模煳与模煳系统.pptVIP

* 由该定理可得到以下结论： （1）形如式（2）的模糊系统是万能逼近器，对任意给定的 ，都可将 和 选得足够小，使 成立。从而保证 （2）通过对每个 定义更多的模糊集可以得到更为准确的逼近器，即规则越多，所产生的模糊系统越有效。 （3）为了设计具有预定精度的模糊系统，必须知道 关于 和 的导数边界，即 和 。同时，在设计过程中，还必须知道 在 处的值。 3 仿真实例 实例1 针对一维函数 ，设计一个模糊系统 ，使之一致的逼近定义在 上的连续函数 ，所需精度为 ，即 。 由于 ，由式（5.3）可知， ，故取 满足精度要求。取 ，则模糊集的个数为 。在 上定义31个具有三角形隶属函数的模糊集 ，如图1所示。所设计的模糊系统为： 图1 隶属函数 一维函数逼近仿真程序见iden_fuzz1.m。逼近效果如图2和3所示 ： 图2 模糊逼近 图3 逼近误差 实例2 针对二维函数 ，设计一个模糊系统 ，使之一致的逼近定义在 上的连续函数 所需精度为 。 由于 由式（5.3）可知，取 ， 时，有 满足精度要求。由于 ，此时模糊集的个数为 即 和 分别在 上定义11个具有三角形隶属函数的模糊集 。 所设计的模糊系统为： (5.6) 该模糊系统由 条规则来逼近函数 二维函数逼近仿真程序见iden_fuzz2.m 。 和 的隶属函数及 的逼近效果如图4至7所示 图4 的隶属函数 图5 的隶属函数 图6 模糊逼近 图7 逼近误差 TS Fuzzy rule base: The output of the fuzzy system: * 式中 即为无条件满足。在前提中 可不必列出。 在线性的情况下，规则可以写成： Ri: 这是Takagi—Sugeno一阶模型。要辨识的内容有： 1）前件变量 的数目，决定系统的阶次，属于结构辨识 2）隶属函数 — 前件参数 3）后件参数 在前件中，如果 等于 的整个论域，（即 ），此项可略去， 无限定，成为无条件。譬如： * R2 R3 R1 在输入空间已划分的情况下，模糊辨识的实质就是在所定义 的空间下，给出规则的集合。 X Y 举例： 用3条规则逼近原函数（如 右图)。输入-输出对的数据已知，这里假定只有1个输入变量,它被划分为3个模糊集合,即大、中、小。可描述的规则如下： R1 R2 R3 If x 是 If x 是 If x 是 big small middle 4 10 0 7 4 7 8.5 Then y = 0.2x + 9 Then y = 0.6x + 0.2 Then y = 1.2x - 3 * 与传统的辨识方法相比，模糊辨识的特点在于： 1）可以用较少的规则来逼近函数； 2）可以用语言变量来表达。 模糊辨识的一种方法及步骤 针对Takagi—Sugeno（T—S）模型，辨识步骤： ⑴ 选择前件变量 ⑵ 前件参数辨识 ⑶ 后件参数辨识 非线性规划法 最小二乘法 算法的框架 small middle big * 分层模糊系统 Tasks: (1) Determination of the hierarchical structure (2) Determination of the type of submodels (2) Parameter identification (3) Input/feat