JPH01103705A - Fuzzy inference device - Google Patents
Fuzzy inference deviceInfo
- Publication number
- JPH01103705A JPH01103705A JP62262032A JP26203287A JPH01103705A JP H01103705 A JPH01103705 A JP H01103705A JP 62262032 A JP62262032 A JP 62262032A JP 26203287 A JP26203287 A JP 26203287A JP H01103705 A JPH01103705 A JP H01103705A
- Authority
- JP
- Japan
- Prior art keywords
- membership function
- value
- inference
- synthesized
- degree
- 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
Links
- 230000006870 function Effects 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 6
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 6
- 239000002131 composite material Substances 0.000 claims description 31
- 239000000203 mixture Substances 0.000 claims description 6
- 230000002194 synthesizing effect Effects 0.000 abstract description 7
- 230000003111 delayed effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000004886 process control Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 229910020343 SiS2 Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011785 micronutrient Substances 0.000 description 1
- 235000013369 micronutrients Nutrition 0.000 description 1
- 239000013642 negative control Substances 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Landscapes
- Devices For Executing Special Programs (AREA)
- Feedback Control In General (AREA)
Abstract
Description
【発明の詳細な説明】
〔産業上の利用分野〕
この発明は、各種工業プロセスを監視して、当該工業プ
ロセスに対してふされしいパラメータの値を推論する、
再帰型のファジィ推論装置に関するものである。[Detailed Description of the Invention] [Industrial Application Field] The present invention monitors various industrial processes and deduces appropriate parameter values for the industrial processes.
The present invention relates to a recursive fuzzy inference device.
第５図は例えば「省力と自動化」の１９８６年１１月号
第６１〜６６頁の「ファジィ・システム理論とファジィ
制御」（浅居喜代治）に示された従来のファジィ推論装
置の動作原理を示す説明図であり、図において、−１及
び２は推論のルール、３及び４は当該ファジィ推論装置
に入力される特徴量であり、ここではそれぞれ制御系の
制御偏差ｅと制御偏差の変化率Δｅである。また、５及
び６は前記ルール１の前件部のメンバーシップ関数、７
は当該ルール１の後件部のメンバーシップ関数、８及び
９は前記ルール２の前件部のメンバーシップ関数、１０
は当該ルール２の後件部のメンバーシップ関数である。Figure 5 shows the operating principle of a conventional fuzzy inference device, as shown, for example, in ``Fuzzy System Theory and Fuzzy Control'' (Kiyoharu Asai) in ``Labor Saving and Automation'', November 1986 issue, pages 61-66. This is an explanatory diagram. In the diagram, -1 and 2 are inference rules, and 3 and 4 are feature quantities input to the fuzzy inference device. Here, they are the control deviation e of the control system and the rate of change Δe of the control deviation, respectively. It is. In addition, 5 and 6 are membership functions of the antecedent part of rule 1, and 7
is the membership function of the consequent part of the rule 1, 8 and 9 are the membership functions of the antecedent part of the rule 2, and 10
is the membership function of the consequent part of Rule 2.
さらに、１１は前記メンバーシップ関数７及びＩＯを合
成したメンバーシップ関数、１２はこのメンバーシップ
関数１１から重心をとって得られる推論値であり、この
例では操作量ΔＵとして当該ファジィ推論装置より出力
される。Further, 11 is a membership function obtained by combining the membership function 7 and IO, and 12 is an inference value obtained by taking the center of gravity from this membership function 11. In this example, it is output from the fuzzy inference device as the manipulated variable ΔU. be done.
また、第６図はこのような動作原理に基づ〈従来のファ
ジィ推論装置の一例を示すブロック図であり、図におい
て、１３は前記各ルールｌ及び２に対し、入力された特
徴量３，４から前件部の成立度を評価し、その成立度に
基づいて後件部のメンバーシップ関数の重み付けを行う
加重手段、１４はこの加重手段１３によって重み付けさ
れたメンバーシップ関数を合成する合成手段、１５はこ
の合成手段１４によって合成されたメンバーシップ関数
から推論値１２を決定して出力する推論値決定手段であ
る。Furthermore, FIG. 6 is a block diagram showing an example of a conventional fuzzy inference device based on such an operating principle. In the figure, 13 indicates input feature quantities 3, 4, a weighting means for evaluating the degree of validity of the antecedent part and weighting the membership function of the consequent part based on the degree of validity; 14, a composition means for synthesizing the membership functions weighted by the weighting means 13; , 15 is an inference value determining means for determining and outputting an inference value 12 from the membership function synthesized by the synthesizing means 14.
次に動作について説明する。ここで、ルールｌは、「特
徴量３（制御偏差ｅ）が負に少しずれ、かつ特徴量４（
制御偏差の変化率へ〇）が正に少しずれているならば、
推論値１２（操作量ΔＵ）を正に少しずらす」という意
味であり、このうち、「・・・・・・ならば」の部分を
前述の前件部と呼び、それより後の部分を前述の後件部
と呼んでいる。従って、このルール１の前件部のメンバ
ーシップ関数５は「負に少しずれた制御偏差の集合」を
規定し、メンバーシップ関数６は［正に少しずれた制御
偏差の変化率の集合」を規定している。Next, the operation will be explained. Here, rule 1 states that ``Feature amount 3 (control deviation e) has a slight negative deviation, and feature amount 4 (
If the rate of change of control deviation 〇) is slightly off, then
It means "to slightly shift the inference value 12 (operated amount ΔU)", of which the "if..." part is called the above-mentioned antecedent part, and the part after that is called the above-mentioned antecedent part. It is called the consequent of . Therefore, membership function 5 in the antecedent part of Rule 1 defines "a set of control deviations with a slight negative deviation", and membership function 6 defines a "set of change rates of control deviations with a slight positive deviation". stipulated.
今、加重手段１３に入力された特徴量３としての制御偏
差の実際の値がｅ。であり、特徴量４としての制御偏差
の変化率の実際の値がΔｅｏである場合、第５図に示す
ように、前記値ｅ。が「負に少しずれた制御偏差」であ
る度合いは、メンバーシップ関数５によって“０．８”
と評価され、前記値Δｅｏが「正に少しずれた制御偏差
の変化率」である度合いは、メンバーシップ関数６によ
って“０．７”と評価される。これら両評価値の内、低
い方の値“０．７”が採用されて当該ルールｌの前件部
の成立度となる。さらに、このルール１の後件部のメン
バーシップ関数７は「操作量を正に少しずらす」という
ことを意味しており、当該メンバーシップ関数７は、前
記前件部の成立度の値に従って ０，７倍に重み付けさ
れる。Now, the actual value of the control deviation as the feature amount 3 input to the weighting means 13 is e. , and when the actual value of the rate of change of the control deviation as the feature quantity 4 is Δeo, the value e is as shown in FIG. The degree to which is a “slightly negative control deviation” is “0.8” according to the membership function 5.
The degree to which the value Δeo is "the rate of change of the control deviation with a slight deviation" is evaluated as "0.7" by the membership function 6. Of these two evaluation values, the lower value "0.7" is adopted as the degree of fulfillment of the antecedent part of the rule I. Furthermore, the membership function 7 of the consequent part of this rule 1 means "to shift the amount of operation by a small amount", and the membership function 7 is set to 0 according to the value of the degree of establishment of the antecedent part. , is weighted 7 times.
このことはルール２についても全く同様であり、入力さ
れた養微量３の制御偏差の実際の値ｅ。と、特徴量４の
制御偏差の変化率の実際の値ΔｅＯに基づいて前件部の
成立度を評価し、その成立度の値“０．５”に基づいて
、後件部のメンバーシップ関数１０に ０．５倍の重み
付けを行う。このようにして重み付けされたメンバーシ
ップ関数７及び１０は合成手段Ｉ４へ入力されて合成さ
れ、合成メンバーシップ関数１１が得られる。さらに、
この合成メンバーシップ関数１１は推論値決定手段１５
に入力されて重心が計算され、その結果、操作量Δｕｏ
が推論値１２として当該ファジィ推論装置より出力され
る。This is exactly the same for Rule 2, and the actual value e of the control deviation of the input micronutrient amount 3. Then, the degree of validity of the antecedent part is evaluated based on the actual value ΔeO of the rate of change of the control deviation of feature quantity 4, and the membership function of the consequent part is evaluated based on the value of the degree of validity "0.5". 10 is weighted 0.5 times. The membership functions 7 and 10 weighted in this manner are input to the synthesizing means I4 and synthesized to obtain a composite membership function 11. moreover,
This composite membership function 11 is determined by the inference value determining means 15
is input to calculate the center of gravity, and as a result, the manipulated variable Δuo
is output from the fuzzy inference device as an inference value 12.
以上のように、ファジィ推論装置では複数のルールが同
時に働き、各々の前件部の成立度に応じた後件部の重み
付けがなされ、全体として釣り合いのとれた値を推論値
として出力している。As described above, multiple rules work simultaneously in the fuzzy inference device, and the consequent part is weighted according to the probability of each antecedent part being true, and an overall balanced value is output as the inference value. .
従来のファジィ推論装置は以上のように構成されている
ので、ファジィ推論装置の入力である特徴量（Ｓｉ）が
、通常は５ｉ＝０で、ある現象が起こるときだけ ０＜
Ｓｉ≦１となるようなものである場合には、推論は不可
能であり、また推論できたとしても推論値が連続的な値
をとることができないばかりか、推論すべきパラメータ
が一定、もしくは緩慢な変化しかしない場合には、収束
性のある推論値を得ることができないなどの問題点があ
った。Since the conventional fuzzy inference device is configured as described above, the feature value (Si) that is the input to the fuzzy inference device is normally 5i = 0, and only when a certain phenomenon occurs, 0<
If Si≦1, inference is impossible, and even if inference is possible, the inferred value will not be continuous, and the parameters to be inferred will be constant or When changes occur only slowly, there are problems such as inability to obtain convergent inference values.
この発明は上記のような問題点を解消するためになされ
たもので、通常は“０”であることが多い特徴量であっ
ても推論が可能で、その推論値は連続的な値をとること
ができ、さらに、推論すべきパラメータが一定または緩
慢な変化しかしない場合にも収束性のある推論値が得ら
れるファジィ推論装置を得ることを目的とする。This invention was made to solve the above-mentioned problems, and allows inference to be made even for feature quantities that are usually "0", and the inference values take continuous values. It is an object of the present invention to provide a fuzzy inference device which can obtain convergent inference values even when parameters to be inferred are constant or only change slowly.
この発明に係るファジィ推論装置は、合成メンバーシッ
プ関数の合成に際して、各ルールの後件部のメンバーシ
ップ関数だけでなく、プロセスの特性変化の度合いに応
じた重み付けがなされた前回の合成メンバーシップ関数
も合わせて合成するとともに、前記各ルールに各推論値
の満足さを記述するようにしたものである。When composing a composite membership function, the fuzzy inference device according to the present invention uses not only the membership function of the consequent of each rule, but also the previous composite membership function weighted according to the degree of change in process characteristics. In addition, the satisfaction of each inference value is described in each rule.
この発明におけるファジィ推論装置は、現在だけでなく
、過去の各ルールの働きも加えたメンバーシップ関数の
合成を行うため、−時に多数のルールが働いた場合と同
様な推論を可能とし、しかも、その推論値は連続的な値
をとり得るとともに、合成メンバーシップ関数に各推論
値の満足度に関する学習効果が生じ、収束性のある推論
をも可能とする。The fuzzy inference device according to the present invention synthesizes membership functions that include not only the current but also the past functions of each rule, so that it is possible to perform inferences that are similar to those when a large number of rules function. The inference values can take continuous values, and the composite membership function has a learning effect regarding the degree of satisfaction of each inference value, making convergent inference possible.
以下、この発明の一実施例を図について説明する。第１
図はこの発明による再帰型のファジィ推論装置の一実施
例を示すブロック図、第２図はそのプロセス制御用制御
装置の制御ゲインのチューニングへの適用例を示すブロ
ック図、第３図はその動作原理を示す説明図である。こ
れら各図において、２０及び２１は各推論値の満足さの
度合いについて記述された推論のルール、２２〜２５は
当該再帰型のファジィ推論装置に入力される特徴量、２
６及び２７は前記ルール２０の前件部のメンバーシップ
関数、２８はその後件部のメンバーシップ関数、２９及
び３０は前記ルール２１の前件部のメンバーシップ関数
、３１はその後件部のメンバーシップ関数である。さら
に、３２は前回に合成された満足さを表す合成メンバー
シップ関数、３３はこの満足さを表す前回の合成メンバ
ーシップ関数３２に、プロセスの特性変化に応じて重み
付けをした合成メンバーシップ関数、３４は前記ルール
２０の後件部のメンバーシップ関数２８及びルール２１
の後件部のメンバーシップ関数３１と、前記重み付けさ
れた前回の合成メンバーシップ関数３３とを合成して得
られる合成メンバーシップ関数で、「満足な制御ゲイン
Ｋｃ Ｊのフ７一
アジイ集合を表しており、また、３５はこの合成メンバ
ーシップ関数３４から得られる推論値で、この例では制
御ゲインＫｃとして当該再起型のファジィ推論装置から
出力される。An embodiment of the present invention will be described below with reference to the drawings. 1st
The figure is a block diagram showing an embodiment of the recursive fuzzy inference device according to the present invention, FIG. 2 is a block diagram showing an example of its application to control gain tuning of a process control controller, and FIG. 3 is its operation. FIG. 2 is an explanatory diagram showing the principle. In each of these figures, 20 and 21 are inference rules that describe the degree of satisfaction of each inference value, 22 to 25 are feature quantities input to the recursive fuzzy inference device, and 2
6 and 27 are membership functions of the antecedent part of the rule 20, 28 are membership functions of the consequent part, 29 and 30 are membership functions of the antecedent part of the rule 21, and 31 are membership functions of the consequent part. It is a function. Furthermore, 32 is a composite membership function that represents the satisfaction synthesized last time, 33 is a composite membership function that is weighted according to the change in process characteristics to the previous composite membership function 32 that represents this satisfaction, and 34 is the membership function 28 of the consequent part of rule 20 and rule 21
A composite membership function obtained by combining the membership function 31 of the consequent part and the weighted previous composite membership function 33 represents the set of satisfying control gains KcJ. Further, 35 is an inference value obtained from this composite membership function 34, which in this example is output as a control gain Kc from the recurrence type fuzzy inference device.
また、３６は制御の対象となるプロセス、３７はこのプ
ロセス３６を制御する、例えばＰＩＤ制御装置のような
制御装置、３８はこの制御装置３７に推論値（制御ゲイ
ンＫｃ）３５を供給する、この発明に係る再帰型のファ
ジィ推論装置、３９はこのファジィ推論装置３８に特徴
量２２〜２５を供給する特徴量抽出器であり、４０は制
御系の外部より与えられる目標値（ｒ）、４１はプロセ
ス３６から出力される制御量（ｙ）、４２は制御装置３
７へ入力される、前記目標値４０と制御量４１との偏差
（ｅ）、４３は制御装置３７よりプロセス３６へ与えら
れる操作量（Ｘ）、４４はプロセス３６からファジィ推
論装置３８へ送られるプロセス特性変化量である。Further, 36 is a process to be controlled, 37 is a control device such as a PID control device that controls this process 36, and 38 is a control device that supplies an inference value (control gain Kc) 35 to this control device 37. A recursive fuzzy inference device according to the invention, 39 is a feature extractor that supplies the features 22 to 25 to the fuzzy inference device 38, 40 is a target value (r) given from outside the control system, and 41 is a The control amount (y) output from the process 36, 42 is the control device 3
The deviation (e) between the target value 40 and the control amount 41 is input to 7, 43 is the manipulated variable (X) given from the control device 37 to the process 36, and 44 is sent from the process 36 to the fuzzy inference device 38. This is the amount of change in process characteristics.
さらに、４５は前記各ルール２０及び２１に対して入力
された特徴量２２〜２５から前件部の成豆皮を評価し、
その成立度に基づいて後件部のメンバーシップ関数の重
み付けを行う加重手段、４６はこの加重手段４５によっ
て重み付けされた各メンバーシップ関数２８．３１と、
前回の合成メンバーシップ関数３３とを合成して、各推
論値３５の満足さの度合いを表す新たな合成メンバーシ
ップ関数３４を得る合成手段、４７はこの合成手段４６
にて合成された前回の合成メンバーシップ関数３２を遅
延させる遅延手段、４８は前記プロセス３６から入力さ
れるプロセス特性変化量４４に基づいてプロセス３６の
特性の変化の度合いを評価する特性変化評価手段、４９
はこの特性変化評価手段４８とともに評価加重手段を形
成し、遅延手段４７で遅延された前回の合成メンバーシ
ップ関数３２に、この特性変化評価手段４８からの評価
値を乗算して重み付けを行い、合成メンバーシップ関数
３３として前記合成手段４６ヘフイードバツクする乗算
手段である。また、Ｉ５は前記合成手段４６によって合
成された合成メンバーシップ関数３４から推論値３５を
決定して出力する推論値決定手段で、第６図に同一符号
を付した従来のものと同様に、例えば前記合成メンバー
シップ関数３４の重心を計算して推論値３５を求めてい
る。Furthermore, 45 evaluates the adult bean skin of the antecedent part from the feature values 22 to 25 input for each of the rules 20 and 21,
Weighting means for weighting the membership function of the consequent part based on the probability of its establishment, 46 is each membership function 28.31 weighted by this weighting means 45;
Synthesis means 47 synthesizes the previous composite membership function 33 to obtain a new composite membership function 34 representing the degree of satisfaction of each inference value 35;
48 is a characteristic change evaluation means for evaluating the degree of change in the characteristics of the process 36 based on the process characteristic change amount 44 inputted from the process 36. , 49
forms an evaluation weighting means together with this characteristic change evaluation means 48, and multiplies the previous composite membership function 32 delayed by the delay means 47 by the evaluation value from this characteristic change evaluation means 48 and weights it. It is a multiplication means that feeds back the membership function 33 to the synthesis means 46. Further, I5 is inferred value determining means for determining and outputting an inferred value 35 from the composite membership function 34 synthesized by the synthesizing means 46, and similarly to the conventional one denoted by the same reference numeral in FIG. The inference value 35 is obtained by calculating the center of gravity of the composite membership function 34.
次に動作について説明する。この再帰型のファジィ推論
装置における推論の目的は、プロセス３６の特徴量２２
〜２５を監視することで制御ゲインＫｃのチューニング
を行うことである。そこで、まず上記特徴量２２〜２５
を具体的に示す。即ち、特徴量２２は偏差（ｅ）４２の
発散傾向Ｓａ、特微量２３は偏差４２の大きさ Ｓｂ１
特微量２４は目標値（ｒ）４０の変化に対する制御量（
ｙ）の追従度Ｓｃ、特徴量２５は偏差４２の大きさ５ｄ
（＝Ｓｂ）である。このとき、ルール２０は［もし偏差
（ｅ）４２の発散傾向が大きく、またその絶対値も大き
ければ、制御ゲインＫｃは現在の値よりも小さな値がよ
い」という意味を持っている。ここで、加重手段４５に
入力された特徴量２２〜２５の実際の値がＳａａ、 Ｓ
ｂｏ、 Ｓｃｏ、 Ｓｄｏである場合、前記ルール２０
において、この値Ｓａｏが「大きい」かどうか、値Ｓｂ
ｏが「大きい」かどうかは、それぞれ当該ルール２０の
前件部のメンバーシップ関数２６及び２７によって評価
される。第３図に図示の例では、それぞれの評価値は“
０．４”と“１．０”であり、この両評価値の内、低い
方の値“０．４”が当該ルール２０の前件部の成立度と
して採用される。このルール２０の後件部は「もっと小
さい制御ゲインＫｃ（−満足できる制御ゲインＫｃ）Ｊ
のファジィ集合を定義しており、現在の制御ゲインＫｃ
ｏよりも小さな値のところに前記前件部の成立度“０．
４”に応じた重み付けがなされた山の立っているメンバ
ーシップ関数２８を作成する。このことはルール２１に
ついても全く同様であり、入力された特徴量２４．２５
の実際の値Ｓｃｏとｓｄ。Next, the operation will be explained. The purpose of inference in this recursive fuzzy inference device is to
.about.25 to tune the control gain Kc. Therefore, first, the above feature values 22 to 25
Specifically shown. That is, the feature quantity 22 is the divergence tendency Sa of the deviation (e) 42, and the feature quantity 23 is the magnitude Sb1 of the deviation 42.
The special quantity 24 is a control quantity (
y) tracking degree Sc, feature quantity 25 is deviation 42 size 5d
(=Sb). At this time, Rule 20 has the meaning that ``If the deviation (e) 42 has a large tendency to diverge and its absolute value is also large, the control gain Kc should be set to a smaller value than the current value.'' Here, the actual values of the feature quantities 22 to 25 input to the weighting means 45 are Saa, S
If bo, Sco, Sdo, the above rule 20
, whether this value Sao is "large" or not, the value Sb
Whether o is "large" is evaluated by the membership functions 26 and 27 of the antecedent part of the rule 20, respectively. In the example shown in Figure 3, each evaluation value is “
0.4" and "1.0", and of these two evaluation values, the lower value "0.4" is adopted as the probability of fulfillment of the antecedent part of the rule 20. After this rule 20 The subject part is "Smaller control gain Kc (-satisfactory control gain Kc) J
The current control gain Kc is defined as a fuzzy set, and the current control gain Kc
At a value smaller than o, the probability of the antecedent being true is "0.
4" is created. This is exactly the same for the rule 21, and the input feature values 24.25
The actual values of Sco and sd.
を前件部のメンバーシップ関数２９．３０で評価した成
立度に基づいて後件部のメンバーシップ関数３１を作成
する。この例ではメンバーシップ関数３１は全ての値が
“０′である関数となっている。The membership function 31 of the consequent part is created based on the degree of establishment evaluated by the membership function 29.30 of the antecedent part. In this example, the membership function 31 is a function in which all values are "0".
ここで、第゛４図はその動作の流れを示すフローチャー
トである。前回のイテレーションで合成手段４６にて合
成され、次回のイテレーションの入力として（ステップ
５Ｔ８）送出された合成メンバーシップ関数３２は、遅
延手段４７に送られてｌイテレーション分の遅延が与え
られる（ステップ５ＴＩ）。また、これとは別に、特徴
量２２〜２５が加重手段４５に、プロセス３６からのプ
ロセス特性変化量４４が特性変化評価手段４８にそれぞ
れ入力され（ステップ５Ｔ２）、加重手段４５は入力さ
れた特徴量２２〜２５をルール２０及び２１の前件部の
メンバーシップ関数２６．２７及び２９．３０で評価し
、求めた成立度に基づいて後件部のメンバーシップ関数
２８及び３１を作成する（ステップ５Ｔ３）。また、特
性変化評価手段４８は入力されたプロセス特性変化量４
４からプロセス３６の特性の変化の度合いを評価し、そ
の評価値を乗算手段４９へ送り、遅延手段４７で遅延さ
れた前回の合成メンバーシップ関数３２にこの評価値を
乗算して重み付けを行い、重み付けされた合成メンバー
シップ関数３３を得る（ステップＳＴ４ ）。Here, FIG. 4 is a flowchart showing the flow of the operation. The composite membership function 32, which was synthesized by the synthesizing means 46 in the previous iteration and sent as an input for the next iteration (step 5T8), is sent to the delaying means 47 and given a delay of l iterations (step 5TI). ). Separately, the feature quantities 22 to 25 are input to the weighting means 45, and the process characteristic change amount 44 from the process 36 is input to the characteristic change evaluation means 48 (step 5T2), and the weighting means 45 Quantities 22 to 25 are evaluated using membership functions 26, 27 and 29, 30 of the antecedent part of rules 20 and 21, and membership functions 28 and 31 of the consequent part are created based on the obtained degree of establishment (step 5T3). In addition, the characteristic change evaluation means 48 also processes the input process characteristic change amount 4.
4, evaluates the degree of change in the characteristics of the process 36, sends the evaluation value to the multiplication means 49, multiplies the previous composite membership function 32 delayed by the delay means 47 by this evaluation value, and weights it. A weighted composite membership function 33 is obtained (step ST4).
前記各ルール２０及び２１の後件部のメンバーシップ関
数２８及び３１と、この重み付けされた合成メンバーシ
ップ関数３３とは合成手段４６に入力されて合成され、
新たな合成メンバーシップ関数３４が生成される（ステ
ップ５Ｔ５）。ここで、この合成演算には、和集合の演
算が用いられる。従って、この合成メンバーシップ関数
３４は各ルール２０．２１によって現在までに学習され
た［満足な制御ゲインＫｃ Ｊのファジィ集合を定義し
ていることになる。生成された合成メンバーシップ関数
３４は推論値決定手段１５に入力され、推論値決定手段
１５はそれに基づいて推論値３５としての制御ゲインＫ
ｃｏを決定し、当該再帰型のファジィ推論装置３８より
制御装置３７へ出力する（ステップＳＴ６’）。具体的
には、当該合成メンバーシップ関数３４の重心を計算し
、満足な制御ゲインの代表値Ｋｃｏを決定する。次に、
動作の打ち切りの判断を行い（ステップ５Ｔ７）、動作
を継続する場合には処理をステップＳＴ８へ戻し、ステ
ップＳＴ５で得られた合成メンバーシップ関数を次回の
イテレーションの入力とする。The membership functions 28 and 31 of the consequent part of each of the rules 20 and 21 and this weighted composite membership function 33 are input to a composition means 46 and are composited,
A new composite membership function 34 is generated (step 5T5). Here, a union operation is used for this composition operation. Therefore, this composite membership function 34 defines a fuzzy set of [satisfactory control gains Kc J learned up to now by each rule 20.21. The generated composite membership function 34 is input to the inference value determining means 15, and the inference value determining means 15 determines the control gain K as the inference value 35 based on it.
co is determined and output from the recursive fuzzy inference device 38 to the control device 37 (step ST6'). Specifically, the center of gravity of the composite membership function 34 is calculated, and a representative value Kco of a satisfactory control gain is determined. next,
A decision is made to terminate the operation (step 5T7), and if the operation is to be continued, the process returns to step ST8, and the composite membership function obtained in step ST5 is used as an input for the next iteration.
なお、上記実施例では推論のルールの数が２つのものを
示したが、その数は３つ以上であってもよく、入力と出
力の数、各ルールの前件部の条件の段数も任意に設定す
ることができ、さらに、合成メンバーシップ関数から推
論値を得る方法としても、重心計算に代えて、面積三等
分法等を用いてもよい。In addition, although the number of inference rules is two in the above embodiment, the number may be three or more, and the number of inputs and outputs, and the number of stages of conditions in the antecedent part of each rule may also be arbitrary. Furthermore, as a method for obtaining an inference value from the composite membership function, an area trisection method or the like may be used instead of the centroid calculation.
また、上記実施例ではプロセス制御用制御装置における
制御ゲインのチューニングに適用した場合について説明
したが、その他のパラメータの推定などに応用してもよ
く、上記実施例と同様の効果を奏する。Further, in the above embodiment, a case has been described in which the present invention is applied to control gain tuning in a control device for process control, but it may also be applied to estimation of other parameters, and the same effects as in the above embodiment can be obtained.
以上のように、この発明によれば前回の合成演算で得ら
れた合成メンバーシップ関数をフィードバックして、今
回のメンバーシップ関数の合成に再度使用するとともに
、各ルールに各推論値の満足さを記述するように構成し
たので、特徴量（Ｓ ｉ）として、通常は ５ｉ＝０で
、特定の現象が起きた一１５＝
時のみ ０＜ＳｉＳ２となるようなものを利用した場合
でも推論が可能となり、しかも、推論値が連続的な値を
とり得るばかりか、推定すべきパラメータが、一定もし
くは緩慢な変化しかしない場合でも、収束性のある推論
値が得られる効果がある。As described above, according to the present invention, the composite membership function obtained in the previous composition operation is fed back and used again for the composition of the current membership function, and the satisfaction of each inference value is determined for each rule. Since it is configured to describe, inference is possible even when using a feature value (S i) that is normally 5i = 0 and 0 < SiS2 only when a specific phenomenon occurs. Moreover, not only can the inferred value take a continuous value, but also the inferred value with convergence can be obtained even when the parameter to be estimated changes only constant or slowly.
第１図はこの発明の一実施例による再帰型のファジィ推
論装置の一実施例を示すブロック図、第２図はそのプロ
セス制御用制御装置の制御ゲインのチューニングへの適
用例を示すブロック図、第３図はその動作原理を示す説
明図、第４図はその動作の流れを示すフローチャート、
第５図は従来のファジィ推論装置の動作原理を示す説明
図、第６図はそのブロック図である。
１５は推論値決定手段、２０．２１はルール、２２〜２
５は特徴量、３５は推論値、３６はプロセス、３８はフ
ァジィ推論装置、４５は加重手段、４６は合成手段、４
８は評価加重手段（特性変化評価手段）、４９は評価加
重手段（乗算手段）。
なお、図中、同一符号は同一、又は相当部分を示す。
（外２名）
手続補正書（自発）
昭和 ６侮２°１青 日FIG. 1 is a block diagram showing an embodiment of a recursive fuzzy inference device according to an embodiment of the present invention, and FIG. 2 is a block diagram showing an example of its application to control gain tuning of a process control control device. Fig. 3 is an explanatory diagram showing the principle of its operation, Fig. 4 is a flowchart showing the flow of its operation,
FIG. 5 is an explanatory diagram showing the operating principle of a conventional fuzzy inference device, and FIG. 6 is a block diagram thereof. 15 is an inference value determining means, 20.21 is a rule, 22-2
5 is a feature quantity, 35 is an inference value, 36 is a process, 38 is a fuzzy inference device, 45 is a weighting means, 46 is a synthesis means, 4
8 is an evaluation weighting means (characteristic change evaluation means), and 49 is an evaluation weighting means (multiplying means). In addition, in the figures, the same reference numerals indicate the same or equivalent parts. (2 others) Procedural amendment (voluntary) Showa 6-2°1 Ao-hi
Claims (1)
を用いて前件部と後件部とを形成し、それぞれが各推論
値の満足さの度合いについて記述した複数のルールを有
し、前記各ルールに対し、入力されたプロセスの特徴量
から前記前件部の成立度を評価し、その成立度に応じて
前記後件部のメンバーシップ関数の重み付けを行う加重
手段と、それ自身の合成演算によって得られた前回の合
成メンバーシップ関数をフィードバックして入力し、そ
れと前記加重手段より入力される前記重み付けされた各
メンバーシップ関数とを合成して新たな合成メンバーシ
ップ関数を得る合成手段と、前記合成手段へフィードバ
ックされる前記前回の合成メンバーシップ関数に、前記
プロセスのプロセス特性変化の度合いに応じた重み付け
を行う評価加重手段と、前記合成手段によって得られた
前記合成メンバーシップ関数から推論値を決定して出力
する推論値決定手段とを備えたファジィ推論装置。The antecedent part and the consequent part are formed using a membership function that takes a value between "0" and "1", and each has a plurality of rules that describe the degree of satisfaction of each inference value. , a weighting means that evaluates the degree to which the antecedent part holds true for each of the rules from the input feature quantity of the process, and weights the membership function of the consequent part in accordance with the degree to which the antecedent part holds true; The previous composite membership function obtained by the composition operation is fed back and inputted, and it is combined with each of the weighted membership functions inputted from the weighting means to obtain a new composite membership function. means, evaluation weighting means for weighting the previous composite membership function fed back to the synthesis means according to the degree of change in process characteristics of the process, and the composite membership function obtained by the synthesis means. A fuzzy inference device comprising inference value determining means for determining and outputting an inference value.
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62262032A JPH01103705A (en) | 1987-10-16 | 1987-10-16 | Fuzzy inference device |
| GB8819360A GB2211324B (en) | 1987-10-16 | 1988-08-15 | Fuzzy inference apparatus |
| CA000575019A CA1288168C (en) | 1987-10-16 | 1988-08-17 | Fuzzy inference apparatus |
| DE3832789A DE3832789A1 (en) | 1987-10-16 | 1988-09-27 | TROUBLESHOOTING DEVICE |
| US07/950,166 US5432885A (en) | 1987-10-16 | 1992-09-24 | Recurrent fuzzy inference apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62262032A JPH01103705A (en) | 1987-10-16 | 1987-10-16 | Fuzzy inference device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH01103705A true JPH01103705A (en) | 1989-04-20 |
| JPH0550761B2 JPH0550761B2 (en) | 1993-07-29 |
Family
ID=17370080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62262032A Granted JPH01103705A (en) | 1987-10-16 | 1987-10-16 | Fuzzy inference device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH01103705A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5179634A (en) * | 1989-04-14 | 1993-01-12 | Omron Corporation | System for synthesizing new fuzzy rule sets from existing fuzzy rule sets |
| US5193144A (en) * | 1988-12-14 | 1993-03-09 | Shimano, Inc. | Fuzzy system |
-
1987
- 1987-10-16 JP JP62262032A patent/JPH01103705A/en active Granted
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5193144A (en) * | 1988-12-14 | 1993-03-09 | Shimano, Inc. | Fuzzy system |
| USRE38754E1 (en) * | 1988-12-14 | 2005-07-05 | Omron Corporation | Fuzzy system, fuzzy control system development support apparatus, and method of developing a fuzzy control system |
| US5179634A (en) * | 1989-04-14 | 1993-01-12 | Omron Corporation | System for synthesizing new fuzzy rule sets from existing fuzzy rule sets |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0550761B2 (en) | 1993-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kudinov et al. | Optimization of fuzzy PID controller's parameters | |
| EP0617806B1 (en) | A closed loop neural network automatic tuner | |
| Kim et al. | Adaptive control of nonlinear pure-feedback systems with output constraints: Integral barrier Lyapunov functional approach | |
| US4621927A (en) | Mixture control apparatus and mixture control method | |
| Hamzaoui et al. | State observer based robust adaptive fuzzy controller for nonlinear uncertain and perturbed systems | |
| JP2002023807A (en) | Method for realizing feedback control for optimally and automatically removing disturbance and device for the same | |
| JPH11513148A (en) | How to incorporate independent feedforward control into a multivariable prediction controller | |
| Yu et al. | Run-to-run control of chemical mechanical polishing process based on deep reinforcement learning | |
| JPH01103705A (en) | Fuzzy inference device | |
| JPH01103707A (en) | Fuzzy inference device | |
| JPH01103706A (en) | Fuzzy inference device | |
| JPH01103704A (en) | Fuzzy inference device | |
| JP2721186B2 (en) | Fuzzy control method | |
| Tao et al. | Moment adaptive fuzzy control and residue compensation | |
| Liu et al. | Fractional-order echo state network backstepping control of fractional-order nonlinear systems | |
| US5432885A (en) | Recurrent fuzzy inference apparatus | |
| CN111368982A (en) | Novel time delay PD controller design method based on BM neural network | |
| RU2302028C1 (en) | Method for controlling dynamic objects | |
| Rubtsov et al. | On the use of fuzzy logic in control systems for technological equipment | |
| CN115981165B (en) | Global self-adaptive tracking control method for high-order non-strict feedback nonlinear system | |
| Zayed et al. | A nonlinear PID-based multiple controller incorporating a multilayered neural network learning submodel | |
| Castillo et al. | Robust control of a rotational system via on-line inertia identification | |
| JPH07152406A (en) | Two degree of freedom controller device | |
| JP3125807B2 (en) | Fuel supply control device for instantaneous water heater | |
| JPH03260805A (en) | Tuning method for fuzzy control rule |