第7章 智能技术在传感器系统中的应用.pptVIP

c）实际测量时，数值量的结果经过该单元处理，得到属于各个术语的隶属度，再按模糊集运算规则（如前面我们介绍的最小邻域法规则）就可得到其对应的符号输出。 d）学习单元的作用 ＊ 调整语言的概念、亦即术语； ＊ 调整隶属函数； ＊ 增加新的概念序列等。 e）语言概念合成器 相当于我们前面介绍的多传感器信息融合的概念，只不过它是讲符号域中的不同符号进行融合后给出最恰当的语言符号输出。实际上是语言知识的综合。它的融合方法将在下一节里介绍。 3）其他部分（S/Q、人机接口、通信接口） 同前面的内容基本相同。其中通信接口中符号量的变换与传输，计算机通信领域中已经是非常成熟的技术。 §7.1.3 模糊传感器语言概念的产生方法 提供数值测量的语言描述。 方法：1）运用语言间的语义关系 2）根据确定特定数值测量值的语言描述，通过插值产生其它测量 点的模糊描述。 通过语义关系产生概念 模糊传感器可对应被测数值量的变化范围输出多个语言描述，这些语言描述通过它们语义间的关系相联系。 为了表述这种“关系”，首先需定义一个特殊概念——属概念。“属概念”指对应于数值域中那些最具有代表性的测量点或测量范围的语言描述。 如：我们定义男性标准身高（按一个地区的统计数字来表示）为1.74m，那么对应数值1.74m的属概念为：“适中”，若再定义低于1.70m为低，高于1.80m为高，则介于1.70m～1.74m之间为“偏低”，介于1.74m～1.80m为“偏高”，后两个语义是在前面三个概念的基础上通过语义关系产生的。 采用模糊理论描述语义关系产生新概念的方法为： 1）定义属概念及其隶属函数；隶属函数的确定主要是根据对象特性和经 验知识。 2）利用存贮于模糊传感器中的模糊算子，产生新的模糊概念； 3）利用属概念隶属函数求得新产生概念的隶属函数； 4）新概念若不符合测量要求，则通过训练算法修正其隶属函数。 新生概念的隶属函数的函数形式为： k：修正因子， 模糊算子在语言域中用汉语词汇来表达的话，基本上是修饰性的副词。 插值法产生概念 1）数值域中特定的元素（又称为特征测量量）的概念： 如前面我们讲的身高：1.70，1.74，1.80均为数值域中的特定元素。若还包括体重量作为被测量，则：60kg，70kg，80kg亦为体重数值域的特定元素，若再包括年龄，则该系统就变成了三维被测对象系统。 2）距离的概念 前面我们已经讲过了距离的概念。而这里讲任意一点 及其与 之间的距离的概念，可以理解为 两点之间 连线的点，而不是连线之外的点。 它的产生方法是： 1）在数值域中确定特定测量量或者说进行特征抽取。 特征抽取的效果涉及具体问题的背景及识别者的知识、技巧和意志等。 2）建立隶属函数，包括特征量的隶属函数和插值量的隶属函数。 3）识别判决产生对应插值的概念。 模糊传感器对测量环境的适应性 前面我们就讲到特征量抽取时涉及到具体问题的背景知识，考虑测量背景知识的影响，需对数值测量的描述进行适应性处理。这正如书中讲的具体温度值在不同的测量对象中有不同的概念一样。 处理的方法有两种： 1）基于适应函数的处理方法； 2）基于专家定性学习的方法。 1、基于适应函数的处理方法 适应函数的概念：从标准数值域到实际数值域之间的映射关系。 如：一般模拟信号作为4～20mA的标准信号输出的转换关系；再者一般产品的一些技术参数指标都在25℃和一个标准大气压下给出的，在实际测量和使用中，实际环境条件的变化会对相应的参数指标有影响。 适应函数使用的约束条件： 1）与属概念对应的特征测量点不应随适应函数的变化而变化，如前面讲的“适中”的语义概念，对应的特征测量点；4mA对应零输入。 2）特征测量点的描述应保持线性。 2、专家指导下的定性学习法 该方法主要是通过比较专家和模糊传感器对同一被测量定性描述的差异 性，然后根据这种差异性按一定的修正规则来进行修正，以专家的定性描述作为标准（l(x)）