[工学]智能控制——模糊控制2.pptVIP

第2章 模糊逻辑控制 华东理工大学自动化系 罗健旭主讲 本节内容 2.3 模糊关系 模糊关系的概念、定义 模糊关系的合成 2.4 模糊逻辑与近似推理 预备知识：笛卡尔积 令U和V为两个经典集合， U和V的笛卡尔积记为U×V,是所有序对（u,v)的集合，其中： 预备知识：经典关系 经典集合U、V中的一个二元关系是笛卡尔积U×V的一个子集。 可以用下面的隶属度函数来表达一个二元关系： 2.3 模糊关系 引言：用经典关系难以表述集合间的模糊关系，如“A与B很相似”，“x比y大很多”等。借助于模糊集合理论，可以定量地描述这些模糊关系。 2.3.1 模糊关系的定义及表示 模糊关系的模糊矩阵表示 设 模糊关系举例说明 设 2.3.2 模糊关系的合成 设 模糊关系合成举例 例4:已知子女与父母的相似关系的模糊矩阵为R;父母与祖父母的相似关系的模糊矩阵为S： 模糊关系合成举例 2、采用最大—积合成 模糊关系合成的图解 一种较简便的合成方法 的合成运算，可看作关系矩阵 2.4 模糊逻辑与近似推理 2.4.1 语言变量 L.A.Zadah 为语言变量给出了如下的定义： 语言变量由一个5元组(x,T(x),U,G,M)来表征。其中x是变量的名称，U是x 的论域，T(x)是语言变量值的集合，每个语言变量值是定义在论域U上一个模糊集合，G 是语法规则,用以产生语言变量x的值的名称，M是语义规则，用于产生模糊集合的隶属度函数。 语言变量举例 例如，考虑语言变量 “速度” 则x=“速度”, (语言变量名称） U=[0 160] ，（论域） T(x)= T(速度)={慢,适中,快,很慢,稍快,……} （语言变量值集合，其中每个值是定义在论域上的模糊集合） T(x)的取值集合是由语法规则G确定的；而模糊语言的隶属度函数是由语义规则M确定的。如： 2.4.2 模糊蕴含关系 什么是模糊蕴含关系？ 模糊蕴含关系的运算方法 （1）模糊蕴含最小运算（Mamdani) 模糊蕴含关系运算举例 例5：若人工调节炉温，有如下的经验规则：“如果炉温低，则应施加高电压”。用不同方法计算上述模糊蕴含关系。 令x=“炉温”，y=“电压”，有X=Y={1,2,3,4,5} 令A=“炉温低”={1/1，0.8/2,0.6/3,0.4/4,0.2/5} 令B=“电压高”={0.2/1,0.4/2,0.6/3,0.8/4,1/1} 则上述模糊规则可表示为：如果x是A,则y是B.其模糊蕴含关系计算如下： 1、模糊蕴含最小运算方法 2、模糊蕴含积运算方法 2.4.3 近似推理 基于传统二值逻辑的假言推理： 前提1(事实): x是A 前提2(规则)： if x是A， then y是B 结果(结论) : y是B 在这里，前提1中的A与前提2中的A严格一致。 近似推理 基于模糊逻辑的近似推理 例如有隐含“如果苹果红了，则苹果熟了”，现在有“苹果有点红 了”，则可推出“苹果有点熟了”。 近似推理过程 合成算法介绍： 1、最大-最小合成算法 近似推理举例 例6（前提同例5）若人工调节炉温，有如下的经验规则：“如果炉温低，则应施加高电压”。试问当炉温为“低”、“非常低”、”略低”、“不低”时，应施加怎样的电压? 令x=“炉温”，y=“电压”，有X=Y={1,2,3,4,5} 令A=“炉温低”={1/1，0.8/2,0.6/3,0.4/4,0.2/5} 令B=“电压高”={0.2/1,0.4/2,0.6/3,0.8/4,1/1} 则上述模糊规则可表示为：如果x是A,则y是B.设A’为A、非常A，略A 和非A时，B’是什么？ 模糊蕴含采用最小算法，合成算法采用最大_最小算法 近似推理的直观解释 采用最小模糊蕴含和最大—最小合成。 多输入、多规则的近似推理 1、句子连接词“and” 2、规则连接词“ALSO” if x是Ai，and y是Bi,then z是Ci 规则之间用Also 连接. 对also 采用求并运算. 习题与思考题 考虑三个二元模糊关系，他们由下面的关系矩阵定义： (2) 令X={x1,x2,x3},Y={y1,y2}.假设已知一条模糊IF-Then规则为: 如果x为A,则y为B 其中A=0.5/x1+1/x2+0.6/x3, B=1/y1+0.4/y2, 在A=A’的条件下(A’=0.6/x1+0.9/x2+0.7/x3),采用最小模糊蕴含算法及最大最小合成规则,求近似推理的结论. 前提1(事实)： x是A’ and y是B’ 前提2(规则) ：if x是A，and y是B,then z是C 结果(结沦) ：z是C’ 推理过程: 模糊蕴含关系: A×B→