模糊神經網路系統1

模糊系統

   模糊邏輯控制系統，簡稱模糊控制系統或模糊系統，是一種基於模糊數學理論的新型控制方法。

  模糊控制由於模仿人對複雜事物的抽象思維方式，利用模糊資訊處理對被控物件執行控制。所以，它不需要知道系統的精確數學模型。對不確定的非線性的系統來說是一種有效的控制途徑。但是，模糊控制對資訊的簡單模糊化導致系統的控制精度下降。為了提高精度，往往要在模糊化時增加模糊量的個數，或者，增大控制規則集。這樣會使控制規則搜尋範圍的擴大、搜尋時間增加、降低了決策的速度，則影響了動態過程的品質。因此，隸屬函式和控制規則的優化是提高品質的關鍵，在本質上，是對模糊控制中的知識進行正確性校正。

 一般地說，模糊系統是指那些與模糊概念和模糊邏輯有直接關係的系統，主要由模糊化介面、知識庫、模糊推理機、反模糊化介面四部分組成。

  

1、模糊化（Fuzzification），輸入變數模糊化，即把確定的輸入轉化成為由隸屬度描述的模糊集。

模糊化介面主要將檢測輸入變數的精確值根據其模糊度劃分和隸屬度函式轉換成合適的語言值(即模糊值)。模糊劃分尚未有一種確定的唯一的方法。它是根據經驗而進行劃分的。對於一個論域而言，模糊度的劃分過少，很明顯語言變數就會粗糙，這樣對於一個控制系統來說，其控制質量就產生不良影響。如果劃分的模糊集過多，則變數的檢測和控制精度就越高，但是形成的控制規則就會過多，進行模糊推理就會佔用大量的處理時間和過程;在採用模糊關係運算時，也會產生龐大的關係矩陣，從而關係運算就變得麻煩，產生的控制表也會龐大而佔據較多記憶體。一般情況下為了儘量減少模糊規則數，可對於檢測和控制精度要求高的變數劃分多(例如5一7個)的模糊度，反之則劃分少(例如3個)的模糊度。當完成變數的模糊度劃分後，需定義變數各模糊集的隸屬函式。

每個劃分的梯形隸屬度函式如圖：

 

2、知識庫（knowledge base）

知識庫中存貯著有關模糊控制器的一切知識，包含了具體應用領域中的知識和要求的控制目標，它們決定著模糊控制器的效能，是模糊控制器的核心。

例如資料庫、規則庫等等。

（1）此資料庫不是計算機軟體中資料庫的概念，它存貯著有關模糊化、模糊推理、解模糊的一切知識，如模糊化中的輸入變數各模糊集合的隸屬函式定義，以及模糊推理演算法，反模糊化演算法，輸出變數各模糊集合的隸屬函式定義等。

（2）模糊規則庫是由若干模糊推理規則組成的，模糊控制規則是根據人的思維方式對一個被控系統執行控制而總結出來的帶有模糊性的控制規則。如專家經驗等。

3、模糊推理機（Fuzzy Inference Engine）

模糊推理機的功用在於：根據模糊邏輯法則把模糊規則庫中的模糊“if-then”規則轉換成某種對映。

模糊推理，這是模糊控制器的核心，模擬人基於模糊概念的推理能力。

4. 反模糊化（defuzzification），清晰化，即把輸出的模糊量轉化為實際用於控制的清晰量。