Die Erfindung betrifft ein Verfahren zur Erzeugung
einer eindeutigen skalaren Stellgröße u oder eines eindeutigen Vektors u
von Stellgrößen am Ausgang eines Fuzzy-Reglers
in Abhängigkeit von einer Reglereingangsgröße e oder von mehreren zu einem Vektor e
zusammengefaßten Reglereingangsgrößen
(DE - atp Automatisierungstechnische Praxis, 1992, 4, S. 176-184, und 5, S. 239-246).
Für die folgende Darstellung werden Fuzzy-Regler zugrunde gelegt, die nur eine Eingangsgröße
e und eine Ausgangsgröße u aufweisen. Der Gegenstand der Erfindung kann aber in
analoger Weise auf Fuzzy-Regler übertragen werden, die mehrere Eingangs- und mehrere Ausgangsgrößen
aufweisen.
Die Arbeitsweise herkömmlicher Fuzzy-Regler ergibt sich beispielsweise aus der Veröffentlichung
H. Kiendl und M. Fritsch: "Fuzzy Control", at Automatisierungstechnik 41 (1993), 2, S. A5-A8,
und läßt sich anhand von Bild 1 wie folgt beschreiben: Die Reglereingangsgröße e wird dem Fuzzifizierungsmodul
1 zugeleitet. Dieser ermittelt mit Hilfe der eingangsseitigen Zugehörigkeitsfunktionen
2 für jeden der linguistischen Werte ai, wie z. B. "verschwindend", "positiv klein" und
"positiv groß", die für die Eingangsgröße e vorgesehen sind, in welchem Grade er einem aktuell
angelegten Wert der Eingangsgröße e zukommt. Diese auch als Wahrheitsgrade w(e=ai) der linguistischen
Aussagen e=ai bezeichneten Werte werden einem Fuzzy-Logik-Modul 3 zugeleitet,
der die in einem Regelsatz zusammengefaßten linguistischen Regeln, Fuzzy-Operatoren und eine
Inferenzmaschine enthält. Aufgrund dieser Wahrheitsgrade wird mit Hilfe der logischen Operatoren
festgestellt, in welchem Grade die Prämissen der Regeln erfüllt sind. Daraus wird durch die
Schlußfolgerungen der Inferenzmaschine und mit Hilfe der ausgangsseitigen Zugehörigkeitsfunktionen
4 eine resultierende Zugehörigkeitsfunktion µe(u) ermittelt. Sie gibt für jeden Wert der
Ausgangsgröße u an, in welchem Grade er aufgrund der Schlußfolgerungen aller Regeln "günstig"
ist. Diese Zugehörigkeitsfunktion µe(u) wird einem Defuzzifizierungsmodul 5 zugeleitet. Er mittelt
daraus - beispielsweise mit Hilfe der bekannten Schwerpunktmethode - einen eindeutigen resultierenden
Wert der Ausgangsgröße u.
Die Arbeitsweise herkömmlicher Fuzzy-Regler wird auch in der Druckschrift H.-P. Preuß: "Fuzzy
Control - heuristische Regelung mittels unscharfer Logik", atp Automatisierungstechnische Praxis
1992, 4, S. 176-184, und 5, S. 239-246, beschrieben. Die dort anhand der Bilder 12 und 13 beschriebene
innere Struktur eines Fuzzy-Reglers entspricht völlig der
in Bild 1 dargestellten Struktur. Unterschiede sind allein durch die Terminologie und das
grafische Layout bedingt. So sind in Bild 1 die Ausgangsgrößen des Fuzzifizierungsmoduls, die in
Übereinstimmung mit der Druckschrift Preuß (vgl. dort S. 240, linke Spalte, 1. Satz) Wahrheitswerte
sind, zur Verdeutlichung mit w(e=ai) bezeichnet. Ferner ist in Bild 1 die Funktion des Abarbeitens
der einzelnen Regeln (bei Preuß Inferenz) sowie der Zusammenfassung der Schlußfolgerung
aller Regeln (bei Preuß Komposition) in der Funktionseinheit Inferenzmaschine zusammengefaßt.
Weiterhin wird in Bild 1 die durch das Zusammenwirken aller Regeln entstehende ausgangsseitige
Zugehörigkeitsfunktion, die zu defuzzifizieren ist, durch das Symbol µe(u) bezeichnet.
In den Bildern 12 und 13 bei Preuß fehlt diese Bezeichnung. Dennoch wird diese Funktion
dort in Bild 12 im rechten Bildteil durch die schwarze Unterlegung hervorgehoben. Schließlich
wird in Bild 1 der auch bei Preuß für die Bildung der ausgangsseitigen Zugehörigkeitsfunktion
benötigte, aber dort nicht separat gezeichnete "Modul für ausgangsseitige Zugehörigkeitsfunktionen"
als separater Block ausgewiesen. Damit zeigt sich, daß sich der durch Bild 1 veranschaulichte
Stand der Technik, von dem die vorliegende Erfindung ausgeht, vollständig mit der Beschreibung
dieses Standes der Technik in der Druckschrift Preuß deckt.
Derartige herkömmliche Fuzzy-Regler weisen folgenden Mangel auf: Man kann damit nicht garantieren,
daß der Wert der Ausgangsgröße µ - generell oder unter bestimmten Bedingungen -
außerhalb bestimmter "verbotener Bereiche" liegt. Die Vermeidung solcher verbotener Bereiche
kann beispielsweise erwünscht sein, wenn die Ausgangsgröße u des Fuzzy-Reglers auf ein Stellglied
wirkt, das aus mehreren Einheiten besteht, die je nach Stellgrößenbedarf zugeschaltet werden.
Dann ist man daran interessiert, daß nicht zu häufig zu- und abgeschaltet wird. In diesem Fall
sind also alle Werte u "ungünstig" bzw. "verboten", die in der Umgebung der Umschaltwellen
liegen. Als weiteres Beispiel sei angeführt, daß man in der Verfahrenstechnik häufig in bestimmten
Situationen garantiert haben will, daß ein Ventil tatsächlich ganz und nicht nur "fast" geschlossen
ist. Das heißt in diesen Situationen gelten alle Ventilpositionen außer der Position "geschlossen" als
verboten.
Im folgenden wird begründet, weshalb derartige Verbote mit herkömmlichen Fuzzy-Reglern nicht
mit Sicherheit eingehalten werden können. Hierzu seien für die Ausgangsgröße u des Fuzzy-Reglers
die linguistischen Werte "negativ groß", "negativ mittel", "negativ klein", "verschwindend",
"positiv klein", "positiv mittel", "positiv groß" vorgesehen. Sie werden im folgenden mit NG, NM,
NK, V, PK, PM sowie PG abgekürzt. Die Verbindungen zwischen diesen linguistischen Werten
und den reellen Zahlenwerten der Variablen u werden durch die Zugehörigkeitsfunktionen nach
Bild 2a hergestellt. Es werden nunmehr die beiden Fälle betrachtet, daß der in Bild 2a schraffiert
dargestellte Wertebereich 1,8u2,2 für die Ausgangsgröße u generell (Forderung 1) oder unter
bestimmten Vorbedingungen (Forderung 2) verboten sein soll. Um diesen Forderungen zu entsprechen,
kann man zwar bei Forderung 1 alle Regeln, in deren Konklusionen der Term "u=positiv
mittel" vorkommt, und bei Forderung 2 von diesen Regeln alle, deren Prämissen bei Vorliegen
der genannten Vorbedingungen erfüllt sind, aus dem Regelsatz entfernen. Damit kann u. U. erreicht
werden, daß der Fuzzy-Regler eine Zugehörigkeitsfunktion µe(u) generiert, die im verbotenen
Wertebereich nur geringe Funktionswerte annimmt (Bild 2b). Dennoch kann durch Defuzzifizierung
dieser Zugehörigkeitsfunktion ein Wert u(e) hervorgehen, der im verbotenen Wertebereich
liegt. So ergibt sich bei einer Defuzzifizierung der in Bild 2b dargestellten Zugehörigkeitsfunktion
µe(u) nach der bekannten Schwerpunktmethode gerade der Wert u(e)=2, der mitten im
verbotenen Bereich liegt.
An dieser Stelle sei hervorgehoben, daß herkömmlichen Fuzzy-Reglern nach dem Stand der Technik
der in Bild 3 dargestellte zweite Strang, der aus den Komponenten Fuzzifizierungsmodul II,
Fuzzy-Logik-Modul II und Modul II für ausgangsseitige Zugehörigkeitsfunktionen besteht, fehlt.
Ferner fehlt herkömmlichen Fuzzy-Reglern die Hyperinferenzmaschine, deren Aufgabe es ist, die
Zugehörigkeitsfunktion µe⁺(u), die auf die positiven Regeln, aus denen der Regelsatz I besteht,
zurückgeht, und die Zugehörigkeitsfunktion µe⁻(u), die auf die negativen Regeln, aus denen der
Regelsatz II besteht, zurückgeht, in sinnvoller Weise zu einer resultierenden Zugehörigkeitsfunktion
µe(u) zu verrechnen. Schließlich fehlt herkömmlichen Fuzzy-Reglern das Hyperdefuzzifizierungsmodul,
das aus der Zugehörigkeitsfunktion µe(u) einen eindeutigen Wert u(e) ermittelt. Ein
Vergleich mit der oben angegebenen Druckschrift Preuß zeigt, daß auch dort nur der in Bild 1 beschriebene
einsträngige Regleraufbau, nicht aber der in Bild 3 beschriebene zweisträngige Regleraufbau
vorgesehen ist. Dementsprechend haben auch die in der Druckschrift Preuß beschriebenen
Fuzzy-Regler die oben erwähnten Nachteile.
Die tiefere Ursache für den oben herausgestellten Mangel herkömmlicher Fuzzy-Regler liegt darin:
In herkömmlichen Fuzzy-Reglern werden alle Werte der Ausgangsgröße, die die Konklusionen
der Regeln mehr oder minder stark erfüllen, als "günstig", d. h. als "positive Empfehlungen" erklärt,
wobei der Grad der Empfehlung vom Erfüllungsgrad der Konklusion sowie vom Erfüllungsgrad
von der Prämisse der Regeln abhängig ist. Steuergrößenwerte, die die Konklusion einer Regel
überhaupt nicht oder nur zu einem ganz geringen Grade erfüllen, werden nicht als "Verbote"
oder mehr oder minder starke "Warnungen" behandelt, sondern als "Nicht-Empfehlungen". Deshalb
können Steuergrößenwerte, die von einer bestimmten Regel nicht als sinnvoll erklärt werden,
dennoch als Wert der Ausgangsgröße des Reglers auftreten. Verantwortlich hierfür kann der Wirkungsmechanismus
bekannter Verfahren zur Defuzzifizierung sein (Bild 2b) oder der Wirkungsmechanismus
bekannter Inferenzstrategien, die keine Möglichkeit bieten, zu verhindern, daß die
"Nicht-Empfehlung" einer Regel von Empfehlungen anderer Regeln "überlagert" werden. Wie
oben begründet, kann es in praktischen Anwendungen erwünscht sein, Verbote strikt einzuhalten.
Mit herkömmlichen Fuzzy-Reglern ist dies nicht möglich.
Es besteht daher die Aufgabe, ein Fuzzy-Regelungsverfahren vorzuschlagen, bei dem mindestens eine Regel
positive Handlungsvorschläge machen und zu den übrigen Handlungsvorschlägen keine Stellung beziehen soll
("Empfehlungen") und mindestens eine andere Regel von ihr nicht empfohlene Steuergrößenwerte verbieten bzw.
vor dem Einsatz dieser Werte mehr oder minder stark warnen soll ("Warnungen").
Das erfindungsgemäße Verfahren nach Anspruch 1 löst die Aufgabe.
In Bild 3 ist ein bevorzugtes Ausführungsbeispiel der Erfindung dargestellt.
In der in Bild 3 dargestellten neuen Fuzzy-Regler-Struktur ist der Fuzzy-Regler zweisträngig
aufgebaut. Der erste Strang enthält einen Fuzzifizierungsmodul 6 und einen Fuzzy-Logik-Modul
7, der zweite enthält einen Fuzzifizierungsmodul 8 und einen Fuzzy-Logik-Modul 9. Der Fuzzy-Logik-Modul
7 enthält einen Regelsatz I, dessen Regeln "Empfehlungen" liefern, d. h. gewisse
Werte der Ausgangsgröße u als "günstig" erklären. Der Fuzzy-Logik-Modul 9 enthält einen
Regelsatz II, dessen Regeln "Warnungen" liefern, d. h. gewisse Werte der Ausgangsgröße u als
"ungünstig" erklären. Neben den Regelsätzen enthalten die Fuzzy-Logik-Module 7 und 9 Fuzzy-Operatoren
I bzw. II sowie Inferenzmaschinen I bzw. II. Der Ausgang der Inferenzmaschine I
wird mit Hilfe eines Moduls 10 für ausgangsseitige Zugehörigkeitsfunktionen zu einer Zugehörigkeitsfunktion
µe⁺(u) verrechnet. Ihre Funktionswerte geben für jeden Wert der Ausgangsgröße u
an, in welchem Grade er aufgrund der Schlußfolgerungen des Fuzzy-Logik-Moduls 7 "günstig"
ist. Der Ausgang des Fuzzy-Logik-Moduls 9 wird mit Hilfe eines Moduls 11 für ausgangsseitige
Zugehörigkeitsfunktionen zu einer Zugehörigkeitsfunktion µe⁻(u) verrechnet. Die Funktionswerte
dieser Zugehörigkeitsfunktion geben für jeden Wert der Ausgangsgröße u des Fuzzy-Reglers
an, in welchem Grade er aufgrund der Schlußfolgerungen des Fuzzy-Logik-Moduls 9 "ungünstig"
ist. Diese beiden Zugehörigkeitsfunktionen µe⁺(u) und µe⁻(u) werden in direkter oder transformierter
Form einer Hyperinferenzmaschine 12 zugeführt. Diese ermittelt daraus mit einer Hyperinferenzstrategie
eine resultierende Zugehörigkeitsfunktion µe(u), deren Funktionswerte einen
sinnvollen Kompromiß zwischen den "Empfehlungen" des Fuzzy-Logik-Moduls 7 sowie den
"Warnungen" des Fuzzy-Logik-Moduls 9 darstellen. Im folgenden werden verschiedene Hyperinferenzstrategien
vorgestellt, die es ermöglichen, Empfehlungen und Warnungen auf unterschiedliche
sinnvolle Weise miteinander zu verrechnen.
Nach der Hyperinferenzstrategie 1 wird für alle Werte u mit µe⁻(u)=0 festgelegt, daß µe(u)=µe⁺(u)
und sonst µe(u)=0 gilt (Bild 4a). Dieser Strategie liegt die Heuristik zugrunde, daß die
Ausgangsgröße u des Fuzzy-Reglers keinen Wert annehmen können soll, der vom Fuzzy-Logik-Modul
9 mit keinem auch noch so kleinen positiven Grad als "ungünstig" erklärt wird. Nach der
Hyperinferenzstrategie 2 wird für alle Werte u mit µe⁺(u)µe⁻(u) festgelegt, daß µe(u)=µe⁺(u)
und sonst µe(u)=0 gilt (Bild 4b). Dieser Strategie liegt die Heuristik zugrunde, daß die Ausgangsgröße
u des Fuzzy-Reglers nur solche Werte annehmen können soll, die in einem größeren
Grade vom Fuzzy-Logik-Modul 7 als "günstig" als vom Fuzzy-Logik-Modul 9 als "ungünstig"
erklärt werden. Die Hyperinferenzstrategie 3 geht von der für klassische Mengen A und B erklärten
Differenzbildung aus: Die charakteristische Funktion µA-B(x) der Differenzmenge A-B nimmt
genau für alle Elemente x den Funktionswert 1 an, für die µA(x)=1 und µB(x)=0 gilt, wobei
µA(x) und µB(x) die charakteristischen Funktionen der Mengen A und B sind. Die Hyperinferenzstrategie
3 basiert auf der Idee, diese Differenzbildung auf Fuzzy-Operatoren zu übertragen. Damit
ergibt sich die Vorschrift µe(u)=µe⁺(u)∧¬µe⁻(u). Für ihre Auswertung werden die Funktionswerte
der Zugehörigkeitsfunktionen µe⁺(u) und µe⁻(u) eingesetzt und mit den Rechenregeln
verknüpft, die für die Fuzzy-Operatoren "∧" und "¬" erklärt sind. Da es unterschiedliche Definitionen
der Fuzzy-Operatoren "∧" sowie "¬" gibt, erhält man entsprechend viele Varianten der
Hyperinferenzstrategie 3. Sie sind dadurch gekennzeichnet, daß die Zugehörigkeitsfunktionen
µe⁺(u) und µe⁻(u) im Sinne eines wählbaren Kompromisses zwischen den "Empfehlungen" des
Regelsatzes 7 und den "Warnungen" des Regelsatzes 9 zu einer resultierenden Zugehörigkeitsfunktion
µe(u) verrechnet werden. Bild 4c gibt ein Beispiel. Die Hyperinferenzstrategien 1, 2 und
3 sind heuristisch plausibel und dürften praktische Bedürfnisse weitgehend abdecken. In Sonderfällen
können allgemeinere Hyperinferenzstrategien angewendet werden. Jede Funktion µe(u)=f(µe⁺(u), µe⁻(u)) mit den Eigenschaften f(µ, 0)=µ und f(µ, 1)=0 sowie f(µ₁, µ₂)f(µ₁, µ₃)
für µ₂µ₃ kann als eine solche verallgemeinerte Hyperinferenzstrategie dienen.
Die resultierende Zugehörigkeitsfunktion µe(u) wird schließlich in direkter oder transformierter
Form dem Hyperdefuzzifizierungsmodul 13 zugeführt. Er bestimmt nach einer Hyperdefuzzifizierungsstrategie
aus µe(u) einen eindeutigen Wert u(e). Der erste Schritt der Hyperdefuzzifizierungsstrategie
1 besteht darin, daß aus der Zugehörigkeitsfunktion µe(u) Teilfunktionen µ₁(u),
µ₂(u), . . ., µr(u) nach der Vorschrift µi(u)=µe(u) für u∈[ci, di] und µi(u)=0 für u∉[ci, di]
erzeugt werden, wobei die Intervalle [ci, di] nach der Vorschrift gebildet werden, daß die Funktion
µe(u) an den Intervallgrenzen ci und di einen vorgewählten Wert pi0 und im Inneren des
Intervalls größere Werte annimmt. Bild 5 zeigt ein Beispiel mit zwei resultierenden Teilfunktionen
für p₁=p₂=0. Jede Teilfunktion µi(u) wird beispielsweise nach der Schwerpunktmethode separat
defuzzifiziert. Auf diese Weise erhält man r voneinander verschiedene Werte ui. Jedem Wert
ui wird ein Gewichtsfaktor gi zugeordnet. Als endgültiger eindeutiger Wert der Ausgangsgröße
u(e) wird aus den Werten ui derjenige mit dem größten Gewichtsfaktor gj ausgewählt. Bei gleichgroßen
maximalen Gewichtsfaktoren gj wird durch einen Zufallsgenerator oder unter Einbeziehung
zusätzlicher Gesichtspunkte ein eindeutiger Wert uj bestimmt. Bei Variante 1 der Hyperdefuzzifizierungsstrategie
1 wird als Gewichtsfaktor gi die Größe Fj der Fläche verwendet, die unter
dem Funktionsgraphen der Teilfunktion µi(u) liegt, und zwar in dem Intervall, in dem die Teilfunktion
positive Werte aufweist. Bei Variante 2 der Hyperdefuzzifizierungsstrategie 1 wird der
Gewichtungsfaktor gi in Abhängigkeit von Fi oder in Abhängigkeit von der Höhe hi des Flächenschwerpunktes
der Fläche Fi über der Achse, die zu dem Wert µ=0 gehört, oder von dem maximalen
Funktionswert µi,max der Funktion µi(u) oder in Abhängigkeit von mehreren der Größen
Fi, hi und µi,max gebildet (vgl. Bild 5). Dabei steigt der resultierende Wert des Gewichtsfaktors
gi um so mehr an, je größer Fi, hi und µi,max sind.
Nach der Hyperdefuzzifizierungsstrategie 2 wird zunächst derjenige Wert uj, dem der größte Gewichtungsfaktor
zugewiesen worden ist, ermittelt. Daraus wird der endgültige Wert u(e) durch
eine Verschiebung von uj innerhalb des Intervalls [cj, dj] gebildet. Diese Verschiebung genügt der
Vorschrift u(e)=uj+Δj mit cjuj+Δjdj, d. h. der resultierende Wert u(e) liegt noch im Intervall
[cj, dj]. Die Verschiebung Δj ist gemäß
mit i≠j aus Teilbeiträgen Δji zusammengesetzt,
deren Vorzeichen dem Vorzeichen von ui-uj entsprechen und deren Beträge um so
größer sind, je größer die Werte gi, Fi, hi und µi,max sind und deren Beträge um so kleiner sind,
je größer die Werte gj, Fj, hj und µj,max und |ui-uj| sind.
Die Hyperdefuzzifizierungsstrategie 3 unterscheidet sich von den zuvor genannten dadurch, daß
anstelle der Zugehörigkeitsfunktionen µe⁺(u) und µe⁻(u) bzw. µe(u) die daraus durch Transformation
gewonnenen Funktionen e⁺(u)=k⁺(µe⁺(u)) und e⁻(u)=k⁻(µe⁻(u)) bzw. e(u)=k(µe(u))
dem Hyperinferenzmodul bzw. dem Hyperdefuzzifizierungsmodul zur Weiterverarbeitung zugeführt
werden, wobei die Funktionen ⁺=k⁺(µ), ⁻=k⁻(µ) und =k(µ) für µ0 monoton steigende
Funktionen sind, die in µ=0 den Funktionswert 0 und in µ=1 den Funktionswert 1 annehmen, wie es beispielsweise für die Funktionen (µ)=µa für jedes a<0 oder für die Funktion
für jedes λ≠0 der Fall ist. Auf diese Weise kann man gezielt dafür sorgen, daß ein
abgestufter Kompromiß zwischen den "Empfehlungen" des Regelsatzes I und den "Warnungen"
des Regelsatzes II geschlossen wird.
Wählt man für die hier vorgestellte neue Fuzzy-Regler-Struktur die Hyperinferenzstrategie 1 in
Verbindung mit einer der beschriebenen Hyperdefuzzifizierungsstrategien, so wird garantiert, daß
der Wert der Ausgangsgröße u des Fuzzy-Reglers mit Sicherheit keinen Wert annimmt, der vom
Fuzzy-Logik-Modul 9 mit irgendeinem auch noch so kleinen positiven Grad für "ungünstig" erklärt
wird. Dabei liefern die unterschiedlichen Hyperdefuzzifizierungsstrategien unterschiedliche
Möglichkeiten zur quantitativen Ausgestaltung der Wirkung des Fuzzy-Reglers. Verwendet man
eine der anderen Hyperinferenzstrategien, so läßt sich erreichen, daß ein einstellbarer weicherer
Kompromiß zwischen den "Empfehlungen" des Fuzzy-Logik-Moduls 7 und den "Warnungen" des
Fuzzy-Logik-Moduls 9 geschlossen wird.
Der hier beschriebene hyperdefuzzifizierungsmodul 13 kann auch in Verbindung mit klassischen
einsträngigen Fuzzy-Reglern eingesetzt werden: Hiermit läßt sich erreichen, daß keine Stellgrößenwerte
am Ausgang des Fuzzy-Reglers auftreten, die nicht von mindestens einer Regel mit
einem wenn auch noch so geringen Grad als sinnvoll empfohlen werden.
Eine Verallgemeinerung des hier beschriebenen zweisträngigen Verfahrens besteht darin, den Regeln,
die "Empfehlungen" oder "Warnungen" bzw. "Verbote" abgeben, mehrere Prioritätsgrade
zuzuordnen, um Konflikte zu entscheiden. Diese Prioritätsgrade werden dann bei der Inferenz und
Defuzzifizierung bzw. der Hyperinferenz und Hyperdefuzzifizierung berücksichtigt.
Eine Erweiterung des hier vorgestellten Verfahrens liegt darin, daß der Kompromiß zwischen den
Empfehlungen oder Warnungen bzw. Verboten von Regeln nicht, wie hier, im eigentlichen Regler
geschlossen wird, sondern in folgender Weise: In einer ersten Stufe werden die Regeln, die Empfehlungen
bzw. Warnungen oder Verbote abgeben - ggf. unter Berücksichtigung ihrer Priorität -,
einem logischen Compiler zugeführt. Dieser bildet daraus logische Ausdrücke, die von einem einsträngigen
Fuzzy-Regler weiterverarbeitet werden. In diesem Fall wird also die hier beschriebene
Vorgehensweise, die zwischen Regeln unterscheidet, die Empfehlungen abgeben bzw. Warnungen
oder Verbote aussprechen, genutzt, um ein Design-Instrument zu schaffen, das logische Ausdrücke
produziert, die entweder on line einsträngig oder einmalig off line weiterverarbeitet werden,
um damit einen mehrdimensionalen nichtlinearen Kennfeldregler zu erzeugen, der dann on line
zum Regeln eingesetzt wird.