模糊专家系统 matlab,第4章 模糊专家系统.ppt

规则库3的三维图 规则库3的三维图 规则库3的三维图 调整模糊专家系统 1.回顾模型的输入变量和输出变量，如果有必要要重新定义变量的范围。 2.回顾模糊集，如果必要的话可以在论域上定义附加的集合。使用更广泛的模糊集可能会导致模糊系统粗略执行。 3.相邻集合之间要有足够的重迭。虽然没有精确的方法确定合适的重迭的程度，但这里建议三角形对三角形和四边形对三角形的模糊系统应该有25%～50%的重迭。 4.回顾现有的规则，如果有必要则在规则库中加入新的规则 5.检查规则库以便有写规则限制语来捕捉系统的不正常行为机会。 6.调节规则执行的权重。大多数模糊逻辑工具允许透过改变权重乘数来控制规则的重要性。 7.修订模糊集的形状。在大多数情况下，模糊系统对形状近似是高度宽容的。 由上可见，建立模糊系统是一个迭代的过程，只有这样才能适应具体的需求。 如下图所示，质心逆模糊化方法在ab区间找到表示模糊集A的重力质心的点。 理论上说，COG是在聚合输出隶属函数的连续空间点上计算的，实际上也可以通过在样本点上计算COG来得到COG的合理估值，这种情况下，使用下面的公式： 现在计算本例中的重力质心 (COG)，方法如下图所示。 隶属度 图4-13 变量模糊集的逆模糊化 因此，逆模糊化的结果是，z1的清晰输入为67.4意思是该“模糊”项目的风险是67.4%。 Mamdani推理需要透过整合连续变化的函数找到二维形状的质心，通常这个过程计算的效率不高。 Sugeno方法使用只有一个尖峰的单态函数作为规则后项的归属函数。单态模式，更确切地说是模糊单态模式，是带有归属函数的模糊集，该归属函数在论域的某个点上为1，在其他点上为0。 Sugeno-style模糊推理和Mamdani方法很相似。Sugeno仅改变了规则的后项。 Sugeno模糊推理 它使用输入变量(而不是模糊集)的数学函数。Sugeno-style模糊规则的格式为： IF x is A AND y is B THEN z is f (x, y) 其中x、y和z是语言学变量；A和B分别是论域X和Y上的模糊集；f(x,y)是数学函数。 最常用的零阶Sugeno模糊模型应用以下形式的模糊规则： IF x is A AND y is B THEN z is k 其中k是常数。 在这种情况下，每个模糊规则的输出是常数。所有的后项归属函数由单态尖峰来表示。图4-14至图4-17显示了零阶Sugeno模型模糊推理的过程。 图4-14 步骤1: Sugeno-style模糊化 图4-15 步骤2：Sugeno-style规则评估 图4-16 步骤3：Sugeno-style规则输出的聚合 图4-17 步骤4：Sugeno-style逆模糊化 上述过程显示，聚合操作就是将所有的单态模式包含在一起，下面求解这些单态模式的加权平均值(Weighted Average, WA) 至此，就是一个零阶Sugeno系统的全部过程。 在获取专家知识时常使用Mamdani方法。因为这种方法可以用更直接、更接近人类的方式来描述专家的意见。但是，Mamdani模糊推理的计算量大。 另一方面，Sugeno方法的计算效率高，并能够与优化算法和自适应技术协同工作，这使得该方法在控制问题，尤其是动态非线性系统中很有吸引力。 用Mamdani法还是Sugeno法？怎样做决定? 4.7 建立模糊专家系统 下面考虑一个备件服务中心的例子(Turksen，1992) 服务中心保存零件备件并修复损坏的零件备件。 客户拿来一个损坏的零件备件，换走一个相同型号的零件备件。 损坏的零件备件被修好后放置在架子上作为零件备件。 我们的目标是向零件备件服务中心的经理建议使客户满意的决策方针。 开发模糊专家系统的典型过程的步骤如下： (1)指定问题并定义语言变量。 (2)定义模糊集。 (3)抽取并构造模糊规则。 (4)