科技大学模糊控制第三章.ppt

根据以上规律，可进一步得到一些定理用于推理： 定理一（各规则分别推理） 定理二（各条件分别推理） 关于各条件/各规则的解释（从最终的式子看） 在这一步中，若： 定理三（输入为模糊单点时的推理方法） 其解释就是我们介绍过的图方法 C-FC常用上式进行模糊推理。 由二部分功能组成 解模糊 对于某一组输入 ， ，一般会同时激活多条规则，因此会有多个推理结果c’i,，i为不同的模糊集合，求 （COG，MOM等） 5.2.4解模糊（要由推理结果产生控制u的数值） 论域反变换 模糊推理是在内部论域上进行的，因此得到的推理结果 都是内部论域上的（语言或数值）量 本章结束 * 3.2 模糊逻辑推理 对于两个输入，两条规则情况下的量化推理过程，可用图解法形象的表示为： C1 μ Z B1 B μ Y C1 A A1 μ X C2 μ Z A μ X A2 B2 μ Y B C2 min min Z μ C1 C2 C 提请注意：两条规则推理过程中的A’，B’是同样的！ 3.2 模糊逻辑推理 推理的一般作法：得到前件的总的适配度，然后： 与后件的相互作用（运算）有： min（取小） product（代数乘） 各条规则分别推理得到的结果如何集成： max（取并） sum（限界和） 其中限界和的定义是： min————max min————sum product——-max product——-sum 之分。 根据各种方法的组合，因此推理过程的处理方式有： 第四章 解模糊判决 4.解模糊判决 通过推理，已经得到了推理结果，结果是 (一般情况)。 无法直接输出（对控制问题），因执行机构无法理解和处理。 执行机构能理解和处理的变量形式是数值变量,因此需要：推理后的结论 数值（最具代表性的） 什么意义下最具代表性？有： 4 解模糊判决 重心法[COG, Center of Gravity] 将推理得到F·S的所围的区域看成是一个有质量的物体，而各点的 当成是对应点的密度值，计算重心 （利用重心计算公式） [设结果是C’] 连续论域： 离散论域： 取 最大值所对应的z作为结果 ——要求正则（单峰） ——如果平顶，取 最大线段的中点作为结果。 最大隶属度平均法（ MOM，Mean of Maximum） MOM法：结果一样。 COG法：可反映不同。 因此，尽管COG法的计算结果复杂些，但在一些实际应 用中仍常使用。 注：MOM法反映不出 的分布情况： 加权平均法（WMM，Weighted Mean Method） 推理规则形如： IF x=Ai and y=Bi THEN z=zi 单点（数值） 再怎么“切”，也是zi 已经是个“数”了，问题是如何将多条规则分别推理得到的结果组合起来。 有： 其中： 为第i条规则的激活度（firing strength） 解释：完全适配 完全不适配 第五章 模糊逻辑控制 5.1概述 5.1 概述 任何新的理论或技术的发展都有一个背景（driving force）。 Fuzzy Control 为什么会产生和发展呢？ 传统控制的局限性 1.依赖于数学模型： May be “benign”； 然而大多数场合无法获得； 可获得：忽略“次要”因素 用精确的数学语言对真实物理系统进行的近似描述。 2.无法实现经验法则 指推理，而不是简单的逻辑判断。 3.实时性问题 迭代算法 。 经常会有这样情况： 传统控制无法控制的问题，操作工却能做的较好。 操作工的控制是如何产生、实施的（他的信息处理过程）？特点在哪里？ 依靠不精确信息（输入《事实》及经验） 通过推理 （模仿人的思维过程） 得到有意义的结果 用语言变量来描述事物的物理特征，对事物进行了概括性描述 既然“有效”，我们使用计算机可否模仿这样的信息处理过程呢？ 1.前面学习了模糊数学的知识，我们有了处理这样问题的数学工具；