模糊推理法 傻瓜式 教程.pdf

7.4.2 模糊推理 7.4.2 模糊推理 77..44..22 模模糊糊推推理理 模糊推理有多种模式，其中最重要的且广泛应用的是基于模糊规则 的推理。模糊规则的前提是模糊命题的逻辑组合（经由合取、析取和取 反操作），作为推理的条件；结论是表示推理结果的模糊命题。所有模 糊命题成立的精确程度（或模糊程度）均以相应语言变量定性值的隶属 函数来表示。 模糊规则由应用领域专家凭经验知识来制定，并可在应用系统的调 试和运行过程中，逐步修正和完善。模糊规则连同各语言变量的隶属函 数一起构成了应用系统的知识库。基于规则的模糊推理实际上是按模糊 规则指示的模糊关系 作模糊合成运算的过程。 建立在论域 U，U，…，U 上的一个模糊关系 是笛卡尔积 1 2 n U×U×…×U 上的模糊集合。若这些论域的元素变量分别为1 2 n 则 R 的隶属函数记为 ， 。模糊关系 可 形式地定义为 在模糊推理中，尚未建立一致的理论去指导模糊关系的构造。这意 味着存在着多种构造模糊关系的方法，相关的模糊合成运算方法也不 同，从而形成了多种风格的模糊推理方法。不过，基于max-min原则的 算法占居了目前模糊推理方法的主流。尽管这些算法不能说是最优的， 但易于实现并能有效地解决实际问题，因此它们已广泛地应用于模糊推 理。 1. 直接 基于模糊规则的推理 1. 直接 基于模糊规则的推理 11.. 直直接接 基基于于模模糊糊规规则则的的推推理理 当模糊推理的输人信息是量化的数值时，可以直接基于模糊规则作 推理，然后把推理结论综合起来，典型的推理过程可以分为两个阶段， 其中第一阶段又分为三个步骤，表述如下： （1）计算每条模糊规则的结论：①输入量模糊化，即求出输入量相 对于语言变量各定性值的隶属度；②计算规则前提部分模糊命题的逻辑 组合（合取、析取和取反的组合）；③将规则前提逻辑组合的隶属程度 与结论命题的隶属函数作min运算，求得结论的模糊程度。 （2）对所有规则结论的模糊程度作max运算，得到模糊推理结果。 作为例子，我们观察图7.16所示的模糊控制。设想经验知识库中包 括九条规则，如表7.1所示。描述温差θ、温度变化率dθ和燃料流量修 正量y这三个论域的语言变量具有相同的定性值和隶属函数，且这三个 论域均归化到实数域［-1,1］上。这些定性值取以下术语： NB（负大），NS（负小）、ZO（零），PS（正小），PB（正大） 相应的隶属函数如图7.17所示。设模糊控制器当前输入的数量值 为：θ = 0.8，dθ = 0，则有两条规则激活： 从图6.7可知，输入量的隶属度为： 于是，基于max-min原则，可以分别计算这两条规则结论的模糊程度 （分别以μ和μ指示）：1 2 μ(y)和μ(y)实际是将1 2 和 的0.3和0.7以上部分切 去后的结果，这种min运算也称切头法（图7.18）。最后对μ(y)和 1 μ(y)作max操作，得到模糊推理结果（记为模糊集H）μ(y)＝ 2 H μ(y)∨μ(y)。1 2 设燃料流量修正量这个论域为有限离散值的集合，即将实数域[-1， l]分成8个等级，级差为0.25，则有 令 和 分别指示相应于这二条规则的推理结果模糊集， 则有 2. 基于模糊关系的推理 2. 基于模糊关系的推理 22.. 基基于于模模糊糊关关系系的的推推理理 当模糊推理的输人信息是定性术语（以相应的模糊集表示）时，可 以基于模糊关系作推理。如前所述，存在多种构造模糊关系