bai tap lon logic,mo va suy dien,xap xi,xay dung,bo luat,he mo tu tap mau,nguyen thi thuy,hoang trong sang,mai thi dinh,do truong
XÂY DỰNG BỘ LUẬT HỆ MỜ TỪ TẬP MẪU
1. GIỚI THIỆU
Hầu hết vấn đề kiểm soát và xử lý tín hiệu, thông tin liên quan đến thiết kế, thẩm định… có thể được phân thành hai loại: Thông tin thu được từ các cảm biến đo lường, ngôn ngữ thông tin thu được từ các chuyên gia. Hầu hết hiện nay cách tiếp cận việc điều khiển thông minh và phương pháp xử lý tín hiệu là heuristic trong tự nhiên, nghĩa là, nó kết hợp một số tiêu chuẩn điều khiển các phương thức xử lý tín hiệu với các hệ chuyên gia trong một cách adhoc cho một vấn đề cụ thể; Bằng cách mô phỏng chỉ ra rằng phương pháp tiếp cận mới làm việc tốt cho các vấn đề cụ thể. Cách tiếp cận này có hai weakpoints:
1) Nó phụ thuộc vào nhiều vấn đề, nghĩa là, một phương pháp có thể làm việc tốt cho một vấn đề này nhưng không phù hợp cho vấn đề khác.
2) Không có định dạng phổ biến chung cho các mẫu và các khía cạnh khác nhau của kiểm soát hay các chiến lược xử lý tín hiệu, làm cho việc phân tích lý thuyết cho các phương pháp tiếp cận rất khó khăn. Trong bài báo này, tác giả đề xuất một phương pháp chung để kết hợp cả hai số và ngôn ngữ thông tin vào một khuôn khổ chung - luật mờ.
Giả sử ta có bài toán sau: Có một hệ thống điều khiển phức tạp trong đó con người điều khiển là chủ yếu. Môi trường làm việc của con người là nguy hiểm mà không có mô hình toán học tồn tại cho nó, hay, mô hình toán học là phi tuyến mạnh để một phương pháp thiết kế không tồn tại. Nhiệm vụ ở đây là để thiết kế một hệ thống kiểm soát để thay thế các điều khiển của con người (xem hình. 1).
Để thiết kếmột hệ thống điều khiển, đầu tiên chúng ta cần phải xác định những thông tin nào có sẵn. Chúng ta giả định rằng không có mô hình toán học, nghĩa là, chúng ta thiết kế theo model-free. Kể từ đó đã là một người điều khiển con người đã thành công trong việc kiểm soát hệ thống, có hai loại thông tin có sẵn cho chúng tôi:
1) Những kinh nghiệm của bộ điều khiển của con người.
2) Lấy mẫu đầu vào-đầu ra (nhà nước kiểm soát) Cặp được ghi nhận từ kiểm soát thành công bởi bộ điều khiển của con người. Kinh nghiệm của bộ điều khiển của con người thường được diễn tả như một số “ngôn ngữ IF-THEN” quy tắc mà nhà nước trong tình hình những gì (s) Mà hành động (s) Nên được thực hiện. Các mẫu đầu vào-đầu ra cặp là một số dữ liệu số mà cung cấp cho các giá trị cụ thể của đầu vào và đầu ra thành công tương ứng. Mỗi thông tin khi đứng một mình thường không đầy đủ. Mặc dù hệ thống điều khiển thành công bởi con người, một số thông tin sẽ bị mất khi người điều khiển diễn đạt kinh nghiệm của họ bằng các quy tắc ngôn ngữ. Do đó, các quy tắc ngôn ngữ một mình thường không đủ để thiết kế một hệ thống kiểm soát thành công. Mặt khác, các thông tin từ các cặp mẫu input-output thường cũng không đủ để thiết kế, bởi vì quá trình hoạt động thường không thể bao gồm tất cả những tình huống hệ thống điều khiển sẽ phải đối mặt. Nếu một cặp quy tắc ngôn ngữ và dữ liệu số là những thông tin duy nhất chúng ta có thể nhận được như vậy cho một thiết kế hệ thống điều khiển, trường hợp thú vị nhất là khi sự kết hợp của hai loại thông tin là đủ cho một thiết kế thành công.
Kiểm soát tập mờ là một cách tiếp cận hiệu quả để sử dụng luật ngôn ngữ trong khi điểu khiển mạng neural là phù hợp cho việc sử dụng cặp dữ liệu số (tức là input - output). Hiện nay điều khiển tậo mờ chỉ sử dụng luật ngôn ngữ, trong khi mạng neural hiện nay chỉ sử dụng cặp dữ liệu số. Điều này dẫn đến câu hỏi sau đây: “Có thể phát triển một phương pháp tiếp cận chung mà kết hợp cả hai loại thông tin vào một khuôn mẫu chung, và sử dụng cả hai thông tin đồng thời và hợp tác, để giải quyết điều khiển thiết kế các vấn đề tương tự” Trong bài báo này? Tác giả phát triển nó như một cách tiếp cận chung.
Những ý tưởng chính của phương pháp tiếp cận mới của tác giả là để tạo ra các luật mờ từ cặp dữ liệu cặp, thu thập những luật mờ này và các quy tắc mờ ngôn ngữ vào thành một luật mờ cơ sở, và cuối cùng là thiết kế một điều khiển hay hệ thống xử lý tín hiệu dựa trên kết hợp luật mờ cơ sở này. Trong Phần II, tác giả đề xuất một quy trình năm bước để tạo ra luật mờ từ cặp dữ liệu số và chỉ ra cách các luật mờ để có được một ánh xạ từ không gian đầu vào đến không gian đầu ra. Bước 1 phân chia không gian đầu vào và đầu ra vào vùng mờ; Bước 2 tạo ra luật mờ từ các cặp dữ liệu đầu vào-đầu ra mong muốn; Bước 3 chỉ định một mức độ từng luật được tạo ra; Bước 4 kết hợp các luật mờ cơ sở; Và, Bước 5 trình bày thủ tục defuzzifying để được lập bản đồ dựa trên cơ sở quy luật kết hợp mờ. Trong Phần III, chúng tôi chứng minh rằng việc lập bản đồ kết quả là có khả năng xấp xỉ hàm phi tuyến liên tục trên một tập compact với độ chính xác tùy ý sử dụng định lý Stone-Weierstrass nổi tiếng trong phân tích [5].
Tại Mục IV, chúng tôi áp dụng phương pháp mới của chúng tôi cho vấn đề một chiếc xe tải ủng hộ, kiểm soát trên [1], [4]. Chúng tôi so sánh cách tiếp cận mới với phương pháp tiếp cận neural hoàn toàn và tiếp cận mờ. Khả năng của phương pháp tiếp cận mới trở nên rõ ràng khi nó được sử dụng trong trường hợp cả luật mờ ngôn ngữ đầu vào-đầu ra cũng không phải là cặp đủ để thành công việc hoán đổi vị trí, nhưng sự kết hợp của cả hai là đủ. Tại Mục V, tác giả cho thấy phương pháp mới của chúng tôi có thể được sử dụng cho dự đoánchuỗi thời gian, và, chúng tôi sử dụng nó để dự đoán chuỗi thời gian Mackey-Glass, và so sánh kết quả với những kết quả đã có bằng cách sử dụng một yếu tố dự báo mạng neural. Kết luận được đưa ra tại mục VI.
2. TẠO TẬP MỜ TỪ DỮ LIỆU SỐ
Giả sử chúng ta só một tập hợp các cặp dữ liệu đầu vào-đầu ra mong muốn: Nơi x1 và x2 là các đầu vào, và y là đầu ra. Trường hợp đơn giản, có 2 đầu vào và 1 đầu ra một được chọn để nhấn mạnh và làm rõ những ý tưởng cơ bản của cách tiếp cận mới nhằm mở rộng nhiều đầu vào và nhiều đầu ra là đơn giản và sẽ được thảo luận sau này trong phần này. Nhiệm vụ ở đây là để tạo ra một tập mờ từ đầu vào đầu ra tại (1), và sử dụng các quy tắc này mờ để xác định một ánh xạ f: (xi, x2) y. Phương pháp tiếp cận của chúng tôi bao gồm 5 bước sau:
Bước 1-Chia đầu vào và đầu ra vào vùng mờ:
Giả sử rằng các khoảng miền của x1, X2 và y là [Zj, 4]. [Xi. 0,4] và [y, y +]. Tương ứng, nơi “khoảng thời gian ”của một biến phổ biến nhất sẽ nằm trong khoảng này (các giá trị của một biến được phép nằm ngoài khoảng miền của nó). Chia mỗi khoảng miền thành 2N + 1 vùng (N có thể khác nhau cho các biến khác nhau, và độ dài của các vùng này có thể bằng hoặc không bằng nhau), ký hiệu là SN (Small, N),.., Si (small, 1), GE (Center), Bi (Big 1),.., BN (Big N). Và coi mỗi vùng là một vùng mờ thành viên. Hình. 2 cho thấy một ví dụ nơi khoảng miền của Z1 được chia thành năm vùng (N = 2), các khoảng miền của Z2 được chia thành bảy vùng (N = 3), và khoảng miền của y được chia thành năm vùng (N = 2). Hình dạng của mỗi vùng thành viên là hình tam giác; Một đỉnh nằm ở trung tâm của vùng và đã là thành viên có giá trị thống nhất; Hai đỉnh khác nằm ở trung tâm của hai vùng lân cận, tương ứng, và có thành viên các giá trị bằng số không.
Bước 2-Tạo luật mờ từ cặp dữ liệu đầu vào:
Trước tiên, xác định mức độ nhất định. Z4'', x 'và (') Trong các khu vực khác nhau.
Ví dụ, x trong hình 2 có bậc 0,8 ở B1,0,2 ở B2. Và không có bậc trong tất cả các khu vực khác. Tương tự, 2) Trong hình 2 có bậc 1 trong GE và không có giá trị trong tất cả các vùng khác.
Thứ hai, gán x hoặc y () Tới vùng tối đa. Ví dụ, 1) Trong hình 2 được coi là Bi, và a42 trong hình1 được coi là GE.
Cuối cùng, xác định được một luật từ một cặp dữ liệu đầu vào-đầu ra như mong muốn
Các luật được tạo ra theo cách như vậy được gọi là “and” luật, tức là các luật trong điều kiện IF phải đáp ứng đồng thời kết quả của phần THEN. Đối với những vấn đề được xem xét trong bài báo này, tức là tạo ra các luật mờ từ các dữ liệu số, chỉ “and” luật được yêu cầu từ các tiền đề là các thành phần khác nhau của một vector đầu vào duy nhất.
Bước 3: Gán bậc vào từng luật
Vì thường có rất nhiều các cặp dữ liệu, và mỗi cặp dữ liệu tạo ra một quy tắc, khả năng chắc chắn sẽ có mâu thuẫn giữa các luật, tức là, các quy tắc mà có cùng một IF nhưng khác nhau phần THEN
------------------------------------
MỤC LỤC
TÓM TẮT
1. GIỚI THIỆU
2. TẠO TẬP MỜ TỪ DỮ LIỆU SỐ
3. HỆ MỜ XẤP XỈ
4. KẾT LUẬN
TÀI LIỆU THAM KHẢO
--------------------------------------
Keyword: download,bai tap lon logic,mo va suy dien,xap xi,xay dung,bo luat,he mo tu tap mau,nguyen thi thuy,hoang trong sang,mai thi dinh,do truong
linkdownload: BÀI TẬP LỚN LOGIC MỜ VÀ SUY DIỄN XẤP XỈ
Nhận xét
Đăng nhận xét