Ratio Introductio
Quando si studia un sistema preciso quantificato che non partecipa, esiste una serie di teorie sistemiche efficaci; ma nel sistema della macchina umana, nel sistema di gestione, nel sistema economico, nella società In sistemi come le attività di pensiero umano, il sistema non è completamente accurato a causa della logica, del ragionamento, del giudizio e del processo decisionale del cervello umano, questo sistema correlato ha una sorta di di sfocato. Man mano che il computer digitale elettronico si sviluppa nella direzione della macchina intelligente, ci saranno sempre più sistemi sfocati.
Nella consueta teoria dei sistemi, un sistema è chiaramente determinato in un certo momento dallo stato e dall'input, e lo stato e l'output del momento successivo saranno chiaramente unici. Questo sistema è chiamato sistema deterministico, altrimenti è chiamato sistema non deterministico. Si presume che lo stato e l'input di un sistema in un determinato momento, sebbene lo stato e l'output della volta successiva non possano essere determinati, ma possano determinare la distribuzione di probabilità dello stato successivo, questo sistema è chiamato sistema casuale, che è una classe di non determinazione. Sistema sessuale. Se non è possibile determinare la distribuzione di probabilità dello stato successivo, è possibile determinare l'insieme dei possibili stati della volta successiva, che è un altro tipo di sistema non deterministico. Se l'insieme dei possibili stati in questo sistema non qualitativo è rappresentato da una raccolta sfocata, si parla di sistema sfocato.
Il sistema fuzzy è lo stesso del sistema classico, il suo contenuto di ricerca include anche energia, può osservare, implementazione minima, identificazione del sistema, previsione, controllo e stabilità.
Fuzzy logic fundamentum
Visne ullas peritias
Il pensiero di molte persone non ha un'estensione chiara, come "grande", "medio", "piccolo" Aspetta, questi concetti sfocati non possono essere descritti in una raccolta classica. Il professor Zadeh, il professor Zadeh, ha proposto di descrivere questi concetti sfocati, definiti come segue:
given the domain u, u to [0, 1] closed interval
is called a blurred subset of u,
Subjectivity munus
Esistono diversi tipi di funzioni di appartenenza comuni: funzioni triangolari (Figura 1-1), funzione ladder (Figura 1-2), funzione di tipo Gaussiano (Figura 2-1), funzione Zhongmoid (Figura 2-2), funzione di tipo Sigmoid ( Fig. 3-1) e funzione di tipo Z (Fig. 3-2).
La funzione triangolo e la funzione ladder sono essenzialmente funzioni lineari a segmenti, quindi è relativamente semplice da usare e calcolare.
La funzione di appartenenza gaussiana e la curva della funzione di appartenenza a campana hanno una buona fluidità e la grafica non è zero e hanno un significato fisico relativamente chiaro, che è la funzione di appartenenza più comunemente usata.
Anche la curva della funzione di appartenenza di tipo Sigmoid ha una buona omogeneità, diversa dalla funzione di appartenenza gaussiana, e la funzione di appartenenza di tipo SigmoID è adatta per mezzi di asimmetria. La funzione di appartenenza di tipo Z si basa sull'interpolazione spline.
Basic architectura
Sistema fuzzy Architettura di base Come mostrato nella Figura 4, il blocco funzione principale include: meccanismo di ambiguità, base di regole fuzzy, ragionamento fuzzy e meccanismo di deprivazione.
Quamquam mechanism
La funzione del meccanismo di ambizione è convertire dati di input esterni chiari in informazioni sfocate del linguaggio appropriato; vale a dire, i dati chiari vengono offuscati in informazioni sfocate.
Quamquam regulae bibliotheca
1, regole fuzzy della lingua (regole fuzzy Mamdani):
then 2, regole fuzzy funzionali:
the
(1) Regole sfocate lineari:
(2) regole fuzzy a punto singolo:
Then
(3) Tsukamoto Fuzzy Rule: Rear Part of this Fuzzy rule
Il motore di ragionamento sarà ragionevolmente eseguito da queste regole fuzzy per determinare la decisione da prendere nella fase successiva. Le principali differenze nelle tre regole precedenti sono diverse solo nella parte posteriore delle regole fuzzy.
Visne ullas consequentia
Il motore di ragionamento fuzzy è il fulcro di un sistema fuzzy, che può simulare le modalità decisionali del pensiero umano mediante ragionamento approssimativo o ragionamento fuzzy, per ottenere la risoluzione dei problemi Data.
Defusio mechanism
passerà attraverso il ragionamento sfocato, e il processo di conversione in una chiarezza del valore numerico, che chiamiamo "privare".
A causa delle diverse regole fuzzy, sarà diverso, prigione, dopo il ragionamento fuzzy, l'ipotesi è espressa in una raccolta sfocata (come una regola di sfocatura linguistica) e Some è espressa in un valore chiaro.
Poiché il ragionamento è un insieme fuzzy, il metodo di privazione comunemente usato ha il centro di gravità, il metodo della media massima, il metodo della media massima, il metodo della media centrale e il centro di correzione; è chiaro dopo il ragionamento Se il valore, il metodo di media del peso è il metodo di privazione più utilizzato.
Features
Il vantaggio di un sistema fuzzy è che può essere integrato nell'esperienza degli esperti e la capacità di generalizzazione è soggetta ai dati. A causa dell'uso dell'esperienza esperta nel linguaggio, il sistema di ragionamento fuzzy è stato applicato in molti settori dell'ingegneria. Tuttavia, l'attuale input del sistema di logica fuzzy è completamente accurato o una raccolta di sfocatura completa, che potrebbe dover essere immessa contemporaneamente nell'applicazione. Il valore accurato e le variabili del linguaggio fuzzy devono essere migliorate sui sistemi fuzzy esistenti; l'input, la divisione dello spazio di output e la funzione di appartenenza ei suoi parametri si basano principalmente sull'esperienza personale, spesso necessitano di prove ripetute, molto soggettive e incerte.
Ratio Type Visne ullas peritias
Puro sistema di logica fuzzy
Puro sistema di logica fuzzy is only composed of fuzzy rules and fuzzy reinforcing machines, As shown in Figure 5, its input and output is a blurred set. Because the input and output of the pure fuzzy logic system is a blurred collection, the input and output of most engineering systems in the real world are precise, so the pure fuzzy logic system cannot be directly applied to the actual engineering. In order to solve this problem, the scholars propose Mamdani fuzzy logic system with fuzzy generator and blur elimination based on the pure fuzzy logic system, and Japanese scholarous high-wood (sugeno) proposed a fuzzy rule. The latter conclusion is the fuzzy system of the precise value, called high-grade - closing fuzzy logic system.
Gaogu - Guan Yeno type fuzzy logic system
Gao Wume - Guan Yeeno typus quamquam logicae structurae systematis figurae VI ostendit quod est genus systematis logicae specialius quamquam caliginosum, quod differunt specie regulae generalis quamquam. Gaowu-Guanye-typus systematis logicae cuiusquam quamquam certae adhuc pretii est sine labes eliminatione. Commodum est ut output per lineari compositionem valorum inputium exprimi possit, quia modus adduci potest ad aestimationem parametri ad parametri systematis determinandam, et proxime enucleari potest et delineari utcumque logicam rationem cum potestate lineari. systematis analysis methodus. Incommodum systematis est quod extraordinarii regulae haudquaquam valorem linguae non habet, ideo scientia peritia non prodest, et varia principia logicae quamquam logicae etiam in hoc systemate limitantur.
Mamdani quamquam systema
In Mamdanis generis quamquam systematis, anteriores et posteriores regulae quamquam ambiguae valores linguae sunt, quae essentialiter Input et output portiones systematis logicae purae quamquam generantis et labes eliminationis addunt caliginosum, et structura in FIG. Ratio input et output accurate sunt, ut directe in ipsa machinatione applicari possunt. Ob amplam applicationem, etiam notum est ut vexillum exemplar systematis caligini.