模糊神经网络系统1

模糊系统

   模糊逻辑控制系统，简称模糊控制系统或模糊系统，是一种基于模糊数学理论的新型控制方法。

  模糊控制由于模仿人对复杂事物的抽象思维方式，利用模糊信息处理对被控对象执行控制。所以，它不需要知道系统的精确数学模型。对不确定的非线性的系统来说是一种有效的控制途径。但是，模糊控制对信息的简单模糊化导致系统的控制精度下降。为了提高精度，往往要在模糊化时增加模糊量的个数，或者，增大控制规则集。这样会使控制规则搜索范围的扩大、搜索时间增加、降低了决策的速度，则影响了动态过程的品质。因此，隶属函数和控制规则的优化是提高品质的关键，在本质上，是对模糊控制中的知识进行正确性校正。

 一般地说，模糊系统是指那些与模糊概念和模糊逻辑有直接关系的系统，主要由模糊化接口、知识库、模糊推理机、反模糊化接口四部分组成。

  




1、模糊化（Fuzzification），输入变量模糊化，即把确定的输入转化成为由隶属度描述的模糊集。

模糊化接口主要将检测输入变量的精确值根据其模糊度划分和隶属度函数转换成合适的语言值(即模糊值)。模糊划分尚未有一种确定的唯一的方法。它是根据经验而进行划分的。对于一个论域而言，模糊度的划分过少，很明显语言变量就会粗糙，这样对于一个控制系统来说，其控制质量就产生不良影响。如果划分的模糊集过多，则变量的检测和控制精度就越高，但是形成的控制规则就会过多，进行模糊推理就会占用大量的处理时间和过程;在采用模糊关系运算时，也会产生庞大的关系矩阵，从而关系运算就变得麻烦，产生的控制表也会庞大而占据较多内存。一般情况下为了尽量减少模糊规则数，可对于检测和控制精度要求高的变量划分多(例如5一7个)的模糊度，反之则划分少(例如3个)的模糊度。当完成变量的模糊度划分后，需定义变量各模糊集的隶属函数。



每个划分的梯形隶属度函数如图：

 


2、知识库（knowledge base）

知识库中存贮着有关模糊控制器的一切知识，包含了具体应用领域中的知识和要求的控制目标，它们决定着模糊控制器的性能，是模糊控制器的核心。

例如数据库、规则库等等。

（1）此数据库不是计算机软件中数据库的概念，它存贮着有关模糊化、模糊推理、解模糊的一切知识，如模糊化中的输入变量各模糊集合的隶属函数定义，以及模糊推理算法，反模糊化算法，输出变量各模糊集合的隶属函数定义等。

（2）模糊规则库是由若干模糊推理规则组成的，模糊控制规则是根据人的思维方式对一个被控系统执行控制而总结出来的带有模糊性的控制规则。如专家经验等。

3、模糊推理机（Fuzzy Inference Engine）

模糊推理机的功用在于：根据模糊逻辑法则把模糊规则库中的模糊“if-then”规则转换成某种映射。

模糊推理，这是模糊控制器的核心，模拟人基于模糊概念的推理能力。

4. 反模糊化（defuzzification），清晰化，即把输出的模糊量转化为实际用于控制的清晰量。