JP3029451B2 - ファジィ制御装置 - Google Patents
ファジィ制御装置Info
- Publication number
- JP3029451B2 JP3029451B2 JP02299125A JP29912590A JP3029451B2 JP 3029451 B2 JP3029451 B2 JP 3029451B2 JP 02299125 A JP02299125 A JP 02299125A JP 29912590 A JP29912590 A JP 29912590A JP 3029451 B2 JP3029451 B2 JP 3029451B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- grade
- network layer
- control
- output
- 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.)
- Expired - Lifetime
Links
Landscapes
- Devices For Executing Special Programs (AREA)
- Feedback Control In General (AREA)
Description
ラルネットワーク層と、第1ニューラルネットワーク層
とのニューロン間結合重みがメンバシップ関数に対する
出力変数代表値のグレードに設定され、第1のニューラ
ルネットワーク層により得られたグレードから出力変数
代表値のグレードを求めて出力する第2のニューラルネ
ットワーク層と、第2ニューラルネットワーク層から与
えられたグレードの面積重心を求める第3のニューラル
ネットワーク層と、を有することにより構成され、また
この構成において、第2のニューラルネットワーク層の
出力特性が最大値関数とされ、あるいは線形和関数とさ
れる。
ファジィ制御が行なわれている。
つある。
む制御アルゴリズムをif−then形式で表現し、ファジィ
理論に従ってこの制御アルゴリズムを実現していくこと
で、検出される制御状態量から制御操作量に算出して制
御対象を制御していくものである。
制御ルール中に記述される「あいまいな言語表現」を数
値化して表現するメンバーシップ関数を制御対象に適合
するものにチューニングしていく必要がある。
の形式(if部は前件部、then部は後件部と称せられてい
る)で記述されるファジィ制御ルールの生成は、従来、
制御対象の制御に熟知しているオペレータの対象プロセ
スに関する知識に従って、まず最初に、制御状態量及び
制御操作量の値に関しての言語的な意味をメンバーシッ
プ関数として定量化し、次に、これらのメンバーシップ
関数の間の関係付けを記述することでファジィ制御ルー
ルの粗いモデルを生成する。
ルをシュミレーションや現地テストにより評価しながら
メンバーシップ関数も含めてチューニングしていくこと
で、制御対象に適合したファジィ制御ルールに完成させ
ていくという方法により実現されていた。
技術につき説明する。
(外気温度)と1つの出力変数Y(燃料量)が使用さ
れ、外気温度(X1)が低い(small)ときに燃料量
(Y)が増加(large)する第1のファジィルール(rul
e1:if X1 is small then Y is large),外気温度(X
1)が高い(large)ときに燃料量(Y)が減少(smal
l)する第2のファジィルール(rule2:if X1 is large
then Y is small)が適用される。
(グレード,以下、帰属度とも言う),入力変数X2の値
がlargeに属している割合が、同図(A),(B)のよ
うに、第1ファジィがルールrule1,第2ファジィルール
rule2の各グレードとして最初に求められる。
largeに第1ファジィルールrule1,第2ファジィルールr
ule2のグレードが各々乗算され、それらグレードによる
メンバシップ関数small,largeの重み付けが行なわれ
る。
れ、同図(E)の出力変数Y−帰属度特性が求められ
る。
算出され、この重心を示す出力変数Yの値が制御操作量
として出力される。
ールに従って行なえる。
返すことにより目標の制御特性が得られていたので、製
品の開発に長時間を要していた。
制御精度が低下し、その際の再調整が困難となる。
の目的は、制御特性を自動調整できる装置を提供するこ
とにある。
1図のように構成されている。
ニューロン100でメンバシップ関数B1(y),B2(y),B
3(y)のグレードGi(i=1,2,3)が求められており、
これらのグレードGiは第2ニューラルネットワーク層12
の各ニューロン120へ出力される。
ン100と第2ニューラルネットワーク層12の各ニューロ
ン120との結合重みはメンバシップ関数B1(y),B2
(y),B3(y)に対する出力変数代表値yj(j=1,2・
・・8)のグレード(帰属度)Bi(yj)とされており、
第2ニューラルネットワーク層12の各ニューロン120に
おいては、第1ニューラルネットワーク層10で得られた
グレードGiから出力変数代表値yj(j=1,2・・・8)
のグレードB(yj)が求められる。
れたグレードB(yj)は第3のニューラルネットワーク
層14に与えられ、それらグレードB(yj)の面積重心が
この第3ニューラルネットワーク層14で求められる。
ク層12の出力特性としては最大値関数や線形和関数の特
性を選択できる。
シップ関数B1(y),B2(y),B3(y)に対する出力変
数代表値yj(j=1,2・・・8)の帰属度Bi(yj)とさ
れているので、ニューロン120の入力は{G1B1(yj),G2
B2(yj)・・・G8B8(yj)}となる。
が最大値関数とされていた場合には、 B(y)=max(GiBi(y)) の出力が得られ、 の式で示されるように、グレードB(yj)の面積重心が
第3ニューラルネットワーク層14において求められる。
ットワークで構成されるので、メンバシップ関数を学習
により自動調整できる。
線形和の関数とされていた場合にも、同様な自動調整が
可能である。
施例を説明する。
うにこの装置は第1のニューラルネットワーク層10,第
2のニューラルネットワーク層12,第3のニューラルネ
ットワーク層14で構成されている。
のニューロンユニット101が設けられており、第2のニ
ューラルネットワーク層12には6つのニューロンユニッ
ト121が設けられている。
ューロンユニット122に与えられており、それらの出力
がニューロンユニット122で線形和関数の特性に従って
代数和演算される。
算部140が設けられており、重心計算部140ではニューロ
ンユニット122から与えられた出力の積分演算で制御の
操作出力(Y)が得られている。
allとlargeのメンバシップ関数が用意されており、両メ
ンバシップ関数に基づいて、同図(A)の代表値0.0,0.
2,0.4,0.6,0.8,1.0(不等の間隔も可)と対応した帰属
度が同図(C)のように求められる。
1間の結合重みが決定されており、その結果、メンバシ
ップ関数small,largeのグレード(Gi)がニューロンユ
ニット122へ出力される。
合を考える。数直線上の座標x1に重さyが存在している
ときに、それを(x1,y1)と書くことにする。
散らばっているときにそれらの重さの重心x(c)は次
式によって与えられる。
ロンユニット122は、座標の最小値をx(1)、最大値
をx(n)、任意の座標値をx(i)として次式で与え
られる。
こともできる。
重心決定要素y(1),y(2)を用いると、重心の値は
次式に変形される。
明する。
重みを示し、(b)は入力値とそれに対する重心決定要
素出力値の例である。
例である、(a)は各座標と結合の重みを、また(b)
は入力値と重心決定要素出力値を示し、(c)式を用い
ることによって重心の値は第5図と同じく1となる。
(D)で示されるように決定されており、ニューロンユ
ニット122では線形和関数(学習性を重視)の特性に従
い、入力グレードの代数和演算が行なわれる。
と、それらは重心計算部142に出力される。
ールの表現方法が説明されており、同図(A)のメンバ
シップ関数smallは同図(B)で示された1入力1出力
の3層ネットワーク30−1(ニューロンユニット101)
で置き換えられる。
えられており、その値がメンバシップ関数smallに帰属
する度合(Gi)が出力される。
の帰属度が他の3層ネットワーク30−2(ニューロンユ
ニット101)で得られた帰属度とともに次段のニューロ
ン32(ニューロンユニット121,122)へ出力される。
2図では代数和演算)され、これによりファジィルール
のグレード(Gi)がニューロン32で得られる。
ット121では、ニューロンユニット102との間の重み付け
が第2図(C)のように設定されており、代数和演算が
ニューロンユニット121において行なわれるので、各代
表値(y1,y2)のグレードを積算した出力が得られる。
へ与えられ、重心計算部140においてはニューロンユニ
ット122から与えられた各グレード積算値の面積重心
(制御の操作出力)Y=y2/(y1−y2)の(d)式に従
い算出される。
説明されているが、本出願人が出願した特願平2−6685
1号の明細書の中にも説明されている。
クで行なわれる。
ってメンバシップ関数の調整を自動的に行なえる。
グレードを求める計算をニューラルネットワークで置き
換えることが出来るため、ニューロコンピュータ特有の
学習を容易に行うことが出来る。
アまたニューラルネットワークのハードウェア構成は特
許協力条約に基づいて公開された国際出願の国際公開番
号WO 90/02381(1990年3月8日公開)「ニューロコン
ピュータ」または、国際公開番号WO 90/03006(1990年
3月22日公開)「ネットワーク構成データ処理装置の学
習処理方式」で開示されたものを使用することが出来
る。
数を大幅に削減することが可能となる。
バシップ関数が自動調整されて制御特性の経時的な変化
が吸収されるので、製品の制御精度を維持することが可
能となり、その再調整を行なう保守作業を不要化するこ
とも可能となる。
ルネットワークの動作原理等は省略したが、これらにつ
いては上記出願の国際公開公報に記載されているもので
ある。
トワークによりファジィ制御が行なわれるので、その学
習機能でメンバシップ関数の調整を自動的に行なえ、こ
のため、目的の制御特性を得るために要する開発工数を
大幅に削減することが可能となり、しかも、制御特性の
経時変化を吸収して製品の制御精度を維持し、その再調
整を不要化することも可能となる。
の表現説明図、 第4図は従来技術の説明図、 第5図は重心決定要素出力の第1実施例を示す説明図、 第6図は重心決定要素出力の第2実施例を示す説明図、 第7図はニューロユニット121以降の構成を説明する説
明図、 である。 10……第1のニューラルネットワーク層 12……第2のニューラルネットワーク層 14……第4のニューラルネットワーク層 100,120……ニューロン 101,121,122……ニューロンユニット 140……重心計算部
Claims (3)
- 【請求項1】メンバシップ関数のグレードを出力する第
1のニューラルネットワーク層(10)と、 第1ニューラルネットワーク層(10)とのニューロン間
結合重みがメンバシップ関数に対する出力変数代表値の
グレードに設定され、第1のニューラルネットワーク層
(10)で得られたグレードから出力変数代表値のグレー
ドを求めて出力する第2のニューラルネットワーク層
(12)と、 第2ニューラルネットワーク層(12)から与えられたグ
レードの面積重心を求める第3のニューラルネットワー
ク層(14)と、 を有する、ことを特徴とするファジィ制御装置。 - 【請求項2】入力変数の値が与えられることによりメン
バシップ関数のグレードを出力する第1のニューラルネ
ットワーク層(10)と、 第1ニューラルネットワーク層(10)とのニューロン間
結合重みがメンバシップ関数に対する出力変数代表値の
グレードに設定され、第1のニューラルネットワーク層
(10)により得られたグレードから出力変数代表値のグ
レードを求めて最大値関数の特性で出力する第2のニュ
ーラルネットワーク層(12)と、 第2ニューラルネットワーク層(12)から与えられたグ
レードの面積重心を求める第3のニューラルネットワー
ク層(14)と、 を有する、ことを特徴とするファジィ制御装置。 - 【請求項3】メンバシップ関数のグレードを出力する第
1のニューラルネットワーク層(10)と、 第1ニューラルネットワーク層(10)とのニューロン間
結合重みがメンバシップ関数に対する出力変数代表値の
グレードに設定され、第1のニューラルネットワーク層
(10)により得られたグレードから出力変数代表値のグ
レードを求めて線形和関数の特性で出力する第2のニュ
ーラルネットワーク層(12)と、 第2ニューラルネットワーク層(12)から与えられたグ
レードの面積重心を求める第3のニューラルネットワー
ク層(14)と、 を有する、ことを特徴とするファジィ制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP02299125A JP3029451B2 (ja) | 1990-11-05 | 1990-11-05 | ファジィ制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP02299125A JP3029451B2 (ja) | 1990-11-05 | 1990-11-05 | ファジィ制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH04170641A JPH04170641A (ja) | 1992-06-18 |
JP3029451B2 true JP3029451B2 (ja) | 2000-04-04 |
Family
ID=17868448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP02299125A Expired - Lifetime JP3029451B2 (ja) | 1990-11-05 | 1990-11-05 | ファジィ制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3029451B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5579439A (en) * | 1993-03-24 | 1996-11-26 | National Semiconductor Corporation | Fuzzy logic design generator using a neural network to generate fuzzy logic rules and membership functions for use in intelligent systems |
US5828812A (en) * | 1993-03-24 | 1998-10-27 | National Semiconductor Corporation | Recurrent neural network-based fuzzy logic system and method |
US5677609A (en) * | 1994-07-28 | 1997-10-14 | National Semiconductor Corporation | Intelligent servomechanism controller |
-
1990
- 1990-11-05 JP JP02299125A patent/JP3029451B2/ja not_active Expired - Lifetime
Non-Patent Citations (1)
Title |
---|
今崎、山口、「ファジイニューラルネットに向けて−連想記憶とファジイ推論」,Computer Today,vol.7,No.1(1990),p.52〜58 |
Also Published As
Publication number | Publication date |
---|---|
JPH04170641A (ja) | 1992-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kang | An investigation of the use of feedforward neural networks for forecasting | |
CN108284442B (zh) | 一种基于模糊神经网络的机械臂柔性关节控制方法 | |
WO1991014226A1 (en) | Neuro-fuzzy fusion data processing system | |
Ponnapalli et al. | A formal selection and pruning algorithm for feedforward artificial neural network optimization | |
JP2747104B2 (ja) | ニューラルネットワーク | |
Das et al. | Chaos in a three dimensional neural network | |
Chakroborty et al. | Calibrating the membership functions of the fuzzy inference system: instantiated by car-following data | |
JP3247803B2 (ja) | ファジィ・ニューラルネットワーク・システム | |
JP3029451B2 (ja) | ファジィ制御装置 | |
JP3550985B2 (ja) | 神経回路網の検証方法,検証装置及び記録媒体 | |
Park et al. | Iterative inversion of fuzzified neural networks | |
JP3354593B2 (ja) | ネットワーク型情報処理装置の学習システム | |
Kruse et al. | Learning methods for fuzzy systems | |
Petrou | Learning in pattern recognition | |
JP2907486B2 (ja) | ニューラルネットワーク装置 | |
JP2643295B2 (ja) | ファジィ制御演算装置およびファジィ推論方法 | |
Faghri et al. | Analysis of performance of backpropagation ANN with different training parameters | |
JP2000276459A (ja) | 学習による変換関数を用いた乱数発生装置,乱数発生方法および乱数発生システム | |
JP4267726B2 (ja) | 制御装置における動作信号と操作量との関係を決定する装置、制御装置、データ生成装置、入出力特性決定装置及び相関関係評価装置 | |
JP2501932B2 (ja) | ニュ―ラルネットワ―クによる重心決定要素出力装置 | |
JP3292495B2 (ja) | ニューロ・ファジィ融合システム | |
JP2763369B2 (ja) | ファジィ制御ルールのチューニング方法 | |
JP2761569B2 (ja) | 重心決定要素出力装置の教師信号決定装置 | |
Yeh | Structural engineering applications with augmented neural networks | |
JPH0954764A (ja) | モデルの汎化能力評価方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080204 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090204 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090204 Year of fee payment: 9 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090204 Year of fee payment: 9 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090204 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100204 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110204 Year of fee payment: 11 |
|
EXPY | Cancellation because of completion of term | ||
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110204 Year of fee payment: 11 |