Unité d’Enseignement: EEI.

33P

Partie: Commande Intelligente

Enseignant: Sonia Maalej
 I. Introduction:
La logique floue (en anglais : Fuzzy Logic ) est une extension de la
logique booléenne créée par le professeur Lotfi ZADEH en 1965 en se
basant sur sa théorie mathématique des ensembles flous, qui est une
généralisation de la théorie des ensembles classiques.
En introduisant la notion de degré dans la vérification d'une condition,
permettant ainsi à une condition d’être dans un autre état que vrai ou
faux, la logique floue confère une flexibilité très appréciable aux
raisonnements qui l'utilisent, ce qui rend possible la prise en compte des
imprécisions et des incertitudes.
Un des intérêts de la logique floue pour formaliser le raisonnement
humain est que les règles sont énoncées en langage naturel.
 Exemple 1 : Voici par exemple quelques règles de conduite qu'un
conducteur suit, en supposant qu'il tienne à son permis:

Transposition de notre exemple selon un modèle plus mathématique

« moins flou » Si le feu est rouge, si ma vitesse dépasse 85,6 Km/H et si
le feu est à moins de 62,3 mètres, alors j'appuie sur la pédale de frein
avec une force de 33,2 Newtons !!!
 Notre cerveau fonctionne en logique floue. Elle apprécie les variables
d'entrées de façon approximative (faible, élevée, loin, proche), fait de
mêmes pour les variables de sorties (freinage léger ou fort) et édicte un
ensemble de règles permettant de déterminer les sorties en fonction des
entrées.

Exemple 2 : Limite de la logique booléenne:

Un patient atteint d'hépatite présente généralement les symptômes
suivants : Le patient a une forte fièvre, sa peau présente une coloration
jaune et il a des nausées. Si le patient à 38,9°C de température:
-> Logique classique : Le patient n’a pas de forte fièvre -> Le patient n’a pas
d’hépatite.
-> Logique floue: Le patient a une forte fièvre à 48% -> Le patient a une
hépatite à x %.
 Champ d’applications de la logique floue

- Aide à la décision, au diagnostic (domaine médical, orientation

professionnelle…)

- Base de données. (objets flous et/ou requêtes floues)

- Reconnaissance de forme.

- Agrégation multicritère et optimisation

- Commande floue de systèmes…

- Traitement d’images (e.g. segmentation)

 II. Principe de la Logique Floue :

Le principe du réglage par logique floue s’approche de la démarche

humaine dans le sens que les variables traitées ne sont pas des variables
logiques (au sens de la logique binaire par exemple) mais des variables
linguistiques, proches du langage humain de tous les jours.
De plus ces variables linguistiques sont traitées à l’aide de règles qui
font références à une certaine connaissance du comportement du système.
Toute une série de notions fondamentales sont développées dans la
logique floue. Ces notions permettent de justifier et de démontrer certains
principes de base.
Dans ce qui suit, on ne retiendra que les éléments indispensables à la
compréhension du principe du réglage par logique floue.
 Afin de mettre en évidence le principe de la logique flou, on présente
deux exemples de représentation de la température, une en logique
classique, et l’autre en logique floue. (on pose µ : Degré d’appartenance)

a) Représentation classique b) Représentation floue

Selon cette figure, une température de 22.5° est considérée comme:

- En logique classique, ".…….......….…..".
- En logique floue, appartient au groupe “………………….” avec un degré
d’appartenance de …….., et appartient au groupe “…………” avec un
degré d’appartenance de …….., (et au groupe “…………” avec un degré
d’appartenance de …….)
 III. Concepts principaux

1) Ensemble flou/ Fonction d’appartenance

Soit U l’univers du discours et A un sous ensemble de U.

Théorie classique des ensembles:

Si µA est la fonction d’appartenance caractéristique de l’ensemble A, on a:

=0 ∉
∀ ∈ ,
=1 ∈

Théorie des ensembles floues: ∀ ∈ , ∈ [0 1]

Dégrée d’appartenance = valeur de vérité

2) Opérateurs Flous

Les opérateurs flous décrivent comment des ensembles flous

interagissent ensembles. On regardera certaines opérations
communes, comme le complément, l’intersection et l’union.

a) Le complément
Le complément permet de vérifier de combien un élément
n’appartient pas à un ensemble.
Si A est l’ensemble flou, son complément est : µ-A (x)=1-µA (x).
Exemple, si on a l’ensemble des températures élevées, le
complément est l’ensemble des températures qui ne sont pas
élevées.
b) Intersection :
L’intersection de deux ensembles, en logique flou, est un peu différente
des méthodes classiques. On cherche à savoir de combien un élément est-
il dans les deux ensembles. On utilise alors la valeur ……………………….
d’appartenance pour calculer l’intersection: ……………………………………
c) Union
En logique floue, l’union est le contraire de l’intersection. On cherche à
savoir de combien un est-il dans l’un des deux ensembles. On utilise la
valeur …………………. d’appartenance: ……………………………………………..
 IV. La Commande Floue

1) Pourquoi un contrôleur flou ?

La réponse :
•Un contrôleur standard (PID ou autres) demande toujours un modèle
le plus précis possible (équations différentielles).
• Un contrôleur flou ne demande pas de modèle du système à régler.
Les algorithmes de réglage se basant sur des règles linguistiques de la
forme: Si …… Alors ……

Alors, pour les systèmes mal connus ou complexes (non-linéaire) un

contrôleur flous s’avère très intéressant.
2) Réglage par Logique Floue :

Le régulateur par logique floue a une structure identique à un

système à réglage par feedback classique (ou réglage par
contre-réaction)

Structure d’un réglage par logique floue

3) Configuration Interne d’un Régulateur à Logique Floue :

La majorité des contrôleurs flous développés utilisent le schéma

simple proposé par Mamdani. Ce schéma est illustré par la figure
ci dessous. Un régulateur flou est traditionnellement décomposé
en trois étapes :
•Fuzzification.
• Inférence floue.
• Défuzzification
Structure interne d’un régulateur flou
a) Fuzzification : Elle présente la première étape de traitement
flou, son objectif est de transformer les variables déterministes
d’entrée en variables linguistiques, en définissant des fonctions
d’appartenance pour différentes variables d’entrée.

b) Inférence Floue : L’inférence floue est le processus de

formulation de la relation entre les entrées et les sorties par
logique floue. Cette relation offre une base avec laquelle la
décision est prise par le système flou.
c) Défuzzification : Cette étape consiste à transformer la valeur
linguistique issue de régulateur flou en valeur numérique. On
distingue trois méthodes différentes :
- du maximum qui correspond à un seul point qui est le point
milieu de la zone activée avec l’indice le plus fort,
- de la moyenne des maxima
- du centre de gravité (ou centroïde).

Il est toute fois reconnu que la méthode de centre de gravité

donne les meilleurs résultats.
 4) Avantages et Inconvénients du Réglage par Logique Floue:

a) Avantages :
- Pas besoin de modèle mathématique.
- Possibilité d’implémenter des connaissances linguistiques.
- Maîtrise de systèmes à régler avec un comportement complexe.
- Disponibilité des systèmes de développement efficaces, soit pour micro-
processeur ou PC « solution logiciel », soit pour les circuits intégrés
(processeurs dédicacés, fuzzy processors), « solution matérielle ».

b) Inconvénients :
- Manque de directives précises pour la conception d’un réglage.
- Les règles doivent être disponibles
- Approche artisanale et non systématique.
- Aucune méthode formelle pour l’ajustement.
 V) Exemples d’Application
Exercice 1
Soit les fonctions d’appartenances suivantes:
1) Tracer l’ensemble des
personne non petit.
2) Tracer l’ensemble des
personne non grand.
3) Tracer l’ensemble des
personne petites et
moyennes.
4) Tracer l’ensemble des
personne petites ou
moyennes.

5) Que dites vous pour une personne de taille 1m625?

 Exercice 2:
Soit le système de contrôle d’un ventilateur de maison, ayant deux entrées
(température Ti et humidité Hr) et une sortie (vitesse du ventilateur V)

Les fonctions d’appartenances des entrées sont:

 Les fonctions d’appartenances de la sortie sont:

F: Faible

M: Moyenne

E: Élevé

1) Représenter les fonctions d’appartenances:

• ∩ de la température
• ∪ de l’humidité
• de la sortie V
Supposons que la température actuelle est Ti=18°C et que l’humidité est de
80%.
 2) Fuzzification:
Déterminer les fonctions d’appartenance correspondons à cette
température et humidité.
3) Inférences Floues:
On propose la base des règles suivantes:
- Si la Température est Faible OU l’Humidité est Sec ALORS la Vitesse est
Faible;
- Si la Température est Moyenne ET l’Humidité est Humide ALORS la
Vitesse est Moyenne;
- Si la Température est Elevée ALORS la Vitesse est Elevée.

a) Evaluer ces règles d’inférence en fonction des entrées floues obtenues.

b) Chercher les surfaces correspondantes sous forme de polygone.
c) Appliquer les règles afin de chercher les fonctions d’appartenance de la
sortie.
d) Chercher les surfaces correspondantes de la sortie sous forme de
polygone.
4) Défuzzification: Méthode du centre de gravité
Trouver, par défuzzification, la vitesse de la ventilateur en appliquant la
méthode de gravité en prenant des intervalle de 10 sachant que:

∑ !" .
=
∑ !"
 Exercice 3:
Soit à compléter le niveau d’un
réservoir contenant de l’eau à une
température donnée de façon à le
remplir d’eau à une température
souhaité T à l’aide d’un mitigeur.

On considère, par exemple 3 températures possibles de l’eau

d’alimentation: Froide -TF <20°C, Tiède TT =30°C ou Chaude 40°C<TC .
La commande du mitigeur sera donc simple:
- Si l’eau du réservoir est froide, mettre de l’eau chaude
- Si l’eau du réservoir est tiède, mettre de l’eau tiède
- Si l’eau du réservoir est chaude, mettre de l’eau froide
Déterminer la sortie pour une entrée de 18°C puis de 35°C.