第二章、模糊控制理论基础教学文案.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第二章、模糊控制理论基础,三、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,第二节 模糊集合论基础,一、模糊集的概念,二、模糊集合的运算,三、隶属函数的建立,四、模糊关系,一、模糊集的概念,集合：具有某种特定属性的对象的全体。,集合中的个体通常用小写英文字母如：u表示；,集合的全体又称为论域通常用大写英文字母如：U表示。,u,U,表示,元素,（个体）,u,在集合,论域,（全体）,U,内。,集合表示法(经典集合)：,(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2-1 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,=,u,i+,1,=u,i,+,1,i,=1,2,3,4,u,1,=,1,特征函数表示法：集合U通过特征函数来T,U,(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。,经典集合对事物只用1、0简单地表示“属于”或“不属于”的分类；而模糊集合则用“隶属度(Degree of membership)”来描述元素的隶属程度，隶属度是0到1之间连续变化的值。,模糊集合,特征函数,隶属度函数（01连续变化值）,例：人对温度的感觉(0,C,40,C,的感觉)：,“舒适”的温度：15,C,25,C,“热”：25,C以上,“冷”：15,C,以下,经典集合对温度的定义,0 15 25 40,冷,热,(,T,),1.0,舒适温度,C,0 15 25 40,(,T,),1.0,冷,热,舒适温度,C,模糊集合对温度的定义,经典集合：14.99,C属于“冷”；15.01 C属于舒适。,与人的感觉一致吗？,设U为一可能是离散或连续的集合，用u表示，,论域（Universe of Discourse）：U 所有元素组成的全集,元素：u,定义2-1 模糊集合：论域,U,中的模糊集合,F,用一个在区间0,1上的取值的,隶属函数,F,来表示，即：,F,：,U,0,1,F,(,u,)=1：,u,完全属于,U,；,F,(,u,)=0：,u,完全不属于,U,；,0,F,(,u,)0,1、论域U为离散域（即论域U是有限集合）,(1)查德表示法,(2)序偶表示法,F,=(,u,1,(,u,1,),),(,u,2,(,u,2,),(,u,n,(,u,n,),(3)向量表示法,F,=,(,u,1,),(,u,2,),(,u,n,)（元素u按次序排列）,F,=,例：,F,=(,0,1.0,),(,1,0.9,),(,2,0.75,),(,3,0.5,),(,4,0.2,),(,5,0.1,),例：,F,=,1.0,0.9,0.75,0.5,0.2,0.1,模糊集合的表示方法：,例：集合F表示接近于0的整数（已知论域U=0,1,2,3,4,5）,2、论域为连续域,例 以年龄为论域，取,。,Zadeh给出了“年轻”的模糊集F，其隶属函数为,“年轻”的隶属函数曲线,模糊集合表示为：,模糊集合的表示方法：,二、模糊集合的运算,（1）空集,模糊集合的空集的隶属度为0，即,（2）全集,模糊集合的全集的隶属度为1，即,（4）等集,两个模糊集A和B，若对所有元素u，它们的隶属函数相等，则A和B也相等。即,（3）子集（包含于）,若B为A的子集，则,定义：,设,A、B为U中的两个模糊子集，隶属函数分别为,A,和,B,，则模糊集合中的并、交、补等运算按如下定义：,A,B,=,A,(,u,),B,(,u,),式中，符号“,”为取大值运算。,A,B,=,A,(,u,),B,(,u,),式中，符号“,”为取小值运算。,定义2-6,补：模糊集合,A的补隶属函数,对所有的,u,U,被逐点定义为：,定义2-4,并：并(,A,B,)的隶属函数,A,B,对所有的,u,U,被逐点定义为,取大运算,，即：,定义2-5,交：交(,A,B,)的隶属函数,A,B,对所有的,u,U,被逐点定义为,取小运算,，即：,=1-,A,(,u,),则,A、B的并运算：,则,A、B的交运算：,例2-3设论域,U=,u,1,u,2,u,3,u,4,u,5,中的两个模糊子集为：,A的补运算：,定理21 模糊集运算的基本定律：设U为论域，A，B，C为U中的任意模糊子集,则下列等式成立,：,（2）分配律,（1）结合律,（3）同一律,（4）零一律,上面定义的模糊集合运算是采用Zadeh算子来进行的。,引入概率算子和有界算子：,定义2-7,称,、+为,概率算子,，对,a,b,0,1,有：,a,b=ab,a+b=a+b-ab,由定义可知，如,a,b,0,1,则,a,b,0,1,a+b,0,1。,定义2-8,设,A,B,F,(,U,),则定义代数运算：,(1),A,与,B,的,代数积,记作,A,B,，运算规则由下式确定：,A,B,(u),=,A,(,u,),B,(,u,),u,U,A,+,B,(u),=,A,(,u,)+,B,(,u,)-,A,(,u,),B,(,u,),u,U,(2),A,与,B,的,代数和,记作,A,+,B,，运算规则由下式确定：,定义2-9,称,、为,有界算子,，对,a,b,0,1,有：,a,b,=max(0,a,+,b,-,1),a,b,=min(1,a,+,b,),可以证明：,a,b,0,1,0 max(0,a,+,b,-1)1、0 min(1,a,+,b,)1,定义2-10,设,A,B,F,(,U,),则定义,有界运算,：,(1),A,与,B,的,有界积,记作,A,B，,运算规则由下式确定：,A,B,(,u,),=,max,(0,A,(,u,)+,B,(,u,)-1),u,U,(2),A,与,B,的,有界和,记作,A,B,，运算规则由下式确定：,A,B,(,u,),=,min(1,A,(,u,)+,B,(,u,),u,U,模糊集合是用隶属函数描述的。,三、隶属度函数的建立,隶属度函数：模糊集合的特征函数（取值范围在0,1区间）,确定隶属度函数的方法具有主观性，但主观的反映和客观的存在有一定的联系，是受客观制约的。,由于模糊集理论的研究对象具有”模糊性”和经验性,因此找到一种统一的隶属度计算方法是不现实的。,确定隶属函数应,遵守的一些基本原则：,1、表示隶属度函数的模糊集合必须是凸模糊集合,例:适中速度的集合是模糊集合。可表示为:,“适中速度”=0/30+0.5/40+1/50+0.5/60+0/70,从最大隶属度函数点向两边延伸时,其隶属函数的值是必须是单调递减的,而不允许有波浪形。,凸模糊集合：隶属函数呈单峰馒头形。,20,30,50,70,95,0,0.2,0.4,0.6,0.8,1,速度（语言变量）,Degree of membership,适中,低,高,5,100,2、变量所取隶属度函数通常是对称和平衡的。,很低,很高,标称名：语言值,(个数适中：39个（奇数）),语言值的个数和规则数成正比。,3、隶属度函数要符合人们的语言顺序，避免不恰当的重叠,注意：间隔的两个模糊集合隶属度函数尽量不相交。,重叠指数：衡量隶属度函数与模糊控制器性能关系的一个重要指标。,重叠指数：重叠率、重叠鲁棒性,重叠指数的定义,附近隶属函数的范围,L,U,A,1,A,2,x,0,0.5,1.0,重叠范围,L,U,例：,(0.20.6为宜),(0.30.7为宜),重叠率和重叠鲁棒性越大，模糊控制模块模糊性越强，规则越多，越复杂，精度越高。,解：,求重叠率和重叠鲁棒性,1、模糊统计法,通常的方法是，初步确立粗略的隶属函数，然后在通过“学习”和不断的实践来修整、完善。,隶属度函数确立的方法：,四种方法：,基本思想：论域,U,上的一个确定的元素,v,0,是否属于一个可变动的清晰集合,A,*作出清晰的判断。,对于不同的实验者，清晰集合,A,*可以有不同的边界。但它们都对应于同一个模糊集,A,。,年轻人,17-30岁,20-35岁,模糊集,A,清晰集,A,1,*,清晰集,A,2,*,所有人,论域,U,v,0,隶属度函数确立的方法：,计算步骤：在每次统计中，v,0,是固定的（如某一年龄），A*的值是可变的，作n次试验,则,模糊统计公式：,例：求中等身材的集合A及,A,(1.64),选10人，每人确定A*的元素，假设10个人所确定的A*分别是：,1.601.69 1.631.70 1.651.75 1.561.70 1.621.73,1.651.72 1.641.73 1.601.69 1.691.75 1.691.77,随着,n,的增大，隶属频率会趋向稳定，这个稳定值就是,v,0,对,A,的隶属度。,计算量大。,模糊统计法的特点：,2、例证法：从有限个隶属度值，来估计U上的模糊集A 的隶属度函数。,3、专家经验法：,根据专家的经验对每一现象产生的各种结果的可能性程度，来决定其隶属度函数。,4、二元对比排序法,通过对多个事物之间的两两对比，来确定某种特征下的顺序，由此来决定这些事物对该特征的隶属函数的大体形状。,二元对比排序法分为：相对比较法、对比平均法、优先关系定序法、相似优先对比法。,相对比较法：,论域U中元素,v,1,v,2,v,n,，要对论域中的元素按某种特征进行排序，首先，在二元对比中建立比较等级，然后用一定的方法进行总体排序，以获得各元素对于该特性的隶属函数。,相对比较法的具体步骤：,设论域U中的一对元素(,v,1,v,2,)，在,v,1,和,v,2,的二元对比中，,v,1,具有某特征的程度用,g,v,2,(,v,1,)表示，,v,2,具有某特征的程度用,g,v,1,(,v,2,)表示。,且满足：0,g,v,2,(,v,1,),1、0,g,v,1,(,v,2,),1,令：,且定义g(,v,i,/,v,j,)=1，当,i,=,j,时。,以g(,v,i/,v,j)(,i,j,=1,2)为元素构造相及矩阵,G,:,推广：,n,个元素 的相及矩阵,G,:,对矩阵G的每一行取最小值，然后按大小排序，可得各元素对某特征的隶属函数。,例2-4,设论域U=v,1,v,2,v,3,v,0,其中v,1,表示长子，v,2,表示次子，v,3,表示三子，v,0,表示父亲。,长子和次子与父亲的相似程度：,次子和三子与父亲的相似程度：,长子和三子与父亲的相似程度：,长子：0.8次子：0.5,次子：0.4三子：0.7,长子：0.5次子：0.3,解：二元对比关系：(,g,v,2,(,v,1,),g,v,1,(,v,2,)=(0.8,0.5),g,v,1,(,v,1,)=1,(,g,v,3,(,v,2,),g,v,2,(,v,3,)=(0.4,0.7),g,v,2,(,v,2,)=1,(,g,v,3,(,v,1,),g,v,1,(,v,3,)=(0.5,0.3),g,v,3,(,v,3,)=1,求与父亲相似的隶属度函数。,计算相及矩阵G,=,在相及矩阵中取每一行的最小值，按大小排列：13/54/7,结论：长子最象父亲(1)；三子次之(0.6)；次子最不象(0.57)。,由此确定出隶属度函数：,模糊控制中，隶属度函数基本图形分为三大类：,1.左大右小的偏小型下降函数（Z函数）：适用于输入值比较小时的隶属度函数确定。,2.左小右大的偏大型上升函数（S函数）：适用于输入值比较大时的隶属度函数确定。,0,x,1.0,(,x,),矩形分布,0,x,1.0,(,x,),梯形分布,0,x,1.0,(,x,),曲线分布,0,1.0,(,x,),x,矩形分布,0,x,1.0,(,x,),梯形分布,0,x,1.0,曲线分布,3.对称型凸函数（,函数,）：适用于输入值位于中间时隶属度函数确定。,0,1.0,(,x,),x,矩形分布,(,x,),0,x,1.0,三角形分布,0,1.0,(,x,),梯形分布,x,0,1.0,(,x,),曲线分布,x,四、模糊关系（用于模糊推理决策）,1.模糊关系的定义,关系：客观事物间的相互联系。,普通关系：二元关系（是、否）,例：父子、师生、同事,模糊关系：父子想像。,A、B两集合的直积：,例：设A=0,1，B=a,b,c,则AB=(0,a)，(1,a)，(0,b)，(1,b)，(0,c)，(1,c),BA=(a,0)，(a,1)，(b,0)，(b,1)，(c,0)，(c,1),注意：AB,BA,序偶：,关系R：AB的子集，记为,例：甲、乙、丙3人参加考试，考试的成绩为优、良、中、差，则A=甲,乙,丙，B=优,良,中,差,AB：12种序偶的集合。,一次考试：R=(甲,优)，(乙,中)，(丙,差),A、B间的关系可通过矩阵形式直观地表示出来，关系之间地运算可转换为矩阵间运算。,矩阵：,A甲 乙 丙,B优 良 中 差,关系,对应,模糊关系R：以AB为论域的一个模糊子集,且,有：,且定义：,模糊矩阵：,有限集A，B，有,即序偶,模糊矩阵中的元素记为,模糊矩阵R记为:,一致,(一一对应),其中,例设,求模糊关系RA,B，模糊矩阵,解：,求,方法1：,方法2：,对应元素取小,例已知两个模糊集合A、B的隶属度函数分别为,求它们的模糊关系C,A,其中，C，A分别属于两个不同的论域 U，V,解：,模糊关系作用：,模糊推理,A,B,R=AB,A,/,B,/,=?,B,/,=A,/,R,模糊关系实际上反映的是模糊系统的输入输出关系。,定义 笛卡尔积,若A,1,、A,2,分别是论域U,1,、U,2,中的模糊集，则A,1,、A,2,的笛卡儿积是在积空间U1,U2中的一个模糊子集，其隶属度函数为,直积（极小算子）：,A1,A2,(u,1,u,2,)=min,A1,(u,1,),A2,(u,2,),或,代数积：,A1,A2,(u,1,u,2,)=,A1,(u,1,),A2,(u,2,),对于连续情况，关系矩阵可定义为：,R,=,A,B,=,为了区分直积、代数积，,用,min,表示直积；用,AP,表示代数积。,记号t算子：表示笛卡儿积,定义2-14,模糊关系的合成：如果R和S分别为笛卡儿空间,U,V,和,V,W,上的模糊关系，则R和S的合成是定义在空间,U,W,上的模糊关系，并记为,R,S,。其隶属度函数的计算方法：,模糊关系的合成可用模糊矩阵的合成来表示,2、模糊关系的合成,上确界（Sup)算子,S,祖父,祖母,父,0.5,0.7,母,0.1,0,用模糊矩阵S可表示为,R,父,母,子,0.2,0.8,女,0.6,0.1,例28某家中子女与父母的长像相似关系R为模糊关系，可表示为,也可以用模糊矩阵R来表示,该家中父母与祖父母的相似关系也是模糊关系，可表示为,求孙子、孙女与祖父、祖母的相似程度？（即求 ）,解：,此模糊关系表明：孙子与祖父、祖母的相似程度为0.2、0.2;孙女与祖父、祖母的相似程度为0.5、0.6。,模糊关系运算：,例：,求：,解：,结合律：,分配律：,模糊关系合成算子sup-min的性质：,第三节 模糊逻辑、模糊逻辑推理和合成,一、二值逻辑,二、模糊逻辑及其基本运算,三、模糊语言逻辑,四、模糊逻辑推理,五、模糊关系方程的解,第三节模糊逻辑、模糊逻辑推理和合成,一、二值逻辑（真假命题）命题：能够判断它的涵义是真是假的句子。,如：等边三角形必是等腰三角形。,常用的命题联结词：析取,、合取、否认、蕴涵、等价。,析取,（“或”）,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。,例P：他喜欢打篮球；Q：他喜欢跳舞。则P,Q：他喜欢打篮球或喜欢跳舞。,命题,简单命题：一个句子,复合命题：两个或两个以上的句子用联结词联结起来,合取（“与”）PQ 仅当P和Q都是真时，PQ才是真。,例P：他喜欢打篮球；Q：他喜欢跳舞。则PQ：他喜欢打篮球并且喜欢跳舞。,否定（“不”）,如果P是真的，则是假的。,蕴涵 表示“如果,那么”,例P：甲是乙的父亲；Q：乙是甲的儿女。则PQ：如果甲是乙的父亲；那么乙必定是甲的儿女。,例P：他喜欢打篮球：则：他不喜欢打篮球。,PQ：如果命题P成立，那么可推出Q也成立。,等价 表示两个命题的真假相同。是“当且仅当”的意思。,例P：A是等边三角形；Q：A是等角三角形。则PQ：A是等边三角形当且仅当A是等角三角形。,二、模糊逻辑及其基本运算,模糊逻辑是研究模糊命题的逻辑。,模糊命题：含有模糊概念或者是带有模糊性的陈述句。,模糊命题的真值：隶属度函数（表示这个命题多大程度隶属于“真”，0,1间连续取值）。,例：他是一个高个子。,模糊概念常常用很、略、非常等模糊语气来修饰。,模糊逻辑运算：记P、Q、R为三个模糊单命题,2）模糊逻辑合取（“与”）：,3）模糊逻辑析取（“或”）：,4）模糊逻辑蕴含：如果P是真的，那么Q也是真的，,5）模糊逻辑等价：,6）模糊逻辑限界积：,7）模糊逻辑限界和：,8）模糊逻辑限界差：,1,1）模糊逻辑补：用来表示对某个命题的否定，,模糊逻辑运算也是真值的运算，也就是隶属度函数的运算。,例29设有模糊命题P：他是个和善的人，真值P0.7;Q：他是个热情的人，真值Q0.8,：他既是和善的人又是热情的人的真值,：他是个和善的人或是个热情的人的真值,则：,：如果他是个和善的人，则他是个热情的人的真值,三、模糊语言逻辑,人工语言：格式紧密，概念清晰，程序设计语言属人工语言。,模糊语言：具有模糊性的语言,模糊语言逻辑是由模糊语言构成的一种模拟人思维的逻辑。,语言分类：,（具有不确定性；含模糊化词，如：很高、较大）,概念：,定义215模糊数（模糊子集）：连续论域U中的一模糊数F是一个U上的正规凸模糊集。,正规集合：隶属度函数的最大值为1，即,凸集合：,在隶属度函数曲线上任意两点之间曲线上的任一点所表示的隶属度值都大于或者等于两点隶属度值中较小的一个。,例：“大约5”、“10左右”等具有模糊概念的数值。,定义216语言值：在语言系统中,那些与数值有直接联系的词，如长、短、多、少、高、低、重、轻、大、小等或者由它们再加上语言算子（如很、非常、较、偏等）而派生出来的词组，如不太大、非常高、偏重等都被称为语言值。,语言值可以用模糊数来表示。,例：成年男子身高的论域E130，140，150，160，170，180，190，200，210在论域E上定义语言值：,定义2-17 语言变量：语言变量是用一个五元素的集合(X，T(X)，U，G，M)来表征的。,X：,语言变量名,，如速度、年龄、颜色等；,T(X)：语言变量X的项集合（,语言值的集合,）,U：语言变量X的,论域,G：产生X数值名的,语言值规则,(用于产生语言变量值),M：与每个语言变量含义相联系的,算法规则（,决定隶属度）,语言值的形式,语言值：模糊子集,原始项,合成项,语言算子,原始项,否定词,联结词,语言值：用模糊数(模糊子集)来表示。,速度,语言变量X,语言值规则G,语言值集合T(X),算法规则M,图210语言变量元素之间的关系示意图,例：“速度”为一语言变量，可以赋予很慢、慢、较慢、中等、较快、快、很快等语言值。,（修饰词）,语言算子：“较”、“很”、“非常”、“稍微”、“大约”、“有点”等,判定化算子,语言算子,语气算子,模糊化算子,图211强化算子的作用示意图,1.语气算子,集中化算子（强化算子）,对于论域U，若存在单词w，有隶属函数 ，则在单词w前面加上模糊量词s后有：,则称s为集中化算子。,强化算子使得模糊值的隶属度函数的分布向中央集中，在图形上有使模糊值尖锐化的倾向。,集中化算子三个档次：,1.极 2.非常、很 3.相当,例“年老”,50,50,50,松散化算子（淡化算子）,对于论域U，若存在单词w，有隶属函数 ，则在单词w前面加上模糊量词Q后有：,则称Q为松散化算子。,图212淡化算子的作用示意图,淡化算子使得模糊值的隶属度函数的分布由中央向两边弥散，在图形上有使模糊值平坦化的倾向。,松散化算子三个档次：,1.比较、较 2.有点、略 3.稍微,例“年老”,50,50,50,图2-13 “有点”和“很”的比较,2、模糊化算子,作用：,清晰概念的单词,如“大概”、“近似于”、“大约”等,精确数：5,例211设论域X上的清晰集A(x)的特征函数为,“大约是5”（模糊数）,x,图214模糊数5,参数,的取值大小决定于模糊化算子的强弱程度,越大，模糊化程度越？,答：越强,模糊词,在模糊控制中，实际系统的输入采样值一般总是精确量，要利用模糊逻辑推理方法，就必须首先把精确量进行模糊化，而模糊化过程实质上是使用模糊化算子来实现的。,3、判定化算子（清晰化算子）,作用：,模糊词,清晰概念的词,例如：“倾向于”、“大半是”、“偏向”等,判定化算子与模糊化算子的作用相反,表示：，,一般取 ，即 ，表示“倾向于”,50,例：,求倾向于老：,此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢,