模糊推理系统(PPT)

[e-mail]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。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，因此已被广泛应用。3.3模糊推理系统2020/3/[e-mail]从功能上来看，模糊推理系统主要由模糊化、模糊规则库、模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模糊化输入输出去模糊化推理方法模糊规则库模糊推理系统2020/3/[e-mail]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。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：①在精确值处模糊集合的隶属度最大；②当输入有噪声干扰时，模糊化结果具有一定的抗干扰能力；③模糊化运算应尽可能简单。3.3.2模糊化2020/3/[e-mail]3.3.2模糊化模糊单值法三角隶属函数法高斯隶属函数法2020/3/[e-mail]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。设为实测的精确值，为转换后的模糊集合，则有*x*~A**~01)(*xxxxxA优点：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。模糊单值法2020/3/[e-mail]不足：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。*xx*x00.12~Ax1~A0.750.25*ˆx*~A0.600.40123)(x模糊单值法2020/3/[e-mail]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。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鲁棒性，是一种常用模糊化方法。三角隶属函数法2020/3/[e-mail]设为精确值，为转换后的模糊集合，三角隶属函数法为*x*~A***~01)(*xxxxxxxA其中：0三角隶属函数法*x00.1x*~A)(x①当时，三角形隶属函数模糊集合就变成了模糊单值。②越大，的变化对的影响越小。即当足够大时，该方法具有足够强的抗扰能力。0*x*()Ax2020/3/[e-mail]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。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*x*~A其中：参数决定了高斯函数的陡度。22**2)(~)(xxAex高斯隶属函数法2020/3/[e-mail]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。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。3.3.3模糊规则库2020/3/[e-mail](2)多维模糊规则ByAxAxAxnn~isthen,~isandand~isand~isif2211ByAxAxAxnn~isthen,~isoror~isor~isif2211其中是论域X上的模糊集合，是论域Y上的模糊集合。nAAA~,~,~21B~模糊规则的基本形式(1)一维模糊规则ByAx~isthen,~isif其中和分别是论域X和Y上的模糊集合。A~B~给定论域X和Y，且x∈X、y∈Y。2020/3/[e-mail](1)完备性规则完备性是指对于给定论域X上的任意x，在模糊规则库中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。模糊规则库的基本性质2020/3/[e-mail]例选取语言变量“水温”和“压力”作为被调节量，燃气的“阀门开度”作为控制量。首先确定语言变量温度的论域为X1，压力的论域为X2，燃气阀门开度的论域为Y。然后给出语言值，即将温度分为“高”、“低”两档，将压力分为“大”、“中”、“小”三档，将阀门开度也分为“大”、“中”、“小”三档。模糊规则库的基本性质1.001X1.002X高低大中小1.00Y大中小“温度”、“压力”和“阀门开度”的隶属函数2020/3/[e-mail]如果X1为“低”且X2为“小”，则Y为“大”如果X1为“低”且X2为“中”，则Y为“大”如果X1为“低”且X2为“大”，则Y为“中”如果X1为“高”且X2为“小”，则Y为“中”如果X1为“高”且X2为“中”，则Y为“中”如果X1为“高”且X2为“大”，则Y为“小”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：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。2020/3/[e-mail]语言变量的档级分得多，所需的模糊规则数目也多。为提高精度，可以考虑增加档级，但也不是分得越多、越细，推理系统的精度就会越高。在保证精度的前提下，规则数越少越好。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不必要的消耗。模糊规则库的基本性质2020/3/[e-mail]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，可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，也能达到提高推理精度的效果。模糊规则库的基本性质1.00负大零负中正大正中X1.00负大零负中正大正中X2020/3/[e-mail](2)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2020/3/[e-mail]1.00低中较低oC高较高20406080100“温度”的隶属函数模糊规则库的基本性质例首先给定水温的论域为，为了提高水温的控制精度，将温度分为“低”、“较低”、“中”、“较高”、“高”五档，对应的隶属函数为：),0(可以看出当水温为50oC时，它既属于“较低”的范围，也属于“中”的范围。2020/3/[e-mail]1.00中较低oC204060801001.00中较低oC204060801001.00中较低oC20406080100重叠率重叠率重叠率33.02080406014.0209050600模糊规则库的基本性质模糊规则的交叉也有一定的限制，当交叉过度时，可能使模糊推理系统产生混乱的行为。因此，一般要求其重叠率在0.2~0.6之间。2020/3/[e-mail](3)一致性规则相互矛盾：模糊规则的条件部分相同，但结论部分相差很大。一致性：推理系统的规则库中不存在相互矛盾的模糊规则。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。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。模糊规则库的基本性质2020/3/[e-mail]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。确定去模糊化方法时，一定要考虑到以下准则：①有效性。所得到的精确值能够直观地表达该模糊集合；②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；③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2020/3/[e-mail]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，则精确值应满足。*~BYyyyBB),()(**~*~*y最大隶属度法*~B00.1Y*y优点：去模糊运算特别简单2020/3/[e-mail]缺点：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。最大隶属度法*~B00.1YB~*y2020/3/[e-mail]73.067.050.147.034.021.0~C5*y例给定模糊集合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变量作为清晰值即可。2020/3/[e-mail]*~B00.1YB~*Cy*Ry*Ly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。此时，有三种方法:)(sup)(),(inf***yyyyYyL)(sup)(),(sup***yyyyYyR⑴左取大法⑵右取大法2)(***RLCyyy⑶最大平均法2020/3/[e-mail]对和，若采用最大隶属度法，对结果没有任何贡献。*~BB~B~最大隶属度法*~B00.1YB~*Cy*Ry*Ly最大隶属度法对模糊信息的丢失十分严重。2020/3/[e-mail]91.083.077.060.150.147.034.022.011.0~C例给定模糊集合“几个”的隶属函数如下5*Ly6*Ry5.5*Cy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、右取大和最大平均法对应的清晰值分别最大隶属度法2020/3/[e-mail]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。连续论域上，计算公式Ymaxminmaxmin)()(*yyyydyydyyyy重心法NiiNiiiyyyy11*)())((离散论域上，计算公式2020/3/[e-mail]优点:充分利用了推理结果中的所有模糊信息，得到的清晰值具有很好的鲁棒性。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，对其进行积分是一件困难的事情。重心法2020/3/[e-mail]73.067.050.147.034.021.0~C84.43.07.00.17.04.01.03.077.060.157.044.031.02)())((11*NiiiNiiiiyyyy例给定模糊集合试用重心法求其清晰值。解：按照重心法去模糊化，其清晰值为重心法2020/3/[e-mail]最大隶属度法虽然计算简单，但丢失的模糊信息太多，精确化结果鲁棒性较差。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，实质上是最大隶属度法与重心法的折中。中心平均法2020/3/[e-mail]若模糊推理结果由N个模糊集合构成，令为第i个模糊集合的中心，为该模糊集合对应的最大隶属度，则中心平均去模糊化方法得到的清晰值为*iy)(maxyi*yNiiNiiiyyyy1max1max**)())((中心平均法方法计算较简单，清晰化的鲁棒性较好，是模糊推理系统中常用的方法。中心平均法2020/3/[e-mail])()()()(2max1max2max*21max*1*yyyyyyy中心平均