Development and verification of a modular object-oriented fuzzy logic controller architecture for customizable and embedded applications

Rahim Mammadzada

doi:10.35784/iapgos.8023

PDF (angielski)

Opublikowane: 2025-12-20

DOI: https://doi.org/10.35784/iapgos.8023

Numer Tom 15 Nr 4 (2025)

Sterowanie lewitacją magnetyczną za pomocą regulatora PID z adaptacją opartą na liniowej interpolacji i algorytmie genetycznym
Dominik Fila, Andrzej Neumann, Bartosz Olesik, Jakub Pawelec, Kamil Przybylak, Mateusz Ungier, Dawid Wajnert

5-9
Opracowanie systemu prognozowania awarii maszyn pakujących
Nataliia Huliieva, Nataliia Lishchyna, Viktoriya Pasternak, Zemfira Huliieva

10-13
Opracowanie i weryfikacja modułowej, obiektowo zorientowanej architektury kontrolera logiki rozmytej dla konfigurowalnych i wbudowanych aplikacji
Rahim Mammadzada

14-24
Energia pękania mechanicznego i właściwości strukturalno-mechaniczne przekąsek mięsnych z dodatkiem produktów pszczelich
Artem Antoniv, Igor Palamarchuk, Leonora Adamchuk, Marija Zheplinska

25-31
Modelowanie procesów dynamicznych w układzie nieholonomicznym w postaci równania Gibbsa-Appella na przykładzie młyna kulowego
Volodymyr Shatokhin, Yaroslav Ivanchuk, Vitaly Liman, Sergii Komar, Oleksii Kozlovskyi

32-38
Diagnostyka Covid-19 w czasie rzeczywistym na wbudowanych platformach IoT
Elmehdi Benmalek, Wajih Rhalem, Atman Jbari, Abdelilah Jilbab, Jamal Elmhamdi

39-45
Hybrydowe modele do diagnozy choroby Parkinsona na podstawie pisma ręcznego
Asma Ouabd, Achraf Benba, Abdelilah Jilbab, Ahmed Hammouch

46-50
System komputerowy do diagnostyki i terapii pomijania stronnego
Krzysztof Strzecha, Agata Bukalska-Strzecha, Krzysztof Kurzdym, Dominik Sankowski

51-55
Informatyka i pomiary w opiece zdrowotnej: głębokie uczenie się w celu przewidywania ponownych hospitalizacji pacjentów z cukrzycą
Shiva Saffari, Mahdi Bahaghighat

56-64
Optymalizacja dokładności nieinwazyjnego monitorowania poziomu glukozy za pomocą czujnika optycznego
Nurzhigit Smailov, Aliya Zilgarayeva, Sergii Pavlov, Balzhan Turusbekova, Akezhan Sabibolda

65-70
Stochastyczna wielocelowa optymalizacja minimaksowa połączonego ekranu elektromagnetycznego w oparciu o trójwymiarowe modelowanie pola magnetycznego napowietrznych linii elektroenergetycznych
Borys Kuznetsov, Tatyana Nikitina, Alexander Kutsenko, Ihor Bovdui, Kostiantyn Czunikhin, Olena Voloshko, Roman Voliansky, Viktoriia Ivannikova

71-75
Zaawansowane strategie zarządzania energią dla mikrosieci AC/DC
Zouhir Boumous, Samira Boumous, Tawfik Thelaidjia

76-82
Eksperymentalne badanie układu przekształtnika wielostopniowego
Kyrmyzy Taissariyeva, Kuanysh Muslimov, Yerlan Tashtay, Gulim Jobalayeva, Lyazzat Ilipbayeva, Ingkar Issakozhayeva, Akezhan Sabibolda

83-86
Prognozowanie parametrów strukturalnych w nanostrukturach plazmonicznych symulowanych metodą FDTD z wykorzystaniem uczenia głębokiego
Shahed Jahidul Haque, Arman Mohammad Nakib

87-94
Opracowanie algorytmu obliczania procesów wymiany jonowej z użyciem ekosystemu Python
Iryna Chub, Oleksii Proskurnia, Kateryna Demchenko, Oleksandr Miroshnyk, Taras Shchur, Serhii Halko

95-99
Inteligentny model sterowania niezawodnością i bezpieczeństwem w systemach transportu miejskiego
Anastasiia Kashkanova, Alexander Rotshtein, Andrii Kashkanov, Denis Katelnikov

100-107
Analiza interakcji elementów modułowego systemu przechowywania paczek z wykorzystaniem diagramów UML
Lyudmila Samchuk, Yuliia Povstiana, Anastasia Hryshchuk

108-116
Ocena zmodyfikowanych heurystyk wstawiania par w celu wystarczającego rozwiązania problemu transportu na żądanie w logistyce opieki zdrowotnej
Rodolfo Eleazar Pérez Loaiza, Aaron Guerrero-Campanur, Edmundo Bonilla Huerta

117-123
Analiza nowoczesnych narzędzi, metod audytu i monitorowania bezpieczeństwa baz danych
Kateryna Mykhailyshyn, Oleh Harasymchuk, Oleh Deineka, Yurii Dreis, Volodymyr Shulha, Yuriy Pepa

124-129
Poprawa jakości obrazów podwodnych poprzez połączenie metody Deep‑Retinex i sieci GAN
Anuradha Chinta, Bharath Kumar Surla, Chaitanya Kodali

130-136
Matematyczna metoda oceny stanu cyberbezpieczeństwa usług chmurowych
Yevheniia Ivanchenko, Volodymyr Shulha, Ihor Ivanchenko, Yevhenii Pedchenko, Mari Petrovska

137-141
Ocena wydajności wdrożeń LLM w wybranych usługach kontenerowych opartych na chmurze
Mateusz Stęgierski, Piotr Szpak, Sławomir Przyłucki

142-150
Implementacja cech w języku C# przy użyciu Roslyn Source Generators
Mykhailo Pozur, Viktoria Voitko, Svitlana Bevz, Serhii Burbelo, Olena Kosaruk

151-157
Wpływ dostosowywalnego harmonogramowania orkiestratora na wydajność uczenia maszynowego w urządzeniach brzegowych
Konrad Cłapa, Krzysztof Grudzień, Artur Sierszeń

158-163
Rekonfigurowana architektura CoARX do implementacji funkcji haszującej ARX w mikrokontrolerach systemów IoT o ograniczonych zasobach
Serhii Zabolotnii, Inna Rozlomii, Andrii Yarmilko, Serhii Naumenko

164-169
Integralna ocena jakości wody źródlanej z wykorzystaniem zestawu narzędzi logiki rozmytej
Vyacheslav Repeta, Oleksandra Krykhovets, Yurii Kukura

170-176
Wybrane zagadnienia dotyczące światłowodowych czujników zgięcia
Les Hotra, Jacek Klimek, Ihor Helzhynskyy, Oksana Boyko, Svitlana Kovtun

177-181

Archiwum

2026

Tom 16 Nr 2
2026-06-30 27
Tom 16 Nr 1
2026-03-30 27

2025

Tom 15 Nr 4
2025-12-20 27
Tom 15 Nr 3
2025-09-30 24
Tom 15 Nr 2
2025-06-27 24
Tom 15 Nr 1
2025-03-31 26

2024

Tom 14 Nr 4
2024-12-21 25
Tom 14 Nr 3
2024-09-30 24
Tom 14 Nr 2
2024-06-30 24
Tom 14 Nr 1
2024-03-31 23

2023

Tom 13 Nr 4
2023-12-20 24
Tom 13 Nr 3
2023-09-30 25
Tom 13 Nr 2
2023-06-30 14
Tom 13 Nr 1
2023-03-31 12

2021

Tom 11 Nr 4
2021-12-20 15
Tom 11 Nr 3
2021-09-30 10
Tom 11 Nr 2
2021-06-30 11
Tom 11 Nr 1
2021-03-31 14

Authors

Rahim Mammadzada

rahim.mammadzada02@gmail.com

Azerbaijan State Oil and Industry University

https://orcid.org/0009-0008-7552-2790

Abstrakt

W artykule przedstawiono lekką, zorientowaną obiektowo architekturę kontrolera logiki rozmytej o otwartym kodzie źródłowym, zaprojektowaną w celu przezwyciężenia kluczowych ograniczeń popularnych platform, takich jak MATLAB i LabVIEW. Te tradycyjne narzędzia, choć szeroko stosowane, są zamknięte i zależne od licencji, tworząc bariery dla przenośności, integracji na poziomie systemu i długoterminowej elastyczności. Ta modułowa struktura dzieli kontroler na komponenty wielokrotnego użytku zaimplementowane jako oddzielne klasy, wszystkie koordynowane przez centralną klasę kontrolera, która zarządza pełnym cyklem wnioskowania od rozmywania danych wejściowych do rozmywania danych wyjściowych. Ten centralny kontroler można łatwo dostosować do różnych scenariuszy sterowania, co zademonstrowano tutaj poprzez walidację zarówno w przypadku pojedynczego wejścia, jak i wielu wejść. Wyniki potwierdzają, że architektura ta zapewnia niezawodną i spójną wydajność, jednocześnie płynnie skalując się w celu obsługi zwiększonej złożoności danych wejściowych bez konieczności przeprojektowywania podstawowych komponentów. Takie podejście oferuje przejrzystą, łatwą w utrzymaniu i elastyczną alternatywę, która zapewnia programistom pełną kontrolę nad implementacjami logiki rozmytej i wspiera integrację z różnymi środowiskami programistycznymi i wbudowanymi.

Słowa kluczowe:

języki C#, programowanie obiektowe, logika rozmyta, oprogramowanie typu open source

Bibliografia

[1] Abdrakhmanov R. et al.: Intelligent Fuzzy-PID Temperature Control System for Ensuring Comfortable Microclimate in an Intelligent Building. IJACSA 15(3), 2024 [https://doi.org/10.14569/IJACSA.2024.0150331].

[2] Aliyeva K.: Estimation of Renewable Energy Sources under Uncertainty Using Fuzzy AHP Method. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska 15(2), 104–109, 2025 [https://doi.org/10.35784/iapgos.7191].

[3] Bakirova L., Yusubov E.: Design and Simulation of the Auto-Tuning TS-Fuzzy PID Controller for the DC-DC ZETA Converter. In CEUR Workshop Proceedings, 238–243, 2021 [https://elibrary.ru/item.asp?id=49020698].

[4] Belman-Flores, J. M. et al.: A Review on Applications of Fuzzy Logic Control for Refrigeration Systems. Applied Sciences 12(3), 1302, 2022 [https://doi.org/10.3390/app12031302].

[5] Brucal S. G. E., Africa A. D. M., de Jesus L. C. M.: Optimizing Air Conditioning Unit Power Consumption in an Educational Building: A Rough Set Theory and Fuzzy Logic-Based Approach. Applied System Innovation 8(2), 2025, 32 [https://doi.org/10.3390/asi8020032].

[6] Boll A. et al.: Characteristics, potentials, and limitations of open-source Simulink projects for empirical research. Software and Systems Modeling 20(6), 2021, 2111–2130 [https://doi.org/10.1007/s10270-021-00883-0].

[7] Boulkroune A. et al.: Output-Feedback Controller Based Projective Lag-Synchronization of Uncertain Chaotic Systems in the Presence of Input Nonlinearities. Mathematical Problems in Engineering 2017(1), 8045803 [https://doi.org/10.1155/2017/8045803].

[8] Boulkroune A., Zouari F., Boubellouta A.: Adaptive Fuzzy Control for Practical Fixed-Time Synchronization of Fractional-Order Chaotic Systems. Journal of Vibration and Control 10775463251320258, 2025 [https://doi.org/10.1177/10775463251320258].

[9] Boll A., Vieregg N., Kehrer T.: Replicability of experimental tool evaluations in model-based software and systems engineering with MATLAB/Simulink. Innovations in Systems and Software Engineering 20(3), 2024, 209–224 [https://doi.org/10.1007/s11334-022-00442-w].

[10] Chen Y., Huang L.: Object-Oriented Programming. Chen Y., Huang L. (eds): MATLAB Roadmap to Applications: Volume I Fundamental, Springer Nature, Singapore, 2025, 399–439 [https://doi.org/10.1007/978-981-97-8788-3_10].

[11] Chojecki A., Ambroziak A., Borkowski P.: Fuzzy Controllers Instead of Classical PIDs in HVAC Equipment: Dusting Off a Well-Known Technology and Today’s Implementation for Better Energy Efficiency and User Comfort. Energies 16(7), 2023, 2967 [https://doi.org/10.3390/en16072967].

[12] Dumitrescu C., Ciotirnae P., Vizitiu C.: Fuzzy Logic for Intelligent Control System Using Soft Computing Applications. Sensors 21(8), 2021, 2617 [https://doi.org/10.3390/s21082617].

[13] Ferrara P., Arceri V., Cortesi A.: Challenges of software verification: the past, the present, the future. International Journal on Software Tools for Technology Transfer 26(4), 2024, 421–430 [https://doi.org/10.1007/s10009-024-00765-y].

[14] García-Martínez J. R. et al.: A PID-Type Fuzzy Logic Controller-Based Approach for Motion Control Applications. Sensors 20(18), 2020, 5323 [https://doi.org/10.3390/s20185323].

[15] Haghrah A. A., Ghaemi S., Badamchizadeh M. A.: PyIT2FLS: An open-source Python framework for flexible and scalable development of type 1 and interval type 2 fuzzy logic models. SoftwareX 30, 2025, 102146 [https://doi.org/10.1016/j.softx.2025.102146].

[16] Hongli L., Peiyong D., Lei J.: A Novel Fuzzy Controller Design based-on PID Gains for HVAC Systems. 7th World Congress on Intelligent Control and Automation, 2008, 736–739 [https://doi.org/10.1109/WCICA.2008.4593014].

[17] Merazka L., Zouari F., Boulkroune A.: High-Gain Observer-Based Adaptive Fuzzy Control for a Class of Multivariable Nonlinear Systems. 6th International Conference on Systems and Control (ICSC), 96–102 [https://doi.org/10.1109/ICoSC.2017.7958728].

[18] Mammadov R.: Optimal Load Shedding for Power Systems Using the Binary Exhaustive Search Method. International Conference on Intelligent and Fuzzy Systems. Springer Nature Switzerland, Cham 2025, 175–183 [https://doi.org/10.1007/978-3-031-98304-7_20].

[19] Mammadzada R.: A Script-Based Approach for Automating Fuzzy-PID Rule Assignment from 7×7 Tables to FIS Files. 6th International Conference on Problems of Cybernetics and Informatics (PCI), Baku, Azerbaijan, 2025, 1–4 [https://doi.org/10.1109/PCI66488.2025.11219882].

[20] Mammadzada R., Aliyeva K.: Modulation For Information Measurement System In Context Of Software Development Using Node Based Graphical Editor. International Research, Education & Training Center, 24(3), 2023, 143–151 [https://doi.org/10.36962/piretc24032023-143].

[21] Mammadzada R.: Virtual Temperature Control in Unity Environment with ML Agents. Azerbaijan Higher Technical Educational Institutions 26(3-4), 2024, 51–55 [https://doi.org/10.36962/PAHTEI149032024-51].

[22] Matos V. S. et al.: Embedded predictive controller based on fuzzy linear parameter-varying model: A hardware-in-the-loop application to an ESP-lifted oil well system. Digital Chemical Engineering 5, 2022, 100054 [https://doi.org/10.1016/j.dche.2022.100054].

[23] Pérez-Juárez J. G. et al.: Kinematic Fuzzy Logic-Based Controller for Trajectory Tracking of Wheeled Mobile Robots in Virtual Environments. Symmetry 17(2), 2025, 301 [https://doi.org/10.3390/sym17020301].

[24] Rajeswari Subramaniam K., Cheng C. T., Pang T. Y.: Fuzzy Logic Controlled Simulation in Regulating Thermal Comfort and Indoor Air Quality Using a Vehicle Heating, Ventilation, and Air-Conditioning System. Sensors 23(3), 1395, 2023 [https://doi.org/10.3390/s23031395].

[25] Rigatos G. et al.: Nonlinear Optimal Control for a Gas Compressor Driven by an Induction Motor. Results in Control and Optimization 11, 100226, 2023 [https://doi.org/10.1016/j.rico.2023.100226].

[26] Saatchi R.: Fuzzy Logic Concepts, Developments and Implementation. Information 15(10), 2024, 656 [https://doi.org/10.3390/info15100656].

[27] Sheng T., Luo H., Wu M.: Design and Simulation of a Multi-Channel Biomass Hot Air Furnace with an Intelligent Temperature Control System. Agriculture 14(3), 2024, 419 [https://doi.org/10.3390/agriculture14030419].

[28] Shrestha S. L., Chowdhury S. A., Csallner C.: SLNET: A Redistributable Corpus of 3rd-party Simulink Models. IEEE/ACM 19th International Conference on Mining Software Repositories (MSR), 2022, 1–5 [https://doi.org/10.1145/3524842.3528001].

[29] Spolaor S. et al.: Simpful: A User-Friendly Python Library for Fuzzy Logic. International Journal of Computational Intelligence Systems 13(1), 2020, 1687–1698 [https://doi.org/10.2991/ijcis.d.201012.002].

[30] Sun W. et al.: Fuzzy Control Algorithm Applied on Constant Airflow Controlling of Fans. Energies 16(11), 4425, 2023 [https://doi.org/10.3390/en16114425].

[31] Tang H. H., Ahmad N. S.: Fuzzy logic approach for controlling uncertain and nonlinear systems: a comprehensive review of applications and advances. Systems Science & Control Engineering 12(1), 2024, 2394429 [https://doi.org/10.1080/21642583.2024.2394429].

[32] Xakimovich S. I., Maxamadjonovna U. D.: Fuzzy-Logical Control Models of Nonlinear Dynamic Objects. Advances in Science, Technology and Engineering Systems 5(4), 419–423, 2020 [https://doi.org/10.25046/aj050449].

[33] Yusubov E., Bakirova L.: A Self-Tuning Fuzzy PID Controller for SEPIC Based on Takagi-Sugeno Inference System. International Conference Automatics and Informatics (ICAI), IEEE, 2021, 54–57 [https://doi.org/10.1109/ICAI52893.2021.9639804].

[34] Zadeh L. A.: Fuzzy sets. Information and Control 8, 1965, 338–353.

[35] Zhang D., Chen T.: Scikit-ANFIS: A Scikit-Learn Compatible Python Implementation for Adaptive Neuro-Fuzzy Inference System. International Journal of Fuzzy Systems 26(6), 2024, 2039–2057 [https://doi.org/10.1007/s40815-024-01697-0].

[36] Zhang S., Li T., Chen L.: Fuzzy Logic Control of External Heating System for Electric Vehicle Batteries at Low Temperature. WEVJ 14(4), 2023, 99 [https://doi.org/10.3390/wevj14040099].

[37] Zhang W. et al.: An empirical study of manual abstraction between class diagrams and code of open-source systems. Software and Systems Modeling, 2025 [https://doi.org/10.1007/s10270-025-01289-y].

[38] Zouari F., Ben Saad K., Benrejeb M.: Adaptive Backstepping Control for a Class of Uncertain Single Input Single Output Nonlinear Systems. 10th International Multi-Conferences on Systems, Signals & Devices 2013 (SSD13), 1–6 [https://doi.org/10.1109/SSD.2013.6564134].

[39] Zouari F., Saad K. B., Benrejeb M.: Robust Neural Adaptive Control for a Class of Uncertain Nonlinear Complex Dynamical Multivariable Systems. International Review on Modelling and Simulations 5(5), 2075–2103, 2012 [https://www.scopus.com/pages/publications/84873265173].

Opracowanie i weryfikacja modułowej, obiektowo zorientowanej architektury kontrolera logiki rozmytej dla konfigurowalnych i wbudowanych aplikacji. (2025). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 15(4), 14-24. https://doi.org/10.35784/iapgos.8023

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 15 Nr 4 (2025)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja