JPH06175855A - ファジイ推論方式 - Google Patents
ファジイ推論方式Info
- Publication number
- JPH06175855A JPH06175855A JP32633392A JP32633392A JPH06175855A JP H06175855 A JPH06175855 A JP H06175855A JP 32633392 A JP32633392 A JP 32633392A JP 32633392 A JP32633392 A JP 32633392A JP H06175855 A JPH06175855 A JP H06175855A
- Authority
- JP
- Japan
- Prior art keywords
- fuzzy
- mut
- function
- output
- inference
- 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
Landscapes
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 多数のファジィルールに基づく制御や判断を
行なうに際し、環境の変化等に対応して修正を容易と
し、適切な推論結果を容易に得ることができる様にす
る。 【構成】 ファジィ推論を実行する為の前件部メンバー
シップ関数や後件部メンバーシップ関数及びファジィル
ールを定める他、前件部メンバーシップ関数のグレード
に重みを付けるＭut関数を定め、Ｍut関数によるαムト
尺度ξを、Σμxi(αi)×Ｍut（μxi(αi)）／ΣＭut
（μxi(αi )）により算出し、このαムト尺度ξにより
後件部メンバーシップ関数をα−カットする。
行なうに際し、環境の変化等に対応して修正を容易と
し、適切な推論結果を容易に得ることができる様にす
る。 【構成】 ファジィ推論を実行する為の前件部メンバー
シップ関数や後件部メンバーシップ関数及びファジィル
ールを定める他、前件部メンバーシップ関数のグレード
に重みを付けるＭut関数を定め、Ｍut関数によるαムト
尺度ξを、Σμxi(αi)×Ｍut（μxi(αi)）／ΣＭut
（μxi(αi )）により算出し、このαムト尺度ξにより
後件部メンバーシップ関数をα−カットする。
Description
【０００１】
【産業上の利用分野】本発明はプラント、その他の大型
装置の制御又は文字や図形の識別等の情報処理に関する
ものである。
装置の制御又は文字や図形の識別等の情報処理に関する
ものである。
【０００２】
【従来の技術】今日、エキスパートシステムと称するフ
ァジィ推論に基づく種々の情報処理が行なわれる様にな
っている。このファジィ推論により例えばプロセス制御
を行なうには、制御対象となる装置の状態である現在の
制御量が、目標値に対して有する偏差や該偏差の変化量
等をファジィ集合として前件部メンバーシップ関数を定
め、且つ、操作量のファジィ集合を規定する後件部メン
バーシップ関数を定め、観測値（測定値）を前件部メン
バーシップ関数に対応させることにより測定値のグレー
ドを求め、このグレードの値により後件部メンバーシッ
プ関数をα−カットする様にファジィ推論を行ない、更
にα−カットした後件部ファジィ集合の重心を算出する
等により非ファジィ化演算を行って操作量を算出し、制
御対象となる装置の運転状態を理想状態に近づける様に
制御している。
ァジィ推論に基づく種々の情報処理が行なわれる様にな
っている。このファジィ推論により例えばプロセス制御
を行なうには、制御対象となる装置の状態である現在の
制御量が、目標値に対して有する偏差や該偏差の変化量
等をファジィ集合として前件部メンバーシップ関数を定
め、且つ、操作量のファジィ集合を規定する後件部メン
バーシップ関数を定め、観測値（測定値）を前件部メン
バーシップ関数に対応させることにより測定値のグレー
ドを求め、このグレードの値により後件部メンバーシッ
プ関数をα−カットする様にファジィ推論を行ない、更
にα−カットした後件部ファジィ集合の重心を算出する
等により非ファジィ化演算を行って操作量を算出し、制
御対象となる装置の運転状態を理想状態に近づける様に
制御している。
【０００３】又、このファジィ推論による制御や判断を
より一層適確に行なう為に、推論装置による制御の即応
性を改良すること（例えば特開昭６３−１１３７３３
号）や、測定値に含まれるノイズの除去（例えば特開平
１−１１９８０３号）が試みられている。そして大型装
置における制御や情報処理の為の演算の一部についてフ
ァジィ推論を行なうことは既に多くの分野で行なわれて
いるが、プラント等の制御や複雑な情報処理に際しては
制御ルールが多くなり、多数のルールを重ね合わせる必
要性が生じることになる。
より一層適確に行なう為に、推論装置による制御の即応
性を改良すること（例えば特開昭６３−１１３７３３
号）や、測定値に含まれるノイズの除去（例えば特開平
１−１１９８０３号）が試みられている。そして大型装
置における制御や情報処理の為の演算の一部についてフ
ァジィ推論を行なうことは既に多くの分野で行なわれて
いるが、プラント等の制御や複雑な情報処理に際しては
制御ルールが多くなり、多数のルールを重ね合わせる必
要性が生じることになる。
【０００４】しかし、ファジィ推論に基づいて多数のル
ールを重ね合わせて推論を行なうと、予想外の推論結果
が算出され、適確な制御や判断結果を得ることが困難と
なる欠点があった。この為、本件出願人は各ファジィル
ールに基づいて各々の結論部ファジィ集合を求め、各結
論部ファジィ集合を結合して出力ファジィ集合とし、こ
の出力ファジィ集合を非ファジィ化演算するに際してフ
ァジィエントロピーを用いる推論方式を提案した（特開
平４−８０８２６号）。
ールを重ね合わせて推論を行なうと、予想外の推論結果
が算出され、適確な制御や判断結果を得ることが困難と
なる欠点があった。この為、本件出願人は各ファジィル
ールに基づいて各々の結論部ファジィ集合を求め、各結
論部ファジィ集合を結合して出力ファジィ集合とし、こ
の出力ファジィ集合を非ファジィ化演算するに際してフ
ァジィエントロピーを用いる推論方式を提案した（特開
平４−８０８２６号）。
【０００５】
【発明が解決しようとする課題】上記結論部ファジィ集
合を求めた後に出力ファジィ集合を形成し、この出力フ
ァジィ集合を非ファジィ化するに際してファジィエント
ロピーを用いる推論方式は、仮説設定が必要な環境での
推論を展開するには有用であるが、入力環境における曖
昧さを結論部に反映させるには不充分な場合が生じるこ
とがあった。
合を求めた後に出力ファジィ集合を形成し、この出力フ
ァジィ集合を非ファジィ化するに際してファジィエント
ロピーを用いる推論方式は、仮説設定が必要な環境での
推論を展開するには有用であるが、入力環境における曖
昧さを結論部に反映させるには不充分な場合が生じるこ
とがあった。
【０００６】
【課題を解決するための手段】本発明はファジィ推論に
基づいて各ファジィルールによる結論部ファジィ集合を
算出するに際し、各ＩＦ前件部ファジィ集合のグレード
を従来の単純なＭＩＮ演算ではなく、各グレードに対応
するＭut関数Ｍut(αi)を重み付けに用いることとし、
αムト尺度ξをΣαi×Ｍut(αi)／ΣＭut(αi)として
算出し、このαムト尺度ξにより後件部ファジィ集合を
α−カットすることにより各結論部ファジィ集合を求
め、各結論部ファジィ集合を結合して出力ファジィ集合
を導き、この出力ファジィ集合を非ファジィ化する演算
を行なって出力値を求めることとする。
基づいて各ファジィルールによる結論部ファジィ集合を
算出するに際し、各ＩＦ前件部ファジィ集合のグレード
を従来の単純なＭＩＮ演算ではなく、各グレードに対応
するＭut関数Ｍut(αi)を重み付けに用いることとし、
αムト尺度ξをΣαi×Ｍut(αi)／ΣＭut(αi)として
算出し、このαムト尺度ξにより後件部ファジィ集合を
α−カットすることにより各結論部ファジィ集合を求
め、各結論部ファジィ集合を結合して出力ファジィ集合
を導き、この出力ファジィ集合を非ファジィ化する演算
を行なって出力値を求めることとする。
【０００７】又、αムト尺度ではなく、Ｍin（μx(ξ0
i)×Ｍut(ξ0i)）とする選定グレードξiを求め、この
選定グレードξiにより後件部ファジィ集合をα−カッ
トして結論部ファジィ集合を求めることもある。
i)×Ｍut(ξ0i)）とする選定グレードξiを求め、この
選定グレードξiにより後件部ファジィ集合をα−カッ
トして結論部ファジィ集合を求めることもある。
【０００８】
【作 用】本発明は、各入力ファジィ集合のグレードに
対応するＭut関数を重み付けに利用したαムト尺度ξ又
は選定グレードξiにより後件部ファジィ集合のα−カ
ットを行なって結論部ファジィ集合とし、結論部ファジ
ィ集合を合成した出力ファジィ集合を非ファジィ化演算
することにより出力値を求めるものである故、前件部メ
ンバーシップ関数のグレードの内、重視した任意のグレ
ードレベルに重さをおいた出力値を得ることができる。
対応するＭut関数を重み付けに利用したαムト尺度ξ又
は選定グレードξiにより後件部ファジィ集合のα−カ
ットを行なって結論部ファジィ集合とし、結論部ファジ
ィ集合を合成した出力ファジィ集合を非ファジィ化演算
することにより出力値を求めるものである故、前件部メ
ンバーシップ関数のグレードの内、重視した任意のグレ
ードレベルに重さをおいた出力値を得ることができる。
【０００９】
【実施例】本発明の第１実施例は、複数のファジィルー
ルに基づいて一個の出力を導く方法であり、第１図のフ
ローチャートに示す様に、Ｍut関数による重み付けによ
るαムト尺度ξを算出し、このαムト尺度を用いて後件
部ファジィ集合をα−カットして結論部ファジィ集合を
形成し、この結論部ファジィ集合を合成した出力ファジ
ィ集合を非ファジィ化演算することにより出力値ωoを
得るものであり、非ファジィ化演算に際して面積法また
は重心法による推論を行なって出力値ωoの算出を行な
うものである。
ルに基づいて一個の出力を導く方法であり、第１図のフ
ローチャートに示す様に、Ｍut関数による重み付けによ
るαムト尺度ξを算出し、このαムト尺度を用いて後件
部ファジィ集合をα−カットして結論部ファジィ集合を
形成し、この結論部ファジィ集合を合成した出力ファジ
ィ集合を非ファジィ化演算することにより出力値ωoを
得るものであり、非ファジィ化演算に際して面積法また
は重心法による推論を行なって出力値ωoの算出を行な
うものである。
【００１０】そして、このＭut関数は、最大値を１以下
とし、０≦ｘ≦１の範囲でｆ(ｘ)の曲線を形成する集合
ムトを表すものであり、このＭut関数Ｍut(αi)を重み
付けに用いたαムト尺度ξは次式により算出するもので
ある。
とし、０≦ｘ≦１の範囲でｆ(ｘ)の曲線を形成する集合
ムトを表すものであり、このＭut関数Ｍut(αi)を重み
付けに用いたαムト尺度ξは次式により算出するもので
ある。
【００１１】
【数１】
【００１２】即ち、本実施例は予め定めたファジィルー
ルにおける前件部メンバーシップ関数や後件部メンバー
シップ関数の各パラメータを設定し、測定値を事実とし
て入力することにより制御量の推論演算を行なうもので
あり、事実の入力によって前件部メンバーシップ関数の
グレードを求め、この求められたグレードに対応したＭ
ut関数による数値を乗じることによって修正を加えてフ
ァジィ推論を行なうものである。
ルにおける前件部メンバーシップ関数や後件部メンバー
シップ関数の各パラメータを設定し、測定値を事実とし
て入力することにより制御量の推論演算を行なうもので
あり、事実の入力によって前件部メンバーシップ関数の
グレードを求め、この求められたグレードに対応したＭ
ut関数による数値を乗じることによって修正を加えてフ
ァジィ推論を行なうものである。
【００１３】このＭut関数により規定される集合Ｍut
は、Ｍut（μA(x)）＝０⇔∀x∈Ｘに対して μA(x)∈［0, α］またはμA(x)［β，１］に限るもの
であり、Ｍut（μA(x)）が最大値をとるのは x∈Ｘに対してμA(x)＝λ(∃) 即ち、 λ∈［α，β］； α，β∈［０，１］として
定義される。
は、Ｍut（μA(x)）＝０⇔∀x∈Ｘに対して μA(x)∈［0, α］またはμA(x)［β，１］に限るもの
であり、Ｍut（μA(x)）が最大値をとるのは x∈Ｘに対してμA(x)＝λ(∃) 即ち、 λ∈［α，β］； α，β∈［０，１］として
定義される。
【００１４】そして、α＜λ1 ＜λ2 ＜β； α，λ1
，λ2 ，β∈［０，１］とし、∃［λ1,λ2］⊆［０，
１］とすれば、図２に示す様に、測定値ｘのメンバーシ
ップ関数をμA(x)としたとき、Ｍut関数はμA(x)のグレ
ードがα以下のときＭut（μA(x)）を０とし、α以上λ
1 迄を
，λ2 ，β∈［０，１］とし、∃［λ1,λ2］⊆［０，
１］とすれば、図２に示す様に、測定値ｘのメンバーシ
ップ関数をμA(x)としたとき、Ｍut関数はμA(x)のグレ
ードがα以下のときＭut（μA(x)）を０とし、α以上λ
1 迄を
【００１５】
【数２】
【００１６】とし、測定値ｘのメンバーシップ関数のグ
レードλ1からλ2の範囲ではその値をを１とし，グレー
ドがλ2からβの範囲は
レードλ1からλ2の範囲ではその値をを１とし，グレー
ドがλ2からβの範囲は
【００１７】
【数３】
【００１８】とし、β以上１迄の範囲も０とした台形状
の集合を表す帽子形状の関数として、Ｍut（μA(x)）を
例示することができる。更に、このＭut関数においてλ
1＝λ2とすれば、図３に示す様に、Ｍut関数は三角凸フ
ァジィ集合を表す関数とすることができ、例えばα＝
０， λ1＝λ2＝0.5 β＝１を設定すれば、このＭut
関数を用いたファジィ推論はグレードが0.5となる測定
値を重視したファジィ推論となり、この場合の推論結果
はファジィエントロピー法の推論結果と同一となる。
の集合を表す帽子形状の関数として、Ｍut（μA(x)）を
例示することができる。更に、このＭut関数においてλ
1＝λ2とすれば、図３に示す様に、Ｍut関数は三角凸フ
ァジィ集合を表す関数とすることができ、例えばα＝
０， λ1＝λ2＝0.5 β＝１を設定すれば、このＭut
関数を用いたファジィ推論はグレードが0.5となる測定
値を重視したファジィ推論となり、この場合の推論結果
はファジィエントロピー法の推論結果と同一となる。
【００１９】又、α＝λ1， λ2＝βとすれば、図４に
示す様にＭutをクリスプ集合とすることができ、α，
β，λ1，λ2の数値によりファジィルールを変更するこ
となく推論結果の修正を容易に行なうことができる。そ
して、Ｍut（μA(x)）の最大値を ∀x∈Ｘに対してμA(x)＝λ1，λ2，・・・，λn(∃) ∃λ1，λ2，・・・，λn ∈［０，１］ とし、図５に示す様に、複合凸ファジィ集合とすること
もでき、更に、Ｍut関数としては、非凸ファジィ集合を
表す関数とし、最大値も１未満として図６に示す様に定
義することも可能である。
示す様にＭutをクリスプ集合とすることができ、α，
β，λ1，λ2の数値によりファジィルールを変更するこ
となく推論結果の修正を容易に行なうことができる。そ
して、Ｍut（μA(x)）の最大値を ∀x∈Ｘに対してμA(x)＝λ1，λ2，・・・，λn(∃) ∃λ1，λ2，・・・，λn ∈［０，１］ とし、図５に示す様に、複合凸ファジィ集合とすること
もでき、更に、Ｍut関数としては、非凸ファジィ集合を
表す関数とし、最大値も１未満として図６に示す様に定
義することも可能である。
【００２０】この様に、ファジィルールの各パラメータ
を設定し、更にＭut関数を決定し、例えば図７に示す様
にα＝0.2， λ1，λ2＝0.8， β＝１としてグレード
が比較的高いものを重視しつつ第１の入力をξ，第１の
メンバーシップ関数をμx ，第２の入力をη，第２のメ
ンバーシップ関数をμY ，出力をω，結論部のメンバー
シップ関数をμA とする２入力１出力のファジィ推論を
行なうものとすれば、このＭut関数は、 ０≦μｘ(ξ0 )≦０．２の場合 Ｍut（μx(ξ0)）＝０ ０．２≦μx(ξ0)≦０．８の場合
を設定し、更にＭut関数を決定し、例えば図７に示す様
にα＝0.2， λ1，λ2＝0.8， β＝１としてグレード
が比較的高いものを重視しつつ第１の入力をξ，第１の
メンバーシップ関数をμx ，第２の入力をη，第２のメ
ンバーシップ関数をμY ，出力をω，結論部のメンバー
シップ関数をμA とする２入力１出力のファジィ推論を
行なうものとすれば、このＭut関数は、 ０≦μｘ(ξ0 )≦０．２の場合 Ｍut（μx(ξ0)）＝０ ０．２≦μx(ξ0)≦０．８の場合
【００２１】
【数４】
【００２２】０．８≦μ(ξ0 )≦１の場合
【００２３】
【数５】
【００２４】としてＭut関数が定まり、第１の入力を
ξ，第１のメンバーシップ関数をμx ，第２の入力を
η，第２のメンバーシップ関数をμY ，出力をω，結論
部のメンバーシップ関数をμA とするファジィ関係のル
ールを、IF ξ is Ｘ and η is Ｙ THEN ω
is Ａ とし、μx(ξ0)，μY(η0)のＭutをＭut（μ
x (ξ0)），Ｍut（μY(η0)）とすれば、前記数式から
αムト尺度ξは、
ξ，第１のメンバーシップ関数をμx ，第２の入力を
η，第２のメンバーシップ関数をμY ，出力をω，結論
部のメンバーシップ関数をμA とするファジィ関係のル
ールを、IF ξ is Ｘ and η is Ｙ THEN ω
is Ａ とし、μx(ξ0)，μY(η0)のＭutをＭut（μ
x (ξ0)），Ｍut（μY(η0)）とすれば、前記数式から
αムト尺度ξは、
【００２５】
【数６】
【００２６】で表され、図８に示す様に、第１の入力値
ξ0 のグレードμx(ξ0)が０．６、第２の入力値η0 の
グレードμY(η0)が０．９の場合、図７に示したＭut関
数（α＝0.2，λ1＝λ2＝0.8，β＝１とする凸ファジィ
集合）によるムト尺度ξは、上記関数式により、 Ｍut（μx(ξ0)）＝Ｍut（０．６）＝１／０．６×（０．６−０．２） ＝０．４／０．６＝２／３ Ｍut（μY(η0)）＝Ｍut（０．９）＝−１／０．２×（０．９−１） ＝０．１／０．２＝０．５である故、 ξ＝（０．６×２／３＋０．９×０．５）／（２／３＋０．５） ＝（０．４＋０．４５）／（７／６）≒０．７３ となり、このαムト尺度ξ＝０．７３により図９のＡに
示す様に後件部メンバーシップ関数μAによる集合をα
−カットして結論部ファジィ集合Ａ1とし、又は図９の
Ｂに示す様に圧縮して結論部ファジィ集合Ａ1'とするも
のであり、同様にαムト尺度を用いてファジィ推論を行
なった他の結論部ファジィ集合Ａ2,Ａ3,…との合成を行
なって出力ファジィ集合を求め、図１０に示す様な面積
法による非ファジィ化演算等を行ない、又は重心法等に
よる非ファジィ化演算を行なって出力値ω0を求めるも
のである。
ξ0 のグレードμx(ξ0)が０．６、第２の入力値η0 の
グレードμY(η0)が０．９の場合、図７に示したＭut関
数（α＝0.2，λ1＝λ2＝0.8，β＝１とする凸ファジィ
集合）によるムト尺度ξは、上記関数式により、 Ｍut（μx(ξ0)）＝Ｍut（０．６）＝１／０．６×（０．６−０．２） ＝０．４／０．６＝２／３ Ｍut（μY(η0)）＝Ｍut（０．９）＝−１／０．２×（０．９−１） ＝０．１／０．２＝０．５である故、 ξ＝（０．６×２／３＋０．９×０．５）／（２／３＋０．５） ＝（０．４＋０．４５）／（７／６）≒０．７３ となり、このαムト尺度ξ＝０．７３により図９のＡに
示す様に後件部メンバーシップ関数μAによる集合をα
−カットして結論部ファジィ集合Ａ1とし、又は図９の
Ｂに示す様に圧縮して結論部ファジィ集合Ａ1'とするも
のであり、同様にαムト尺度を用いてファジィ推論を行
なった他の結論部ファジィ集合Ａ2,Ａ3,…との合成を行
なって出力ファジィ集合を求め、図１０に示す様な面積
法による非ファジィ化演算等を行ない、又は重心法等に
よる非ファジィ化演算を行なって出力値ω0を求めるも
のである。
【００２７】また、ｎ入力１出力とするファジィ推論
は、IF ξ1 is Ｘ1 and ξ2 is Ｘ2 and・・・
・・・・and ξn is Ｘn THEN ω is Ａ とし
てファジィルールが与えられるとき、αムト尺度ξは
は、IF ξ1 is Ｘ1 and ξ2 is Ｘ2 and・・・
・・・・and ξn is Ｘn THEN ω is Ａ とし
てファジィルールが与えられるとき、αムト尺度ξは
【００２８】
【数７】
【００２９】として表わすことができ、このαムト尺度
により後件部メンバーシップ関数をα−カットして結論
部ファジィ集合を求めることができる。又、前記したＭ
ut関数を複合凸ファジィ集合とする場合もαムト尺度の
要素が１つのルールにおいてｎ倍となるも、同様に算出
することができるものである。そして、他の実施例とし
ては、図１１に示す様に、複数のファジィルールに基づ
いて一個の出力を導くに際し、予め定めたファジィルー
ルにおける各メンバーシップ関数のパラメータを設定す
ると共に、第１実施例と同様にＭut関数の設定を行な
い、測定値ξ0を事実として入力し、前件部メンバーシ
ップ関数のグレードにＭut関数による修正を加えるもの
であり、この修正に際しては、
により後件部メンバーシップ関数をα−カットして結論
部ファジィ集合を求めることができる。又、前記したＭ
ut関数を複合凸ファジィ集合とする場合もαムト尺度の
要素が１つのルールにおいてｎ倍となるも、同様に算出
することができるものである。そして、他の実施例とし
ては、図１１に示す様に、複数のファジィルールに基づ
いて一個の出力を導くに際し、予め定めたファジィルー
ルにおける各メンバーシップ関数のパラメータを設定す
ると共に、第１実施例と同様にＭut関数の設定を行な
い、測定値ξ0を事実として入力し、前件部メンバーシ
ップ関数のグレードにＭut関数による修正を加えるもの
であり、この修正に際しては、
【００３０】
【数８】
【００３１】によりξi(∃i)を選択する様に選定グレー
ドξiを求め、この選定グレードξiを用いて後件部メン
バーシップ関数の集合をα−カットして結論部ファジィ
集合とし、各結論部ファジィ集合を結合して面積法や重
心法等により非ファジィ化演算を行なって出力値ω0 を
求めるものである。この第２実施例においても、Ｍut関
数を変更するのみで出力値の修正を容易に行なうことが
でき、例えばα＝λ1＝０，λ2＝β＝１としてＭut関数
を定めたときは、従来のミニ・マック合成と同一の推論
結果を得ることができ、α，β，λを適宜変更すること
により、出力値の修正を極めて容易に行なうことができ
る。
ドξiを求め、この選定グレードξiを用いて後件部メン
バーシップ関数の集合をα−カットして結論部ファジィ
集合とし、各結論部ファジィ集合を結合して面積法や重
心法等により非ファジィ化演算を行なって出力値ω0 を
求めるものである。この第２実施例においても、Ｍut関
数を変更するのみで出力値の修正を容易に行なうことが
でき、例えばα＝λ1＝０，λ2＝β＝１としてＭut関数
を定めたときは、従来のミニ・マック合成と同一の推論
結果を得ることができ、α，β，λを適宜変更すること
により、出力値の修正を極めて容易に行なうことができ
る。
【００３２】
【発明の効果】本発明に係る推論方式は、各ファジィル
ールによってＭut関数Ｍut(αi)によるαムト尺度ξ又
は選定グレードξiを求め、このαムト尺度ξ又は選定
グレードξiにより後件部ファジィ集合をα−カットし
て結論部ファジィ集合を求め、この結論部ファジィ集合
を用いて非ファジィ化演算を行なう故、入力設定または
計算アリゴリズムの算出設定により０から１までの任意
のグレードレベルからの選択された重み付けを優先する
ことができ、グレードの低い入力に対して過敏な反応を
抑制したりノイズによる極端な悪影響を裂けたロバスト
な推論を行なうことができる。
ールによってＭut関数Ｍut(αi)によるαムト尺度ξ又
は選定グレードξiを求め、このαムト尺度ξ又は選定
グレードξiにより後件部ファジィ集合をα−カットし
て結論部ファジィ集合を求め、この結論部ファジィ集合
を用いて非ファジィ化演算を行なう故、入力設定または
計算アリゴリズムの算出設定により０から１までの任意
のグレードレベルからの選択された重み付けを優先する
ことができ、グレードの低い入力に対して過敏な反応を
抑制したりノイズによる極端な悪影響を裂けたロバスト
な推論を行なうことができる。
【００３３】又、重要な効果として従来ファジィ制御に
おいてファジィ推論によって制御対象をうまく制御でき
ないとき、ルールやメンバーシップ関数で調整していた
のに対し、本発明ではルールやメンバーシップ関数を調
整せず前件部メンバーシップ関数の重み付けを変化させ
るＭut関数を操作することによって後件部メンバーシッ
プ関数による出力値の調整が可能となった。これにより
本発明は思考錯誤的なルールやメンバーシップ関数を与
えざる得ない環境でのチューニングに適し、仮説設定が
必要な環境での推論方式の展開統合思考を容易にする利
点を有するものである。
おいてファジィ推論によって制御対象をうまく制御でき
ないとき、ルールやメンバーシップ関数で調整していた
のに対し、本発明ではルールやメンバーシップ関数を調
整せず前件部メンバーシップ関数の重み付けを変化させ
るＭut関数を操作することによって後件部メンバーシッ
プ関数による出力値の調整が可能となった。これにより
本発明は思考錯誤的なルールやメンバーシップ関数を与
えざる得ない環境でのチューニングに適し、仮説設定が
必要な環境での推論方式の展開統合思考を容易にする利
点を有するものである。
【００３４】そして、システムの外部環境が変化したと
き、ルールやメンバーシップ関数を調整するために人間
がシステム制御ループに入ることなしに学習を経ながら
Ｍut関数を自動調整することも容易に可能であり、オン
ラインによるシステム制御に適した推論方式を提供する
ことができるものである。
き、ルールやメンバーシップ関数を調整するために人間
がシステム制御ループに入ることなしに学習を経ながら
Ｍut関数を自動調整することも容易に可能であり、オン
ラインによるシステム制御に適した推論方式を提供する
ことができるものである。
【図１】本発明の第１実施例を示すフローチャート。
【図２】前件部メンバーシップ関数とＭut関数との関連
を示す図。
を示す図。
【図３】Ｍut関数の第２例を示す図。
【図４】Ｍut関数の第３例を示す図。
【図５】Ｍut関数の第４例を示す図。
【図６】Ｍut関数の第５例を示す図。
【図７】計算例に用いるＭut関数を示す図。
【図８】計算例に用いる前件部メンバーシップ関数を示
す図。
す図。
【図９】計算例に用いる後件部メンバーシップ関数を示
す図。
す図。
【図１０】結論部ファジィ集合の合成例を示す図。
【図１１】本発明の第２実施例を示すフローチャート。
Claims (2)
- 【請求項１】 多数のファジィルールに基づいて一個の
出力を求めるに際し、入力値によって決まる各グレード
αiに対応するムト関数Ｍut(αi)によりαムト尺度ξを
Σμxi(αi)×Ｍut（μxi(αi)）／ΣＭut（μxi(αi
)）として算出し、このαムト尺度ξにより後件部のα
−カットを行なって各ファジィルールに基づいたファジ
ィ推論による各々の結論部ファジィ集合を求め、各結論
部ファジィ集合を結合して出力ファジィ集合とし、該出
力ファジィ集合を非ファジィ化して出力値ωoを求める
ことを特徴とするファジィ推論方式。 - 【請求項２】 多数のファジィルールに基づいて一個の
出力を求めるに際し、入力値によって決まる各グレード
αiに対応するＭut（ムト）関数値に基づいてξi(∃i)
を選択し、この選択された選定グレードξi により後件
部のα−カットを行なって各ファジィルールに基づいた
ファジィ推論による各々の結論部ファジィ集合を求め、
各結論部ファジィ集合を結合して出力ファジィ集合と
し、該出力ファジィ集合を非ファジィ化して出力値ωo
を求めることを特徴とするファジィ推論方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP32633392A JPH06175855A (ja) | 1992-12-07 | 1992-12-07 | ファジイ推論方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP32633392A JPH06175855A (ja) | 1992-12-07 | 1992-12-07 | ファジイ推論方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06175855A true JPH06175855A (ja) | 1994-06-24 |
Family
ID=18186606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP32633392A Pending JPH06175855A (ja) | 1992-12-07 | 1992-12-07 | ファジイ推論方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06175855A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9841949B2 (en) | 2014-02-12 | 2017-12-12 | Electronics And Telecommunications Research Institute | Apparatus and method for stabilizing output sequence of real random number generator |
-
1992
- 1992-12-07 JP JP32633392A patent/JPH06175855A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9841949B2 (en) | 2014-02-12 | 2017-12-12 | Electronics And Telecommunications Research Institute | Apparatus and method for stabilizing output sequence of real random number generator |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5828812A (en) | Recurrent neural network-based fuzzy logic system and method | |
| US5579439A (en) | Fuzzy logic design generator using a neural network to generate fuzzy logic rules and membership functions for use in intelligent systems | |
| Alassar et al. | Modeling and control of 5 DOF robot arm using supervisory control | |
| Khalid et al. | Temperature regulation with neural networks and alternative control schemes | |
| Shin et al. | Neuro-fuzzy control of complex manufacturing processes | |
| Seng et al. | Adaptive neuro-fuzzy control system by RBF and GRNN neural networks | |
| Gan | Designing a fuzzy step size LMS algorithm | |
| JPH06175855A (ja) | ファジイ推論方式 | |
| Wilson et al. | Neuro-fuzzy modeling and control of a batch process involving simultaneous reaction and distillation | |
| Xinqing et al. | A neurofuzzy approach for the anticipatory control of complex systems | |
| JPH0553605A (ja) | プロセス制御方法及びその制御装置 | |
| El Afia et al. | Fuzzy logic controller for an adaptive Huang cooling of simulated annealing | |
| Janabi-Sharifi et al. | Self-tuning fuzzy looper control for rolling mills | |
| Kratmüller | Combining fuzzy/wavelet adaptive error tracking control design | |
| CA2254763A1 (en) | Multi grade fuzzy logic controller | |
| Hsu et al. | MRFACS with nonlinear consequents by fuzzy identification of system for time delay system | |
| Amaral et al. | A neuro-fuzzy-genetic system for automatic setting of control strategies | |
| JP2571145B2 (ja) | ファジイ推論によるプラントなどの制御方法 | |
| Chow | Fuzzy Logic–Based Control Section | |
| JPH05298109A (ja) | ファジイ推論方式 | |
| Janabi-Sharifi et al. | Neuro-fuzzy tension controller for tandem rolling | |
| Berenji et al. | Adaptive fuzzy control with reinforcement learning | |
| Ferreiro García et al. | Rule base reduction on a self-learning fuzzy controller | |
| Rodriguez-Martinez et al. | Comparative analysis of PI controller gain-scheduling through fuzzy systems | |
| Georgescu | Capturing and Tuning Nonlinear Characteristics of Economic Stabilization Systems by Fuzzy Control Techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19991021 |