Master Systèmes Electroniques et Energies
Renouvelables
FP LARACHE
Système d’inférence Floue
Mamdani et Takagi-Sugeno-Kang (TSK)
Réalisé par LYOUSFI Youssef
I. Introduction :
La logique floue est fondée sur l'idée que les concepts et les variables dans la nature
ne sont pas simplement vrais ou faux, mais plutôt se situent sur un continuum. Un système
d’inférence floue modélise le moteur de prise de décision qui permet de traiter ces variables
floue pour donner une sortie floue à l’aide d’une base de règles désigne la relation entre les
entrées et sorties de système.
II. Système d’inférence de Type Mamdani :
Développé par Ebrahim Mamdani, ce type de système d’inférence floue est basé sur
des règles floues qui décrivent la relation entre des variables d’entrée et de sortie exprimées
en termes linguistiques.
Le système Mamdani utilise les opérateurs 𝜇𝑚𝑖𝑛 ou 𝜇𝑚𝑎𝑥 afin de combiner les règles
pour obtenir une sortie floue, cette combinaison est exprimée par une surface, qui est ensuit
sera l’entrée d’un bloc de défuzzification pour rendre une valeur numérique exacte. Il existe
plusieurs méthodes de défuzzification les plus courantes sont : Centroïde, Moyenne
pondérée, Premier degré maximal…
La figure ci-dessus représente la démarche qui fait un système d’inférence de type
Mamdani afin de combiner les règles activées par une combinaisons des entrées pour avoir
une sortie floue.
III. Système d’inférence de Type TSK :
Le Moteur d’inférence de type Takagi-Sugeno-Kang (TSK) est nommé d'après ses
concepteurs, Michio Takagi, et Masao Sugeno, et Genichi Kang. Similaire au modèle
Mamdani dans le cadre d’utiliser des règles floues, mais la grande différence entre TSK et
Mamdani c’est que le moteur TSK produire une sortie numérique. Chaque règle génère une
fonction d’appartenance linéaire de sortie, c’est-à-dire chaque fonction d’appartenance de
sortie dépend linéairement des valeurs d’entré, une fonction de sortie TSK d’un système à 2
entrées s’écrit sous la forme suivante :
𝑧𝑖 = 𝑎𝑖 𝑥 + 𝑏𝑖 𝑦 + 𝑐𝑖
𝑧𝑖 : la fonction d’appartenance d’une variable de sortie
𝑎𝑖 , 𝑏𝑖 𝑒𝑡 𝑐𝑖 : sont des coefficients constants
𝑥 𝑒𝑡 𝑦 : sont les valeurs d’entrée.
Le modèle TSK introduit la notion de poids qui est calculé en utilisant l'opérateur
Min entre les degrés d'appartenance des variables entrées à leurs fonctions d'appartenance.
La valeur finale est généralement calculée par la relation suivante pour un système à 𝑁
règles :
∑𝑁
1 𝑤𝑖 𝑧𝑖
𝑆𝑜𝑟𝑡𝑖𝑒 𝐹𝑖𝑛𝑎𝑙𝑒 =
∑𝑁
1 𝑤𝑖
La figure ci-dessous represente généralement la procédé pour calculé la valeur finale de
sortie.
IV. Implémentation sur Matlab :
Afin de comparer les deux systèmes d’inférence, on utilise le système floue d’un
régulateur de température étudié précédemment, on fait introduire les deux moteurs
d’inférence :
Pour les mêmes valeurs d’entrée [Δ𝑇 ; 𝑉𝑇 ] = [-5 ; -1]
Sortie Mamdani :
𝑃 = 76 𝑊
Sortie TSK :
𝑃 = 100 𝑊
V. Conclusion :
Les modèles de système d'inférence floue TSK (Takagi-Sugeno-Kang) et Mamdani
sont deux approches fondamentales pour la modélisation des systèmes basés sur la logique
floue. De plus, les modèles de type 1 et de type 2 sont des variantes de ces approches.
• Les modèles de type 1 utilisent des fonctions d'appartenance de type gaussien ou
triangulaire pour représenter l'incertitude.
• Les modèles de type 2 vont plus loin en utilisant des fonctions d'appartenance floues
pour décrire l'incertitude de manière plus complexe.
Le choix entre les modèles TSK et Mamdani, ainsi qu’entre les modèles de type 1 et de type
2, dépend des besoins spécifiques de la tâche de modélisation. Les modèles TSK sont
appropriés pour des applications où des modèles prédictifs précis sont nécessaires, tandis
que les modèles Mamdani sont plus adaptés pour des situations où l'interprétabilité des
règles floues est cruciale.
