模糊控制中解模糊的方法有哪些?罗列即可,不用长篇大论!
发布网友
发布时间:2022-04-24 14:51
我来回答
共2个回答
热心网友
时间:2023-10-17 08:11
模糊量的清晰化的实现方法有很多,我现在刚好接触到三种,正好告诉你,
1、最大隶属度法
2、加权平均法(重心法)
3、中位数法
我正在着重研究重心法解模糊。
热心网友
时间:2023-10-17 08:12
第一种推论法是依据模糊关系的合成法则,第二种推论法是根据模糊逻辑的推论法简化而成,第三种推论法和第一种相类似,只是其后件部分改由一般的线性式组成的。模糊推论大都采三段论法,可表示如下:
条件命题:If x is A then y is B
事 实:x is A’
结 论:y is B’
表示法中的条件命题相当于模糊控制中的模糊控制规则,前件部和后件部的关系,可以用模糊关系式来表达;至于推论演算,则是将模糊关系和模糊集合A’进行合成演算,得到模糊集合B’。推论算法可以下式表示:
B’=A’。R
若前件部分含有多个命题时,则可表示如下:
条件命题:If x1 is A1 …. and xn is An
then y is B
事 实:x is A’1 and ….and xn is A’n
结 论:y is B’
这种模糊推论法其前件部用“”连结各命题,推论演算的过程则以模糊逻辑来结合前件部中各命题的模糊集合,故前件部的集合A可表示如下:
A=A1∩A2∩…. ∩An
=∩iAi
由(3.7)式可得到模糊集合A和后件部的模糊集合B,利用2.5节中模糊关系R的定义来求得条件命题的模糊关系,其隶属度函数可用μR(x1,x2,….,xn,y)来表示。同样地,事实部分的模糊集合A’,亦可表为:
A’=∩iAi
因此,以合成算法可得到推论结果如下:
μB’(y)=μA’(x)。μR(x1,x2,….,xn,y)
本章将针对第一种和第三种推论法做介绍:
(1) 第一种推论法
为Mamdani教授最初所使用的方法,其所用的控制规则如下所述:
R1:If x1 is A11 and … and xn is A1n then y1 is B1
R2:If x1 is A21 and … and xn is A2n then y2 is B2
‧ ‧
‧ ‧
‧ ‧
Rn:If x1 is Am1 and … and xn is Amn then ym is Bm
其中Aij ,B i代表论域中的模糊集合。若使用模糊关系Rc和最大-最小合成的模糊推论,则推论结果可得到模糊集合Bi’的隶属函数为:
(3.12)式中 的值称为前件部的适合度,因此藉由各条件命题的前件部,便可计算出各条模糊控制规则相对应的适合度。
在实行模糊控制时,将许多条适合的规则进行上述的推论演算,然后结合各个由算法得到的推论结果来获得模糊集合B’,在此先不谈论解模糊化的方法,于下一小节再做讨论。
(2)第三种推论法
此种推论法为日本Takagi和Sugano所提出,将Mamdani模糊推论法的命题后件部改为控制器输出入的线性函数式,其模糊控制规则型式表示如下:
此种型态的模糊控制规则其前件部大多使用梯形隶属度函数,而后件部的线性函数式亦可使用非线性函数式取代。若算法则为Max-Min合成,则可得到如(3.12)式之适合度;若改采Max-proct合成,则可得到上模糊控制规则Ri对应条件命题前件部之适合度,如下所示:
控制规则Ri后件之值Yi可由下列求得:
综合上述各控制规则得到的推论结果,经解模糊化程序后,便可得到明确的控制器输出值。
这种模糊控制推论藉由多个线性函数式表示控制器的输出入关系。将输入变量空间作模糊分割,并平滑各分割空间接续的地方,而被平滑化的地方即模糊的区域。
解模糊化
在实行模糊控制时,将许多控制规则进行上述推论演算,然后结合各个由演算得到的推论结果获得控制输出;为了求得受控系统的输出,必须将模糊集合B’解模糊化,在此将对三种常用解模糊化的方法做简单的介绍:
(1)重心法
为模糊控制中段常用的方法,其定义为:
其中y°相当于模糊控制集合B’重心位置,图3.5、3.6为图解模糊关系Rc和最大-最小合成及重心法的推论演算过程。
(2) 高度法
亦为时常使用之解模糊化的方法之一,其定义为:
图3.7为图解使用高度法计算解模糊化值。
(3) 面积法