ZE SZ Y T Y N A U K O W E PO L IT EC H N IK I ŚLĄ SK IEJ Seria: B U D O W N IC T W O z. 89
2000 N r kol. 1482
Piotr B ĘTK O W SK I
PORÓWNYWANIE LICZB ROZMYTYCH I ROZMYTY OPIS NIEPEW NOŚCI W ANALIZIE WYTRZYMAŁOŚCIOWEJ
Streszczenie. W referacie sform ułow ano m etodę uw zględniana niepew ności typu rozm y
tego w obliczeniach w ytrzym ałościow ych. Scharakteryzow ano niepew ność typu rozm ytego i podano sposób uw zględniania niepew ności tego ty p u za po m o cą liczb rozm ytych. Przedsta
wiono sposób obliczeń i interpretacji w yników. W tym celu podano definicję liczby rozmytej trapezow ej typu (A ,B ,a,fł) oraz sform ułow ano procedury porów nyw ania liczb rozm ytych reprezentujących ten sam ty p i różne typy w ielkości. W skazano n a zalety m etody w przypad
ku je d nostkow ych konstrukcji: brak w spółczynników bezpieczeństw a, bezpośrednie pow iąza
nie niepew ności z param etrem , pow iązanie zakresu niepew ności param etrów w ejściow ych z zakresem niepew ności w yniku, m ożliw ość optym alizacji projektu. M etodę zilustrow ano przykładam i obliczeniow ym i.
COMPARISON OF FUZZY NUMBERS AND FUZZY UNCERTAINTY DESCRIPTION IN RESISTANCE ANALYSIS
Sum m ary. In this paper the way o f consideration fuzzy uncertainty in resistance calcula
tions is presented. F uzzy uncertainty is characterised. The m ethod o f description such uncer
tainty is given. T he p aper presents the m ethod o f fuzzy resistance calculations and their re
sults' interpretation. D efinition o f trapezoidal fuzzy num bers (A ,B ,a,p ) and m ethods o f com parison fuzzy num bers w hich description the same type and different types o f param eters are presented. Point at advantages o f presented m ethod in the unitary building structures: lack o f safety factors, direct association uncertainty o f input param eters w ith the range o f uncertainty o f results, possibility o f project's optim ization. Calculation exam ples illustrate presented method.
1. Wstęp
Pojęcie rozm ytości zostało sform ułow ane w 1965 roku przez prof. L.A. Z adeha [8]
w postaci tzw. teorii zbiorów rozm ytych. Teoria ta w ynikła z potrzeby opisu słabo zdefinio
w anych pojęć, złożonych zjaw isk, uw zględnienia niepew ności i niedoskonałości przybliżone
go sposobu postrzegania św iata przez człowieka. Problem y te są trudne do określenia za po
m o cą konw encjonalnego aparatu m atem atycznego. Jednym z aspektów teorii zbiorów roz
m ytych, szczególnie istotnym z punktu w idzenia budow nictwa, s ą liczby rozm yte, np.:
[1,2,3,4,5,14], W artykule zw rócono uw agę n a m ożliw ość w ykorzystania liczb rozm ytych do projektow ania konstrukcji budow lanych.
2. Główne założenia rozmytego systemu opisu niepewności
K om pletny system um ożliw iający w ykorzystanie liczb rozm ytych do opisu niepewności pow inien zaw ierać: definicję liczby rozm ytej, aparat m atem atyczny pozw alający na dokony
wanie obliczeń na takich liczbach, sposób określenia w ielkości w ejściow ych za pom ocą liczb rozm ytych, sposób interpretacji w yników (tj. dla budow nictw a sposób porów nyw ania liczb, np. w ytrzym ałości i naprężeń).
2.1. Liczby rozm yte
Liczby rozm yte s ą specjalnym rodzajem zbiorów rozm ytych, które s ą ciągłe i wypukłe.
Liczby rozm yte m o g ą m ieć dow olne kształty, ale najczęściej używ ane są liczby trapezowe, trójkątne i prostokątne - (ry s.l). Liczba trapezow a m oże być zapisana ja k o uporządkow ana czw órka (A,B,cc,P) - (rys.2), gdzie p je st w spółczynnikiem pew ności z przedziału [0,1].
R ys.l. Liczby rozmyte: trapezowa, trójkątna, prostokątna Fig. 1. Trapezoidal, triangular and interval fuzzy number
A -a A B B+P
Rys.2. Liczba rozmyta trapezowa (A,B,a,P) Fig.2. Trapezoidal fuzzy number (A,B,ct,P)
Liczbę ro zm y tą trapezow ą przedstaw ioną na rys.2 opisuje funkcja dystrybucji f(x):
0, x < A - a ;
a
f ( x ) = \ l , A < x < B; (1)
0 , x > B + fi.
Porów nyw anie liczb rozm ytych i rozm yty opis.. 21
2.2. C ele i zasad y rozm ytego opisu niepew ności
O pisanie m aksym alnego zakresu niepew ności przez rozm ycie pow oduje uw zględnienie w szystkich niekorzystnych i niepew nych sytuacji, a w ięc stosow anie w spółczynników bez
pieczeństw a je s t zbędne. U w zględnianie niepew ności przez rozm ycie m oże być w ykorzysty
w ane przy projektow aniu konstrukcji złożonych, nietypow ych, gdzie obciążenia są ustalane indyw idualnie, np. m osty podw ieszone. W ielkość rozm ycia param etrów nie m oże być ustala
na dow olnie, w y m ag a w iedzy i dośw iadczenia eksperta. Jest to m etoda alternatyw na, gdy brak m ożliw ości zebrania dostatecznie liczebnej próbki, zm niejsza w iarygodność metod opartych na statystyce. Zw iązanie niepew ności z param etrem pozw ala oszacow ać w pływ nie
pew ności poszczególnych param etrów na końcow y w ynik. Dzięki tem u m ożliw a je st opty
m alizacja p rojektu przez znalezienie tych param etrów, które najbardziej w pływ ają na w iel
kość rozm ycia końcow ego w yniku [12,13]. W obliczeniach opartych na liczbach rozm ytych część param etrów , które są dobrze określone, m oże być stosow ana ja k o liczby ostre z odpo
w iednim i w spółczynnikam i bezpieczeństwa, np. w ytrzym ałość materiałów.
2.3. Sposoby definiow an ia param etrów
Za po m o cą liczb rozm ytych trapezow ych m ożna opisać dw a rodzaje niepew ności. Jeden rodzaj opisuje górna podstaw a trapezu, p = l. D rugi rodzaj opisu ją ram iona trapezu, 0 < p < l.
A utor proponuje następującą m etodę definiow ania param etrów za pom ocą liczb trapezow ych:
długość górnej podstaw y - to zakres w ynikający z niedokładności zastosow anej m etody po
miaru. B łędu tego ty p u nie da się kontrolow ać, zależy on np. od m etody pom iaru. Ram iona trapezu ilustrują: błędy w ynikające z niedokładności w ykonania, błędy m ontażow e itp. Błędy tego typu m o g ą w ystąpić, ale nie muszą. Ponadto im w iększy błąd, tym rzadziej on w ystępu
je-
3. Porównywanie liczb rozmytych
W ybór procedury porów nyw ania liczb rozm ytych zależy od tego, czy liczby te opisują ten sam typ w ielkości (np. obciążenia), czy też różne typy (np. obciążenia i w ytrzym ałości). Z a
stosow ania opisanych poniżej m etod to, np. analiza w ytrzym ałościow a, kom binatoryka obcią
żeń, znajdow anie ekstrem alnych naprężeń, optym alizacja, procesy decyzyjne.
3.1. P orów nyw anie liczb rozm ytych opisujących ten sam typ w ielkości
Z dw óch liczb rozm ytych w iększa je s t ta, dla której praw e ram ię sięga dalej przy danym poziom ie ufności p. N a rys. 3 pokazano liczby rozm yte, które przedstaw iają obciążania:
qi = (6,14,4,2) kN m ; ąi - (8,12,3,6) kNm. D la p = 0 w iększe je st obciążenie ąi.
Rys.3. Liczby rozmyte: q, = (6,14,4,2), q2 = (8,12,3,6) Fig.3. Fuzzy numbers: q, = (6,14,4,2), q2 = (8,12,3,6)
Trudność p olega na porów naniu dw óch liczb rozm ytych, gdy m aksym alne w artości liczb przy danym poziom ie ufności p sąjed n ak o w e, np. (rys.4) dla p=0.
q 2
1 i r \ N / i l \ \ / w 1 l \
/ 1 II 1 L \ *
15 253033 50 55 65 [kNm]
Rys.4. Liczby rozmyte o jednakowych zakresach maksymalnych dla ą=0 Fig.4. Fuzzy numbers with the same maximal range for |i=0
N ieregularne liczby rozm yte m o g ą pow staw ać w w yniku operacji arytm etycznych na licz
bach o regularnych kształtach, np. m nożenie dw óch trapezow ych liczb rozm ytych nieko
niecznie daje liczbę ro zm y tą trapezow ą. W referacie podano m etodę o partą na teorii praw do
podobieństw a w ykorzystującą transform ację M ellina [9], Rodzina funkcji opisująca liczbę rozm ytą je s t najpierw konw ertow ana na probabilistyczną funkcję gęstości. Transform acja M ellina je s t w ykorzystyw ana do obliczania średniej i w ariancji złożonej liczby rozmytej.
Liczba rozm yta z w ięk szą średnią je st klasyfikow ana wyżej. Jeżeli średnie są je d n a k o w e , liczba z m n iejszą w ariancją je st klasyfikow ana w yżej. Liczby o regularnych kształtach można porów nyw ać prościej, np.: n a postaw ie m etod geom etrycznych [11],
K onw ersja przez proporcjonalny rozkład probabilistyczny [9].: Praw dopodobieństw o po
ja w ien ia się zdarzenia A je s t proporcjonalne do w artości funkcji dystrybucji fA(x).
Porów nyw anie liczb rozm ytych i rozm yty opis. 23
p ( x ) = c r fA(x), (2)
gdzie Ci je s t stałym w spółczynnikiem proporcjonalności, żeby spełnić warunki, że po
w ierzchnia p od ciąg łą probabilistyczną funkcje gęstości je st rów na 1 (rys. 5).
pOO
Rys.5. Konwersja przy użyciu proporcjonalnego rozkład probabilistycznego Fig.5.Conversion by using proportional probability distribution
W spółczynnik ci określa stosunek w ysokości obszaru probabilistycznej funkcji gęstości p(x) do w ysokości obszaru liczby rozm ytej f(x) - (rys.5), gdzie: F ąX), F P(X) - pola powierzchni liczby rozm ytej i probabilistycznej funkcji gęstości.
ci-Ff(X)= Fp(X)= 1 (3)
D la liczby trapezow ej (A ,B ,a,P ) m ożna w ięc zapisać: (B -A )ci+ 0 ,5 a +0,5 p = l, stąd:
c i =2/(2B-2 A + a+ P ) (4)
Podobnie m ożna w yznaczyć w spółczynniki ej dla innych postaci liczb rozm ytych: dla liczby rozm ytej trójkątnej (A ,a ,p ): C ]=2/(a+P), dla liczby prostokątnej (A,B): ci= l/(B -A ).
Transform acja M ellina [9].: T ransform acja M ellina M x(s) probabilistycznej funkcji gęsto
ści p(x), gdzie x j e s t dodatnie, je s t definiow ana jako (5). Wartość oczekiw ana dowolnej funk
cji g(x) zm iennej X , której rozkład je s t p(x), je st dana przez (6). Z e w zoru (6) w ynika (7).:
(
5)
M J s ) = E [ X ' ~ ] = ¡x p(x)dx 0
E [ g ( x ) ] = \g ( x ) p ( x ) d x
(
6)
E [ X ' ] = M x( s + 1) (7)
Tak w ięc, d w a pierw sze m om enty statystyczne (to je st średnia i w ariancja) zm iennej X m o g ą być zdefiniow ane za po m o cą transform acji M ellina jako:
m = E [ X ‘ ] = M ( 2 ) (8)
a 2 = E [ X 2] - [ E [ X ] ] 2 = M J 3 ) - [ M X( 2 ) ] 2 (9)
Poniżej je s t transform acja M ellina dla trapezowej probabilistycznej funkcji gęstości p(x):
P ( X ) =
0, x < A - a ; 2 ( x - ( A - a ) ) a (2 B - 2 A + a + p )
2
A - a < x < A;
2 ■ B - 2 ■ A + a + p 2 -(b + P -x)
, A < x < B ;
(10)
P-{2 B - 2 A + a + p ) 0, x > B + P
B < x < B + p,
P robabilistyczna funkcja gęstości dla liczby rozmytej trapezowej o postaci (A ,B ,a,p ) je st definiow ana ja k o p(x) - (10). Transform ację M ellina z p(x) (10) otrzym uje się przez:
00 A - a A B B + p
M x( s ) = j x s p ( x ) d x = \ x s p , ( x )dx + j x s p 2( x ) d x + \ x s p 3(x)dx+ j x p 4(x)dx
0 0 A - a A B
+ l x s 1 p 5( x) dx = --- 5 ( 2 B - 2 A + a + P ) s ( s + l)
( A - a / +,- A 1+/ | (B + py+‘ - B s+I
P
(11)
Ś re d n ią m i w ariancję er2 dla transform acji M ellina m ożna zapisać jako:
m = M x(2) (12)
ct2= Mx( 3 ) - [ Mx(2)]2 (13)
W adą tej m etody jest, że rezultaty transform acji nie istnieją dla w szystkich wartości s, szczególnie w tedy gdy w ym ieniane w artykule zm ienne są dzielone. N a przykład dla dow ol
nej zm iennej Y: y = l/x , gdzie x je st dow olną zm ienną opisaną rozkładem [0,1], transform acja M ellina d la funkcji p(x) m a postać: M y(3)=M (2-s)=l/(2-s). A by znaleźć E[y], trzeba wyliczyć M y(2), ale ono nie istnieje. Gdy transform acja M ellina je st niew yznaczalna przy s=2 lub s=3 Park [6] oraz Young i Contreras [10] sugerują in n ą technikę, np. transform ację L aplace’a.
Przykład 1
D ane są dw ie liczby rozm yte przedstaw ione na rys.4: q j= (3 0 ,5 0 ,5 ,l5), q2=(33,55,l 8,10).
K tóra z tych liczb je s t w iększa? M aksym alny zakres obu liczb dla p = 0 je st taki sam, tj. 65.
M,i(2T) = 42,778, M q,(3) = 1915,278 => Mqi = 42,778, a ql2 = 85,321, M q2(2) = 41,741, M q2(3) = 1867,889 => M q2 = 41,741, a q22= 125,578.
Zgodnie z p o d an ą w cześniej zasadą, liczba rozm yta z w iększą średnią je st klasyfikowana wyżej. Jeżeli średnie s ą jednakow e, liczba z m niejszą w ariancją je st klasyfikow ana wyżej.
Liczba rozm yta qi m a w iększą średnią i m niejszą wariancję. W iększa je st w ięc liczba q,.
Porów nyw anie liczb rozm ytych i rozm yty opis.. 25
3.2. P orów n yw an ie liczb rozm ytych opisujących różne typy w ielkości
Porów nyw anie liczb rozm ytych reprezentujących różne typy wielkości zostało przedsta
w ione na przykładzie porów nyw ania w ytrzym ałości rozm ytej i naprężeń rozm ytych.
N orm y budow lane dotyczące projektow ania np. [15,16] w iążą naprężenia i obciążenia za pom ocą w arunku: o max < R, gdzie: a max - naprężenia m aksym alne; R - w ytrzym ałość.
W przypadku rozm ytości w arunek ten w ygląda inaczej. N ie da się w yznaczyć ostrej grani
cy pom iędzy naprężeniam i rozm ytym i i w ytrzym ałością rozm ytą.
W ytrzym ałość rozm yta [7] je s t to zbiór rozm yty, reprezentow any przez liczbę rozm ytą o w spółczynniku pew ności p pom iędzy zero i jeden. Do opisu w ytrzym ałości rozm ytej można w ybrać, w zależności od sytuacji, dow olną rodzinę funkcji. W artykule w ykorzystano rodzinę funkcji trapezow ych reprezentow aną przez zbiór składników: m = (A ,B ,a,P ), gdzie a= 0 .
Rpi(R)-
1,Ra < R < R b ;
RB +Rp ~ R
,Rb < R < Rb + R j3; (14)
0,R > R D + R 0 .
B P
W ytrzym ałość ro zm y ta R = (0 ,Rb,0,Rp) przybiera postać (rys.6. - linia ciągła). Podobnie m ożna przedstaw ić naprężenia rozm yte er = (crA,cTB,cra,crp), (rys.6. - linia przeryw ana).
K onstrukcja je s t bezpieczna, jeżeli [7]:
CTmax.tl(Xl,X2,...Xn) — Rmax ,u(X ] ,X2,.. -Xn), (16) gdzie: Xi,X2,...x„ oznacza zmienne rozmyte.
[M P a]
Rys.6. Graficzna ilustracja wzoru (15) Fig.6. Graphical illustration formula (15)
M ożna w uproszczeniu przyjąć w ytrzym ałość jako liczbę ostrą, p rzy ję tą na podstawie określonej norm y projektow ej, natom iast naprężenia traktow ać jako w artości rozm yte.
Crmax;n(Xl,X2,...X„) < R (16)
Z a słusznością takiego m odelu przem aw ia fakt, że na ogół w ytrzym ałość je st dobrze okre
ślona i m a uzasadnienie probabilistyczne, natom iast na w ielkość w yznaczonych naprężeń ma w pływ dokładność przyjętego m odelu obliczeniow ego, dokładność określenia obciążeń, do
kładność w ykonania konstrukcji. Zakładając w ytrzym ałość w postaci ostrej, m ożna przyjm o
wać w iększe naprężenia dopuszczalne, bo w ytrzym ałość je st większa. W pierw szym podej
ściu (15) nie m a bow iem pew ności, czy w ytrzym ałość osiągnie w artość R (1 6 ).
Pew ne oszczędności m oże przynieść w ym iarow anie konstrukcji przy założeniu jakiegoś określonego poziom u ufności p, np. dla p=0,5 w zór (15) przyjm ie postać:
O m a x ;n = 0 ,5 (X l,X 2 ,...X n) — R m a x ;n = 0 ,5 ( X l ,X 2 v X n ) j ( 1 7 )
[MPa]
Rys.7. Graficzna ilustracja wzoru (17) Fig.7. Graphical illustration formula (17)
W arunek (17), je s t spełniony (rys.7.), chociaż dla tych liczb na poziom ie ufności p = 0 w ytrzym ałość je s t przekroczona. Takie podejście je st jednak m ocno przybliżone, poniew aż liczby rozm yte pow stające w w yniku w ykonyw ania operacji arytm etycznych na liczbach rozm ytych trapezow ych nie zaw sze są liczbam i rozm ytym i trapezowym i.
Przykład 2
Sprawdzić, czy poziom naprężeń w środku rozpiętości stalowej belki obciążonej ciężarem w łasnym q i siłą skupioną P ja k na rys.8 nie przekracza w ytrzym ałości. Przyjęto, że param e
try m o g ą zm ieniać się skokow o w sąsiadujących przekrojach, a w ięc m ożna je traktow ać jako param etry niezależne. Belkę w ykonano za stali St3S o przekroju ja k na rys.8.
P k = 100 kN , 1 = (9900,10100,100,100) mm,
R = 195 M P a (wg [15]), po fuzyfikacji w ytrzym ałość przyjm uje postać: R = (0,195,0,0).
h i= (4 0 ,4 0 ,1,1 )m m , b i= (4 9 0 ,5 10,10,10)mm, h
2
=(990
, 1010,10,10)m m , b2=(20,20,1,1 )mmPorów nyw anie liczb rozm ytych i rozm yty opis. 27
b l
CM
A
i 1
b 2
Rys.8. Belka dla przykładu nr 2 Fig.8. Beam for the example number 2
W przykładzie 2 w y stę p u ją zarówno param etry podane w sposób ostry i za pom ocą liczb rozm ytych. P oniew aż siła P podana je s t ja k o w ielkość charakterystyczna w sposób ostry i nie m a szczególnych przesłanek co do w artości, jakie m oże przyjąć w przyszłości, niepew ność co do jej m ożliw ej w ielkości zostanie uw zględniona za pom ocą w spółczynnika obciążenia [17],
Yf = (Yf.min, Yf>0>0), gdzie: yimin = 0,9, yf,max = 1,5, P0 = Pk 7 f , P = (9 0 ,1 5 0 ,0 ,0 ) [kN], F = (Fmin ,Fmax,Fa,Fp), F = (0.039400,0.040600,0.002060,0.002140) [m2],
Jx = (0.003848082734,0.004988870135,0.001919567900,0.002259296209) [m4], x g = (0.270,0.290,0.0320,0.0380) [m], xd = (0.729,0.792,0.078,0.094) [m], W x,g = Jx/x g = (0.013269251,0.018409115,0.007389635,0.011917941) [m3], W x,d = Jx/x d = (0.004858690,0.006843443,0.002682037,0.004290453) [m3],
9 — (Ymin'Fmin ,ymax'Fmax>Ynim F a,ymax'Fp), gdzie: y = (ymin,Yniaxj0,0), y — (7 8 .5 ,8 0 .5 ,2 ,5 ), q = y-F, q = (3 .0 9 2 9 0 0 ,3 .2 6 8 3 0 0 ,0 .2 3 6 3 9 0 ,0 .3 8 5 9 7 0 ) [kN/m],
M = Z d L +L L , M = (2 6 0 .6 4 1891131,421.700035381,5.849488575,9.624245975) [kNm],
8 4
crg = (1 4 .1 5 8 ,3 1 .7 8 0 ,5 .7 5 7 ,4 1 .5 7 9 ) [MPa], o d = (3 8 .0 8 6 ,8 6 .7 9 3 ,1 5 .2 0 2 ,1 1 1 .3 0 6 ) [MPa],
O g O d R
T T
[M P a ]
ooVcsV-Too m
Rys.9. Graficzna ilustracja wyników w przykładzie 2 Fig.9. Graphical illustration results for example 2
4. Wnioski końcowe
Zastosow anie aparatu m atem atycznego opartego na teorii zbiorów rozm ytych w miejsce klasycznej algebry B oole’a rozszerza m ożliw ości analizy obliczeniowej konstrukcji na przetw arzanie danych o osłabionym determ inizm ie. M ożliw e je st np.:
- praw idłow e projektow anie konstrukcji pom im o niepewności co do rzeczyw istej wielkości niektórych param etrów użytych w obliczeniach,
- w yciąganie trafnych w niosków w przypadku niepełnych danych( badanie konstrukcji), - oszacow anie, ja k i je s t w pływ niepew ności poszczególnych param etrów na w ielkość nie
pew ności końcow ego w yniku.
A trakcyjne je st to zw łaszcza w przypadku dużych, skom plikow anych obiektów inżynier
skich, ja k np. przekrycia stadionów piłkarskich, przestrzenne konstrukcje cięgnow e, mosty w iszące i podw ieszone.
U dane zastosow ania praktyczne teorii zbiorów rozm ytych w innych dziedzinach techniki oraz przykładow e potencjalne korzyści zastosow ania liczb rozm ytych opisane w artykule w skazują na potrzebę badań nad w ykorzystaniem w budow nictw ie zalet teorii zbiorów roz
m ytych.
LITERATURA
1. C zogała E., Pedrycz W.: Elem enty i m etody teorii zbiorów rozm ytych. PW N, W arszawa 1985.
2. D riankow D., i.in.: W prow adzenie do sterow ania rozmytego. WNT, W arszawa 1996.
3. K acprzyk J.: Zbiory rozm yte w analizie systemowej. PW N, W arszawa 1986.
4. K aufm ann A., G upta M .M .: Introduction to fuzzy arithmetic: theory and applications. Van N ostrand R einhold, N ew York 1985.
5. Yager R.R ., Filev D.P.: Podstaw y m odelow ania i sterow ania rozm ytego. WNT, Warszawa 1995.
6. Park C.S.: The M ellin transform ation in probabilistic cash flow m odeling. En- grg. E conom ist 32 (1987), p p .115-134.
7. Szeliga E., W itkow ski M.: A ssessm ent o f structural reliability using the fuzzy sets theory.
A rchives o f C ivil Engineering. X LIII, 4, PW N, W arszawa 1997.
8. Zadeh L.A.: Fuzzy sets. Inf. and Control. 1965 vol. 8, pp.338-353.
Porów nyw anie liczb rozm ytych i rozm yty opis... 29
9. Yoon K.P.: A probalilistic approach to rank com plex fuzzy num bers. Fuzzy Sets and Sys
tem s. 80, 1996, pp.167-176.
10. Young D., C ontreras L.: Expected present w orth o f cash flow s under uncertain timing.
Engrg. E conom ist 20 (1975), pp.257-268.
11. B ętkow ski P.: M atem atyczne ujęcie rozbieżności zdań w budow nictw ie w procesie po
dejm ow ania decyzji przy w yborze optym alnego rozw iązania. III O gólnopolska K onferen
cja M ostowców , Referaty, s.29-36. W isła 18-20 czerw iec 1997.
12. Praca zbiorow a: Sieci neuronow e, algorytm y genetyczne, zbiory rozm yte. PTM KM , Stu
dio BEL, R zeszów 1999.
13. P N -8 2 /S -10052. O biekty m ostow e. K onstrukcje stalowe. Projektow anie.
14. P N -85/S -10030. O biekty m ostowe. Obciążenia.
Recenzent: P rof.dr hab.inż. Tadeusz Burczyński
Abstract
This paper concerns the problem o f resistance analysis in the conditions o f fuzzy uncer
tainty. A uthor gives his ow n m ethod o f description such uncertainty by using trapezoidal fuzzy num bers. In the paper are presented m ethods for com parison o f trapezoidal fuzzy num bers, interpretation o f resistance analysis results and determ ination o f fuzzy stress.