智能控制模糊推理.ppt

（3）对于如果A且B则C的语句其模糊关系定义为：这个计算，比前面的要复杂一些。的计算获得一个模糊矩阵D，再将D转换为E=DT计算模糊关系矩阵R。汪成义.模糊数学引论[M].北京工业学院出版社1998第30页,共38页，星期六，2024年，5月对于给定的输入A1，B1，如何求输出C1？第31页,共38页，星期六，2024年，5月例：已知当A=1/a1+0.5/a2,且B=0.1/b1+0.5/b2+1/b3时，输出C=0.2/c1+1/c2求模糊关系矩阵R现在，假设A1=0.8/a1+0.6/a2+0.1/a3B1=0.4/b1+0.9/b2+0.4/b3求输出C1从A1可知，A应该至少有3个元素，A=[1,0.5,0] B有三个元素， B=[0.1,0.5,1]第32页,共38页，星期六，2024年，5月将D的后一行接到前一行的尾部，将D转变为1行，再转置得到DT第33页,共38页，星期六，2024年，5月有了模糊关系R，请计算C1第34页,共38页，星期六，2024年，5月现在有：A1=0.8/a1+0.6/a2+0.1/a3A1=[0.8,0.6,0.1]B1=0.4/b1+0.9/b2+0.4/b3B1=[0.4,0.9,0.4]第35页,共38页，星期六，2024年，5月第36页,共38页，星期六，2024年，5月模糊推理是通过推理规则，确定模糊关系矩阵R;在采样点k，依据采样信息获得该采样时刻的AK,或者AK和BK，通过模糊关系进行矩阵运算，得到输出模糊矩阵CK。以上讨论的是只有一条推理规则时的情况。实际的控制系统要复杂得多，一般具有n条推理规则，每条推理规则都可以得到一个模糊关系矩阵Rm，这时，总的模糊关系矩阵R＝R1∨R2∨……∨Rn第37页,共38页，星期六，2024年，5月要获得满意的控制效果，模糊变量的划分比较细，例如对于温度控制，输入为误差E和误差的变化ΔE。通常E需要分为至少8个模糊区间（模糊子集），ΔE需要分为7个以上的模糊区间（子集），输出控制信号需要分为至少7个模糊子集。对于这样的划分，模糊关系矩阵R将达到56*7，对于每一个采样点k，要计算输出模糊矩阵，其计算量将比较大。第38页,共38页，星期六，2024年，5月智能控制模糊推理3.1模糊推理模糊推理的基本形式前提A如果温度高则B易燃性大前提A温度很高结论B易燃性很大类似于命题逻辑推理，但是，这里逻辑变量的取值不再是“是”和“非”第2页,共38页，星期六，2024年，5月推理的方法：演绎，归纳假言推理设A，B分别为X，Y上的模糊集合，它们的隶属度分别为μA(x)，μB(y）。如果x为A，则y为B——IFXTHENB现x为A’，可以推出y为B’。如满足条件A，则可得到结论B，可以用符号A→B来表示。前提：(A)?(B)前提:(A’)结论：(B’)第3页,共38页，星期六，2024年，5月如果当前的环境条件确实是A，当然可以得到输出控制量是B。IFATHENB但实际上，环境是变化的。现在条件是A‘,输出应该是什么？IFA’THENB’B’=?智能控制需要解决的问题。第4页,共38页，星期六，2024年，5月对于模糊推理，我们要定义模糊关系R，计算在这样的模糊关系下，输出的隶属度。它的隶属度函数为可以认为这里定义了A，B之间的一种模糊关系R楼世博.模糊数学[M].科学出版社第5页,共38页，星期六，2024年，5月2.推理过程的运算推理规则为：这实际上是利用A与B之间的模糊关系R，而第6页,共38页，星期六，2024年，5月例如：设X={1,2,3,4,5}Y={一,二,三,四,五}X,Y上的模糊子集“大”，“小”，“较小”分别定义为大：[L]=0.5/4（四）+1/5（五）即：4（或者四）属于L的隶属度为0.55（或者五）属于L的隶属度为1类似定义小：[S]=1/1（一）+0.5/2（二）较小：[M]=1/1（一）+0.4/2（二）+0.2/3（三）第7页,共38页，星期六，2024年，5月实际上是定义三个模糊子集：[L]=（0，0，0，0.5，1）[S]=(1,0.5,0,