智能控制21.ppt

（1） （3） （4）输出的清晰值： （2） 2. 句子连接词“also” 在模糊逻辑控制中，控制规则是有多条的，形成控制规则库。每一条规则都具有如下形式： “如果x是Ai and y是Bi 则z是Ci”，（i=1,2,┅n） 这些规则之间无先后次序之分，用连接词“also”作连接。所以， “also”的运算应具有的性质：任意交换、任意结合。 结论： 模糊蕴含关系运算采用最小运算Rc或积运算Rp； “also”运算采用求并（隶属度求大）运算，能够给出最好的控制效果。 如： 对于结论C： §2-5 基于控制规则库的模糊推理 2.5.1 模糊推理的基本方法 为简单起见，同时又不失一般性，考虑一个两个输入一个输出的模糊系统。 R1: 如果x是A1 and y是B1，则 z 是C1 also R2: 如果x是A2 and y是B2，则 z 是C2 ┆ also Rn: 如果x是An and y是Bn，则 z 是Cn 输出： z 是C 规则如下： 输入：x是A and y是B ① x,y,z是语言变量，x,y表示系统的状态；z 表示系统的控制量。 ② Ai ,Bi ,Ci 分别是x,y,z的语言变量值。 ③ x,y,z的论域分别为X，Y，Z。 （1）每条规则的模糊蕴含关系运算 最小运算、积运算等 （2）求总的模糊蕴含关系： i=1,2┅n （3）得到结论： 作直积运算和合成运算 或 合成运算采用最大-最小合成法。 模糊推理的一般步骤： 例2-8 双输入单输出模糊系统，输入：x,y，输出：z 模糊规则为： R1: 如果x是A1 and y是B1，则 z 是C1 R2: 如果x是A2 and y是B2，则 z 是C2 现在已知输入 x是A and y是B ，试求输出 z。 且已知： 求 解： （1）求每条规则的模糊蕴含关系 i=1,2 这里，直积采用求交运算，模糊蕴含关系采用求小运算Rc 则： 为了进一步的计算，可将上面的模糊矩阵表示成向量形式： 则： 同理求R2： （2）求总的模糊蕴含关系R （3）计算输入量的模糊集合 写成向量形式： （4）计算输出量的模糊集合 最后求得输出量z的模糊集合为： 2.5.2 模糊推理的性质 性质1： 若“?”合成运算采用最大-最小法或最大-积法，连接词“also”采用求并法，则“?”和“also”的运算次序可以交换。即： 性质2： 若模糊蕴含关系采用Rc和Rp（即最小和积运算） 则有： 性质3： 对于 推理结果可用一种简洁形式来表示： 当模糊蕴含运算用Rc（最小运算） 当模糊蕴含运算用Rp（积运算） 其中， 推论： 如果输入量的模糊集合是单点模糊集合，即 ： 则有： Rc： Rp： 其中： 证明略。 结合性质1和性质2，可得到： Rc：（模糊蕴含最小运算） Rp：（模糊蕴含积运算） 这里， 可看成是第i条规则的加权因子，也可看成是第i条规则的适用程度，或看成是第i条规则对模糊控制作用的贡献大小。 §2-6 模糊控制的基本原理 2.6.1 模糊控制器的基本结构和组成 模糊化 模糊推理 清晰化 控制对象 知识库 模糊控制器 参考输入 输出 模糊控制器的结构图 1. 模糊控制器的组成 主要由四部分组成： （1）模糊化 ① 首先对这些量进行处理以变成模糊控制器所需 要的输入量。 一般情况下，模糊控制器的输入为误差信号及误差的一阶导数，即： 其中，r为参考输入，y为实测的系统输出。有时还要做滤波处理。 ② 将已处理的模糊控制器的输入进行尺度变换，使其变换到各自的论域范围。 ③ 将已变换到论域范围内的输入量进行模糊处理，使原来精确的输入量变成模糊量，并用相应的模糊集合来表示（隶属度函数计算）。 （2）知识库 包括数据库和模糊控制规则库两部分。 ① 数据库：主要包括各语言变量的隶属度函数，尺度变换因子以及模糊空间的分级数等。 ② 规则库：包括了用模糊语言变量表示的一系列控制规则，反映领域控制专家的经验和知识。 （3）模糊推理 模糊推理是模糊控制器的核心，其推理过程是基于模糊逻辑中的模糊蕴含关系及推理规则来进行的。它具有模拟人的基于模糊概念的推理能力。 （4）清晰化 其作用是将模糊推理得到的控制量的模糊量变换为实际用于控制的清晰量。包含两部分内容： ① 将模糊的控制量经清晰化变换变成表示在论域范围的清晰量。 ② 将表示在论域范围的清晰量经尺度变换变成实际的控制量。 2. 模糊条件句与模糊控制规则 模糊控制是模仿人的控制方法，是用一组语言描述的规则来表示专家的知识，通常具有的形式为