对于论述范围中的任何值,传统的type-1成员关系函数只有一个成员关系值。因此,当一类隶属函数对给定语言集中的隶属度进行建模时,它并不对隶属度的不确定性进行建模。要对这种不确定性建模,可以使用区间类型2成员函数。在这种类型-2成员关系函数中,成员关系的程度可以有一个值范围。
有关使用2型模糊推理系统的示例,请参见基于2型FIS的模糊PID控制和利用2型FIS预测混沌时间序列.
区间2型隶属函数由上下隶属函数定义。上隶属函数(UMF)等价于传统的1型隶属函数。下隶属函数(LMF)小于或等于所有可能输入值的上限隶属函数。UMF和LMF之间的区域为不确定性足迹(4)。下图显示了2型三角隶属函数的UMF(红色)、LMF(蓝色)和FOU(阴影)。
对于话语世界中的每个输入值,隶属度是LMF和UMF值之间的值范围。
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,输入和输出隶属函数都是2型模糊集。
在2型Sugeno系统中,只有输入隶属函数是2型模糊集。输出隶属度函数与1型Sugeno系统相同-常数或输入值的线性函数。
要创建2型Mamdani和Sugeno系统,请使用mamfistype2
和sugfistype2
对象。这些对象具有与类型1相同的参数mamfis
和sugfis
对象以及附加的类型还原法
参数
还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
作用为此,请使用转换类型2
作用
一旦创建了2型模糊推理系统,您可以:
对于2型模糊推理系统,通过从规则先行项中找出umf和lmf中对应的隶属度来模糊化输入值。这样做会为每个2型成员函数生成两个模糊值。例如,下图中的模糊化显示了上隶属函数中的隶属值(FU)和下隶属函数(FL).
接下来,通过将模糊算子应用于2类隶属函数的模糊化值,找到规则触发强度的范围,如下图所示。该范围的最大值(WU)是将模糊运算符应用于UMFs中的模糊值的结果。最小值(WL)是将模糊算子应用于LMFs的模糊值的结果
Mamdani和Sugeno系统的先行处理是相同的。
对于Mamdani系统,蕴涵方法(闵
(暗示)或尺度(刺激
含义)使用规则射程限制的输出类型2隶属函数的UMF和LMF。此过程为每个规则生成一个输出模糊集。下图显示了应用规则生成的输出模糊集(深灰色区域)闵
UMF(红色)和LMF(蓝色)的含义。
对于type-2 Sugeno系统,输出级别Z我对于我该规则的计算方式与1型Sugeno系统相同。
在这里J为输入指标,xJ是这个值吗Jth输入变量,以及C术语是上层隶属函数参数
与第1类Sugeno系统不同,规则触发强度并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。
聚合阶段的目标是从规则输出模糊集中导出单个2型模糊集。
对于2型Mamdani系统,软件通过将聚合方法应用于所有规则的输出模糊集的UMFs和LMFs来查找聚合的2型模糊集。下图显示了使用马克斯
聚合。
对于2型Sugeno系统,通过以下步骤导出聚合模糊集:
对规则输出级别进行排序(Z我)从所有规则到升序。这些输出级别值定义了聚合2型模糊集的讨论范围。
对于每个输出级别,使用对应规则中的最大射击距离值定义UMF值。
对于每个输出级别,使用相应规则中的最小射程值定义LMF值。
例如,假设您有一个具有7条规则的2型Sugeno系统。此外,假设这些规则具有以下输出级别和射程限制。
规则 | 输出电平(z) | 最小点火值 | 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 |
下图显示了聚合的2型模糊集及其关联的UMF(红色)和LMF(蓝色)。
为了找到推理过程的最终清晰输出值,首先将聚合型2型模糊集简化为区间型1型模糊集,该区间型1型模糊集是一个带下限的范围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型模糊集质心的平均值。在实践中,不可能计算出的精确值CL和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CL和CR为下列1型模糊集的质心(绿色)。
从数学上讲,这些质心是[1]:
在这里:
N是否在指定的输出变量范围内取样的数量评估等值线
.
x我是我输出值样本。
μumf为上隶属函数。
μlmf为较低隶属度函数。
L和R是开关点由各种类型还原方法估计。有关受支持的方法列表,请参见万博1manbetxType-Reduction方法.
对于Mamdani和Sugeno系统,最终解模糊输出值(Y)是类型缩减过程中两个质心值的平均值。
模糊逻辑工具箱软件支持四种内置的类型约简方法。这些算法在初万博1manbetx始化方法、假设、计算效率和终止条件方面有所不同。
要设置2型模糊系统的类型简化方法,请设置类型缩减
财产mamfistype2
或sugfistype2
对象
方法 | 类型缩减 财产价值 |
描述 |
---|---|---|
卡尔尼克·孟德尔(公里)[2] | “karnikmendel” |
发展了第一个类型还原方法 |
增强Karnik-Mendel(11月)[3] | “11” |
改进了Karnik-Mendel算法,改进了初始化条件、终止条件,提高了计算效率 |
带停止条件的迭代算法[4] | “关于” |
蛮力法的迭代改进 |
带停止条件的改进迭代算法(EIASC)[5] | “eiasc” |
IASC算法的改进版本 |
通常,这些方法的计算效率会随着表的下移而提高。
您还可以使用自己的自定义类型缩减方法。有关详细信息,请参阅使用自定义函数构建模糊系统.
[1] 孟德尔,J.M.,H.哈格拉斯,W-W.谭,W.W.梅莱克和H.英,2型模糊逻辑控制简介. 新泽西州霍博肯。威利和IEEE出版社(2014)
[2]卡尼克,N.N.和J.M.孟德尔,《二类模糊集的质心》,信息科学,第132卷,第195-220页。(2001年)
[3] Wu,D.和J.M.Mendel,“增强的Karnik-Mendel算法,”模糊系统学报,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] Wu,D.和M.Nie,“2型模糊集和系统类型约简算法的比较和实际实现,”FUZZ-IEEE会议录,第2131-2138页(2011年)