CN104536296A - 基于直觉模糊证据支持度不确定性推理的模糊控制方法 - Google Patents

基于直觉模糊证据支持度不确定性推理的模糊控制方法 Download PDF

Info

Publication number
CN104536296A
CN104536296A CN201410803152.5A CN201410803152A CN104536296A CN 104536296 A CN104536296 A CN 104536296A CN 201410803152 A CN201410803152 A CN 201410803152A CN 104536296 A CN104536296 A CN 104536296A
Authority
CN
China
Prior art keywords
fuzzy
intuitionistic
reasoning
control method
evidence support
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410803152.5A
Other languages
English (en)
Other versions
CN104536296B (zh
Inventor
邹丽
徐本强
郑宏亮
谭雪微
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Chenfeng Automation Equipment Manufacturing Co., Ltd.
Original Assignee
Liaoning Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Liaoning Normal University filed Critical Liaoning Normal University
Priority to CN201410803152.5A priority Critical patent/CN104536296B/zh
Publication of CN104536296A publication Critical patent/CN104536296A/zh
Application granted granted Critical
Publication of CN104536296B publication Critical patent/CN104536296B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于直觉模糊证据支持度不确定性推理的模糊控制方法，按照如下步骤进行：直觉模糊化；知识表示；直觉模糊证据支持度的逻辑推理；模糊化处理。能够将直觉模糊推理问题通过证据支持度的计算转化为模糊推理问题，从而解决了同时具有正反两方面证据的控制问题，也克服了模糊推理中仅考虑确定的且带有一定主观性的隶属度和推理规则。本发明能够在信息缺失的情况下，将操作者的经验、知识用直觉模糊控制规则的形式记述并进行模糊推理，用计算机实现与操作者相同的巧妙的控制。本发明的推理过程模仿人的思维过程，能够处理复杂系统。

Description

基于直觉模糊证据支持度不确定性推理的模糊控制方法
技术领域
本发明属于人工智能中的模糊控制技术，尤其是一种基于直觉模糊证据支持度不确定性推理的模糊控制方法。
背景技术
自1965年Zadeh提出模糊集理论以来,该理论得到迅速发展。Atanassov对模糊集进行了拓展,给出了直觉模糊集概念,从隶属度和非隶属度两个方面进行并指出模糊集是直觉模糊集的特殊情形。如今模糊知识表示中，直觉模糊知识表示已成为人们研究的热门领域，有关直觉模糊集理论及其在决策、逻辑规划、医疗诊断、机器学习和市场预测等诸多领域中的应用研究已引起人们的高度重视,并取得了丰硕成果。
近年来，不确定性推理技术也引起了人们的重视，许多学者在不确定推理方面做出了巨大的贡献。雷英杰等人在直觉模糊逻辑方面提出真值限定的直觉模糊推理方法、直觉模糊逻辑的插值推理方法和直觉模糊近似推理方法；徐扬等人在语言真值格蕴涵代数方面提出基于概念格的语言真值不确定性推理和基于语言真值格值一阶逻辑的不确定性推理。
模糊控制以模糊规则和模糊推理为理论基础，其核心是具有智能性的模糊控制器，模糊控制不必涉及状态方程和传递函数，就可以对复杂系统进行有效控制。1974年英国Mamdani首先设计了模糊控制器，并用于锅炉和蒸汽机的控制，取得了成功。之后，模糊控制被广泛用于众多行业，并获得非常可观的经济效益。
模糊推理系统的结构非常适于表示人的定性或模糊的经验和知识，它们通常用if-then的模糊规则来表示。然而，如果缺乏模糊经验，则难以获得满意的控制效果。同时，现有的模糊控制系统仅考虑确定的且带有一定主观性的隶属度和推理规则，在信息缺失的情况下无法做出相应的推理，则限制了它的应用范围，影响控制效果。
发明内容
本发明为了解决现有技术所存在的上述技术问题，提出一种基于直觉模糊证据支持度不确定性推理的模糊控制方法。
本发明的技术解决方案是：一种基于直觉模糊证据支持度不确定性推理的模糊控制方法，其特征在于依次按照如下步骤进行：
步骤1：直觉模糊化；即将规则中的语言用直觉模糊集的形式表示出来；
步骤2：知识表示；即将规则中的已知条件用矩阵的形式表示，其中矩阵元素为直觉模糊集；
步骤3：根据已知的直觉模糊集A（x），A*（x）与B（y），分别计算它们的证据支持度                                                ，并以矩阵的形式表示；
步骤4：选取Mamdani蕴涵算子，把大前提的证据支持度TDA(x)与TDB(y)转化为一个X×Y上的模糊关系TR；
步骤5：将与上述模糊关系TR进行复合，即。
步骤6：将计算所得的模糊量与模糊规则进行匹配，即得推理结果。
一种多规则推理方法是在步骤5后得出n个中间结果，将这n个中间结果以析取（∨）的方式进行聚合后再进行步骤6。
另一种多规则推理方法是在步骤2后将每条规则按照析取（∨）运算聚合成为一条超规则，再进行步骤3。
本发明与现有技术相比，具有以下有益效果：
1. 引入了直觉模糊集的思想，可同时处理正面证据和反面证据；
2.通过证据支持度的计算可以将直觉模糊推理转化为模糊推理，简化了运算；
3.突破了模糊推理仅考虑隶属度而带来的局限性，在经验缺失的情况下，通过直觉模糊信息进行推理，达到一定的控制结果；
4.推理过程更接近于人的思维过程，能够处理具有不确定性信息的控制问题。
附图说明
图1是本发明实施例1、2的流程图。
具体实施方式
实施例1：单规则直觉模糊证据支持度的逻辑推理方法
如图1所示，实施例1基于模糊假言推理模型，利用直觉模糊证据支持度的逻辑推理方法求解问题，描述形式如下：
已知      AB       （大前提）
且给定    A*                （小前提）
求        B*                （结论）。
具体方法是在收集信息的前提下引入模糊推理的CRI方法，其直觉模糊证据支持度的逻辑推理方法（记为TD-CRI）的求解步骤如下：
步骤1：直觉模糊化；即将规则中的语言用直觉模糊集的形式表示出来；
步骤2：知识表示；即将规则中的已知条件用矩阵的形式表示，其中矩阵元素为直觉模糊集；
步骤3：根据已知的直觉模糊集A（x），A*（x）与B（y），分别计算它们的证据支持度，并以矩阵的形式表示；
步骤4：选取Mamdani蕴涵算子，把大前提的证据支持度TDA(x)与TDB(y)转化为一个X×Y上的模糊关系TR；
步骤5：将与上述模糊关系TR进行复合，即得，将“”选为“取大取小”复合运算，即；
步骤6：将计算所得的模糊量与模糊规则进行匹配，即得推理结果。
以下将实施例1应用于具体问题（一个简单的水温调控系统）来说明：
人工调节淋浴水温，有如下的经验规则：如果水温低，则热水阀应开大，试问水温为“非常低”时，应怎么样调节热水阀？不考虑冷水阀，认为其固定。
解：
假定，取论域X与Y均为{1,2,3}，分别表示水温和热水阀的3个等级。
设A表示X上的直觉模糊集“水温低”，则
A=(0.8,0.1）/1+(0.6,0.2)/2+(0.3,0.4)/3
设B表示Y上的直觉模糊集“开大热水阀”，则
B=(0.3,0.4)/1+(0.7,0.2)/2+(0.7,0.1)/3
用IF-THEN规则表述题目中的经验就是：如果X是A，则Y是B.
以下分别取A′为“非常低”来计算对应的B′，对于“非常低”，取A′=(0.7,0.1）/1+(0.2,0.3)/2+(0.1,0.2)/3
1) 将A,B,A′进行简化，然后用向量表示。
2) 分别计算证据支持度TDA(x)，TDB(y)与。
3) 选取Mamdani蕴涵算子，计算TDA(x)与TDB(y)的模糊关系TR。
4) 将与上述模糊关系TR进行复合即得。
故  B'=0.5/1+0.8/2+0.5/3
结果表明对应的B'为“开大热水阀”，具体的控制量级是2级，即确切的响应是2级。
 实施例2：多规则直觉模糊证据支持度的逻辑推理方法
如图1所示，实施例2利用聚合原理，将多条直觉模糊规则推理问题转化为如下形式：
已知   A1 B1，
       A2 B2，
         
       An Bn.（大前提）
且给定 A*     （小前提）
求     B*     （结论）
 用以下两种方式求解：即先推理后聚合（first infer then aggregate, FITA）和先聚合后推理（first aggregate then infer , FATI）。
    1）先推理后聚合（FITA）
对以下形式的推理问题：
已知      Ai Bi      （大前提）
且给定    A*                （小前提）
求        B*           （结论）
在实施例1在步骤5后得出n个中间结果，将这n个中间结果以析取（∨）的方式进行聚合后再进行步骤6。
2）先聚合后推理（FATI）
对以下形式的推理问题：
已知      AB    （大前提）
且给定    Ai *          （小前提）
求        Bi *      （结论）
是在实施例1步骤2后将每条规则按照析取（∨）运算聚合成为一条超规则，再进行步骤3、4、5、6。

Claims (3)

1.一种基于直觉模糊证据支持度不确定性推理的模糊控制方法，其特征在于依次按照如下步骤进行：
步骤1：直觉模糊化；即将规则中的语言用直觉模糊集的形式表示出来；
步骤2：知识表示；即将规则中的已知条件用矩阵的形式表示，其中矩阵元素为直觉模糊集；
步骤3：根据已知的直觉模糊集A（x），A*（x）与B（y），分别计算它们的证据支持度                                               ，并以矩阵的形式表示；
 步骤4：选取Mamdani蕴涵算子，把大前提的证据支持度TDA(x)与TDB(y)转化为一个X×Y上的模糊关系TR；
步骤5：将与上述模糊关系TR进行复合，即；
步骤6：将计算所得的模糊量与模糊规则进行匹配，即得推理结果。
2.根据权利要求1所述基于直觉模糊证据支持度不确定性推理的模糊控制方法，其特征在于：在步骤5后得出n个中间结果，将这n个中间结果以析取（∨）的方式进行聚合后再进行步骤6。
3.根据权利要求2所述基于直觉模糊证据支持度不确定性推理的模糊控制方法，其特征在于：在步骤2后将每条规则按照析取（∨）运算聚合成为一条超规则，再进行步骤3。
CN201410803152.5A 2014-12-22 2014-12-22 基于直觉模糊证据支持度不确定性推理的模糊控制方法 Active CN104536296B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410803152.5A CN104536296B (zh) 2014-12-22 2014-12-22 基于直觉模糊证据支持度不确定性推理的模糊控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410803152.5A CN104536296B (zh) 2014-12-22 2014-12-22 基于直觉模糊证据支持度不确定性推理的模糊控制方法

Publications (2)

Publication Number Publication Date
CN104536296A true CN104536296A (zh) 2015-04-22
CN104536296B CN104536296B (zh) 2017-07-11

Family

ID=52851840

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410803152.5A Active CN104536296B (zh) 2014-12-22 2014-12-22 基于直觉模糊证据支持度不确定性推理的模糊控制方法

Country Status (1)

Country Link
CN (1) CN104536296B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024016139A1 (zh) * 2022-07-19 2024-01-25 华为技术有限公司 查询方法和相关设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06139377A (ja) * 1992-10-29 1994-05-20 Nec Corp ファジー三段論法推論システム
CN103854058A (zh) * 2012-12-07 2014-06-11 西安元朔科技有限公司 一种新的直觉模糊决策方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06139377A (ja) * 1992-10-29 1994-05-20 Nec Corp ファジー三段論法推論システム
CN103854058A (zh) * 2012-12-07 2014-06-11 西安元朔科技有限公司 一种新的直觉模糊决策方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHYI-MING CHEN 等: ""A NEW SIMILARITY MEASURE BETWEEN INTUITIONISTIC FUZZY VALUES"", 《PROCEEDINGS OF THE 2013 INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND CYBERNETICS》 *
邹丽 等: ""语言真值直觉模糊逻辑的知识推理"", 《计算机科学》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024016139A1 (zh) * 2022-07-19 2024-01-25 华为技术有限公司 查询方法和相关设备

Also Published As

Publication number Publication date
CN104536296B (zh) 2017-07-11

Similar Documents

Publication Publication Date Title
Chen et al. Multi-objective reservoir operation using particle swarm optimization with adaptive random inertia weights
Lou et al. Modeling data uncertainty on electric load forecasting based on Type-2 fuzzy logic set theory
CN105023071A (zh) 一种基于高斯云变换和模糊时间序列的水质预测方法
WO2021109180A1 (zh) 一种基于模糊宽度自适应学习模型的污水处理过程故障监测方法
Li et al. A safe control scheme under the abnormity for the thickening process of gold hydrometallurgy based on Bayesian network
Uraon et al. Analysis of defuzzification method for rainfall event
CN104134011A (zh) 一种配电网小水电接入最优接纳能力的计算方法
CN104616072A (zh) 一种基于区间优化的提高谷氨酸发酵产物浓度的方法
Tian et al. Dynamic stability analysis of power grid in high proportion new energy access scenario based on deep learning
Fan et al. Two-level diagnosis of heating pipe network leakage based on deep belief network
CN104536296A (zh) 基于直觉模糊证据支持度不确定性推理的模糊控制方法
CN105334730A (zh) 加热炉氧含量的iga优化t-s模糊arx建模方法
Du et al. A hierarchical power system transient stability assessment method considering sample imbalance
Lin et al. The study on classification and prediction for data mining
CN109143851A (zh) 多标记故障深度学习的识别及其结果智能表达的方法
Chen et al. Distribution-aware graph representation learning for transient stability assessment of power system
Zhou et al. Performance monitoring of steam turbine regenerative system based on extreme learning machine
Fliss et al. Multiple faults fuzzy detection approach improved by Particle Swarm Optimization
Wei et al. Intersection signal control approach based on pso and simulation
Tan et al. Daily runoff time-series prediction based on the adaptive neural fuzzy inference system
Mansor et al. The framework of weighted subset-hood Mamdani fuzzy rule based system rule extraction (MFRBS-WSBA) for forecasting electricity load demand
Cai et al. Study on Wind Power Prediction Based on EEMD-LSTM
Liu et al. Neuro-fuzzy generalized predictive control of boiler steam temperature
Shi et al. Genetic Algorithm Optimization for Water Curtain Cooling Fuzzy Control System
Zhang et al. Improved grey model with rolling method for wind power prediction

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20180802

Address after: 226600 No. 8, Xiao Xing Road, Chengdong Town, Haian Development Zone, Nantong, Jiangsu

Patentee after: Nantong one choice Industrial Design Co., Ltd.

Address before: 116029 No. 850 the Yellow River Road, Shahekou District, Dalian, Liaoning.

Patentee before: Liaoning Normal University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20191015

Address after: 226300 group 11, wanzitou village, Pingchao Town, Tongzhou District, Nantong City, Jiangsu Province

Patentee after: Nantong Chenfeng Automation Equipment Manufacturing Co., Ltd.

Address before: 226600 Xiaoxing Avenue, Chengdong Town, Haian Development Zone, Nantong City, Jiangsu Province

Patentee before: Nantong Yixuan Industrial Design Co., Ltd.