2型模糊推理系统
对于话语宇宙中的任何值,传统的type-1隶属函数都有一个单一的隶属值。因此,虽然type-1隶属度函数模拟给定语言集中的隶属度,但它不模拟隶属度的不确定性。要对这种不确定性建模,可以使用区间类型-2成员函数。在此类type-2隶属函数中,隶属度可以有一个值范围。
有关使用2型模糊推理系统的示例,请参见2型FIS模糊PID控制而且利用Type-2 FIS预测混沌时间序列.
Interval Type-2成员函数
区间类型2隶属函数由上隶属函数和下隶属函数定义。上层隶属函数(UMF)相当于传统的type-1隶属函数。对于所有可能的输入值,下隶属度函数(LMF)小于或等于上隶属度函数。UMF和LMF之间的区域为不确定性足迹(4)。下图显示了type-2三角形隶属函数的UMF(红色)、LMF(蓝色)和FOU(阴影)。
对于话语宇宙中的每个输入值,隶属度是LMF值和UMF值之间的值的范围。
2型模糊推理系统
使用模糊逻辑工具箱™软件,您可以创建2型Mamdani和Sugeno模糊推理系统。
在2型Mamdani系统中,输入和输出隶属度函数都是2型模糊集。
在2型Sugeno系统中,只有输入隶属度函数是2型模糊集。输出隶属函数与type-1 Sugeno系统相同-常数或输入值的线性函数。
要在命令行中创建type-2 Mamdani和Sugeno系统,请使用mamfistype2
而且sugfistype2
对象,分别。这些对象具有与type-1相同的参数mamfis
而且sugfis
对象以及附加的TypeReductionMethod
参数。
可以通过转换现有的类型1系统来创建类型2模糊推理系统,例如使用genfis
函数。要做到这一点,请使用convertToType2
函数。
一旦你创建了一个2型模糊推理系统,你可以:
方法还可以创建2型模糊推理系统模糊逻辑设计器应用程序。
2型模糊系统的模糊推理方法
前期处理
对于2型模糊推理系统,通过从规则先行项中找到umf和lmf中相应的隶属度来模糊化输入值。这样做会为每个type-2隶属函数生成两个模糊值。例如,下图中的模糊化显示了上层隶属函数中的隶属度值(fU)和较低的隶属函数(fl).
接下来,对type-2隶属度函数的模糊化值应用模糊算子,找到规则触发强度的范围,如下图所示。此范围的最大值(wU)是将模糊算子应用于umf中的模糊值的结果。最小值(wl)是将模糊算子应用于LMFs中的模糊值的结果
Mamdani和Sugeno系统的前因处理是相同的。
后续处理
对于Mamdani系统,隐含方法剪辑(最小值
含义)或量表(刺激
蕴涵)输出类型2隶属函数的UMF和LMF使用规则射击范围限制。这个过程为每个规则产生一个输出模糊集。下图为应用产生的输出模糊集(深灰色区域)最小值
对UMF(红色)和LMF(蓝色)的影响。
对于type-2 Sugeno系统,输出电平z我为我该规则的计算方式与type-1 Sugeno系统相同。
在这里,j是输入索引,xj是值jTh输入变量,和c项是上隶属度函数参数
与type-1 Sugeno系统不同,规则触发强度不用于处理每个规则的结果。相反,在聚合过程中使用输出级别和规则触发强度。
聚合
聚合阶段的目标是从规则输出模糊集派生出单个2型模糊集。
对于2型Mamdani系统,软件对所有规则的输出模糊集的umf和LMFs应用聚合方法,得到一个聚合的2型模糊集。下图显示了使用的两个2型模糊集(双规则系统的输出)的聚合马克斯
聚合。
对于2型Sugeno系统,采用以下步骤导出聚合模糊集:
对规则输出级别排序(z我),按升序排列。这些输出级别值定义了聚合2型模糊集的话语范围。
对于每个输出级别,使用对应规则中的最大发射距离值定义UMF值。
对于每个输出级别,使用对应规则中的最小射击距离值定义LMF值。
例如,假设您有一个带有七条规则的type-2 Sugeno系统。此外,假设这些规则具有以下输出水平和射击范围限制。
规则 | 输出水平(z) | 最小发射值 | 最大发射值 |
---|---|---|---|
1 | 6.3 | 0.1 | 0.5 |
2 | 4.9 | 0.4 | 0.5 |
3. | 1.6 | 0.3 | 0.5 |
4 | 5.8 | 0.5 | 0.7 |
5 | 5.4 | 0.2 | 0.6 |
6 | 0.7 | 0.5 | 0.8 |
7 | 3.2 | 0.2 | 0.7 |
下图显示了该Sugeno系统的聚合型2模糊集及其相关的UMF(红色)和LMF(蓝色)。
类型缩减和去模糊化
为了找到推理过程的最终清晰输出值,首先将聚合型2模糊集缩减为具有下限的区间型1模糊集cl和上限cR.这个区间1型模糊集通常被称为2型模糊集的质心。理论上,这个质心是嵌入在2型模糊集中的所有1型模糊集的质心的平均值。在实践中,计算的确切值是不可能的cl而且cR.相反,使用迭代类型缩减方法来估计这些值。
对于给定的聚合2型模糊集,的近似值cl而且cR是以下第一类模糊集的质心(绿色)。
从数学上讲,这些质心可以用下面的公式找到。[1]
在这里:
N是否在输出变量范围内采样的数量,使用指定
evalfisOptions
.x我是我输出值样本。
μumf是上隶属度函数。
μlmf是下隶属度函数。
l而且R是开关分这是通过各种类型缩减方法估计出来的。有关支持的方法的列表,请参见Type-Reduction方法.
对于Mamdani和Sugeno系统,最终的去模糊输出值(y)为减型过程中两个质心值的平均值。
Type-Reduction方法
模糊逻辑工具箱软件支持四种内置的类型缩减方法。这些算法在初始化方法、假设、计算效率和终止条件上有所不同。
若要设置2型模糊系统的类型约简方法,请设置TypeReduction
的属性mamfistype2
或sugfistype2
对象。
方法 | TypeReduction 属性值 |
描述 |
---|---|---|
Karnik-Mendel(公里)[2] | “karnikmendel” |
第一种类型还原方法 |
Enhanced Karnik-Mendel (EKM)[3] | “11” |
改进了Karnik-Mendel算法,改进了初始化,改进了终止条件,提高了计算效率 |
带停止条件的迭代算法(IASC)[4] | “关于” |
对蛮力方法的迭代改进 |
带停止条件的改进迭代算法(EIASC)[5] | “eiasc” |
IASC算法的改进版本 |
一般来说,这些方法的计算效率随着表的向下移动而提高。
您还可以使用自己的自定义类型减少方法。有关更多信息,请参见使用自定义函数构建模糊系统.
参考文献
[1]孟德尔,杰里·M,哈尼·哈格拉斯,谭维旺,威廉·w·梅莱克,郝颖。二类模糊逻辑控制概论:理论与应用.霍博肯,新泽西州:IEEE出版社,John Wiley & Sons, 2014年。
Karnik, Nilesh N.和Jerry M. Mendel。2型模糊集的质心。信息科学132年,没有。1-4(2001年2月):195-220。https://doi.org/10.1016/s0020 - 0255 (01) 00069 - x.
[3] Wu, D.和J.M. Mendel,“增强的Karnik-Mendel算法,”模糊系统汇刊,第17卷,第923-934页。(2009)
[4] Duran, K., H. Bernal,和M. Melgarejo,“计算区间2型模糊集广义质心的改进迭代算法,”北美模糊信息处理学会年会, 190-194页。(2008)
[5]吴丹,聂明,“2型模糊集和系统的类型约简算法的比较与实际实现,”FUZZ-IEEE论文集,第2131-2138页(2011)