JP2000231547A - ネットワーク型ファジイ制御装置及びその学習方法 - Google Patents
ネットワーク型ファジイ制御装置及びその学習方法Info
- Publication number
- JP2000231547A JP2000231547A JP11034289A JP3428999A JP2000231547A JP 2000231547 A JP2000231547 A JP 2000231547A JP 11034289 A JP11034289 A JP 11034289A JP 3428999 A JP3428999 A JP 3428999A JP 2000231547 A JP2000231547 A JP 2000231547A
- Authority
- JP
- Japan
- Prior art keywords
- fuzzy
- output
- fuzzy controller
- input
- layer
- 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.)
- Pending
Links
Abstract
(57)【要約】
【課題】 入力数が多くなった場合に、演算量を充分に
低減させることができ、従来に比べて演算時間を大幅に
短縮できるようにすること。 【解決手段】 この９入力１出力のファジイ制御装置
は、３台の入力層ファジイ制御器ＦI1〜ＦI3と、１台の
出力層ファジイ制御器ＦOとを有しており、各ファジイ
制御器は、３つの入力層ノードＮI1〜ＮI3と、９つの中
間層ノードＮM1〜ＮM9と、１つの出力層ノードＮOとを
備えている。使用している制御器台数Ｑ＝４、制御器１
台あたりの入力数ｎ＝４であるから、合計演算回数は、
Ｑ×（２×ｎ＋ｎ2＋１）＝４×（２×３＋３2＋１）＝
６４（回）となる。従来の９入力１出力の簡略型ファジ
イ制御器を用いた場合の演算回数は１００回であるか
ら、大幅に低減されている。
低減させることができ、従来に比べて演算時間を大幅に
短縮できるようにすること。 【解決手段】 この９入力１出力のファジイ制御装置
は、３台の入力層ファジイ制御器ＦI1〜ＦI3と、１台の
出力層ファジイ制御器ＦOとを有しており、各ファジイ
制御器は、３つの入力層ノードＮI1〜ＮI3と、９つの中
間層ノードＮM1〜ＮM9と、１つの出力層ノードＮOとを
備えている。使用している制御器台数Ｑ＝４、制御器１
台あたりの入力数ｎ＝４であるから、合計演算回数は、
Ｑ×（２×ｎ＋ｎ2＋１）＝４×（２×３＋３2＋１）＝
６４（回）となる。従来の９入力１出力の簡略型ファジ
イ制御器を用いた場合の演算回数は１００回であるか
ら、大幅に低減されている。
Description
【０００１】
【発明の属する技術分野】本発明は、複数のファジイ制
御器同士をネットワーク状に配置して結合させたネット
ワーク型ファジイ制御装置及びその学習方法に関するも
のである。
御器同士をネットワーク状に配置して結合させたネット
ワーク型ファジイ制御装置及びその学習方法に関するも
のである。
【０００２】
【従来の技術】ファジイ制御則とは、一般に、ｉｆ（前
件部）〜ｔｈｅｎ（後件部）形式で表され、例えば下式
（１）のような制御アルゴリズムにより記述される制御
則のことをいう。
件部）〜ｔｈｅｎ（後件部）形式で表され、例えば下式
（１）のような制御アルゴリズムにより記述される制御
則のことをいう。
【０００３】 Rule i : if x1 is Ai1 and x2 is Ai2 then y is Bi … （１） ここで、ｉ（＝１，２，…，ｎ）は制御則の番号を表し
ており、x1，x2は前件部変数、ｙは後件部変数と呼ばれ
る。Ai1，Ai2，Biは、種々のファジイ集合で表され、フ
ァジイ変数と呼ばれるファジイ値である。なお、入力番
号をｊ（＝１，２，…，ｍ）で表せば、x1，x2及びAi
1，Ai2をｘj及びＡｉjと表すことができる。
ており、x1，x2は前件部変数、ｙは後件部変数と呼ばれ
る。Ai1，Ai2，Biは、種々のファジイ集合で表され、フ
ァジイ変数と呼ばれるファジイ値である。なお、入力番
号をｊ（＝１，２，…，ｍ）で表せば、x1，x2及びAi
1，Ai2をｘj及びＡｉjと表すことができる。
【０００４】このようなファジイ制御則に基づく演算は
ファジイ制御器により行われるが、このファジイ制御器
のなかに所謂「簡略型」と呼ばれるファジイ制御器があ
る。この簡略型ファジイ制御器は、演算量を低減するた
めに考え出されたものであり、下式（２）のような制御
アルゴリズムにより演算を行う制御器である。
ファジイ制御器により行われるが、このファジイ制御器
のなかに所謂「簡略型」と呼ばれるファジイ制御器があ
る。この簡略型ファジイ制御器は、演算量を低減するた
めに考え出されたものであり、下式（２）のような制御
アルゴリズムにより演算を行う制御器である。
【０００５】 Rule i : if x1 is Ai1 and x2 is Ai2 then y is Ｖi … （２） ここで、Ｖiは制御則ｉにおける後件部の実数値（代表
値）を表している。つまり、（１）式と（２）式との違
いは、（１）式では後件部ｙがファジイ値Ｂiで表され
ているのに対し、（２）式では実数値Ｖiで表されてい
る点である。本明細書では、以下、この簡略型ファジイ
制御器を用いた場合を例にとり本発明の内容を説明す
る。
値）を表している。つまり、（１）式と（２）式との違
いは、（１）式では後件部ｙがファジイ値Ｂiで表され
ているのに対し、（２）式では実数値Ｖiで表されてい
る点である。本明細書では、以下、この簡略型ファジイ
制御器を用いた場合を例にとり本発明の内容を説明す
る。
【０００６】図５は、２入力１出力の簡略型ファジイ制
御器の構成図である。このファジイ制御器は、入力層が
２つの入力層ノードＮI1，ＮI2により形成され、中間層
が４つの中間層ノードＮM1〜ＮM4により形成され、出力
層が１つの出力層ノードＮOにより形成されている。
御器の構成図である。このファジイ制御器は、入力層が
２つの入力層ノードＮI1，ＮI2により形成され、中間層
が４つの中間層ノードＮM1〜ＮM4により形成され、出力
層が１つの出力層ノードＮOにより形成されている。
【０００７】図６は、この簡略型ファジイ制御器に用い
られるメンバシップ関数の特性図である。（２）式にお
けるAi1，Ai2は、それぞれ入力x1，x2に対してのルール
ｉにおける言語ラベルを示している。図６における「Ｖ
Ｓ」、「Ｓ」、「Ｍ」、「Ｌ」、「ＶＬ」は１つの入力
に対する言語ラベルであり、これらはそれぞれ「とても
小さい」、「小さい」、「普通」、「大きい」、「とて
も大きい」の意味を有するものである。そして、ルール
ｉにおける図６のメンバシップ関数は、入力ｘjの値に
応じて、各ラベル毎に下式（３）〜（７）で表される。
られるメンバシップ関数の特性図である。（２）式にお
けるAi1，Ai2は、それぞれ入力x1，x2に対してのルール
ｉにおける言語ラベルを示している。図６における「Ｖ
Ｓ」、「Ｓ」、「Ｍ」、「Ｌ」、「ＶＬ」は１つの入力
に対する言語ラベルであり、これらはそれぞれ「とても
小さい」、「小さい」、「普通」、「大きい」、「とて
も大きい」の意味を有するものである。そして、ルール
ｉにおける図６のメンバシップ関数は、入力ｘjの値に
応じて、各ラベル毎に下式（３）〜（７）で表される。
【０００８】
【数１】 図６に示したメンバシップ関数は、通常のメンバシップ
関数と異なり、ファジイ演算を行う際の演算量を少なく
することができるという特徴を有している。つまり、図
６の横軸上の各点ａi1，ａi2，ａi3において、隣接する
言語ラベルの関数同士が接した状態となっているため
（通常のメンバシップ関数は、横軸のやや上方で隣接す
る言語ラベルの関数同士がクロスした状態となってい
る。）、１つの入力に対して用いる関数が多くとも２つ
だけとなる。例えば、入力ｘjが０〜ａi1の領域のもの
である場合、対応する言語ラベルは「ＶＳ」及び「Ｓ」
の２つであり、また、入力ｘjがａi1〜ａi2の領域のも
のである場合、対応する言語ラベルは「Ｓ」及び「Ｍ」
の２つである。
関数と異なり、ファジイ演算を行う際の演算量を少なく
することができるという特徴を有している。つまり、図
６の横軸上の各点ａi1，ａi2，ａi3において、隣接する
言語ラベルの関数同士が接した状態となっているため
（通常のメンバシップ関数は、横軸のやや上方で隣接す
る言語ラベルの関数同士がクロスした状態となってい
る。）、１つの入力に対して用いる関数が多くとも２つ
だけとなる。例えば、入力ｘjが０〜ａi1の領域のもの
である場合、対応する言語ラベルは「ＶＳ」及び「Ｓ」
の２つであり、また、入力ｘjがａi1〜ａi2の領域のも
のである場合、対応する言語ラベルは「Ｓ」及び「Ｍ」
の２つである。
【０００９】したがって、図５における入力層ノードＮ
I1は入力x1に基づき２つのメンバシップ関数Ａ1,d1(x1)
及びＡ1,d1+1(x1)を中間層ノードＮM1〜ＮM4に出力し、
また、入力層ノードＮI2は入力x2に基づき２つのメンバ
シップ関数Ａ2,d2(x2)及びＡ2,d2+1(x2)を中間層ノード
ＮM1〜ＮM4に出力する（各入力層ノードは、図示のよう
に実際には４つのメンバシップ関数を中間層ノードＮM1
〜ＮM4に対して出力しているが、重複分を除くと２つで
ある。）。そして、各中間層ノードＮM1〜ＮM4は、入力
層ノードＮI1，ＮI2からの各メンバシップ関数の値を掛
け合わせて、それぞれ代表値Ｖd1,d2、Ｖd1+1,d2、Ｖd
1,d2+1、Ｖd1+1,d2+1を出力層ノードＮOに出力する。出
力層ノードＮOは、これら中間層ノードＮM1〜ＮM4から
の代表値を累積して推論結果ｙを出力する。
I1は入力x1に基づき２つのメンバシップ関数Ａ1,d1(x1)
及びＡ1,d1+1(x1)を中間層ノードＮM1〜ＮM4に出力し、
また、入力層ノードＮI2は入力x2に基づき２つのメンバ
シップ関数Ａ2,d2(x2)及びＡ2,d2+1(x2)を中間層ノード
ＮM1〜ＮM4に出力する（各入力層ノードは、図示のよう
に実際には４つのメンバシップ関数を中間層ノードＮM1
〜ＮM4に対して出力しているが、重複分を除くと２つで
ある。）。そして、各中間層ノードＮM1〜ＮM4は、入力
層ノードＮI1，ＮI2からの各メンバシップ関数の値を掛
け合わせて、それぞれ代表値Ｖd1,d2、Ｖd1+1,d2、Ｖd
1,d2+1、Ｖd1+1,d2+1を出力層ノードＮOに出力する。出
力層ノードＮOは、これら中間層ノードＮM1〜ＮM4から
の代表値を累積して推論結果ｙを出力する。
【００１０】上記のように、任意の値の入力に対応する
言語ラベルのメンバシップ関数の数は２つである。そこ
で、図６のように、メンバシップ関数を言語ラベルの観
点から分けるのではなく、値を持つ関数式に着目して、
図７に示すように、ｄ＝０〜ｄ＝４の４つの区間に分け
ることとする。このときのメンバシップ関数は下式
（８），（９）により表される。
言語ラベルのメンバシップ関数の数は２つである。そこ
で、図６のように、メンバシップ関数を言語ラベルの観
点から分けるのではなく、値を持つ関数式に着目して、
図７に示すように、ｄ＝０〜ｄ＝４の４つの区間に分け
ることとする。このときのメンバシップ関数は下式
（８），（９）により表される。
【００１１】
【数２】 これらのメンバシップ関数からファジイ制御則後段にお
ける代表値への適合度、すなわちファジイ制御器への入
力の適合度を求めることができる。ファジイ制御器への
入力の適合度とは代表値への依存度である。上記したメ
ンバシップ関数の性質より、２入力１出力のファジイ制
御器における適合度の数は下式（１０）〜（１３）で表
されるように４つとなる。
ける代表値への適合度、すなわちファジイ制御器への入
力の適合度を求めることができる。ファジイ制御器への
入力の適合度とは代表値への依存度である。上記したメ
ンバシップ関数の性質より、２入力１出力のファジイ制
御器における適合度の数は下式（１０）〜（１３）で表
されるように４つとなる。
【００１２】
【数３】 以上説明したのは、２入力１出力の簡略型ファジイ制御
器における入出力関係であるが、４入力１出力の簡略型
ファジイ制御器、９入力１出力の簡略型ファジイ制御
器、あるいはその他の数の入出力を有する簡略型ファジ
イ制御器の入出力関係についても同様にして求めること
ができる。
器における入出力関係であるが、４入力１出力の簡略型
ファジイ制御器、９入力１出力の簡略型ファジイ制御
器、あるいはその他の数の入出力を有する簡略型ファジ
イ制御器の入出力関係についても同様にして求めること
ができる。
【００１３】図８は、４入力１出力の簡略型ファジイ制
御器の構成図であり、このファジイ制御器は、４つの入
力層ノードＮI1〜ＮI4、１６個の中間層ノードＮM1〜Ｎ
M16、１つの出力層ノードＮOを有している。また、図９
は、９入力１出力の簡略型ファジイ制御器の構成図であ
り、このファジイ制御器は、９つの入力層ノードＮI1〜
ＮI9、８１個の中間層ノードＮM1〜ＮM81、１つの出力
層ノードＮOを有している。
御器の構成図であり、このファジイ制御器は、４つの入
力層ノードＮI1〜ＮI4、１６個の中間層ノードＮM1〜Ｎ
M16、１つの出力層ノードＮOを有している。また、図９
は、９入力１出力の簡略型ファジイ制御器の構成図であ
り、このファジイ制御器は、９つの入力層ノードＮI1〜
ＮI9、８１個の中間層ノードＮM1〜ＮM81、１つの出力
層ノードＮOを有している。
【００１４】
【発明が解決しようとする課題】ところで、ｎ入力１出
力の簡略型ファジ、イ制御器における演算回数を考えて
みると、まず、２×ｎ個のメンバシップ関数を用いてメ
ンバシップ値を求めるために、この時の演算回数が２×
ｎ回となり、次いで適合度を求める際には入力数を二乗
した数すなわちｎ2回となる。さらに、出力する際の１
回の演算回数を加えると、結局、合計の演算回数Ｊは、
下式（１５）により表される。
力の簡略型ファジ、イ制御器における演算回数を考えて
みると、まず、２×ｎ個のメンバシップ関数を用いてメ
ンバシップ値を求めるために、この時の演算回数が２×
ｎ回となり、次いで適合度を求める際には入力数を二乗
した数すなわちｎ2回となる。さらに、出力する際の１
回の演算回数を加えると、結局、合計の演算回数Ｊは、
下式（１５）により表される。
【００１５】Ｊ＝２×ｎ＋ｎ2＋１ … （１５） したがって、２入力１出力、４入力１出力、及び９入力
１出力の各場合における演算回数は、（１５）式にそれ
ぞれｎ＝２，４，９を代入して求めることができる。そ
の結果、それぞれの演算回数Ｊの値は、９回、２５回、
１００回となり、入力数が増えるに応じて指数関数的に
演算回数が増大する結果となっている。
１出力の各場合における演算回数は、（１５）式にそれ
ぞれｎ＝２，４，９を代入して求めることができる。そ
の結果、それぞれの演算回数Ｊの値は、９回、２５回、
１００回となり、入力数が増えるに応じて指数関数的に
演算回数が増大する結果となっている。
【００１６】従来のファジイ演算においては、演算量を
低減させるために、簡略型ファジイ制御器を用い、更
に、１つの入力に対応する言語ラベルが２つになるメン
バシップ関数を用いていたが、それでも入力数が一定以
上多くなった場合には、上記のように演算回数が指数関
数的に急激に増大するため、演算量を充分に低減させる
ことができず、したがって多くの演算時間を要する結果
となっていた。
低減させるために、簡略型ファジイ制御器を用い、更
に、１つの入力に対応する言語ラベルが２つになるメン
バシップ関数を用いていたが、それでも入力数が一定以
上多くなった場合には、上記のように演算回数が指数関
数的に急激に増大するため、演算量を充分に低減させる
ことができず、したがって多くの演算時間を要する結果
となっていた。
【００１７】本発明は上記事情に鑑みてなされたもので
あり、入力数が多くなった場合に、演算量を充分に低減
させることができ、従来に比べて演算時間を大幅に短縮
することが可能なファジイ制御装置を提供し、また、こ
のファジイ制御装置の学習方法を提供することを目的と
している。
あり、入力数が多くなった場合に、演算量を充分に低減
させることができ、従来に比べて演算時間を大幅に短縮
することが可能なファジイ制御装置を提供し、また、こ
のファジイ制御装置の学習方法を提供することを目的と
している。
【００１８】
【課題を解決するための手段】上記課題を解決するため
の手段として、請求項１記載の発明は、複数台のファジ
イ制御器により形成される入力層と、前記入力層を形成
するファジイ制御器の台数よりも少ない台数のファジイ
制御器により形成される出力層と、を備えたことを特徴
とする。
の手段として、請求項１記載の発明は、複数台のファジ
イ制御器により形成される入力層と、前記入力層を形成
するファジイ制御器の台数よりも少ない台数のファジイ
制御器により形成される出力層と、を備えたことを特徴
とする。
【００１９】請求項２記載の発明は、複数台のファジイ
制御器により形成される入力層と、前記入力層を形成す
るファジイ制御器の台数よりも少ない台数のファジイ制
御器により形成される出力層と、を備えたネットワーク
型ファジイ制御装置に対して学習を行わせる場合に、前
記入力層の入力、及び前記出力層の出力に関する教師信
号データを各ファジイ制御器に与え、この教師信号デー
タの付与により得られる出力層の推論結果に基づきこの
出力層のファジイ制御器のメンバシップ関数のパラメー
タを更新する出力層メンバシップ関数更新段階と、前記
更新された前記出力層のファジイ制御器のメンバシップ
関数を用いたときの前記出力層の推論結果から前記入力
層の各ファジイ制御器の出力に関する各教師信号データ
を求め、この求めた各教師信号データに基づき入力層の
各ファジイ制御器の各メンバシップ関数のパラメータを
更新する入力層メンバシップ関数更新段階と、前記入力
層及び出力層の各メンバシップ関数のパラメータが収束
することを確認するパラメータ収束確認段階と、を含ん
で成ることを特徴とする。
制御器により形成される入力層と、前記入力層を形成す
るファジイ制御器の台数よりも少ない台数のファジイ制
御器により形成される出力層と、を備えたネットワーク
型ファジイ制御装置に対して学習を行わせる場合に、前
記入力層の入力、及び前記出力層の出力に関する教師信
号データを各ファジイ制御器に与え、この教師信号デー
タの付与により得られる出力層の推論結果に基づきこの
出力層のファジイ制御器のメンバシップ関数のパラメー
タを更新する出力層メンバシップ関数更新段階と、前記
更新された前記出力層のファジイ制御器のメンバシップ
関数を用いたときの前記出力層の推論結果から前記入力
層の各ファジイ制御器の出力に関する各教師信号データ
を求め、この求めた各教師信号データに基づき入力層の
各ファジイ制御器の各メンバシップ関数のパラメータを
更新する入力層メンバシップ関数更新段階と、前記入力
層及び出力層の各メンバシップ関数のパラメータが収束
することを確認するパラメータ収束確認段階と、を含ん
で成ることを特徴とする。
【００２０】
【発明の実施の形態】以下、本発明の実施形態を図に基
づき説明する。第１の実施形態では、まず、比較的簡単
な構成である４入力１出力のファジイ制御装置につき説
明する。
づき説明する。第１の実施形態では、まず、比較的簡単
な構成である４入力１出力のファジイ制御装置につき説
明する。
【００２１】図１に示したファジイ制御装置は、２台の
入力層ファジイ制御器ＦI1，ＦI2と、１台の出力層ファ
ジイ制御器ＦOとを有している。これら３台のファジイ
制御器は同一の構成を有するものであり、２つの入力層
ノードＮI1，ＮI2と、４つの中間層ノードＮM1〜ＮM4
と、１つの出力層ノードＮOとを備えている。そして、
入力層ファジイ制御器ＦI1は、入力x1に基づきデータｙ
1を出力し、入力層ファジイ制御器ＦI2は、入力x2に基
づきデータｙ2を出力する。そして、出力層ファジイ制
御器ＦOは、これら入力層ファジイ制御器ＦI1，ＦI2か
らのデータｙ1，ｙ2の入力に基づき推論結果ｚを出力す
る。
入力層ファジイ制御器ＦI1，ＦI2と、１台の出力層ファ
ジイ制御器ＦOとを有している。これら３台のファジイ
制御器は同一の構成を有するものであり、２つの入力層
ノードＮI1，ＮI2と、４つの中間層ノードＮM1〜ＮM4
と、１つの出力層ノードＮOとを備えている。そして、
入力層ファジイ制御器ＦI1は、入力x1に基づきデータｙ
1を出力し、入力層ファジイ制御器ＦI2は、入力x2に基
づきデータｙ2を出力する。そして、出力層ファジイ制
御器ＦOは、これら入力層ファジイ制御器ＦI1，ＦI2か
らのデータｙ1，ｙ2の入力に基づき推論結果ｚを出力す
る。
【００２２】この図１のファジイ制御装置における演算
回数を求めてみると、まず、１台のファジイ制御器にお
ける演算回数は、２×ｎ＋ｎ2＋１＝２×２＋２2＋１＝
９回であり、このファジイ制御装置は３台のファジイ制
御器を用いているので合計演算回数は３×９＝２７回で
ある。つまり、ファジイ制御装置における制御器の使用
台数をＱ、１台あたりの入力数をｎとすると、このファ
ジイ制御装置の合計の演算回数Ｊは下式（１６）により
表される。
回数を求めてみると、まず、１台のファジイ制御器にお
ける演算回数は、２×ｎ＋ｎ2＋１＝２×２＋２2＋１＝
９回であり、このファジイ制御装置は３台のファジイ制
御器を用いているので合計演算回数は３×９＝２７回で
ある。つまり、ファジイ制御装置における制御器の使用
台数をＱ、１台あたりの入力数をｎとすると、このファ
ジイ制御装置の合計の演算回数Ｊは下式（１６）により
表される。
【００２３】 Ｊ＝Ｑ×（２×ｎ＋ｎ2＋１） … （１６） 一方、図８に示した４入力１出力の従来のファジイ制御
器で演算を行う場合は、既述したように、その演算回数
は２５回である。したがって、４入力１出力の場合は、
本発明に係るネットワーク型ファジイ制御装置の方が僅
かではあるけれども却って演算回数が増加した結果とな
っている。しかし、図１の構成では１台のファジイ制御
器における入力数は２つとなっており、その分だけファ
ジイ演算の際のルール数を削減することができ演算内容
を簡単化することができる。したがって、図８に示した
従来の４入力１出力のファジイ制御器で演算を行う場合
よりも、演算回数が僅かに増えたにもかかわらず演算時
間を短縮することができる。
器で演算を行う場合は、既述したように、その演算回数
は２５回である。したがって、４入力１出力の場合は、
本発明に係るネットワーク型ファジイ制御装置の方が僅
かではあるけれども却って演算回数が増加した結果とな
っている。しかし、図１の構成では１台のファジイ制御
器における入力数は２つとなっており、その分だけファ
ジイ演算の際のルール数を削減することができ演算内容
を簡単化することができる。したがって、図８に示した
従来の４入力１出力のファジイ制御器で演算を行う場合
よりも、演算回数が僅かに増えたにもかかわらず演算時
間を短縮することができる。
【００２４】図２は、第２の実施形態である９入力１出
力のファジイ制御装置の構成図である。このファジイ制
御装置は、３台の入力層ファジイ制御器ＦI1〜ＦI3と、
１台の出力層ファジイ制御器ＦOとを有している。これ
ら４台のファジイ制御器は同一の構成を有するものであ
り、３つの入力層ノードＮI1〜ＮI3と、９つの中間層ノ
ードＮM1〜ＮM9と、１つの出力層ノードＮOとを備えて
いる。そして、入力層ファジイ制御器ＦI1〜ＦI3は、入
力x1に基づきデータｙ1を出力し、入力層ファジイ制御
器ＦI2，ＦI3も、同様にして、入力x2，ｘ3に基づきデ
ータｙ2，y3を出力する。そして、出力層ファジイ制御
器ＦOは、これら入力層ファジイ制御器ＦI1〜ＦI3から
のデータｙ1〜ｙ3の入力に基づき推論結果ｚを出力す
る。
力のファジイ制御装置の構成図である。このファジイ制
御装置は、３台の入力層ファジイ制御器ＦI1〜ＦI3と、
１台の出力層ファジイ制御器ＦOとを有している。これ
ら４台のファジイ制御器は同一の構成を有するものであ
り、３つの入力層ノードＮI1〜ＮI3と、９つの中間層ノ
ードＮM1〜ＮM9と、１つの出力層ノードＮOとを備えて
いる。そして、入力層ファジイ制御器ＦI1〜ＦI3は、入
力x1に基づきデータｙ1を出力し、入力層ファジイ制御
器ＦI2，ＦI3も、同様にして、入力x2，ｘ3に基づきデ
ータｙ2，y3を出力する。そして、出力層ファジイ制御
器ＦOは、これら入力層ファジイ制御器ＦI1〜ＦI3から
のデータｙ1〜ｙ3の入力に基づき推論結果ｚを出力す
る。
【００２５】この図２のファジイ制御装置における演算
回数を求めてみると、上記（１６）式にＱ＝４、ｎ＝３
を代入して、Ｊ＝４×（２×３＋３2＋１）＝６４
（回）となる。一方、図９に示した９入力１出力の従来
のファジイ制御器で演算を行う場合は、既述したよう
に、その演算回数は１００回である。したがって、９入
力１出力の場合になると、本発明に係るネットワーク型
ファジイ制御装置の演算回数は従来に比べて大幅に低減
されており、演算時間が大幅に短縮される結果となって
いる。
回数を求めてみると、上記（１６）式にＱ＝４、ｎ＝３
を代入して、Ｊ＝４×（２×３＋３2＋１）＝６４
（回）となる。一方、図９に示した９入力１出力の従来
のファジイ制御器で演算を行う場合は、既述したよう
に、その演算回数は１００回である。したがって、９入
力１出力の場合になると、本発明に係るネットワーク型
ファジイ制御装置の演算回数は従来に比べて大幅に低減
されており、演算時間が大幅に短縮される結果となって
いる。
【００２６】第１及び第２の実施形態では、それぞれ、
４入力１出力、及び９入力１出力のファジイ制御装置に
つき説明したが、本発明に係るネットワーク型ファジイ
制御装置は、出力数が入力数を上回らないようにすると
いうこと以外は特に入力数及び出力数は限定されず、ま
た、中間層を形成する構成としてもよい。
４入力１出力、及び９入力１出力のファジイ制御装置に
つき説明したが、本発明に係るネットワーク型ファジイ
制御装置は、出力数が入力数を上回らないようにすると
いうこと以外は特に入力数及び出力数は限定されず、ま
た、中間層を形成する構成としてもよい。
【００２７】図３は、第３の実施形態の構成図であり、
本発明に係るネットワーク型ファジイ制御装置の一般的
な構成を示すものである。すなわち、このファジイ制御
装置は、ｎ台の入力層ファジイ制御器ＦI1〜ＦInと、ｍ
台の中間層ファジイ制御器ＦM1〜ＦMmと、ｐ台の出力層
ファジイ制御器Ｆ01〜Ｆ0pとを有している。この図３に
おいて、中間層ファジイ制御器が省略され、入力層ファ
ジイ制御器が２台、出力層ファジイ制御器が１台となっ
ているものが第１の実施形態であり、また、中間層ファ
ジイ制御器が省略され、入力層ファジイ制御器が３台、
出力層ファジイ制御器が１台となっているものが第２の
実施形態であると考えることができる。なお、上記した
ように、本発明に係るネットワーク型ファジイ制御装置
の入力数及び出力数は特に限定されるものではないが、
従来と対比した第１及び第２の実施形態の演算回数から
も明らかなように、演算回数が低減される度合いは、入
力数が増えるに従って一層大きなものとなっている。し
たがって、複数台のファジイ制御器をネットワーク状に
接続するという本発明の構成を採用するのは、入力数が
ある程度以上多い場合の方が好ましいといえる。
本発明に係るネットワーク型ファジイ制御装置の一般的
な構成を示すものである。すなわち、このファジイ制御
装置は、ｎ台の入力層ファジイ制御器ＦI1〜ＦInと、ｍ
台の中間層ファジイ制御器ＦM1〜ＦMmと、ｐ台の出力層
ファジイ制御器Ｆ01〜Ｆ0pとを有している。この図３に
おいて、中間層ファジイ制御器が省略され、入力層ファ
ジイ制御器が２台、出力層ファジイ制御器が１台となっ
ているものが第１の実施形態であり、また、中間層ファ
ジイ制御器が省略され、入力層ファジイ制御器が３台、
出力層ファジイ制御器が１台となっているものが第２の
実施形態であると考えることができる。なお、上記した
ように、本発明に係るネットワーク型ファジイ制御装置
の入力数及び出力数は特に限定されるものではないが、
従来と対比した第１及び第２の実施形態の演算回数から
も明らかなように、演算回数が低減される度合いは、入
力数が増えるに従って一層大きなものとなっている。し
たがって、複数台のファジイ制御器をネットワーク状に
接続するという本発明の構成を採用するのは、入力数が
ある程度以上多い場合の方が好ましいといえる。
【００２８】上述したように、本発明は、複数台のファ
ジイ制御器をネットワーク状に接続したことを大きな特
徴としているが、これは従来考えられることのなかった
斬新な技術的思想である。なぜなら、ファジイ制御器の
演算対象自体が元々不確定なものであり、このような不
確定な対象についての演算を複数台のファジイ制御器を
用いて行ったとしても、演算結果の信頼性あるいはその
他の点につき特にメリットは得られないと考えるのが通
常だからである。しかし、本発明では、入力数が増える
に従って演算回数が指数関数的に増大するというファジ
イ演算の特性に着目し、複数台のファジイ制御器をネッ
トワーク状に接続する構成を採用することにより演算回
数を低減することに成功している。
ジイ制御器をネットワーク状に接続したことを大きな特
徴としているが、これは従来考えられることのなかった
斬新な技術的思想である。なぜなら、ファジイ制御器の
演算対象自体が元々不確定なものであり、このような不
確定な対象についての演算を複数台のファジイ制御器を
用いて行ったとしても、演算結果の信頼性あるいはその
他の点につき特にメリットは得られないと考えるのが通
常だからである。しかし、本発明では、入力数が増える
に従って演算回数が指数関数的に増大するというファジ
イ演算の特性に着目し、複数台のファジイ制御器をネッ
トワーク状に接続する構成を採用することにより演算回
数を低減することに成功している。
【００２９】複数台のファジイ制御器をネットワーク状
に接続することにより、入力数が多い場合に演算回数Ｊ
を大きく低減できる理由は(１５)式及び(１６)式の内容
を対比することにより明らかである。つまり、両式共に
ｎ2の項を含んでおり、ｎの値がある程度以上に大きく
なるとこのｎ2が急に大きくなるため、演算回数Ｊが急
激に増加する。しかし、本発明のように複数台のファジ
イ制御器を使用することにより、（１６）式におけるｎ
の値を（１５）式における場合よりも小さくすることが
でき、その結果演算回数Ｊを大幅に低減することが可能
になる。
に接続することにより、入力数が多い場合に演算回数Ｊ
を大きく低減できる理由は(１５)式及び(１６)式の内容
を対比することにより明らかである。つまり、両式共に
ｎ2の項を含んでおり、ｎの値がある程度以上に大きく
なるとこのｎ2が急に大きくなるため、演算回数Ｊが急
激に増加する。しかし、本発明のように複数台のファジ
イ制御器を使用することにより、（１６）式におけるｎ
の値を（１５）式における場合よりも小さくすることが
でき、その結果演算回数Ｊを大幅に低減することが可能
になる。
【００３０】次に、本発明に係るファジイ制御装置の学
習方法につき説明する。上記のように、複数台のファジ
イ制御器をネットワーク状に接続することにより構成し
たネットワーク型ファジイ制御装置が従来存在しなかっ
た以上、当然のことながら、このネットワーク型ファジ
イ制御装置の学習方法も存在しなかったわけであるが、
この学習方法は次のようにして実現することができる。
図１に示した４入力１出力のファジイ制御装置の場合を
例にとり、以下、この学習方法につき説明する。
習方法につき説明する。上記のように、複数台のファジ
イ制御器をネットワーク状に接続することにより構成し
たネットワーク型ファジイ制御装置が従来存在しなかっ
た以上、当然のことながら、このネットワーク型ファジ
イ制御装置の学習方法も存在しなかったわけであるが、
この学習方法は次のようにして実現することができる。
図１に示した４入力１出力のファジイ制御装置の場合を
例にとり、以下、この学習方法につき説明する。
【００３１】まず、図１における後段側ファジイ制御器
すなわち出力層ファジイ制御器ＦOの学習式を示す。出
力層ファジイ制御器ＦOに学習用信号列ｙ1，ｙ2，ｚ′
が与えられたとき、メンバシップ関数におけるａi,*、
代表値Ｖ*,*の学習更新式は下式(１７)〜(２４)により
表される。これらの式中、Ｋa，Ｋvは学習更新係数、ｔ
は時刻、ｔ+1は更新される変数を示す。また、ｚ′は推
論結果ｚに対応する教師信号データ、ｙ1，ｙ2は入力層
ファジイ制御器ＦI1，ＦI2の出力である。
すなわち出力層ファジイ制御器ＦOの学習式を示す。出
力層ファジイ制御器ＦOに学習用信号列ｙ1，ｙ2，ｚ′
が与えられたとき、メンバシップ関数におけるａi,*、
代表値Ｖ*,*の学習更新式は下式(１７)〜(２４)により
表される。これらの式中、Ｋa，Ｋvは学習更新係数、ｔ
は時刻、ｔ+1は更新される変数を示す。また、ｚ′は推
論結果ｚに対応する教師信号データ、ｙ1，ｙ2は入力層
ファジイ制御器ＦI1，ＦI2の出力である。
【００３２】同様にして、前段側ファジイ制御器すなわ
ち入力層ファジイ制御器ＦI1，ＦI2におけるａi,*、Ｖ
*,*の学習更新式も下式(２５)〜(３２)により表され
る。ただし、ここでは入力層ファジイ制御器ＦI1のみの
更新式を示し、入力層ファジイ制御器ＦI2の更新式につ
いては省略する。
ち入力層ファジイ制御器ＦI1，ＦI2におけるａi,*、Ｖ
*,*の学習更新式も下式(２５)〜(３２)により表され
る。ただし、ここでは入力層ファジイ制御器ＦI1のみの
更新式を示し、入力層ファジイ制御器ＦI2の更新式につ
いては省略する。
【００３３】
【数４】 図１のファジイ制御装置の学習手順は、図４のフローチ
ャートに示すようになる。すなわち、まず、各ファジイ
制御器のパラメータを初期化し（ステップ１）、各ファ
ジイ制御器に教師信号データｘ1，ｘ2，ｘ3，ｘ4，ｚ′
を入力する（ステップ２）。次いで、入力ｘ1，ｘ2，ｘ
3，ｘ4を用いて入力層ファジイ制御器ＦI1，ＦI2の出力
ｙ1，ｙ2を求め（ステップ３）、求めた出力ｙ1，ｙ2を
用いて出力層ファジイ制御器ＦOの適合度、及び推論結
果ｚを求める（ステップ４）。そして、出力層ファジイ
制御器ＦOの推論結果ｚ、適合度、及び教師信号データ
ｚ′より、この出力層ファジイ制御器ＦOの後件部の代
表値を更新し（ステップ５）、この更新した代表値を用
いて、適合度から再度推論結果ｚを求める（ステップ
６）。
ャートに示すようになる。すなわち、まず、各ファジイ
制御器のパラメータを初期化し（ステップ１）、各ファ
ジイ制御器に教師信号データｘ1，ｘ2，ｘ3，ｘ4，ｚ′
を入力する（ステップ２）。次いで、入力ｘ1，ｘ2，ｘ
3，ｘ4を用いて入力層ファジイ制御器ＦI1，ＦI2の出力
ｙ1，ｙ2を求め（ステップ３）、求めた出力ｙ1，ｙ2を
用いて出力層ファジイ制御器ＦOの適合度、及び推論結
果ｚを求める（ステップ４）。そして、出力層ファジイ
制御器ＦOの推論結果ｚ、適合度、及び教師信号データ
ｚ′より、この出力層ファジイ制御器ＦOの後件部の代
表値を更新し（ステップ５）、この更新した代表値を用
いて、適合度から再度推論結果ｚを求める（ステップ
６）。
【００３４】次いで、再度求めた推論結果ｚ、適合度、
教師信号データｚ′、更新された代表値を用いてメンバ
シップ関数のパラメータを更新し（ステップ７）、この
更新したパラメータを用いて再度推論結果ｚを求める
（ステップ８）。そして、再度求めた推論結果ｚ、適合
度、教師信号データｚ′、及び代表値より、入力層ファ
ジイ制御器ＦI1，ＦI2についての教師信号データｙ
1′，ｙ2′を求める（ステップ９）。
教師信号データｚ′、更新された代表値を用いてメンバ
シップ関数のパラメータを更新し（ステップ７）、この
更新したパラメータを用いて再度推論結果ｚを求める
（ステップ８）。そして、再度求めた推論結果ｚ、適合
度、教師信号データｚ′、及び代表値より、入力層ファ
ジイ制御器ＦI1，ＦI2についての教師信号データｙ
1′，ｙ2′を求める（ステップ９）。
【００３５】次いで、入力層ファジイ制御器ＦI1におい
て、この制御器の適合度、及びｙ1′を用いて代表値を
更新し（ステップ１０）、同様に、入力層ファジイ制御
器ＦI2において、この制御器の適合度、及びｙ2′を用
いて代表値を更新する（ステップ１１）。そして、この
更新した代表値を用いて、再度、出力層ファジイ制御器
ＦOにおいて推論結果ｚを求め（ステップ１２）、この
再度求めた推論結果ｚを用いて、再度ｙ1′，ｙ2′を求
める（ステップ１３）。
て、この制御器の適合度、及びｙ1′を用いて代表値を
更新し（ステップ１０）、同様に、入力層ファジイ制御
器ＦI2において、この制御器の適合度、及びｙ2′を用
いて代表値を更新する（ステップ１１）。そして、この
更新した代表値を用いて、再度、出力層ファジイ制御器
ＦOにおいて推論結果ｚを求め（ステップ１２）、この
再度求めた推論結果ｚを用いて、再度ｙ1′，ｙ2′を求
める（ステップ１３）。
【００３６】この後、入力層ファジイ制御器ＦI1におい
て、この制御器の適合度、更新された代表値、及びｙ
1′を用いてメンバシップ関数のパラメータを更新し
（ステップ１４）、同様に、入力層ファジイ制御器ＦI2
において、この制御器の適合度、更新された代表値、及
びｙ2′を用いてメンバシップ関数のパラメータを更新
する（ステップ１５）。そして、これらのパラメータが
収束したか否かを判別し（ステップ１６）、収束してい
れば学習を終了し、収束していなければステップ２に戻
って、収束するまで上記の学習手順を繰り返す。
て、この制御器の適合度、更新された代表値、及びｙ
1′を用いてメンバシップ関数のパラメータを更新し
（ステップ１４）、同様に、入力層ファジイ制御器ＦI2
において、この制御器の適合度、更新された代表値、及
びｙ2′を用いてメンバシップ関数のパラメータを更新
する（ステップ１５）。そして、これらのパラメータが
収束したか否かを判別し（ステップ１６）、収束してい
れば学習を終了し、収束していなければステップ２に戻
って、収束するまで上記の学習手順を繰り返す。
【００３７】
【発明の効果】以上のように、本発明によれば、入力層
を複数台のファジイ制御器により形成すると共に、出力
層を、入力層を形成するファジイ制御器の台数よりも少
ない台数のファジイ制御器により形成する構成としたの
で、入力数が多くなった場合に、演算量を充分に低減さ
せることができ、従来に比べて演算時間を大幅に短縮す
ることが可能なファジイ制御装置を実現することがで
き、また、このファジイ制御装置の学習方法についても
実現することができる。
を複数台のファジイ制御器により形成すると共に、出力
層を、入力層を形成するファジイ制御器の台数よりも少
ない台数のファジイ制御器により形成する構成としたの
で、入力数が多くなった場合に、演算量を充分に低減さ
せることができ、従来に比べて演算時間を大幅に短縮す
ることが可能なファジイ制御装置を実現することがで
き、また、このファジイ制御装置の学習方法についても
実現することができる。
【図１】本発明の第１の実施形態に係るネットワーク型
ファジイ制御装置の構成図。
ファジイ制御装置の構成図。
【図２】本発明の第２の実施形態に係るネットワーク型
ファジイ制御装置の構成図。
ファジイ制御装置の構成図。
【図３】本発明の第３の実施形態に係るネットワーク型
ファジイ制御装置の構成図。
ファジイ制御装置の構成図。
【図４】図１のネットワーク型ファジイ制御装置につい
ての学習手順を示すフローチャート。
ての学習手順を示すフローチャート。
【図５】従来例に係る２入力１出力の簡略型ファジイ制
御器の構成図。
御器の構成図。
【図６】図５の簡略型ファジイ制御器に用いられるメン
バシップ関数の特性図。
バシップ関数の特性図。
【図７】図５の簡略型ファジイ制御器に用いられるメン
バシップ関数の特性図。
バシップ関数の特性図。
【図８】従来例に係る４入力１出力の簡略型ファジイ制
御器の構成図。
御器の構成図。
【図９】従来例に係る９入力１出力の簡略型ファジイ制
御器の構成図。
御器の構成図。
ＦI1〜ＦI3 入力層ファジイ制御器 ＦO，Ｆ01〜Ｆ0p 出力層ファジイ制御器 ＦM1〜ＦMm 中間層ファジイ制御器 ＮI1〜ＮI3 入力層ノード ＮM1〜ＮM9 中間層ノード ＮO 出力層ノード ｘ1〜ｘ9 入力変数 ｙ1〜ｙ3 出力データ ｚ 推論結果 ｚ′ 教師信号データ
Claims (2)
- 【請求項１】複数台のファジイ制御器により形成される
入力層と、 前記入力層を形成するファジイ制御器の台数よりも少な
い台数のファジイ制御器により形成される出力層と、 を備えたことを特徴とするネットワーク型ファジイ制御
装置。 - 【請求項２】複数台のファジイ制御器により形成される
入力層と、前記入力層を形成するファジイ制御器の台数
よりも少ない台数のファジイ制御器により形成される出
力層と、を備えたネットワーク型ファジイ制御装置に対
して学習を行わせる場合に、 前記入力層の入力、及び前記出力層の出力に関する教師
信号データを各ファジイ制御器に与え、この教師信号デ
ータの付与により得られる出力層の推論結果に基づきこ
の出力層のファジイ制御器のメンバシップ関数のパラメ
ータを更新する出力層メンバシップ関数更新段階と、 前記更新された前記出力層のファジイ制御器のメンバシ
ップ関数を用いたときの前記出力層の推論結果から前記
入力層の各ファジイ制御器の出力に関する各教師信号デ
ータを求め、この求めた各教師信号データに基づき入力
層の各ファジイ制御器の各メンバシップ関数のパラメー
タを更新する入力層メンバシップ関数更新段階と、 前記入力層及び出力層の各メンバシップ関数のパラメー
タが収束することを確認するパラメータ収束確認段階
と、 を含んで成るネットワーク型ファジイ制御装置の学習方
法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11034289A JP2000231547A (ja) | 1999-02-12 | 1999-02-12 | ネットワーク型ファジイ制御装置及びその学習方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11034289A JP2000231547A (ja) | 1999-02-12 | 1999-02-12 | ネットワーク型ファジイ制御装置及びその学習方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000231547A true JP2000231547A (ja) | 2000-08-22 |
Family
ID=12410006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11034289A Pending JP2000231547A (ja) | 1999-02-12 | 1999-02-12 | ネットワーク型ファジイ制御装置及びその学習方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000231547A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005524563A (ja) * | 2002-05-03 | 2005-08-18 | コンティネンタル・テーベス・アクチエンゲゼルシヤフト・ウント・コンパニー・オッフェネ・ハンデルスゲゼルシヤフト | 車輪回転速度情報に基づいて直進走行を検出する方法 |
| CN111022206A (zh) * | 2018-10-09 | 2020-04-17 | 丰田自动车株式会社 | 车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型、机器学习系统 |
-
1999
- 1999-02-12 JP JP11034289A patent/JP2000231547A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005524563A (ja) * | 2002-05-03 | 2005-08-18 | コンティネンタル・テーベス・アクチエンゲゼルシヤフト・ウント・コンパニー・オッフェネ・ハンデルスゲゼルシヤフト | 車輪回転速度情報に基づいて直進走行を検出する方法 |
| JP4744873B2 (ja) * | 2002-05-03 | 2011-08-10 | コンティネンタル・テーベス・アクチエンゲゼルシヤフト・ウント・コンパニー・オッフェネ・ハンデルスゲゼルシヤフト | 車輪回転数情報に基づいて直進走行を検出するための方法 |
| CN111022206A (zh) * | 2018-10-09 | 2020-04-17 | 丰田自动车株式会社 | 车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型、机器学习系统 |
| CN111022206B (zh) * | 2018-10-09 | 2022-06-21 | 丰田自动车株式会社 | 车辆用驱动装置的控制装置及方法、车载电子控制单元 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Miao et al. | On causal inference in fuzzy cognitive maps | |
| Ling et al. | A novel genetic-algorithm-based neural network for short-term load forecasting | |
| US5524176A (en) | Fuzzy expert system learning network | |
| Edwards et al. | Symbolic dynamics and computation in model gene networks | |
| WO1991014226A1 (en) | Neuro-fuzzy fusion data processing system | |
| Smith et al. | A hybrid neural approach to combinatorial optimization | |
| US5537514A (en) | Method of rearranging and method of coding fuzzy reasoning rules, and method of fuzzy reasoning processing in accordance with said rules | |
| JP2000231547A (ja) | ネットワーク型ファジイ制御装置及びその学習方法 | |
| Lee et al. | Intelligent performance management of networks for advanced manufacturing systems | |
| Renders et al. | Genetic algorithms for process control: A survey | |
| CN109697511B (zh) | 数据推理方法、装置及计算机设备 | |
| JP3727680B2 (ja) | あいまい推論装置及びあいまい推論方法 | |
| Dearden | Structured prioritized sweeping | |
| JPH08286922A (ja) | ファジィ・ニューラルネットワーク装置 | |
| Kasabov et al. | Evolutionary computation for dynamic parameter optimisation of evolving connectionist systems for on-line prediction of time series with changing dynamics | |
| Martens et al. | An initial comparison of a fuzzy neural classifier and a decision tree based classifier | |
| US5696882A (en) | Method and apparatus for using a neural network to extract an optimal subset of data objects from an available class of data objects | |
| JP2001117774A (ja) | 適応化機構を備えたプロダクションシステム | |
| JP3588477B2 (ja) | 判断規則生成装置 | |
| JP5011529B2 (ja) | データ処理装置、データ処理方法及びプログラム | |
| JP2763371B2 (ja) | 階層ネットワーク構成ファジィ制御器 | |
| JPH05242064A (ja) | 神経回路網の高速学習装置 | |
| JPH09179894A (ja) | 回路設計装置および方法 | |
| JP2744321B2 (ja) | 適応型データ処理装置の解析処理方法 | |
| EP0472921B1 (en) | Fuzzy inference system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 9 Free format text: PAYMENT UNTIL: 20080723 |
|
| LAPS | Cancellation because of no payment of annual fees |