KR950007925B1

KR950007925B1 - Method and apparatus of appreciating the rule or membership function for fuzzy interence machine

Info

Publication number: KR950007925B1
Application number: KR1019910701300A
Authority: KR
Inventors: 쯔또무 이시다; 노부오 쯔찌야; 가즈아끼 쇼지; 노부또모 마쯔나가
Original assignee: 오므론 가부시끼가이샤; 다떼이시 요시오
Priority date: 1989-04-14
Filing date: 1990-04-09
Publication date: 1995-07-21
Also published as: KR920701893A; JPH02273802A

Abstract

내용 없음.No content.

Description

[발명의 명칭][Name of invention]

퍼지 추론 장치에 있어서 멤버쉽 함수 또는 룰의 평가 방법 및 장치Method and apparatus for evaluating membership function or rule in fuzzy inference device

[도면의 간단한 설명][Brief Description of Drawings]

제 1도는 퍼지 조절 시스템의 전체적 구성을 나타내는 블럭도.1 is a block diagram showing the overall configuration of a fuzzy control system.

제 2도는 입력 변수에 대하여 멤버쉽 함수의 일예를 나타내는 그래프도.2 is a graph showing an example of a membership function with respect to an input variable.

제 3도는 출력 변수에 대하여 멤버쉽 함수의 일예를 나타내는 그래프도.3 is a graph showing an example of a membership function for an output variable.

제 4도는 MIN-MAX 연산 규칙에 따르는 퍼지 추론의 과정도.4 is a process diagram of fuzzy inference according to the MIN-MAX operation rule.

제 5도에서 제 9도는 제 1실시예를 나타내는 도시도로서,5 to 9 are diagrams showing the first embodiment,

제 5도는 멤버쉽 함구의 설정 처리 순서를 나타내는 흐름도.5 is a flowchart showing a procedure for setting a membership tool.

제 6도는 설정된 멤버쉽 함수를 평가하는 처리 순서를 나타내는 흐름도.6 is a flowchart showing a processing sequence for evaluating a set membership function.

제 7도는 입력치, 멤버쉽 함수 및 적합도의 표시예를 나타내는 도시도.7 is a diagram showing an example of displaying an input value, a membership function, and a goodness of fit.

제 8도는 멤버쉽 함수가 수정된 상태를 표시한 예에 대한 도시도.8 is an illustration of an example in which a membership function is modified.

제 9도는 입력치, 멤버쉽 함수 및 적합도의 다른 표시예를 나타내는 도시도.9 is a diagram showing another display example of an input value, a membership function, and a goodness of fit.

제10도에서 제13도는 제 2실시예를 나타내는 도시도로서,10 to 13 are diagrams showing a second embodiment,

제10도는 룰을 평가하는 처리 순서를 나타내는 흐름도.10 is a flowchart showing a processing sequence for evaluating a rule;

제11도는 적합도의 시간 변화의 상태를 나타내는 그래프도.11 is a graph showing a state of time variation of the goodness of fit.

제12도는 적합도 변화율의 시간 변화의 상태를 나타내는 그래프도.12 is a graph showing the state of time change in the rate of change of goodness of fit;

제13도는 적합도 변화율의 시간 변화의 다른 예를 나타내는 그래프도.FIG. 13 is a graph showing another example of the time change in the rate of change of the goodness of fit. FIG.

제14도에서 제16도는 제 3실시예를 나타내는 도시도로서,14 to 16 are diagrams showing a third embodiment,

제4도는 룰의 평가 위한 표시 처리 순서를 나타내는 흐름도.4 is a flowchart showing a display processing procedure for evaluating a rule;

제15도는 룰 테이블 및 이 테이블상에 중합하여 표시된 입력치의 경시 변화를 나타내는 도형의 표시예를 나타내는 도시도.FIG. 15 is a diagram showing a display example of a figure showing a change over time of a rule table and an input value displayed by polymerization on the table. FIG.

제16도는 다른 표시예를 나타내는 도시도.16 is a diagram showing another display example.

제17도에서 제19도는 제 4실시예를 나타내는 도시도로서,17 to 19 are diagrams showing a fourth embodiment,

제17도는 룰 평가 처리 순서를 나타내는 흐름도.17 is a flowchart showing a rule evaluation processing sequence.

제18도는 퍼지 추론 결과 데이타와 차 데이타를 기억하기 위한 테이블을 나타내는 도시도.18 is a diagram showing a table for storing fuzzy inference result data and difference data.

제19도는 차의 표시예를 나타내는 도시도.19 is a diagram showing a display example of a car.

제20도에서 제25도는 제 5실시예를 나타내는 도시도로서,20 to 25 are diagrams showing a fifth embodiment,

제20도는 제 5실시예의 기능 블럭도.20 is a functional block diagram of the fifth embodiment.

제21도는 를의 적합도의 일예를 나타내는 그래프도.21 is a graph showing an example of goodness of fit.

제22도는 룰 상호의 적합도의 상관을 나타내는 그래프도.22 is a graph showing the correlation between the goodness of fit of rules.

제23도에서 제25도는 제1, 제2, 제 3의 변형예를 각각 나타내는 기능 블럭도.23 to 25 are functional block diagrams showing first, second, and third modifications, respectively.

제26도에서 제29도는 제 6실시예를 나타내는 도시도로서,26 to 29 are diagrams showing the sixth embodiment,

제26도는 설정된 룰을 나타내는 데이타의 구조를 나타내는 도시도.Fig. 26 is a diagram showing a structure of data representing a set rule.

제27도는 룰 총수의 기억 영역을 나타내는 도시도.27 is a diagram showing a storage area for the total number of rules.

제28도는 각 변수의 사용 빈도를 계수하는 기억 영역을 나타내는 도시도.28 is a diagram showing a storage area for counting the frequency of use of each variable.

제29도는 각 변수마다의 사용 빈도의 계수 및 표시 처리 순서를 나타내는 흐름도.29 is a flowchart showing a coefficient of use frequency and display processing sequence for each variable.

제30도에서 제36도는 제 7실시예를 나타내는 도시도로서,30 to 36 are diagrams showing the seventh embodiment,

제30도는 제어용 룰 테이블의 일예를 나타내는 도시도.30 is a diagram showing an example of a control rule table.

제31도는 설정용 룰 테이블의 일예를 나타내는 도시도.Fig. 31 is a diagram showing an example of a setting rule table.

제32도는 판정용 룰 테이블의 일예를 나타내는 도시도.32 is a figure which shows an example of a determination rule table.

제33도는 룰이 설정되었을때에 행하여지는 룰 점검 처리 순서를 나타내는 흐름도.Fig. 33 is a flowchart showing a rule check processing procedure performed when a rule is set.

제34도는 제어용 룰 테이블의 다른 표시예를 나타내는 도시도.34 is a diagram showing another example of display of a control rule table;

제35도 및 제36도는 설정된 룰의 다른 표시예를 나타내는 도시도.35 and 36 are diagrams showing another display example of the set rules.

[발명의 상세한 설명]Detailed description of the invention

[기술분야][Technical Field]

본 발명은 퍼지 추론 장치에 있어서, 퍼지 추론 장치를 위한 멤버쉽 함수 또는 룰의 평가방법 및 장치에 관한 것이다.The present invention relates to a method and apparatus for evaluating a membership function or rule for a fuzzy inference apparatus.

[배경 기술]Background Technology

퍼지 제어기. 퍼지 콤퓨터, 퍼지 추론 연산 장치등과 여러가지 명칭으로 불리는 퍼지 추론을 행하는 장치가 개발되고 있다. 이러한 장치의 다량은 이른바 If, then룰 이라고 불리는 모터스 포넨스의 퍼지 추론 룰에 따라 퍼지 추론을 실행한다.Fuzzy controller. Fuzzy computers, fuzzy inference computing devices, and the like, and apparatuses for performing fuzzy inference called various names have been developed. Many of these devices perform fuzzy reasoning in accordance with the so-called If, then rules of Fuzzy Reasoning of Motors.

퍼지 추론 장치의 응용(적용)에서는 그 제어 대상에서 검출하는 입력 변수의 종류, 멤버쉽 함수의 종류와 형상, 추론 룰등을 적절하게 설정하는 것이 매우 중요하다. 이들의 퍼지 추론을 위한 각종 패라메터는 전문가 또는 숙련자의 과거경험, 노하우의 축적등을 고려하여 결정되는 것이 많다. 그러나, 이들 과거의 지식축적을 충분하게 고려하여도, 그다지 활용되지 않는 입력 변수나 룰이 있고, 룰 또는 멤버쉽 함수가 부적절하므로, 최적의 제어를 행할 수 없다는 등의 문제가 생긴다. 따라서 일단 설정한 입력 변수, 멤버쉽 함수 및 룰이 퍼지 추론에서 어떠한 역할을 완수하고 있는지, 설정된 복수의 룰이 상호 어떠한 관계가 있는지를 관찰하고, 해석하며 평가하고, 퍼지 추론 제어의 개량, 개선을 위하여 불가결의 사항이다.In the application (application) of the fuzzy inference apparatus, it is very important to appropriately set the type of input variable, the type and shape of the membership function, and the inference rule detected by the control object. Various parameters for their fuzzy inference are often determined in consideration of past experiences of experts or experts, accumulation of know-how, and the like. However, even when these past knowledge accumulations are sufficiently taken into account, there are problems such as an input variable or a rule that is not utilized very much, and a rule or membership function is inadequate, and thus optimum control cannot be performed. Therefore, to observe, interpret, and evaluate the role of input variables, membership functions, and rules that are established in fuzzy inference, and how the plurality of rules are related to each other, and to improve and improve fuzzy inference control. It is indispensable.

그러나, 퍼지 추론의 응용 연구는 아직 미약할 뿐이고, 충분한 연구가 되어 있지 않는 것이 현실이다.However, the applied research of fuzzy inference is still weak, and the reality is that there is not enough research.

[발명 의 개시][Initiation of invention]

본 발명은 설정된 멤버쉽 함수가 적절한지를 평가하기 위한 방법 및 장치를 제공하는 것을 목적으로 한다.It is an object of the present invention to provide a method and apparatus for evaluating whether a set membership function is appropriate.

본 발명은 설정된 퍼지 추론 룰이 적절한지를 평가하기 위한 방법 및 장치를 제공하는 것을 목적으로 한다.It is an object of the present invention to provide a method and apparatus for evaluating whether a set fuzzy inference rule is appropriate.

본 발명에 의한 퍼지 추론 장치에 있어서, 멤버쉽 함수 또는 룰의 평가 장치는 적어도 2종류의 입력 변수의 각각에 대하여 복수개씩 설정된 멤버쉽 함수 및 적어도 1종류의 출력 변수에 대하여 설정된 복수의 멤버쉽 함수를 갖추고, 입력치에 응답하여, 이미 설정된 소정의 룰에 따라 퍼지 추론을 실행하는 수단, 상기 퍼지 추론 실행 수단에 의한 퍼지 추론의 실행 과정에서, 멤버쉽 함수 또는 룰의 평가를 위한 퍼지 추론에 관한 특징량을 산출하는 연산 수단 및 산출된 특징량을 산출하는 연산 수단 및 산출된 특징량을 출력하는 출력 수단을 갖추고 있는 것을 특징으로 한다.In the fuzzy inference apparatus according to the present invention, the membership function or rule evaluating apparatus has a membership function set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variable, In response to the input value, means for executing fuzzy inference according to a predetermined rule already established, and in the process of performing fuzzy inference by the fuzzy inference executing means, calculating a feature amount for fuzzy inference for evaluating a membership function or rule. And an arithmetic means for calculating the calculated feature amount and an output means for outputting the calculated feature amount.

본 발명에 의한 퍼지 추론 장치에 있어서 멤버쉽 함수 또는 룰의 평가 방법은 적어도 2종류의 입력 변수 각각에 대하여 복수개씩 설정된 멤버쉽 함수 및 적어도 1종류의 출력 변수에 대하여 설정된 복수의 멤버쉽 함수를 지지하고, 입력치에 응답하여, 이미 설정된 소정의 룰에 따라 퍼지 추론을 실행하는 퍼지 추론 장치에서, 퍼지 추론 실행 과정에서, 멤버쉽 함수 또는 룰의 평가를 위한 퍼지 추론에 관한 특징량을 산출하고,산출된 특미량을 출력하는 것을 특징으로 한다.In the fuzzy inference apparatus according to the present invention, the membership function or rule evaluation method supports and supports a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variable. In response to the value, in the fuzzy inference apparatus that performs fuzzy inference according to a predetermined rule, in the process of performing fuzzy inference, a feature amount related to fuzzy inference for evaluating a membership function or rule is calculated and calculated. It characterized in that the output.

본 발명의 제 1상태에 의하면, 부여된 입력치에 응답하여 이 입력치에 관련하는 멤버쉽 함수가 검색되고, 상기 입력치가 검색한 멤버쉽 함수에 대한 적합도가 산출되고, 상기 입력치, 멤버쉽 함수 및 적합도가 서로 관련하는 형태로서 표시된다.According to the first state of the invention, in response to a given input value, a membership function associated with the input value is retrieved, a goodness of fit for the membership function retrieved by the input value is calculated, and the input value, membership function, and fitness Are represented as mutually related forms.

제 1상태에 의하면, 입력치와, 입력치에 관련하는 멤버쉽 함수와, 그 멤버쉽 함수에 대한 상기 입력치의 적합도가 상호 관련한 상태에서 표시됨으로, 이 표시를 봄으로서, 설정된 멤버쉽 함수가 적절한지 어떤지의 판정을 실시간으로 행하는 것이 가능하며, 적절하지 않다고 판정되었을때에는 그 멤버쉽 함수를 수정할 수 있다.According to the first state, since an input value, a membership function associated with the input value, and a goodness of fit of the input value with respect to the membership function are displayed in a state of being correlated with each other, this indication shows that the set membership function is appropriate. It is possible to make a determination in real time, and when it is determined that it is not appropriate, the membership function can be modified.

본 발명의 제 2상태에 의하면, 입력치가 부여되었을때, 그 입력치의 적합도 및 그 변화율이 산출되고, 산출된 적합도 및 그 변화율이 산출되고, 산출된 적합도 및 그 변화율이 경시적으로 변화하는 상태가 시간을 횡축으로 하여 표시된다. 적합도가 전건부 적합도의 경우에는 전건부 적합도 및 그 변화율은 룰마다 표시된다. 적합도가 멤버쉽 함수에 대한 적합도의 경우에는 이 적합도 및 그 변화율은 멤버쉽 함수마다 표시된다.According to the second state of the present invention, when an input value is given, the goodness of fit and the rate of change of the input value are calculated, the calculated goodness of fit and the rate of change are calculated, and the calculated goodness of fit and the rate of change of the state change over time. The time is displayed on the horizontal axis. In the case of the goodness-of-fit for the whole-body part, the whole-body part fitness and its rate of change are displayed for each rule. In the case of goodness-of-fit for a membership function, this goodness of fit and its rate of change are indicated for each membership function.

제 2상태에 의하면, 전건부 적합도 및 그 변화율이 표시된 경우에는 이들이 퍼지 추론 과정에서 어떻게 변화하는가를 한눈으로 알 수 있으므로. 유사한 룰을 발견하거나, 부적절한 룰을 알아낼 수 있다. 그리고 유사한 룰의 한쪽을 삭제하여 이것에 대하여 간단한 연산을 추가하거나, 부적절한 룰을 삭제하거나 함으로서, 퍼지 추론 출력치의 안정화, 추론 처리의 고속화를 할 수 있도록 된다.According to the second state, when the total health suitability and the rate of change are indicated, it can be seen at a glance how they change during the fuzzy inference process. You can find similar rules or find inappropriate ones. By deleting one of the similar rules and adding a simple operation to it, or deleting an inappropriate rule, it is possible to stabilize the fuzzy inference output value and speed up the inference process.

본 발명의 제 3상태에 의하면, 입력치가 부여되었을 때, 설정된 모든 룰에 대하여 전건부 멤버쉽 함수의 레벨과 후건부 멤버쉽 함수의 레벨을 테이블형으로 나타내는 룰 테이블상에 있어서 입력치의 표시 위치 좌표가 산출되고, 상기 룰 테이블에 중합하여, 산출된 표시 위치 좌표에 의하여 입력치의 경시적 변화에 의하여 그려지는 도형이 표시된다.According to the third state of the present invention, when an input value is given, the display position coordinates of the input value are calculated on a rule table which shows the level of the front part membership function and the level of the back part membership function in tabular form for all the set rules. Then, the figure is polymerized to the rule table, and the figure drawn by the change of the input value with the calculated display position coordinates is displayed.

제 3의 상태에 의하면, 전건부의 멤버쉽 함수를 나타내는 레벨과 후건부의 멤버쉽 함수를 나타내는 레벨의 조합에 의하여 퍼지 추론의 룰, 테이블이 표시되고, 이 테이블상에 중합되어, 입력치의 경시 변화를 나타내는 도형이 표시됨으로, 입력치의 경시적 변화가 시각적으로 용이하게 인식할 수 있도록 되고, 이것에 의하여 적절하지 않은 룰을 용이하게 알아낼 수 있다According to the third state, a rule and a table of fuzzy inference are displayed by a combination of the level representing the membership function of the front part and the membership function of the rear part, and are polymerized on this table to show the change over time of the input value. This display makes it easy to visually recognize the change in the input value over time, thereby making it possible to easily find an inappropriate rule.

본 발명의 제 4상태에 의하면, 입력 변수의 모든 조합에 대하여, 설정된 모든 룰에 따른 통상 퍼지 추론을 이미 실행하여 그 추론 결과를 나타내는 출력치가 기억되어 있다. 그리고, 설정된 룰중에서 특정 룰을 제외한 나머지 모든 룰에 따라서, 제외한 특정 룰에 관계하는 소정범위의 입력 변수의 조합에 대하여 시험적 퍼지 추론 연산이 행하여지고, 이 시험적 퍼지 추론 연산 결과를 나타내는 출력치와 상기 통상 퍼지 추론 결과를 나타내는 출력치의 차가 연산되고, 이 차가, 입력 변수의 조합에 관련시켜 표시 또는 인자에 의하여 출력 된다.According to the fourth state of the present invention, for all combinations of input variables, an ordinary value fuzzy inference according to all set rules has already been executed and an output value indicating the inference result is stored. Then, in accordance with all of the set rules except for a specific rule, an experimental fuzzy inference operation is performed on a combination of input variables in a predetermined range related to the specific rule that is excluded, and an output value indicating the result of the experimental fuzzy inference operation. And a difference between the output values representing the above normal fuzzy inference result are calculated, and the difference is output by a display or a factor in association with the combination of the input variables.

제 4상태에 의하면, 출력된 상기 차에 의하여 룰을 평가할 수 있다. 예를들면 차이가 영 또는 매우 작은 경우에는 상기 특정의 룰은 퍼지 추론에 중대한 영향을 주지 않는 것으로 제거할 수 있다. 이 결과, 필요 최소한의 룰 설정이 가능하게 된다.According to the fourth state, the rule can be evaluated by the difference output. For example, if the difference is zero or very small, the particular rule can be removed as having no significant effect on fuzzy inference. As a result, necessary minimum rule setting is possible.

본 발명에 의한 퍼지 추론 장치에 있어서 멤버쉽 함수 또는 룰의 평가 장치는 적어도 2종류의 입력 변수의 각각에 대하여 복수개씩 설정된 멤버쉽 함수 및 적어도 1종류의 출력 변수에 대하여 설정된 복수의 멤버쉽 함수를 갖추고, 입력치에 응답하여 미리 설정된 소정 룰에 따라 퍼지 추론을 실행하는 수단, 상기 퍼지 추론 실행 수단에 의한 퍼지 추론 실행 과정으로 얻어지는 멤버쉽 함수 또는 룰의 평가를 위하여 퍼지 추론에 관한 특징량을 기억하는 수단 및 기억된 특징량에 의하여 멤버쉽 함수 또는 룰을 해석하는 수단을 갖추고 있는 것을 특징으로 한다In the fuzzy inference apparatus according to the present invention, a membership function or rule evaluating apparatus has a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variable. Means for executing fuzzy inference according to a predetermined rule in response to a predetermined value, means for storing a feature amount related to fuzzy inference for evaluating a membership function or rule obtained by the fuzzy inference executing process by the fuzzy inference executing means, and storing And means for interpreting membership functions or rules based on the specified feature quantities.

본 발명에 의한 멤버쉽 함수 또는 룰의 평가방법은, 적어도 2종류의 입력 변수 각각에 대하여 복수개씩 설정된 멤버쉽 함수 및 적어도 1종류의 출력 변수에 대하여 설정된 복수의 멤버쉽 함수를 유지하고, 입력치에 응답하여 이미 설정된 소정의 룰에 따라 퍼지 추론을 실행하는 퍼지 추론 장치에서, 퍼지 추론 장치에 의한 퍼지 추론 실행 과정에서 얻어지는 멤버쉽 함수 또는 룰의 평가를 위한 퍼지 추론에 관한 특징량을 기억하고, 기억된 특징량에 의하여 멤버쉽 함수 또는 룰을 해석하는 것을 특징으로 한다.The method for evaluating a membership function or rule according to the present invention maintains a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variable and responds to the input values. In a fuzzy inference device that performs fuzzy inference according to a predetermined rule that is already set, the feature amount related to the fuzzy inference for evaluating the membership function or rule obtained in the fuzzy inference execution process by the fuzzy inference device is stored, and the stored feature amount It is characterized by parsing a membership function or a rule.

본 발명의 제 5상태에 의하면, 퍼지 추론 과정에서 얻어지는 전건부 적합도에 관한 값이 소정의 물리량을 변수로서, 그 물리량의 소정 범위동안 유지되고, 유지된 전건부 적합도에 관한 값이 룰 사이에 있어서의 유사도가 산출되고, 산출된 유사도에 의하여 룰이 그룹화된다.According to the fifth state of the present invention, a value relating to the power condition fitness obtained in the fuzzy inference process is held for a predetermined range of the physical quantity as a variable of a predetermined physical quantity, and a value relating to the maintained soundness suitability is maintained between the rules. The similarity of is calculated, and the rules are grouped by the calculated similarity.

적합도에 관한 값에는 적합도 및 적합도의 변화율이 포함된다.Values relating to goodness of fit include the goodness of fit and the rate of change of goodness of fit.

적합도에 관한 값은 가장 일반적으로는 시간을 변수로서 시간축상에 배열되고, 시간축상에서 룰간의 유사도가 산출될 것이다. 그러나 다른 물리량(예를들면 온도등)을 변수로서 적합도에 관한 값의 변화를 구하고, 그것에 의하여 룰간의 유사도를 산출하여도 좋다는 것은 물론이다.Values for goodness of fit are most commonly arranged on the time axis with time as a variable, and the similarity between rules on the time axis will be calculated. However, it is obvious that the similarity between the rules may be calculated by calculating a change in the value of the fitness with other physical quantities (for example, temperature) as a variable.

제 5상태에 의하면, 시간축 또는 다른 물리량의 축상에서 복수의 룰을 그룹화할 수 있으므로, 이들 축(변수)마다 필요 불가결한 룰을 알 수 있다.According to the fifth state, since a plurality of rules can be grouped on the time axis or on the axis of other physical quantities, it is possible to know a rule indispensable for each axis (variable).

이것에 의하여, 변수의 종류에 따라 필요한 룰을 선택하고, 선택된 룰만을 사용하여 퍼지 추론을 행하는 것이 가능하게 되고, 처리 속도를 높힐 수 있다.This makes it possible to select a required rule according to the type of variable and to perform fuzzy inference using only the selected rule, thereby increasing the processing speed.

그룹화된 룰내에서 룰의 중복 유무를 검토할 수 있으므로, 쓸데없는 룰을 줄일 수 있다. 중복하는 룰의 점검은 최소한 필요한 룰의 선정에 유용하다.You can check for duplicate rules in grouped rules, thus reducing unnecessary rules. Checking for duplicate rules is useful at least in selecting the necessary rules.

본 발명에 의한 퍼지 추론 장치를 위한 룰의 평가 장치는 퍼지 추론을 위한 룰을 선정하기 위한 입력수단, 입력수단에 의하여 입력된 룰을 조사하는 수단 및 조사한 결과를 출력하는 수단을 갖추고 있는 것을 특징으로 한다.An apparatus for evaluating a rule for a fuzzy inference device according to the present invention is characterized by comprising an input means for selecting a rule for fuzzy inference, a means for examining a rule input by the input means, and a means for outputting the result of the investigation. do.

본 발명에 의한 퍼지 추론 장치를 위한 룰의 평가 방법은, 퍼지 추론을 위한 룰을 설정하기 위한 입력수단을 갖춘 장치에서, 상기 입력수단에 의하여 룰이 설정되었을때에 설정된 룰을 조사하고, 그 조사한 결과를 출력하는 것을 특징으로 한다.In the method for evaluating a rule for a fuzzy inference apparatus according to the present invention, in a device having an input means for setting a rule for fuzzy inference, the rule set when the rule is set by the input means is examined and investigated. It is characterized by outputting a result.

본 발명의 제 6상태에 의하면, 설정된 퍼지 추론 룰에 있어서의 각 변수의 사용 빈도에 관한 값이 계수되고, 이 계수 결과가 표시 또는 인자에 의하여 출력된다.According to the sixth state of the present invention, a value relating to the frequency of use of each variable in the set fuzzy inference rule is counted, and the counting result is output by the display or the factor.

제 6상태에 의하면, 퍼지 추론 룰이 설정된 후, 그 룰에서 사용되는 변수마다의 사용 빈도가 자동적으로 계수되고, 출력됨으로, 설정된 룰에 있어서의 변수의 사용에 관한 전체의 균형, 각 변수의 중요도 등을 파악하여 평가할 수 있다.According to the sixth state, after the fuzzy inference rule is set, the frequency of use for each variable used in the rule is automatically counted and output, so that the overall balance regarding the use of the variable in the set rule and the importance of each variable Can be identified and evaluated.

본 발명의 제 7상태에 의하면, 전건부의 멤버쉽 함수의 조합에 대하여 후건부의 멤버쉽 함수의 설정 타당 범위가 미리 기억되어 있다. 그리고 후건부인 멤버쉽 함수가 상기 입력수단에서 입력되었을때에, 입력된 멤버쉽 함수가 상기 타당 범위내에 들어가는지 어떤지가 검사되고, 입력된 후건부의 멤버쉽 함수가 상기 해당 범위내에 들어가지 않다고 판단되었을 때에는 그 취지가 알려진다.According to the seventh state of the present invention, the setting valid range of the membership function of the rear construction part is stored in advance for the combination of the membership functions of the front construction part. When the membership function of the latter part is inputted from the input means, it is checked whether the inputted membership function falls within the valid range, and when it is determined that the membership function of the inputted part is not within the corresponding range, Is known.

제 7의 상태에 의하면, 퍼지 추론 룰의 설정이 행하여질때마다, 입력된 후건부 멤버쉽 함수가 이미 정하여진 상기 해당 범위에 들어가는지 어떤지를 판정하고, 들어가지 않는 경우에는 그 취지가 알려지므로, 조작자는 후건부 멤버쉽 함수의 설정이 잘못되어 있던 것을 인식할 수 있다. 이 결과, 입력 조작의 실수에 의한 룰의 오 설정을 미연에 방지할 수 있다.According to the seventh state, whenever the setting of the fuzzy inference rule is performed, it is determined whether or not the input post-health unit membership function falls within the above-defined range, and if not, the effect is known. The ruler can recognize that the backbone membership function is set incorrectly. As a result, missetting of a rule by mistake of an input operation can be prevented beforehand.

[발명을 실시하기 위한 최량의 형태 ]Best Mode for Carrying Out the Invention

(1) 퍼지 조절 시스템의 전체 구성(1) the overall configuration of the purge control system

제 1도는 퍼지 추론 장치의 예로서 퍼지 제어기를 포함하는 퍼지 조절 시스템의 전체 구성을 나타내고 있다.FIG. 1 shows the overall configuration of a purge control system including a purge controller as an example of a fuzzy inference device.

퍼지 제어기 (10)는 제어 대상(예를들면 가열로, 모터 등) (11)을 제어한다. 퍼지 제어기 (10)는 제어대상(11)에서 얻어지는 제어량(측정한 온도, 속도, 그들의 변화율 등)을 입력하고, 이미 설정된 멤버쉽 함수를 사용하고, 이미 설정된 추론 룰에 따라 퍼지 추론을 행하고, 이 추론 결과를 디퍼지 파이하여 얻어지는 조작량(전류치, 속도지령 등)을 제어대상(11)에 부여한다.The purge controller 10 controls the control object (for example, a heating furnace, a motor, etc.) 11. The fuzzy controller 10 inputs a control amount (measured temperature, speed, rate of change, etc.) obtained from the control object 11, uses a membership function already set, performs fuzzy inference according to an already set inference rule, and infers this. The operation amount (current value, speed command, etc.) obtained by diffusing the result is given to the control object 11.

퍼지 제어기(10)는, 아나로그 타입, 디지탈 타입에 문제없이 퍼지 추론 전용의 아키텍쳐를 가지는 퍼지 전용의 제어기에도 좋고, 퍼지 추론이 가능하도록, 프로그램된 바이너리 타입의 콤퓨터 (메모리를 포함한다) (예를들면 마이크로 콤퓨터 이른바, 퍼스널 콤퓨터 등)에 의하여도 실현할 수 있다.The fuzzy controller 10 is also suitable for a fuzzy dedicated controller having an architecture dedicated to fuzzy inference without problems of analog type and digital type, and a binary type computer (including a memory) programmed to enable fuzzy inference (example) For example, a microcomputer, so-called personal computer, etc., can also be implemented.

퍼지 제어기 (10)에는 모니터 및 조절장치 (모니터/제어기) (20)가 접촉되어 있다. 이 모니터/제어기 (20)는, 퍼지 제어기 (10)에서 사용되는 멤버쉽 함수, 룰등의 설정, 퍼지 제어기 (10) 동작의 감시 또는 관찰, 및 관찰 데이타에 의한 멤버쉽 함수나 룰의 평가를 행하는 것이다. 모니터/제어기 (20)는 상기 동작을 행하는 CPU(21) 및, CPU(21)를 위한 프로그램, 입력 또는 설정된 데이타 제어기 (10)에서 수집한 데이타 등을 기억하기 위한 메모리(22)를 갖추고 있다. 멤버쉽 함수, 룰, 그외의 데이타 입력 또는 설정을 행하는 키보드마우스 등에서 되는 입력장치(23), 설정된 멤버쉽 함수, 룰등, 제어기(10)의 추론과정, 관찰 결과등을 표시하기 위한 예를들면 CRT를 포함하는 표시장치(24), 및 경보를 출력하는 부저(25)가 모니터/제어기(20)에 접속되어 있다. 퍼지 제어기 (10)가 콤퓨터로서 실현되는 경우에는 1대의 콤퓨터로서 제어기 (10)와 모니터/제어기(20)의 양쪽 기능을 실현하는 것도 가능하다.The purge controller 10 is in contact with a monitor and a regulator (monitor / controller) 20. The monitor / controller 20 performs membership function, rules, and the like used in the fuzzy controller 10, monitors or observes the operation of the fuzzy controller 10, and evaluates a membership function or rule based on observation data. The monitor / controller 20 has a CPU 21 for performing the above operation, and a memory 22 for storing a program for the CPU 21, data collected by the input or set data controller 10, and the like. Examples include an input device 23, a set membership function, a rule, a reasoning process of the controller 10, an observation result, and the like, for displaying a membership function, a rule, a keyboard mouse for inputting or setting data, and a CRT. The display device 24 and the buzzer 25 which output an alarm are connected to the monitor / controller 20. When the purge controller 10 is realized as a computer, it is also possible to realize both the functions of the controller 10 and the monitor / controller 20 as one computer.

설명을 간단히 하기 위하여, 퍼지 제어기 (10)의 입력 종류(입력 변수)를 2종류(X,Y)로 하고, 퍼지 제어기 (10)의 출력 변수를 (Z)로 한다. 제 2도는 입력 변수(X) 및 (Y)에 대하여 각각 설정된 멤버쉽 함수의 예를, 제 3도는 출력 변수(Z)에 대하여 설정된 멤버쉽 함수의 예를 각각 나타내는 것이다. 멤버쉽 함수는 일반적으로 0-1값(그레이드)을 가진다. PL, PM, PS, ZR, NS, NM, NL은 멤버쉽 함수를 나타내는 언어 정보(이하 레벨이라 한다)이고, p는 Positive(정), N은 Negative(부), S는 Small(작음), M은 Medium(중위), L은 Large(큼), ZR은 Almost Zero(거의 영)를 각각 나타낸다 예를들면 PS는 정의 작은 값을, NL은 부의 큰 값을 각각 나타낸다. 멤버쉽 함수는 도시와 같이 3각형상의 것에 한하지 않고, 임의의 것을 채용한다 상기의 7종류에 한하지 않고, 제어 대상의 특성에 따라 임의의 종류수의 멤버쉽 함수를 설정한다.For simplicity, the input type (input variable) of the fuzzy controller 10 is set to two types (X, Y), and the output variable of the fuzzy controller 10 is set to (Z). FIG. 2 shows an example of the membership function set for the input variables X and Y, and FIG. 3 shows an example of the membership function set for the output variables Z. FIG. Membership functions typically have a value of 0-1 (grade). PL, PM, PS, ZR, NS, NM, and NL are language information (hereinafter referred to as levels) indicating membership functions, p is positive, N is Negative, S is Small, M Is Medium, L is Large, and ZR is Almost Zero. For example, PS is positive small and NL is negative large. The membership function is not limited to a triangular shape as shown in the figure. Any of the above-described membership functions is not limited to the seven types described above.

퍼지 추론 룰의 대표적인 것에 모터스 포넨스의 추론을 위한 이른바 If, then룰이 있다. 이것은 일예로서 다음과 같이 표현된다.A representative fuzzy inference rule is the so-called If and then rule for the reasoning of Motors Forensus. This is expressed as an example as follows.

(룰 1) If X=PM, Y=PL, then Z = NS(Rule 1) If X = PM, Y = PL, then Z = NS

(룰 2) If X=PS, Y=PM, then Z = NM(Rule 2) If X = PS, Y = PM, then Z = NM

............................................................

(룰 r) If X=NM, Y=NL, then Z = PL(Rule r) If X = NM, Y = NL, then Z = PL

If X=PM, Y=PL(룰 1의 경우)를 전건부, then Z=NS(룰 1의 경우)를 후건부라 한다.If X = PM, Y = PL (for rule 1), the front key, and then Z = NS (for rule 1), the back key.

여기서 룰의 수(r)는 임의의 것은 물론이다.Of course, the number of rules r is arbitrary.

제 4도는 상기 룰에 따른 MIN-MAX 연산 규칙을 사용하여 퍼지 추론을 행하는 과정을 나타내는 것이다.4 shows a process of performing fuzzy inference using the MIN-MAX calculation rule according to the rule.

입력 (X₁)이 부여되었을때에, 입력 변수(X)에 관한 멤버쉽 함수에 대하여 이 입력 (X₁)이 적합한 경우(입력이 변수로서 부여되었을때의 멤버쉽 함수치 ; 이것을 멤버쉽 함수에 대한 적합도라고 한다)가 룰마다 구하여진다. 제 4도에서는 이들 적합도가 a₁, a₂‥‥ a_r로서 나타내고 있다. 마찬가지로 입력 (y₁)이 부여되 었을때에, 입력변수(y)에 관한 멤버쉽 함수에 대한 적합도(b₁,b₂‥‥‥b_r)가 구하여 진다 다음에 각 룰마다, 입력 (X₁)의 적합도 a₁(i=1 r)와 입력 (y₁)의 적합도(b₁)의 MlN연산(작은쪽을 선택하는 것) MIN(a₁,b₂)이 행하여진다. 이 MIN연산 결과를 각 룰의 적합도, 또는 각 룰에 있어서 전전부의 적합도라고 한다. 계속하여 각 룰마다, 구하여진 전건부의 적합도 MIN(a₁,b₁)에 의하여 후건부의 멤버쉽 함수가 트렁케이트된다.When input (X ₁ ) is given, this input (X ₁ ) is appropriate for the membership function on input variable (X) (membership function value when input is given as a variable; Is obtained for each rule. Figure 4 shows the as these fit _{_{_{a 1, a 2 ‥‥ a r}}} . Similarly, the input (y ₁₎ that is obtained when the eoteul be granted, fit for the membership functions of the input variable _{(y) (b 1, b} 2 ‥‥‥ b r) for each rule in the following, the input (X ₁ ) MlN operation (selecting the smaller one) MIN (a ₁ , b ₂ ) of the goodness-of-fit a ₁ (i = 1 r) and the goodness-of-fit (b ₁ ) of the input (y ₁ ) is performed. This MIN operation result is referred to as the fitness of each rule or the fitness of all parts in each rule. Subsequently, for each rule, the membership function of the back gun section is truncated by the obtained fitness of the front gun section MIN (a ₁ , b ₁ ).

트렁케이트된 후건부의 멤버쉽 함수(퍼지 집합)가 제 4도에 사선으로 도시된다. 전 룰에 대하여 트렁케이트 된 후반부의 멤버쉽 함수의 MAX연산(합집합 연산)이 행하여진다. 이 MAX연산 결과가 퍼지 추론 결과를 표시한다. MAX연산 결과를, 예컨데, 그 중심을 구한 연신에 의해서 디퍼지파이 (비퍼지화)함으로서, 1개의 확정된 값(Zw)이 얻어진다. 이 값(Zw)이 퍼지 제어기 (10)의 출력으로 된다.The truncated backbone's membership function (a set of fuzzys) is shown in diagonal in FIG. The MAX operation (the union operation) of the latter half of the truncated part of the previous rule is performed. This MAX result shows the fuzzy inference result. By performing the MAX operation, for example, by diffusing (unpurging) the stretching obtained the center, one determined value Zw is obtained. This value Zw becomes the output of the purge controller 10.

(2) 제 1실시예(설정된 멤버쉽 함수의 평가)(2) First Embodiment (Evaluation of Set Membership Function)

일예로서 가열로(제어대상)의 온도를 퍼지 제어기(10)에 의하여 제어하는 경우를 고려한다. 입력변수(X)는 주위온도, 입력변수(Y)는 가열로의 온도로 한다. 퍼지 제어기(10)의 입력 변수에는 그외에 가열로의 온도 변화(가열로 온도의 시간 미분치)등이 필요하게 될 것이다. 출력변수(Z)는 가열로를 가열하기 위하여 피크에 흐르는 전류의 지령치이다.As an example, consider the case where the temperature of the heating furnace (control object) is controlled by the purge controller 10. Input variable (X) is the ambient temperature and input variable (Y) is the temperature of the furnace. In addition to the input parameters of the purge controller 10, the temperature change of the furnace (time derivative of the furnace temperature) and the like will be required. The output variable Z is the command value of the current flowing in the peak to heat the furnace.

본 실시 예에서는 설정된 멤버쉽 함수가 적절한지를 평가한다.In this embodiment, it is evaluated whether the set membership function is appropriate.

제 5도는 모니터/제어기(20)에서 멤버쉽 함수를 설정하는 처리 순서를 나타내고 있다. 퍼지 추론을 위하여 퍼지 제어기 (10)에서 사용되는 멤버쉽 함수는 모니터/제어기 (20)의 입력장치 (키보드) (23)에서 입력된다.5 shows a processing procedure for setting the membership function in the monitor / controller 20. The membership function used in the fuzzy controller 10 for fuzzy inference is input at the input device (keyboard) 23 of the monitor / controller 20.

입력장치 (23)에서 전건부의 멤버쉽 함수의 입력이 행하여 지면(스텝 101), 입력된 멤버쉽 함수를 나타내는 데이타는 퍼지 제어기 (10)에 부여되고(스텝 102), 메모리 (22)에 기억된다(스텝 103).When the membership function of the key unit is input by the input device 23 (step 101), data representing the input membership function is given to the fuzzy controller 10 (step 102) and stored in the memory 22 (step). 103).

퍼지 제어기 (10)는 입력된 멤버쉽 함수를 나타내는 데이타가 부여되면, 제어기 (10)가 메모리를 가지는 경우에는 그 데이타가 메모리에 기억되고, 제어기가 멤버쉽 함수 발생기를 가지는 것의 경우에는 상기 데이타가 멤버쉽 함수 발생기에 그 패라메터로서 설정된다. 마찬가지로 하여 퍼지 추론 룰도 설정되는 것은 물론이다When the fuzzy controller 10 is given data representing the inputted membership function, the data is stored in the memory if the controller 10 has a memory, and the data is a membership function if the controller has a membership function generator. It is set as the parameter to the generator. Similarly, fuzzy inference rules are also set.

제6도는 퍼지 제어기(10)의 제어 동작시에 있어서 모니터/제어기 (20)의 동작을 나타내는 것이다. 여기서는 1종류의 입력 변수 X(주위온도)에 대하여만 언급한다6 shows the operation of the monitor / controller 20 in the control operation of the purge controller 10. Only one type of input variable X (ambient temperature) is mentioned here.

센서(도시생략)에 의하여 측정된 주위온도(X)는 퍼지 제어기 (10)에 입력하고, 퍼지 제어기(10)를 거쳐 또는 센서에서 직접 모니터/제어기(20)에 부여된다(스텝 111). 그러면, 메모리(22)에 기억되어 있는 이미 설정된 멤버쉽 함수중, 주위온도(X)에 관계하는 것으로, 입력온도를 그 범위내에 포함하는 멤버쉽 함수가 검색되고, 그 멤버쉽 함수에 대한 입력 온도의 적합도가 산출된다(스텝 112), 그리고 입력온도, 검색된 멤버쉽 함수 및 산출된 적합도가 상호 관련한 형으로 표시장치(24)에 표시된다.The ambient temperature X measured by the sensor (not shown) is input to the purge controller 10 and given to the monitor / controller 20 via the purge controller 10 or directly at the sensor (step 111). Then, among the previously set membership functions stored in the memory 22, the membership function including the input temperature within the range is searched for in relation to the ambient temperature X, and the suitability of the input temperature to the membership function is calculated. (Step 112), and the input temperature, the retrieved membership function, and the calculated goodness of fit are displayed on the display device 24 in a correlated form.

이 사이에, 퍼지 제어기 (10)에서는 입력치 (주위온도, 화로온도 등)에 의하여, 설정된 멤버쉽 함수 및 룰에 따라 퍼지 추론이 행하여지고, 가열로를 제어하기 위한 전류 지령이 출력되고, 가열로의 제어가 행하여지는 것은 물론이다.In the meantime, in the purge controller 10, purge inference is performed in accordance with the set membership function and rule by input values (ambient temperature, furnace temperature, etc.), and a current command for controlling the furnace is output, and the furnace Of course, the control is performed.

제 7도는 표시장치 (24)의 CRT에 표시되는 표시예를 나타내는 것이다. 최상단에 입력변수의 항목 주위온도가 표시된다. 최하단에 주위온도의 눈금이 표시되고, 이 눈금상에 센서에서 입력한 값(이 예에서는 20C)이 3각형의 기호에 의하여 표시된다 그리고 중단에 눈금에 대응하여 검색된 멤버쉽 함수 및 적합도가 표시된다. 이 입력치에 관계하는 멤버쉽 함수는 레벨 (ZR)과 (PS)의 것이지만, 그 주위의 멤버쉽 함수(NS,PM)도 편의적으로 표시된다. 입력치(20C)의 멤버쉽 함수(ZR)에 대한 적합도는 0.7멤버쉽 함수(PS)에 대한 적합도는 0.3이고, 이들이 대응하는 멤버쉽 함수를 나타내는 직선상에 4각 및 원의 신호로서 표시되고 있다7 shows an example of display displayed on the CRT of the display device 24. At the top, the temperature around the item of input variable is displayed. At the bottom, a scale of the ambient temperature is displayed, on which the value entered by the sensor (20C in this example) is indicated by a triangular symbol, and on the middle of the scale, the membership function and the goodness-of-fit retrieved corresponding to the scale are displayed. The membership functions related to this input value are at the levels (ZR) and (PS), but the membership functions (NS, PM) around them are also conveniently displayed. The fitness of the input value 20C with respect to the membership function ZR is 0.7, and the fitness with the membership function PS is 0.3, and they are displayed as quadrangle and circle signals on a straight line representing the corresponding membership function.

이와같이 입력치, 적합치를 각각 다른 형의 기호로서 표시함으로서, 그들 상호의 식별이 용이하게 된다.By displaying the input values and the fitted values as symbols of different types in this way, it is easy to identify them.

이들을 다른색으로 표시하거나, 점멸 표시시켜도 좋다. 이러한 표시를 봄으로서, 현장 작업자는 실제의 주위 환경 온도의 각 멤버쉽 함수에 대한 적합도를 실시간으로 인식할 수 있고, 멤버쉽 함수의 설정이 적절한지 어떤지의 판정이 행하여 진다. 그리고 특정의 멤버쉽 함수에 대하여 그 설정이 부적절하다고 판단한 경우에는 이 표시를 보면서 입력장치(23)의 키보드를 조작함으로서, 멤버쉽 함수를 수정할 수 있다.These may be displayed in different colors or may be flashed. By viewing this indication, the field worker can recognize in real time the fitness of each membership function of the actual ambient environment temperature, and a determination is made as to whether the setting of the membership function is appropriate. If it is determined that the setting is inappropriate for a particular membership function, the membership function can be modified by operating the keyboard of the input device 23 while viewing this display.

본 실시 예에서는 레벨(ZR)은 정도 좋은 온도(보통), NS는 온도가 약간 낮고, PS는 약간 높다는 등을 의미한다. 따라서 예를들면 작업자가 주위 온도를 보통으로 느끼고 있는 경우에는 멤버쉽 함수(ZR)에 대한 적합도는 1.0 또는 그 근방이 아니면 안된다. 따라서 제 7도에 나타내는 멤버쉽 함수(ZR)의 적합도(0.7)는 타당하지 않으므로, 제 8도에 파선으로 나타나듯이, 멤버쉽 함수(ZR)의 위치를 수정한다. 물론 멤버쉽 함수의 형을 수정하여도 좋다. 멤버쉽 함수(ZR)의 수정에 따라 관련하는 멤버쉽 함수(NS, PS등)를 수정하여도 좋은 것은 물론이다In the present embodiment, the level (ZR) is a good temperature (usually), the NS is a slightly lower temperature, PS is slightly higher, and so on. Thus, for example, if the worker feels the normal ambient temperature, the goodness-of-fit for the membership function (ZR) should be 1.0 or near it. Therefore, the goodness of fit (0.7) of the membership function ZR shown in FIG. 7 is not valid, and as shown by the broken line in FIG. 8, the position of the membership function ZR is corrected. Of course, you can modify the type of the membership function. It is of course possible to modify the related membership functions (NS, PS, etc.) by modifying the membership function (ZR).

제9도는 다른 표시예를 나타내는 것이다 여기서는 입력 변수명 주위온도 이 문자에 의하여, 입력치 20C가 숫자에 의하여 표시되어 있다. 멤버쉽 함수의 레벨 (NS,ZR, PS, PM)이 문자에 의하여 표시되고. 이것에 대응하여 입력치의 이들 멤버쉽 함수에 대한 적합도(0.0,0 7,0.3,0.0)가 숫자로서 표시되어 있다.9 shows another display example. Input variable name Ambient temperature The input value 20C is indicated by a number by this character. The level of the membership function (NS, ZR, PS, PM) is represented by a letter. Correspondingly, the goodness of fit (0.0,0 7,0.3,0.0) for these membership functions of the input values is indicated as numbers.

이상과 같이, 본 실시 예에서는 입력치와, 입력치에 관계하는 멤버쉽 함수와, 그 멤버쉽 함수에 대한 입력치의 적합도를 상호 관련한 형태에서 표시하고 있으므로, 이 표시를 봄으로서, 설정된 멤버쉽 함수가 적절한지의 판정을 실시간으로 행할 수 있다. 또한 적절하지 않다고 판정했을때에는 표시되어 있는 멤버쉽 함수를 수정할 수 있다.As described above, in the present embodiment, the input value, the membership function related to the input value, and the goodness of fit of the input value to the membership function are displayed in a mutually correlated form. The determination can be made in real time. You can also modify the displayed membership function if you decide that it is not appropriate.

(3) 제 2실시예 (설정된 룰의 평가)(3) Second Embodiment (Evaluation of Set Rule)

제 2실시예는 설정된 룰의 평가에 관한 것이다. 설명을 간단히 하기 위하여, 퍼지 제어기 (10)와 모니터/제어기 (20)가 1대의 콤퓨터에 의하여 실현되는 것으로 한다.The second embodiment relates to evaluation of a set rule. For simplicity, it is assumed that the purge controller 10 and the monitor / controller 20 are realized by one computer.

퍼지 추론을 위한 멤버쉽 함수와 룰은 입력장치(23)에서 입력되고, 메모리에 기억된다. 이와 같이하여 설정된 룰이 적절한지가, 제어대상의 실제 제어 또는 운전에 우선하는 시험 운전에서 다음과 같이 하여 체크된다.Membership functions and rules for fuzzy inference are input at the input device 23 and stored in memory. Whether or not the rule set in this way is appropriate is checked in a test operation prior to actual control or operation of the control object as follows.

제10도를 참조하여, 입력 변수(X) 및 (Y)에 관하여, 각각의 센서에서 입력치가입력되면(스텝 121), 각 룰에 있어서 전건부의 적합도(상술의 MIN 연산결과)가 산출되고(스텝 122), 계속하여 전건부 적합도의 변화율이 산출된다(스텝 123). 입력치가 샘플링 주기 (△t)마다 샘플링되는 경우에는, 전회의 샘플링시에 있어서 전건부 적합도를 α_k-1,로 하고, 전회의 전건부 적합도를 α_k로 하면, 그 변화율은(α_k-α_k-1)/△t에 의하여 구하여진다. 이와 같이하여 얻어진 전건부 적합도 및 그 변화율은 룰마다, 제11도 및 제12도에 나타나듯이, 표시장치(24)의 CRT화면상에 시간을 횡축으로서 경시적으로 표시된다(스텝 124). 제11도는 전건부 적합도가 시간축상에서 변화하는 상태를 나타내는 것이고, 제12도는 전건부 적합도의 변화율이 시간축상에서 변화하는 상태를 나타내는 것이고, 모두 간단히 하기 위하여 룰(1-4)의 4개 룰에 대하여 표시되어 있다, 제11도에서, 룰(1)은 시간축상의 중간 위치에서 적합도가 급격하게 증대하고, 룰(2)은 역으로 적합도가 급격하게 감소하고 있다. 룰(3) 및 (4)은 적합도는 서로 다르지만, 거의 동시점에서 같도록 적합도가 증대하고 있다. 이것에 대응하여 적합도 변환율은 제12도에 나타나듯이, 룰(1)은 시간축상의 중간 위치에서 정방향으로 돌출하는 피크를 나타내고, 룰(2)은 동위치 부근에서 부방향으로 돌출하는 피크를 나타낸다. 또한 룰(3)과 (4)은 룰(1)의 피크보다도 후방에서 정방향으로 피크를 나타낸다.Referring to FIG. 10, with respect to the input variables (X) and (Y), when an input value is input from each sensor (step 121), the goodness of fit of the key gun section (the MIN calculation result described above) in each rule is calculated ( Step 122), then, the rate of change in the suitability of the whole gun part is calculated (step 123). If the input value is sampled every sampling period (△ t) it is, when the full conditional fit around the conditional suitability to α _k-1,, and the last time at the time of the previous sampling to α _k, the rate of change (α _k - It is calculated | required by (alpha) _k-1 ) / (triangle | delta) t. In this way, the suitability and the rate of change of the sound-drying unit obtained as described above are displayed over time on the CRT screen of the display device 24 with the horizontal axis as shown in FIGS. 11 and 12 (step 124). FIG. 11 shows a state in which the soundness of fit of the whole body changes on the time axis, and FIG. 12 shows a state in which the rate of change of the fit of the whole body changes on the time axis. For the sake of simplicity, the four rules of the rules (1-4) In FIG. 11, the rule 1 rapidly increases in fitness at an intermediate position on the time axis, and the rule 2 inversely decreases in fitness. The rules 3 and 4 are different in the goodness of fit, but the goodness of fit is increasing to be substantially the same at the same time. Corresponding to this, the goodness-of-fit conversion ratio is shown in FIG. 12. As shown in FIG. 12, the rule 1 shows a peak projecting in the forward direction at an intermediate position on the time axis, and the rule 2 shows a peak projecting in the negative direction near the same position. In addition, the rules 3 and 4 show peaks in the forward direction behind the peaks of the rule 1.

상기의 표시를 봄으로서, 룰(3)과 룰(4)은 적합도 변화율이 동일한 것이 판명됨으로, 이들 룰을 유사한 것으로서 처리할 수 있다. 즉 룰(3)의 조건부 적합도를 α₃로 하면, 룰(4)의 전건부 적합도는 항시 Cα3(C는 정수)로 됨으로, 룰(4)에 있어서 전건부 적합도의 산출은 불필요하게 된다. 따라서 이러한 경우에는 퍼지 추론 프로그램내의 전건부 적합도 처리에서, 룰(3)에 있어서 전건부 적합도(α)를 산출한 후, 이 룰(3)의 적합도(α)를 사용하여 룰(4)의 전건부 적합도를 산출하도록 작성하면 좋다. 그 결과 퍼지 추론 동작의 고속화를 할 수 있다. 상기와 같이 적합도 변화율이 동일인 경우 뿐만 아니라, 적합도 변화율의 절대치가 동일한 부호(정 또는 부)가 역의 룰에 대하여도 같도록 추론 처리의 간략화를 달성할 수 있다.By looking at the above display, it is found that the rules 3 and 4 have the same rate of change in the goodness of fit, so that these rules can be treated as similar ones. In other words, if the conditional suitability of the rule ₃ is α ₃ , the whole key portion suitability of the rule 4 is always Cα 3 (C is an integer), so that the calculation of the total key portion suitability in the rule 4 becomes unnecessary. Therefore, in this case, in the total key portion fitness process in the fuzzy inference program, after the total key portion suitability α is calculated in the rule 3, the suitability α of the rule 3 is used to transfer the rule 4. What is necessary is just to calculate so that dry-body fitness may be calculated. As a result, the fuzzy inference operation can be speeded up. As described above, the reasoning process can be simplified so that not only the case where the rate of change of fitness is the same but also the same sign (positive or negative) with the same absolute value of the rate of change of fitness.

제13도는 다른 표시예를 나타내는 것이고, 룰(5)에서는 어느 시간의 입력치에 대하여 전건부 적합도가 급격하고, 이상으로 변화한 것을 나타내고 있다. 이러한 경우에는 룰(5)이 적절하지 않은 것으로 삭제한다.FIG. 13 shows another display example, and the rule 5 shows that the power condition suitability is abrupt with respect to the input value of a certain time and has changed abnormally. In this case, the rule 5 is deleted as inappropriate.

이것에 대하여 룰(6)은 그 전건부 적합도가 시간적으로 거의 변화하지 않는다. 이러한 룰(6)에 대하여는 그 전건부 적합도를 정수로 치환함으로서 역시 룰수의 삭감이 가능하게 된다.On the other hand, the rule 6 hardly changes in time in the suitability of the whole part. With respect to such a rule 6, the number of rules can also be reduced by substituting the suitability of the key portion with an integer.

본 실시예에 의하면, 전건부 적합도 및 그 변화율이 퍼지 추론 과정에서 어떻게 변화하는지가 표시 장치에 표시됨으로, 유사하는 룰을 발견하거나, 부적절한 룰을 견출할 수 있다. 그리고 유사하는 룰의 한쪽을 삭제하고, 이것에 대하여 간단한 연산을 추가하거나 부적절한 룰을 삭제하거나 함으로서, 퍼지 추론 출력치의 안정화, 추론 처리의 고속화를 할 수 있다. 상기 실시 예에서는 제어 대상에서 얻어지는 센서 출력을 입력으로 하고 있지만, 유사 입력 발생 장치를 설치하고, 입력치를 그 최소치에서 최대치를 향하여 스캐닝하거나 적당한 모델에 따라 변화시켜 퍼지 제어기에 부여하여도 좋다. 유사 입력을 부여하고, 입력치를 스캐닝하는 경우에는 적합도 및 그 변화율은 입력치를 횡축으로 표시되고, 입력치의 변화에 대한 적합도 및 그 변화율이 변화하는 상태가 명확하게 된다. 상기 실시예에서는 전건부 적합도 및 그 변화율이 구하여지고 표시되어 있지만, 전건부에 있어서 각 멤버쉽 함수의 적합도 및 그 변화율은 구하고 표시하도록 하여도 좋다. 상기 실시 예에서는 퍼지 제어기(10)와 모니터, 제어기(20)를 1대의 콤퓨터에 의하여 실현한 경우에 대하여 설명하고 있지만, 이들 제어기(10 및 20)를 별개의 장치로 하여도 좋다. 이 경우에는 제10도 스텝(121-122)의 처리를 퍼지 제어기 (10)로서 행하고, 그 처리 결과를 모니터/제어기 (20)에 전송하고, 모니터/제어기 (20)에서 스텝 (123,124)의 처리를 행하면 좋다. 모니터/제어기 (20)에서 퍼지 추론 프로그램을 설치하고, 모니터/제어기 (20)에서 입력에 응답하여 모의적으로 퍼지 추론을 행하고, 스텝(121-124)의 처리를 행하도록 하여도 좋다.According to the present embodiment, the display device displays how the fitness of the unit and the rate of change change during the fuzzy inference process, so that similar rules can be found or inappropriate rules can be found. By deleting one of the similar rules and adding a simple operation to this rule or deleting an inappropriate rule, it is possible to stabilize the fuzzy inference output value and speed up the inference process. In the above embodiment, the sensor output obtained from the control target is used as an input. However, a pseudo input generating device may be provided, and the input value may be scanned from the minimum value to the maximum value or may be changed according to a suitable model and given to the fuzzy controller. In the case of providing a similar input and scanning the input value, the goodness of fit and its rate of change are displayed on the horizontal axis of the input value, and the state of the goodness of fit and the rate of change of the input value change becomes apparent. In the above-described embodiment, the total key portion suitability and its rate of change are determined and displayed. However, the suitability of each membership function and the rate of change in the front key portion may be determined and displayed. In the above embodiment, the case where the purge controller 10, the monitor, and the controller 20 are realized by one computer is described. However, these controllers 10 and 20 may be separate devices. In this case, the process of FIG. 10 steps 121-122 is performed as the purge controller 10, the result of the process is transmitted to the monitor / controller 20, and the process of steps 123, 124 is performed by the monitor / controller 20. FIG. May be done. The monitor / controller 20 may be provided with a fuzzy inference program, the monitor / controller 20 may simulate fuzzy inference in response to an input, and perform the processes of steps 121-124.

(4) 제 3실시예(설정된 룰의 평가)(4) Third Embodiment (Evaluation of Set Rule)

제 3실시예도 제 2실시예와 동일하게 설정된 룰의 평가를 행하는 것이고, 표시 화면에 표시되는 항목이 제 2 실시예와 다르다.The third embodiment also evaluates rules set in the same manner as the second embodiment, and the items displayed on the display screen are different from the second embodiment.

모니터/제어기(20)의 CPU(21)에 의한 표시 처리 순서에 대하여 제14도를 참조하여 설명한다. 표시장치(24)의 표시 화면에 표시되는 화상의 일예가 제15도에 나타내어 있다.The display processing procedure by the CPU 21 of the monitor / controller 20 will be described with reference to FIG. An example of the image displayed on the display screen of the display device 24 is shown in FIG.

이미 설정되고, 메모리(22) 또는 퍼지 제어기(10)의 메모리에 기억되어 있는 룰을 나타내는 테이블이 표시된다(스텝 131). 제15도에서, 입력변수(X)에 대하여 설정된 멤버쉽 함수의 레벨이 횡축에, 입력변수(Y)에 대하여 설정된 멤버쉽 함수의 레벨이 종축에 각각 나타내어져 있다. 횡축상의 레벨과 종축상의 레벨이 교차하는 난에 나타나 있는 멤버쉽 함수의 레벨이 출력 변수에 관한 것이다. 예를들면 빗금으로 나타낸 난은 If X=NM, Y=PM, then Z=PM라는 룰을 표현하고 있다A table showing the rules already set and stored in the memory of the memory 22 or the fuzzy controller 10 is displayed (step 131). In Fig. 15, the level of the membership function set for the input variable X is shown on the horizontal axis, and the level of the membership function set for the input variable Y is shown on the vertical axis. The level of the membership function shown in the intersection of the level on the abscissa and the level on the ordinate is in relation to the output variable. For example, the hatched columns represent the rules If X = NM, Y = PM, then Z = PM.

다음에, 제어 대상(11)에 설치된 센서에서 입력 (X₁,Y₁)이 부여되면, 이들 입력의 표시 화면상에 있어서 표시 위치 좌표가 산출된다(스텝 133). 룰 테이블상에 있어서 입력치의 좌표는 (X,₁,Y₁)에서 부여됨으로, 표시 화면상에 있어서 표시 위치 좌표는 룰 테이블 원점의 표시 화면상에 있어서 좌표(X_o,Y_o)를 입력치(X₁,Y₁)에 가산함으로서 구하여 진다. 즉 입력치의 표시 위치 좌표는(X_o+X₁,Y_o+Y₁)로 된다. 이 좌표(X_o+X₁,Y_o+Y₁)에 의하여 규정되는 위치에 제 1포인트 마크(Pl)가 표시된다(스텝 144).Next, when inputs (X ₁ , Y ₁ ) are given by sensors installed in the control object 11, display position coordinates are calculated on the display screen of these inputs (step 133). Since the coordinates of the input value on the rule table are given by (X, ₁ , Y ₁ ), the display position coordinate on the display screen is the coordinate (X _o , Y _o ) on the display screen of the rule table origin. It is obtained by adding to (X ₁ , Y ₁ ). That is, the display position coordinates of the input value become (X _o + X ₁ , Y _o + Y ₁ ). The first point mark Pl is displayed at the position defined by these coordinates (X _o + X ₁ , Y _o + Y ₁ ) (step 144).

입력치가 부여될때마다(입력치의 샘플링마다), 상기의 연산 처리가 반복되고, 포인트 마크(P2,P3,…,Pn)가 순차 표시되어 간다. 먼저 표시된 포인트 마크는 해소되지 않아 그대로 남겨두는 것이 좋다.Each time the input value is given (every sampling of the input value), the above arithmetic processing is repeated, and the point marks P2, P3, ..., Pn are sequentially displayed. It is better to leave the point mark displayed first as it is not resolved.

제어 대상(11)의 퍼지 제어기 (10)에 의하여 제어되어 가는 과정에서 입력치가 변화하고, 입력치에 의한 퍼지 추론 결과를 나타내는 출력치도 그것에 대응하여 변화하여 간다. 제어가 적정하게 행하여져 있는 경우에는 입력치가 일정치로 되고, 이것에 따라 출력치도 일정치로 되어간다. 따라서 포인트 마크(Pl-Pn)는 화상의 중심으로 향하여 순차 이동하여 간다.In the process of being controlled by the fuzzy controller 10 of the control object 11, an input value changes, and the output value which shows the fuzzy inference result by an input value also changes correspondingly. When the control is performed properly, the input value becomes a constant value, and accordingly the output value also becomes a constant value. Therefore, the point marks Pl-Pn sequentially move toward the center of the image.

이와같이, 입력치를 나타내는 포인트 마크(Pl..Pn)가 순차 표시 장치(24)의 화면상에 표시됨으로서, 입력치의 경시적 변화가 시각적으로 용이하게 인식할 수 있다. 그리고 제15에 나타내는 표시예와 다르고, 포인트 마크(Pl…. Pn)가 일점으로 향하지 않는 경우나, 향한 것으로도, 일정치로 되기까지 매우 시간이 걸리는 경우에는 제어가 적정하게 행하여져 있지 않다고 판단된다. 그 경우에는 포인트 마크(Pl‥‥Pn)의 어느것인가에 대응한 룰이 적절하지 않다는 것이 판명된다In this way, the point mark Pl..Pn representing the input value is displayed on the screen of the display device 24 sequentially, so that the change over time of the input value can be visually easily recognized. Unlike the display example shown in the fifteenth example, it is judged that control is not properly performed when the point marks Pl..Pn do not point to one point or when the point marks take a very long time to reach a constant value. . In that case, it turns out that the rule corresponding to any of the point marks Pl ... Pn is not appropriate.

예를들면 포인트 마크(Pl)는 [If X=PM, Y=PM, then Z=PM]라는 룰이 추론상 가장 강하게 작용하고 있는 것을 나타내고 있다. 다음의 샘플링 시점에서 포인트 마크가 P2′로서 나타나듯이 화상의 중심으로 향하는 방향에서 크고, 그 위치에 표시된 경우에는 상기 룰을 사용한 추론 결과가 바르지 않은, 즉 상기 룰(If X=PM, Y=PM, then Z=PM)이 부적절한 것으로 판정된다. 이 경우에는 이 룰의 수정이 행하여진다.For example, the point mark Pl indicates that the rule [If X = PM, Y = PM, then Z = PM] is most strongly inferred. At the next sampling time point, the point mark is large in the direction toward the center of the image as indicated by P2 ', and when displayed at that position, the result of inference using the rule is incorrect, i.e., the rule (If X = PM, Y = PM). , then Z = PM) is determined to be inappropriate. In this case, this rule is corrected.

종래는, 퍼지 조절이 적정하게 행하여지지 않은 경우에는 퍼지 룰 전체의 수정이 필요하고, 그 수정에 매우 시간이 걸렸다. 본 실시예에 의하면, 어느 룰이 부적절한 것인가가 한눈으로 알 수 있으므로, 룰의 수정을 쉽게 할 수 있도록 된다.Conventionally, when the purge adjustment is not properly performed, the entire purge rule needs to be corrected, which takes a very long time. According to the present embodiment, it can be seen at a glance which rule is inappropriate, so that the rule can be easily modified.

제16도는 다른 표시예를 나타내는 것이고, 입력치의 위치를 경시적으로 묘사한 라인(궤적) L에 의하여 표시하고 있다.FIG. 16 shows another display example and is indicated by a line L depicting the position of the input value over time.

상기의 실시예에서는 입력 변수가 2종류의 것에 대하여 설명되고 있지만, 입력 변수가 3종류의 경우에는 3차원 구성의 것이 표시되던가, 또는 2차원 구성의 룰 테이블이 2개 표시된다.In the above embodiment, two types of input variables are described, but in the case of three types of input variables, a three-dimensional configuration is displayed or two rule tables are configured.

이상과 같이 하여 본 실시예에 의하면, 전건부의 멤버쉽 함수를 나타내는 레벨과 후건부의 멤버쉽 함수를 나타내는 레벨이 조합에 의하여 퍼지 추론룰의 테이블이 표시되고, 이 테이블상에 중합하여, 입력치의 경시적 변화를 나타내는 도형이 표시됨으로, 입력치의 경시적 변화가 시각적으로 용이하게 인식할 수 있도록 되고, 이것에 의하여 적절하지 않은 룰을 요잉하게 판정할 수 있도록 된다.As described above, according to the present embodiment, a table of fuzzy inference rules is displayed by combining the level representing the membership function of the front part and the level representing the membership function of the back part, and are polymerized on the table to change the input values over time. By displaying the figure, it is possible to easily visually recognize the change of the input value over time, thereby making it possible to easily determine an inappropriate rule.

(5) 제 4실시예(설정된 룰의 평가)(5) Fourth Embodiment (Evaluation of Set Rule)

제 4실시예도 설정된 룰의 평가에 관한 것이다. 설명을 간단히 하기 위하여, 퍼지 제어기 (10)와 모니터/제어기(20)가 1대의 콤퓨터로서 실현되어 있는 것으로 한다. 그러나, 본 실시예에서도 퍼지 제어기 (10)와 모니터/제어기 (20)를 별개의 장치로서 실현할 수 있는 것은 물론이다. 이 경우에는 퍼지 제어기 (10)와 모니터/제어기 (20)는 데이타의 교환을 행하면서 처리를 진행하여 간다.The fourth embodiment also relates to evaluation of a set rule. For the sake of simplicity, it is assumed that the purge controller 10 and the monitor / controller 20 are realized as one computer. However, of course, in this embodiment, the purge controller 10 and the monitor / controller 20 can be realized as separate devices. In this case, the fuzzy controller 10 and the monitor / controller 20 proceed with processing while exchanging data.

퍼지 추론 처리를 위한 멤버쉽 함수 및 룰은 키보드 등의 입력장치 (23)에서 콤퓨터에 입력되고, 메모리(22)에 기억된다. 콤퓨터의 CPU(21)는 설정된 모든 룰을 사용한 통상의 퍼지 추론, 설정된 룰에서 특정의 1개 룰을 제외한 다른 모든 룰을 사용한 시험적 퍼지 추론 및 통상 퍼지 추론에서 얻어지는 출력치와 시험적 퍼지 추론으로 얻어지는 출력치의 비교를 행한다.Membership functions and rules for fuzzy inference processing are input to a computer by an input device 23 such as a keyboard and stored in a memory 22. The CPU 21 of the computer is configured with normal fuzzy inference using all set rules, experimental fuzzy inference using all other rules except a specific one in the set rule, and output values and experimental fuzzy inference obtained from normal fuzzy inference. The output values obtained are compared.

메모리(22)에는 설정된 멤버쉽 함수 및 룰에 부가하여, 통상 퍼지 추론 및 시험적 퍼지 추론의 결과가 기억된다 즉 메모리(22)에는 제18도에 나타난 추론 결과 테이블이 설치되어 있다. 이 추론 결과 테이블에는 입력 (X) 및 (Y)의 모든 값의 조합(X₁,Y₁)에 대하여, 설정된 모든 룰을 사용하여 퍼지 추론함으로서 얻어지는 출력치 Z_ij(통상 퍼지 추론 결과)가 미리 작성되고, 기억되어 있다. 다음에 설명하듯이, 설정된 룰중의 특정 룰을 제외한 다른 모든 룰을 사용하여 행하여지는 시험적 퍼지 추론에 의하여 얻어지는 출력치 (시험적 퍼지 추론 결과) U_ij가 기억된다. 이들 출력치의 차 △_ij=Z_ij-U_ij가 산출되고, 마찬가지로 기억된다.In addition to the set membership functions and rules, the memory 22 stores the results of the normal fuzzy inference and the experimental fuzzy inference. In other words, the inference result table shown in FIG. 18 is provided in the memory 22. In this inference result table, the output value Z _ij (usually fuzzy inference result) obtained by performing fuzzy inference using all set rules for all combinations (X ₁ , Y ₁ ) of all values of inputs (X) and (Y) in advance Created and memorized. As described below, the output value (experimental fuzzy inference result) U _ij obtained by the experimental fuzzy inference performed using all other rules except the specific one of the set rules is stored. The difference DELTA _ij = Z _ij -U _ij of these output values is calculated and similarly stored.

제17도는 설정된 룰의 평가를 위한 처리 순서를 나타내고 있다.17 shows a processing sequence for evaluating the set rule.

입력장치(23)의 키보드에서 룰의 평가 처리 개시 지령이 부여되면(스텝 141), 설정된 룰중, 특정의 룰을 제외하여, 나머지의 룰을 사용하여 시험적 퍼지 추론이 행하여 진다(스텝 142). 제외한 모든 룰을 키보드에서 입력하도록 하여도 좋고, 제외할 룰의 순번을 미리 프로그램상에 모든 메모리에 정하여 두어도 좋다. 시험적 퍼지 추론을 위한 입력치 (X_i, Y_j)는 그 모든 조합에 대하여 순차 발생하도록 제어되던지, 또는 외부에 설치된 입력치 발생 장치에서 발생한다. 1조의 입력치 (X_i, Y_i)에 대하여 시험적 퍼지 추론이 종료하여 그 결과를 나타내는 출력치 (U_ij)가 얻어지면. 이미 메모리 (22)에 기억되어 있는 통상 퍼지 추론 결과를 나타내는 출력치 (Z_ij)의 차(△_ij)자 산출되고(스텝 I43), 이들 값(U_ij,△_ij)이 메모리 (22)의 추론 결과 테이블에 기억된다(스텝 144). 상기의 처리가 입력치 모두의 조합에 대하여 행하여진다(스텝 145).When a rule evaluation processing start command is given from the keyboard of the input device 23 (step 141), an experimental fuzzy inference is performed using the remaining rules except for a specific rule among the set rules (step 142). All rules except the ones may be inputted from the keyboard, or the order of the rules to be excluded may be set in all memories in the program in advance. Input values (X _i , Y _j ) for experimental fuzzy inference are controlled to occur sequentially for all combinations thereof, or occur at an externally generated input value generator. When the experimental fuzzy inference is finished for one set of input values (X _i , Y _i ), an output value U _ij indicating the result is obtained. The difference Δ _ij of the output value Z _ij representing the normal fuzzy inference result already stored in the memory 22 is calculated (step I43), and these values U _ij and Δ _{ij are} calculated from the memory 22. It is stored in the inference result table (step 144). The above process is performed on the combination of all the input values (step 145).

입력치의 모든 조합에 대하여 상기의 처리가 종료하면, 산출된 차이(△_ij)가 제19도에 나타나듯이 입력 변수(X,Y)에 대응하여 표시 장치(24)의 CRT표시 화면상에 표시된다. 제19도의 표시는 농담 표시이고, 차이(△_ij)가 큰만큼 짙게 나타낸다. 물론 차이 (△_ij)의 크기를 다른 복수의 색을 사용하여 표시하여도 좋다.When the above processing is finished for all combinations of input values, the calculated difference Δ _ij is displayed on the CRT display screen of the display device 24 in response to the input variables X and Y as shown in FIG. . The display in Fig. 19 is a light shade display, and the darker the difference DELTA _ij is. Of course, the magnitude of the difference DELTA _ij may be displayed using a plurality of different colors.

통상 퍼지 추론 결과(Z_ij)와 특정의 룰을 제외하여 행하여지는 시험적 퍼지 추론 결과(U_ij)가 크면, 제외된 룰은 중요한 역할을 완수하고 있다. 이것에 대하여 차이(△_ij)가 작고, 영일때에는 그 룰은 통상 퍼지 추론에 거의 영향을 주지 않는다. 조작자는 차이(△_ij)의 표시를 보아, 제외한 룰이 중요한 것이던지, 없어도 전체의 추론에 영향을 거의 주지 않는 것인가를 판정할 수 있다. 이와같이 하여 룰의 평가가 행하여지고, 중요하지 않은 룰은 삭제되는 즉 메모리(22)에서 소거된다.In general, if the fuzzy inference result Z _ij and the experimental fuzzy inference result U _ij performed except for a specific rule are large, the excluded rule plays an important role. On the other hand, when the difference Δ _ij is small and zero, the rule usually has little effect on fuzzy inference. The operator can look at the display of the difference Δ _ij to determine whether the excluded rule is important or has little effect on the whole reasoning. In this way, evaluation of the rule is performed, and the non-critical rule is deleted, i.e., erased from the memory 22.

시험적 퍼지 추론에서 제외된 룰의 전건부의 입력변수(X)에 관한 멤버쉽 함수의 레벨이 예를들면 NS,입력변수(Y)에 관한 멤버쉽 함수의 레벨이 예를들면 PS의 경우에는 제19도에 나타나듯이 차이 △_ij는 이들 레벨 (NS) 및 (PS)에 의하여 각각 나타내는 멤버쉽 함수가 0 이외의 값을 갖는 범위 (X_a-X_b및 Y_a-Y_b의 범위)에서만 생긴다. 따라서 시험적 퍼지 추론은 이 범위의 입력 변수에 대하여만 실행하면 좋고, 이것에 따라 추론하기 위한 연산 처리가 고속화된다.The level of the membership function for the input variable (X) of the rule part excluded from the experimental fuzzy inference is for example NS, and the level of the membership function for the input variable (Y) is for example PS. As shown in Fig. 3, the difference Δ _ij occurs only in a range in which the membership function represented by these levels NS and PS, respectively, has a value other than 0 (the range of X _a -X _b and Y _a -Y _b ). Therefore, the experimental fuzzy inference only needs to be performed on input variables in this range, which speeds up the computation process for inference.

상기 실시 예에서는 차이 (△_ij)의 출력을 CRT표시장치로의 표시에 의하여 행하도록 하고 있지만, 프린터를 사용하여 차(△_ij)를 인자하도록 하여도 좋다.In the above embodiment but to the output of the difference (△ _ij) line by the display of a CRT display device, or may be used by the printer for printing a difference (△ _ij).

이상과 같이 본 실시예에 의하면, 룰 평가 지령 조작에 응답하여, 설정된 룰 중에서 특정의 룰을 제외한 나머지의 룰을 사용하여 시험적 퍼지 추론이 행하여지고, 그 추론에 의한 출력치와 통상 퍼지 추론에 의한 출력치의 차이가 산출되고, 그 차이가 출력된다. 이 출력 결과에 의하여 룰을 평가할 수 있고, 차이가 영 또는 매우 작은 룰을 퍼지 추론에 필요한 중요한 영향을 주지 않는 룰로서 제거할 수 있다.As described above, according to the present embodiment, in response to the rule evaluation command operation, the experimental fuzzy inference is performed using the remaining rules except for the specific rule among the set rules, and the output value and the normal fuzzy inference according to the inference are performed. Difference of the output value is calculated, and the difference is output. Based on this output result, the rule can be evaluated, and rules with zero or very small differences can be removed as rules that do not have a significant effect on fuzzy inference.

이 결과, 필요 최소한의 룰을 사용한 퍼지 추론을 행하는 퍼지 추론 장치가 얻어지고, 퍼지 추론을 소프트웨어 처리에 의하여 행하는 경우에는 처리 동작을 고속화할 수 있고, 퍼지 추론을 하드웨어로서 실행하는 경우에는 장치의 구성이 간단하게 된다.As a result, a fuzzy inference apparatus for performing fuzzy inference using a minimum rule required is obtained. When fuzzy inference is performed by software processing, the processing operation can be speeded up. This becomes simple.

(6) 제 5실시예 (룰의 해석 및 평가)(6) Fifth Embodiment (Interpretation and Evaluation of Rules)

제 5실시예도 설정된 를을 평가하는 것이다. 본 실시예는 퍼지 추론의 과정에서 얻어지는 전건부 적합도를 룰마다 유지하여 두고, 이 유지한 전건부 적합도를 사용하여 소정의 연산 처리에 의하여 룰 사이의 유사도를 산출하고, 이 산출한 유사도에 의하여 룰을 그룹화한다.The fifth embodiment also evaluates the set U. In the present embodiment, the whole key portion goodness of fit obtained in the process of fuzzy inference is maintained for each rule, and the similarity between the rules is calculated by a predetermined arithmetic processing by using the maintained key portion goodness of fit, and the rule is based on the calculated similarity. Group them together.

제20도는 제 1도에 나타내는 시스템 구성을 기능의 관점에서 다소간의 블럭으로 나누어 나타내는 기능 블럭도이다., 퍼지 추론부(31)는 퍼지 제어기 (10)에 대응한다. 적합도 유지부(32)는 모니터/제어기 (20)의 메모리(22)에 대응하고, 유사도 계산부(34) 및 유사룰 그룹화부(35)는 CPU(21)에 대응한다. 표시부(36)는 표시 장치 (24)에 대응한다.20 is a functional block diagram showing the system configuration shown in FIG. 1 divided into some blocks in terms of function. The fuzzy inference unit 31 corresponds to the fuzzy controller 10. FIG. The fitness maintaining unit 32 corresponds to the memory 22 of the monitor / controller 20, and the similarity calculating unit 34 and the similar rule grouping unit 35 correspond to the CPU 21. The display unit 36 corresponds to the display device 24.

퍼지 추론부(31)에서 행하여지는 퍼지 추론에서 얻어지는 룰마다의 전건부 적합도가 전건부 적합도 유지부(32)에 취입 ·기억된다.The whole key part suitability for every rule obtained by the fuzzy inference part 31 performed by the fuzzy inference part 31 is blown in and stored in the front part suitability holding part 32. As shown in FIG.

본 실시예에서 룰마다의 전건부 적합도는 시간축상에 배열된다. 그 일예가 제21도에 나타내어져 있다.In the present embodiment, the power condition suitability for each rule is arranged on the time axis. One example is shown in FIG.

제21도에서 횡축이 시간(t), 종측이 적합도이다. 룰(i)에 대하여의 적합도를 시간의 함수로서 f₁(t)로서 나타낸다. 퍼치 추론부(31)에 있어서 추론이 시각(S)에서 (E)까지 관찰되고, 이 관찰시간(E-S)에 있어서의 모든 룰의 적합도 f₁(t) (i=1-m)가 유지부(32)에 유지된다.In Fig. 21, the horizontal axis shows time t, and the longitudinal side shows goodness of fit. The goodness of fit for the rule (i) is shown as f ₁ (t) as a function of time. In the perch inference unit 31, inference is observed from time S to E, and the fitness f ₁ (t) (i = 1-m) of all the rules during the observation time ES is maintained. Is maintained at 32.

유사도 계산부(34)는 유지부(32)에 유지되어 있는 전건부 적합도의 룰사이에 있어서 유사도를 산출하는 것이다. 룰(i)과 (j)의 유사도 1_ij(τ)는 다음에 따라, 그들의 적합도 f_i(t)와 f_j(t)의 상관을 취하여 얻어진다.The similarity calculating unit 34 calculates the similarity among the rules of the suitability of the key guns held by the holding unit 32. The similarity 1 _ij (τ) of the rules (i) and (j) is obtained by taking the correlation between their suitability f _i (t) and f _j (t) as follows.

[수학식 1][Equation 1]

-∞에서 +∞까지의 계산은 불가능하므로 일예로서, 제21도에 나타나듯이 관찰 기간의 전후에 동정도의 기간을 취하여 제 (1)식을 계산한다. 즉 적분은 S-(E-S) E+(E-S)의 범위로서 행하여진다. 관찰 기간 이외의 기간에서는 전건부 적합도는 영으로서 취급된다.Since calculation from -∞ to + ∞ is impossible, as shown in FIG. 21, equation (1) is calculated by taking the same period before and after the observation period. In other words, the integration is performed in the range of S- (E-S) E + (E-S). In periods other than the observation period, the total health fitness is treated as zero.

제 (1)식은 실제로는 다음식과 같이 된다.Formula (1) actually becomes as follows.

[수학식 2][Equation 2]

산출된 유사도 I_ij(τ)의 일예가 제22도에 나타내어 있다.An example of the calculated similarity I _ij (τ) is shown in FIG.

지금, 룰(i)을 중심으로서 룰(i)과 그것이외의 모든 룰사이의 유사도를 구하고, 룰(i)과 같은 룰을 그룹화 하는 것이 고려된다. 이 처리는 주로 유사롤 그룹화부(35)에서 유사도 계산부(34)와 협동하여 행하여 진다.Now, it is considered to find the similarity between rule i and all other rules, centering on rule i, and grouping the same rule as rule i. This processing is mainly performed in the similar roll grouping unit 35 in cooperation with the similarity calculating unit 34.

중심인 룰(i)의 자기 상관을 산출한다.The autocorrelation of the rule (i) which is the center is computed.

[수학식 3][Equation 3]

다음에, 제 (2)식에서 부여되는 유사도 I_ij(ι)의 최대치(I_ijmax)와, 이 최대치를 부여하는 ι_max를 구한다Next, the maximum value I _ij max of the degree of similarity I _ij (ι) given in Expression (2) and ι _max for giving this maximum value are obtained.

(제22도 참조). 그리고, 룰(i)이외의 모든 룰(j)에 대하여,(See also Figure 22). And, for all rules (j) other than the rule (i),

[수학식 4][Equation 4]

γ_ij= I_ijmax/I₁(o) .............................. (4)γ _ij = I _ijmax / I ₁ (o) ......................... (4)

[수학식 5][Equation 5]

γ_jmax...................................... (5)γ _jmax ..................... (5)

를 구한다.Obtain

γ_ij이 크고 |ι_jmax|가 작은 만큼 룰(i)과 (j)의 유사도가 크다고 할 수 있다.The larger the γ _ij and the smaller | ι _jmax |, the greater the similarity between the rules (i) and (j).

유사도 판정의 기준(유사 기준)을 γ_Lτ_L로 한다. 이 기준은 외부에서(예를들면 입력장치 23의 키보드에서) 그룹화부(35)에 부여된다.The criterion (similarity criterion) of the similarity determination is γ _L τ _L. This criterion is given to the grouping unit 35 externally (eg on the keyboard of the input device 23).

그리고양쪽을 만족하는 룰(j)을 롤(i)과 유사한 룰로서 그룹화한다(이것을 그룹 i으로 한다).And The rule j satisfying both is grouped as a rule similar to the role i (this is referred to as group i).

이미 그룹화된 룰과의 중복을 피하기 위하여, 그룹(i)에 속하지 않은 임의의 룰(g)이 선택되고, 상기와 마찬가지로 룰(g)에 대하여 제(3)식이, 룰(g)이외 그리고 그룹(i)에도 속하지 않은 다른 룰(i)에 대하여 제 (4), (5)식이 산출되고, 상기의 유사 기준을 사용하여 같도록, 룰(g)을 중심으로 하는 그룹(g)이 작성된다.In order to avoid duplication with rules already grouped, any rule (g) which does not belong to group (i) is selected and, as above, formula (3) for rule (g), other than rule (g) and group Formulas (4) and (5) are calculated for the other rule (i) not belonging to (i), and a group (g) centered on the rule (g) is created so as to be the same using the above similar criteria. .

이와같이 하여 작성된 그룹은 표시부(36)에 표시된다. 상기의 그룹화 처리는 필요에 따라 몇회 반복된다.The group thus created is displayed on the display unit 36. The grouping process is repeated as many times as necessary.

조작원은 그룹화 처리의 진행 경우를 표시부(36)의 표시를 보면서 판단하여, 적당한 곳에서 그룹화를 중지시켜도 좋고, 중지할 개소를 미리 정하여 두어도 좋다.The operator judges the progress of the grouping process while viewing the display on the display unit 36, and may stop the grouping at an appropriate place, or may predetermine a place to stop.

상기의 설명에서는 룰(g)을 중심으로 하는 그룹(g)의 작성에서 이미 작성된 그룹(i)에 속하는 룰을 배제하도록 하고 있지만, 반드시 배제하지 않아도 좋다. 그렇게 함으로서, 유사룰의 겹침 상태를 아는 것도 가능하다.In the above description, the rule belonging to the group (i) already created in the creation of the group (g) centering on the rule (g) is excluded, but it is not necessary to necessarily exclude it. By doing so, it is also possible to know the overlapping state of the similar rules.

상기 실시 예에서는 전건부 적합도의 룰사이의 유사도를 구하고 있다. 이것은 유사의 룰 발견과 불필요한 룰의 제거등을 위한 룰의 평가가 유용하다.In the above embodiment, the similarity between the rules of the suitability of the gun part is obtained. This is useful for evaluating rules for finding similar rules and removing unnecessary rules.

전건부 적합도의 변화율에 대하여 룰사이에서 유사한지 판단하도록 하여도 좋다. 그렇게 함으로서 효과(유효성)가 상호 유사하는 룰의 발견등에 유용하다. 그를 위한 구성이 제23도에 제 1도의 변형예로서 나타내고 있다. 제20도에 나타내는 실시예와 비교하면, 제23도에서는 유사도 계산부(34)가 변화율의 유사도 계산부(34A)로 치환되고, 지지부(32)와 이 계산부(34A)사이에 적합도 변화율 계산부(33)가 설치되어 있다.It may be judged whether or not the rate of change of the soundness conformity is similar among the rules. By doing so, it is useful for finding rules in which effects (effectiveness) are similar to each other. A configuration therefor is shown in FIG. 23 as a modification of FIG. Compared with the embodiment shown in FIG. 20, in FIG. 23, the similarity calculator 34 is replaced with the similarity calculator 34A of the rate of change, and the suitability change rate is calculated between the support part 32 and the calculator 34A. The part 33 is provided.

이 계산부(33)는 지지부(32)에 지지되어 있는 룰마다의 전건부 적합도의 미분치 즉 변화율을 구하여 유지하는 것이다 그리고, 이 변화율을 사용하여 상술의 제(2) 내지 (5)식에 따르는 계산 및 그것에 의한 그룹화가 행하여진다. 유사도 계산부(34A) 및 적합도 변화율 계산부(33)도 CPU(21)에 의하여 실현된다.The calculation unit 33 calculates and maintains the differential value of the suitability of the total key part for each rule supported by the support unit 32, and maintains it. Then, using the change rate, the above formulas (2) to (5) are used. Following calculations and grouping by them are performed. The similarity calculator 34A and the fitness change rate calculator 33 are also realized by the CPU 21.

상기 실시예 및 제 1변형비에서는 전건부 적합도 또는 그 변화율의 변수(횡축)가 시간(t)이었지만(제21도 참조). 이 변수를 다른 물리량, 예를들면 추론부(31)의 입력의 1개(예를들면 온도등)로서도 양호하다. 입력을 변수로 하는 전건부 적합도 또는 그 변화율에 의한 유사룰의 그룹화를 위한 구성이 제2, 제 3변형예로서 제24, 25도에 나타내어 있다.In the above examples and the first strain ratio, the variable (horizontal axis) of the total fit portion or the rate of change thereof was time t (see FIG. 21). This variable is also good as another physical quantity, for example, one of the inputs of the inference unit 31 (for example, temperature). Configurations for grouping similar rules based on the suitability of the gun part using the input as a variable or the rate of change thereof are shown in FIGS. 24 and 25 as the second and third modified examples.

제24, 제25도에서 제20, 제23에 나타내는 것과 동일물에는 동일부호가 부착되어 있다. 이들 도면에서, 입력 지지부(37)가 설치되어 있다. 이 입력 지지부(37)는 퍼지 추론부(31)에 부여되는 복수 종류의 입력중, 1종류를 외부에서 선택 지령에 따라 선택하고, 선택한 종류의 입력치를 그 입력의 순서로서 지지하고, 전건부 적합도 지지부(32A)에 부여되는 것이다. 이 입력 지지부(37)는 예를들면 메모리 (22)에 의하여 실현된다. 전건부 적합도 유지부(32A)는 룰마다, 추론부(31)에서 얻어지는 전건부 적합도를, 유지부(37)에서 부여되는 입력값에 따라 이 입력치가 변수(횡축)로 되도록 함으로서 제21도에 나타나듯이 데이타(단 횡축은 시간이 없이 선택된 입력의 종류로 된다)를 작성한다. 이와 같이하여 작성된 입력을 변수로 하는 전건부 적합도에 의하여, 상술한 수법에 의하여 유사룰의 그룹화가 행하여 진다.The same reference numerals are attached to those identical to those shown in FIGS. 20 and 23 in FIG. 24 and FIG. In these figures, the input support part 37 is provided. The input support unit 37 selects one type from among a plurality of types of inputs provided to the fuzzy inference unit 31 according to a selection command from the outside, and supports the selected type of input values as the order of the inputs. It is given to the support part 32A. This input support 37 is realized by, for example, the memory 22. For each rule, 32 A of the gun part fitness maintaining part 32 makes the input value become a variable (horizontal axis) according to the input value given by the holding part 37, and makes the input part fit degree obtained from the inference part 31 per rule. As shown, create the data (where the horizontal axis is the type of input selected without time). Similar rules are grouped by the above-described method according to the suitability of the key part using the input thus created as a variable.

이와 같이 하여 입력 변수마다 유사룰을 그룹화할 수 있다.In this way, similar rules can be grouped for each input variable.

(7) 제 6실시예(설정된 룰의 평가)(7) Sixth Embodiment (Evaluation of Set Rule)

본 실시예는 룰이 설정된 후, 설정된 룰에 있어서의 입 ·출력 변수의 사용 빈도를 계수하고, 입·출력 변수마다의 중요도, 전체의 밸런스등을 체크할 수 있도록 하는 것이다.In the present embodiment, after the rule is set, the frequency of use of the input / output variables in the set rule is counted, and the importance of each input / output variable, the balance of the whole, and the like can be checked.

메모리(22)에는 입력장치 (23)에서 입력된 퍼지 추론룰을 나타내는 데이타가 제26도에 나타나듯이 격납된다. 이미 설명한 룰에서는 설명을 간단하게 하기 위하여 전건부에 있어서의 입력 변수는 X와 Y의 2종류이지만, 일반으로는 다수 종류의 입력 변수의 설정이 가능하다. 룰을 일반화하여,In the memory 22, data representing the fuzzy inference rule input from the input device 23 is stored as shown in FIG. In the rules already described, for the sake of simplicity, the input variables in the health unit are two types, X and Y, but in general, many types of input variables can be set. Generalize the rule,

IfX₁=A, X₂=B‥‥ X_e=E, then Z=FIfX ₁ = A, X ₂ = B ‥‥ X _e = E, then Z = F

로 표현할 수 있다. X₁,X₂‥‥X_e는 입력변수, Z는 출력변수를 나타낸다 A, B‥‥E,F는 멤버쉽 함수의 레벨이다. X₁=A를 명제 1, X₂=B를 명제(2), X_e를 명제(e)로 한다. 제26도는 이와같이 일반화된 룰의 데이타 구조를 나타내고 있다. 명제(1)의 변수명으로서는 1종류에 한하지 않고, 임의의 종류수의 설정이 가능하다. 이들이 제26도에서는 aaaa, abaa, abca등으로서 나타내고 있다. 다른 명제에 대하여도 같다Can be expressed as X ₁ , X ₂ ... X _e is an input variable, Z is an output variable, and A, B ... E, F are the levels of the membership function. X ₁ = A for proposition 1, X ₂ = B for proposition (2), and X _e for proposition (e). FIG. 26 shows the data structure of this generalized rule. As the variable name of the proposition (1), not only one type but arbitrary number of types can be set. These are shown as aaaa, abaa, abca and the like in FIG. Same for other propositions

메모리 (22)에는 제27도 및 제28도에 나타나듯이, 설정된 룰 총수를 기억하기 위한 영역 (M₁)과, 변수의 사용 빈도를 변수명마다 기억하기 위한 영역 (M₂)이 설치되어 있다. 이들의 기억 영역 (M₁) 및 (M₂)의 내용은 CPU(21)에 의한 계수 동작에 따라 갱신되어가게 된다.In the memory 22, as shown in Figs. 27 and 28, an area M ₁ for storing the set rule total number and an area M ₂ for storing the frequency of use of the variable for each variable name are provided. . The contents of these storage areas M ₁ and M ₂ are updated in accordance with the counting operation by the CPU 21.

작업자가 입력장치(23)에서 1개의 룰을 입력하면, 영역 (M₁)의 계수치가 1증대된다. 따라서 모든 룰의 입력이 종료했을때에는 이 영역(M₁)에는 설정된 모든 룰의 총수(r)가 기억된다.When the operator inputs one rule in the input device 23, the count value of the area M ₁ is increased by one. Therefore, when the input of all rules is completed, the total number r of all set rules is stored in this area M ₁ .

다음에 작업자가 룰 작성에서 사용한 변수의 사용빈도를 확인하고자 하는 경우에는 입력장치 (23)에서 변수명마다의 사용수의 계수지령을 부여한다. 이것에 의하여 CPU(21)에 의하여 제29도에 나타내는 계수 처리가 실행된다.Next, when the operator wants to confirm the frequency of use of the variable used in the rule creation, the input device 23 gives a counting instruction for the number of uses for each variable name. In this way, the CPU 21 performs the coefficient processing shown in FIG.

제29도에서, 계수 지령이 부여되면(스텝 151). 이미 설정되고, 메모리(22)에 기억되어 있는 룰 데이타에서 명제 (1)의 선두(룰 1)의 변수명이 판독된다(스텝 152). 이 계수 처리에서는 제26도에 나타내는 룰 데이타 구조에서, 변수명이 종방향으로 순차 점검된다. 즉 우선 명제(1)의 변수명이 전룰에 대하여 점검되고, 계속하여 명제 2의 변수명의 처리로 이동한다.In Fig. 29, if a counting instruction is given (step 151). The variable name of the head (rule 1) of the proposition 1 is read from the rule data already set and stored in the memory 22 (step 152). In this counting process, the variable names are checked sequentially in the longitudinal direction in the rule data structure shown in FIG. That is, the variable name of the proposition 1 is first checked against all rules, and then the process moves to the processing of the variable name of the proposition 2.

판독된 변수명이 영역 (M₂)에 이미 등록되어 있는지가 점검되고(스텝 153) 등록되어 있지 않으면 그 변수명을 영역(M₂)에 등록하고, 또한 그 변수명의 계수치로서 1이 셋트된다(스텝 155). 이미 등록되어 있으면 해당하는 변수명의 계수치에 1이 가산된다(스텝 154). 명제(1)의 변수명이 룰 번호순으로 메모리(22)의 를 데이타에서 순차 판독되고(스텝 157). 상기 처리(스텝 153 내지 155)이 반복 행하여 진다. 룰 번호(r)까지 상기의 처리가 종료하면(스텝 156). 다음에 명제(2)의 선두(를 1)의 변수명이 판독되고(스텝 159). 마찬가지로 스텝(153 내지 157)의 처리가 반복된다. 그리고 후건부 룰(r)의 변수명까지 상기의 처리가 완수되면, 계수처리가 종료한다(스텝 158). 이것에 의하여 모든 변수명의 사용빈도가 계수되고, 영역 (M₂)에 기억 된다.It is checked whether or not the read variable name is already registered in the area M ₂ (step 153). If it is not registered, the variable name is registered in the area M ₂ and 1 is set as the count value of the variable name (step 153). 155). If already registered, 1 is added to the count value of the variable name (step 154). The variable names of the proposition 1 are sequentially read from the data in the memory 22 in the order of rule numbers (step 157). The above processing (steps 153 to 155) is repeatedly performed. When the above process is completed up to the rule number r (step 156). Next, the variable name of the head of proposition 2 is read (step 159). Similarly, the processing of steps 153 to 157 is repeated. When the above processing is completed up to the variable name of the back building part rule r, the counting process ends (step 158). This counts the frequency of use of all variable names and stores them in the area M ₂ .

이후, 메모리(22) 영역 (M₁)의 룰 총수(r)와 영역 (M₂)의 변수명마다의 계수치가 표시장치 (24)에 표시된다(스텝 160). 룰 총수(r)의 표시는 반드시 필요하지 않다. 변수명과 그 계수치는, 제29도의 처리중에 연속적으로 표시하도록 하여도 좋다. 이 경우에 작업자는 변수명이 등록되어 가는 상태, 계수치가 증가되어가는 상태를 순차 알 수 있다.Thereafter, the count value r for each of the rule total number r of the memory 22 area M ₁ and the variable name of the area M ₂ is displayed on the display device 24 (step 160). The display of the rule total number r is not necessary. The variable name and its count may be displayed continuously during the processing of FIG. In this case, the worker can sequentially know the state in which the variable name is registered and the state in which the count value is increased.

상기 실시 예에서는 변수명마다 룰에 있어서의 사용회수가 계수되어 있지만, 동일의 레벨이 부여되는 회수를 변수명마다 계수하여도 좋다.In the above embodiment, the number of times of use in the rule is counted for each variable name, but the number of times the same level is given may be counted for each variable name.

이상과 같이하여 본 실시예에 의하면. 퍼지 추론 룰이 설정된 후, 그 룰에서 사용되고 있는 변수명마다 사용빈도가 자동적으로 계수되고, 표시됨으로, 설정된 룰에 있어서의 변수의 사용에 관한 전체의 밸런스, 각 변수의 중요도 등을 파악하여, 이들 평가를 행할 수 있다.According to the present embodiment as described above. After the fuzzy inference rule is set, the frequency of use is automatically counted and displayed for each variable name used in the rule, so as to grasp the overall balance, importance of each variable, and the like regarding the use of the variable in the set rule. Evaluation can be performed.

(8) 제 7실시예(설정되는 룰의 타당성 판정)(8) Seventh embodiment (determination of validity of rules to be set)

제 7실시예는 퍼지 추론 룰의 설정시에, 입력된 룰이 타당한지를 판정하여, 타당하지 않은 경우에는 그 취지를 알리는 것이다.In the seventh embodiment, at the time of setting the fuzzy inference rule, it is determined whether the input rule is valid, and if not, it is notified.

예를들면, 제30도는 모터의 회전 각도 제어를 행하기 위한 퍼지 추론 룰을 나타내는 룰 테이블을 나타내고 있다. 입력 변수는 각도 편차(X)와 각속도 편차(Y)이고, 출력은 전류 지령치 (Z)이다. 입력 변수인 각 도 편차(X) 및 각속도 편차(Y)가 공히 「정」 (P를 포함하는 레벨)인 범위 (A)에서는 출력 변수(Z)도 「정」(P를 포함하는 레벨)으로 되고, 각도 편차(X) 및 각속도 편차(Y)가 공히 「부」 (N을 포함하는 레벨)인 범위(B)에서는 출력 변수(Z)도 「부」 (N을 포함하는 레벨)로 된다. 이것에 대하여 각도 편차(X) 및 각속도 편차(Y)의 어느것인가 한쪽이 「정」, 다른쪽이 「부」인 범위 (C) 및 (D)에서는 출력 변수도「정」과 「부」가 혼재하도록 되는 것이 경험적으로 알려져 있다. 그런데, 입력 조작의 실수에 의하여 바른 룰의 설정이 행하여지지 않으면, 그릇된 룰에 의하여 모터의 회전 각도 제어가 정상으로 행하여 지지 않고, 사고등이 생길 위험성이 있다.For example, FIG. 30 shows a rule table showing fuzzy inference rules for controlling the rotation angle of the motor. Input variables are angular deviation (X) and angular velocity deviation (Y), and output is current setpoint (Z). In the range (A) where the angular deviation (X) and the angular velocity deviation (Y), which are input variables, are both "positive" (level containing P), the output variable (Z) is also defined as "positive" (level containing P). In the range B where the angle deviation X and the angular velocity deviation Y are both "negative" (level including N), the output variable Z is also "negative" (level including N). On the other hand, in the ranges (C) and (D) in which one of the angle deviation (X) and the angular velocity deviation (Y) is "positive" and the other is "negative", the output variables are "positive" and "negative". It is known empirically to be mixed. However, if the correct rule is not set due to a mistake in the input operation, the rotation angle control of the motor is not normally performed by the wrong rule, and there is a risk of an accident or the like.

제 7실시예는 조작자에 의한 룰의 오 설정을 미연에 방지하는 것이다.The seventh embodiment prevents incorrect setting of rules by the operator.

메모리 (22)에는 제31도에 나타나듯이 후견부의 멤버쉽 함수의 레벨이 기입되어 있지 않는 설정용 룰 테이블 및 제32도에 나타나듯이 후견부의 멤버쉽 함수에 대한 레벨의 타당 범위가 기입된 판정용 룰 테이블이 기억되어 있다. 멤버쉽 함수의 레벨에는 크기 순서가 정하여지고, NL<NM<NS<ZR<PS<PM<PL의 순으로 되어 있다 판정용 룰 테이블에는 전건부의 입력 변수(X)와 (Y)의 멤버쉽 함수에 대한 레벨의 조합에 대하여 설정하는 것이 허용되는 후건부의 멤버쉽 함수의 범위(타당 범위)가 부등기호이고, 소정란에 미리 설정되어 있다. 예를들면 ZPS는 레벨 PS, PM, PL의 설정이 허용되는 것을 나타내고 있다.In the memory 22, as shown in FIG. 31, a setting rule table in which the level of the guardianship's membership function is not written, and as shown in FIG. 32, a judgment rule table in which a valid range of levels for the guardianship's membership function is written. I remember this. The level of the membership function is determined in order of size, and in the order of NL <NM <NS <ZR <PS <PM <PL. The judgment rule table includes the membership functions of the input variables (X) and (Y) of the health unit. The range (valid range) of the membership function of the backside portion that is allowed to be set for the combination of levels is an inequality symbol and is set in advance in a predetermined column. Eg Z PS indicates that setting of levels PS, PM, PL is allowed.

제33도는 룰의 설정 처리 순서를 나타내고 있다. 룰의 설정은 입력 장치(23)의 키보드 또는 마우스를 사용하여 행하여진다. 입력 장치(23)에 의하여 개시 조작이 행하여지면(스텝 161). 메모리 (22)에 기억되어 있는 설정용 룰 테이블(제31도)이 표시장치(24)의 CRT에 표시된다(스텝 162). 그리고, 조작자는 이룰 테이블의 필요란에 후건부의 멤버쉽 함수를 순차 레벨로서 입력하여 간다. 예를들면 조작자는 설정용 룰 테이블의 입력 변수(X)가 NM, Y가 PL의 위치에 후건부 레벨(NL)을 입력한다(스텝 163). 이 후건부 레벨은 판정용 룰 테이블(제32도)이 대응하는 난에 설정된 타당범위 데이타와 비교된다(스텝 164). 판정용 룰 테이블에서 X가 NM, Y가 PL의 위치에는 타당 범위가 설정되어 있지 않으므로, 이 경우에는 입력된 후건부 레벨이 그대로 설정용 룰 테이블에 기입되어 등록되고(스텝 165). 그 후건부 레벨(NL)이 설정용 룰 테이블상에서 표시된다(스텝 167) 다음에 전 룰의 설정이 완료했는지가 판정되고(스텝 168). 완료하여 있지 않으면 스텝(163)으로 돌아간다.33 shows the rule setting processing procedure. The rule is set using the keyboard or the mouse of the input device 23. When the start operation is performed by the input device 23 (step 161). The setting rule table (FIG. 31) stored in the memory 22 is displayed on the CRT of the display device 24 (step 162). Then, the operator inputs the membership function of the back-building part as a sequential level in the required column of the table to be achieved. For example, the operator inputs the back-drying part level NL at the position where the input variable X of the setting rule table is NM and Y is PL (step 163). This back building part level is compared with the valid range data set in the column to which the determination rule table (FIG. 32) corresponds (step 164). Since no valid range is set at the position of X in NM and Y in PL in the determination rule table, in this case, the input after-health level is written and registered in the setting rule table as it is (step 165). Then, the dry part level NL is displayed on the setting rule table (step 167). Then, it is determined whether the setting of all the rules is completed (step 168). If not, the process returns to step 163.

상기와 같이 순차 후건부 레벨의 기입, 등록이 행하여져 간다. 그리고 예를들면 스텝(163)에서 X가 PL,Y가 PL의 난에 후건부 레벨로서 잘못하여 NL이 입력되면, Z PS의 타당 범위에 들어가지 않으므로. 부저(25)가 울린다(스텝 166). 이것에 의하여 조작자는 입력의 실수에 주위하여, 그 개소에 바른 후건부 레벨(PL)의 입력을 행할 수 있다.As described above, the post-health level is written and registered sequentially. For example, in step 163, if X is PL, Y is PL in the column of PL, and NL is incorrectly inputted, since it does not fall within the valid range of Z PS. The buzzer 25 sounds (step 166). As a result, the operator can input the dry part level PL applied to the location in response to the mistake of the input.

판정용 룰 테이블의 중심위치, 즉 X가 ZR, Y가 ZR의 위치에 있어서의 후건부 레벨의 설정 데이타는 ZR로 되어 있으므로, 이 위치에서는 ZR만의 입력이 허용된다.Since the setting data of the back dry portion level at the center position of the determination rule table, that is, X is ZR and Y is ZR, input of only ZR is permitted at this position.

모든 룰의 설정이 완료하면 동작이 종료하고, 이것에 의하여 제30도에 나타나듯이 제어용 룰 테이블이 얻어진다.When all rule settings are completed, the operation ends, thereby obtaining a control rule table as shown in FIG.

상기는 룰의 설정 동작에 관한 것이지만. 룰의 설정 동작도 마찬가지로 행하여 진다. 후건부 레벨을 고쳐 쓸때에도, 입력된 레벨이 해당 범위에서 일탈하는 경우에는 부저(25)가 울린다.The above is about the rule setting operation. The rule setting operation is similarly performed. Even when rewriting the back level part, the buzzer 25 sounds when the input level deviates from the range.

제34도는 제어용 룰 테이블의 다른 표시예를 나타내는 것이다. 본 표시 예에서는 X가 ZR, Y가 ZR의 위치에 있어서의 후건부 레벨의 설정 데이타(ZR)만이 다른 형태(예를들면 크게 하고, 다른 색으로 한다)에 의하여 표시되어 있다. 이러한 표시에 의하여, 룰의 수정시, 후건부 레벨(ZR)이 잘못 고쳐지는 것이 방지 된다.34 shows another display example of the control rule table. In this display example, only the setting data ZR of the back drying part level at the position of X in ZR and Y in ZR is displayed by the other form (for example, enlarged and made into a different color). By this indication, when the rule is modified, the back part level ZR is prevented from being incorrectly corrected.

표시의 형태는 룰 테이블 형식은 아니고, 제35도에 나타나듯이 룰을 얻어 형식에 의하여 순차 표시하도록 하여도 좋다.The form of the display is not in the form of a rule table. As shown in FIG. 35, a rule may be obtained and displayed sequentially according to the form.

제36도에 나타나듯이, 룰 중에 타당범위(카코로서 나타내는 ZR, NS, NM, NL)를 표시하여 오 설정의 방지를 하는 것도 고려된다.As shown in Fig. 36, it is also conceivable to prevent a wrong setting by displaying a valid range (ZR, NS, NM, NL indicated as Kako) in the rule.

상기 실시예에서는 부저(25)에 의하여 실수 설정을 알리고 있지만, CRT의 화면 표시에 의하여 실수 설정알림을 행하는 구성으로서도 양호하다.In the above embodiment, the buzzer 25 notifies the real setting, but it is also suitable as a configuration in which the real setting setting notification is made by the screen display of the CRT.

이상과 같이하여 본 실시예에 의하면, 퍼지 추론 룰의 설정이 행하여질때마다, 입력된 후견부의 레벨이 이미 설정된 타당 범위내에 입력되었는지의 판정이 행하여지고, 입력되지 않은 경우는 그 취지가 알려진다.As described above, according to the present embodiment, whenever the setting of the fuzzy inference rule is performed, it is determined whether the level of the input guardian portion has been input within an already established valid range, and the meaning is known when it is not input.

이것에 의하여 조작자는 룰 설정을 잘못하여 행한 것을 인식할 수 있다 이와같이 하여 조작의 실수에 의한 롤의 오 설정을 미연에 방지할 수 있다.In this way, the operator can recognize that the rule is set incorrectly. In this way, the wrong setting of the roll due to the mistake of operation can be prevented.

[산업상의 이용 가능성][Industry availability]

본 발명에 의한 멤버쉽 함수 또는 룰의 평가 방법 및 장치는 퍼지 추론 장치에 멤버쉽 함수 또는 룰을 설정했을때에, 그들이 타당한지, 적절한지를 판정하기 위하여 사용되고, 퍼지 추론 장치의 적절한 운전을 유지하기 위하여 이용된다.The method and apparatus for evaluating a membership function or rule according to the present invention are used to determine whether they are valid and appropriate when setting membership functions or rules in a fuzzy inference device, and are used to maintain proper operation of the fuzzy inference device. do.

Claims

Means for performing fuzzy inference according to predetermined rules in response to an input value, having a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variable, and Means for extracting a membership function associated with an input variable of the input value and having a non-fit fitness for the input value when an input value is given, and calculating the fitness for the membership function of the input value; The input value and the membership are displayed by graphically displaying the form of the membership function, and by displaying a predetermined mark at the position of the input value on the membership function graphically displayed using the value of the fitness calculated by the calculation means. And means for displaying a function and said goodness-of-fit in a form that relates to each other. A membership function evaluation device in a fuzzy inference device with a gong.

An apparatus for evaluating a membership function according to claim 1, further comprising input means for inputting a predetermined membership function and modifying the inputted membership function.

And a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variable, and performing fuzzy inference according to predetermined rules set in response to the input values. Calculation means for calculating the total fitness or the rate of change of the input value for each rule when the means and the input value are given; And display means for displaying an identification code to be displayed on one screen. An apparatus for evaluating a rule in a fuzzy inference device.

Means for performing fuzzy inference according to predetermined rules in response to an input value, having a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variable, and Calculation means for calculating, for each membership function, the suitability or rate of change of the input value for each membership function when the input value is given, a time series waveform of the suitability or rate of change for each calculated membership function, and a membership corresponding to these waveforms. And a display means for displaying an identification code for displaying a function on one screen. An apparatus for evaluating a rule in a fuzzy inference device.

Means for executing fuzzy inference according to predetermined rules in response to input values, having a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variables Fuzzy inference, comprising: arithmetic means for calculating a value relating to the goodness of fit of the input value when an input value is given; and display means for displaying a change in the calculated fit value as a horizontal axis; An apparatus for evaluating rules in the apparatus.

Means for executing a fuzzy inference according to a predetermined predetermined rule in response to an input value, having a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variables And an arithmetic means for calculating a value relating to the goodness of fit of the input value when an input value is given, and a display means for displaying a change in the calculated goodness of fit value as the horizontal axis. Rule evaluation apparatus.

A plurality of membership functions set for each of the at least two types of input variables and a plurality of 'membership functions set for the at least one type of output variable, and the fuzzy inference is executed in accordance with a predetermined predetermined rule corresponding to the input value. Means for calculating display position coordinates of an input value on a rule table representing the membership function of the front part and the membership function of the back part for all set rules; And a display means for displaying a figure drawn by the change of the input value over time according to the displayed display position coordinates.

Means for performing a fuzzy inference according to a predetermined predetermined rule in response to an input value having a plurality of membership functions set for each of at least two types of input devices and a plurality of membership functions set for at least one type of output variable An experimental fuzzy inference calculating means for performing fuzzy inference according to all the rules except for a specific rule among the set rules; a normal fuzzy inference result executed by the fuzzy inference executing means and the experimental fuzzy inference calculating means in accordance with all set rules; And comparison means for comparing the inferred results by and output means for outputting the comparison result by the comparison means by means of a display or a factor.

Means for performing a fuzzy inference according to a predetermined rule set in advance in response to an input value, having a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set by at least one type of calculation variable, and A value between the values relating to the total key fitness obtained in the fuzzy inference process is determined by a predetermined physical quantity as a variable, the means for supporting the physical quantity over a predetermined range, and the rule of the values relating to the key size suitability supported by the supporting means. And a means for calculating the similarity, and a means for grouping the rules according to the calculated similarity.

10. The rule evaluation device according to claim 9, wherein a value relating to the soundness-of-body suitability is the soundness-of-body suitability or the rate of change thereof.

An input means for setting a rule for fuzzy inference, a means for storing in advance a setting valid range of the membership function of the rear key portion with respect to a combination of the membership function of the front key, and the memory when the membership function of the rear key is inputted from the input means, Determining means for determining whether to enter the range stored in the means and means for informing the effect when it is determined that the membership function of the inputted back part is not within the range. Rule evaluation device.

Support a plurality of membership functions set in plural and at least one type of output function for each of at least two types of input devices, and respond to the input values to execute fuzzy inference according to a predetermined predetermined rule. In the fuzzy inference apparatus, in response to the given input value, search for a membership function associated with the input variable of this input value and having a non-zero goodness of fit for this input value, and the fitness of the membership function retrieved by the input value. Calculates the shape of the searched membership function and graphically displays the input value and the membership function by displaying a predetermined mark at the position of the input value on the graphically displayed membership function using the calculated value of the fitness. And displaying the goodness of fit as a form in which they relate to each other. How to evaluate membership functions.

A purge that supports a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variable, and executes fuzzy inference according to predetermined rules in response to the input values. In the reasoning apparatus, when an input value is given, a waveform indicating the state of fitness or the rate of change of the input value for each rule is calculated for each rule, and the state of change of the fitness value or the rate of change calculated for each rule changes over time; An identification code indicating a rule corresponding to a waveform is displayed on one screen. The rule evaluation method in a fuzzy inference device.

Maintain a plurality of membership functions set for each of the at least two types of input variables and a plurality of backbone membership functions set for the at least one type of output variable, and in response to the input values, fuzzy inference according to a predetermined rule set in advance. In the fuzzy inference apparatus that executes the input value, when the input value is given, the display position coordinates of the input value are calculated on the rule table indicating the level of the front part membership function and the level of the back part membership function as a table type for all set rules. And a figure drawn by a change over time of the input value by polymerization to the rule table and calculated display position coordinates.

Supports a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variable, and executes fuzzy inference according to a predetermined predetermined rule in response to the input values In the fuzzy inference apparatus, a normal paper peron according to all set rules is executed in advance for all combinations of input variables, and an output value indicating the inference result is stored, and according to the remaining rules except for a specific rule among the set rules, An experimental fuzzy inference operation is performed on a combination of input variables in a predetermined range related to the excluded rule, and the difference between an output value representing the experimental fuzzy inference calculation result and an output value representing the normal fuzzy inference result is calculated. Output by display or argument in relation to the combination of input variables A rule evaluation method in a fuzzy inference device.

A purge that supports a plurality of membership functions set for each of at least two types of input variables and a plurality of membership functions set for at least one type of output variable, and executes fuzzy inference according to predetermined rules set in response to the input values. In the inference apparatus, a value relating to the power condition fitness obtained in the fuzzy inference process is supported over a predetermined range of the physical quantity using a predetermined physical quantity as a variable, and similarity between the rules of the value relating to the supported soundness suitability is determined. A method for evaluating a rule in a fuzzy inference device, comprising calculating and grouping rolls by the calculated similarity.

In the apparatus having an input means for setting a rule for fuzzy inference, the setting valid range of the membership function of the rear part is stored in advance for the combination of the membership functions of the front part, and the membership function of the rear part is inputted from the input means. And when the input function is determined to be within the valid range, and reports that the membership function of the input after construction is not within the valid range, reporting the effect. Evaluation device.