模糊控制技术课件.pptVIP

四、模糊關係普通關係只表示元素之間是否關聯，而模糊關係是普通關系的拓展，表示元素之間的相像程度。從數學語言來講，關係R實際上是A和B兩個集合的直積A×B的一個子集，可以定義模糊關係如下：所謂A，B兩集合的直積：A×B={(a,b)∣a∈A,b∈B}中的一個模糊關係R，是指以A×B為論域的一個模糊子集，序偶(a，b)的隸屬度為μR(a,b)。一般地，若論域為n個集合的直積A1×A2×…×An，則它所對應的是n元模糊關係R，其隸屬度函數為n個變數的函數μR(a1,a2，…，an)。顯然當隸屬度函數值只取“0”或“1”時，模糊關係就退化為普通關係。四、模糊關係例考慮兩個人之間的“小得多”的關係設年齡的論域U=（5，8，12，25，50）上“小得多”的關係R。序偶（5，50）的第一個元素5比第二個元素50小得多。因此，可以認為（5，50）隸屬於“小得多”的程度為“1”。但5歲的人比8歲的人“小得多”的程度顯然弱很多，可認為（5，8）隸屬於“小得多”的程度只有“0.1”。依此類推，可大致得出“小得多”的關係為：模糊關係通常可以採用模糊矩陣表示。四、模糊關係在論域X×Y為有限集合的情況下，矩陣R表示模糊關係。其中，rij=μR(xi,yj)，代表集合X中第i個元素與集合Y中第j個元素組成的序偶屬於模糊關係R的程度。這樣，模糊關係矩陣R表示了一個從X到Y的模糊關係，一個模糊關係和模糊關係矩陣是一一對應的。對於確定的控制系統，輸入輸出存在一種確定關係。而對於模糊的控制系統，系統的輸入輸出存在模糊關係。模糊控制系統中，模糊關係反映的是模糊系統的輸入輸出關係，是模糊系統模型的重要表示法之一。五、模糊推理1.語言變數自然語言表達能力強，具有模糊性；形式語言具有嚴格的語言規則和語義，不存在模糊性，模糊推理中採用的是具有模糊性的自然語言。語言變數是自然語言中的詞或句，它的取值不是形式語言變數的精確數值，而是用語言變數值表示的模糊集合。語言變數：語言變數由一個五元系(x,T(x),U,G,M)來表徵，其中x為變數名稱，如速度、年齡、顏色等；T(x)為語言變數x的詞集，即語言變數名的集合，每個語言變數值是定義在論域U上的模糊集合；U是x的論域；G為產生x數值名的語法規則，用於產生語言變數值；M為語義規則，產生模糊集合隸屬度函數。例以“速度”為例來解釋語言變數的概念。“速度”為一語言變數，可以賦予很慢、慢、較慢、適中、較快、快、很快等語言值，語言值是定義在論域U上的一個模糊集合。T(速度)＝{很慢，慢，較慢，適中，較快，快，很快}設論域U＝[0，160]，則可認為大致低於60km/h為“較慢”，80km/h為“適中”，大於100km/h以上的為“較快”等，這樣，語言變數“速度”的五元組關係可用上圖表示。五、模糊推理五、模糊推理為了對模糊的自然語言形式化和定量化，進一步區分和刻畫模糊值的程度，需要引入語言算子的概念。語言算子分為三類：語氣化算子、模糊化算子和判斷化算子。(1)語氣化算子。語氣算子用於表達模糊值的肯定程度。有兩種類型的語氣算子，一是起強化作用的語氣算子，如“很”、“極”等，稱為集中化算子；二是起弱化作用的語氣算子，如“較”、“稍”等，稱為鬆散化算子。為了規範語氣算子的意義，紮德曾作了如下約定：用Hλ作為語氣算子來定量描述模糊值，若模糊值為A，則把定義寫成：HλA=Aλ1.語言變數五、模糊推理設：H4代表“極”或者“非常非常”，其意義是對描述的模糊值求4次方；H2代表“很”或者“非常”，其意義是對描述的模糊值求2次方；H1/2代表“較”或者“相當”，其意義是對描述的模糊值求1/2次方；H1/4代表“稍”或者“略微”，其意義是對描述的模糊值求1/4次方。這樣，集中化算子的冪乘運算的冪次大於1，冪次越高，語氣的強化程度越大；鬆散化算子的冪乘運算的冪次小於1，冪次越高，語氣的弱化程度越大。1.語言變數五、模糊推理(2)模糊化算子。模糊化算子的作用是可把肯定轉化為模糊，如“大約”、“近似”等，如果對數字進行作用，就把精確數轉化為模糊數。例如，數字100是精確數，而“大約100”就是模糊數。如果對模糊值進行作用，就使模糊值更模糊。例如“年輕”是個模糊值，而“大約年輕”就更模糊。(3)判斷化算子。判斷化算子把模糊值進行肯定化處理，對模糊值做出傾向性判斷，與模糊化算子的作用相反。例如“傾向於”、“偏向於”等。其處理方法有點類似於“四捨五入”，並常把隸屬度值為0.5作為分界來判斷。對於那些通常無法進行量化的值提供了一種近似處理的辦法，把人的一些直覺經驗進行轉化，變成模糊語