【2018年最新整理】智能控制导论7.pptVIP

课程名称：智能控制导论 二、什么是映射？ 设有集合X和Y，若有一对应法则存在，使得对于集合X中的任意元素x，有Y中唯一的元素y与之对应。则称此对应法则f为从X到Y的映射。记为： f：X→Y 称X为映射f的定义域，集合Y=f(x)={f (x) | X∈Y}，就叫f的值域，例：y=2x+3， 事实上，映射是一种变换。对于经典系统而言，这个法则就是数学模型（传递函数），对于模糊系统而言，输入输出的模糊关系矩阵。（好比水中倒影） 2．列举法：列举集合中的元素描述一个集合，如A={1,2,3,4} 三、集合的表示方法有几种？ 四、集合的运算性质有哪些？ 五、什么叫隶属度? 集合A的特征函数在x处的值叫x对A的隶属度。若隶属度为1，则x绝对属于A，否则，绝对不属于A。对于经典集合来讲，只有两个值，要么属于为1，要么不属于为0。 六、什么是模糊集合？与经典集合的区别是什么？ 模糊集合是对事物的不确定性进行描述的集合。设给定论域U，如果有映射μA（u）使论域U的任一元素u， 都有一个U的子集A存在，且μA（u）在[0,1]闭区间都有唯一的值与之对应，则A称为论域U的模糊集合， μA（u）称为模糊子集的隶属函数，其值就是隶属度。隶属度的大小即可反映元素u与模糊集合之间的关系。 很显然，通过μA（u）的取值可以直接表明U中的元素属于A的程度，若处处为1，则A就是U；若处处为0，则A与U无关。这样也可间接表明集合A和论域U的不确定程度。（班级与学校的关系，班级的全体就是一个模糊集合。年老与年龄范围、舒适与温度范围均存在模糊关系。） 模糊集合与经典集合的区别 1、从含义上：对事物的不确定性描述（模糊） 对事物的确定性描述（经典） 2、从取值上：0、1二值逻辑（经典） [0，1]闭区间取值，多值逻辑（模糊） 七、模糊集合如何表达？ 1）U为离散域，即有限集{u1,u2,……un}时 ① Zaden表示法 2）U为连续域 三、模糊集合的运算 1．包含和相等 若A和B为论域U两个模糊子集， 则 若μA（u）＝ μB（u）则A=B 2．并、交、补运算 与经典子集完全相同，并取最大，交取最小，可以与经典特征函数性质比较。 3．模糊子集的代数运算 A.B称A与B的代数积。 §2-4 隶属函数 经典集合描述的是事物的确定性，它是一个二值逻辑“属于”“不属于”，用特征函数来表述它，而模糊集合描述的是事物的不确定性，用隶属函数描述。它是在[0，1]上的多值函数或连续函数，他表示的是属于命题的程度。很显然，对于不同的模糊命题，就对应不同的隶属函数。如“远远大于0的实数集合”模糊命题。 一、隶属函数的确定原则 1．隶属函数的模糊集合必须是凸模糊集合 ①什么是凸模糊集？ 设A为以实数R为论域的模糊子集，其隶属函数 ，如果对任意的实数axb，都有 ： 则称A为凸模糊集。 也就是在(a,b)开区间内，对于任一x的值， 总存在唯一的极大值，即要求隶属函数曲线有单峰特性。 ② 为何要求模糊集合是凸模糊集合？ 严格的数学证明可参见有关资料。在此仅举一例加以说明。如某专家对某交通工具“速度适中”这个模糊命题，以他个人的经验： 2．变量所取隶属度函数通常是对称和平衡的 一般以平衡点为中心，取3-9个。如对控制系统的偏差而言，则以偏差“0”为中心，分量取“负大，负中，负小，零，正小，正中，正大“，这些变量叫语言变量。语言变量的多少视被控对象的要求而定，若要求控制精度高，则变量多，相应规则也增多，计算机运算量增大，对硬件要求就高，若要求不高，则可以取语言变量少些，但变量取值一定要对称。 3．隶属度函数符合人们的语义顺序 如描述助动车速度一般有“速度很低，速度低，速度适中，速度高，速度很高”。 4．对同一输入没有两个隶属度函数会同时有最大隶属度。 如对偏差-20℃，它只能是语言变量中的“负大，负中，负小”中的一个，不可能既是负大，又是负中，这不符合逻辑规定。所以，对同一输入只能是一个语言变量，一个隶属度函数，一个最大隶属度。也即，这个偏差最适合这个语言变量描述的模糊范围。 对于论域[-20,20]，只能是“负大” 对于论域[-40,40]，只能是“负中” 二、隶属度函数的确定方法 模糊控制的基础是建立或构造隶属度函数，有了隶属度函数才有了模糊控制的数学表达，才能进行模糊推理，模糊运算，最后得到模糊输出值进行控制，所以，正确构造隶属度函数是模糊控制的关键，但到目前为止还未有一套成熟的，有效的方法，这也是模糊控制要解决的难题之一。目前常用方法有： 1．统计法 采集大量数据，利用统计分析的原理求得某个模糊概念的数学表达形式，即隶属度函数，如“年轻”