Szenarienerkennung durch symbolische Datenverarbeitung mit Fuzzy-Logic

Abstract

Diese Arbeit befasst sich mit der Erkennung von vordefinierten Situationen und Szenarien in Räumen. Es basiert auf dem Konzept des Artificial Recognition System (ARS), bei dem die umgebende Welt durch Symbole beschrieben wird. Das Modell beruht auf der Symbolisierung von Sensorwerten und der Verarbeitung von Symbolen auf mehreren Ebenen. Alle Symbole werden vorab definiert und die Verknüpfungen zwischen den Symbolen beschrieben. Mit dem Verknüpfen von Symbolen sind Entscheidungen verbunden, die mit Fuzzy-Logic getroffen werden. Die Symbole der untersten Ebene stellen die Schnittstelle zur physikalischen Welt dar und basieren auf Informationen von einfachen, aber redundanten Sensoren, die durch Diversität eine gesteigerte Qualität der Daten liefern. Die Symbole der obersten Ebene des ARS-Modells beschreiben, wie die Umgebung vom System wahrgenommen wird und bilden eine konsistente Repräsentation der realen Welt. Aufbauend auf der symbolischen Repräsentation werden Situationen und Szenarien durch Beobachtung dieser Repräsentation erkannt. In dieser Arbeit werden der Entwurf und die Implementierung eines realen Systems beschrieben, das Fuzzy-Logic zum Treffen von Entscheidungen verwendet. Es stellt dabei die Symbolverknüpfungen über die verschiedenen Ebenen des Systems grafisch dar.<br />

This work is concerned with the recognition of predefined situations and scenarios in areas. It is based on the concept of the Artificial Recognition System (ARS), with which the surrounding world is described by symbols. The model is based on the symbolization of sensor values and the processing of symbols on several levels. All symbols are predefined first and the associations between the symbols are described.<br />With the association of symbols decisions are connected, which are made with Fuzzy Logic. The symbols of the lowest level provide the interface to the physical world and are based on information from simple, but redundant sensors, which supply an increased quality of the data by diversity. The symbols of the highest level from the ARS model describe how the system perceives the environment and built a consistent representation of the real world. Based on the symbolic representation situations and scenarios are recognized by observation of this representation. In this work the design and the implementation of a real system are described, which uses Fuzzy Logic for making decisions. It shows thereby the associations of symbols over different levels of the system graphically.