智能控制(第三版)chap3-模糊控制的理论基础答题.ppt

第三章 模糊控制的理论基础 第一节 概述 END 基于模糊推理规则，根据模糊关系R，可求得给定输入A1和B1对应的输出C1： C1 = (A1×B1)T2R 式中，(A1×B1)T2为模糊关系矩阵(A1×B1)(m×n)构成的m×n列向量，T2为行向量转换。 例3.11 设论域x={a1，a2，a3}，y={b1，b2，b3}，z={c1，c2，c3}，已知: 试确定“If A AND B then C”所决定的模糊关系R。 如果A和B分别取如下值，求输出C。 解： 将A×B矩阵扩展成如下列向量： 最后得: 即： 当输入为A1和B1时，有： 将A1×B1矩阵扩展成如下行向量： 高斯型隶属函数（M=1） 注：M为隶属函数类型的编号 (2) 广义钟型隶属函数 广义钟型隶属函数由三个参数a，b，c确定： 其中参数a和b通常为正，参数c用于确定曲线的中心。Matlab表示为 广义钟形隶属函数（M=2） (3) S形隶属函数 S形函数sigmf(x,[a c])由参数a和c决定： 其中参数a的正负符号决定了S形隶属函数的开口朝左或朝右，用来表示“正大”或“负大”的概念。Matlab表示为 S形隶属函数（M=3） （4）梯形隶属函数 梯形曲线可由四个参数a，b，c，d确定： 其中参数a和d确定梯形的“脚”，而参数b和c确定梯形的“肩膀”。 Matlab表示为： 梯形隶属函数（M=4） (5)三角形隶属函数 三角形曲线的形状由三个参数a，b，c确定： 其中参数a和c确定三角形的“脚”，而参数b确定三角形的“峰”。 Matlab表示为 三角形隶属函数（M=5） （6）Z形隶属函数 这是基于样条函数的曲线，因其呈现Z形状而得名。参数a和b确定了曲线的形状。Matlab表示为 Z形隶属函数（M=6） 例3.6 隶属函数的仿真：设计一个三角形隶属函数，按[-3，3]范围七个等级，建立一个模糊系统，用来表示{负大，负中，负小，零，正小，正中，正大}等集合。仿真结果如图所示。 程序：chap3_3.m 三角形隶属函数曲线 三、 隶属函数的确定方法 ? 目前，隶属函数的确定主要依赖于经验和实验。通常的方法是初步确定粗略的隶属函数，然后通过“学习”和实践来不断地调整和完善。 （1）依据主观经验设计模糊集A及隶属函数u0 （2）统计实验 进行统计实验，提出合适的模糊集A，确定不同元素隶属于A的程度。u0对模糊集A的隶属度 ： （3）神经网络法 由神经网络自动生成和调整隶属函数。 第四节 模糊关系 一、模糊关系 例3.6 设有一组同学X，X={张三，李四，王五}，他们的功课为Y，Y={英语，数学，物理，化学}。他们的考试成绩如下表： 考试成绩表 取隶属函数 ，其中u为成绩。如果将他们的成绩转化为隶属度，则构成一个x×y上的一个模糊关系R，见下表。 考试成绩表的模糊化 将上表写成矩阵形式，得： 该矩阵称作模糊矩阵，其中各个元素必须在[0，1]闭环区间上取值。矩阵R也可以用关系图来表示，如图所示。 R的关系图 二、模糊矩阵运算 设有n阶模糊矩阵A和B， ， ，且 。则定义如下几种模糊矩阵运算方式： 例3.9 设 三、模糊矩阵的合成 所谓合成，即由两个或两个以上的关系构成一个新的关系。模糊关系也存在合成运算，是通过模糊矩阵的合成进行的。 例 3.10 设， ， 则A和B的合成为： 其中 for i=1:2 for j=1:2 AB(i,j)=max(min(A(i,:),B(:,j))) end end 例3.11 某家中子女和父母的长相“相似关系”R 为模糊关系，可表示为 用模糊矩阵 R表示为 该家中，父母与祖父的“相似关系” S也是模糊关系，可表示为 用模糊矩阵 S表示为 那么在该家中，孙子、孙女与祖父、祖母的相似程度应该如何呢？ 模糊关系的合成运算就是为了解决诸如此类的问题而提出来的。针对此例，模糊关系的合成运算为 该结果表明，孙子与祖父、祖母的相似程度分别为0.2和0.2，而孙女与祖父、祖母的相似程度分别为0.5和0.6. 第五节 模糊推理 一、模糊语句