3-2模糊推理系统5.ppt

《3-2模糊推理系统5.ppt》由会员分享，可在线阅读，更多相关《3-2模糊推理系统5.ppt（44页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、模糊推理系统又称为模糊系统，是以模糊集合理论和模糊推理模糊推理系统又称为模糊系统，是以模糊集合理论和模糊推理方法等为基础，具有处理模糊信息能力的系统。方法等为基础，具有处理模糊信息能力的系统。模糊推理系统以模糊逻辑理论为主要计算工具，可以实现复杂模糊推理系统以模糊逻辑理论为主要计算工具，可以实现复杂的非线性映射关系，而且其输入输出都是精确的数值，因此已的非线性映射关系，而且其输入输出都是精确的数值，因此已被广泛应用。被广泛应用。3.3 模糊推理系统模糊推理系统2022/12/从功能上来看，从功能上来看，模糊推理系统主要由模糊化、模糊规则库、模模糊推理系统主要由模糊化、模糊规则库、模糊推理方法及

2、去模糊化几部分组成。糊推理方法及去模糊化几部分组成。3.3.1 模糊推理系统的结构2022/12/精确值进入模糊推理系统时，一般要将其模糊化成给定论域上精确值进入模糊推理系统时，一般要将其模糊化成给定论域上的模糊集合。的模糊集合。模糊化的实质是将给定输入转换成模糊集合模糊化的实质是将给定输入转换成模糊集合。模糊化的原则是：模糊化的原则是：在精确值处模糊集合的隶属度最大；在精确值处模糊集合的隶属度最大；当输入有噪声干扰时，模糊化结果具有一定的抗干扰能力；当输入有噪声干扰时，模糊化结果具有一定的抗干扰能力；模糊化运算应尽可能简单。模糊化运算应尽可能简单。3.3.2 模糊化2022/12/3.3.2

3、 模糊化l模糊单值法l三角隶属函数法l高斯隶属函数法2022/12/模糊单值法是将精确值转化为模糊单值，这种模糊化方法只是模糊单值法是将精确值转化为模糊单值，这种模糊化方法只是形式上将精确值转化成模糊量，实质上仍然是精确量。形式上将精确值转化成模糊量，实质上仍然是精确量。设为实测的精确值，为转换后的模糊集合，则有设为实测的精确值，为转换后的模糊集合，则有 优点：优点：易于实现模糊化运算，当输入数据准确时，模糊化性能易于实现模糊化运算，当输入数据准确时，模糊化性能良好，是一种常用的模糊化方法。良好，是一种常用的模糊化方法。模糊单值法模糊单值法2022/12/不足：不足：由于舍弃了所有处的隶属度，

4、因此，对输入数据由于舍弃了所有处的隶属度，因此，对输入数据噪声的鲁棒性较差。噪声的鲁棒性较差。模糊单值法模糊单值法2022/12/如果输入数据干扰严重，那么用模糊单值法进行模糊化处理将如果输入数据干扰严重，那么用模糊单值法进行模糊化处理将会产生很大的误差。会产生很大的误差。对于这种情况，常常采用三角形隶属函数法进行模糊化处理。对于这种情况，常常采用三角形隶属函数法进行模糊化处理。三角形隶属函数模糊化运算比较简单，模糊化结果具有一定的三角形隶属函数模糊化运算比较简单，模糊化结果具有一定的鲁棒性，是一种常用模糊化方法。鲁棒性，是一种常用模糊化方法。三角隶属函数法三角隶属函数法2022/12/设为精

5、确值，为转换后的模设为精确值，为转换后的模糊集合，三角隶属函数法为糊集合，三角隶属函数法为 其中：其中：三角隶属函数法三角隶属函数法 当当时，三角形隶属函数模糊集合就变成了模糊单值。时，三角形隶属函数模糊集合就变成了模糊单值。越大，的变化对越大，的变化对 的影响越小。即当足够大时，该的影响越小。即当足够大时，该方法具有足够强的抗扰能力。方法具有足够强的抗扰能力。2022/12/高斯隶属函数法模糊化运算较前两种去模糊方法复杂，是另一高斯隶属函数法模糊化运算较前两种去模糊方法复杂，是另一种常用模糊化方法。种常用模糊化方法。这种模糊化方法具有良好的抗干扰能力，且模糊化结果更接近这种模糊化方法具有良好

6、的抗干扰能力，且模糊化结果更接近于人的认知特点。于人的认知特点。设为精确值，为转换后的模糊集合，高斯隶属函数法为设为精确值，为转换后的模糊集合，高斯隶属函数法为 其中：参数决定了高斯函数的陡度。其中：参数决定了高斯函数的陡度。高斯隶属函数法高斯隶属函数法2022/12/模糊规则库是由模糊推理系统中的全部模糊规则组成，是模糊模糊规则库是由模糊推理系统中的全部模糊规则组成，是模糊推理系统的核心部分。推理系统的核心部分。从某种意义上讲，模糊推理系统的其它部分都是为了有效地执从某种意义上讲，模糊推理系统的其它部分都是为了有效地执行这些规则而存在。行这些规则而存在。3.3.3 模糊规则库2022/12/

7、(2)多维模糊规则多维模糊规则 其中其中 是论域是论域 X 上的模糊集合，上的模糊集合，是论域是论域 Y 上上的模的模糊集合。糊集合。模糊规则的基本形式模糊规则的基本形式(1)一维模糊规则一维模糊规则 其中其中 和和 分别是论域分别是论域 X 和和 Y 上上的模糊集合。的模糊集合。给定论域给定论域X和和Y，且，且xX、yY。2022/12/(1)完备性完备性 规则完备性是指规则完备性是指对于给定论域对于给定论域 X 上的任意上的任意 x，在模糊规则库中，在模糊规则库中至少存在一条模糊规则与之对应。至少存在一条模糊规则与之对应。也就是说：输入空间中的任也就是说：输入空间中的任意值都至少存在一条可

8、利用的模糊规则。这是模糊推理系统能意值都至少存在一条可利用的模糊规则。这是模糊推理系统能正常工作的必要条件。正常工作的必要条件。模糊规则库的基本性质模糊规则库的基本性质2022/12/例例 选取语言变量选取语言变量“水温水温”和和“压力压力”作为被调节量，燃气的作为被调节量，燃气的“阀门开度阀门开度”作为控制量。首先确定语言变量温度的论域为作为控制量。首先确定语言变量温度的论域为X1，压，压力的论域为力的论域为X2，燃气阀门开度的论域为，燃气阀门开度的论域为Y。然后给出语言值，即。然后给出语言值，即将温度分为将温度分为“高高”、“低低”两档，将压力分为两档，将压力分为“大大”、“中中”、“小小

9、”三档，将阀门开度也分为三档，将阀门开度也分为“大大”、“中中”、“小小”三档。三档。模糊规则库的基本性质模糊规则库的基本性质“温度温度”、“压力压力”和和“阀门开度阀门开度”的隶属函数的隶属函数 2022/12/如果如果 X1 为为“低低”且且 X2 为为“小小”，则，则 Y 为为“大大”如果如果 X1 为为“低低”且且 X2 为为“中中”，则，则 Y 为为“大大”如果如果 X1 为为“低低”且且 X2 为为“大大”，则，则 Y 为为“中中”如果如果 X1 为为“高高”且且 X2 为为“小小”，则，则 Y 为为“中中”如果如果 X1 为为“高高”且且 X2 为为“中中”，则，则 Y 为为“中

10、中”如果如果 X1 为为“高高”且且 X2 为为“大大”，则，则 Y 为为“小小”模糊规则库的基本性质模糊规则库的基本性质该模糊推理系统的规则库至少包含以下六条模糊规则：该模糊推理系统的规则库至少包含以下六条模糊规则：在该模糊规则库中缺少任何一条规则，在输入空间上都将会出现在该模糊规则库中缺少任何一条规则，在输入空间上都将会出现盲区，导致推理系统无法工作。盲区，导致推理系统无法工作。2022/12/l语言变量的档级分得多，所需的模糊规则数目也多。语言变量的档级分得多，所需的模糊规则数目也多。为提高为提高精度，精度，可以考虑增加档可以考虑增加档级级，但也，但也不是分得越多、越细，推理系不是分得越

11、多、越细，推理系统的精度就会越高。统的精度就会越高。l在保证精度的前提下，规则数越少越好。在保证精度的前提下，规则数越少越好。如果模糊规则条数如果模糊规则条数太多，必然会出现功能上相近的规则，在推理运算时间上造成太多，必然会出现功能上相近的规则，在推理运算时间上造成不必要的消耗。不必要的消耗。模糊规则库的基本性质模糊规则库的基本性质2022/12/为了提高模糊推理的精度，又要避免语言变量分档过细，造成模为了提高模糊推理的精度，又要避免语言变量分档过细，造成模糊规则泛滥糊规则泛滥，可，可将语言变量值的隶属函数在整个论域上做不均匀将语言变量值的隶属函数在整个论域上做不均匀分布处理，也能达到提高推理

12、精度的效果。分布处理，也能达到提高推理精度的效果。模糊规则库的基本性质模糊规则库的基本性质2022/12/(2)交叉性交叉性 为了保证模糊推理系统的输入输出行为连续、平滑，一般要求为了保证模糊推理系统的输入输出行为连续、平滑，一般要求相邻的模糊规则之间有一定的交叉性。相邻的模糊规则之间有一定的交叉性。模糊规则的交叉性也反映出概念类属的不明确性，通过模糊规模糊规则的交叉性也反映出概念类属的不明确性，通过模糊规则的交叉设计，可以提高推理系统的鲁棒性。则的交叉设计，可以提高推理系统的鲁棒性。模糊规则库的基本性质模糊规则库的基本性质2022/12/“温度温度”的隶属函数的隶属函数 模糊规则库的基本性质

13、模糊规则库的基本性质例例 首先给定水温的论域为首先给定水温的论域为 ，为了提高水温的控制精度，为了提高水温的控制精度，将温度分为将温度分为“低低”、“较低较低”、“中中”、“较高较高”、“高高”五五档，对应的隶属函数为：档，对应的隶属函数为：可以看出当水温可以看出当水温为为50oC时，它既时，它既属于属于“较低较低”的的范围，也属于范围，也属于“中中”的范围。的范围。2022/12/模糊规则库的基本性质模糊规则库的基本性质模糊规则的交叉也有模糊规则的交叉也有一定的限制，当交叉一定的限制，当交叉过度时，可能使模糊过度时，可能使模糊推理系统产生混乱的推理系统产生混乱的行为。行为。因此，一般要求其重

14、因此，一般要求其重叠率在叠率在0.20.6之间。之间。2022/12/(3)一致性一致性 l规则相互矛盾规则相互矛盾：模糊规则的条件部分相同，但结论部分相差很：模糊规则的条件部分相同，但结论部分相差很大。大。l一致性：推理系统的规则库中不存在相互矛盾的模糊规则。一致性：推理系统的规则库中不存在相互矛盾的模糊规则。l在设计模糊推理系统时，应该尽量避免相互矛盾的模糊规则出在设计模糊推理系统时，应该尽量避免相互矛盾的模糊规则出现。现。l对于规则自动生成的自适应模糊推理系统，应该给出解决规则对于规则自动生成的自适应模糊推理系统，应该给出解决规则矛盾的确切方法。矛盾的确切方法。模糊规则库的基本性质模糊规

15、则库的基本性质2022/12/去模糊化（清晰化）：确定一个最能代表模糊集合的精确值。去模糊化（清晰化）：确定一个最能代表模糊集合的精确值。去模糊化去模糊化是模糊推理系统必不可少的环节。由于模糊性的存在，获得是模糊推理系统必不可少的环节。由于模糊性的存在，获得的代表模糊集合的清晰值可能有所不同，所以去模糊化方法并不唯一。的代表模糊集合的清晰值可能有所不同，所以去模糊化方法并不唯一。确定去模糊化方法时，一定要考虑到以下准则：确定去模糊化方法时，一定要考虑到以下准则：有效性。所得到的精确值能够直观地表达该模糊集合；有效性。所得到的精确值能够直观地表达该模糊集合；简便性。去模糊化运算要足够简单，保证模

16、糊推理系统实时使用；简便性。去模糊化运算要足够简单，保证模糊推理系统实时使用；鲁棒性。模糊集合的微小变化不会使精确值发生大幅变化。鲁棒性。模糊集合的微小变化不会使精确值发生大幅变化。3.3.4 去模糊化2022/12/最大隶属度法是指选取模糊集合覆盖的论域中，对应隶属度最大最大隶属度法是指选取模糊集合覆盖的论域中，对应隶属度最大的元素作为该模糊集合的精确值。如果给定模糊集合的元素作为该模糊集合的精确值。如果给定模糊集合 ，则精，则精确值确值 应满足。应满足。最大隶属度法最大隶属度法*B00.1Y*y优点优点：去模糊运算特别简单：去模糊运算特别简单2022/12/ 缺点缺点：精确值包含的信息量较

17、少，排除了其它一切元素对精确：精确值包含的信息量较少，排除了其它一切元素对精确值的影响，两个差异很大的模糊集合，可能获得同样的结果。值的影响，两个差异很大的模糊集合，可能获得同样的结果。最大隶属度法最大隶属度法*B00.1YB*y2022/12/例例 给定模糊集合给定模糊集合试用最大隶属度法求其清晰值。试用最大隶属度法求其清晰值。解：按最大隶属度的原则清晰化，清晰值为解：按最大隶属度的原则清晰化，清晰值为最大隶属度法最大隶属度法对于离散论域上的模糊集合，直接取对应于隶属度最大的基础对于离散论域上的模糊集合，直接取对应于隶属度最大的基础变量作为清晰值即可。变量作为清晰值即可。2022/12/最大

18、隶属度法最大隶属度法最大隶属度对应的基础变量不唯一，甚至有无穷多个。最大隶属度对应的基础变量不唯一，甚至有无穷多个。此时此时，有三种方法有三种方法:左取大法左取大法 右取大法右取大法 最大平均法最大平均法2022/12/对对 和和，若采用最大隶属度法，若采用最大隶属度法，对结果没有任何贡献。对结果没有任何贡献。最大隶属度法最大隶属度法最大隶属度法对模糊信息的丢失十分严重。最大隶属度法对模糊信息的丢失十分严重。2022/12/例给定模糊集合例给定模糊集合“几个几个”的隶属函数如下的隶属函数如下试用最大隶属度法求其清晰值。试用最大隶属度法求其清晰值。解：具有最大隶属度的元素不唯一，其左取大、右取大

19、和最大解：具有最大隶属度的元素不唯一，其左取大、右取大和最大平均法对应的清晰值分别平均法对应的清晰值分别最大隶属度法最大隶属度法2022/12/重心法重心法:取模糊集合隶属函数曲线同基础变量轴所围面积的重心取模糊集合隶属函数曲线同基础变量轴所围面积的重心对应的元素作为清晰值的方法，也是一种常用的去模糊化方法。对应的元素作为清晰值的方法，也是一种常用的去模糊化方法。连续论域连续论域 上，计算公式上，计算公式重心法重心法离散论域上，计算公式离散论域上，计算公式2022/12/优点优点:充分利用了推理结果中的所有模糊信息，得到的清晰值具充分利用了推理结果中的所有模糊信息，得到的清晰值具有很好的鲁棒性

20、。有很好的鲁棒性。缺点缺点:计算要求比较高。特别是当推理得到的隶属函数不规则时，计算要求比较高。特别是当推理得到的隶属函数不规则时，对其进行积分是一件困难的事情。对其进行积分是一件困难的事情。重心法重心法2022/12/例例给定模糊集合给定模糊集合试用重心法求其清晰值。试用重心法求其清晰值。解：按照重心法去模糊化，其清晰值为解：按照重心法去模糊化，其清晰值为重心法重心法2022/12/最大隶属度法最大隶属度法虽然计算简单，但丢失的模糊信息太多，精确化虽然计算简单，但丢失的模糊信息太多，精确化结果鲁棒性较差。结果鲁棒性较差。重心法重心法充分利用了推理结果中的全部模糊信息，精确化结果的充分利用了推

21、理结果中的全部模糊信息，精确化结果的鲁棒性也较好，但这种方法对计算的要求较高。鲁棒性也较好，但这种方法对计算的要求较高。中心平均去模糊化法中心平均去模糊化法，实质上是最大隶属度法与重心法的折中。，实质上是最大隶属度法与重心法的折中。中心平均法中心平均法2022/12/若模糊推理结果由若模糊推理结果由 N 个模糊集合构成，令个模糊集合构成，令 为第为第 i 个模糊集合个模糊集合的中心，为该模糊集合对应的最大隶属度，则中心平均的中心，为该模糊集合对应的最大隶属度，则中心平均去模糊化方法得到的清晰值去模糊化方法得到的清晰值 为为中心平均法方法计算较简单，清晰化的鲁棒性较好，是模糊推中心平均法方法计算

22、较简单，清晰化的鲁棒性较好，是模糊推理系统中常用的方法。理系统中常用的方法。中心平均法中心平均法2022/12/中心平均法中心平均法模糊推理结果由两个模糊集合构成模糊推理结果由两个模糊集合构成2022/12/对于离散论域，中心对于离散论域，中心 实质上就是实质上就是，实质上就是隶属实质上就是隶属度度 ，则清晰值，则清晰值 为为在离散论域上，中心平均法与重心法去模糊化的结果是等价的。在离散论域上，中心平均法与重心法去模糊化的结果是等价的。中心平均法中心平均法2022/12/l模糊推理系统设计：模糊推理系统设计：模糊化模糊化、模糊规则库模糊规则库、模糊推理方法模糊推理方法及及去去模糊化模糊化的设计

23、。的设计。l模糊化：模糊化：模糊单值法、三角形隶属函数法、高斯隶属函数法模糊单值法、三角形隶属函数法、高斯隶属函数法l模糊推理：模糊推理：Mamdani法、法、Larsen法、法、Zadeh法法l去模糊化：去模糊化：最大隶属度法、重心法、中心平均法最大隶属度法、重心法、中心平均法l模糊推理系统的设计不是唯一的。模糊推理系统的设计不是唯一的。3.3.5 模糊推理系统设计2022/12/l车内温度的调节：打开空调制冷系统，通过旋转风档，调节冷车内温度的调节：打开空调制冷系统，通过旋转风档，调节冷气阀门的开度即可改变车内温度。气阀门的开度即可改变车内温度。l风档一般分为四级，即风档一般分为四级，即“

24、闭闭”、“小开小开”、“中开中开”、“大开大开”。3.3.5 模糊推理系统设计2022/12/建立模糊规则库建立模糊规则库车内温度：车内温度：“低低”、“较低较低”、“中中”、“高高”冷气阀门的开度：冷气阀门的开度：“闭闭”、“小开小开”、“中开中开”、“大开大开”温度调节系统的模糊规则温度调节系统的模糊规则规则规则：“如果温度低，则关闭冷气阀门如果温度低，则关闭冷气阀门”；规则规则：“如果温度较低，则冷气阀门小开如果温度较低，则冷气阀门小开”；规则规则：“如果温度中，则阀门开度为中开如果温度中，则阀门开度为中开”；规则规则：“如果温度高，则冷气阀门大开如果温度高，则冷气阀门大开”。2022/

25、12/l论域：论域：050；l语言值：语言值：“低低”、“较低较低”、“中中”、“高高”，即低、，即低、较低、中、高。较低、中、高。l隶属函数：三角形。隶属函数：三角形。语言变量论域及语言值隶属函数的确定语言变量论域及语言值隶属函数的确定2022/12/l论域：论域：0,90l语言值：语言值：“闭闭”、“小开小开”、“中开中开”、“大开大开”，即即 闭、闭、小开、中开、大开。小开、中开、大开。l隶属函数：三角形。隶属函数：三角形。语言变量论域及语言值隶属函数的确定语言变量论域及语言值隶属函数的确定2022/12/实测温度实测温度26，模糊单值法模糊化。，模糊单值法模糊化。实测值的模糊化实测值的

26、模糊化2022/12/Mamdani模糊推理法模糊推理法模糊推理模糊推理26只激活了规则只激活了规则和规则和规则，且和，且和。2022/12/Larsen推理法推理法模糊推理模糊推理2022/12/此时阀门开度为此时阀门开度为“中开中开”。采用中心平均法去模糊化，为。采用中心平均法去模糊化，为由由适配度适配度可知可知去模糊化去模糊化2022/12/当温度为当温度为26时，采用时，采用Mamdani推理法和采用推理法和采用Larsen推理法，推理法，冷气阀门的开度都是冷气阀门的开度都是对对Mamdani推理法，中心推理法，中心 、，于是，于是对对Larsen推理推理法，中心，法，中心，于是，于是去模糊化去模糊化2022/12/2844