模糊控制的实现具体过程强势吐血推荐ppt课件

合集下载

模糊控制课件第三章.ppt

模糊控制课件第三章.ppt

其基本思想:对于训练样本(包括论域内若干 个测量点上的状态数据以及相应隶属于人类 经验的被测量,用自然语言符号描述的状态 符号),在当前概念模式下,根据最大隶属度 准则判定,若数据状态与概念状态相一致, 则训练结束;若不相符,则将相应概念隶属 函数曲线的修正率加以改变,以实现符合专 家经验的被测量数据状态与符号状态的一致。
If X1 is 大 and X2 is 小 then Y is 中
仿照蕴含式的称谓“X1 is 大 and X2 is 小” 称为控制规则的前件部,“Y is 中”称为控 制规则的后件部。
“大”、“小”、“中”等均是对某一物理 量的模糊化的自然语言描述,但它们均被描 述成一个模糊集合。
模糊控制是一种基于人的思维模式的控制, 因此,在模糊控制规则中出现的模糊集合往 往具有可以用自然语言描述的意义。
用于描述人们控制经验的基本语句结构有 三种形式,它们分别反映了三种基本的推 理。这三种基本结构和形式如下:
这种推理是一种最简单的蕴涵关系,在语
言表达时表示为“如果 A,那么B ”,即
有:if A then B
~
~
② (A B) (AC C)结构
~
~
~
~
这种推理较之前一种复杂,这种蕴涵关系在 用语言表达时叙述为“如果 A,那么B;否则 C ”,即有:
左边最大隶属度法,实质是把几个最大隶属 度中的最小元素作为解模糊的精确值;右边 最大隶属度法,实质是把几个最大隶属度中 的最大元素作为解模糊后的精确值。
3.3.3 系数加权平均法
系数加权平均法是指输出量模糊集合中各元 素进行加权平均后的输出值作为输出执行量, 其值为:
(3.7)
当输出变量为离散单点集时,则为:

《模糊控制系统》PPT课件

《模糊控制系统》PPT课件

是所期望的。这促使我们研究模糊系统作为万能
函数逼近器并拥有最小系统构成的必要条件,从
而使这些必要条件能用于指导模糊系统开发者设
计更紧凑的模糊控制器和模糊模型
• 必要条件设置了需要的输入模糊集、输出模糊集 和模糊规则,表明了模糊系统需要的输入模糊集
和模糊规则的数目依赖于被逼近函数的极值点的
数目和位置
精选ppt
“Fuzzy Sets”一文,首次提出了模糊集合的概念
• 1974年英国教授Mamdani首次将模糊集合理论应
用于加热器的控制,他将基于规则系统的想法与
模糊参数相结合来构造控制器,模仿人类操作者
的操作经验
• 1985年Takagi和Sugeno提出了另一类具有线性规
则后项的模糊控制器,称之为Takagi-Sugeno
(1988, Japan)
• Postsurgical patients
(1989, USA)
• Auto focus video camera
(1990, Japan)
• Washing machines
(1990, Japan)
• Air conditioners
(1990, Japan)
• Anti-shaking video camera
控制规律
• 各种类型的Mamdani和TS模糊系统在过去几年中
都被证明是万能逼近器,它们能一致逼近定义在
闭定义域D上的任意连续函数到任意高的逼近精
度。这些模糊系统有:加法模糊规则系统、模糊
输入—输出控制器、Sugeno模糊控制器的变型、
非独点模糊逻辑系统、一般Mamdani型模糊系统、
采用线性规则后项的TS型模糊系统、广义模糊系

模糊控制系统讲解29页PPT

模糊控制系统讲解29页PPT

模糊控制系统讲解
1、纪律是管理关系的形式。——阿法 纳西耶 夫 2、改革如果不讲纪律,就难以成功。
3、道德行为训练,不是通过语言影响 ,而是 让儿童 练习良 好道德 行为, 克服懒 惰、轻 率、不 守纪律 、颓废 等不良 行为。 4、学校没有纪律便如磨房里没有水。 ——夸 美纽斯
5、教导儿童服从真理、服从集体,养 成儿பைடு நூலகம் 自觉的 纪律性 ,这是 儿童道 德教育 最重要 的部分 。—— 陈鹤琴
46、我们若已接受最坏的,就再没有什么损失。——卡耐基 47、书到用时方恨少、事非经过不知难。——陆游 48、书籍把我们引入最美好的社会,使我们认识各个时代的伟大智者。——史美尔斯 49、熟读唐诗三百首,不会作诗也会吟。——孙洙 50、谁和我一样用功,谁就会和我一样成功。——莫扎特

模糊控制ppt课件

模糊控制ppt课件

糊控制的维数。
可编辑课件PPT
10
(1)一维模糊控制器 如图所示,一维模糊控制器的 输入变量往往选择为受控量和输入给定的偏差量E。由 于仅仅采用偏差值,很难反映过程的动态特性品质, 因此,所能获得的系统动态性能是不能令人满意的。 这种一维模糊控制器往往被用于一阶被控对象。
可编辑课件PPT
11
(2)二维模糊控制器 如图所示,二维模糊控 制器的两个输入变量基本上都选用受控变量和 输入给定的偏差E和偏差变化EC,由于它们能 够较严格地反映受控过程中输出变量的动态特 性,因此,在控制效果上要比一维控制器好得 多,也是目前采用较广泛的一类模糊控制器。
可编辑课件PPT
8
综上所述, 推理结果的获得,表示模糊控制的规 则推理功能已经完成。但所获得的结果仍是一个模 糊矢量,不能直接用来作为控制量,还必须作一次 转换,求得清晰的控制量输出,即为解模糊。 至 此 , 模糊控制器实际上就是依靠微机(或单片机)来 构成的。它的绝大部分功能都是由计算机程序来完 成的。随着专用模糊芯片的研究和开发,也可以由 硬件逐步取代各组成单元的软件功能。
7
3. 推理与解模糊接口
推理是模糊控制器中,根据输入模糊量,由模 糊控制规则完成模糊推理来求解模糊关系方程,并 获得模糊控制量的功能部分。在模糊控制中,考虑 到推理时间,通常采用运算较简单的推理方法。最
基本的有Zadeh近似推理,它包含有正向推理和逆 向推理两类。正向推理常被用于模糊控制中,而逆 向推理一般用于知识工程学领域的专家系统中。
系统的指令信号为恒定值,通过模糊控制器消除外界 对系统的扰动作用,使系统的输出跟踪输入的恒定值。 也称为“自镇定模糊控制系统”,如温度模糊控制系统。 (2)随动模糊控制系统
系统的指令信号为时间函数,要求系统的输出高精度 、快速地跟踪系统输入。也称为“模糊控制跟踪系统”或“ 模糊控制伺服系统”。

模糊控制原理课件 PPT

模糊控制原理课件 PPT
Kec选的较大时,系统的超调变小,系统的响应速度变慢。
Ku选的过小时,系统动态响应过程变长,选择过大会导致系 统振荡。 Ku影响着控制器的输出,能过调整Ku可以改变被控 对象输入的大小。
3.1 模糊控制的基本原理
对输入量进行模糊化处理,包括确定语言变量和隶属函数
确定语言变量的语言值 通常在语言变量的论域上,将其划分为有限的几档。 例如,可将E、EC和U的划分为 {“正大(PB)”,“正中(PM)”,“正小(PS)”, “零(ZO)”,“负小(NS)”,“负中(NM)”, “负大(NB)”}七档。
档级多,规则制定灵活,规则细致,但规则多、复杂, 编制程序困难,占用的内存较多; 档级少,规则少,规则实现方便,但过少的规则会使 控制作用变粗而达不到预期的效果。 因此在选择模糊状态时要兼顾简单性和控制效果。
3.1 模糊控制的基本原理
对输入量进行模糊化处理,包括确定语言变量和隶属函数
确定隶属函数(原则)
?
为了提高实时性,模糊控制器常常以控制查询表的形式出现。 该表反映了通过模糊控制算法求出的模糊控制器输入量和输 出量在给定离散点上的对应关系。为了能方便地产生控制查 询表,在模糊控制器的设计中,通常就把输入输出的论域定 义为有限整数的离散论域。
3.1 模糊控制的基本原理
模糊化
输入量和输出量论域的设计
输入量和输出量论域的设计
同理,假如误差变化率的连续取值范围是ec=[ecL,ecH] ,控制量的连
续取值范围是u=[uL,uH] ,则量化因子kec和比例因子ku可分别确定如
下:
kec
2n ecH ecL
ku
uH uL 2l
在确定了量化因子和比例因子之后,误差e和误差变化率ec可通过 下式转换为模糊控制器的输入E和EC:

模糊控制 PPT课件

模糊控制 PPT课件

A (27) %
lim
n
27
青年人*的次数 n
101 129
0.78
上一页 下一页
隶属函数的确定
求取论域中足够多元素的隶属度,根据这些隶属度求出 隶属函数。具体步骤为:
①求取论域中足够多元素的隶属度;
② 求隶属函数曲线。以论域元素为横坐标,隶属度为纵坐 标,画出足够多元素的隶属度(点),将这些点连起来, 得到所求模糊结合的隶属函数曲线;
B×A={(1, a) (1, b) (1, c) (2, a) (2, b) (2, c)}
上一页 下一9页
2.2 模糊集合及其运算规则
在普通集合中,论域中的元素(如a)与集合(如A)之间的关系是属
于(a∈A),或者不属于(a A),它所描述的是非此即彼的清晰概念。
但在现实生活中并不是所有的事物都能用清晰的概念来描述,如:
曲线非常接近。此时取α=1/25,a=24.5,β=2。参数修改后
~ 的降半哥西型函数即为模糊集合“青年人”的隶属函数。即:
1
~ 青年人(x)
1
(
x
1 24.5)2
5
18 x 24 24 x 100
上一页 下一20页
3) 模糊集合的并、交、补运算
设 A、B 为论域U上的两个模糊集合。则 A 与B 的并集(
+
传感器 测量的 当前值
计算机 自动给出
根据当前的状 态,对照控制 经验,给出适 当的控制量
事先总结归
纳出一套完
整的控制规
传感器 模糊推理判决
则,放在计 + 测量的
计算出
控制量
算机中。
当前值
上一页 下一页
5.2 模糊控制发展的三个阶段

智能控制系统 模糊控制PPT课件

智能控制系统  模糊控制PPT课件

给定
+
-
Fuzzy化 接 口
知识库
推理决策
精确化接 口
被控对象
第1页/共167页
• 模糊控制器采用数字计算机。它具有三个重要功能: • 1、模糊化过程、数据库两块:把系统的偏差从数字量转化为模糊量; • 2、规则库、推理决策完成:对模糊量由给定的规则进行模糊推理; • 3、精确化接口:把推理结果的模糊输出量转化为实际系统能够接受的精确数字量或模拟量。
4、多输入多规则推理 • 多输入,多规则。就是对于一个控制系统,它的控
制规则有多个。比如 • IF A1 AND B1…,THEN C1 • IF A2 AND B2…,THEN C2 • …… • IF An AND Bn…,THEN Cn
• 以二输入多规则为例。 • 如果A1且B1,那么C1 • 否则如果A2且B2,那么C2 •… • 否则如果An且Bn,第那26页么/共C1n67页
第22页/共167页
• 三、推理决策逻辑 • 推理决策逻辑是利用知识库的信息模拟人类的推理决策过程,给出适合的控制量。(它是模糊控制的核
心)。
第23页/共167页
• 第二章P34 • 四、模糊逻辑推理讲过。 • 1、近似条件推理 • 前提1:如果x是A,则y是B • 前提2:如果x是A‘ • 结论: • Y是B’=A’
0.4 (3) 0.4 (1) 1 (3)
v0
0.4 0.4 1
2.5556
第36页/共167页
• 3、加权平均法
m
viki
v0
i 1 m
ki
i 1
• ki视情况而定。如果,那么加权平均法就变为 重心法。
第37页/共167页
• 面积重心法对于不同的隶属度函数形状会有不同的推理输出结果。最大隶属度函数法对隶属度函数的形状 要求不高。

模糊控制PPT课件

模糊控制PPT课件
应用。
其他领域
如农业、医疗、环保等 领域的智能化控制。
模糊控制基本原理
01
02
03
04
模糊化
将输入变量的精确值转换为模 糊语言变量的过程,通过隶属
度函数实现。
模糊推理
根据模糊控制规则和当前输入 变量的模糊值,推导出输出变
量的模糊值。
去模糊化
将输出变量的模糊值转换为精 确值的过程,通过去隶属度函
数实现。
基于仿真实验的分析方法
通过搭建模糊控制系统的仿真模型,模拟系统的运行过程并观察其输出响应。根据输出响应的变化情况 来判断系统的稳定性。这种方法可以直观地展示系统的动态特性,但需要消耗较多的计算资源。
提高模糊控制系统稳定性措施
要点一
优化模糊控制规则
通过调整模糊控制规则中的参数和隶 属度函数形状,可以改善系统的控制 性能并提高稳定性。例如,增加控制 规则的数量、调整隶属度函数的分布 等。
借鉴物理退火过程,避免陷入局部最优解。
05
模糊控制系统稳定性分析
稳定性概念及判定方法介绍
稳定性概念
指系统受到扰动后,能够恢复到原来平衡状态的能力。对于模糊控制系统而言,稳定性是评价其性能的重要指标 之一。
判定方法
包括时域法、频域法和李雅普诺夫法等。其中,时域法通过观察系统状态随时间的变化来判断稳定性;频域法通 过分析系统频率响应特性来评估稳定性;李雅普诺夫法则是基于能量函数的概念,通过构造合适的李雅普诺夫函 数来判断系统的稳定性。
化工生产过程控制
采用模糊控制方法对化工生产过程 中的反应温度、压力、流量等参数 进行精确控制,确保生产安全和产 品质量。
智能交通系统领域应用案例
城市交通信号控制
运用模糊控制理论对城市交通信 号灯的配时方案进行优化设计, 提高道路通行效率和交通安全水

《模糊控制洗衣机》课件

《模糊控制洗衣机》课件

模糊控制洗衣机的优势
提高洗涤效果
模糊控制洗衣机能够根据衣物质 地、颜色、污渍程度等因素智能 地调整洗涤程序和洗涤参数,从 而更好地保护衣物,提高洗涤效
果。
节能环保
模糊控制洗衣机能够根据衣物质 地和污渍程度等因素智能地调整 洗涤时间和水位等参数,从而避 免了不必要的能源浪费,达到了
节能环保的效果。
方便易用
此外,还需要进行仿真和实验验证,以评估模糊控制算法的性能和效果。
01
模糊控制洗衣机的 工作原理
模糊逻辑控制器设计
输入变量
模糊化处理后的衣物污渍程度、重量和材质。
输出变量
洗涤时间、水位和洗涤方式。
模糊集合
将输入和输出变量划分为不同的模糊集合,如“轻污”、“中污” 、“重污”,“短时间”、“中时间”、“长时间”等。
模糊控制洗衣机操作简单,用户 只需要选择相应的洗涤模式,洗 衣机就能够自动完成洗涤程序,
无需用户手动调整。
01
模糊控制技术原理
模糊逻辑的基本概念
模糊逻辑是一种处理不确定性、不完全性知识的工具,它突破了传统逻 辑“是”与“非”的绝对界限,为决策提供了一个更广泛的范围。
在模糊逻辑中,变量和命题不再是明确的是或非,而是被赋予了程度或 隶属度,这些程度或隶属度可以是0到1之间的任何值。
《模糊控制洗衣机》 ppt课件
THE FIRST LESSON OF THE SCHOOL YEAR
目录CONTENTS
• 引言 • 模糊控制技术原理 • 模糊控制洗衣机的工作原理 • 模糊控制洗衣机与其他控制方式的
比较 • 模糊控制洗衣机的应用与案例分析 • 结论与展望
01
引言
模糊控制洗衣机的概念

3-3模糊控制器设计PPT课件

3-3模糊控制器设计PPT课件

2021/3/10
5
3.3.2 模糊控制器的基本结构(续)
2.知识库 它通常由数据库和模糊控制规则库两部分组成。
(1)数据库主要包括各语言变量的隶属函数,尺 度变换因子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。它们反映了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,它具有模拟人 的基于模糊概念的推理能力程是基于模糊逻辑 中的蕴含关系及推理规则来进行的。
第3章 模糊控制 (续)
2021/3/10
1
3.3 模 糊 控 制 器 的 结 构 、 原理及设计方法
2021/3/10
2
3.3 模糊控制器的结构、原理及设计方法
要实现一个实际的模糊控制系统,需要解决三个问 题;知识的表示、推理策略和知识获取。
模糊控制是以模糊集合论、模糊语言变量及模糊 逻辑推理为基础的一种计算机控制。
3.3.3 模糊控制的基本原理(续-10)
上式中
2021/3/10
19
3.3.3 模糊控制的基本原理(续-11)
上式中
2021/3/10
20
3.3.3 模糊控制的基本原理(续-12)
模糊控制器的输出变量是触发电压u的变化,该电
压直接控制电热炉的供电电压的高低。
2021/3/10
12
3.3.3 模糊控制的基本原理(续-4)
(2)输入变量及输出变量的模糊语言描述
描述输入变量及输出变量的语言值的模糊子集为 {负大,负小,0,正小,正大}
通常采用如下简记形式
NB=负大,NS=负小,O=零,PS=正小,PB=正大。 其中,N=Negative,P=Positive,B=Big,S=Small, O=Zero。

模糊控制与模糊决策精品PPT课件

模糊控制与模糊决策精品PPT课件
V ={v1, v2, … , vm}, 其中vi 是第i 种意见序列,即U 中的元素的某一个排序.
若uj在第i 种意见vi中排第k位,则令Bi(uj)=n–k,称
m
B(u j ) Bi (u j ) i 1
为uj的Borda数.此时论域U的所有元素可按Borda 数的大小排序,此排序就是是比较合理的.
按加权Borda数集中后的排序为:
2/20/2021
u1,
u2,
u ,^_^
3
u4,
u6,
u5
41
模糊二元对比决策
设论域X ={x1, x2, … , xn}为n个被选方案,在n个被选 方案中建立一种模糊优先关系,即先两两进行比较,再将
这种比较模糊化. 然后用模糊数学方法给出总体排序,这
பைடு நூலகம்
就是模糊二元对比决策.
2/20/2021
^_^
38
例1 设U ={a, b, c, d, e, f }, |M|= m = 4人,
v1: a, c, d, b, e, f ; v2: e, b, c, a, f , d; v3: a, b, c, e, d, f ; v4: c, a, b, d, e, f ;
B(a)=5+2+5+4=16; B(b)=2+4+4+3=13;
2/20/2021
^_^
10
2/20/2021
^_^
11
❖ 5. 模糊决策 模糊控制器的控制作用取决于控制量,即
等于误差的模糊向量e和模糊关系的合成,假 设e=PS,则
2/20/2021
^_^
12
❖ 6. 控制量的模糊量转化为精确量 上面求得的控制量u为模糊向量,可写为:
  1. 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. 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. 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)。
双击
双击
Mfedit Ruleedit
Mfedit
4
输出模糊变量图形框
双击
基本属性包括:
1. 模糊集合合成运算(连接词的运算) min(最小法) ① and prod(乘积法)
5
② or
ቤተ መጻሕፍቲ ባይዱ
max(最大法) prober(概率法)
prober(a,b)=a+b-ab
6
2. 蕴涵计算(Implication)
模糊推理输入输出曲面视图Surfview (Surface)
1
2
⑴ 模糊推理系统编辑器Fuzzy 处理最顶层构建问题,例如输入输出变量的数目、变量名等 激活(进入)方法:命令窗口(command window)执行 Fuzzy命令。
激活模糊推理系统系统编辑器 :
3
基本属性
输入模糊变量图形框 组成 模糊规则图形框
12
③ 函数gaussmf 功能:建立高斯型隶属度函数。
格式:y=gaussmf(x,[sig c])
其中:参数x指定变量论域范围,参数c决定了函数的中心 点,sig决定了函数曲线的宽度σ 。 高斯函数的表达式为: y e 例: x=0:0.1:10; y=gaussmf(x, [2 5]); plot(x,y) xlable(‘gaussmf,P=[2 5]’)
15
2、模糊逻辑系统输入输出变量及隶属度函数的添加 ①函数addvar 功能:向模糊推理系统中添加语言变量。 格式:a=addvar(a, varType, varName, varBounds) 说明:参数列表中,a为模糊推理系统对应的矩阵变量名, varType用于指定语言变量的类型为字符型(如‘input’ 或‘output’); varName用于指定语言变量的名; varBounds用于指定语言变量的论域范围。 注意:对于添加到同一个模糊推理系统的语言变量,按 先后顺序自动编号,编号从1开始,逐渐递增。对于分属 于输入与输出的不同语言变量则独立地分别编号。 例:a=newfis(‘tipper’); //创建并返回一个新的FIS系统 a=addvar(a,’input’,’service’,[0 10]); getfis(a,’input’,1) //取得FIS的部分或全部属性
min prod (乘积法)
7
3. 输出的合成计算Aggregation(模糊规则综合采用的方法) max prober(a,b)=a+b-ab Aggregation sum(求和法) prober (概率法)
8
4. 逆模糊化计算(Defuzzification)
centroid(重心法) bisector(面积平分法) lom(最大隶属度函数中的取最大值法) som(最大隶属度函数中的取最小值法)
MATLAB模糊逻辑工具箱 命令行函数(以 .m文件存放)
工具
建立模糊逻辑推理系统
图形交互工具(GUI-Graphical User Interface)
(图形用户界面)
接口仿真逻辑模块(Simulink环境) 图形交互工具箱提供的图形化工具有五类: 模糊推理系统编辑器Fuzzy 隶属度函数编辑器Mfedit (Membership function) 模糊规则编辑器Ruleedit 模糊规则观察器Ruleview
x=0:0.1:10; y=trimf(x, [3 6 8]); plot(x,y) xlable(‘trimf,P=[3 6 8]’)
11
②函数trapmf(trap表示trapezium梯形)
功能:建立梯形隶属度函数。
格式:y=trapmf(x,[a b c d])
其中:参数x指定变量论域范围,参数a,b, c和d指定梯形隶 属度函数的形状,该函数在b,c点处取最大值1,a,d点为0。 例: x=0:0.1:10; y=trapmf(x, [1 5 7 8]); plot(x,y) xlable(‘trapmf,P=[1 5 7 8]’)
13
1 x c 2 ( ) 2
④函数zmf 功能:建立Z型隶属度函数。
格式:y=zmf(x,[a b])
说明:曲线在(a,b)之间是光滑的样条曲线,在a左 段为1,b右段为0,跳跃点是(a+b)/2。参数x指定变量论 域范围。 例: x=0:0.1:10; y=zmf(x, [2 8]); plot(x,y) xlable(‘zmf,P=[2 8]’)
mom(平均最大隶属度法)
⑵ 在命令窗口键 入mfedit可激活隶 属度函数编辑器
9
MATLAB的FIS结构和存储 1、FIS(模糊推理系统)结构 模糊推理系统是以一种FIS的结构来表示和存储的 ①GUI工具 访问方法 ②函数 ③结构名.成员名 2、存储( .fis文件) 访问 readfis-读 writefis-写
14
⑤函数smf 功能:建立S型隶属度函数。
格式:y=smf(x,[a b])
说明:曲线在(a,b)之间是光滑的样条曲线,在a左 段为0,b右段为1,跳跃点是(a+b)/2。参数x指定变量论 域范围。 例: x=0:0.1:10; y=smf(x, [2 8]); plot(x,y) xlable(‘smf,P=[2 8]’)
10
命令函数
1、隶属度函数 ①函数trimf(表示triangular membership function) 功能:建立三角形隶属度函数。 格式:y=trimf(x,[a b c])
其中:参数x指定变量论域范围,参数a,b和c指定三角形 函数的形状,该函数在b点处取最大值1,a,c点为0。 例:建立三角形隶属度函数并绘制曲线。
16
②函数addmf
功能:向模糊推理系统的语言变量添加隶属度函数。
格式:a=addmf(a, varType, varIndex,mfName,mfType, mfParams)
说明:隶属度函数只能为模糊推理系统中已经存在的某 一语言变量的语言值添加隶属度函数。参数列表中,a为 模糊推理系统对应的矩阵变量名, varType指定语言变量 类型的字符串(如‘input’或‘output’); varIndex指定 语言变量编号的数字;mfName指定隶属度函数名称; mfType指定隶属度函数类型; mfParams指定隶属度函数 的参数。
相关文档
最新文档