C语言求两个矩形重叠面积,模糊控制理论基础(第二章).ppt

模糊控制理论基础(第二章)

主讲人：段金英 3.模糊控制器构造技术 (1)硬件：采用传统的单片机 软件：实现模糊推理和控制 (2)模糊单片机或集成电路芯片 (3)可编程门阵列 模糊现象 “下雨”是个自然现象，从程度上度量它的时候会出现模糊性，从“绵绵细雨”到“倾盆大雨”. 人们为了了解、掌握和处理自然现象，在大脑中形成的概念往往是模糊概念，即这些概念的类属边界是不清晰的. 由此形成的划分、判断与推理也都具有模糊性. 描述雨下的程度：“小雨”、“中雨”、“大雨”. 人们会根据雨下的程度推测今年的收成是“好”、“一般”，还是“坏”。人脑具有很高的模糊划分、模糊判断和模糊推理的能力。人们为了表达和传递知识而使用的自然语言巧妙地渗透着模糊性，能用最少的词汇表达尽可能多的信息。 模糊未必不精确 当我们判断走过来的是谁时，只要把来人的高矮、胖瘦、走路姿势等，与储存在大脑中的样本进行比较，就不难得出可靠的结论。 这件事如果让电子计算机来做，那就得测量来人的身高、体重、手臂摆动的角度、频率、鞋底与地面间的摩擦力、正压力、速度、加速度等一系列数据，而且非要精确到小数点后几十位才肯罢休，计算机的过分精确会在这种场合闹出“翻脸不认人”的笑话。 模糊概念在自然界和人类社会中是普遍存在的 空间：巨大，很大，大，中，小，微小， 时间：长短，很久，最近， … 天气：阴晴，气温高低，风力大小， 人 ：性别，年龄，文化，… ( 清晰 ) 健康，性格，外表，… ( 模糊 ) 音乐：优美，舒缓，激昂，雄壮，… 模糊概念集中于：生物，生命，人文，社会，艺术，文学，经济，政治，法律，军事，… 精确性与模糊性关系 模糊性是绝对的，广泛存在的 精确性是相对的，有条件的 模糊集理论的提出 模糊量的数学表示？ 描述模糊性的自然语言如何量化？ §2.2 模糊集合论基础 1.经典集合的定义与运算 集合表示方法： (1)列举法：将集合的元素全部列出的方法。 (2)定义法：用集合中元素的共性来描述集 合的方法。 (3)归纳法：通过一个递推公式来描述一个集合的方法。 (4)特征函数表示法：利用经典集合论非此即彼的明晰性来表示集合。因为某一集合中的元素要么属于这个集合，要么就不属于这个集合。 例1 设集合U由1到5的五个自然数组成，用上述前三种方法写出该集合的表达式。 解(1)列举法 U={1,2,3,4,5} (2)定义法 U={u|u为自然数且1?u?5} (3)归纳法 U={ui+1=ui+1, i=1,2,3, 4, u1=1} 特征函数表示法：集合U通过特征函数来TU(u)表示 经典集合论中任意一个元素与任意一个集合之间的关系，只是“属于”或“不属于”两种，两者必居其一而且只居其一。它描述的是有明确分界线的元素的组合。 用经典集合来处理模糊性概念时，就不行。 对于诸如“速度的快慢”、“年龄的大小”、“温度的高低”等模糊概念没有明确的界限。 例2：人对温度的感觉(0?C ~40?C的感觉)： 模糊集合的表示方法 1、论域U为离散域(即论域U是有限集合) (1) 扎德表示法 (2)序偶表示法 F ={(u1,?(u1)),(u2 , ?(u2)),…,(un , ?(un))} 上次课内容复习 1.什么是隶属度，隶属度函数 隶属度即论域元素属于模糊集合的程度。用 来表示。隶属度的值为[0，1]闭区间上的一个数，其值越大，表示该元素属于模糊集合的程度越高，反之则越低。 计算隶属度的函数称为隶属函数。用 表示 2.模糊集合的定义 3.模糊集合的表示方法 设论域U={钢笔，衣服，台灯，纸}，他们属于学习用品的隶属度分别为:1， 0， 0.6， 0.8，则模糊集合学习用品可分别用向量表示法和扎德表示法表示 §2.2.4 隶属函数的建立 1、表示隶属度函数的模糊集合必须是凸模糊集合 2、变量所取隶属度函数通常是对称和平衡的。 3、隶属度函数要符合人们的语言顺序避免不 恰当的重叠 除以上三条，模糊控制系统隶属度函数的选择通常： 1)论域中的每个点应该至少属于一个隶属度函数区域，同时它一般应属于至多不超过两个隶属度函数的区域。　2)对同一输入没有两个隶属度函数会同时有最大隶属度。　3)当两个隶属度函数重叠时，重叠部分对两个隶属度函数的最大隶属度不应该有交叉。重叠指数也是衡量隶属度函数与模糊控制器性能关系的一个重要指标。为了定量研究隶属度函数之间的重叠，有重叠率和重叠鲁棒性的概念，并用这两个指数来描述隶属函数的重