4.6 Sugeno模糊模型

合集下载

模糊控制系统课件4.4(FIS的设计与仿真)

模糊控制系统课件4.4(FIS的设计与仿真)

坐标区
网格,可 填入3-100 之间的数 字
主菜单Options之下有两个子菜单:Plot(画图) 和Color Map(填色),都是关于绘图的。
实验一:用GUI设计Mamdani型FIS
洗衣机利用分光光度计传感器,通过检测洗涤液的
透明程度等方法,测出洗涤液中的污泥含量x∈[0,100]% 和油脂含量y∈[0,100]%。模糊控制规则根据x和y的数 据,选定洗涤时间t∈[0,60](分钟)。因为只考虑洗涤时 间,可以用双输入-单输出模糊控制器完成任务。
4.4 FIS的设计与仿真
启动MATLAB后,在主窗口键入fuzzy,回车。
模糊子集
把模糊推理系统改成T-S(Sugeno)型: File→New FIS…→Sugeno
线性函数
这两个编辑 框不允许填 入内容
相当于Mamdani推理中的蕴涵、综合、清晰化 三者的综合结果
模糊规则编辑器
以液位控制系统为例。
④if level is okay and rate is positive then valve is close slow
⑤if level is okay and rate is negative then valve is open slow 根据上述模糊规则,编辑这个“液位模糊控制器” 的仿真模型。
实验二:用GUI设计Sugeno型FIS
例:双输入(x和y)、单输出(u)系统,四条 模糊规则。
R1 : if R2 : if R3 : if R4 : if
x is x1 then u1 x 1; x is x2 and y is y1 then u 2 0.1x 4 y 1.2; x is x2 and y is y2 then u3 0.9 x 0.7 y 9; x is x3 and y is y2 then u4 0.2 x 0.1 y 0.2

基于大数据的配电网故障诊断预测模型设计

基于大数据的配电网故障诊断预测模型设计

电气传动2022年第52卷第2期摘要:针对传统基于无线传感器的配电网故障检测模型对大数据环境下的配电网故障数据存在诊断准确率低、故障诊断耗时较长以及经济效益较低的问题,设计基于大数据的配电网故障诊断预测模型,其采用RS-IA 模型对大规模故障信息进行智能搜索,计算出最优约简得到决策规则,实现对配电网故障发生位置的初步定位。

采用基于模糊积分的故障诊断预测模型,根据初步诊断结果确定发生故障的候选元件及模糊测度值,根据拓扑信息以及元件的诊断结果形成不同相关联度的支持度集合,采用模糊积分融合技术确定模糊积分值构成故障可能性指标集合,根据该指标确定配电网故障发生的准确位置。

实验结果说明,所设计模型能提高大规模配电网故障诊断的精度,缩短诊断用时,提高配电网的安全性。

关键词:大数据;配电网;故障诊断;预测模型;模糊积分;预处理中图分类号:TM76文献标识码:ADOI :10.19457/j.1001-2095.dqcd22297Design of Fault Diagnosis and Prediction Model for Distribution Network Based on Large DataCHENG Xiaolei ,WANG Peng ,WANG Yuan ,ZHAO Jiadong(Inner Mongolia Electric Power Economics and Technology Research Institute ,Hohhot 010090,Nei Monggol ,China )Abstract:The fault data of distribution network based on traditional wireless sensor fault detection model is based on large data environment ,which is low in diagnostic accuracy ,time-consuming in fault diagnosis and poor in economy.A distribution network fault diagnosis model based on large data was designed ,which makes use of the intelligent searching ability of RS -IA for large-scale fault information and the optimal reduction of calculation decision rules to realize the initial location of distribution network fault.The fault diagnosis and prediction model based on fuzzy integral determines the candidate component faults and fuzzy measure values according to the preliminary diagnosis results ,forms the related support set of different components according to the topological information and diagnosis results ,determines the fuzzy integral value set of fault probability index by using the fuzzy integral fusion technology ,determines the accurate distribution position of fault in the network according to the index.The experimental results show that the design model can improve the accuracy of the fault diagnosis of the large-scale distribution network ,shorten the diagnosis time and improve the safety of the distribution network.Key words:large data ;distribution network ;fault diagnosis ;prediction model ;fuzzy integral ;preprocessing基于大数据的配电网故障诊断预测模型设计程晓磊,王鹏,王渊,赵嘉冬(内蒙古电力经济技术研究院,内蒙古呼和浩特010090)基金项目:内蒙古电力有限公司科研项目(510141190010)作者简介:程晓磊(1981—),男,硕士,高级工程师,Email :*******************随着社会经济的发展和人民生活水平的不断提高,电力系统能够直接影响人们的日常生活,配电网使用者对电网的安全性和可靠性的要求越来越高。

Mamdani与Sugeno型模糊推理的应用研究_钟飞

Mamdani与Sugeno型模糊推理的应用研究_钟飞

第20卷第2期湖 北 工 业 大 学 学 报2005年04月Vol.20No.2 Journal of Hubei University of Technology Apr.2005[收稿日期]2004-11-11[基金项目]国家自然科学基金项目(50375047).[作者简介]钟 飞(1970-),男,湖北武汉人,湖北工业大学讲师,工学硕士,研究方向:智能控制与检测.[文章编号]1003-4684(2005)04 0028 03M amdani 与Sugeno 型模糊推理的应用研究钟 飞,钟毓宁(湖北工业大学机械工程学院,湖北武汉430068)[摘 要]从模糊控制系统中M amdani 和Sug eno 两种模糊推理模型的结构着手,对其输入输出变量的形式和在模糊控制中的作用,以及两种模糊推理的推理结果和适用范围进行比较和分析.利用M atlab 中Fuzzy 工具箱的计算和图形化功能,通过实例进一步验证两种系统的优缺点和适用范围,为模糊控制器设计的模糊推理类型的选用提供方法.[关键词]模糊控制;M amdani 模糊推理;Sugeno 模糊推理;隶属函数[中图分类号]T P 13[文献标识码]:A模糊推理是指根据模糊输入和模糊规则,按照确定好的推理方法进行推理,得到模糊输出量.其本质上就是将一个给定输入空间通过模糊逻辑的方法映射到一个特定的输出空间的计算过程.最常见的模糊推理系统有3类:纯模糊逻辑系统、高木关野(Takagi Sugeno)型和迈达尼(M amdani)型.由于纯模糊逻辑系统的输入和输出均为模糊集合,而现实世界大多数工程系统的输入与输出都是精确的,因此纯模糊逻辑系统不能直接应用于实际工程中.为解决这一问题,有关学者在纯模糊逻辑系统的基础上提出了具有模糊产生器和模糊消除器的M am dani 型模糊推理系统,而日本学者T akagi 和Suge no 则提出了模糊规则的后项结论为精确值的模糊逻辑系统,称为Sugeno 型模糊逻辑系统.1 Mamdani 模糊推理模型Mamdani 型的模糊推理方法最先将模糊集合的理论用于控制系统.它是由Ebrahim Mamdani 在1975年为了控制蒸汽发动机提出来的.这种方法源于Zadeh 关于模糊算法在复杂系统和决策处理中应用的思想[1],按照综合一系列有经验的操作者提供的线性控制规律来控制锅炉,M amdani 型模糊推理算法采用极小运算规则定义模糊蕴含表达的模糊关系,如规则R:If x is A then y is B.式中:x 为输入语言变量;A 为推理前件的模糊集合;y 为输出语言变量;B 模糊规则的后件.用Rc 表示模糊关系:Rc =A B =X YA (x )B (y )f (x ,y ).(1)当x 为A ,且模糊关系的合成运算采用 极大 极小 运算时,模糊推理的结论计算如下[2]:B =A Rc =Yx X( A (x ) ( A (x ) B (y )))/y.(2)工程应用中,往往期待推理输出的是一个确定的控制量或其他的确定数值,而应用M amdani 型的模糊推理系统,每一条规则推理后得到的输出是变量的分布隶属度函数或离散的模糊集合.在将多条规则的结果合成以后,对每一个输出变量模糊集合都需要进行解模糊化处理,以得到实际问题期望的输出.2 Sugeno 模糊推理模型Sugeno 模糊模型也称TSK 模糊模型,旨在开发从给定的输入输出数据集产生模糊规则的系统化方法.Sug eno 型模糊推理将去模糊化也结合到模糊推理中,其输出为精确量.这是由Sug eno 模糊规则的形式所决定的.在Sugeno 型模糊规则的后件部分讲述储量表示为输入量的线性组合.Sug eno 型模糊推理算法是最常用的模糊推理算法.Sug eno 型模糊推理算法与Mamdani 型类似,其中,输入量模糊化和模糊逻辑运算过程完全相同,主要差别在于输出隶属函数的形式.典型的零阶Sug eno 型模糊规则的形式如下:If x is A and y is B then z =k.式中:x 和y 为输入语言变量;A 和B 为推理前件的模糊集合;z 为输出语言变量;k 为常数.更为一般的一阶Sug eno 模型规则的形式为:if x is A and y is B then z =p x +qy +r.式中:x 和y 为输入语言变量;A 和B 为推理前件的模糊集合;z 为输出语言变量;p ,q,r 为常数.对于一个由n 条规则组成的Sug eno 型模糊推理系统,设每条规则具有下面的形式:Ri :If x is A i and y is B i then z =z i(i =1,2, ,n).则系统总的输出y =ni=1Ai(x ) Bi (y )z i /ni=1Ai(x ) Bi (y ).(3)由于高阶数的Sug eno 模型增加了复杂性,性能却改善不大,故很少使用.在M amdani 型模糊推理算法中,输出隶属函数是模糊集合,经过模糊合成处理,即得到一个需要逆模糊化的输出变量.当采用尖峰脉冲形隶属函数替代分布形隶属函数时,往往能使模糊推理过程有效简化,这就是所谓的单元素隶属函数.单元素隶属函数可以看作已预先逆模糊化处理的模糊集合.由于不需要像Mamdani 型模型那样计算二维函数的形心,可以极大地提高逆模糊化处理过程的效率[3].Sugeno 模型中即采用单元素输出隶属函数,其模糊蕴含即是简单的乘法,模糊合成即是各单元属输出隶属函数的简单包涵.3 Mamdani 和Sugeno 型模糊推理系统的仿真利用M ATLAB 提供的模糊工具箱,可以方便地实现M amdani 和Sugeno 型的模糊推理系统的设计.M amdani 型模糊系统的每一条推理规则的结论都是一个分布的模糊集合,但在许多问题中,如果每一条模糊规则的结论部分是论域上一个确定的单点而不是分布的模糊集合,可能会更加有效.这种单点可以看作是一个已经预先经过清晰化的模糊集合.因为这种方法可以提高清晰化的效率,极大地简化了通常Mamdani 型系统中的计算量.它采用部分数据点的加权平均求和代替二维的积分计算来求取二维函数的质心.而这种单点模型是Sugeno 型系统所支持的.通常,Sugeno 型系统推理规则的结论部分是关于输入的线性函数或常值函数的[4].下面对具有相同输入和不同输出的M amdani 和Sugeno 模糊模型进行仿真比较.一个具有4条规则的两输入单输出M amdani 模糊模型的例子可以表示为:如果x 小,且y 小则z 小;如果x 小,且y 大则z 较小;如果x 大,且y 小则z 较大;如果x 大,且y 大则z 大.一个具有四条规则的两输入单输出Sug eno 模糊模型的例子可以表示为:如果x 小,且y 小则z =-x +y +2;如果x 小,且y 大则z =y -3;如果x 大,且y 小则z =-x +1;如果x 大,且y 大则z =x -y +1.采用Matlab 的Fuzzy 工具箱进行仿真,其中两种推理模型的输入相同,其隶属度函数见图1和图2.由于M amdani 模糊模型为模糊输出,其输出的隶属度函数见图3.根据给出规则建立规则库,图4和图5为两种模糊推理的规则库图解.图6和图7为两种模糊推理的输入输出曲面.第20卷第2期 钟 飞等 M4 结论以上的仿真可见Mam dani 型模糊推理和Sug eno 型模糊推理各有优缺点.M amdani 型模糊推理,由于其规则的形式符合人们思维和语言表达的习惯,因而能够方便地表达人类的知识,但存在计算复杂、不利于数学分析的缺点;而Sugeno 型模糊推理则具有计算简单,利于数学分析的优点,易于与PID 控制方法以及优化、自适应方法结合,是具有优化与自适应能力的控制器或模糊建模工具,是基于样本的模糊建模中最常选用的方法.[ 参 考 文 献 ][1] 刘曙光.模糊控制技术[M ].北京:中国纺织出版社,2001.[2] 诸 静.模糊控制原理与应用[M ].北京:机械工业出版社,2001.[3] 边润强.一种基于Sigeno 模糊模型的测量数据处理方法[J].2001,22(3):318-320.[4] 徐 昕.M atL ab 工具箱应用指南:控制工程篇[M ].北京:电子工业出版社,2000.The Application Research of Mamdani andSugeno Style Fuzzy InferenceZH ONG Fei,ZH ONG Yu ning(S chool of Mechanical Eng ine.,H ubei Univ.of Technology ,Wuhan 430068,China)Abstract:Beg inning w ith the structur es o f Mamdani and Sug eno fuzzy inference modeling in fuzzy contro l system ,the com pariso n is m ade in the fo rm of their input and output var iables,their function in fuzzy con tro l,and their inference results and application fields.By m eans of the computation and g raphics function of the Fuzzy too lbox in Matlab,the tw o systems'advantages and disadvantag es and application scope are further validated.T his ar ticle presents the method of choosing the ty pe of fuzzy inference designed by fuzz y contr oller.Keywords:fuzzy contr ol;mamdani fuzzy infer ence;sugeno fuzzy inference;membership function[责任编辑:张 众]30湖 北 工 业 大 学 学 报2005年第2期。

基于T-S模型方法的非线性随机时滞金融系统的多目标优化

基于T-S模型方法的非线性随机时滞金融系统的多目标优化

基于T-S模型方法的非线性随机时滞金融系统的多目标优化杨杨;赵建立【摘要】主要研究了不确定随机时滞金融系统的多目标H2/H∞ 的投资策略问题,多目标H2/H∞投资策略能够使得投资成本和投资风险尽可能达到最小.通过运用T-S模糊方法将多目标模糊投资策略问题转化为线性矩阵不等式(Linear Matrix Inequality,简写为LMI)约束的多目标优化问题(M ultiobjective Optimization Problem,简写为M OP).另外,基于线性矩阵不等式的多目标进化算法(M ultiobjective Evolution Algorithm,简写为M OEA)寻找多目标优化问题的Pareto最优解,最后投资者可以根据他们自己的喜好选择一个互惠策略.【期刊名称】《聊城大学学报(自然科学版)》【年(卷),期】2019(032)002【总页数】8页(P14-21)【关键词】多目标优化问题;T-S模糊方法;Pareto最优解;线性矩阵不等式【作者】杨杨;赵建立【作者单位】聊城大学数学科学学院 ,山东聊城252059;聊城大学数学科学学院 ,山东聊城252059【正文语种】中文【中图分类】O2310 引言在实际应用中,人们经常遇到需要使多个目标在给定可行区域上尽可能最优的决策问题.在20世纪80年代中期进化算法开始应用于解决多目标问题在金融、社会经济等领域,由于非线性项的影响,许多金融问题变得越来越复杂.许多学者研究了各种非线性的金融模型,如Goodwins非线性加速度模型,迫使van der Pol的商业模式,动态IS-LM模型[1-4].马和陈提出了一个简化的金融模型[5],基于此,采用时滞反馈控制(Delay Feedback Control,简写为DFC)方法将时滞反馈项添加到三维系统,研究了具有时滞反馈项的三维金融系统[6].但在实践中,金融系统是一个非线性随机系统.最近,吴[7]描述了一个非线性随机金融系统解决多目标H2/H∞投资政策问题.投资者总是期望他们的投资政策不仅低投资成本,而且低风险.对于一个金融系统,H2/H∞优化调节控制可以看作是如何设计一个投资政策确保金融系统可以逐步收敛到期望轨迹的管理者或投资者降低投资成本;鲁棒H2/H∞调节控制金融系统可以视为如何设计一个可管理的政策来避免内在的波动和外部干扰,进一步减少投资风险.不确定时滞随机模型在生物、通信、经济等领域有着广泛的应用.时滞现象介绍了系统新的动态特性[6,8-11].不确定性的存在使得金融系统的控制变得更加复杂和困难.因此,研究不确定随机时滞系统的多目标投资问题具有重要的理论意义和实用价值.本文首先给出系统模型及相关引理,然后基于线性矩阵不等式方法得到不确定随机时滞系统的多目标投资问题有解的充分条件,最后给出相关结论并通过仿真实例验证方法的有效性。

基于Takagi-Sugeno模糊模型的模糊控制

基于Takagi-Sugeno模糊模型的模糊控制

天津大学硕士学位论文基于Takagi-Sugeno模糊模型的模糊控制姓名:徐妮妮申请学位级别:硕士专业:控制理论与控制工程指导教师:高志伟2002.1.1112陟乒TS模糊模型可以很好地逼近非线性系统,其予模型采用线性动态方程易于用现代控制理论的方法进行分析和控制器的设计。

本文的工作是围绕TS模糊模型展开的。

首先对以往的模糊系统的稳定性分析和模糊控制器的设计成果进行了回顾。

接下来,文中重点讨论了一般模糊系统的模糊控制器的设计和模糊状态观测器的设计。

得出用模糊状态观测一控制器实现的闭环模糊系统的稳定性定理。

文中提出了模糊状态观测器和模糊控制器的相对分离性设计。

仿真结果验证了结论的正确性。

文中通过扩展Ts模糊模型定义了模糊广义系统。

讨论了模糊广义系统的模糊状态观测一控制器的设计。

同样,模糊广义系统的模糊状态观测器和模糊控制器也具有设计的相对分离性。

关键词:Ts模糊模型,模糊控制器,模糊状态观测器,模糊广义系统AbstractThispaperconcentratesontheTSfuzzymodel.ThefuzzymodelproposedbyTakagiandSugenoisdescribedbyfuzzyIF-THENrule,whichrepresentlocallinearinput—outputrelationsofanonlinearsystem.Tobeginwitll.TSfuzzymodelandpreviousstabilityresultsarerecalled.ThenextsectionaddressestheanalysisanddesignofthefuzzycontrollerandthefuzzyobserveronthebasisoftheTSfuzzymodel.Thestabilityconditionfortheclosed-loopsystemisderived,whichshowsthatthefuzzycontrollerandthefuzzyobserverCanbedesignedindependentlywitllsomeconstrains.Thenumericalsimulationonallinvertedpendulumsystemisgiventoillustratetheperformanceoftheclosed-loopsystem.FinallyafuzzydescriptorsystembyextendingtheordinaryTSfuzzymodelisdefined.Thefuzzycontrollerandthefuzzyobserverofthefuzzydescriptorsystemarediscussed.Fourkindsofstabilityconditionsarederived.Simulationresultshowstheutilitiesofthosestabilityconditions.Keywords:TSfuzzymodel,fuzzycontroller,fuzzyobserver,fuzzydescriptorsystem第一章绪论第一章绪论§1.1模糊控制系统近年来的研究与发展美国加利福尼亚大学L.A.Zadeh教授在1965年提出的{FuzzySet>)【1】开创了模糊控制的历史,从此模糊数学科学发展起来了。

改进模糊逻辑的边缘检测算法

改进模糊逻辑的边缘检测算法

2)模糊增强.模糊隶属度狆犻犼表 示 该 像 素 点 隶 属 于最大灰度值的程 度.对 该 模 糊 集 进 行 对 比 度 增 强
变化,在反复 迭 代 极 限 条 件 下,图 像 只 有 2 个 灰 度
级 .通 过 式 (2)实 现 对 模 糊 特 征 平 面 的,迭 代 次 数 视 检 测 效 果 而 定 .
128
宁 夏 大 学 学 报 (自 然 科 学 版 )
第 39 卷
实验验证,Pal& King算法的检测效 果 明 显 优 于传统的边缘检测 算 法,但 还 是 存 在 一 些 可 以 改 进 的 地 方 : [5—6]
1)在隶属度 函 数 中,犉e 和 犉d 的 选 取 会 影 响 图 像的处理效果.而对 于 这 2 个 参 数 的 选 取 并 没 有 确 定 的 方 法 ,往 往 是 通 过 经 验 及 反 复 的 实 验 来 确 定 ,这 使选择合理的参数成为一大难题.
袁 媛1,2,刘大铭1,2 ,范阳阳1,2
(1.宁夏大学 物理与电子电气工程学院,宁夏 银川 750021; 2.宁夏大学 沙漠信息智能感知重点实验室,宁夏 银川 750021)
摘 要:针对 Pal& King模糊边缘检测算法中参数难以选定,低灰度图 像 信 息 缺 失,公 式 复 杂,反 复 迭 代 耗 时 且 效 果不确定等缺点,提出基于模糊理论的边缘检测改进算法.首先通过衡量像素邻 域 内 的 相 关 性 进 行 模 糊 化;然 后 用 Sugeno 模糊模型 进 行 模 糊 推 理,增 强 边 缘 点,弱 化 区 域 点;最 后 用 简 单 的 解 模 糊 过 程.改 进 算 法 使 模 糊 化 和 解 模 糊 过程中的运算更简单,省去 Pal& King算法中的 多 次 迭 代 和 各 种 参 数 和 阈 值 的 设 定.结 果 表 明,该 算 法 可 以 提 高 Pal& King算法的效率,使检测效果进一步增强,具有更好的通用性. 关键词:边缘检测;模糊逻辑;Pal& King算法 分 类 号 :(中 图 )TP391.9;TN911.73 文 献 标 志 码 :A

利用改进T-S模糊神经网络恢复MMW图像

利用改进T-S模糊神经网络恢复MMW图像

利用改进T-S模糊神经网络恢复MMW图像尚丽;周燕【摘要】为有效消除毫米波(MMW)图像中的非线性噪声,利用T-S模糊神经网络(T-S-FNN)对不确定信息进行有效区分的特性,实现MMW图像中非线性信息噪声的逼近,达到消噪的目的.为克服T-S-FNN规则冗余的缺点,考虑前件网络基于自适应模糊聚类的隶属度函数约束及后件网络的权值优化学习,对其前件及后件的结构和学习算法进行改进,使T-S-FNN的计算简化、鲁棒性更强.利用改进的T-S-FNN 对MMW图像进行处理,实验结果表明,该模型具有较好的非线性噪声抑制能力.【期刊名称】《计算机工程与设计》【年(卷),期】2018(039)005【总页数】5页(P1463-1466,1489)【关键词】非线性信息;模糊神经网络;TS模糊模型;毫米波图像;图像消噪【作者】尚丽;周燕【作者单位】苏州市职业大学电子信息工程学院,江苏苏州215104;苏州市职业大学电子信息工程学院,江苏苏州215104【正文语种】中文【中图分类】TN911.730 引言毫米波(milli-meter wave,MMW)图像在系统成像过程中会渗入很多未知的噪声[1,2],且图像的非线性信息缺失非常严重,图像视觉效果较差,研究有效的MMW图像恢复方法一直是备受关注的课题[2]。

而模糊神经网络(fuzzy neural network,FNN)模型兼有模糊系统和神经网络模型的优点[3-5],能够解决很多传统技术无能为力的、不确定的、且非常复杂的非线性问题[6-8]。

因此,本文引入FNN技术来实现MMW图像的非线性滤波,从而获得图像细节和轮廓边缘较清晰的MMW图像。

目前,T-S模糊系统已被实践证实是一种典型的、有效的非线性处理手段[2,8,9]。

然而,常用的T-S模糊系统中的规则数目和规则层的神经元数目都没有合理的确定方法,常常出现规则冗余的情况;另外,T-S模糊模型中的结构和优化算法也比较复杂,计算速度较慢。

神经模糊预测控制及其MATLAB实现第6章 模糊神经和模糊聚类及其MATLAB实现

神经模糊预测控制及其MATLAB实现第6章 模糊神经和模糊聚类及其MATLAB实现
i 1 i 2 i n
i A ( x1 ) A ( x2 )… A ( xn ) i A ( x1 ) A ( x2 )… A ( xn )
i 1 i 2 i n

B ( y) i B ( y )
i i
B ( y) i B ( y)
i 1
i
11
m

i 1
m
6.1.2 系统结构 根据上面给出的模糊系统的模糊模型,可设计出如 图6-2所示的模糊神经网络结构。图中所示为MIMO系统 ,它是上面所讨论的MISO情况的简单推广。
图6-2 基于标准模型的模糊神经网络结构图
12
图中第一层为输入层。该层的各个节点直接与输入向量 的各分量xi连接,它起着将输入值x = [x1 x2 …xn]T传送 到下一层的作用。该层的节点数N1= n。 第二层每个节点代表一个语言变量值,如 NB,PS 等。 它的作用是计算各输入分量属于各语言变量值模糊集合 的隶属度函数 ij ,其中
i i
9
从而输出量总的模糊集合为
m
B=
m i 1
Bi
i 1
B ( y) B ( y)
i
若采用加权平均的清晰化方法,则可求得输出的清 晰化量为 y B ( y )dy U
y
y
Uy

B
( y )dy
10
由于计算上式的积分很麻烦,实际计算时通常用下 m 面的近似公式
y
i j A ( xi )
i j
i = 1,2,…,n, j = 1,2,…,mi。n是输入量的维数,mi是xi的 模糊分割数。例如,若隶属函数采用高斯函数表示的铃 ( x c ) 形函数,则 j i e 其中 cij 和 ij 分别表示隶属函数的中心和宽度。该层的 节点总数。 N m
  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)。

2012-10-15
选用不同方法计算结果不同:u1=14.675、u2=12.018、u3=17.7878、 上海应用技术学院 u4=17.972,取那个值根据具体情况决定。
2013研智能控制
6.2
Sugeno模糊模型的设计 设输入
X 0 , 5
和 Y 0 ,10 ,将它们模糊 化为两个模糊量:小,大。输出为输入的线性函数, 模糊规则为:
x 其中 x 1 表示摆与垂直线的夹角,1
x 摆动角速度,2

, x 2 表示摆的 2 m g 9 .8 m / s , 为重力加速度,

2 为倒立摆的质量, l 为摆长,a l /( m M )
,M

小车质量。 当摆角
amlx 2
2

sin 和摆速 很小时 , x1
w i R i A1 x1 A 2 x 2 ②乘积法
i i
w i R i A1 x1 A 2 x 2
i i
2012-10-15 上海应用技术学院 2013研智能控制
例:根据某非线性系统输入-输出的大量实测数据,通 过辨识已经得出描述它的三条T-S模糊规则,它们分 别为R1、R2、R3,则有: R1: if x1 is mf1 and x2 is mf3 then y1=x1+x2; R2: if x1 is mf2 then y2=2x1; R3: if x2 is mf4 then y3=3x2。
其中模糊集合mf1、mf2、mf3、mf4的隶属函数, 都可视为简单的直线,分别为:
mf1(x)=1-x/16; mf2(x)=x/60; mf3(x)=1-x/8; mf4(x)=3x/40 试问当测得x1=12且x2=5时,最终输出量u为多少? 上海应用技术学院
2012-10-15
2013研智能控制
益矩阵F:

F -2662.7
- 246.7

2012-10-15
上海应用技术学院 2013研智能控制
设倒立摆的摆角范围为 15
速度范围为 200 为
200
200
200
15
度,摆角角

度/秒,摆角角加速度范围

度/秒2。采用三角形隶属函数对摆
角和摆角角速度进行模糊化。摆角初始状态 为 0 . 2 , 0 ,运行仿真程序chap4_9.m,倒立摆的
上海应用技术学院 2013研智能控制
2012-10-15
Mamdani模糊推理特点:输出是模糊量→清
晰化处理→清晰量。过程烦琐,并具有随意性,
对模糊量进行数学分析不方便。
1985年,日本学者Takagi和Sugeno提出了
一种新的模糊推理模型----T-S型模糊推理模型。
2012-10-15
上海应用技术学院 2013研智能控制
其中: A1 、 A2 ----F集合
k、p、q、r----常数(根据系统的大量输入-输出数据,经过辨识确 定的)
⑵计算系统输出U的两种方法
用n条模糊规则描述系统时,假设一组具体输入的数据xi,它一般会 与多个F集合相关,设激活了m条模糊规则,即 0阶T-S型模糊推理:Ri: if x1 is A1i and x2 is A2i ,then ui=ki 1阶T-S型模糊推理: Ri: if x1 is A1i and x2 is A2i ,then ui=pix1+qix2+ri (i=1、2、3……n) 当xi激活m条模糊规则时,输出结论将由这m条规则的输出ui决定。
1 0.8 0.6 0.4 0.2 0 0 0.5 1 1.5 2 2.5 x 3 3.5 4 4.5 5 little big
MF Degree of input 2
1 0.8 0.6 0.4 0.2 0 0 1 2 3 4 5 x 6 7 8 9 10 little big
图 Sugeno模糊推理系统的输入隶属函数曲线
x1
cos
x1
1
0
。在平面上对倒立摆模型进行局部线性化,
倒立摆的动力学方程可近似写为:
x1 x 2 x2 g 4 / 3 l aml x1 a 4 / 3 l aml u
2012-10-15
上海应用技术学院 2013研智能控制
7.2 仿真实例 取倒立摆参数
2012-10-15 上海应用技术学院 2013研智能控制
2、T-S型模糊推理系统
⑴输出函数f(x1,x2)的两种形式
①0阶T-S型模糊推理: if x1 is A1 and x2 is A2 ,then u=k ②1阶T-S型模糊推理: if x1 is A1 and x2 is A2 ,then u=px1+qx2+r
2012-10-15
上海应用技术学院 2013研智能控制
10 5
Z
0 10 5 Y 0 0 1 2 X 3 4 5
图 Sugeno模糊推理系统的输入/输出曲线
2012-10-15
上海应用技术学院 2013研智能控制
第7节 基于Sugeno模糊模型的倒立摆模糊控制
7.1 倒立摆模型的局部线性化
当倒立摆的摆角和摆速很小时,其模型可进行
摆角、角速度、控制输出信号及模糊输入隶属
函数曲线的仿真结果如图所示。
2012-10-15
上海应用技术学院 2013研智能控制
第8节 模糊控制的应用 1 模糊控制在家电中的应用 模糊电子技术是21世纪的核心技术,模糊家电是模糊电 子技术的最重要应用领域。所谓模糊家电,就是根据人的经 验,在电脑或芯片的控制下实现可模仿人的思维进行操作的 家用电器。
上海应用技术学院 2013研智能控制
2012-10-15
②乘积法
w1=mf1(12)*mf3(5)=0.25*0.375=0.09375; w2= mf2(12)=0.2; w3=mf4(5)=0.375 总输出为: u2=w1*y1+w2*y2+w3*y3=0.09375*17+0.2*24+0.375*15≈12.0188
几种典型的模糊家电产品如下:
(1)模糊电视机 根据室内光线的强弱自动调整电视机的亮度,根据人与 电视机的距离自动调整音量,同时能够自动调节电视机的色 度、清晰度和对比度。
2012-10-15 上海应用技术学院 2013研智能控制
1990年3月,日本的三洋公司研制并推出了一种采用模 糊技术的彩色电视机,该电视机能够根据室内的亮度和观看 距离,对电视机的对比度进行自动调节,保证在各种条件下 都能获得最佳的收看效果。 (2)模糊空调
解:根据题设,当x1=12且x2=5时
R1: mf1(12)=1-12/16=0.25 mf3(5) =1-5/8=0.375 y1=x1+x2=17 R2: mf2(12)=12/60=0.2 y2=2x1=2*12=24
R 3:
mf4(5)=3*5/40=0.375 y3=3x2=3*5=15
If x 1为 ZR and x 2 为 ZR then x = A x B u
2012-10-15
上海应用技术学院 2013研智能控制

采用
选择期望的闭环极点 10 10 i , 10 10 i
u Fx

的反馈控制,利用极点配置
函数place(A,B,P),可以得到系统的反馈增
2012-10-15
上海应用技术学院 2013研智能控制
仿真设计: 根据上述规则设计一个二输入、单输出的Sugeno模 型,可观察到输入输出隶属函数曲线。 仿真结果如图所示。 仿真程序:chap4_8.m仿真
2012-10-15
上海应用技术学院 2013研智能控制
MF Degree of input 1
⑵按加权平均法(wtaver)计算总输出 ①取小法
w1= 0.25;w2= 0.2;w3= 0.375 总输出为:
u3 w1 * y1 w 2 * y 2 w 3 * y 3 w1 w 2 w 3 0 . 25 * 17 0 . 2 * 24 0 . 375 * 15 0 . 25 0 . 2 0 . 375 17 . 7878
第6节 Sugeno模糊模型
6.1 Sugeno模糊模型 传统的模糊系统为Mamdani模糊模型,输出为模 糊量。 Sugeno模糊模型输出隶属函数为constant或linear ,其函数形式为: y a
y ax b
它与Mamdani模型的区别在于: (1)输出变量为常量或线性函数; (2)输出为精确量。
为了计算系统总输出,按照上述方法可有四种不同结论,为了加以区 分,各种组合所得的结果分别用u1、u2、u3、u4表示。
⑴按加权求和法(wtsum)计算总输出
①取小法 w1=mf1(12)∧mf3(5)=0.25∧0.375=0.25 w2= mf2(12)=0.2 w3=mf4(5)=0.375 总输出为: u1=w1*y1+w2*y2+w3*y3=0.25*17+0.2*24+0.375*15≈14.675
If X 为 small and Y 为 small then Z -x y - 3
If X 为 small and Y 为 big then Z x y 1
If X 为 big and Y 为 small then Z -2y 2
If X 为 big and Y 为 big then Z 2 x y 6
x2
m 2 kg M 8 kg
l 0 .5 m


。令

x1 则倒立摆的动力学方程可表示为如下状态方程: x
相关文档
最新文档