模糊控制与模糊策略讲义课件.pptVIP

^_^ （5）加权函数型推理法 ^_^ （6）选择最大隶属度法 选取模糊子集中隶属度最大的元素作为控制量，若该元素仅为一个，则选择该值作为控制量，否则取其平均值。 C1=0.3/-1+0.8/-2+1/-3+0.5/-4+0.1/-5 C2=0.3/0+1/1+1/2+0.8/3+0.4/4+0.2/5 ^_^ （7）取中位数法 选取求出模糊子集的隶属函数曲线和横坐标所围成区域的面积平分为两部分的数，作为非模糊化的结果。优点是充分利用了模糊子集提供的信息量，但是计算繁琐，且缺乏对隶属度较大元素提供主导信息的重视，实际应用受到限制。 ^_^ 在各种模糊判决方法中，若充分考虑利用模糊推理子集提供的有用信息，会导致计算烦琐，否则会丢掉一些有用信息．要根据实际系统的具体情况，如系统复杂度及控制精度等，适当地确定模糊量的去模糊化方法． ^_^ 讨论由模糊推理所获得的模糊子集的隶属函数形状，及其对控制性能的影响． ^_^ 5.论域、量化因子、比例因子的选择 基本论域、模糊子集的论域、模糊语言词集的总数（7、8） Ke=n/xe；Kc=m/xc；量化因子一般远大于1。Ku=yu/l，比例因子。 Ke较大，系统的超调较大，过渡过程也较大。 Ke较大，相当于缩小了误差的基本论域，增大了误差变化的控制作用，导致上升时间缩短，但由于出现超调，使得系统的过渡过程变长 。 ^_^ Kc增大，超调量减小，但系统的响应速度变慢。 Ku过小，会使系统动态响应变长， Ku过大，会使系统出现震荡。 6. 采样时间的选择 香农（Shannon）定理、误差变化最大值、一次采样过程中控制作用次数。 ^_^ 为了对论域U ={u1, u2, … , un}中的元素进行排序,由m个专家组成专家小组M,分别对U中的元素排序,得到m种意见： V ={v1, v2, … , vm}, 其中vi 是第i 种意见序列,即U 中的元素的某一个排序. 若uj在第i 种意见vi中排第k位,则令Bi(uj)=n–k,称 为uj的Borda数.此时论域U的所有元素可按Borda数的大小排序,此排序就是是比较合理的. 模糊集中意见决策 ^_^ 例1 设U ={a, b, c, d, e, f }, |M|= m = 4人, v1: a, c, d, b, e, f ; v2: e, b, c, a, f , d; v3: a, b, c, e, d, f ; v4: c, a, b, d, e, f ; B(a)=5+2+5+4=16; B(b)=2+4+4+3=13; B(c)=4+3+3+5=15; B(d)=3+0+1+2=6; B(e)=1+5+2+1=9; B(f )=0+1+0+0=1; 按Borda数集中后的排序为： a, c, b, d, e, f . ^_^ 例2 设有6名运动员U ={u1, u2, u3, u4, u5, u6 }参加五项全能比赛, 已知他们每项比赛的成绩如下： 200m跑 u1, u2, u4, u3, u6, u5； 1500m跑 u2, u3, u6, u5, u4, u1； 跳远 u1, u2, u4, u3, u5, u6； 掷铁饼 u1, u2, u3, u4, u6, u5； 掷标枪 u1, u2, u4, u5, u6, u3； B(u1)=5+0+5+5+5=20; B(u2)=4+5+4+4+4=21; B(u3)=2+4+2+3+0=11; B(u4)=3+1+3+2+3=12; B(u5)=0+2+1+0+2=5; B(u6)=1+3+0+1+1=6; 按Borda数集中后的排序为：u2, u1, u4, u3, u6, u5. ^_^ 若uj在第i 种意见vi中排第k位，设第k位的权重为ak，则令Bi(uj)= ak(n – k )，称 为uj的加权Borda数。 名次 一 二 三 四 五 六 权重 0.35 0.25 0.18 0.11 0.07 0.04 B(u1)=7, B(u2)=5.75, B(u3)=1.98, B(u4)=1.91, B(u5)=0.51, B(u6)=0.75. 按加权Borda数集中后的排序为： u1, u2, u3, u4, u6, u5 ^_