[发明专利]模糊推理装置

说明书

本发明是有关模糊推理装置的调整技术，能够自动产生满足所需规格的模糊推理装置的推理规则。

模糊推理是对于数学模型不能描述的复杂控制对象，利用推理规则，通过计算机来运用人类从已有经验中获得的知识。

图15表示已有的模糊推理。在模糊推理中，把由控制观测值输入机构101获得的输入信息如控制偏差e及其变化率Δe与由控制操作量输出机构103输出的操作量u之间的关系，作为“如果～那么……”规则来描述。作为这种推理规则，在模糊推理规则记忆机构104中，准备了多个下述那样的推理规则。

如果e是0(Z0)并且，

         Δe是正的小量(PS)

那么u是负的小量(NS)这里称“如果～”部分为前事件部分，“那么……”部分为后事件部分。零、正的小量以及负的小量等是表示在推理规则描述中使用的输入和输出元函数的标记。元函数存储在元函数记忆部分105中。

图16表示元函数的一个例子。元函数作为对称的三角形。

作为常用的元函数，有NB(负的大量)、NS(负的小量)、ZO(大体为零)、PS(正的小量)、PB(正的大量)等。

下面，说明在推理运算机构102中进行的模糊推理的过程。现在，把下面的几个推理规则存储在模糊推理规则记忆机构104中。

R¹：如果e为ZO、并且Δe为PS，

         那么u为NS，

R²：如果e为ZO、并且Δe为PB，

         那么u为PB，



 

Rⁿ：如果e为NB、并且Δe为ZO，

         那么u为NB，但是，Rⁱ(i＝1，2，…n)作为推理规则。

这里以第1规则R¹为例，说明输入信息e、Δe的推理规则Rⁱ中前事件部分适应性μi的求得方法。这里，μz0(e)、μps(Δe)表示对于前事件命题中元函数Z0、PM的输入信息e、Δe诸项值。现在，若把来自图15控制观测值输入机构101的e₀、Δe₀输入，则规则R¹的适应性u1为：

          μ₁＝μ_zo(eo)Λμ_ps(Δeo)      (1)

但是，∧为min运算。于是，推理规则R¹后事件部分的结论元函数ω1，用后事件命题中元函数NS的诸项值uns(u)，按照下式求得：

            ω1＝μ₁Λμ_ns(u)            (2)

由于推理规则Rⁱ有多个，所以，联系所有结论元函数的元函数成为：

u_T＝ω1Vω2Vω3V···Vωn    (3)

但是，∨为max运算。虽然该元函数u_T是表示控制操作量结论的元函数，但由于实际的控制操作量u₀是实数，所以需要把元函数u_T变换成实数值。作为变换方法，采用下面所示的加权重心。控制操作量u_o为：

    uo＝(∫u·μ_T du)/(∫μ_T du)     (4)由图15的控制操作量输出部分103输出。

然而，利用上述构成，因下述原因难以形成推理规则和元函数的最佳结构。

确定模糊推理的推理规则和元函数时，必须满足控制规格和所需的输入输出关系。但是，用于自动确定推理规则和元函数的方法没有被确立，过去，根据尝试法实验和对专家的采访进行模糊推理规则的设计。因此，模糊推理存在这样的问题，需要的设计时间长，难以作出最佳设计。

并且，在上述构成中，由于推理规则和元函数都是固定的，所以还存在下述问题，不能跟踪由于控制目标值变化等所引起的控制对象动态特性变化等，无法实现了解用户喜好及感受性的功能。

鉴于上述情况，本发明根据从专家得到的输入输出数据和用户的输入等，用下降法自动地进行模糊推理的调整。据此，提供无需尝试法就自动产生所需模糊推理规则的模糊推理装置。