Главная Обратная связь Поможем написать вашу работу!

Дисциплины:

Архитектура (936)
Биология (6393)
География (744)
История (25)
Компьютеры (1497)
Кулинария (2184)
Культура (3938)
Литература (5778)
Математика (5918)
Медицина (9278)
Механика (2776)
Образование (13883)
Политика (26404)
Правоведение (321)
Психология (56518)
Религия (1833)
Социология (23400)
Спорт (2350)
Строительство (17942)
Технология (5741)
Транспорт (14634)
Физика (1043)
Философия (440)
Финансы (17336)
Химия (4931)
Экология (6055)
Экономика (9200)
Электроника (7621)






Краткие теоретические сведения. При разработке БЗ ИИС, в том числе экспертной системы, в условиях неопределенности зачастую используется подход на основе нечетких знаний



 

При разработке БЗ ИИС, в том числе экспертной системы, в условиях неопределенности зачастую используется подход на основе нечетких знаний. В практике управления сложными динамическими объектами обычно не придерживаются границ области допустимых значений контролируемых параметров с точностью до второго - третьего знака после запятой, и многие ограничения чаще всего являются "мягкими", допускающими их незначительное нарушение. Границы области критических режимов также могут быть нечеткими. Применение нечетких ("мягких") ограничений значительно расширяет возможность контроля и управления и делает их адекватными реальной обстановке в системе [3].

Реальные задачи содержат в себе нечеткие условия и некоторую нечеткость цели в связи с тем, что их постановку осуществляет человек. Учет фактора неопределенности при решении задач во многом изменяет методы принятия решения: меняется принцип представления исходных данных и параметров модели, становятся неоднозначными понятия решения задачи и оптимальности решения. Почти все реально работающие прикладные системы, использующие нечеткие знания – это либо системы, основанные на нечетких продукционных правилах, либо реляционные системы, использующие нечеткие отношения. Теоретически работа подобных систем основана на использовании композиционных правил нечетких выводов. Правила нечеткого управления, будучи условными высказываниями типа “Если – То”, представляют нечеткую импликацию:

Если x1 есть A1 И x2 есть A2 И …xn есть An ТО y есть B.

Здесь Ai, B – это лингвистические значения, идентифицированные нечетким способом через соответствующие функции принадлежности mA (xi) и mB (y) для переменных x и y. Переменные x1, x2,…, xn образуют n- мерный входной вектор x динамического процесса, а y есть выходной сигнал. Значение функции принадлежности mA(x), относящееся к уровню импликации (уровень активации правила), должно интерпретироваться с использованием нечетких операций. Нечетким расширением операции «И» в общей форме является T – норма. Нечетким расширением операции «ИЛИ» в общей форме является S – норма (иногда называемая T=конорма).



Приписывание единственного значения функции принадлежности, описывающей многомерное условие, будем называть агрегированием предпосылки.

Наиболее часто используемые типы нечетких операций «И» в двузначной нечеткой логике приведены в табл. 3.1, операции «ИЛИ» в табл. 3.2 [1].

Таблица 3.1 Типы нечетких операций «И»

Интерпретация в форме логического произведения  
Интерпретация в форме алгебраического произведения

 

Таблица 3.2 Типы нечетких операций «ИЛИ»

Интерпретация в форме логической суммы  
Интерпретация в форме алгебраической суммы

Каждой импликации A B можно приписать также единственное значение функции принадлежности mA®В(x,y). Приписывание единственного значения функции принадлежности всей предпосылки называется процедурой агрегирования на уровне импликации.

Использование правил осуществляется через механизм логического вывода. Логическое управление означает, что логика управления эксперта представляется в виде нечетких правил и разнообразным предпосылкам сопоставляется некоторое действие. Формирование выходных переменных (управляющих воздействий) включает следующие этапы:

· получение вектора входных переменных X=(Xi…, Xn);

· «фаззификация» этих переменных, то есть переход от четких значений переменных к их нечетким интерпретациям, то есть лингвистическим переменным;



· определение нечетких значений выходных переменных U1,…,Um (в виде функций принадлежности переменных m(U), соответствующих нечетким подмножествам) на основе правил логического вывода;

· «дефаззификация», то есть переход от полученных функций принадлежности нечетким множествам к соответствующим единственным четким значениям выходных переменных.

Для проведения нечеткого моделирования существует довольно много инструментальных средств, например, FuzzyTECH [6,13], CubiCalc [11], Matlab [6,16].


Просмотров 439

Эта страница нарушает авторские права




allrefrs.ru - 2021 год. Все права принадлежат их авторам!