollständige Systemmodellierung ist heutzutage in vielen Anwendungsfällen nicht praktikabel bzw. sogar unmöglich. Daher gibt es in der klassischen Regelungstechnik bei dem Entwurf und der Anpassung von Reglern oft mathematische Modelle der Regelstrecke. Wenn eine schnelle und kostengünstige Lösung angestrebt wird, hat sich schon seit einiger Zeit der Einsatz unscharfer, qualitativer Methoden bewährt. Damit hat man die Möglichkeit eine oftmals teure und langwierige Ent-wicklung eines Modells zu umgehen. Oft sind diese entwickelten Lösungen sogar robuster und besser als die mit erheblich höherem Aufwand entwickelte klassische Variante ([1], S. 118).
Die Grundidee der Fuzzy-Logik liegt in der Formalisierung menschlichen Problemwissens. Dieses kann von Experten bereitgestellt oder aber vom Entwickler des Systems in einer unscharfen (vagen) Form formuliert werden. Daher auch der Name Fuzzy-Logik (englisch: fuzzy = unscharf). Es handelt sich hierbei um eine Modellierungstechnik, bei der die menschliche Fähigkeit, Sachverhalte auf einer verhaltensorientierten Ebene zu erfassen, die Grundlage bildet. Somit ist es möglich sich Handlungs-wissen nutzbar zu machen, z.B. in Form von Verhaltensregeln ([2], S. 5). Im optimalen Fall könnte ein solches System die Leistungsfähigkeit der Person, bzw. der Gruppe von Personen, erreichen, die das entsprechende Wissen zu Verfügung gestellt haben ([1], S. 118). Die Anwendungsgebiete der Fuzzy Logik sind sehr differenziert, z.B. in der Technik, der Medizin, den Wirtschaftswissenschaften, der Physik oder der Mathematik. Dabei geht es in den verschiedenen Bereichen um Anwendungsfelder wie z.B.:
. Kontrollaufgaben, z.B. Regelungstechnik (fuzzy control)
. Klassifizierung und Kategorisierung
. Entscheidungsfindung
. Optimierung
. Mustererkennung
. Signalverarbeitung
. Managementaufgaben (z.B. Betriebsführung, Störfallmanagement)
. Fuzzy-Hardware-Realisierung für Spezialgebiete
. Im Bereich der künstlichen Intelligenz
. Entwurf hybrider Systeme uvm.