ch3_模糊控制系统(1).pptVIP

* （1）模糊统计法 根据所提出的模糊概念进行调查统计，提出与之对应的模糊集A，通过统计实验，确定不同元素隶属于A的程度。 对模糊集A的隶属度 = * （2）主观经验法 当论域为离散论域时，可根据主观认识，结合个人经验，经过分析和推理，直接给出隶属度。这种确定隶属函数的方法已经被广泛应用。 （3）神经网络法 利用神经网络的学习功能，由神经网络自动生成隶属函数，并通过网络的学习自动调整隶属函数的值。 * （4）例证法 主要思想是从已知有限个μA的值，来估计论域U上的模糊子集A的隶属函数。 （5）二元排序法 通过多个事物之间两两对比来确定某确定特征下的顺序，由此来确定这些事物对该特征的隶属函数的大致形状。 * 一、模糊集合的概念与运算 二、模糊集合的隶属函数 三、模糊关系及其运算 四、模糊推理 3.2 模糊集合与模糊推理 * 关系 三、模糊关系及其运算 1. 模糊关系 客观世界中的各种事物之间一般都存在着某种联系,而描述事物间联系的数学模型之一就是“关系”。 * 设有两个集合X，Y，从X与Y中各取出一元素x,y，组成序偶(x,y)，所有这样的序偶构成的集合，被称为X与Y的直积，记作X×Y 对于集合X，Y，直积X×Y的子集R称为X与Y之间的二元关系或关系。 * 关系R是A与B两集合的直积A×B的一个子集。现将关系R的概念推广到模糊关系。 模糊关系一般不仅考虑关系的有无，而且考虑关系的程度。例如，给出几个家庭成员的“相象关系”，这时就很难绝对地说“象”或“不象”，只能评论他们的“相象”程度。为此，引入更广泛的概念“模糊关系”。 * 模糊关系 设X，Y是两个论域，由X，Y作出一个新的论域X×Y。 X×Y上的模糊集R∈F(X×Y)叫做X与Y之间的模糊关系，即： 其中，μR(x,y)称为x与y关于R的关系程度。当X=Y时，称R为X上的模糊关系。 * 例3.8 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。 * 将上表写成矩阵形式，得： 考试成绩表的模糊化 * 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 * 2. 模糊关系矩阵的运算 模糊关系是一种特殊的模糊集。因此，对模糊关系同样具有相等、包含、并、交、以及补运算等。另外，由于模糊关系的特殊性，它还有合成运算。模糊关系的运算用模糊关系矩阵表示更为方便。 * 设R和S为U上的两个模糊关系，分别表示为： * 则模糊关系运算如下： (a) 相等 R与S相等，意味着 (b) 包含 R包含S，意味着 * (c) 并 R与S并，表示为R∪S，则 式中 * (d) 交 R与S交，表示为R∩S，则 式中 * (e) 补 R的补，表示为 ，则 式中 * ( f ) 合成 R与S的合成，表示为R S * 例：设U={x1,x2,x3,x4,x5},xi表示同学，对每位同学的学习刻苦程度在[0，1]间打分，便得到了从U到[0，1]的映射，记A=“学习刻苦”。 A(x1)=0.3, A(x2)=0.55, A(x3)=0.7, A(x4)=0.4, A(x5)=0.9 * 用序偶表示法表示为 用向量表示法表示为 用Zadeh法表示为 * 隶属函数解析式表示法 以年龄为论域，取 x=[0,100]。Zadeh给出了“年轻”的模糊集Y，其隶属函数为 * 2）当U是有限连续域时，Zadeh给出如下记法 式中，“∫”不表示“积分”，也不是“求和”记号，而是表示论域U上的元素u与隶属度uA(u)对应关系的一个总括。 * 3.模糊集合的运算 模糊集合的基本运算 （1）空集 模糊集合的空集为普通集，它的隶属度为0，即 （2）全集 模糊集合的全集为普通集，它的隶属度为1，即 * （3）等集 两个模糊集A和B，若对所有元素u，它们的隶属函数相等，则A和B也相等。即 （4）子集 若B为A的子集，则