《智能传感器系统》课件第12章.ppt

1、第12章模糊智能传感器系统第12章模糊智能传感器系统12.1模糊集合理论概述模糊集合理论概述12.2模糊传感器系统模糊传感器系统12.3示例示例第12章模糊智能传感器系统 12.1 模糊集合理论概述模糊集合理论概述 模糊理论能快速方便地描述与处理问题主要基于以下特点：模糊逻辑基于自然语言的描述；模糊逻辑可以建立在专家经验的基础上；模糊逻辑容许使用不精确的数据；模糊概念在概念上易于理解；模糊逻辑可以对任意复杂的非线性函数建模。第12章模糊智能传感器系统12.1.1 模糊集合的定义及其表示方法模糊集合的定义及其表示方法显然，这种模糊性主要体现在主观理解上，这也是人类社会生活和生产过程中经常遇到的，

2、它是定性分析与定量分析、主观分析与客观分析、模糊性与精确性之间的一个人为的折衷。模糊数学正是为解决这类问题而发展起来的，而模糊集合理论则是其基础。但是我们不能产生这样一种思想，即认为模糊数学是模糊的概念。事实恰恰相反，模糊数学是借助定量的方法研究模糊现象的工具，它是精确的。第12章模糊智能传感器系统1.模糊集合与经典集合1965年，美国加州伯克利大学的查德教授（L.A.Zadeh）发表了里程碑性的文章模糊集合。在这篇文章里他第一次用“模糊”（fuzzy）这个词表示技术文献中的“不分明性”（vague），由此开创了模糊数学及其应用的新纪元。模糊集合是一种特别定义的集合，它与普通集合既有联系又有区

3、别。对于普通集合而言，任何一个元素要么属于该集合，要么不属于该集合，非此即彼，界限分明；而对于模糊集合，一个元素可以既属于该集合又不属于该集合，亦此亦彼，界限模糊。第12章模糊智能传感器系统2.模糊集合的定义 在介绍模糊集合的定义之前，需要明确与其密切相关的论域的概念。简单来说，所谓论域，就是指所讨论变量的取值范围，就像函数的自变量的取值范围一样。根据所解决问题的需要，论域既可以为连续的，也可以是离散的，由有限个元素构成。在此基础上，模糊集合的严格数学定义如下：设给定论域X，X到0，1闭区间的任一映射A第12章模糊智能传感器系统A:X0,1 xA(x)(12-1)都确定X的一个模糊子集A，A称

4、为模糊子集的隶属函数,A(x)称为x相对于A的隶属度。从定义不难看出，论域X的模糊子集A由隶属函数 A来表征，A(x)取值范围为闭区间0,1，A(x)的大小反映了x对于模糊子集的从属程度。A(x)的值接近于1，表示x隶属于A的程度很高；A(x)的值接近于0，表示x隶属于A的程度很低。由此可见模糊子集A完全由隶属函数A所描述。在有些著作中，论域上定义的模糊子集有时也被称为模糊集合，简称为模糊集。第12章模糊智能传感器系统根据上述定义，若以人的年龄的集合X=x|0 x200作为论域，即用人的生理年龄（xX）作为元素构成的一个集合，再将“年老”和“年轻”两个模糊概念分别用模糊集合O和Y表示，那么对于

5、任一xX，都将以不同的程度隶属于这两个模糊集合。令O(x)、Y(x)分别表示这两个模糊集合的隶属函数，其定义见式(12-2)，对应的隶属函数曲线如图12-1所示。第12章模糊智能传感器系统图12-1 “年轻”和“年老”的隶属函数曲线第12章模糊智能传感器系统(12-2)第12章模糊智能传感器系统从图12-1中可以看出，模糊集合O和Y可完全由其隶属函数刻画。所以对于论域的模糊集合来说，一旦给定它的隶属函数，那么它就完全确定了。不同的隶属函数所确定的模糊集合也不同。从函数的角度而言，隶属函数定义了从论域到单位闭区间0，1的一个映射。第12章模糊智能传感器系统 模糊集合的表示方法令A表示在论域X中定

6、义的模糊集合，它的表示有以下三种常用形式:（1）Zadeh表示法:或(12-3)(12-4)第12章模糊智能传感器系统（2）向量表示法：A=A（x1），A（x2），A(xn)(12-5)（3）序偶表示法：A=x，A（x）|xX (12-6)说明：式（12-4）中的积分号并不表示实际的积分运算，只不过是为了区别论域为离散形式时的情形(式(12-3)。第12章模糊智能传感器系统12.1.2 隶属函数的确定方法及常用形式隶属函数的确定方法及常用形式1.确定隶属函数的一般原则（1）若模糊集合反映的是社会的一般意识,是大量的可重复表达的个别意识的平均结果，例如年轻人、经济增长快、生产正常等，则此时采用模

7、糊统计法来确定隶属函数是一种切实可行的方法，不足之处是工作量较大。（2）如果模糊集合反映的是某个时间段内的个别意识、经验和判断，例如，某专家对某个项目的可行性评价，那么，对这类问题可采用Delphi法。第12章模糊智能传感器系统（3）模糊集合反映的模糊概念已有相应成熟的指标，若这种指标经过长期实践检验已经成为公认的对事物是真实的又是本质的刻画，则可直接采用这种指标，或者通过某种检验方式将这种指标转化为隶属函数。（4）对某些模糊概念，虽然直接给出其隶属函数比较困难，但可以比较两个元素相应的隶属度，此时可用相对选择法求得其隶属函数。（5）若一个模糊概念是由若干个模糊因素复合而成的，则可以先求单个因

8、素的隶属函数，再综合出模糊概念的隶属函数。第12章模糊智能传感器系统2.常见的隶属函数举例在以下各例子中，均设定论域X=x|0 x10，定义在其上的模糊集合为A，隶属度为A(x)。（1）高斯（Gaussian）型隶属函数：222e,cxcxf(12-7)它有两个特征参数和c。=2，c=5时隶属函数曲线如图12-2所示。第12章模糊智能传感器系统图12-2 高斯型隶属函数第12章模糊智能传感器系统（2）钟形隶属函数：bacxcbaxf211,(12-8)特征参数为a、b和c，由于隶属函数的形状如钟形，故得其名。如当x0,10，a=2，b=4，c=6时隶属函数曲线如图12-3所示。第12章模糊智能

9、传感器系统图12-3 钟形隶属函数第12章模糊智能传感器系统（3）Sigmoid函数形隶属函数：cxacaxfe11,(12-9)特征参数为a和c。当x0,10，a=2，c=4时对应的隶属函数如图12-4所示。第12章模糊智能传感器系统图12-4 Sigmoid函数形隶属函数第12章模糊智能传感器系统（4）差型Sigmoid隶属函数：2211e11e11,2211cxacxacacaxf(12-10)由两个S形隶属函数的差构成的隶属函数。该函数具有四个特征参数a1、c1、a2、c2。当x0,10，a1=5，c1=2，a2=5，c2=7时对应的隶属函数如图12-5所示。第12章模糊智能传感器系统

10、图12-5 差型Sigmoid隶属函数第12章模糊智能传感器系统（5）梯形隶属函数:(12-11)特征参数为a、b、c、d。当x0,10，a=1，b=4，c=6，d=8时对应的隶属函数如图12-6 所示。另外当b=c时，梯形隶属函数就演变成了下面的三角形隶属函数。第12章模糊智能传感器系统图12-6 梯形隶属函数第12章模糊智能传感器系统（6）三角形隶属函数:(12-12)特征参数为a、b、c。当x0,10，a=2，b=5，c=8时对应的隶属函数如图12-7所示。第12章模糊智能传感器系统图12-7 三角形隶属函数第12章模糊智能传感器系统12.1.3 模糊集合的基本运算模糊集合的基本运算1.

11、模糊集合的相等若有两个模糊集合A和B，对于所有的xX，均有A(x)=B(x)，则称模糊集合A与B相等，记作A=B。2.模糊集合的包含关系若有两个模糊集合A和B，对于所有的xX，均有A(x)B(x)，则称模糊集合A包含于B，记作 。BA 第12章模糊智能传感器系统 3.模糊空集若对所有xX，均有A(x)=0，则称A为模糊空集，记作。4.模糊集合的并集若有三个模糊集合A、B和C，对于所有的xX，均有C(x)=A(x)B(x)=maxA(x),B(x)(12-13)则称C为A与B的并集，记为C=AB。符号max表示最大算子，即取两个隶属度中的较大值，常用符号“”表示。第12章模糊智能传感器系统5.模

12、糊集合的交集若有三个模糊集合A、B和C，对于所有的xX，均有C(x)=A(x)B(x)=minA(x),B(x)(12-14)则称C为A与B的交集，记为C=AB。符号min表示最小算子，即取两个隶属度中的较小值，常用符号“”表示。6.模糊集合的补集若有二个模糊集合A和B，对于所有的xX，均有B(x)=1A(x)(12-15)则称B为A的补集。第12章模糊智能传感器系统7.模糊集合的直积若有二个模糊集合A和B，其论域分别为X和Y，则定义在积空间XY上的模糊集合AB为A和B的直积，其隶属函数为AB=minA(x),B(x)(12-16)或者AB(x,y)=A(x)B(y)(12-17)并且两个模糊

13、集合的直积的概念可以很容易地推广到多个集合中去。第12章模糊智能传感器系统12.1.4 模糊关系的定义及合成模糊关系的定义及合成1.模糊关系的定义定义：设X、Y是两个非空集合，则直积XY=(x,y)|xY,yY(12-18)中的一个模糊子集R称为X到Y的一个模糊关系，并且描述为R:XY0,1 (12-19)第12章模糊智能传感器系统式中映射R将集合X和集合Y的直积XY与模糊关系R联系起来。当论域X和Y都是有限集时，模糊关系可以用模糊矩阵来表示。设X=x1,x2,xn，Y=y1,y2,yn时，模糊关系可用如下的nm阶矩阵来表示。(12-20)矩阵中的元素rij表示xi与yj对于关系R的隶属程度。

14、第12章模糊智能传感器系统2.模糊关系的合成模糊关系的合成定义：设X、Y、Z是论域，R是X到Y的一个模糊关系，S是Y到Z的一个模糊关系，则R到S的合成T也是一个模糊关系，记为，它具有隶属度其中“”和“”分别表示并运算和交运算。这种方式合成也被称为最大最小合成，也是最常用的一种合成方式。(12-21)第12章模糊智能传感器系统当论域X、Y、Z都是有限时，模糊关系的合成可用模糊矩阵的合成来表示。设R、S、T三个模糊关系对应的模糊矩阵分别为R=（rij）nm,S=（sjk）mlT=（tik）nl 则有(12-22)第12章模糊智能传感器系统12.1.5 语言变量与模糊推理语言变量与模糊推理1.语言变

15、量语言是人们进行思维和信息交流的重要工具。语言分为两种：自然语言和形式语言。日常人们所说的语言属于自然语言，其特点是语义丰富、灵活，同时具有模糊性。形式语言有严格的语法规则和语义，不存在任何的模糊性和歧义，计算机语言就是这样，如C语言等。带模糊性的语言称为模糊语言，如长、短、年轻、年老和极老等。第12章模糊智能传感器系统语言变量是自然语言中的词或句，它的取值不是通常的数，而是用模糊语言表示的模糊集合。例如，若把“气温”作为一个模糊语言变量，则它的取值不是具体的温度，而是诸如“冷”、“凉”、“适宜”、“热”、“很热”等用模糊语言表示的模糊集合。第12章模糊智能传感器系统查德（Zadah）将语言变

16、量定义如下：语言变量由一个5元体（x，T(x)，U，G，M）来表征。其中x是变量的名称；U是x的论域；T(x)是语言变量值的集合，每个语言变量值是定义在论域U上的一个模糊集合；G是语法规则，用以产生语言变量x的值的名称；M是语义规则，用以产生模糊集合的隶属函数。例如，若定义“气温”为语言变量，则T（气温）可能为T（气温）=冷，凉，暖，热第12章模糊智能传感器系统上述每个模糊语言如“冷”、“凉”、“暖”等是定义在论域U上的一个模糊集合。设论域U=10，35，则可大致认为低于5为“冷”，大于0小于15为“凉”，依此类推。采用这些模糊集合的隶属函数如图12-8所示。第12章模糊智能传感器系统图12-

17、8 气温的隶属函数第12章模糊智能传感器系统2.模糊推理1)模糊规则的基本形式模糊规则由大量的if then 语句构成，它的基本形式如下：其中：表示输入变量；表示输出变量；表示与每个输入变量对应的语言变量的语言值；表示与输出变量相对应的语言变量的取值。nuuu，21nyyy，21)，1,2，:ijiiNjAA)，1,2，:isiiMsBB第12章模糊智能传感器系统模糊规则的if 部分通常被称为规则的前件(Premise)，then部分则被称为后件（Consequent）。模糊推理过程中使用的规则库（Rule Base）就是由大量的这类规则构成的，规则库的大小根据所考虑问题的复杂程度差别很大。一

18、般来说，当问题复杂时，规则库会很大。但是我们不能想当然地认为规则越多，问题求解的精度会越高。事实上，对输入空间划分过细会引起规则爆炸，此时推理过程变得极其缓慢烦琐，其也就失去了使用价值。第12章模糊智能传感器系统2)模糊推理的一般过程模糊推理是基于模糊规则，采用模糊逻辑由给定的输入到输出的映射过程。它包括如下五个方面的内容：（1)输入变量模糊化(Fuzzification)，即把确定的输入转化为由隶属度描述的模糊集。（2)在模糊规则的前件中应用模糊算子(与、或、非)。（3)根据模糊蕴含运算由前提推断结论。（4)合成每一个规则的结论部分，得出总的结论。（5)反模糊化(Defuzzificatio

19、n)，即把输出的模糊量转化为确定的输出。第12章模糊智能传感器系统 12.2 模糊传感器系统模糊传感器系统 E.Benoit教授认为，模糊传感器必须依据数值测量关系，并且可以重新构造其结构，以适应不同的测量要求。D.Stipanicer教授介绍了一种叫做“模糊眼”的模糊视觉传感器，对其原理和结构进行了研究，并将它成功地应用于一个位置控制系统，该系统可以捕捉、跟踪光源，实现手眼协同。第12章模糊智能传感器系统H.Schodel利用模糊集合理论，探讨了模糊传感器的非确定性信息传播、自校正、人机接口和语义划分等问题，并且利用模糊传感器对水中油污进行了测量。另外还有Mauris、L.Foulloy等人

20、也都在模糊传感器方面取得了重要的研究成果。对于模糊传感器系统而言，其测量结果的表示是一种基于语言符号化描述的符号测量系统。它是“数值测量”与“语言符号化表示”二者优势互补的一体化符号测量系统，是基于模糊集合理论实现数值/符号转换的一种智能传感器系统，目前已经成为测量领域的最新研究方向之一。第12章模糊智能传感器系统12.2.1 测量结果测量结果“符号化表示符号化表示”的概念的概念传统测量旨在追求被测量与标准量（单位）的比值的数值准确性，以比值的数值与单位二者相联合来表示测量结果。其测量结果的表示是一种数值符号描述，也就是说，传统测量系统是测量结果的表示为一种数值符号描述的符号测量系统。这种测量

21、系统对被测对象给以定量描述，具有精确性、严密性等诸多优点。传统的测量方法在人类的文明发展进程中发挥了巨大作用，并且今后仍然是绝对不可能被完全取代的。第12章模糊智能传感器系统随着科学技术的飞速发展，人们发现只进行传统的那种单纯的数值测量，其结果单纯以数值符号化来描述，在很多情况下都是不完备的。例如，由传统测量系统测得齿轮箱加速度为28g 时，需要进一步明确其所处的状态是“强振”、“中振”、“微振”还是“正常”，是否必须立即停机检修等。这种例子是非常多的，它表明测量结果的单纯数值表示是不完备的，需要在数值描述的基础上进一步给出对象所处状态的语言描述。第12章模糊智能传感器系统语言描述是对被测对象

22、进行的定性描述，是对被测对象内在变化规律更深刻的揭示，因此其难度是很大的。它往往需要进行多点多参数测量，经过具有丰富经验、深厚知识的专家分析、判断和推理之后才能得到最终结果。由于其难度大，数值测量与语言符号化表示是分离进行的。如当测得养鱼池的水温是30，变压器中的油温是90时，需要根据知识与经验进一步进行推理判断，并给出它们的温度状态是“高”、“适中”或是“低”等形式的语言描述。第12章模糊智能传感器系统12.2.2 模糊传感器的基本概念和功能模糊传感器的基本概念和功能1.模糊传感器的基本概念 模糊传感器是将数值测量与语言符号表示二者相结合而构成的一体化符号测量系统，是在传统数值测量基础上进一

23、步给出拟人类语言符号描述的智能传感器系统。其中的核心环节是数值/语言符号转换环节。实现数值/语言符号转换功能的方式有多种，即由数值域到语言域的映射关系有多种存在形式。模糊传感器系统基于模糊集合理论进行数值/语言符号转换。根据上述基本概念，模糊传感器的原理框图如图12-9所示。第12章模糊智能传感器系统图12-9 模糊传感器原理框图第12章模糊智能传感器系统 2.模糊传感器的基本功能(1)学习功能。模糊传感器的学习功能是其最重要的一种功能。例如模糊血压计，要使其直接反映出血压的“正常”和“不正常”，该模糊血压计首先要积累大量的反映血压正常的相关知识，其次还要将测量结果用人类所能接受的语言表达出来

24、。从这个意义上讲，模糊血压计必须具备学习功能。第12章模糊智能传感器系统 (2)推理功能。模糊传感器在接收到外界信息后，可以通过对人类知识的集成而生成的模糊推理规则实现传感器信息的综合处理，对被测量的测量值进行拟人类自然语言的表达等。对于模糊血压计来说，当它测到一个血压值后，首先通过推理，判断该值是否正常，然后用人类理解的语言，即“正常”或“不正常”来表达。为实现这一功能，推理机制和知识库（存放基本模糊推理规则）是必不可少的。第12章模糊智能传感器系统(3)感知功能。模糊传感器与传统传感器一样可以感知敏感元件确定的被测量，但是模糊传感器不仅可以输出数量值，而且可以输出易于人类理解和掌握的自然语

25、言符号量，这是模糊传感器的最大特点。(4)通信功能。模糊传感器具有自组织能力，不仅可以进行自检测、自校正、自诊断等，而且可以与上级系统进行信息交换。第12章模糊智能传感器系统12.2.3 模糊传感器的结构模糊传感器的结构1.基本逻辑结构 基于模糊测量原理，模糊传感器的基本逻辑结构由信号提取、信号处理、数值/符号转换和模糊概念合成四部分组成，如图12-10所示。第12章模糊智能传感器系统图12-10 模糊传感器的基本逻辑结构第12章模糊智能传感器系统(1)信号提取模块基于普通敏感探头获取被测物理量的参量值，完成待测量系统的信号检测任务。(2)信号处理模块的基本处理任务有三个：其一是对信号进行放大

26、、滤波；其二是基于多传感器多信息融合算法，获得高选择性、高稳定性的测量值；其三是进行模/数转换，与计算机之间进行信息传输。第12章模糊智能传感器系统(3)数值/符号转换单元是实现模糊测量的核心，由计算机完成。数值/符号转换单元是模糊传感器实现模糊测量的关键技术。模糊传感器测量被测物理量的准确性很大程度上取决于知识库与数据库。知识库包含两方面的内容：一方面为模糊集隶属函数的知识以及确定元素属于模糊集合的隶属度，另一方面为模糊蕴涵推理规则。通常意义下，这一环节是由该领域的专家来完成的。但是不容忽视的是，专家的研究成果和丰富经验往往不易以严格的规则形式描述。第12章模糊智能传感器系统(4)模糊概念合

27、成模块根据知识库和数值/符号转换单元的输出进行模糊推理和合成，得出正确的拟人类语言测量结果。2.基本物理结构与软件结构根据上述模糊传感器的基本逻辑结构,可以设计出如图12-11和图12-12所示的一种模糊传感器基本物理结构与软件结构。第12章模糊智能传感器系统图12-11 模糊传感器的基本物理结构第12章模糊智能传感器系统图12-12 模糊传感器的基本软件结构第12章模糊智能传感器系统(1)信息提取单元负责将与被测对象有关的测量信息通过数据采集电路输入计算机，其中包括作用在被测对象上的干扰信息。(2)信息交换单元主要进行人机交互、录入专家知识以建立规则库，同时通过系统总线提供通信接口，这些是模

28、糊智能传感器系统所必须具备的功能。第12章模糊智能传感器系统(3)测量前，计算机处理单元首先根据从信息交换单元得到的领域专家知识，经过规则学习模块、隶属函数生成模块和模糊蕴涵规则库等处理过程，生成进行模糊测量所必需的隶属函数和相应的模糊蕴涵规则库。测量时，首先通过信息提取单元得到测量值，然后根据前面建立的模糊蕴涵规则库，经过数值处理模块、数值/符号转换模块和模糊推理模块的处理，最后得到模糊化的语言符号测量结果。第12章模糊智能传感器系统根据被测量的多少，模糊传感器可以分为一维模糊传感器和多维模糊传感器。一维模糊传感器结构通常比较简单，仅有一个被测量的被测对象。但是，绝大多数情况下，被测对象不仅

29、所处环境复杂，易受多种干扰，而且有时需要测量的几个被测量相互关联，需要采用几个传感器同时测量，从而构成多维模糊传感器。显然一维模糊传感器是多维模糊传感器的特例。第12章模糊智能传感器系统12.2.4 模糊传感器语言描述的产生方法模糊传感器语言描述的产生方法1.通过语义关系产生概念模糊传感器可以输出多个语言描述，这些语言描述通过它们语义间的关系相联系。以一个简单的温度测量系统为例。语言描述“热”（hot）和“很热”（veryhot）间的语义关系可归因于语言域Y上的顺序关系，该关系又同数值域N上的大小关系相对应，并表示为hot very-hot第12章模糊智能传感器系统所有概念间的关系由传感器自身

30、管理。首先，我们要定义一个特殊概念，称为属概念（GenericConcept）。所谓属概念，是指对应于数值域中那些最具有代表性的测量点或测量范围的语言描述。譬如，电冰箱的温度通常保持在515范围内，那么可认为05为最适宜的温度范围，而05在语言域中用“适中”语言概念来描述。于是我们可定义“适中”这个语言概念为属概念。第12章模糊智能传感器系统此外，产生新概念还需要给出其它语言描述和含义。Benoit教授定义了稍高（morethan）、稍低（lessthan）、高（above）、低（below）等模糊算子来产生模糊顺序分度，以此来产生新概念。如定义属概念为“适中”，根据上述模糊算子可产生新概念“

31、热”、“很热”、“冷”、“很冷”，表示为适中（mild）(属概念）热(hot)=morethan(mild)很热(veryhot)=above(hot)冷(cold)=lessthan(mild)很冷(verycold)=below(cold)第12章模糊智能传感器系统这五个概念的隶属函数形式如图12-13所示。当然，还可以用其它形式表示各概念的隶属函数，如三角形、柯西形等。使用中如果模糊传感器已将这些隶属函数存储在其数据库中，则只需要修改属概念参数就可以自动修正其形状，使其符合测量要求。第12章模糊智能传感器系统图12-13 根据语义关系产生概念的隶属函数第12章模糊智能传感器系统以温度测量

32、为例来说明新语言概念的产生过程。设论域U=0，1表示温度测量归一化处理后的范围，语言域S=非常冷，冷，热，非常热，那么，产生新概念的实质在于确定语言域S中新生概念相应的隶属函数。首先，定义属概念为“冷”（用c1表示）和“热”（用c2表示），其相应的隶属函数为对于 xU,R(c2,x)=a (12-23)则 xU,R(c1,x)=1a (12-24)第12章模糊智能传感器系统上式表明，如果对于论域上的元素x隶属于“热c2”的程度（用R(c2,x)表示）为a的话，那么，它隶属于“冷c1”的程度（用R(c1,x)表示）必然为1a。这种关系可用图 12-14表示。第12章模糊智能传感器系统图12-14

33、 属概念c1、c2隶属函数曲线第12章模糊智能传感器系统属概念及其隶属函数确定后，就可通过模糊算子产生新的模糊概念。我们定义“非常”（very）模糊算子，则very(c1)表示“非常冷”，而very(c2)表示“非常热”。因此very(c1)，c1，c2，very(c2)构成了论域U上基于属概念c1和c2的新的语言域。我们把x隶属于新生概念“very(c1)”和“very(c2)”的程度，即隶属函数R(very(c1),x)和R(very(c2),x)表示为属概念隶属度R(c1,x)和R(c2,x)的函数形式，写成下列关系式：第12章模糊智能传感器系统R（very（c1），x）=fR（c1，x

34、）(12-25)R（very（c2），x）=fR（c2，x）(12-26)这里显然有：若R(c1,x)0.5，则R(very(c1),x)R(c1,x)(12-27)若R(c1,x)R(c1,x)(12-28)在满足上述条件下，可选择函数形式为f（）=（1sin（k（0.5)(12-29)式中为属概念隶属函数，k为修正因子，满足0 k l(x)，则可通过增加模糊算子调整该差异；(2)若没有定性差异，表示为l(x)=l(x)，则模糊算子不变；(3)若e为负向定性差异，表示为l(x)l(x)，则可通过减小模糊算子来调整该差异。第12章模糊智能传感器系统对于温度T0，学习前描述为l(T0)=0.6/

35、冷，0.4/适中 学习后可以得到下列描述：l(T0)=0.4/冷，0.6/适中 增加模糊算子的动作示意如图12-18所示。第12章模糊智能传感器系统图12-18 增加模糊算子示意图(a)学习前；(b)学习后第12章模糊智能传感器系统(1)确定测量范围的上下限；(2)确定论域U上描述被测量数量值的个数；(3)确定表征每个被训练概念（包括属概念和新概念）的模糊子集；(4)通过采样输入对应被训练概念（包括属概念和新概念）隶属度为1的采样值；(5)通过相关训练算法产生被训练概念（包括属概念和新概念）对应的隶属度。第12章模糊智能传感器系统12.2.6 模糊传感器隶属函数的训练算法模糊传感器隶属函数的训

36、练算法1.连续隶属函数训练方法这里以柯西形隶属函数为例进行语言概念训练。训练最终体现在对式（12-29）中修正因子k的调整上。在论域U=0，1上生成语言概念集合S=very(c1)，c1，c2，very(c2)，每个概念在数值域上所对应的数值范围如图12-19所示。第12章模糊智能传感器系统图12-19 very(c1)、c1、c2、very(c2)在数值域上对应的数值范围示意图第12章模糊智能传感器系统(1)对“very(c1)”概念的训练。设训练样本xx0,x1。由经验曲线或前次训练后生成的曲线计算R(very(c1),x)和R(c1,x)。如果R(very(c1),x)R(c1,x)，即

37、该语言概念very(c1)同训练样本的状态是相符的。这时若=x01x小于一给定阈值，则该语言概念的修正可以结束，否则增加式（12-29）中的修正因子k，并转到第步。其中x01为very(c1)与c1两概念的隶属函数曲线的交点对应论域上的值，如图12-20所示。第12章模糊智能传感器系统图12-20 新概念隶属函数第12章模糊智能传感器系统 如果R(very(c1),x)R(c1,x)(12-42)此时该语言概念c1同训练样本x的状态不一致，应当增大式(12-29)中的修正因子k，转到。第12章模糊智能传感器系统 如果xg1，计算R(c1,x)、R(c2,x)。如果R（c1，x）R（c2，x）(

38、12-43)此时该语言概念c1同训练样本x的状态是相符的，则训练结束。如果 R(c1,x)R(c2,x)(12-44)此时该语言概念c1同训练样本x的状态是不相符的，则增大式(12-29)中的修正因子k，转到。(3)对“c2”和“very(c2)”概念的训练。第12章模糊智能传感器系统2.分段隶属函数训练方法这里依然以温度测量为例，采用梯形隶属函数。设在论域U上，语言域S=冷，温，热,其分段隶属函数如图12-21所示。第12章模糊智能传感器系统图12-21 分段隶属函数第12章模糊智能传感器系统1)使ti属于“温”概念的训练 （1）当ctid，且温(ti)热(ti)，表明此时隶属函数所确定的概

39、念为“热”，与语义概念“温”不符合，则需修正隶属函数。dj=k(tid(j1)+d(j1),其中d(j)为速度修正因子。若k=0，d(j)=d(j1)，表示不修正；若k=1，则d(j)=ti表示修正最大。d(j)表示端点d的第j次修正值。第12章模糊智能传感器系统(12-45)其中：(j)=k(tid(j1)，表示修正d对c产生影响的相关因子，0kd，且温(ti）热(ti)，则不修正。（4）若tib，不必修正。（2)若tl热(tl)，则其它热,5.0)(,2)1()(jlljbtdtb(12-46)（3)若tlb，且温(tl)热(tl)，则不必修正。（4)若btlf，则不必修正。第12章模糊智

40、能传感器系统12.3 示示 例例12.3.1 示例示例12-1模糊温度测试仪模糊温度测试仪要求：模糊温度测试仪是在传统的温度测量基础上，利用模糊测量原理构造的新型智能传感器系统，用于对培育豆芽菜的温室温度进行测量。豆芽菜生长时的最低温度为10，最适宜温度为2127，最高温度为2830，不宜超过32。该测试仪的具体要求如下：第12章模糊智能传感器系统能对0，40范围内的温室温度自动给出相应的语言描述：“温度过低”、“温度偏低”、“温度正常”、“温度偏高”或“温度过高”；能对温室温度变化和当前温度分别进行曲线显示与数字量显示。在该系统中，采用模糊测量的方法对培育豆芽菜温室的温度进行测量，并对当前温

41、度进行拟人类语言显示。整个温度测试系统的系统框图如图12-22所示。第12章模糊智能传感器系统图12-22 温度测试系统的系统框图第12章模糊智能传感器系统1.模糊温度测试仪工作原理(1)Matlab中的梯形隶属函数trapmf。格式：y=trapmf(x,a b c d)说明：梯形曲线可由四个参数a、b、c、d确定，参见公式（12-11）。式（12-11）也可以更紧凑地表示为0,1 ,minmax,cdxdabaxdcbaxf（12-47）参数a和d确定梯形的“脚”，而参数b和c确定梯形的“肩膀”。第12章模糊智能传感器系统示例：x=0:0.1:10;y=trapmf(x,1 4 6 8);

42、plot(x,y);xlabel(trapmf,p=1 4 6 8);第12章模糊智能传感器系统(2)隶属函数N(t)、M(t)、H(t)的确定。培育豆芽菜的温室温度值的集合U=t|0t40作为论域，论域中任一元素t（如为25）将以不同的程度隶属于五个模糊子集NL（温度过低）、NS（温度偏低）、ZO（温度正常）、PS（温度偏高）、PL（温度过高）。第12章模糊智能传感器系统温室温度的模糊集合T（t）=NL，NS，ZO，PS，PL 中的五个模糊子集NL、NS、ZO、PS、PL分别由隶属函数NL(t)、NS(t)、ZO(t)、PS(t)、PL(t)确定，隶属函数采用梯形隶属函数。并且根据专家以及豆

43、芽菜生长的实际温度情况，可以确定上述五个模糊子集对应的隶属函数参数，如表12-1所示，其相应的温度t的隶属函数如图12-23所示。第12章模糊智能传感器系统第12章模糊智能传感器系统图12-23 NL(t)、NS(t)、ZO(t)、PS(t)和PL(t)第12章模糊智能传感器系统(3)模糊推理的实现与最大隶属度的求取。这部分的实现过程如图12-24所示，图中变量temp_Negative Large、temp_ Negative Small、temp_Zero、temp_ Positive Small、temp_Positive Large分别对应于隶属度NL(t)、NS(t)、ZO(t)、P

44、S(t)、PL(t)；最大隶属度index的取值定义为0，1，2，3，4，用于指示相应的拟人类语言输出集合“温度过低”、“温度偏低”、“温度正常”、“温度偏高”、“温度过高”。第12章模糊智能传感器系统图12-24 模糊推理的实现与最大隶属度的求取第12章模糊智能传感器系统(4)语言符号输出。这是模糊测量的最后步骤，根据上一步得到的最大隶属度index的取值0，1，2，3，4，确定输入温度所属的模糊集合，从前述已经定义好的拟人类语言输出集合“温度过低”、“温度偏低”、“温度正常”、“温度偏高”、“温度过高”中找到对应的语言输出值。2.模糊温度测试仪的设计步骤(1)面板设计。启动LabVIEW，

45、进入仪器开发环境，创建如图12-25所示的面板。第12章模糊智能传感器系统图12-25 模糊温度测试仪面板第12章模糊智能传感器系统 放置数字显示控件1：执行All ControlsNumericNumeric Indicator操作。该控件为输出显示型控件，用于输出温度传感器所测得的温室当前温度值，标记（Label）为“温度”。放置字符串显示控件2：执行AllControlsString&TableString Indicator操作。该控件为输出显示型控件，用来输出温室温度的状态，有5种可能的输出结果：“温度过低”、“温度偏低”、“温度正常”、“温度偏高”、“温度过高”。标记(Label)

46、为“温度状态显示”。第12章模糊智能传感器系统 放置图形显示控件3：执行All ControlsGraphWaveform Chart操作。该控件为输出显示型控件，用来显示温室的温度变化曲线。(2)流程图设计。模糊温度测试仪主要是对温室当前的温度进行测量，得出温室当前的温度值；对测得的温度进行模糊推理判断，得出温室的温度状态，并进行拟人类语言显示。具体程序设计如下：第12章模糊智能传感器系统 打开流程图编辑窗口“Diagram”。温度采集。将传感器经调理电路、数据采集卡采集入计算机的电压数据，经过刻度转换成温度值，并在前面板上显示温度。用LabVIEW软件里面的AI Acquire Wavef

47、orm.vi（调用路径为All FunctionsNIMeasurementsDataAcquisitionAnalog InputAI Acquire Waveform.vi）获得采样信号，其中设置设备号为1，通道号(channel)为0；第12章模糊智能传感器系统 采集1000组电压信号，输出其平均值；进行电压信号和PT100铂电阻阻值的转换；利用曲线拟合实现PT100铂电阻阻值和温度的刻度转换；显示转换后的温度。整个温度采集程序如图12-26所示。第12章模糊智能传感器系统图12-26 模糊温度测试仪中的温度采集程序第12章模糊智能传感器系统 温度模糊判断。本模块对刻度转换后的温度值进行

48、模糊判断，它有五个子VI，分别管理5个模糊域，当温度值处于其中一个模糊域或处于这个模糊域的隶属度大于其他模糊域时，这个模糊域就生效，会在前面板上显示这个模糊域相应的文字符号。模糊判断程序如图12-27所示。第12章模糊智能传感器系统图12-27 模糊温度测试仪中的温度模糊判断程序第12章模糊智能传感器系统 连线。完成编辑的流程图如图12-28所示。图12-28 模糊温度测试仪程序图第12章模糊智能传感器系统3.运行检验保存文件，然后运行，结果如图12-29所示。图12-29 模糊温度测试仪运行结果第12章模糊智能传感器系统12.3.2 示例示例12-2模糊温度控制仪模糊温度控制仪 根据温室当前

49、温度的模糊判断结果，包括“温度过低”、“温度偏低”、“温度正常”、“温度偏高”或“温度过高”等，产生相应的控制信号，驱动相应的温度控制装置对温室进行升温或降温处理，使其温度处于豆芽菜生长的最适值；温度控制装置可以手动控制也可以自动控制，它们的工作状态可以显示。第12章模糊智能传感器系统1.模糊控制系统的建立该系统是在示例12-1的基础上增加了温度控制装置，采用模糊控制的方法对温度进行控制，最终实现培育豆芽菜的温室温度的模糊监控。该系统的原理框图如图12-30所示。第12章模糊智能传感器系统图12-30 温度模糊控制系统的原理框图第12章模糊智能传感器系统 2.模糊温度控制仪的设计1)面板设计启

50、动LabVIEW之后，进入仪器设计环境，创建如图12-31所示的面板。该面板主要由四部分组成：第一部分用于显示温室当前温度、温度状态以及温室温度的变化曲线，与示例12-1相同。第二部分用于完成温室温度的控制，包括控制模式的选择、两种不同控制模式下相应控制参数或控制开关的选择。第三部分用于显示温度控制器的工作状态。第四部分用于计算温度控制系统的相关参数，并且控制此仪器的开或关。第12章模糊智能传感器系统图12-31 模糊温度控制仪面板第12章模糊智能传感器系统（1）放置数字显示控件1、2：执行All ControlsNumericNumeric Indicator操作两次。这两个控件均为输出显示