JPH02292602A - 人工神経回路網型ファジィ制御装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野］ この発明は、ファジィ制御則のメンバーシップ関数を、
人工神経回路網の学習則により、自動的に調整すること
のできる人工神経回路網型ファジィｉｉｌ御装置に関す
るものである。

［従来の技術］ 第２図は従来の人工神経回路網型ファジィ制御装置のブ
ロック図であり、２１はファジィ制御ルール演算部で内
部に＃１ファジィ制御ルール２１−１〜＃Ｎファジィ制
御ルール２１−Ｎをを含む。２２−１〜２２−Ｎは＃１
シナプス荷重〜＃Ｎシナプス荷重である。シナプス（ｓ
ｙｎａｐｓｅ）とは神経細胞が他の神経細胞、効果器（
筋，線）細胞、感覚細胞と独特の構造をなして接触し、
細胞間で信号の授受を行なう場所、神経の連接部である
。

従って、シナプス荷重は信号の伝達に際し、入力信号に
荷重（重み係数ともいう）を乗算して出力する係数乗算
器の機能を存する。また一般に荷重（重み係数）は外部
からの制御信号により調愁可能となっている。２３はフ
ァジィ合成部、２４は非ファジィ化部である。

第２図の動作を説明する。ファジィ制御ルール演算部２
１はＮ個のファジィ制御ルール２１−１〜２１一Ｎを内
蔵する。各ファジィ制御ルール２１１は条件部（ＩＦ部
という）と結論部（ＴＨＥＮ部という）を含み、例えば
ＩＦ　　Ｄｉ　　ｉｓ　　Ａｔ，ＴＨＥＮｙｉｓＢｉ（
もし入力ＵｉがＡｉであれば、ｙはＢｉである）等のフ
ァジィ推論を行う。従ってファジィ制御ルール演算部２
１への入力信号は内蔵するＮ個のファジィ制御ルールに
よって、それぞれファジィ推論が行われ、Ｎ個の演算出
力がシナプス荷重２２−１〜２２−Ｎへ供給される。シ
ナプス荷重２２−１〜２２−Ｎはそれぞれの入力に対し
て、人工神経回路網のシナプス荷重ω　〜ωＮを乗算し
、この乗算値をファジィ合成部２３へ供給する。ファジ
ィ合成部２３はシナプス荷重２２−１〜２２−Ｎからの
入力値をすべて合成し、その合成出力を非ファジィ化部
２４へ供給する。非ファジィ化部２４は入力に対する制
御変数値を演算して出力する。

そして、人工神経回路網の自己組織化演算則により、フ
ァジィ制御装置が規範となる制御変数値を出力するよう
に、各シナプス荷重２２−１〜２２−Ｎの値ω　〜ωＮ
を調整する。

■ ［発明が解決しようとする課題コ 上記のような従来の人工神経回路網型ファジィ制御装置
では、ファジィルールの結論部のメンバーシップ関数の
みを調整しており、制御対象の状態空間を分割するファ
ジィルールの条件部は調整をしていない。このためファ
ジィルールの最適な調整とならないという問題点があっ
た。

この発明は上記のような問題点を解決するためになされ
たもので、ファジィ制御ルールの条件部及び結論部に用
いられるメンバーシップ関数を同時に調整することので
きる人工神経回路網型ファジイ制御装置を得ることを目
的とする。

［課題を解決するための手段コ この発明に係る人工神経回路網型ファジィ制御装置は、
外部より制御対象についての複数の状態変数を入力し、
これらの状態変数を内部に洪給する状態変数入力部とζ
常に１なる値を出力する定数発生部と、前記状態変数入
力部の出力より各状態変数と、定数発生部の出力より定
数をそれぞれ入力し、該入力に対して各ファジィ制御ル
ール条件部のメンバーシップ関数の中心値と形状をそれ
ぞれ表すパラメータに対応する１対の調整可能なシナプ
ス荷重を個別に乗算し、該乗算結果から前記条件部のメ
ンバーシップ関数毎の帰属度を演算する条件部メンバー
シップ値演算ニューロンヲ複数個含む条件部メンバーシ
ップ値演算ニューロン部と、該条件部メンバーシップ値
演算ニューロン部より各状態変数に対応する条件部メン
バーシップ値演算ニューロンの出力をそれぞれ入力し、
該入力より前記各ファジィ制御ルール条件部の適合度を
演算する条件部適合度演算ニューロンを複数個含む条件
部適合度演算ニューロン部と、該条件部適合度演算ニュ
ーロン部よりあらかじめ決められた複数の条件部適合度
演算ニューロンの出力を入力し、該入力より各結論部の
ファジィ変数毎にファジィ集合の面積の総和を演算する
結論部演算ニューロンを複数個含む結論部演算ニューロ
ン部と、該結論部演算ニューロン部の内蔵する各結論部
演算ニューロンの出力をそれぞれ入力し、該入力に対し
て各結論部のメンバーシップ関数の中心値を表すパラメ
ータに対応する複数の調整可能な結論部シナプス荷重を
個別に乗算しその積和を求め、該積和を前記各入力を加
算したファジィ集合の面猜の総和で除算して制御変数値
を演算する非ファジィ化部と、外部より与えられる状態
変数値に対して規範となるべき制御変数値と、前記非フ
ァジィ化部により演算出力された制御変数値との誤差を
演算し、該演算誤差を前記条件部シナプス荷重と結論部
シナプス荷重とを調整する制御信号として、条件部メン
バーシップ値演算ニューロン部と非ファジィ化部に帰還
する誤差演算部とを備えたものである。

［作　用コ この発明の人工神経回路網型ファジィ制御装置において
は、状態変数入力部が外部より制御対象についての複数
の状態変数を入力し、これらの状態変数を内部に供給し
、定数発生部は常に１なる値を出力する。条件部メンバ
ーシップ値演算ニューロン部が前記状態変数入力部の出
力より各状態変数と、定数発生部の出力より定数をそれ
ぞれ入力し、該入力に対して各ファジィ制御ルール条件
部のメンバーシップ関数の中心値と形状をそれぞれ表す
パラメータに対応する１対の調整可能なシナプス荷重を
個別に乗算し、該乗算結果から前記条件部のメンバーシ
ップ関数毎の帰属度を演算する条件部メンバーシップ値
演算ニューロンを複数個含み、条件部適合度演算ニュー
ロン部が前記条件部メンバーシップ値演算ニューロン部
より各状態変数に対応する条件部メンバーシップ値演算
ニューロンの出力をそれぞれ入力し、該入力より前記各
ファジィ制御ルール条件部毎の適合度を演算する条件部
適合度演算ニューロンを複数個含み、結論部演算ニュー
ロン部が前記条件部適合度演算ニューロン部よりあらか
じめ決められた複数の条件部適合度演算ニューロンの出
力を入力し、該入力より各結論部のファジィ変数毎にフ
ァジィ集合の面積の総和を演算する結論部演算ニューロ
ンを複数個含む。非ファジィ化部が前記結論部ニューロ
ン部の内蔵する各結論部演算ニューロンの出力をそれぞ
れ入力し、該入力に対して各結論部のメンバーシップ関
数の中心値を表すパラメータに対応する複数の調整可能
な結論部シナプス荷重を個別に乗算しその積和を求め、
該積和を前記各入力を加算したファジィ集合の面積の総
和で除算して制御変数値を演算し、誤差演算部が外部よ
り与えられる状態変数値に対して規範となるべき制御変
数値と、前記非ファジィ化部により演算出力された制御
変数値との誤差を演算し、該演算誤差を前記条件部シナ
プス荷重と結論部シナプス荷重とを調整する制御信号と
して、条件部メンバーシップ値演算ニューロン部と非フ
ァジィ化部に帰還する。

［実施例］７ 第１図はこの発明の人工神経回路網型ファジィ制御装置
のブロック図であり、１は外部より複数（本実施例では
２つ）の状態変数を入力し、これらの状態変数を内部に
供給する状態変数入力部、２は常に“１″なる値を出力
する定数発生部、３−１〜３−２Ｎは条件部シナプス荷
重である。４は条件部メンバーシップ値演算ニューロン
部で、内部に複数の条件部メンバーシップ値演算ニュー
ロンを含む。ニューロン（ｎｅｕｒｏｎ）とは神経細胞
（又は神経単位）であり、前記シナプスを経て次のニュ
ーロンに情報が伝達される。本実施例における各条件部
メンバーシップ値演算部ニューロンは、それぞれ２つの
条件部シナプス荷重を有し、その１つの条件部シナプス
荷重には状態変数入力部１より状態変数の１つが入力さ
れ、他の１つの条件部シナプス荷重には定数発生部２よ
り定数“１”が入力される。５は条件部適合度演算ニュ
ーロン部で内部に複数の条件部適合度演算ニューロンを
含む。

また各条件部適合度演算ニューロンには、各状態変数に
対応する（本実施例では２つの状態変数の各々に対応す
る）条件部メンバーシップ値演算ニューロンの出力がそ
れぞれ入力される。６は結論部演算ニューロン部で内部
に複数の結論部演算ニューロンを含む。また各結論部演
算ニューロンはあらかじめ決められた複数（本実施例で
は３つ）の条件部適合度演算ニューロンの出力がそれぞ
れ入力される。７−１〜７−Ｍは結論部シナプス荷重で
あり、各結論部シナプス荷重には結論部演算ニューロン
部６に含まれる複数（本実施例では３つの）結論部演算
ニューロンの各々の出力がそれぞれ入力される。８は非
ファジィ化部で内部に演算器８−１、加算器８−２及び
乗算器８−３を含む。また、演算器８−１は結論部シナ
プス荷重７−１〜？−Ｍを有し、複数の人力信号にそれ
ぞれ結論部シナプス荷重を個別に乗算し、その乗算値の
和（即ち積和）を演算する。加算器８−２は各結論部演
算ニューロンの出力を入力し、この人ツＪをそれぞれ加
算し総和を算出する。乗算器８−３は演算器８−１の出
力を被除数とし、加算器８−２の出力を除数として両信
号の除算を行う。９は誤差演算部で２つの入力信号より
誤差を演算し、この演算誤差を条件部メンバーシップ値
演算ニューロン部４と非ファジィ化部８へ供給する。

第１図の動作を説明する。外部より制御対象についての
＃１状態変数及び＃２状態変数（本実施例では状態変数
は２であるが一般的には複数ｎとなる）が状態変数入力
部１に入力される。状態変数入力部１は各状態変数を、
条件部メンバーシップ値演算ニューロン部４内の各条件
部メンバーシップ値演算ニューロンが保有する一方の条
件部シナプス荷重へ供給する。また各条件部メンバーシ
ップ値演算ニューロンが保有する他方の条件部シナプス
荷重には、定数発生部２より常に“１”なる値がそれぞ
れ供給される。条件部メンバーシップ値演算ニューロン
部４内の各条件部メンバーシップ値演算ニューロンは、
前記１対の入力信号に対してそれぞれ各ファジィ制御ル
ール条件部のメンバーシップ関数の中心値を表すパラメ
ータと、形状を表すパラメータに対応ずる１対のシナプ
ス荷雷（即ち＃１．，＃２，・・・＃Ｎ条件部メンバー
シップ値演算ニューロンが保有するシナプス荷重の値は
、それぞれ（ω　，ω　），（ω　．ω　）・・・（ω
２Ｎ−１’　ω２Ｎ）となる。）を個別に乗算し、この
乗算結果の加算及びその他の演算を行い、前記条件部メ
ンバーシップ関数毎の帰属度（メンバーシップ値）を算
出する。また前記シナプス荷重の値ω　〜ω２Ｎは個別
に調整可能であり、誤差演算部９より条件部メンバーシ
ップ値演算ニューロン部４に帰還される誤差信号にもと
づき後述する手順により調整される。この条件部メンバ
ーシツプ値演算ニューロン部４より各状態変数に対応す
る各条件部メンバーシップ値演算ニューロンの出力がそ
れぞれ、条件部適合度演算ニューロン部５内の各条件部
適合度演算ニューロンに入力され、これらの入力信号か
ら各ファジィ制御ルール条件部毎の適合度が演算される
。次に、条件部適合度演算ニューロン部５からあらかじ
め決められた複数（本実施例では３つ）の条件部適合度
演算二二ーロンの出力が、それぞれ結論部演算ニューロ
ン部６内の各結論部演算ニューロンに入力され、これら
の入力信号から各結論部のファジィ変数（メンバーシッ
プ関数のもつ意味を表す）毎にファジイ集合の面積を算
出し、その算出面積の総和を演算する。次に結論部演算
ニューロン部６内の各結論部演算ニューロンの出力が非
ファジィ化部８内の演算器８−１が保有する結論部シナ
プス荷ｆｆｌ７−１〜７−Ｍと加算器８−２へそれぞれ
共給される。演算器８−１はファジィ変数毎に演算され
たファジィ集合の面積値を示す入力信号の各々に、メン
バーシップ関数の中心値を表わすパラメータに対応する
結論部シナプス荷重の値Ｗ　　−ＷＭを個別に乗算■ し、この乗算値の総和（即ち積和）を演算する。

この結論部シナプス荷重の値Ｗ　　−ＷＭも前記と】 同様個別に調整可能である。加算器８−２は入力信号を
すべて加算し、ファジィ集合の面積の総和を算出する。

除算器８−３は演算器８−１の出力を被除数として入力
し、演算器８−２の出力を除数として入力し、両信号の
除算を行い制御変数値を算出し、この制御変数値を出力
信号とｌ７て制御対象に供給するとともに、誤差演算部
９の供給する。

メンバーシップ関数の調整は第１図において以下の手順
で行う。まず入力する＃１及び＃２状態変数をそれぞれ
ある値として、状態変数入力部１より入力する。第１図
の人工神経回路網型ファジイ制御装置の各部は前述の手
順により演算を行い、最終的に非ファジィ化部８が制御
変数値を出力し、誤差演算部９の入力の一方に供給する
。誤差演算部９の入力の他方には前記＃１及び＃２状態
変数値と対となる規範となるべき制御変数値が供給され
ているので、誤差演算部９はこの規範となるべき制御変
数値と、実際にファジィ制御装置により演算され非ファ
ジィ化部８より供給された制御変数値との誤差を算出す
る。この誤差信号が帰還信号として条件部メンバーシッ
プ値演算ニューロン部４と非ファジィ化部８に供給され
る。条件部メンバーシップ値演算ニューロン部４内の各
条件部メンバーシップ値演算ニューロンは、前記誤差信
号にもとずき、保有する条件部シナプス荷重の値ω　〜
ω２Ｎを、誤差信号が最小となるように調整する。同様
に非ファジィ化部８内の演算器８−１は保有する結論部
シナプス荷重の値Ｗ１〜ＷＭを、誤差信号が最小となる
ように調整する。

次に＃１及び＃２状態変数の一方又は両方を別の値に変
更し、この変更された状態変数値に対して規範となるべ
き制御変数値を誤差演算部９の入力の一方に供給し、上
記処理を再び行なう。この処理を複数回繰り返すことに
より、最終的に誤差信号が零となり、規範となるべき制
御変数値を出力するファジィ制御装置が得られる。

［発明の効果コ 以上のようにこの発明によれば、人工神経回路網の自己
組織化演算則によりファジィ制御ルールの結論部に用い
られるメンバーシップ関数のみならず、条件部に用いら
れるメンバーシップ関数を自動的に、且つ同時に調整す
ることができるので、ファジィ制御システムを効率的に
且つ高性能でＩ１＋築でき、ファジィ制御システムにお
ける制御性能の向上に効果が得られる。

【図面の簡単な説明】

第１図はこの発明の人工神経回路網型ファジィ制御装置
のブロック図、第２図は従来の人工神経回路網型ファジ
ィ制御装置のブロック図である。 図において、１は状態変数入力部、２は定数発生部、３
−１〜３−２Ｎは条件部シナプス荷重、４は条件部メン
バーシップ値演算ニューロン部、５は条件部適合度演算
ニューロン部、６は結論部演算ニューロン部、７−１〜
７−Ｍは結論部シナプス荷重、８は非ファジィ化部、９
は誤差演算部、２１はファジィ制御ルール演算部、２２
−１〜２２−Ｎはシナプス荷重、２３はファジィ合成部
、２４は非ファジィ化部である。 代理人　弁理士　佐々木　宗　治

Claims (1)

1. 【特許請求の範囲】 　外部より制御対象についての複数の状態変数を入力し
   、これらの状態変数を内部に供給する状態変数入力部と
   、 常に１なる値を出力する定数発生部と、 前記状態変数入力部の出力より各状態変数と、定数発生
   部の出力より定数をそれぞれ入力し、該入力に対して各
   ファジィ制御ルール条件部のメンバーシップ関数の中心
   値と形状をそれぞれ表すパラメータに対応する１対の調
   整可能なシナプス荷重を個別に乗算し、該乗算結果から
   前記条件部のメンバーシップ関数毎の帰属度を演算する
   条件部メンバーシップ値演算ニューロンを複数個含む条
   件部メンバーシップ値演算ニューロン部と、 該条件部メンバーシップ値演算ニューロン部より各状態
   変数に対応する条件部メンバーシップ値演算ニューロン
   の出力をそれぞれ入力し、該入力より前記各ファジィ制
   御ルール条件部毎の適合度を演算する条件部適合度演算
   ニューロンを複数個含む条件部適合度演算ニューロン部
   と、 該条件部適合度演算ニューロン部よりあらかじめ決めら
   れた複数の条件部適合度演算ニューロンの出力を入力し
   、該入力より各結論部のファジィ変数毎にファジィ集合
   の面積の総和を演算する結論部演算ニューロンを複数個
   含む結論部演算ニューロン部と、 該結論部演算ニューロン部の内蔵する各結論部演算ニュ
   ーロンの出力をそれぞれ入力し、該入力に対して各結論
   部のメンバーシップ関数の中心値を表すパラメータに対
   応する複数の調整可能な結論部シナプス荷重を個別に乗
   算しその積和を求め、該積和を前記各入力を加算したフ
   ァジィ集合の面積の総和で除算して制御変数値を演算す
   る非ファジィ化部と、 外部より与えられる状態変数値に対して規範となるべき
   制御変数値と、前記非ファジィ化部により演算出力され
   た制御変数値との誤差を演算し、該演算誤差を前記条件
   部シナプス荷重と結論部シナプス荷重とを調整する制御
   信号として、条件部メンバーシップ値演算ニューロン部
   と非ファジィ化部に帰還する誤差演算部とを備えたこと
   を特徴とする人工神経回路網型ファジィ制御装置。