第8章智能模糊传感器.ppt

这里显然有： 若μR(c1,x)＞0.5, 则有μR(very(c1), x)＜μR(c1, x) 若μR(c1,x)＜0.5, 则有μR(very(c1), x)＞μR(c1, x) 在满足上述条件下， 可选择函数形式为 f(ζ) = ζ(1-sin(kπ(ζ-0.5))) 式中：ζ——属概念隶属函数； k——修正因子，满足(0＜k＜1)。 (8-6) 8.3.2 插值法产生概念 对于数值域中特定的元素，我们称之为特征测量量(characteristic measurements)，用vi表示。对于每个vi, 其数值域模糊集合表示为F(vi), 则vi隶属于F(vi)的程度等于1，即μF(vi)(vi)=1。 而其它的特征测量量用vj(j≠i)表示，其数值域模糊集合表示为F(vj)。显然其隶属于模糊集合F(vi)的程度为0，即μF(vi)(vj)=0。 那么，对于任意一点v∈［vi, vj］, v隶属于模糊集合F(vi)和F(vj)的隶属函数分别为 (8-7) (8-8) 它们之间关系满足： 该距离应当满足下述条件： 最简单的距离可表示为 如果隶属函数的形状已知，则可定义为更一般的形式： f是在［0, 1］上的增函数，且满足： 图 8-10 插值法产生概念示意图 图 8-11 函数f(x)隶属函数示意图 2. 最大、最小算子“∨”、 “∧” 3. 乘积算子“·” 即μA(x)和μB(x)的模糊积就是它们的数值积。 四、 含义映射τ(a)与描述映射l(x) 1. 含义映射τ(a) 语言值a的含义定义为从语言域到数值域的一个子集P(N)的映射，所谓N的子集P(N)就是由N中的若干个元素组成的新的集合，显然有P(N)∈N或者P(N)=N。 含义映射τ(a)可以表示为 τ: Y→P(N) 其中，对于任意a∈Y, 有τ(a)=x∈N。即对于语言域Y上的任意一个元素a， 它的原像可用τ(a)表示，且等于数值域上的x, 也就是说x是a的含义。 含义映射保证两个相同的语言值有相同的含义。语言值和含义间的联系叫做语言概念。 2. 描述映射l(x) 对于每个数值测量量x, 与其相应的语言值a之间的关系叫做描述映射l(x)，即 l: N→P(Y) 其中，对于任意x∈N, 有l(x)=a∈Y。即对于数值域N上的任意一个元素x, 它的像可用l(x)表示，且等于符号域上的a, 就是说a是x的描述。 映射μ、τ和l是对被测对象的同一信息的三个独立的表述。但是这三个关系中确定任意一个可推出其它两个。事实上，如果语言值a为测量值x的描述，则等于说x为a的含义。 更进一步地，我们可以举例说明：令语言域Y为{小，中，大}， 其语言值“小”、“中”、“大”的含义如下： τ(小) =［0, 1.70］ τ(中) =［1.65, 1.80］ τ(大) = 1.75, 1.90］ 那么，测量值x=1.78的描述为 l(1.78) = ｛中， 大｝ 五、模糊语义和模糊描述 1. 模糊语义 语言值的模糊语义是语言域Y到数值域N上的模糊子集F(N)的映射，表示为 τ: Y→F(N) 那么语言值a的模糊语义为x, 即可以写成x=τ(a)。 2. 模糊描述 数值量的模糊描述是从数值域N到语言域Y上的模糊子集F(Y)的映射，表示为 l: N→F(Y) 如果数值量x的模糊描述为a, 即可以写成a=l(x)。 3. 模糊关系 模糊语义和模糊描述之间的模糊关系R的隶属函数表示为 μR: Y×N→［0, 1］ 式中映射μR将Y集合与N集合的并集合Y×N中的有序对(a, x)与模糊关系R的隶属函数μR(a, x)相连系。在语言域Y中给定一个语言量a, 模糊关系R就在数值域N中确定一个模糊子集τ(a)，则任意一个属于数值域N中的数值量x属于模糊子集τ(a)的程度μτ(a)(x)由模糊关系隶属函数μR (a, x)给定，即 μτ(a)(x) = μR(a, x) 同样地，在数值域N中给定一个数值量x, 模糊关系R就在语言域Y中确定一个模糊子集l(x), 则语言域Y上的任意一个语言量a属于语言域Y的模糊子集l(x)的程度μl(x)(x) 也由模糊关系隶属函数μR(a, x)决定，即 μl(x)(x) = μR(a, x) 因此，模糊语义与模糊描述的关系如下： μτ(a)(x) = μl(x)(x)