UNIVERSITATEA TEHNIC DE CONSTRUCII BUCURETI Facultatea de Inginerie a Instalaiilor

TEZ DE DOCTORAT Rezumat

Modelarea sistemelor pervasive utiliznd elemente de inteligen artificial n vederea implementrii lor n conducerea automat

a proceselor din instalaii

Conductor de doctorat prof. univ. dr. ing. Sorin CALUIANU

Doctorand ing. Magdalena CULCEA

BUCURETI 2015

1

2

Cuprins Cuprins ............................................................................................................................................................... 2

Capitolul 1: Introducere ..................................................................................................................................... 4

Capitolul 2: Prezentarea general a sistemelor pervasive .................................................................................. 4

2.1. Generaliti .............................................................................................................................................. 5 2.2. Sensibilitatea la context .......................................................................................................................... 5 2.3. Baze de date pervasive ............................................................................................................................ 5 2.4. Aplicaii pervasive realizate pn n prezent .......................................................................................... 5

2.4.1. Aplicaii pervasive specifice instalaiilor din construcii ................................................................. 5

2.5. Arhitecturi sensibile la context ............................................................................................................... 6 2.6. Intimitatea utilizatorilor unui sistem pervasive ....................................................................................... 6

Capitolul 3: Conducerea automat a proceselor din instalaii ........................................................................... 6

3.1. Generaliti .............................................................................................................................................. 6 3.2. Sistemele pervasive n instalaiile din construcii ................................................................................... 6 3.3. Senzori i echipamente specifice sistemelor pervasive .......................................................................... 6

Capitolul 4: Logica fuzzy n aplicaii pervasive ................................................................................................ 6

4.1. Introducere .............................................................................................................................................. 6 4.2. Definiiile principalilor termeni folosii n logica fuzzy ......................................................................... 7 4.3. Utilizarea logicii fuzzy n controlul instalaiilor ..................................................................................... 7

4.3.1. Implementarea fizic a regulatoarelor cu logic fuzzy .................................................................... 7

4.4. Folosirea logicii fuzzy n sistemele pervasive ........................................................................................ 7 4.4.1. Structura unui sistem pe reglare automat folosit ntr-un sistem pervasiv ...................................... 8

4.5. Regulatorul fuzzy de tip Mamdani ......................................................................................................... 8 4.5.1. Caracterul local al logicii fuzzy n cazul folosirii regulatorului fuzzy de tip Mamdani .................. 8

4.6. Descrierea aplicaiei pervasive propuse .................................................................................................. 8 Descrierea PMV i a temperaturii operative .............................................................................................. 9

4.7. Toolbox-ul fuzzy al softului Matlab ..................................................................................................... 10 4.7.1. Diversitatea controlerelor fuzzy ..................................................................................................... 12

4.8. Realizarea unui algoritm cu logic fuzzy de tip Mamdani independent de toolbox-ul fuzzy al softului MATLAB ..................................................................................................................................................... 12

4.8.1. Fuzzificarea intrrilor n algoritmul cu logic fuzzy ..................................................................... 12

4.8.2. Reprezentarea ieirilor din algoritmul cu logic fuzzy .................................................................. 12

4.8.3. Aplicarea raionamentului fuzzy i defuzzificarea ........................................................................ 12

4.8.4. Validarea funciilor i dificulti aprute n realizarea acestora .................................................... 13

Capitolul 5: Teoria posibilitilor folosit n sistemele pervasive ................................................................... 14

5.1. Generaliti ............................................................................................................................................ 14 5.2. Folosirea teoriei posibilitilor n sistemele pervasive .......................................................................... 15 5.3. Msura de posibilitate i msura de necesitate ..................................................................................... 15 5.4. Posibilitatea i necesitatea cazuri particulare ale credibititii i plauzibilitii................................. 15 5.5. Raionamentul cu premise incerte ......................................................................................................... 15 5.6. Recunoaterea activitii folosind teoria posibilitilor ........................................................................ 15 5.7. Aplicaie numeric n care este folosit teoria posibilitilor n sistemele pervasive ........................... 15

Capitolul 6: Optimizarea algoritmilor cu logic fuzzy folosind algoritmi genetici ......................................... 16

6.1. Introducere ............................................................................................................................................ 16 6.1.1. Algoritmii genetici ca tehnic a calculului evoluionist ................................................................ 17

6.1.2. Populaia iniial ............................................................................................................................ 17

3

6.1.3. Selecia, mutaia i ncruciarea ..................................................................................................... 17

6.2. Optimizarea proceselor din instalaii folosind algoritmi genetici ......................................................... 17 6.2.1. Modaliti de optimizare a algoritmilor cu logic fuzzy folosind algoritmi genetici .................... 17

6.2.2. Optimizarea funciilor de apartenen fuzzy .................................................................................. 17

6.3. Toolbox-ul de algoritmi genetici al softului Matlab ............................................................................. 17 6.3.1. Echipamentul de calcul folosit ....................................................................................................... 18

6.3.2. Funcia fitness care folosete toolbox-ul fuzzy al Matlab ............................................................. 18

6.3.3. Funcia fitness care folosete algoritmul cu logic fuzzy de tip Mamdani realizat independent de toolbox-ul fuzzy ....................................................................................................................................... 18

Capitolul 7: Un algoritm genetic modificat pentru optimizarea funciilor de apartenen fuzzy .................... 20

7.1. Introducere ............................................................................................................................................ 20 7.1.2. Regulatoare de tipul geno-fuzzy ................................................................................................... 20

7.2. Necesitatea studierii unui algoritm genetic modificat .......................................................................... 20 7.3. Populaia iniial ................................................................................................................................... 20 7.4. Crearea unei noi populaii ..................................................................................................................... 20 7.5. ncruciarea ........................................................................................................................................... 21 7.6. Mutaia .................................................................................................................................................. 21 7.7. Funcia fitness ....................................................................................................................................... 21 7.8. Validarea algoritmului genetic modificat ............................................................................................. 21 7.9. Rularea algoritmului genetic modificat fr includerea n populaia iniial a unui individ cunoscut . 23 7.10. Folosirea filtrelor ................................................................................................................................ 23

Capitolul 8: Implementarea algoritmului de determinare a referinei cu logic fuzzy pe microcontrolerul AVR ................................................................................................................................................................. 23

8.1. Principalele caracteristici ale microcontrolerului AVR ATMega 2560-16AU .................................... 23 8.2. Descrierea modalitii de implementare a algoritmului fuzzy de determinare a referinei pe microcontrolerul AVR ATMega 2560 ......................................................................................................... 23

Capitolul 9: Realizarea unui model al unei aplicaii pervasive ce are ca scop obinerea strii de bine i a unei economii de energie ......................................................................................................................................... 24

9.1. Transferul termic prin pereii exteriori ................................................................................................. 25 9.2. Transferul termic prin ferestre .............................................................................................................. 25 9.3. Alegerea modalitii de rezolvare a ecuaiilor ...................................................................................... 25 9.4. Modelul realizat n Simulink ................................................................................................................ 25 9.5. Evaluarea economiei de energie ........................................................................................................... 27

Capitolul 10: Concluzii i contribuii originale ............................................................................................... 27

10.1. Concluzii i perspective ...................................................................................................................... 27 10.2. Contribuii originale ............................................................................................................................ 28 Bibliografie selectiv ................................................................................................................................... 30

4

Titlul tezei: Modelarea sistemelor pervasive utiliznd elemente de inteligen artificial n vederea implementrii lor n conducerea automat a proceselor din instalaii

Capitolul 3 Capitolul 1 Capitolul 2

Introducere Sisteme pervasive

Conducerea automat

Capitolul 4 Capitolul 5 Capitolul 6,7 Capitolul 8 Capitolul 9

Logica fuzzy Teoria

posibilitilor Algoritmi genetici

AVR ATMega 2560

Concluzii Elemente de inteligen artificial

Capitolul 10

Economie energie

Capitolul 1: Introducere n ultimii ani a aprut i a nceput s se dezvolte un nou mod de abordare al interaciunii dintre

oameni i diversele dispozitive pe care acetia le folosesc. Acest nou concept poart denumirea de sisteme pervasive, un tip de sisteme care s ne asiste toate activitile, dar de a cror prezen s nu fim contieni efectiv datorit modalitii de comunicare dintre echipamente i oameni, care n cazul acestor sisteme se dorete s aib la baz limbajul vorbit i gesturile oamenilor.

Acest concept relativ simplu de exprimat pune o serie de probleme complexe atunci cnd se dorete implementarea lui fizic, dar i o serie de probleme referitoare la intimitatea oamenilor i ct de multe lucruri i doresc acetia s fie cunoscute despre propria lor persoan. n etapa actual de dezvoltare a acestui tip de sisteme, s-a pus mai puin problema implementrii fizice a sistemelor pervasive i mai mult s-a insistat asupra definirii proprietilor unui astfel de sistem i a descrierii componentelor acestuia.

Sistemele pervasive au ca principal caracteristic sensibilitatea la context, iar din punct de vedere fizic se disting prin multitudinea de echipamente existente ntr-un sistem i prin diversitatea lor care duce la creterea investiiei necesare pentru implementarea fizic a unui sistem pervasiv. Acesta este i unul din principalele motive care face ca bazele de date pervasive s fie foarte reduse ca numr alturi de faptul c folosirea oamenilor n astfel de experimente se poate face numai pentru un numr limitat de cazuri.

n fig. 1.1. este prezentat modul n care conceptele prezente n titlul tezei de doctorat se regsesc n cele zece capitole ale acesteia.

Dificultatea realizrii tezei de doctorat este dat att de noutatea domeniului principal tratat n cadrul acesteia, sistemele pervasive, i de probleme inerente aprute atunci cnd prerile diverilor cercettori n domeniu sunt foarte diferite ntre ele, fr o exista o opinie majoritar acceptat ct i de interdisciplinaritatea acesteia, pentru realizarea creia au fost necesare cunotine att din tehnica instalaiilor, intruct se realizeaz o aplicaie referitoare la domeniul instalaiilor din construcii, cunotine de informatic pentru a putea lucra cu diferite soft-uri specializate, dar i cunotine referitoare la programarea microcontrolerelor.

Fig. 1.1 Titlul tezei de doctorat i cuprinsul grafic al acesteia

5

Capitolul 2: Prezentarea general a sistemelor pervasive

2.1. Generaliti

n limba romn, cuvntul pervasiv a fost preluat i sub forma de pervaziv i este de asemenea folosit i n domeniul medical. O explicaie a acestui cuvnt nu este nc inclus n Dicionarul Explicativ al Limbii Romne i nici nu se face vreo referire dac forma corect a acestui cuvnt ar fi pervasiv sau pervaziv. n cadrul acestei lucrri, se va folosi forma pervasiv. O explicaie personal a acestui cuvnt, considerat potrivit de ctre autoare este care ptrunde i se rspndete.

Deseori, drept sinomin al adjectivului pervasiv este folosit termenul ubicuu al crui sens din dicionar este care se afl n acelai timp n dou sau mai multe locuri. Cele dou cuvinte nu sunt, ns, sinonime perfecte. Diferena dintre ele este evideniat n (Zhao:2011) conform cruia, sistemele pervasive au ca scop achiziionarea contextului i construirea de aplicaii care depind de context, n timp ce sistemele ubicuu se axeaz pe crearea unui sistem global pentru utilizatorii care i schimb locaia.

Ideea de sistem pervasiv a fost introdus pentru prima dat de Mark Weiser (Weiser:1991) n lucrarea sa The Computer of the Twenty-First Century n care este descris computerul secolului XXI. n traducere, citatul cu care ncepe acest articol este urmtorul: cele mai profunde tehnologii sunt acelea care dispar, integrndu-se n viaa de zi cu zi pn ce se identific cu aceasta. Acesta propune sistemele pervasive ca parte a vieii cotidiene, ele fiind nite elemente care s ne asiste toate activitile indiferent de locaia n care ne aflm.

Se preconizeaz c sistemele pervasive se vor dezvolta n doi pai, n prima etap urmnd s se realizeze aplicaii relativ simple, iar n cea de a doua etap s se realizeze sisteme mai complexe. n prezent, sistemele pervasive se afl abia n prima etap, astfel aplicaiile realizate n acest moment urmeaz s fie relativ simple.

2.2. Sensibilitatea la context

Din toate caracteristicile sistemelor pervasive, n aceast lucrare, accentul va cdea pe sensibilitatea la context i care din perspectiva acestei teze de doctorat este considerat ca fiind cea mai important caracteristic a unui sistem pervasiv.

Exist mai multe definiii ale contextului, dar definiia pe care o consider cea mai potrivit este cea dat de Chen i Kotz (Chen:2000). Acetia consider contextul ca fiind un spaiu tetra-dimensional compus din: contextul de calcul, contextul fizic, contextul de timp i contextul utilizatorului. Contextul de calcul se refer la aspectele tehnice legate de capacitatea de calcul i de resursele disponibile. Contextul fizic vizeaz elemente cum ar fi iluminatul, nivelul de zgomot sau temperatura. Contextul temporal se refer la elemente cum ar fi momentul zilei, sptmna, luna sau anotimpul, iar contextul utilizatorului se raporteaz la elemente precum profilul utilizatorului, locaia, oamenii din apropiere i situaia social curent.

Dey si Abowd (Dey:2000) consider c un sistem este sensibil la context dac utilizeaz contextul pentru a furniza informaii i servicii adecvate pentru utilizator, iar ct sunt de potrivite serviciile depinde de sarcina solicitat de utilizator. Aceast modalitate de a descrie sensibilitatea la context este considerat potrivit i n cadrul lucrrii de fa.

2.3. Baze de date pervasive

2.4. Aplicaii pervasive realizate pn n prezent

2.4.1. Aplicaii pervasive specifice instalaiilor din construc ii

Termostatul Nest Termostatul Nest (fig. 2.1.) este un tip de termostat capabil s nvee programul utilizatorului i s economiseasc energie conform acestui program. Chiar dac productorii acestui termostat nu l consider a fi o aplicaie pervasiv, avnd n vedere c acesta se adapteaz la preferinele utilizatorului, termostatul Nest poate fi ncadrat n rndul aplicaiilor pervasive specifice instalaiilor din construcii.

6

Fig. 2.1 Termostatul Nest sursa: http://www.sjpc.org/mppcclub/contents12/NEST.pdf i https://nest.com/blog/2011/11/10/meet-the-nest-account-and-nest-mobile-app/

2.5. Arhitecturi sensibile la context 2.6. Intimitatea utilizatorilor unui sistem pervasiv Capitolul 3: Conducerea automat a proceselor din instalaii

3.1. Generaliti Conducerea automat a proceselor a aprut odat cu folosirea computerelor n cadrul acestor procese

(Ionescu:2010:430), conducerea unui proces presupunnd reglarea acestuia, comanda efectuat asupra lui i informarea. Reglarea presupune msurarea continuu a unei mrimi, mrimea reglat, i compararea ei cu o alt mrime denumit mrimea de referin, iar n funcie de rezultatul acestei comparaii se intervine pentru a aduce mrimea reglat la valoarea mrimii de referin. Comanda presupune modificarea mrimilor de ieire dintr-un sistem n funcie de mrimile de intrare care l influeneaz pe baza anumitor legi. Diferena cea mai important ntre comand i reglare este aceea c reglarea se realizeaz n circuit nchis, n timp ce comanda se realizeaz n circuit deschis.

Un pas care ar putea fi fcut pentru dezvoltarea sistemelor pervasive este integrarea acestora n structuri complexe deja existente n cadrul crora s coexiste n interiorul aceleeai cldiri att zone din cldire n care sunt implementate aplicaii pervasive, ct i zone n care aceste aplicaii nu au fost implementate att din raiuni economice, ct i pentru a putea realiza o comparaie a satisfaciei utilizatorilor cu noile tehnologii fa de sistemele clasice.

3.2. Sistemele pervasive n instalaiile din construcii Instalaiile de nclzire Instalaii de ventilare i climatizare Sistemele de iluminat

3.3. Senzori i echipamente specifice sistemelor pervasive

ntr-un sistem pervasiv, numrul de senzori incorporai este mai mare dect n cazul sistemelor clasice, iar senzorii folosii n sistemele pervasive pot msura i ali parametri fa de cei folosii n general n sistemele clasice.

Scaunul cu senzori de presiune Podeaua cu senzori de presiune Detectarea activitii fizice folosind senzori bazai pe acceleraie Recunoaterea limbajului

Capitolul 4: Logica fuzzy n aplicaii pervasive

4.1. Introducere Logica fuzzy, dei folosete o modalitate care poate fi considerat vag de descriere a fenomenelor

(dac n cazul logicii clasice, un element poate aparine sau nu unei mulimi, n cazul logicii fuzzy, un element poate aparine unei mulimi cu un anumit grad de apartenen), teoria pe care se bazeaz acest tip de

7

logic este una precis. Astfel, dac recurgem la exemplul clasic (fig. 4.1.) referitor la cnd considerm c o persoan este nalt, atunci dac folosim logica clasic, o persoan este nalt dac are ntre 1,75 i 1,95 m nalime, dac folosim logica fuzzy atunci o persoan cu nalimea de 1,85 m poate fi nalt cu gradul de apartenen 0,85.

Fig. 4.1. Reprezentarea noiunii de nalt n logica clasic i logica fuzzy

Logica fuzzy a aprut datorit nevoii de a manipula cunotine descrise imperfect, vagi sau imprecise (Caluianu, 2000:9), acesta fiind tipul de cunotine de care dispun n general oamenii. n cazul proceselor din instalaii, aceste cunotine imperfecte se refer n primul rnd la senzaiile resimite de ocupanii cldirilor ca reacie la parametrii mediului interior.

Logica fuzzy este considerat o tehnic a inteligenei artificiale. Inteligena artificial a pornit de la ideea de simularea inteligenei umane procesat de maini, n special de sisteme de computere (Minc:2010:342). Cel care a introdus noiunea de submulime fuzzy a fost Lofti A. Zadeh (Zadeh:1965), noiune care a fost riguros descris de acesta din punct de vedere matematic. Folosirea termenului de inteligent n alte scopuri n afar de a descrie o persoan este controversat, una din definiiile inteligenei artificiale dat de (Minc:2010:345) este urmtoarea: inteligena artificial poate fi descris drept acel domeniu al informaticii care se ocup cu proiectarea i construirea sistemelor capabile s realizeze funcii ale intelectului uman, cum ar fi nvarea din experien, nelegerea limbajului natural sau utilizarea unui raionament pentru rezolvarea problemelor.

4.2. Definiiile principalilor termeni folosi i n logica fuzzy

4.3. Utilizarea logicii fuzzy n controlul instalaiilor

n cazul n care procesele sunt neliniare, se poate folosi cu rezultate bune logica fuzzy. Rezultatele sunt mai bune n cazul folosirii logicii fuzzy pentru procesele neliniare datorit numrului mare de parametri care pot fi modificai fa de doar trei parametri folosii pentru acordare n cazul regulatoarelor PID. n cazul folosirii regulatoarelor cu logic fuzzy poate fi modificat numrul de reguli, numrul i forma funciilor de apartenen, tipul de regulator, metodele de defuzzificare etc.

Unele din principalele avantaje ale folosirii logicii fuzzy n controlul proceselor din instalaii sunt acelea c se poate realiza cu uurin o sintez a prerilor experilor ntr-un domeniu i faptul c controlul fuzzy rezist la perturbaiile care pot afecta procesul (Caluianu:2000:130).

4.3.1. Implementarea fizic a regulatoarelor cu logic fuzzy

Odat cu creterea numrului de intrri i de ieiri dintr-un regulator fuzzy realizarea raionamentului fuzzy devine i ea mai complicat. Atunci cnd se folosesc computere performante, acest lucru nu reprezint o problem, probleme apar atunci cnd puterea de calcul este limitat i la fel i memoria RAM. Acest lucru se poate ntmpla, de exemplu, n cazul microcontrolerelor.

4.4. Folosirea logicii fuzzy n sistemele pervasive

Folosirea logicii fuzzy n sistemele pervasive este un domeniu puin studiat. Un astfel de studiu este prezentat n (Oancea:2012) unde este realizat controlul temperaturii folosind logic fuzzy ntr-un sistem ce poate fi considerat pervasiv. Folosind logica fuzzy n aceste sisteme se pierde avantajul realizrii unei sinteze a prerilor experilor ntruct fiecare persoan este tratat independent, inndu-se cont de preferinele acesteia. n cazul aplicaiilor simple care se preconizeaz s se realizeze n prima faz de dezvoltare a sistemelor pervasive, faptul c nu se poate realiza o sintez a prerilor experilor nu reprezint

8

un dezavantaj major, avnd n vedere complexitatea redus a regulatoare i faptul c accentul cade pe adaptarea sistemului la fiecare ocupant n parte.

Controlul proceselor folosind logica fuzzy n cadrul sistemelor pervasive prezint interes n cercetare deoarece este puin probabil ca preferinele oamenilor s aib o variaie liniar, iar regulatoarele fuzzy sunt mai potrivite dect cele PID n cazul proceselor neliniare. De asemeanea, n cazul sistemelor pervasive, vor fi folosii ocupanii drept cei mai buni senzori (Oancea:2012), iar acest lucru va introduce perturbaii importante n sistem date de modul n care este perceput mediul nconjurtor folosind simurile umane.

4.4.1. Structura unui sistem pe reglare automat folosit ntr-un sistem pervasiv

n cazul aplicaiei realizate n cadrul acestei lucrri, caracterul pervasiv al sistemului este dat de faptul c ocupanii introduc n sistem tipului de activitate pe care l desfoar i mbrcmintea pe care o poart i decid fiecare n parte ce temperatur doresc n ncpere. Ieirea din regulatorul fuzzy este temperatura operativ care nu reprezint o valoare ce urmeaz s fie citit de la un senzor, ci o valoare calculat pe baza mai multor parametri. De asemenea, pe baza acestei temperaturi nu se poate spune concret i n mod unic ce aciuni s se ia referitor de exemplu la nchiderea sau deschiderea unei vane sau la reglarea turaiei unui ventilator.

Se pune de asemenea problema funcionrii instalaiilor atunci cnd n cldire nu se afl ocupani, de exemplu ntr-o cldire de birouri n care pe timpul nopii nu se afl nimeni. n fig. 4.3. este prezentat un model propus de autoarea tezei al structurii unui sistem de reglare automat folosit ntr-un sistem pervasiv.

Fig. 4.3. Structura unui sistem pe reglare automat folosind logic fuzzy folosit ntr-un sistem pervasiv

4.5. Regulatorul fuzzy de tip Mamdani

Echipamentele folosite pentru implementarea unui sistem de reglare automat folosind logica fuzzy sunt regulatoarele fuzzy. Configuraia general a unui regulator fuzzy este prezentat n fig. 4.4. Baza de cunotine conine regulile care descriu funcionarea regulatorului i care n cazul sistemelor pervasive reflect preferinele fiecrui ocupant i descrierea funciilor de apartenen. Interfaa cu domeniul fuzzy prelucreaz datele primite de la procesul controlat astfel nct s li se poat aplica raionamentul fuzzy. Interfaa cu domeniul non-fuzzy determin o aciune precis asupra procesului controlat, fiind posibile mai multe modaliti de defuzzificare.

4.5.1. Caracterul local al logicii fuzzy n cazul folosirii regulatorului fuzzy de tip Mamdani

4.6. Descrierea aplicaiei pervasive propuse

Ceea ce aduc nou sistemele pervasive este faptul c se ine cont de preferinele fiecrui utilizator n parte, acestea nefiind dictate de dispecerul cldirii, de exemplu, iar parametrii n funcie de care se face reglarea sunt diferii. Dac n cazul unei instalaii clasice se face reglarea temperaturii n interiorul unei ncperi n funcie de temperatura exterioar, n sistemele pervasive se va ine cont i de vestimentaia purtat de o anumit persoan i de activitatea desfurat de aceasta.

Algoritm pentru determinarea comenzii asupra echipamentelor

Elemente de execuie Proces

Algoritm pentru determinarea reaciei

Algoritm cu logic fuzzy pentru determinarea referinei

Ocupant

Y

Fig.4.4. Configura

Fig. 4.7. Variaia temperaturii optime operative n funcie de intensitatea muncii i de gradul de izolare al mbrcmintei, pentru o umiditate relativ50% i PMV=0 (imagine preluat din Manualul Instalatorului, Instalaii de ventilare ediia a II-a, 2010, pag. 30)

n urma interaciunii ocupanpreferinele acestora. Aceste puncte sunt introdusapartenen fuzzy pentru a obine o suprafa

n lipsa unei baze de date pervasive, pentru a realiza aceastdatelor preluate din fig. 4.7.

Descrierea PMV i a temperaturii operative

PMV reprezint prescurtarea de la a prezice senzaia termic a corpului privit ca un ntreg. PMV este influenvestimentaia purtat, de temperatura mediului, de temperatura medie radiantde umiditatea aerului.

Temperatura operativ reprezintcare un ocupant schimb aceeai cantitate de cmediu neuniform. Se consider c aceastde exemplu, temperatura aerului. Matemati

Interfaa cu domeniul fuzzy

Starea sistemului

9

.4. Configuraia general a unui regulator fuzzy

Se va realiza o aplicatemperatura operativ n funcpurtat i de intensitatea muncii. Caracterul pervasiv al aplicaiei este dat de faptul cere s i exprime preferintemperatura pe care o preferexprim ocupanii preferinocupantului i se cere s seteze o anumitpentru temperatura operativpurtat i activitatea depusinterval de timp de 10 minute. Dupocupantul poate alege o altoperative, dac cea anterioarcare va atepta din nou 10 minute po nou modificare. Atunci cnd ocupantul paceeai valoare pentru temperatura un interval de timp de cel pucondiiile n care vestimentamuncii rmn aceleai), acea fi folosit ulterior de algoritmii genetici.

ia temperaturii optime operative n i de gradul de izolare

mintei, pentru o umiditate relativ de din Manualul

ii de ventilare i climatizare,

iunii ocupanilor cu sistemul pervasiv au rezultat o serie de puncte care reflectele acestora. Aceste puncte sunt introduse ntr-un algoritm genetic care optimizeaz

ine o suprafa care corespunde preferinelor fiecrui ocupant.n lipsa unei baze de date pervasive, pentru a realiza aceast aplicaie, s-a realizat o simulare pe baza

i a temperaturii operative

prescurtarea de la predicted mean vote i este folosit conform ISO 7730:2005 pentru a corpului privit ca un ntreg. PMV este influenat de

, de temperatura mediului, de temperatura medie radiant, de viteza curen

reprezint temperatura uniform a unei incinte imaginare de culoare neagri cantitate de cldur prin radiaie i convecie pe care ar schimba aceast temperatur red mai bine confortul termic al ocupan

Matematic, aceasta poate fi calculat n felul urm

Baza de cunotine

Interfaa cu domeniul non

fuzzy

Raionament fuzzy

Sistemul comandat Comanda non-fuzzy

Se va realiza o aplicaie care s regleze n funcie de vestimentaia

i de intensitatea muncii. Caracterul pervasiv iei este dat de faptul c fiecrui ocupant i se

i exprime preferinele referitoare la temperatura pe care o prefer. Modul n care i

ii preferinele este urmtorul: seteze o anumit valoare

pentru temperatura operativ, pentru vestimentaia i activitatea depus, dup care ateapt un

interval de timp de 10 minute. Dup acest timp, ocupantul poate alege o alt valoare a temperaturii

cea anterioar nu l mulumete, dup tepta din nou 10 minute pentru a putea face

modificare. Atunci cnd ocupantul pstreaz i valoare pentru temperatura operativ pentru

un interval de timp de cel puin 30 de minute (n vestimentaia purtat i intensitatea i), acel punct este reinut pentru

a fi folosit ulterior de algoritmii genetici. ilor cu sistemul pervasiv au rezultat o serie de puncte care reflect

un algoritm genetic care optimizeaz funciile de rui ocupant. a realizat o simulare pe baza

i este folosit conform ISO 7730:2005 pentru at de activitatea fizic, de

, de viteza curenilor de aer i

a unei incinte imaginare de culoare neagr n ie pe care ar schimba-o ntr-un

mai bine confortul termic al ocupanilor dect, n felul urmtor:

a cu domeniul non-

10

=( + )

+

(4.11)

unde: reprezint coeficientul convectiv de schimb de cldur; reprezint coeficientul linear radiativ de schimb de cldur; reprezint temperatura aerului; reprezint temperatura medie radiant.

=A

A

unde: A reprezint dimensiunea fiecrei suprafee; reprezint temperatura corespunztoare fiecrei suprafee.

(4.12)

4.7. Toolbox-ul fuzzy al softului Matlab Pentru a realiza aplicaia propus anterior, ca un prim pas s-a realizat un algoritm cu logic fuzzy

pentru determinarea referinei folosind toolbox-ul fuzzy al softului Matlab. Acest algoritm are dou intrri (gradul de izolare al mbrcmintei i intensitatea muncii) i o ieire (temperatura operativ). Intrrile i ieirea din regulator pot fi observate n fig. 4.8. i 4.9. Funciile de apartenen definite pentru cele dou intrri i pentru ieire sunt urmtoarele: Pentru prima intrare, intensitatea muncii:

Pentru a doua intrare, gradul de izolare al mbrcmintei:

Pentru ieire, temperatura operativ:

- mic (-1,2; 0; 1,2); - medie (0,3; 1,5; 2,7); - mare (1,8; 3; 4,2).

- mic (-0,8; 0; 0,8); - mediu (0,2; 1; 1,8); - mare (1,2; 2; 2,8).

- mic (-0,8; 8; 16,8); - medie (10,03; 18,83; 27,63); - mare (21,2; 30; 38,8).

Aceste funcii de apartenen vor fi folosite i pentru proiectarea unui algoritm cu logic fuzzy pentru determinarea referinei de tip Mamdani fr a folosi toolbox-ul fuzzy. Funciile de apartenen au rezultat prin mprirea domeniului de interes n pri egale urmnd ca prin intermediul algoritmilor genetici s se poat modifica forma acestora.

Algoritmul cu logic fuzzy are de asemenea 9 reguli, fiecare avnd diferite ponderi care pot fi observate n fig. 4.10. Suprafaa rezultat care indic modul de funcionare al algoritmului poate fi observat n fig. 4.11. Avnd n vedere c acest algoritm urmeaz s fie folosit ntr-un sistem pervasiv unde trebuie adaptat preferinelor fiecrei persoane, acesta va trebui optimizat pentru fiecare utilizator n parte.

Fig. 4.8. Intrrile n algoritmul cu logic fuzzy

n Matlab, fiecare algoritm fuzzy este reinut sub forma unei structuri de date. Aceast structur de date reine numele algoritmului, tipul lui (n cazul celui proiectat n acest capitol Mamdani), metoda folosit pentru funcia I (n cazul de fa minim), metoda folosit pentru funcia SAU (n cazul de fa maxim), metoda de defuzzificare (n cazul de fa metoda centrului de greutate), metoda de implicaie (n cazul de fa minim), metoda de agregare (n cazul de fa maxim), intrrile, ieirile i regulile. Cunoaterea acestei structuri este important deoarece pentru a realiza optimizarea funciilor de apartenen folosind algoritmi genetici este nevoie s se apeleze parametrii funciilor de apartenen fuzzy. Astfel, pentru a apela de exemplu primul parametru al primei funcii de apartenen al primei intrri, se va apela a.input(1,1).mf(1,1).params(1,1) unde a este variabila care reine ntreaga structur de date.

11

Fig. 4.9. Ieirea din algoritmul cu logic fuzzy

Fig. 4.10. Regulile algoritmului cu logic fuzzy

Problemele aprute la folosirea toolbox-ului fuzzy mpreun cu cel de algoritmi genetici au dus la necesitatea crerii unei alte funcii care s poat realiza un algoritm fuzzy de tip Mamdani, dar care s poat fi folosit cu rezultate mai bune mpreun cu algoritmii genetici.

Fig. 4.11. Suprafaa generat de regulatorul fuzzy proiectat

12

4.7.1. Diversitatea controlerelor fuzzy

4.8. Realizarea unui algoritm cu logic fuzzy de tip Mamdani independent de toolbox-ul fuzzy al softului MATLAB

4.8.1. Fuzzificarea intrrilor n algoritmul cu logic fuzzy

Acest lucrare reprezint un prim pas n studiul algoritmilor cu logic fuzzy folosii n sistemele pervasive. Din aceast cauz se vor folosi anumite situaii particulare pentru a le testa eficiena, urmnd ca apoi s fie generalizate. Astfel, fuzzificarea intrrilor a fost realizat doar pentru funcii de apartenen triunghiulare. Funcia folosit pentru fuzzificare poate returna o valoare diferit de zero doar n situaia n care a < b < c (fig. 4.13.). Dac notm cu m valoarea parametrului de intrare n algoritm (valoare non-fuzzy), atunci dac a < m b funcia returneaz ordonata interseciei dintre dreapta ab i dreapta x=m, acesta reprezentnd gradul de apartenen al lui m la respectiva funcie de apartenen, iar dac b < m < c atunci funcia returneaz ordonata interseciei dintre dreapta bc i dreapta x=m. Avantajul folosirii acestei funcii fa de toolbox-ul fuzzy este acela c dac nu se respect inegalitatea a < b < c, funcia returneaz valoarea 0, fr a da eroare, situaie care ar crea probleme n cazul folosirii algoritmilor genetici.

Fig. 4.13. Condiia pentru ca o funcie de apartenen triunghiular s fie valid: a

13

unde N reprezint lungimea vectorului care reine gradele de apartenen, reprezint gradul de apartenen, iar temperatura. Aceast modalitate de defuzzificare reprezint de fapt o medie aritmetic ponderat avnd ca ponderi gradele de apartenen.

4.8.4. Validarea funciilor i dificult i aprute n realizarea acestora Pentru a valida algoritmul cu logic fuzzy de tip Mamdani realizat s-a folosit toolbox-ul fuzzy al

softului Matlab. O comparaie ntre rezultatele obinute cu toolbox-ul fuzzy i cu funcia care este testat este readat n fig. 4.17. Atunci cnd s-a fcut evaluarea folosind toolbox-ul fuzzy, s-au folosit 101 puncte. Rezultatul difer uor n situaia n care se folosete un numr diferit de puncte.Se poate observa c diferenele ntre rezultatele obinute cu toolbox-ul fuzzy i independent de acesta sunt mici (sub 0,05 oC) i astfel funcia se consider validat

Fig. 4.14. Variabilele corespunztoare funciilor de apartenen aferente intrrilor i ieirilor din algoritmul cu logic fuzzy

n cele prezentate mai sus, funcia a fost testat n situaia n care se respect ordinea ac. n toate aceste cazuri rezultatul rulrii funciilor a

x(7) x(9)

x(8)

x(16) x(18)

x(17)

x(25)

x(26)

x(27)

Temparatura operativ

x(1) x(3)

x(2)

x(10) x(12)

x(11

x(19)

x(20)

x(21)

Intensitatea muncii

x(4) x(6)

x(5)

x(13) x(15)

x(14)

x(22)

x(23)

x(24)

Gradul de izolare al mbrcmintei

14

fost zero, adic funcia s-a comportat ca i cum respectiva funcie de apartenen nu ar fi existat. Astfel, n cazul optimizrii folosind algoritmi genetici, dac este generat un individ care nu respect inegalitatea a

15

5.2. Folosirea teoriei posibilitilor n sistemele pervasive

Achiziia contextului n cazul sistemelor pervasive din cldiri se face folosind o serie de senzori, precum i informaii de la ocupanii cldirii. Informaiile de la senzori sunt afectate de erori, de aceea ele sunt considerate imprecise. Incertitudinea poate aprea din cauza informaiilor obinute de la ocupanii cldirii, dar i din cauza faptului c informaiile referitoare la context care sunt achiziionate sunt incomplete. Faptul c datele achiziionate sunt incomplete poate necesita modele matematice mai complexe, dar poate prezenta avantaje pentru utilizator, fiindu-i astfel protejat intimitatea. De asemenea, n unele situaii, pentru a-i monitoriza starea de sntate, unele persoane sunt rugate s in un jurnal, de exemplu al activitii fizice pentru o perioad de timp, iar pentru o persoan este practic imposibil s aprecieze exact, de exemplu, distana pe care a parcurs-o ntr-o zi sau viteza cu care s-a deplasat i poate chiar omite anumite evenimente petrecute n acea zi.

5.3. Msura de posibilitate i msura de necesitate Msura de posibilitate Distribuia de posibilitate Msura de necesitate

5.4. Posibilitatea i necesitatea cazuri particulare ale credibititii i plauzibilit ii

5.5. Raionamentul cu premise incerte

5.6. Recunoaterea activitii folosind teoria posibilitilor

Recunoaterea activitii este unul din domeniile de cercetare din cadrul sistemelor pervasive. n cadrul acestei lucrri, accentul cade pe recunoaterea activitii folosind o serie de senzori simpli, fr a folosi camere video care ar face utilizatorii s se simt n permanen monitorizai. Recunoaterea activitii este folosit mai ales n cazul persoanelor cu nevoi speciale i n cazul persoanelor n vrst.

5.7. Aplicaie numeric n care este folosit teoria posibilitilor n sistemele pervasive

n continuare este dat un exemplu numeric referitor la modul n care poate fi folosit teoria posibilitilor ntr-un sistem pervasiv. Dac unei persoane i se cere s i evalueze activitatea zilnic pentru a-i monitoriza sntatea i se primesc urmtoarele rspunsuri:

A. n cursul dimineii am fcut o plimbare de 20 de minute; B. la prnz am fcut o plimbare ntre 10 i 30 de minute, dar cel mai sigur au fost ntre 15 i 25 de minute; C. nu mai tiu sigur, dar este posibil s mai fi mers nc 10, maxim 15 minute.

fiecare dintre cele 3 rspunsuri poate fi reprezentat ca n fig. 5.2. Fiecare interval este caracterizat de 5 valori: valorile modal inferioar (#) i superioar (#),

decalarea spre stnga ($) i spre dreapta (%) i nlimea (), aa cum se poate vedea din fig. 5.3., rezultnd n final A(20;20;0;0;1), B(15;25;5;5;1), C(10;10;0;5;0,8).

Fig. 5.2. Reprezentarea celor 3 rspunsuri referitoare la activitatea fizic folosind teoria posibilitilor

20

1

0 minute

msura de posibilitate

A

1

0 20 minute

msura de posibilitate

B

30 10 15

C

10

1

0 minute

msura de posibilitate

0,8

16

Fig. 5.3. Caracteristicile intervalelor folosite n teoria posibilitilor

Interpretarea rspunsului persoanei poate fi observat n fig. 5.4. i este urmtoarea: persoana a crei sntate este monitorizat este cel mai posibil s fi mers pe jos ntre 35 i 45 de minute, dar este destul de posibil s fi mers chiar 56 de minute, fr a fi exclus s fi mers doar 30 de minute sau s fi ajuns chiar la 65 de minute.

Fig. 5.4. Interpretarea rspunsurilor persoanei chestionate referitor la activitatea fizic

Capitolul 6: Optimizarea algoritmilor cu logic fuzzy folosind algoritmi genetici

6.1. Introducere

Se poate considera c bazele algoritmilor genetici n forma n care sunt utilizai n prezent au fost puse de Holland n 1975 (Holland, 1975). Un alt studiu amnunit al algoritmilor genetici, care include numeroase exemple numerice este cel realizat de Michalewicz (Michalewicz, 1996). Algoritmii genetici sunt folosii pentru a determina minimul unei funcii f r a folosi o reprezentare grafic a funciei de minimizat. Funcia care urmeaz a fi minimizat se numete funcie fitness sau funcie de adecvare. Structura unui algoritm genetic este una relativ simpl i este prezentat n fig. 6.1.

Principalele probleme care pot aprea legate de folosirea algoritmilor genetici sunt timpul mare de rulare al acestora i faptul c pot rmne blocai n minime locale. O dat cu apariia computerelor cu o putere de calcul din ce n ce mai mare, timpul de rulare al algoritmilor genetici s-a redus foarte mult, dar reprezint nc un aspect ce este nevoie s fie luat n seam.

Structura general relativ simpl a unui algoritm genetic a permis interpretarea acesteia n diverse moduri i astfel, de-a lungul timpului au fost propuse diverse variante de algoritmi genetici, care difer de varianta iniial propus de Holland, mai ales n ceea ce privete modul de reprezentare al datelor. Acetia sunt considerai de unii cercettori drept algoritmi genetici modificai sau algoritmi genetici specifici, totui ei sunt considerai de un numr important de cercettori drept algoritmi genetici, nu algoritmi genetici modificai. Fig. 6.1. Structura unui

algoritm genetic

1. Iniializare

2. Evaluare

3. Selecie

4.ncruciare

5. Mutaie

6. Evaluare

Cel mai bun individ

17

6.1.1. Algoritmii genetici ca tehnic a calculului evoluionist

6.1.2. Populaia iniial n general, se recomand ca dac se cunoate o soluie aproximativ pentru o problem, s se

introduc acea soluie n populaia iniial a algoritmului genetic. Este de asemenea important s se determine numrul optim de indivizi dintr-o populaie, avnd n

vedere c un numr prea mic ar crea o diversitate insuficient, iar un numr prea mare ar crete foarte mult timpul de rulare. n cadrul acestui capitol, pentru a se decide asupra numrului de indivizi s-au realizat o serie de rulri i s-au comparat rezultatele.

Pentru a preveni convergena prematur, n cazul n care populaia iniial nu asigur acest lucru din cauza unei diversiti insuficiente, se poate folosi metoda numit algoritmul de optimizare de tip Bayesian (Pelikan:1999) care const n faptul c la fiecare nou epoc, civa dintre indivizii cei mai nepotrivii sunt nlocuii de indivizi generai aleatoriu. Pentru aceast tehnic s-a optat i n cazul algoritmului genetic modificat studiat n capitolul urmtor.

6.1.3. Selecia, mutaia i ncruciarea

Modul n care se face selecia, ncruciarea i mutaia sunt eseniale pentru modul n care funcioneaz algoritmul genetic pentru a evita convergena prematur, dar i pentru explorarea spaiul n mod eficient.

Selecia este operatorul folosit n algoritmii genetici cu ajutorul cruia se stabilete care dintre indivizi i n ce mod vor forma noua populaie.

Mutaia este operatorul cu ajutorul cruia se realizeaz mici modificri asupra cromozomilor. O reprezentare grafic a mutaiei unei gene dintr-un cromozom reprezentat n cod binar poate fi observat n fig. 6.3.

Fig. 6.3. Mutaia unei gene dintr-un cromozom reprezentat n cod binar

Fig. 6.4. Crearea unui nou cromozom folosind ncruciarea

ncruciarea este operatorul cu ajutorul cruia, din doi cromozomi selectai din populaia anterioar se creeaz un urma folosind o parte din genele primului cromozom i o parte din genele celui de-al doilea cromozom. O reprezentare grafic a crerii unui nou cromozom folosind ncruciarea este prezentat n fig. 6.4.

6.2. Optimizarea proceselor din instalaii folosind algoritmi genetici

6.2.1. Modaliti de optimizare a algoritmilor cu logic fuzzy folosind algoritmi genetici

6.2.2. Optimizarea funciilor de apartenen fuzzy

Optimizarea funciilor de apartenen fuzzy presupune, n cazul funciilor de apartenen triunghiulare modificarea parametrilor de care depind acestea pentru a minimiza funcia fitness. Acest lucru se realizeaz cu dificultate din cauza dependenei mari dintre variabile, mai ales n cazul n care exist un numr mare de reguli i nu se impun restricii asupra domeniului de variaie al parametrilor, dar i din cauza variaiilor mari care apar atunci cnd se modific un numr mic de parametri.

6.3. Toolbox-ul de algoritmi genetici al softului Matlab

Toolbox-ul de algoritmi genetici al softului Matlab este uor de folosit i permite studierea facil a diferitelor tipuri de selecii, mutaii i ncruciri, permite includerea n populaia iniial a unui individ cunoscut, precum i impunerea unor constrngeri. Populaia poate fi reprezentat att ca vector dublu, ct i

Mutaie

1 0 1 1 0 1 0

1 0 1 0 0 1 0

ncruciare

1 0 1 1 0 1 0 0 0 1 1 1 1 0

1 0 1 1 1 1 0

18

ca ir de caractere binare. De asemenea acest toolbox este foarte util n realizarea de comparaii atunci cnd se ncearc dezvoltarea unui alt algoritm genetic.

6.3.1. Echipamentul de calcul folosit

6.3.2. Funcia fitness care folosete toolbox-ul fuzzy al Matlab

Folosirea unei funcii fitness care folosete toolbox-ul fuzzy al softului Matlab este o variant care permite realizarea unui numr mare de rulri ntr-un mod simplu, care nu necesit scrierea unui numr mare de funcii, toate modificrile n ceea ce privete caracteristicile algoritmului cu logic fuzzy putnd fi fcute n toolbox-ul fuzzy care este uor de folosit.

Problemele care apar n cazul folosirii acestei funcii fitness sunt legate n primul rnd de erorile foarte frecvente care apar din cauza faptului c pentru a putea folosi implicaia fuzzy de tip Mamdani cu funcii de apartenen triunghiulare este nevoie s se respecte inegalitatea a

19

Fig. 6.9. Variaia minimului funcie fitness n funcie de numrul de indivizi din populaie. S-au realizat cte

trei rulri cu cte 100 de epoci cu acelai numr de indivizi

6.3.1.4. Determinarea modalitii optime de atribuire a adecvrii

6.3.1.5. Determinarea modalitii optime de selecie

6.3.1.6. Determinarea modalitii optime de ncruciare

6.3.1.7. Rularea algoritmului genetic cu setrile optime

Dup ce s-au determinat setrile optime referitoare la numrul de indivizi (70 de indivizi), la modalitatea de atribuire a adecvrii (n funcie de rang), la modalitatea de selecie (de tip rulet) i la modalitatea de ncruciare (de tip scattered), s-au realizat zece rulri cu cte 1000 de epoci. Rezultatele obinute pot fi observate n tab. 6.5. i fig. 6.14.

Rularea Minimul

funciei fitness 1 99.6045 2 50.9839 3 55.487 4 64.2289 5 59.9338 6 57.3019 7 101.82 8 57.3115 9 86.1609 10 67.5679

Tab. 6.5. Variaia minimului funciei fitness pentru 10 rulri realizate cu setrile considerate optime Fig. 6.14. Variaia minimului funciei fitness pentru 10 rulri realizate cu setrile considerate optime

Se poate observa c rezultatele obinute sunt foarte diferite ntre ele, ceea ce indic faptul c algoritmii genetici rmn blocai n minime locale. n fig. 6.15. poate fi observat cea mai bun suprafa

20

fuzzy generat n urma optimizrii folosind algoritmi genetici n comparaie cu suprafaa fuzzy de la care s-a plecat iniial.

(a) (b) Fig. 6.15. Comparaie ntre suprafaa fuzzy iniial (a) i suprafaa fuzzy rezultat n urma optimizrii

folosind algoritmii genetici (b)

Capitolul 7: Un algoritm genetic modificat pentru optimizarea funciilor de apartenen fuzzy

7.1. Introducere Pornind de la algoritmii genetici realizai de Holland, s-au realizat o serie de ali algoritmi genetici

mai compleci, folosii pentru a rezolva probleme mai complicate.

7.1.2. Regulatoare de tipul geno-fuzzy

7.2. Necesitatea studierii unui algoritm genetic modificat n urma analizei rulrilor realizate n capitolul anterior, s-a constatat faptul c algoritmul genetic

folosit rmne blocat n minime locale. n cadrul acestui capitol se face un prim studiu asupra unui algoritm genetic modificat menit s mbunteasc rezultatele rulrilor i care se dorete s poat fi implementat pe un echipament cu memorie limitat, de exemplu un microcontroler.

Acest algoritm genetic se numete algoritm genetic modificat deoarece nu folosete reprezentarea clasic de ir de caractere binare. n cazul acestui algoritm genetic modificat, n fiecare epoc, ntreaga populaie este reinut ntr-o matrice, care pe prima coloan reine valoarea funciei fitness, iar pe celelalte coloane sunt reinute genele cromozomului, rezultnd o matrice cu 70 de linii i 28 de coloane.

7.3. Populaia iniial Populaia iniial este generat sub forma unei matrici cu 70 de linii i 27 de coloane. Numrul de

linii reprezint numrul de indivizi din populaie, iar numrul de coloane reprezint numrul de gene dintr-un cromozom. Populaia poate fi generat att n mod aleatoriu, ct i folosind un individ cunoscut. Pentru a putea compara algoritmul genetic modificat cu rezultatele din capitolul anterior, se va folosi individul cunoscut din populaia iniial folosit n capitolul anterior. Pentru a crea ceilali indivizi, se vor genera valori aleatorii din anumite intervale, cu o singur zecimal dup virgul, deci genele cromozomilor din prima generaie se vor afla n anumite intervale. Doar n cazul populaiei iniiale, valorile generate aleatoriu vor fi ordonate cresctor pe grupuri de cte trei gene. Aceast ordonare creeaz indivizi care s respecte inegalitatea a

21

efectuate asupra celor mai buni 10 indivizi, iar ali 8 indivizi sunt generai aleatoriu pentru a crea o mai mare diversitate n cadrul populaiei. n matricea care conine populaia, indivizii sunt aranjai cresctor dup rata de fitness.

7.5. ncruciarea Pentru ncruciare s-a ales varinta de ncruciare de tip scattered. Se aleg cei doi cromozomi care

urmeaz s creeze un urma i se generez aleatoriu un vector alctuit din cifre de 0 i de 1 cu un numr de componente egal cu cel de gene. Cu ajutorul acestui vector, se decide cum se va realiza combinaia dintre cromozomi: dac n vectorul generat aleatoriu, se afl n dreptul unei gene cifra 0 atunci pentru urma se va alege gena din primul cromozom, dac a fost generat cifra 1, atunci se va alege gena din cel de-al doilea cromozom. Un exemplu al modului n care este generat un nou cromozom poate fi observat n tab. 7.2.

Tab. 7.2. Generarea unui nou cromozom prin ncruciare Gene x(1) x(2) x(3) x(4) x(5) x(6) x(7) x(8) x(9) x(10) x(11) x(12) x(13) vector generat

aleatoriu 1 0 1 1 0 1 0 1 0 0 1 0 1

cromozom 1 -4.8 0.2 1.7 -5.6 -0.1 2 -22.4 3.7 15.1 0.3 1.4 2.7 0.4

cromozom 2 -4.8 0.5 3.4 -4 -1.4 1.4 -30 -14.9 15.7 2.1 2.4 3 -3.2 cromozom

rezultat -4.8 0.2 3.4 -4 -0.1 1.4 -22.4 -14.9 15.1 0.3 2.4 2.7 -3.2

x(14) x(15) x(16) x(17) x(18) x(19) x(20) x(21) x(22) x(23) x(24) x(25) x(26) x(27)

1 1 0 1 1 0 1 0 0 1 0 0 1 0

1.7 5 -7.6 -11.1 21.2 1.2 2.5 7.4 1.1 2.2 2.2 21.3 32.8 33.3

1.1 2.9 6.1 10.9 18.3 -0.6 0.3 4.2 1.5 2.1 8 20 47.8 32

1.1 2.9 -7.6 10.9 18.3 1.2 0.3 7.4 1.1 2.1 2.2 21.3 47.8 33.3

7.6. Mutaia n cazul mutaiei, avnd n vedere c o parte din indivizi sunt generai aleatoriu, s-a folosit varianta

mutaiilor mici, adic de 0,1 la stnga sau la dreapta. Se va genera aleatoriu un vector alctuit din numerele -0,1; 0 i 0,1. Acest vector se va aduna cu vectorul asupra cruia se face mutaia. Dac n vectorul generat aleatoriu n dreptul unei gene s-a generat valoarea -0,1 atunci se realizeaz o mutaie spre stnga, dac se genereaz 0,1 atunci se realizeaz o mutaie spre dreapta, iar dac este generat 0, atunci asupra acelei gene nu se realizeaz nicio mutaie. Dei tipul de mutaie folosit modific n relativ mic msur genele cromozomului, valoarea ratei de fitness se modific considerabil, avnd n vedere numrul mare de gene care este modificat.

7.7. Funcia fitness

Pentru validare se va folosi funcia fitness utilizat i n capitolul anterior care nu folosete toolbox-ul fuzzy, dar va fi folosit de asemenea i funcia fitness bazat pe toolbox-ul fuzzy al softului Matlab care ofer avantajul modificrii mult mai facile a caracteristicilor algoritmului cu logic fuzzy i faptul c nu mai este necesar o validare a funciilor folosite, cele din toolbox-ul fuzzy fiind deja verificate n acest sens. Valoarea funciei fitness va fi calculat n cadrul funciilor care realizeaz mutaiile, ncrucirile sau genereaz n mod aleatoriu noi indivizi.

7.8. Validarea algoritmului genetic modificat

Pentru a valida algoritmul genetic modificat s-au realizat 10 rulri cu cte 1000 de epoci. Rezultatele obinute sunt prezentate n tab. 7.4 i fig. 7.2. S-a realizat de asemenea i o comparaie cu rezultatele obinute cu toolbox-ul de algoritmi genetici al soft-ului Matlab. Deoarece algoritmul genetic folosit de soft-ul Matlab este mai precis faa de algoritmul genetic modificat, pentru a le compara pe cele dou s-a inut cont pe lng valorile minime ale funciei fitness i de variaia pe care o au valorile minimului funciei fitness fa de medie.

22

Rularea Minimul

funciei fitness 1 77.0679 2 98.9074 3 71.7875 4 116.8692 5 98.8744 6 78.8995 7 101.2277 8 70.2992 9 85.3052 10 97.2579

Tab. 7.4. Variaia minimului funciei fitness pentru 10 rulri realizate cu includerea n populaia

iniial a unui individ cunoscut Fig. 7.2. Variaia minimului funciei fitness pentru 10 rulri realizate cu includerea n populaia iniial a

unui individ cunoscut

O comparaie ntre valorile minimului funciei fitness obinute cu toolbox-ul Matlab i cu algoritmul genetic modificat este prezentat n fig 7.3, iar o variaie n valoare absolut a diferenei dintre minimul funciei fitness i medie este prezentat n fig. 7.4 att pentru algoritmul genetic realizat cu toolbox-ul Matlab, ct i cu algoritmul genetic modificat. Se poate observa c valorile obinute cu algoritmul genetic modificat i cu toolbox de algoritmi genetici sunt apropiate n cazul ambelor comparaii, fiind chiar superioare n cazul n care se face comparaia cu media rulrilor, ceea ce indic faptul c algoritmul genetic modificat returneaz rezultatele ateptate.

Fig. 7.3. Comparaie ntre rezultatele obinute cu toolbox-ul de algoritmi genetici al softului Matlab i cu algoritmul genetic modificat prezentat n acest capitol

0

20

40

60

80

100

120

140

1 2 3 4 5 6 7 8 9 10

Min

imu

l fu

nti

ei

fitn

ess

Rularea

Minumul functiei fitness folosind algoritmul genetic modificat

Minimul functiei fitness folosing toolbox-ul MATLAB

23

Fig. 7.4. Comparaie ntre rezultatele obinute cu toolbox-ul Matlab i algoritmul genetic modificat n ceea

ce privete diferena dintre minimul funciei fitness i media rulrilor

7.9. Rularea algoritmului genetic modificat fr includerea n populaia iniial a unui individ cunoscut

7.10. Folosirea filtrelor

Capitolul 8: Implementarea algoritmului de determinare a referinei cu logic fuzzy pe microcontrolerul AVR

n cadrul acestui capitol se prezint dou modaliti cu ajutorul crora algoritmul cu logic fuzzy pentru determinarea referinei prezentat n capitolele anterioare poate fi implementat pe un microcontroler, n cazul de fa AVR ATMega 2560-16AU. Specific primei modaliti de implementare este faptul c n memoria microcontrolerului este implementat doar suprafaa generat de algoritmul fuzzy, fr a fi implementat i modalitatea de determinare a acestei suprafee, iar intrrile i ieirea specifice algoritmului fuzzy de determinare a referinei pot fi citite pe ecranul cu cristale lichide. n cazul celei de-a doua modaliti, se implementeaz efectiv funciile cu ajutorul crora se genereaz rspunsul algoritmului fuzzy. Ambele metode prezint diverse avantaje i dezavantaje.

8.1. Principalele caracteristici ale microcontrolerului AVR ATMega 2560-16AU

8.2. Descrierea modalitii de implementare a algoritmului fuzzy de determinare a referinei pe microcontrolerul AVR ATMega 2560

Determinarea unei modaliti optime de implementare a algoritmului de determinare a referinei cu logic fuzzy pe un microcontroler este important avnd n vedere numrul mare de astfel de implementri din cadrul unei cldiri, fiind necesar cel puin o implementare pentru fiecare utilizator n parte. Pentru a realiza programarea microcontrolerului AVR ATMega 2560 s-a folosit softul Arduino 1.0.5.

Prima variant de implementare presupune reinerea n memoria microcontrolerului doar a suprafeei fuzzy generat de algoritmul de determinare a referinei cu logic fuzzy optimizat cu algoritmi genetici. Pentru a reine aceast suprafa s-a realizat discretizarea ambelor intrri cu un pas de discretizare de 0,1 uniti i pentru fiecare punct rezultat n urma acestei discretizri este reinut ieirea. Ieirea este reinut

24

sub forma unei matrici cu 21 de linii i 31 de coloane, pentru a putea reine fiecare linie a matricii fiind necesar o nou variabil. Datele folosite n cazul acestei implementri sunt reinute ca numere ntregi.

Pentru a prelua datele de intrare, gradul de izolare al mbrcmintei i intensitatea muncii, se folosesc dou poteniometre de 10 k cu caracteristic liniar conectate la pinii A6 i A7. O imagine a montajului folosit este redat n fig. 8.3. Aceast modalitate de implementare are avantajul simplitii i al faptului c ocup un spaiu redus n memoria microcontrolerului, dar i dezavantajul faptului c este necesar o rulare n mod centralizat, pe un alt soft pentru a obine valorile necesare implementrii pe microcontroler.

A doua modalitate de implementare presupune calcularea suprafeei folosite pentru determinarea referinei pe baza adaptrii funciilor din Matlab prezentate n capitolele anterioare. n cazul acestei implementri s-a realizat o discretizare a ieirii, adic a temperaturii operative cu un pas de 0,1, rezultnd vectori cu 221 de componente deoarece temperatura operativ poate lua valori ntre 8 i 30 oC, pentru implementarea fiecrei reguli fiind necesar un astfel de vector. Pentru preluarea datelor de intrare se folosesc, ca i la metoda anterioar pinii A6 i A7 la care sunt legate dou poteniometre de 10 k, iar pinul de ieire este pinul 9.

Aceast modalitate de implementare ocup un spaiu mai mare n memorie, iar acest lucru poate fi important n cazul n care numrul de reguli fuzzy este mult mai mare dect n exemplul prezentat n acest capitol. n schimb, nu mai este necesar rularea algoritmului de determinare a referinei cu logic fuzzy ntr-un alt soft pentru determinarea suprafeei fuzzy, iar n cazul n care funciile de apartenen fuzzy se modific, este necesar modificarea doar a parametrilor acestora, fr a fi necesar modificarea ntregii suprafee fuzzy rezultate.

ntr-o situaie real, n care se face implementarea unui algoritm asemntor celui prezentat mai sus, se poate opta pentru una din variantele de implementare prezentate n funcie de caracteristicile echipamentelor folosite.

Fig. 8.3. Montajul cu ajutorul cruia se face rularea algoritmului de determinare a referinei cu logic fuzzy

Capitolul 9: Realizarea unui model al unei aplicaii pervasive ce are ca scop obinerea strii de bine i a unei economii de energie

n (Leung i Ge:2013) s-au fcut cercetri conform crora n timpul nopii, n ncperi se poate scdea temperatura operativ pn n jurul valorii de 15 oC fr a fi afectat confortul termic n timpul somnului. ntrebarea care apare este cum se determin momentul n care temperatura n ncpere poate fi sczut. Un posibil rspuns la aceast ntrebare este propus n continuare prin folosirea unei serii de senzori simpli cu ajutorul crora poate fi recunoscut momentul cnd persoana merge la culcare pe baza recunoaterii activitii. Astfel se vor folosi senzori de prezen pentru a detecta dac n locuin se afl un utilizator, n absena lui, funcionarea sistemului pervasiv fiind inutil, un senzor de presiune pentru a detecta cnd s-a aezat n pat persoana, un senzor crepuscular pentru a detecta dac este sau nu lumin n ncpere, iar activitatea va putea fi recunoscut doar n intervalul orar 22-8. Scopul acestui studiu este de a estima economia de energie rezultat n situaia n care va fi implementat un astfel de sistem. Economia de energie realizat se va calcula pentru o ncpere dintr-un apartament aflat la un etaj intermediar i care are un singur perete exterior. Peretele exterior este alctuit din 20 cm beton celular autoclavizat, 2 cm mortar de var i ciment i 10 cm polistiren expandat. Modelul matematic folosit ine cont doar de transferul termic prin conducie i convecie, nu i de transferul termic prin radiaie. De asemenea, este luat n calcul doar transferul termic prin elementele exterioare de anvelop, nu este luat n calcul

25

transferul de cldur realizat prin pereii i tmplria interioar, iar temperatura pereilor interiori este considerat egal cu temperatura aerului interior. n simulrile realizate se ine cont de capacitatea termic a peretelui exterior i de aceea, aceste simulri pot fi considerate a fi realizate n regim nestaionar. Temperatura n ncpere este considerat omogen, nelundu-se n considerare variaiile pe orizontal i pe vertical ale acestei temperaturi. Pentru a simula temperatura exterioar, se consider o temperatur medie de -5 oC, avnd o variaie sinusoidal cu amplitudinea de 8 oC. S-a optat pentru aceast temperatur n lipsa unor date referitoare la temperatura exterioar care ar trebui considerat n astfel de situaii. Economia de energie realizat se calculeaz fa de situaia n care n ncpere ar fi 20 oC pe toat durata zilei. 9.1. Transferul termic prin pereii exteriori 9.2. Transferul termic prin ferestre 9.3. Alegerea modalitii de rezolvare a ecuaiilor 9.4. Modelul realizat n Simulink

Fig. 9.8 Schema realizat n Simulink a ncperii nclzite cu o surs de nclzire controlat de un controler PID numeric (stnga) Fig. 9.9 Detalierea subsistemului surs nclzire (dreapta)

26

n continuare, este prezentat schema realizat n Simulink a ncperii nclzite de o surs de

nclzire controlat de un controler PID numeric. (fig. 9.8). Acesta conine trei subsisteme denumite camer, surs de nclzire i generare context prezentate n fig. 9.9, 9.10 i 9.11. De asemenea n fig. 9.12 este detaliat blocul chart realizat folosind stateflow chart. Simularea este realizat pentru un interval de timp de 48 de ore, dar consumul este evaluat doar pentru ultimele 24 de ore.

Fig. 9.10 Detalierea subsistemului camera

Detalierea blocurilor folosite Modelul matematic implementat

9.5. Evaluarea economiei de energie

Reglarea debitului de agent termic se face n funcnu n funcie de temperatura operativnesemnificativ n urma calculelor i faptul cnu de temperatura operativ nu influen

S-a ales efectuarea reglrii n funcfi calculat mai exact, n cazul temperaturii operative fiind nevoie smobilier din ncpere. Economia de energieaerului scade n timpul nopii pn la 15

Fig. 9.11 Detalierea subsistemului generare contextFig. 9.12 Detalierea blocului chart (dreapta)

Capitolul 10: Concluzii i contribu

10.1. Concluzii i perspective

Prezenta lucrare a studiat un domeniu relativ nou perspectiva integrrii instalaiilor din construceste care ptrunde i se rspndete, iar acest tip n viaa de zi cu zi i s ne poat asista n toate activitPunerea n practic a unei astfel de idei este posibil

27

ic implementat

Evaluarea economiei de energie

Reglarea debitului de agent termic se face n funcie de temperatura aerului din interiorul ncie de temperatura operativ, dar diferena dintre aceste dou

i faptul c reglarea temperaturii se face funcie de tempatura interioar nu influeneaz semnificativ rezultatele. rii n funcie de temperatura aerului interior deoar

mai exact, n cazul temperaturii operative fiind nevoie s se in seama inclusiv de elementele de Economia de energie poate ajunge pn la aproape 8 % atunci cnd temperatura la 15 oC.

Fig. 9.11 Detalierea subsistemului generare context (stnga)

Fig. 9.12 Detalierea blocului chart (dreapta)

i contribu ii originale

i perspective

ucrare a studiat un domeniu relativ nou i puin cunoscut, cel al sistemelor pervasive, din iilor din construcii ntr-un astfel de sistem. Semnific

, iar acest tip de sisteme tocmai acest lucru i-l propun, adic asista n toate activitile pe care le desfur

a unei astfel de idei este posibil datorit progreselor tehnolo

ie de temperatura aerului din interiorul ncperii, a dintre aceste dou temperaturi a rezultat

ie de tempatura interioar i

ie de temperatura aerului interior deoarece aceasta se consider a seama inclusiv de elementele de

% atunci cnd temperatura

(stnga)

in cunoscut, cel al sistemelor pervasive, din un astfel de sistem. Semnificaia termenului pervasiv

l propun, adic s ptrund urm, indiferent de locaie.

progreselor tehnologice din ultima perioad

28

care au dus la scderea preului echipamentelor necesare pentru a implementa un sistem pervasiv, element deloc de neglijat avnd n vedere numrul mare de echipamente necesare. Cercetrile realizate pn n prezent n domeniul sistemelor pervasive sunt relativ restrnse i nu se axeaz pe domeniul instalaiilor din construcii. n cadrul acestei lucrri, ideea de sistem pervasiv este transpus n practic prin intermediul unor aplicaii concrete n acest sens, una din ele fiind implementat pe un microcontroler. Referitor strict la prima aplicaie realizat n cadrul acestei teze, ca o cercetare viitoare se dorete testarea ei pe un grup de persoane care s i poat exprima prerea referitor la satisfacia pe care aceast aplicaie le-o ofer, dac este uor de utilizat i dac o prefer reglrii clasice realizate pn n prezent. De asemenea, un alt pas n cercetarea viitoare este mbuntirea algoritmului genetic modificat realizat prin studierea altor modaliti de realizare a ncrucirilor i mutaiilor i implementarea acestuia pe un microcontroler pentru a realiza descentralizarea folosirii algoritmilor genetici. Din punctul de vedere al logicii fuzzy, pe viitor un subiect de cercetare este studierea folosirii unei alte implicaii fuzzy, n locul celei de tip Mamdani, care este cunoscut ca o implicaie de tip local i studierea implicaiilor fuzzy de tip global i al potenialului pe care acestea l ofer n sistemele pervasive. Alte cercetri care merit realizate referitor la sistemele pervasive privite din perspectiva instalaiilor din construcii sunt realizarea altor aplicaii pervasive de mic amploare i testarea acestora pentru a fi ntr-o etap ulterioar integrate ntr-un sistem de complexitate mult mai mare, a crui structur va trebui, de asemenea, s fie studiat n detaliu. n ceea ce privete logica fuzzy i teoria posibilitilor, acestea sunt potrivite pentru a prelucra date provenite de la utilizatori, iar modul n care acestea pot fi folosite n continuare n sistemele pervasive necesit cercetri amnunite pe baze de date concrete obinute n urma implemetrii fizice a sistemelor pervasive. Un element important referitor la sistemele pervasive este recunoaterea activitii desfurate de o anumit persoan, iar acest lucru se poate face cu succes folosind teoria posibilitilor. Recunoaterea activitii are aplicaii imediate mai ales n asistena oferit persoanelor n vrst i persoanelor cu dizabiliti pentru a-i putea continua activiatatea n propriile locuine, dar i n ceea ce privete economia de energie. n penultimul capitol al tezei, este realizat un model al unei aplicaii pervasive care poate fi folosit pentru a realiza o economie de energie.

10.2. Contribuii originale

n al doilea capitol al acestei teze, dup cel introductiv, se realizeaz un studiu referitor la conceptul de sistem pervasiv, la caracteristicile acestuia, cu accent pe sensibilitatea la context i la stadiul actual de dezvoltare al sistemelor pervasive, evideniindu-se faptul c aplicaiile dezvoltate momentan sunt de complexitate redus, urmnd ca pe viitor acestea s fie incluse n sisteme mult mai complexe. De asemenea, bazele de date pervasive sunt puine att datorit implementrii fizice reduse a sistemelor pervasive, ct i faptului c oamenii nu pot fi folosii n mod extensiv n astfel de sisteme. n capitolul al treilea este luat n discuie conducerea automat a proceselor din instalaii, evideniindu-se particularitile care pot s apar atunci cnd sistemele clasice sunt nlocuite cu sistemele pervasive, modalitatea n care se realizeaz interaciunea utilizatorului cu mediul construit i faptul c acesta i poate exprima preferinele. Capitolul al patrulea este dedicat logicii fuzzy. n cadrul acestui capitol este descris aplicaia pervasiv care permite utilizatorilor s i exprime preferinele referitor la temperatura operativ pe care o prefer n funcie de vestimentaia pe care o poart i de activitatea pe care o desfoar. Pe baza preferinelor exprimate, folosindu-se un algoritm cu logic fuzzy, se determin o suprafa pentru fiecare utilizator care corespunde opiunilor acestuia. Pentru a putea realiza aceast suprafa, funciile de apartenen fuzzy trebuie modificate, modificare ce urmeaz s fie fcut cu ajutorul algoritmilor genetici, iar n acest sens s-a realizat un algoritm cu logic fuzzy de tip Mamdani care s poat fi cu uurin folosit mpreun cu algoritmii genetici, fr a impune restricii funciilor de ncruciare i de mutaie. Acest algoritm a fost validat cu ajutorul toolbox-ului fuzzy al Matlab, iar rezultatele returnate au fost foarte apropiate ntre ele, diferenele aprute fiind cauzate de modalitatea diferit de discretizare folosit. Pentru a putea realiza un astfel de algoritm a fost nevoie de cunoaterea n profunzime a aparatului matematic care st la baza logicii fuzzy. n capitolul al cincilea este explicat modul n care bazele de date pervasive pot fi prelucrate folosind teoria posibilitilor i potenialul pe care aceasta l ofer n ceea ce privete recunoaterea activitii. Este de

29

asemenea dat i un exemplu numeric referitor la modul n care teoria posibilitilor poate fi folosit n sistemele pervasive.

n capitolul al aselea se realizeaz un studiu referitor la modul n care un algoritm cu logic fuzzy poate fi optimizat folosind algoritmii genetici. Se testeaz mai multe variante de selecie, de ncruciare i de mutaie, numere diferite de indivizi existeni n populaie i se aleg setrile considerate optime. Pentru a determina care sunt setrile optime se realizeaz cte trei rulri cu cte o sut de epoci pentru fiecare variant, iar pentru a alege varianta optim se ine cont ce rularea cea mai bun dintre cele trei i de media rulrilor. Dup ce se realizeaz zece rulri cu setrile optime, se ajunge la concluzia c atunci cnd se ncearc optimizarea funciilor de apartenen fuzzy folosind algoritmii genetici din toolbox-ul de algoritmi genetici al soft-ului Matlab, acetia rmn blocai n minime locale deoarece rezultatele obinute la rulri consecutive ale algoritmilor cu aceleai setri difer foarte mult ntre ele i de aici apare necesitatea studierii unui alt tip de algoritm genetic.

n capitolul al aptelea, pe baza rezultatelor obinute n capitolul anterior care se doresc a fi mbuntite, se concepe un algoritm genetic modificat care permite ca la fiecare nou generaie, pe lng indivizii rezultai prin ncruciare i prin mutaie s fie inclui i o serie de indivizi generai aleatoriu care s duc la creterea diversitii populaiei i s mpiedice convergena prematur. Acest algoritm a fost testat cu succes pentru optimizarea algoritmului cu logic fuzzy descris anterior. Prin comparaie cu toolbox-ul de algoritmi genetici al softului Matlab, algoritmul genetic modificat returneaz soluii mai apropiate ntre ele dect cele rezultate prin utilizarea toolbox-ului de algoritmi genetici. n capitolul al optulea, algoritmul de determinare a referinei cu logic fuzzy este implementat pe microcontrolerul AVR ATMega 2560 n dou modaliti de implementare. Prima modalitate presupune ncrcarea n memoria microcontrolerului doar a suprafeei fuzzy rezultate, iar a doua modalitate presupune calcularea efectiv, de ctre microcontroler a suprafeei fuzzy. n capitolul al noulea, este realizat un studiu referitor la economia de energie care s-ar putea face ntr-o ncpere dintr-o cldire de locuit n condiiile n care s-ar implementa o aplicaie pervasiv care s reduc temperatura operativ n ncpere pe timpul nopii pn n jurul valorii de 15 oC fr a crea disconfort n timpul somnului. Economia de energie poate ajunge pn la 8 %.

Principalele contribuii originale ale autoarei tezei de doctorat, prezentate succint, sunt urmtoarele: n ceea ce privete sistemele pervasive: - clarificarea semnificaiei temenului pervasiv nsoit de exemple n acest sens; - introducerea termenului de pervasiv n domeniul instalaiilor din construcii; - prezentarea unor tehnologii care pot fi folosite n viitor n sistemele pervasive; - propunerea unui model de sistem de reglare automat care s poat fi integrat ntr-un sistem

pervasiv; - analiza caracteristicilor sistemelor pervasive i al modului n care conducerea automat a proceselor

din instalaii este influenat de includerea acestora n sistemele pervasive; n ceea ce privete teoria posibilitilor: - analiza avantajelor folosirii teoriei posibilitilor n sistemele pervasive, avnd n vedere c folosind

aceast teorie se poate lucra n acelai timp cu date care sunt imprecise i incerte; - analiza modului n care se face recunoaterea activitii folosind teoria posibilitilor; - realizarea unei aplicaii numerice care arat modul n care poate fi folosit teoria posibilitilor n

sistemele pervasive; n ceea ce privete logica fuzzy: - realizarea unei aplicaii pervasive cu ajutorul creia temperatura operativ dintr-o ncpere s se

modifice n funcie de vestimentaia pe care o poart i activitatea pe care o desfoar utilizatorii, fiecare utilizator avnd posibilitatea s i exprime individual preferinele;

- realizarea unui algoritm cu logic fuzzy pentru determinarea referinei folosind toolbox-ul fuzzy al Matlab;

- realizarea i validarea unui algoritm cu logic fuzzy pentru determinarea referinei care s poat fi optimizat cu uurin folosind algoritmii genetici, algoritm realizat independent de toolbox-ul fuzzy al Matlab;

n ceea ce privete algoritmii genetici:

30

- conceperea unei modaliti de determinare a caracteristicilor optime de rulare a unor algoritmi genetici pe baza realizrii a cte 3 rulri cu cte 100 de epoci i inndu-se cont de cea mai bun rulare i de media rulrilor;

- optimizarea algoritmului cu logic fuzzy pentru determinarea referinei folosind toolbox-ul de algoritmi genetici al Matlab cu caracteristicile optime de rulare determinate anterior;

- realizarea unui algoritm genetic modificat pentru optimizarea algoritmului cu logic fuzzy pentru determinarea referinei fr a micora diversitatea populaiei i special conceput pentru ca pe viitor s poat fi implementat pe dispozitive cu memorie limitat;

- crearea unei noi populaii n cadrul algoritmului genetic modificat care conine indivizi generai aleatoriu;

- realizarea unui algoritm genetic modificat care reine toi indivizii din toate epocile sub form de matrice, la final fiind posibil accesul la oricare din aceti indivizi;

n ceea ce privete implementarea pe microcontroler: - implementarea pe microcontrolerul AVR ATMega 2560 a algoritmului cu logic fuzzy pentru

determinarea referinei folosind doar suprafaa fuzzy generat cu ajutorul softului Matlab; - implementarea pe microcontrolerul AVR ATMega 2560 a algoritmului cu logic fuzzy pentru

determinarea referinei scriind programul pentru calculul suprafeei fuzzy n memoria microcontrolerului; n ceea ce privete economia de energie: - realizarea unui model n Simulink, folosind i blocuri din Simscape, care s simuleze pierderile de

cldur dintr-o ncpere dintr-o cldire de locuit n timpul unei zile de iarn i s evalueze consumul de energie necesar pentru a menine o anumit temperatur n ncpere;

- analiza economiei de energie care se poate realiza ntr-o ncpere dintr-o cldire de locuit prin implementarea unei aplicaii pervasive cu ajutorul creia n timpul nopii temperatura operativ din ncpere scade pn n jurul valorii de 15 oC, fa de consumul care s-ar fi nregistrat n situaia n care n ncpere ar fi fost tot timpul 20 oC. n prezenta tez de doctorat am studiat modul n care conducerea automat a proceselor din instalaii este influenat de includerea acestora n sistemele pervasive. Ca elemente de inteligen artificial s-au studiat logica fuzzy, teoria posibilitilor i algoritmii genetici. Aplicaiile realizate, care permit utilizatorilor s i exprime preferinele i s obin o economie de energie sunt n concordan cu ideea de sistem pervasiv care i propune s ne asiste toate activitile integrndu-se suficient de bine n viaa de zi cu zi, astfel nct s nu mai fim contieni de existena lui.

Bibliografie selectiv

1 Caluianu, S., Culcea, M., A modified genetic algorithm used for tuning controllers integrated in pervasive systems, Sustainable Solutions for Energy and Environment, EENVIRO, 2014

2 Caluianu, S., Aplicarea logicii fuzzy pentru controlul debitului unui cazan, Revista Electricianul, nr. 6/1997

3 Caluianu, S., Contribuii la supravegherea centralizat a polurii atmosferei, tez de doctorat, Bucureti, 1995

4 Caluianu, S., Inteligen artificial n instalaii Logica fuzzy i teoria posibilitilor , Matrix Rom, Bucureti 2000

5 Costea A., and Nastac, I., Assessing the Predictive Performance of ANN Classifiers Based on Different Data Preprocessing Methods, Internat. Journal of Intelligent Sys. Acc. Fin. Mgmt. vol. 13, issue 4 (December 2005), pp. 217-250

6 Culcea, M., Building Management System aferent unei cldiri de birouri, lucrare de disertaie, Bucureti, 2011

7 Culcea, M., Oancea, C., Caluianu, S., O incursiune n lumea sistemelor pervasive, Cea de-a treia ediie a conferinei naionale de cercetare n construcii, economia construciilor, arhitectur, urbanism i dezvoltare teritorial cu participare internaional, Bucureti, 11 mai 2012, Volumul 3, Nr. 2/2012, ISSN 2069-0509, pag. 79-82. Indexat BDI: ULRICHSweb, Index Copernicus, EBSCOhost, getCITED, SCIPIO. Disponibil on-line: http://uac.incd.ro/Art/v3n2a09.pdf

8 Culcea, M., Pecsi, R., Caluianu, S., The pervasive systems used in order to aid the aged peoples surveillance, with mobile phone alerting, Buletinul Institutului Politehnic din Iai, Tomul LX(LXIV), Fasc. 1, 2014, Secia Construcii. Arhitectur, pag. 81-89, revist B+,

31

indexat n: Index Copernicus, ProQuest, Ebsco, DOAJ, BASE, Scientific Commons, DRIVER, WorldWideScience.org, getCITED, ResearchGATE, Ovid LinkSolver, Genamics Journalseek, Electronic Journals Library, WorldCat, Intute. Disponibil on-line: http://www.ce.tuiasi.ro/~bipcons/Archive/442.pdf

9 Culcea, M., Pecsi, R., Caluianu, S., The tunning of the fuzzy controllers used in the pervasive systems, Mathematical Modelling in Civil Engineering Journal, no. 2/2014, pag. 15-20, revist B+, indexat n Versita/De Gruyter, ProQuest, EBSCO. Disponibil on-line:http://www.degruyter.com/view/j/mmce.2014.10.issue-2/mmce-2014-0007/mmce-2014-0007.xml

10 Culcea, M., Raport de cercetare 1: Sisteme pervasive utilizate n tehnicile moderne computaionale, 2012

11 Culcea, M., Raport de cercetare 2: Logica fuzzy i teoria posibilitilor n modelarea sistemelor pervasive, 2012

12 Culcea, M., Raport de cercetare 3: Optimizarea sistemelor pervasive bazate pe elemente de inteligen artificial i algoritmi genetici, 2013

13 Dey, A. K., Abowd, G. D. Towards a Better Understanding of Context and Context-Awareness. In Proceedings of the Workshop on The What, Who, Where, When, and How of Context-Awareness within CHI00, 1-12, 2000

14 Dubois, D., Prade, H., Theorie des possibilites Applications a la representation des connaissances en informatique, Masson, 1985

15 Holland, J. H., Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence. Ann Arbor, MI: University of Michigan Press 1975

16 Ionescu, C., Larionescu, S., Caluianu, S., Popescu, D., Automatizarea instalaiilor. Comenzi automate, Matrix Rom, Bucureti 2002

17 Kourouthanassis, P., Giaglis, G., Vrechopoulos, A., Enhancing user experience through pervasive information system: The case of pervasive retailing. International Journal of Information Management, 2007

18 Mamdani, E. H., Assilian, S., An experiment in linguistic synthesis with a fuzzy controller, Int. Journal of Man-Machine Studies, 1975

19 Michalewicz, Z., Genetic Algorithms + Data Structures = Evolution Programs, USA 1996 20 Minc, E., Brezeanu, I., Dragomir, O., Dumitrache, C., tefan, V., Dragomir, F., Conducerea

inteligent a sistemelor automate Fundamente teoretice, Matrix Rom, Bucureti, 2010 21 Nstac, D.I., Prelucrarea inteligent a informaiilor multidisciplinare pentru prognoze adaptive

n contextual globalizrii , Editura Muzeul Naional al Literaturii Romne, Bucureti, 2013 22 Oancea, C., Contribuii la implementarea inteligenei artificiale n determinarea confortului

global din cldirile inteligente, tez de doctorat, Bucureti, 2012 23 Oancea, C., Culcea, M., The use of artificial intelligence for pervasive systems in intelligent

buildings, a V-a ediie a Conferinei de Cercetare n Construcii, Economia Construciilor, Urbanism i Dezvoltare Teritorial cu participare internaional, 19 aprilie, 2013, http://www.incd.ro/wp-content/uploads/2012/03/ATUAC05R.pdf

24 Oancea C., Caluianu S., (2013)- Designing intelligent buildings for peoples well-being using an artificial intelligence approach, Chapter 6 in Intelligent Buildings, Design, management and operation, Second Edition, Editor: Derek Clements-Croome, ICE Publishing, Londra, ISBN 978-0-7277-5734-0 doi: 10.1680/ib.57340.089

25 Pelikan, M., Goldberg, D., Cantu-Paz, E., BOA: The Bayesian Optimization Algorithm, Proceedings of the Genetic and Evolutionary Computation Conference, I, 525-532, 1999

26 Shafer, S., Krumm, J., Brumitt, B., Meyers, B., Czerwinski, M., Robbins, D., The New EasyLiving Project at Microsoft Research. Joint DARPA/NIST Smart Spaces Workshop, July 30-31, Gaithersburg, Maryland, 1998

27 Weiser, M. The Computer for the Twenty-First Century. Scientific American, 265(3), pp.94-104, 1991

28 Zhao, R., Wang, J., Visualizing the research on pervasive and ubiquitous computing, Scientometrics, vol. 86, issue 3, 593-612, 2011