模糊控制数学基础2—模糊逻辑与推理(2)
第2章-模糊逻辑控制
例2.3 设论域X={x1, x2, x3, x4, } 以及模糊集合
求 解:
2.2.3模糊集合运算的基本性质 1分配律
2 结合律 3 交换律 4吸收律
5.幂等律 6.同一律
其中x表示论域全集,Φ表示空集。 7.达·摩根律
8.双重否定律 以上运算性质与普通集合的运算性质完全相同,但是在普通集合 中成立的排中律和 矛盾律对于模糊集合不再成立,即
模糊集合的表示方法
序偶 A x, Ax x X
紧凑形式
模糊集合的例子
例2.1 在整数1.2,…,10组成的论域中, 即论域X={1,2,3,4,5,6,7,8,9,10}.设A表示模糊集合“几个”。 并设各元素的隶属度函数依次为
Ax 0,0,0.3,0.7,1,1,0.7,0.3,0,0
9.α截集到模糊集合的转换
即
2.2.4 模糊集合的其它类型运算 1.代数和
若有三个模糊集合A、B和C,对于所有的 均有
2.代数积 3.有界和 4.有界差 5.有界积 6.强制和
7.强制积
2.3 模糊关系
2.3.1 模糊关系的定义及表示
定义:n元模糊关系R是定义在直积 X1 X 2 X n 上的模糊集合.
2.2 模糊集合及其运算
2.2.1 模糊集合的定义及表示方法
上节介绍了模糊性的概念.例如到苹果园去摘“大苹果”,这里“大 苹果”便是 个 模糊的概念。如果将“大苹果”看作是一个集合.则 “大苹果”便是一个模糊集合。如前所述. 若认为差不多比2两重的 苹果称之为“大苹果”,那么,2.5两的苹果应毫无疑问地属于 “大 苹果”,如对此加以量化,则可设其属于的程度为1.2.1两苹果属于 “大苹果”的程度譬如说为0.7,2两苹果居于的程度为0.5,1.9两的 苹果届于的程度为0.3等等。以后称属 于的程度为隶属度函数,其值 可在0~1之间连续变化。可见,隶属度函数反映了模糊集合 中的元素 属于该集合的程度。若模糊集合“大苹果”用大写字母A表示,隶属 度函数用µ 表示。A中的元素用x表示,则µA (x)便表示x属于A的隶属度, 对上面的数值例子可写成
第二章 模糊数学基础(第五讲).
度低,则控制电压就大;否则,控制电压就小”时,如
果温度很低,则控制电压将该多少呢? (2) 定义及表示 定义:含有一个条件变量和两条推理规则的推理方式。 条件变量:温度 推理规则:两条
电气与自动化学院 自动化系
4
模糊条件推理可表示为
前提:如果x是 A
结论:y是?
规则:如果x是 A ,则y是 B ;否则y是 C
定义:含有多个 ( 一般不超过两个 ) 条件变量和一条推理
条件变量:速度误差 和速度误差变化量
电气与自动化学院 自动化系
11
两输入模糊推理可表示为
前提:如果x是 A ,且y是
结论:z是?
规则:如果x是 A ,且y是 B ;则z是 C
B
x和y条件变量,z结论变量,均为语言变量,其论域 为U1, U2和V。 求出模糊集合“?”,推知表示的语言值,得到推理结论。
求出模糊集合 “ ? ” ,推知表 示的语言值,得到推理结论。
x条件变量,y结论变量,均为语言变量,其论域为U和V
量论域为V上的语言值。
A 和 A是条件论域U上的两个语言值; B 和 C 是结论变
电气与自动化学院 自动化系
5
(3) 与近似推理模糊规则的异同
该模糊规则可拆分为:
电气与自动化学院 自动化系
12
(3) 模糊蕴涵关系 规则:如果x是 A ,且y是 B ;则z是 C
规则的前件与x、y均有关系。该规则可写为 如果(x, y)是 A B ,则z是 C 。这转化为近似推理
可见模糊蕴涵关系为
是 U1 U 2 上的模糊集合
R A B C
模糊控制理论基础知识
第二章 模糊控制理论基础知识2.1 模糊关系一、模糊关系R ~所谓关系R ,实际上是A 和B 两集合的直积A ×B 的一个子集。
现在把它扩展到模糊集合中来,定义如下:所谓A ,B 两集合的直积A ×B={(a,b)|a ∈A ,b ∈B} 中的一个模糊关系R ~,是指以A ×B 为论域的一个模糊子集,其序偶(a,b)的隶属度为),(~b a Rμ,可见R ~是二元模糊关系。
若论域为n 个集合的直积,则A 1×A 2×A 3×……A n 称为n 元模糊关系R ~,它的隶属函数是n 个变量的函数。
例如,要求列出集合X={1,5,7,9,20}“序偶”上的“前元比后元大得多”的关系R ~。
因为直积空间R=X ×X 中有20个“序偶”,序偶(20,1)中的前元比后元大得多,可以认为它的隶属度为1,同理认为序偶(9,5)的隶属于“大得多”的程度为0.3,于是我们可以确定“大得多”的关系R ~为R ~=0.5/(5,1)+ 0.7/(7,1)+ 0.8/(9,1)+ 1/(20,1)+ 0.1/(7,5)+0.3/(9,5)+ 0.95/(20,5)+ 0.1/(9,7)+0.9/(20,7)+ 0.85/(20,9)综上所述,只要给出直积空间A ×B 中的模糊集R ~的隶属函数),(~b a Rμ,集合A 到集合B 的模糊关系R ~也就确定了。
由于模糊关系,R ~实际上是一个模糊子集,因此它们的运算完全服从第一章所述的Fuzzy 子集的运算规则,这里不一一赘述了。
一个模糊关系R ~,若对∀x ∈X ,必有),(~x x R μ=1,即每个元素X 与自身隶属于模糊关系R ~的隶属度为1。
称这样的R ~为具有自返性的模糊关系。
一个模糊R ~,若对∀x ,y ∈X ,均有),(~y x Rμ=),(~x y Rμ 即(x,y)隶属于Fuzzy 关系R ~和(y,x)隶属于Fuzzy 关系R ~的隶属度相同,则称R ~为具有对称性的Fuzzy 关系。
第2章模糊控制论理论基础精品PPT课件
AB, AB
《智能控制基础》 清华大学出版社
求解
AB 0.60.5 0.50.6 10.3 0.40.4 0.30.7
u1
u2
u3
u4
u5
0.6 0.6 1 0.4 0.7 u1 u2 u3 u4 u5
AB 0.60.5 0.50.6 10.3 0.40.4 0.30.7
u1
《智能控制基础》 清华大学出版社
目录
2.1 引言 2.2 模糊集合论基础 2.3 模糊逻辑、模糊逻辑推理和合成 2.4 模糊控制系统的组成 2.5 模糊控制系统的设计 2.6 模糊PID控制器
2.7 模糊控制器的应用
《智能控制基础》 清华大学出版社
2.2 模糊集合论基础
2.2.1 模糊集概念 2.2.2 模糊集合运算 2.2.3 模糊集合运算的基本性质 2.2.4 隶属度函数的建立
补集
对于所有的u∈U ,均有 μB(u)=1-μA(u)
则称B为A的补集,记作BAAc
《智能控制基础》 清华大学出版社
举例
❖已知模糊子集 A 0.6 0.5 1 0.4 0.3 u1 u2 u3 u4 u5 B 0.5 0.6 0.3 0.4 0.7 u1 u2 u3 u4 u5
❖求
《智能控制基础》 清华大学出版社
模糊控制的特点
❖无需知道被控对象的数学模型 ❖与人类思维的特点一致
模糊性 经验性
❖构造容易 ❖鲁棒性好
《智能控制基础》 清华大学出版社
主要内容
❖模糊控制的理论基础
模糊集合论基础 模糊逻辑、模糊逻辑推理和合成
❖模糊控制系统
模糊控制系统的组成 模糊控制系统的设计 模糊PID控制器 模糊控制器的应用
第六章 模糊控制的数学基础
0.1)}
2017/10/16 IC Fuzzy 24
2.
隶属函数
普通集合用特征函数来刻划,模糊集合用隶属函数 作定量描述。 特征函数的值域为集合{0, 1},隶属函数的置于为 区间[0, 1]。 隶属函数是特征函数的扩展和一般化。图6-4表示 了两种函数的关系。
2017/10/16
IC Fuzzy
25
1.0
1.0
1.0
0 (a)三 角 形 1.0
0 ( b) 半 角 形 1.0
0 ( c) 梯 形 1.0
0 ( d) 钟 形 1.0
0 ( e) 矩 形 1.0
0 ( f) Z形
0 ( g) S形
0 ( h) 单 点 形
图 6- 5 常 用 的 隶 属 函 数 性 状
2017/10/16 IC Fuzzy 26
IC Fuzzy
29
(3) S形隶属函数 S形函数sigmf(x,[a c])由参数a和c决定:
f ( x, a, c) 1 1 e
a ( x c )
其中参数a的正负符号决定了S形隶属函数 的开口朝左或朝右,用来表示“正大”或 “负大”的概念。Matlab表示为
sigmf(x,[a,c])
2017/10/16
IC Fuzzy
17
6.2.2 模糊集合
1. 模糊集合的概念
定义6.1 模糊集合:设X是论域,X上的一个 实值函数用μA(x)来表示,即 μA(x):X→[0, 1] 对于x∈X,μA(x)称为x对A的隶属度,而 μA(x)称为隶属函数。
• •
•
模糊集合A:抽象的东西, 函数μA(x):具体的, 因此,我们只能通过μA(x)来认识和掌握A。
智能控制第二章模糊控制的数学基础
智能控制第二章模糊控制的数学基础模糊控制数学基础模糊概念在经典集合论中,人们对事物的描述是精确的,这种集合论要求一个事物对于一个集合要么属于,要么不属于,二者必居其一,且仅居其一,绝不允许模棱两可。
比如,一个学生要么属于“大学生”,要么不属于。
但是在现实生活中,人们对事物的描述并非都可以精确的用“属于”或“不属于”这两种截然不同的状态来进行划分。
模糊性普遍存在于人类思维和语言交流中,是一种不确定性的表现。
在实际生活中,经常听到这样的话“他很高”、“她很年轻”、“她的成绩很好”等,其中的“高”、“年轻”、“成绩好”都是模糊的概念,究竟多高才算高,究竟多少岁才算老,或者说年轻和年老的分界线是多少岁,成绩多好才算好,都没有一个十分确定的界限。
模糊概念天气冷热雨的大小风的强弱人的胖瘦年龄大小个子高低模糊概念没有明确外延的概念,即没有明确符合某概念的对象的全体,如“天气冷热”、“雨的大小”、“风的强弱”、“人的胖瘦”、“年龄的大小”、“个子高低”。
是客观事物本质属性在人们头脑中的反映。
例:高温天气的定义,按照经典集合理论的表示方式,高温={TOT36℃}。
35.9℃不属于高温35.9℃当然属于高温天气,温度已经相当高,无非属于高温天气的程度99%,不如36℃的程度高,但是比30℃的程度高。
4模糊控制模糊控制人们已经无法回避客观上存在的模糊现象。
扎德(Zadeh)教授提出的模糊集合理论,其核心是对复杂系统或过程建立一种语言分析的数学模式,使自然语言能直接转化为计算机所能接受的算法语言。
正是在这种背景下,作为智能控制的一个重要分支的模糊控制理论产生了。
模糊数学和模糊控制理论的发展虽然只有几十年的历史,但其理论和引用的研究已取得了丰硕的成果。
尤其随着模糊逻辑在自动控制领域的成功应用,模糊控制理论和方法的研究引起了学术界和工业界的广泛关注。
2.1 概述模糊控制的定义对于一个熟练的操作人员,他往往凭借丰富的实践经验,采取适当的对策来巧妙地控制一个复杂过程,得到满意的控制效果。
数学中的模糊数学与模糊逻辑
数学中的模糊数学与模糊逻辑数学作为一门严谨的学科,几乎在每个人的学习生涯中都会接触到。
然而,在实际应用中,我们常常会遇到一些不确定、模糊的问题。
为了更好地解决这类问题,数学家们引入了模糊数学与模糊逻辑的概念。
本文将探讨数学中的模糊数学与模糊逻辑的基本原理和应用。
一、模糊数学的基本原理模糊数学是对现实世界中不确定性问题的数学描述与处理方法的研究。
它针对真实世界中事物属性的模糊性,引入了隶属度的概念,用来描述事物属性的模糊程度。
在模糊数学中,一个模糊数可以用一个隶属函数来表示,该函数将取值范围映射到[0,1]之间,表示某个数值与一个模糊概念之间的关联程度。
模糊数的运算是模糊数学的核心内容之一。
在模糊数学中,模糊数之间可以进行加、减、乘、除等基本运算。
这些运算的结果也是一个模糊数,用来描述事物属性的不确定性。
二、模糊数学的应用领域1. 模糊控制模糊控制是模糊数学的一种重要应用。
它通过对输入和输出之间的关系建立模糊规则,并根据规则进行推理和决策,实现对复杂系统的控制。
相比于传统的控制方法,模糊控制在处理不确定性和模糊性的问题上具有较大的优势,适用于很多实际工程项目。
2. 模糊聚类模糊聚类是一种聚类分析方法,用于将具有模糊性质的数据进行分类。
传统的聚类方法在处理模糊数据时存在局限性,而模糊聚类能够克服这些问题。
它通过计算数据点与聚类中心之间的相似性来确定聚类结果,能够更好地适应模糊性、不确定性的数据。
3. 模糊决策在实际决策中,常常会遇到多个因素相互影响、信息不完全的情况。
模糊决策方法通过引入模糊数学的概念,将各个因素的不确定性进行量化,并通过模糊推理来得出最终的决策结果。
这种方法可以有效地应对实际决策中的不确定性、模糊性问题。
三、模糊逻辑的基本原理模糊逻辑是一种扩展了传统二值逻辑的逻辑系统。
与传统二值逻辑只有真和假两种取值不同,模糊逻辑引入了隶属度的概念,使命题在真和假之间具有连续性。
在模糊逻辑中,命题的真值(隶属度)表示命题的可信度或确定程度。
2模糊控制的数学基础
分解定理
设A是论域X上的模糊集合,λ∈[0, 1],A是A的λ截集,则有
A A 0, 1 其中λAλ为x的一个特殊模糊集合,其隶属函数为
, A (x) 0,
x A x A
说明任何一个模糊集可由 一个普通集合簇来表示
Page 30
2.3 模糊集合与普通集合的联系
分解定理 为了对分解定理有一个直观的了解,在左图中,取λ1、 λ2∈[0,1]两个值
集合的直积 序偶 将不同的事物按一定顺序排列起来组成一个整体, 用以表达它们之间的关系,这就叫做序偶。 集合的直积 有两个集合X,Y,从X中取一个元素x,从Y中取一个元 素y,把它们组成一个序偶,所有元素序偶的全体组成一 个新的集合,这个集合叫做集合X,Y 的直积,表示为
X Y {(x, y) | x X , y Y}
A {x | x X , A (x) }
称 A为A的λ强截集
当λ=1时,得到的最小的水平截集A1称为模糊集合A的核。 当λ=0+时,得到的最大的水平截集称为模糊集合A的支集。 如果A的核A1非空,则称A为正规模糊集,否则称为非正规 模糊集。
Page 27
2.3 模糊集合与普通集合的联系
λ水平截集
0
25 50 75 100
u
Page 20
2.2 模糊集合
例2.2.3
“年轻”和“年老”模糊集合可以写为:
Y
1
1
(
x
25) 5
2
1
x 0x25
25x200
x
O
0
1
(
x
5 50
)
2
1
x 0x50
50x200
x
Page 21
模糊逻辑与模糊控制的基本原理
模糊逻辑与模糊控制的基本原理在现代智能控制领域中,模糊逻辑与模糊控制是研究的热点之一。
模糊逻辑可以应用于形式化描述那些非常复杂,无法准确或完全定义的问题,例如语音识别、图像处理、模式识别等。
而模糊控制可以通过模糊逻辑的方法来设计控制系统,对那些难以表达精确数学模型的问题进行控制,主要用于不确定的、非线性的、运动系统模型的控制。
本文主要介绍模糊逻辑和模糊控制的基本原理。
一、模糊逻辑的基本原理模糊逻辑是对布尔逻辑的延伸,在模糊逻辑中,各种概念之间的相互关系不再是严格的,而是模糊的。
模糊逻辑的基本要素是模糊集合,模糊集合是一个值域在0和1之间的函数,它描述了一个物体属于某个事物的程度。
以温度为例,一般人将15℃以下的温度视为冷,20至30℃为暖,30℃以上为热。
但是在模糊逻辑中,这些概念并不是非黑即白,而可能有一些模糊的层次,如18℃可能既不是冷又不是暖,但是更接近于暖。
因此,设180℃该点的温度为x,则可以用一个图形来描述该温度与“暖”这个概念之间的关系,这个图形称为“隶属函数”或者“成员函数”图。
一个隶属函数是一个可数的、从0到1变化的单峰实函数。
它描述了一个物体与一类对象之间的相似程度。
对于温度为18℃的这个例子,可以用一个隶属函数来表示其与“暖”这一概念之间的关系。
这个隶属函数,可以用三角形或者梯形函数来表示。
模糊逻辑还引入了模糊关系和模糊推理的概念。
模糊关系是对不确定或模糊概念间关系的粗略表示,模糊推理是指通过推理机来对模糊逻辑问题进行判断和决策。
二、模糊控制的基本原理在控制系统中,通常采用PID控制或者其他经典控制方法来控制系统,但对于一些非线性控制系统,这些方法越发显得力不从心。
模糊控制是一种强大的、在处理非线性系统方面表现出色的控制方法。
它通过对遥测信号进行模糊化处理,并将模糊集合控制规则与一系列的控制规则相关联起来以实现控制。
模糊控制的基本组成部分主要包括模糊化、模糊推理、去模糊化等三个步骤。
模糊控制技术-第二章
上述定义表明:
①论域U中的元素是分明的,即U本身是普通 集合,只是U的子集是模糊集合,故称A为 U的模糊子集,简称模糊集。 ②隶属函数μA(u)是用来说明u隶属于A的程度 的,μA(u)的值越接近于1,表示u隶属于A 的程度越高;当μA(u)的值域变为{0,1}时, 隶属函数μA(u)蜕化为普通集合的特征函数, 模糊集合也就蜕化为普通集合。
' ~ ~ ~ ~ ~
~
0.1 0.1 0.6 0.5 0.7 0.9 0.9 1 C u1 u2 u3 u4
'
0.1 0.5 0.7 0.9 u1 u2 u3 u4
~
0.9 0.4 0.3 0.1 A u1 u2 u3 u4
18
台(support)集合
39
• 例:设X={1,2,3,4},Y={a,b, c},Z={α,β},Χ×Y以及Y×Z上的模糊关 系R与S如图所示。
2.2.2 模糊关系 (1)普通关系:客观世界存在的普遍现象,描 述了事物之间存在的某种联系。 1)集合的直积 • 由两个集合U和V的各自元素u与v组成的序 偶(u,v)的全体集合,称为U与V的直积,记 为U×V,即
U×V={(u,v)|u∈U,v∈V }
• 一般情况下,U×V≠V×U。 2)普通二元关系
A 和 A 分别称为模糊集合 A 的强 截集和弱
正则(normal)模糊集合
[0,) 1 (0, 1]
截集
如果:max A (u )
uU
1 ,则称A为正则模糊集合
凸(convex)模糊集合
A (u1 (1 )u2 ) min( A (u1 ), A (u2 )) u1,u2 U, [0, 1]
模糊控制技术第2章模糊逻辑的数学基础
第2章 模糊逻辑的数学基础 例2.1 在论域U={1,2,3,4,5,6,7,8,9,10}中
讨论“小的数”F这一模糊概念,分别写出上述三种模糊集 合的表达式。
概念的外延,一个概念所包含的那些区别于其他概念的全体 本质属性就是这概念的内涵。用集合论的观点来看,内涵是 集合的定义,外延就是组成集合的所有元素。一个概念的外 延就是一个集合。
集合中的个体称为元素,通常用小写字母u、v表示; 集 合的全体又称为论域,通常用大写字母U、V表示; u∈U, 表示元素u在集合论域U内。一个集合如果由有限个元素 组成,则称为有限集合,不是有限集合的集合称为无限集合。 集合可以是连续的,也可以是离散的。
第2章 模糊逻辑的数学基础
定义2.2 支集(Support):模糊集合的支集是一个普
通集合,它是由论域U中满足μF(u)>0的所有u组成的,即
S={u∈U|μF(u)>0}
(2.3)
例如,在图2.1中,模糊集合B(“中年”)的支集是开
区间(35,60)。
定义2.3 模糊单点(Singleton): 如果模糊集合F的支
第2章 模糊逻辑的数学基础
在普通集合中,任何一个元素或个体与任何一个集合之 间的关系只有“属于”和“不属于”两种情况,两者必居其 一,而且只居其一,绝对不允许模棱两可。例如,“大于100 的自 然数”是一个清晰的概念,该概念的内涵和外延均是明确的。
1. 经典集合定义 依据一定的标准进行分类,可以把不同的事物归于这一 类,或不归于这一类。 集合是具有某种特定属性的对象的全体。
2.2 模糊逻辑与近似推理
2.4.1模糊逻辑基本运算
模糊命题是普通命题的推广。概括起来,模糊逻辑是研究 模糊命题的逻辑,而模糊命题是指含有模糊概念或者是带有模 糊性的陈述句。模糊命题有真值不是绝对的“真”或“假”, 而是反映其以多大程度隶属于“真”。因此,它不只是一个值, 而是有多个值,甚至是连续量。普通命题的真值相当于普通集 合中元素的特征函数,而模糊命题的真值就是隶属度函数,所 以真值的运算也就是隶属度函数的运算。 模糊逻辑的基本运算是通过连接词:“∨、∧、—、→、 ↔ ”将原子命题组成复合模糊命题。
①合取∧是“与” 或“交”的意思,如果用P、Q分别表示 两个命题,则由合取联结词构成的复合命题表示为P∧Q。 复合命题P∧Q的真值是由两个简单命题的真值来决定的, 仅当P和Q都是真时,P∧Q才是真。 P∧Q =min(P,Q) 例 P:他喜欢打篮球;Q:他喜欢跳舞。 则 P∧Q:他喜欢打篮球并且喜欢跳舞。
P P max( P ,1 P)
P P min( P , 1 P)
利用这些基本公式就可化简模糊逻辑函数,以便根据化简 得到的结果来组成最简单的模糊逻辑控制电路。
2.4.2 模糊逻辑函数运算
二值逻辑只可能取两个值0和1,这两个值都有确切的意义, 例如它们分别代表开关的“断开“和“接通”、电平的“低” 和“高”等。但在模糊逻辑中,其真值可取从0到1之间的无穷 多个任意值。这在实际问题应用中就难以处理。
②析取∨ 是“或” 或“并”的意思,如果用P、Q分别表 示两个命题,则由析取联结词构成的复合命题表示为P ∨ Q。复合命题P ∨ Q的真值是由两个简单命题的真值来决定 的,仅当P和Q都是假时,P ∨ Q才是假。 P ∨ Q =max(P,Q) 例 P:他喜欢打篮球;Q:他喜欢跳舞。 则 P∨Q:他喜欢打篮球或1
模糊控制(2)
1模糊控制1.1 概述基于解析模型的控制方法有着较长的发展历史,经过许多学者的不懈努力已经建立了一套完善的理论体系,并且非常成功地解决了许多问题。
但是,当人们将这种控制方法应用于具有非线性动力学特征的复杂系统时,受到了严峻的挑战。
特别是,面对无法精确解析建模的物理对象和信息不足的病态过程,基于解析模型的控制理论更显得束手无策。
这就迫使人们去探索新的控制方法和途径去解决这类问题,在这样一个背景下诞生了基于模糊逻辑的控制方法,并且今天它已成为最活跃和最为有效的一种智能控制技术。
一些学者对人类处理复杂对象的行为进行了长期的观察,进而发现人们控制一个对象的过程与基于解析模型的控制机理完全不同,即不是首先建立被控对象的数学模型,然后根据这一模型去精确地计算出系统所需要的控制量,而是完全在模糊概念的基础上利用模糊的量完成对系统的合理控制。
让我们简单地回顾一下:一个优秀的杂技演员在表演走钢丝时事如何保持他身体的平衡呢?当他的身体向一个方向倾斜时,他是通过身体的重心去感觉其倾斜程度,然后根据倾斜程度产生一个相反的力去恢复平衡的过程,我们可以意识到一个重要的事实:杂技演员是无法准确地感知出身体的倾斜角为多大,并且也无法精确地计算出恢复平衡的力要多大,但是他确实能够有效地保持身体的平衡。
显然,杂技演员走钢丝的这种平衡能力是很难用解析的方式来描述的。
相反,这种能力是来源于杂技演员多年的训练经验和积累的专业知识。
为了有效地描述这种经验和知识,一些从事智能技术的专家一直在探索表达经验和知识的有效方法,在这其中,以查德(Zadeh)教授1965年提出基于模糊集合论的模糊逻辑(Fuzzy Logic),是一种表达具有不确定性经验和知识的有效工具。
1974年马达尼(Mamdani)教授在他的博士论文中首次论述了如何将模糊逻辑应用于过程控制,从而开创了模糊控制的先河。
1.2模糊逻辑的基本概念既然模糊控制的基础是模糊逻辑,那么什么是模糊逻辑呢?模糊逻辑可以说是一种逻辑的形式化。
模糊控制数学基础2—模糊逻辑与推理(2)
F F
隐含隶属函数表达式 pq ( x, y) 1 pq ( x, y) 1 min[ p ( x), (1 q ( y))] 或
pq ( x, y) pq ( x, y) max[ p ( x), q ( y)]
max[( p ( x)), q ( y)] 1
x y
(1 2 ) c ( z )
3) 多前提多规则
前提(事实) 1 前提 2 (规则1 ) 前提 (规则2 3 ) 结果(结论) x是A, y是B if x 是A1和 y是B1 , then Z是C1 if x 是A2和 y是B2 , then Z是C2 z是C
称为工程隐含
工程隐含
• (1) A B 解释为A与B相关,常用的两种三角范 式算子得到模糊关系 Rm A B A ( x) B ( y ) /( x, y )
X Y
或
A B ( x, y ) min{ A ( x), B ( y )}
Rp A B 或
p q,
“if then”
4) 逆操作 Inversion
5) q”。
~p 等效关系 Equivalence p q ,“p即
一个隐含是“真”,必须满足三个条件之一: 1) 前提是真,结论是真; 在教书,是教师;成立
2) 前提是假,结论是假;不教书,不是教师;成立
3) 前提是假,结论是真。
1单点模糊化max乘积复合运算乘积推理高度去模糊化2单点模糊化maxmin复合运算乘积推理高度去模糊化3非单点模糊化max乘积复合运算乘积推理高度去模糊化去下标上面几式可简化为单点模糊化
模糊逻辑与模糊推理
• 对模糊现象的机理进行分析、抽象,进 而用用模糊数学表达
模糊控制算法原理
模糊控制算法原理一、概述模糊控制算法是一种基于模糊逻辑的控制方法,相对于传统的精确控制方法,具有更好的适应性和鲁棒性。
其基本思想是将输入变量和输出变量映射到模糊集合上,并通过模糊推理实现对输出变量的控制。
二、模糊集合1. 模糊集合的定义模糊集合是指在某个特定的论域上,每个元素都有一个隶属度值,表示该元素属于该模糊集合的程度。
与经典集合不同,经典集合中每个元素只能完全属于或完全不属于该集合。
2. 模糊集合的运算与经典集合类似,模糊集合也可以进行交、并、补等运算,但其结果仍然是一个模糊集合。
三、模糊推理1. 模糊规则在模糊控制中,通常使用若干个模糊规则来描述输入变量和输出变量之间的关系。
每个规则由若干前提条件和一个结论组成,其中前提条件和结论都是由若干个隶属度函数组成的。
2. 模糊推理过程模糊推理的过程包括模糊化、规则匹配、聚合和去模糊化四个步骤。
首先将输入变量通过隶属度函数映射到对应的模糊集合上,然后对每个规则进行匹配,计算出每个规则的激活度。
接着将所有激活度进行聚合,得到一个综合的隶属度函数。
最后将该隶属度函数通过去模糊化方法转换为实际输出值。
四、模糊控制器1. 模糊控制器的结构模糊控制器通常由三部分组成:模糊化单元、推理单元和去模糊化单元。
其中,模糊化单元用于将输入变量映射到对应的模糊集合上,推理单元用于执行模糊推理算法,去模糊化单元用于将输出结果转换为实际控制信号。
2. 模糊控制器设计在设计一个模糊控制器时,需要确定论域、隶属度函数和规则库等参数。
其中论域是指输入变量和输出变量所在的范围,隶属度函数是指将输入变量和输出变量映射到对应模糊集合的函数,规则库是指描述输入变量和输出变量之间关系的一组模糊规则。
五、模糊控制算法的优缺点1. 优点相对于传统的精确控制方法,模糊控制算法具有更好的适应性和鲁棒性,能够处理非线性、时变和不确定性等问题。
同时,模糊控制器设计简单,易于实现。
2. 缺点由于模糊推理过程中需要进行大量的数学计算,因此计算复杂度较高。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
y为B
B ( y)
B ( y) sup[ A ( x) AB ( x, y)]
*
xA
关于 B ( y)的计算
1 假定 对x x, A* ( x) 1; 对 x x, A* ( x) 0, ) x U ;
(单点模糊化)
*
2) A B ( x, y )用极小(min) 三角范式计算。
模糊推理
1. 单个前提单个规则:
前提(事实) 1 前提 2 (规则) 结果(结论) x是A if x 是A, then y是B y是B
B ( y ) [ A ( x) A ( x) B ( y )]
x
[ ( A ( x) A ( x))] B ( y )
B 那么结果 B的隶属度函数 (y)是多少?
模糊推理公式
AB ( x, y) min[ A ( x), B ( y)] 验证举例 ˆ
令A、A’和B分别为论域X、 X’和Y上的模糊集 合,假定模糊隐含A→B表达为X×Y空间上的 模糊关系: • A:苹果红 {0.25,0.5,0.9} • 论域X 有点红,红,很红 • B:苹果熟 {0.2,0.6,0.8} • 论域Y 有点熟,熟,很熟
0
取上界:
B ( y ) 1 min[ 0, A B ( x x, y )] 1
说明二点: 1)对 x x 一个特定的规则(其结果是具有有限支集的特定
模糊集合),激发的结果是一个具有无限支集的模糊集合。 2)对 x x 所有各点,规则将以最大可能的输出隶属函数值1, 来激发规则。 从工程观点看,以上二点,违反了工程中的因果关系,即 有因才有果。无因不能有果。
pq ( x, y) pq ( x, y) max[ p ( x), q ( y)]
max[( p ( x)), q ( y)] 1
pq ( x, y) 1 p ( x)(1 q ( y))
( p q) ~ [ p (~ q)] (乘积)
X Y
A ( x) B ( y ) /( x, y )
A B ( x , y ) A ( x ) B ( y )
参照精确隐含:(用真值表表示)
A (x) B ( y)
1 1 0 0 1
B ( y)
min[ A ( x), B ( y)] A ( x) B ( y)
pq ( x, y) min[(1, (1 p ( x) q ( y))]
(~ p) q(有界和)
1 min[ p ( x), 1 q ( y)]
1 p (x) q ( y) 1- p (x) 1- q (y) max[ p ( x), q ( y)]
结果正确!
x为A
*
y为B
*
If-then规则 AB ( x, y)
B ( y)
*
则求B A R A (A B)
x
B ( y ) maxmin[ A ( x), B ( x, y )]
前提1 (事实) 前提(规则) 2 结果(结论) x是A if x 是A, then y是B y是B
1 1 0 0
1 0 1 0
0 0 1 1
0 1 0 1
1 0 1 1
1 0 1 1
传统命题逻辑的推理
1 假言推理 (Modus P onens) ) 前提(事实) 1 前提 2 (规则) 结论 x是A if x 是 A, then y 是B y是B [( p ( p q)) q ]
2) 否定前提的假言推理 前提(事实) 1 前提 2 (规则) 结论
p q ,“交” p q , “并”
p q,
“if then”
4) 逆操作 Inversion
5) q”。
~p 等效关系 Equivalence p q ,“p即
一个隐含是“真”,必须满足三个条件之一: 1) 前提是真,结论是真; 在教书,是教师;成立
2) 前提是假,结论是假;不教书,不是教师;成立
模糊逻辑与模糊推理
• 对模糊现象的机理进行分析、抽象,进 而用用模糊数学表达
模糊逻辑与模糊推理
1)精确逻辑(传统逻辑)的一些概念
命题逻辑、布尔代数、和集合论。 ****隐含是重要的概念。 传统的命题逻辑中,命题的“真”和“假”必须具有 意义。逻辑推理是给定一个命题,组合成另一个命题的过 程。组合的基本操作: 1)合取 Conjunction, 2)析取 Disjunction 3)隐含 Implication
(Modus T ollens)
y不是 B if x 是 A, then y 是B x不 是 A [(q ( p q)) p ]
2)模糊逻辑与模糊推理 ☆关于“工程隐含”的概念。模糊隐含原则上可 以引用传统隐含的表达式。
A B ( x, y ) [0,1] 是衡量 x和y隐含关系的真实程度。 表示为: A B ( x, y ) 1 min[ A ( x), (1 B ( y ))] A B ( x, y ) max[( A ( x)), B ( y )] 1
模糊推理:
前提1 (事实) 前提(规则) 2 结果(结论) x是A if x 是A, then y是B y是B
前提2中A与B的模糊关系为:
AB ( x, y) min[ A ( x), B ( y)] ˆ
或
AB ( x, y) [ A ( x) B ( y)] ˆ
1 0 1 0 1 y
x x
1 0 0 0 模糊隐含 1
B ( y)
1 0 0 0 1
A (x)
B ( y)
A (x)
x’ x
y x’ x
x x
AB ( x, y) min[ A ( x), B ( y)] ˆ
AB ( x, y) [ A ( x) B ( y)] ˆ
B ( y ) sup[ A ( x) ☆ A B ( x, y )]
x A
*
情况1
A* ( x)☆ A B ( x, y )
(对x x)
1☆ A B ( x, y ) min[ , A B ( x, y )] 1 A B ( x, y ) 1 min[ A ( x), (1 B ( y )) ]
q p q ~ q p (~ q) ~ [ p (~ q)] ~ p (~ p) q
T F T T F T T F T F T F T F F T F T T F F T T T F T T
F F
隐含隶属函数表达式 pq ( x, y) 1 pq ( x, y) 1 min[ p ( x), (1 q ( y))] 或
隶属函数的计算
B ( y) [ A ( x) B ( y)] [ A ( x ) B ( y) C ( z )]
x,y x, y
[( A ( x ) B ( y) A ( x ) B ( y)] C ( z ) {[( A ( x ) A ( x ))]} {[ B ( y) B ( y)]} C ( z )
x y
(1 2 ) c ( z )
3) 多前提多规则
前提(事实) 1 前提 2 (规则1 ) 前提 (规则2 3 ) 结果(结论) x是A, y是B if x 是A1和 y是B1 , then Z是C1 if x 是A2和 y是B2 , then Z是C2 z是C
模糊推理:
苹果熟了的模糊推理合理吗?
x为A
*
y为B
*
当A' 0.1,.3,.7 0 0
'
If-then规则 AB ( x, y)
'
B ( y)
*
B ( y ) maxmin[ A ( x), A B ( x, y )]
x
=0.1,.6,.7 0 0
0.2,0.25,0.25 0.1,.3,.7 0.2,0.50,0.8 0 0 0.2,0.60,0.8 最大最小复合
3) 前提是假,结论是真。
不教书,是教师;成立
隐含是“假”时,则:
逻 辑 关 系 用 真 值 表 示
4) 前提是真,结论是假。
在教书,不是教师。
p T
q
T
pq pq
T F F F T T T F
pqpq ~ p
T F F T F F
T F T T
T F F TBiblioteka F F T T传统命题逻辑的基本公理:
A:苹果红 {0.25,0.5,0.9} B:苹果熟 {0.2,0.6,0.8}
• 如果A→B:用min方法
A B ( x, y ) min[ A ( x), B ( y )] ˆ
有点熟,熟,很熟 0.25, 0.25 有点红 0.2, 0.2, 0.50, 0.5 红 0.60, 0.8 很红 0.2,
或
A B ( x, y ) 1 [ A ( x) (1 B ( y ))] A B ( x, y ) min[( , (1 A ( x) B ( y ))] 1
在连续域情况下,应用于推理会发生问题!
x为A
If-then规则 AB ( x, y)
Mamdani 和 Larsen 分别提出极小和乘积的隐含运算。 AB ( x, y) min[ A ( x), B ( y)] ˆ AB ( x, y) [ A ( x) B ( y)] ˆ