模糊逻辑与模糊推理(模糊系统)剖析.pptVIP

* IIP’2011-2012(1) APWeb/WAIM2007 Huang Shan 2007-6-16 模糊逻辑与模糊推理 School of Information Science Technology Dalian Maritime University 2011-10-15 目录 第7章 模糊逻辑与模糊推理 7.1.1 模糊逻辑的历史 7.1.2 模糊集 7.1.3 隶属函数 7.1.4 模糊运算与模糊推理 7.1.5 模糊系统 模糊系统的结构 1.模糊系统的结构 在一个实际的模糊控制系统中，模糊推理系统的功能与模糊控制器的功能是等价的。 从系统的观点而言，模糊控制器本身也就是一个系统。 在用MATLAB研究模糊控制系统时，Simulink模糊控制仿真系统中的模糊控制器就是直接利用模糊逻辑工具箱建立的模糊推理系统。 模糊系统结构 图7.27 模糊系统结构 模糊系统的基本组成要素 在该模糊系统中，包含所有的应用模糊算法和解决所有相关的模糊性的必要成分。它由如下4个基本要素组成。 知识库(Knowledge Base)：包括模糊集和模糊算子的定义。 推理机制(Inference Engine)：执行所有的输出计算。 模糊器(Fuzzifier ) ：将真实的输入值表示为一个模糊集。 反模糊器(Defuzzifier)：将输出模糊集转化为真实的输出值。 知识库中包含了每一个模糊集的定义，并保持一套算予以实现基本的逻辑（AND，OR，等等），同时用一个规则信度矩阵表示模糊规则映射。 推理单元与模糊器和反模糊器一起，从真实的输入值计算出真实的输出值。 模糊系统的工作原理 模糊器将输入表示为一个模糊集，使得推理单元在存储于知识库中的规则下与之匹配。 然后推理单元计算每一规则的作用强度，并输出一个模糊分布；（所有模糊输出集的并），该模糊分布表示真实输出的模糊估计。 最后，这些信息被反模糊化（压缩）为单值，该值即为模糊系统的输出。 7.1.5模糊系统 模糊系统在其初始化、确认及解释过程中都使用模糊逻辑。 一个专业人员可以用一套称为模糊运算法则的模糊产品规则来初始化一个模糊系统。 一个训练后的模糊系统可以用一套模糊算法来解释其行为。 当一个模糊系统在解释过程中应用模糊逻辑时，所有与模糊表达式相联系的内在的不精确性都将被完全解决，同时也决定了系统的输入输出行为。 模糊控制器的设计 2.模糊控制器的设计 模糊控制器（或称模糊推理系统）是直接实现模糊推理算法的专用设备。 可以采用软件和硬件两种方式完成一个模糊控制器的功能。 模糊化 模糊控制器的设计主要涉及以下几个内容与步骤： 模糊化 模糊化与反模糊化过程可被视为模糊规则与真实世界之间的接口。 一个实值输入必须表示为模糊集的形式，才能进行推理计算。 模糊输出集的信息必须被转换为一个单值，这就是模糊推理系统的输出实值。 用一个模糊集表示实值信号的过程称为模糊化。 在一个模糊系统处理实值输入时，这个过程是必须的。 模糊化 实现一个模糊器有多种不同的方法，但通常使用最多的是单值化（Singleton），它将输入 转化为一个二值的或具有如下隶属度的确切的单变量模糊集A： 模糊化 当输入被噪声污染时，模糊集或隶属函数的形状反映了与测量过程相关的不确定性。 当模型的输入是一个语言表达式时，则必须找到一个可以对等地表示这些语句的模糊集。 一个模糊输入分布实际上与一个低通滤波器或一个邻域均值输出等效。 当输入集的宽度增加（不精确测量增加）时，则相应增大了邻域输出值的强度，而系统的优点则变得更保守。 建立模糊推理规则 建立模糊推理规则 模糊规则表示为“if．．．then．．．”条件语句。 在应用中，通常将采用的模糊规则用模糊控制规则表的形式表示出来，在下表中给出了一个模糊控制规则表的例子。两个输入E和EC各有7个模糊语言变量，由此生成49条模糊规则。 模糊控制规则表 E，U，ＥＣ NB NM NS ZO PS PM PB NB PB PB PB PB PM ZO ZO NM PB PB PB PB PM ZO ZO NS PM PM PM PM ZO NS NS ZO PM PM PS ZO NS NM NM PS PS PS ZO NM NM NM NM PM ZO ZO NM NB NB NB NB PB ZO ZO NM NB NB NB NB 表 7.1 模糊控制规则表 建立模糊推理规则 rule l：if E is NB and EC is NB then U is PB rule l2: if E is NM and EC is PS then U is PM rule37：if E is PM and EC is NM then U is