第二章、第三节、四、2.pptVIP

　6）最后求出模糊推理输出　　　解 又因为所以即　4.多输入多规则推理　对于一个控制系统而言，一条模糊控制规则是不能满足控 制要求的。通常都有一系列控制规则来构成一个完整的模糊控制系统。如　　　　　　　　　　　　　　　　　　　　　　（2-46）　　　　　　　　　　　　　　　　　　　　　　（2-47）对于这类系统如何进行推理运算呢？多输入多规则推理方法就是为了解决此问题而提出来的。　为了简单起见，我们以二输入多规则为例。它可以很容易推广到多输入多规则的情况。考虑如下一般形式： 在这里，上的模糊集合。　利用玛达尼推理方法，规则如果　　　，那么　的模糊关系可以表示为“否则”的意义是“OR”即“或”，在推理计算过程中可以写成并集形式。由此，推理结果为　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（2-49）其中，其隶属度函数为 整个推理过程的意义为分别从不同的规则得到不同的结论，其几何意义是分别在不同规则中用各自推理前件的总隶属度去切割本推理规则中后件的隶属度函数以得到输出结果。最后对所有的结论进行模糊逻辑和，即进行“并”运算，得到总的推理结果。下面看一下二输入二规则的推理方法。　例2-15　对于二输入二规则的推理过程可以用图2-16示意 　　　　图2-16　二输入二规则的推理过程 　这种推理方法是先在推理前件中选取各个条件中隶属度最小的值（即“最不适配”的隶属度）作为这条规则的适配程度，以得出这条规则的结论。这一过程简称为“取小”操作。然后对所有规则的结论部选取最大适配度的部分。这一过程称为“取大”操作。这样整个推理的最后结果为所有规则结论部的并集。这种推理方法简单且实用，但其推理结果经常不平滑。因此，也有人主张把从推理前件到后件削顶的“与”运算改为“代数积”，这就不是用推理前件的隶属度函数为基准去切割推理后件的隶属度函数，而是用该隶属度去乘后件的隶属度函数。这样得到的推理结果就不再呈平台梯形，而是原隶属度函数的等底缩小。这种处理结果最后经对各规则结论的“并”运算后，总的推理结果的平滑性得到了改善。　综上分析，对于这样多输入多规则总的推理结果是将每一个推理规则的模糊关系矩阵进行“并”运算就可以，即对于以上式（2-46）～（2-47）中的每一条推理规则，都可以得到相应的模糊关系矩阵。 其中直积算子“×”可取“极小”运算，也可取“代数积”运算。　系统总的控制规则所对应的关系矩阵R通常采用并的算法求出，即　五、模糊关系方程的解　在模糊控制系统中，应用较多的“模糊条件语句”也是一种模糊推理，它的一般形式为　　　　　　　若　则　，否则　。可表示为：设　是论域U上的模糊命题，　对应U上的模糊子集为　　是论域V上的模糊命题，分别对应V上的模糊子集B，C。则上述模糊条件语句就可以表示为一种模糊关系　　　　　　　它是在U×V上的一个模糊子集。其隶属度函数为这也意味着在模糊系统中其输入为A、输出B，且存在模糊关系R满足：　　　　模糊关系R实际上表示模糊系统的输入输 出之间的一种映射。当输入为　时，输出　　　　。同时我们也注意到，以上提到的四种推理过程都是与模糊关系相对应的。模糊关系反映了模糊控制系统本质的联系。当论域U×V为有限集时，模糊关系R就可以用模糊关系矩阵R来表示了。因此，研究模糊关系矩阵R的性质、求解对模糊控制系统理论有着重要的意义。　与传统的控制系统设计相对应的模糊系统设计也存在系统的建模和控制问题，对于有限域上的模糊关系R可以用模糊矩阵来表示，则模糊控制系统的建模和控制问题就转化为模糊关系方程的求解问题了。　建模辨识问题　己知给定的A和B，求关系矩阵　　　　　　　　　　　　　　　　　　　　　　（2-51） 　系统控制问题　己知需控制的目标B和关系矩阵R，求控制输入建模问题是正问题，系统控制问题属于逆问题。因为对方程（2-52）两边取转置可以将其转化为方程（2-51）的形式，即　　　　　　　　　　　　，这样待求解的关系矩阵 　　　　　都在合成算子的右边。因此我们只需讨论模糊关系方程（2-51）的求解问题了。只要模糊关系方程（2-51）可以求解，则模糊关系方程（2-52）也可以同理而解了。　己知　　　　　　　　　　　　　　　　　　，分别为笛卡尔空间　　　　　　　　　上的模糊关系矩阵　　　　　　　　　　，记则式（2-51）可用以下分块矩阵的形式来表示因此方程（2-53）的求解问题可简化为下面　个简单的模糊矩阵方程的求解问题了。展开方程　（2-54）得　　　　　　　　　　　　　　　　　　　　　　（2-55）　　 假设合成