智能控制3-1 模糊推理.ppt

第三章基于模糊推理的智能控制系统3.1模糊推理推理的方法：演绎，归纳
假言推理

设A，B分别为X，Y上的模糊集合，它们的隶属度分别为
μA(x)，μB(y）。
如果x为A，则y为B——IFXTHENB
现x为A’，可以推出y为B’。
如满足条件A，则可得到结论B，可以用符号A→B来表示。
前提：(A)(B)
前提:(A’)
结论：(B’)2.推理过程的运算例如：设X={1,2,3,4,5}
Y={一,二,三,四,五}
X,Y上的模糊子集“大”，“小”，“较小”分别定义为
大：[L]=0.5/4（四）+1/5（五）
即：4（或者四）属于L的隶属度为0.5
5（或者五）属于L的隶属度为1
类似定义
小：[S]=1/1（一）+0.5/2（二）
较小：[M]=1/1（一）+0.4/2（二）+0.2/3（三）以x=1~5,y=一~五分别代入，就可以得到一个5*5的
μsL(x,y)矩阵——μR(x,y)。
例如x=1,μS(1)=1，
y=一,μL(一)=0，例如x=1,μS(1)=1，
y=四,μL(四)=0.5，这样就得到一个5*5的模糊关系矩阵R现在x‘较小，依据较小（也就是M）的定义，
[M]=（1,0.4,0.2,0,0)
则y如何可以这样计算我们能得出什么结论？求出了Y’的模糊矩阵。那它到底属于什么？
前面定义的模糊子集：
[L]=（0，0，0，0.5，1）
[S]=(1,0.5,0,0,0)
[M]=(1,0.4,0.2,0,0)

现在，Y’=(0.4,0.4,0.4,0.5,1)

那么我们能得出什么结论？
——————————————Y’属于大。3.2如果A则B，否则C的推理关系于是，当输入为A’时，输出为B’，的隶属度，例如：这样就可以判断在x很轻时，y属于重。3.3另一种模糊关系的定义28（2）对于如果A则B，否则C的语句（3）对于如果A且B则C的语句将D的后一行接到前一行的尾部，将D转变为1行，再转置得到DT有了模糊关系R，请计算C1现在有：
A1=0.8/a1+0.6/a2+0.1/a3A1=[0.8,0.6,0.1]
B1=0.4/b1+0.9/b2+0.4/b3B1=[0.4,0.9,0.4]36