專利名稱：模糊推理裝置的制作方法
專利說明 本發(fā)明是有關(guān)模糊推理裝置的調(diào)整技術(shù)，能夠自動產(chǎn)生滿足所需規(guī)格的模糊推理裝置的推理規(guī)則。
模糊推理是對于數(shù)學(xué)模型不能描述的復(fù)雜控制對象，利用推理規(guī)則，通過計算機來運用人類從已有經(jīng)驗中獲得的知識。


圖15表示已有的模糊推理。在模糊推理中，把由控制觀測值輸入部分101獲得的輸入信息如控制偏差e及其變化率△e與由控制操作量輸出部分103輸出的操作量u之間的關(guān)系，作為“如果～那么……”規(guī)則來描述。作為這種推理規(guī)則，在模糊推理規(guī)則記憶部分104中，準(zhǔn)備了多個下述那樣的推理規(guī)則。
如果e是0(Z0)并且， △e是正的小量(PS) 那么u是負的小量(NS) 這里稱“如果～”部分為前事件部分，“那么……”部分為后事件部分。零、正的小量以及負的小量等是表示在推理規(guī)則描述中使用的輸入和輸出元函數(shù)的標(biāo)記。元函數(shù)存儲在元函數(shù)記憶部分105中。
圖16表示元函數(shù)的一個例子。元函數(shù)作為對稱的三角形。
作為常用的元函數(shù)，有NB(負的大量)、NS(負的小量)、Z0(大體為零)、PS(正的小量)、PB(正的大量)等。
下面，說明在推理運算部分102中進行的模糊推理的過程。現(xiàn)在，把下面的幾個推理規(guī)則存儲在模糊推理規(guī)則記憶部分104中。
R1如果e為ZO、并且△e為PS， 那么u為NS， R2如果e為Z0、并且△e為PB， 那么u為PB，
Rn如果e為NB、并且△e為ZO， 那么u為NB， 但是，Ri(i＝1，2，…n)作為推理規(guī)則。
這里以第1規(guī)則R1為例，說明輸入信息e、△e的推理規(guī)則Ri中前事件部分適應(yīng)性μi的求得方法。這里，μzo(e)、μps(△e)表示對于前事件命題中元函數(shù)ZO、PM的輸入信息e、△e諸項值?，F(xiàn)在，若把來自圖15控制觀測值輸入部分101的e

、△e

輸入，則規(guī)則R1的適應(yīng)性u1為 μ1＝μzo(eo)∧μps(△eo) (1) 但是，∧為min運算。
于是，推理規(guī)則R1后事件部分的結(jié)論元函數(shù)ω1，用后事件命題中元函數(shù)NS的諸項值uns(u)，按照下式求得 ω1＝μ1∧μns(u) (2) 由于推理規(guī)則Ri有多個，所以，聯(lián)系所有結(jié)論元函數(shù)的元函數(shù)成為 uT＝ω1Vω2Vω3V…Vωn (3) 但是，∨為max運算。
雖然該元函數(shù)uT是表示控制操作量結(jié)論的元函數(shù)，但由于實際的控制操作量uO是實數(shù)，所以需要把元函數(shù)uT變換成實數(shù)值。作為變換方法，采用下面所示的加權(quán)重心。控制操作量uO為 uo＝(∫u·μTdu)/(∫μTdu) (4) 由圖15的控制操作量輸出部分103輸出。
然而，利用上述構(gòu)成，因下述原因難以形成推理規(guī)則和元函數(shù)的最佳結(jié)構(gòu)。
確定模糊推理的推理規(guī)則和元函數(shù)時，必須滿足控制規(guī)格和所需的輸入輸出關(guān)系。但是，用于自動確定推理規(guī)則和元函數(shù)的方法沒有被確立，過去，根據(jù)嘗試法實驗和對專家的采訪進行模糊推理規(guī)則的設(shè)計。因此，模糊推理存在這樣的問題，需要的設(shè)計時間長，難以作出最佳設(shè)計。
并且，在上述構(gòu)成中，由于推理規(guī)則和元函數(shù)都是固定的，所以還存在下述問題，不能跟蹤由于控制目標(biāo)值變化等所引起的控制對象動態(tài)特性變化等，無法實現(xiàn)了解用戶喜好及感受性的功能。
鑒于上述情況，本發(fā)明根據(jù)從專家得到的輸入輸出數(shù)據(jù)和用戶的輸入等，用下降法自動地進行模糊推理的調(diào)整。據(jù)此，提供無需嘗試法就自動產(chǎn)生所需模糊推理規(guī)則的模糊推理裝置。
本發(fā)明構(gòu)成的模糊推理裝置包括模糊推理運算部分，根據(jù)控制輸入值及來自控制對象的觀測值進行模糊推理，輸出給控制對象的操作量;推理規(guī)則記憶部分，記憶在模糊推理中使用的推理規(guī)則;元函數(shù)記憶部分，記憶在推理規(guī)則中使用的前事件部分元函數(shù)的形狀數(shù)據(jù)和后事件部分的函數(shù);下降法運算部分，根據(jù)預(yù)先給出的輸入輸出數(shù)據(jù)和從模糊推理運算部分得到的推理結(jié)果，進行利用下降法的運算;元函數(shù)調(diào)整部分，根據(jù)下降法運算部分的輸出，使前事件部分的元函數(shù)和后事件部分的函數(shù)的至少其一發(fā)生變化;誤差運算部分，根據(jù)輸入輸出數(shù)據(jù)和從模糊推理運算部分得到的推理結(jié)果，計算推理誤差，當(dāng)推理誤差小于給定值時，使下降法運算部分和元函數(shù)調(diào)整部分停止工作。
如果利用上述構(gòu)成，能夠進行模糊推理的元函數(shù)的自動調(diào)整。具體地說，使用一種作為非線性探測法的下降法，能夠自動產(chǎn)生使推理誤差和評價函數(shù)為最小的元函數(shù)，推理誤差是從專家得到的輸入輸出數(shù)據(jù)與推理結(jié)果之差，評價函數(shù)是用戶確定的。
圖1是本發(fā)明第一實施例模糊推理裝置的方框圖;圖2是示出同一實施例工作的流程圖;圖3是元函數(shù)構(gòu)成圖;圖4是下降法工作示意圖;圖5是本發(fā)明第二實施例模糊推理裝置的方框圖;圖6是示出同一實施例工作的流程圖;圖7是本發(fā)明第三實施例模糊推理裝置的方框圖;圖8是示出同一實施例工作的流程圖;圖9是本發(fā)明第四實施例模糊推理裝置的方框圖;圖10是示出同一實施例工作的流程圖;圖11是本發(fā)明第五實施例模糊推理裝置的方框圖;圖12是本發(fā)明第六實施例模糊推理裝置的方框圖;圖13是示出同一實施例工作的流程圖;圖14是評價函數(shù)的示意圖;圖15是已有的模糊推理裝置的方框圖;圖16是元函數(shù)的構(gòu)成圖。
1-推理規(guī)則記憶部分;2-元函數(shù)記憶部分;3-模糊推理運算部分;4-控制對象;5-下降法運算部分;6-元函數(shù)調(diào)整部分;7-誤差運算部分;8-前事件部分參量的記憶部分;9-后事件部分實數(shù)值的記憶部分;10-前事件部分下降法的運算部分;11-前事件部分參量的調(diào)整部分;12-后事件部分下降法的運算部分;13-后事件部分實數(shù)值的調(diào)整部分;20-控制器;21-微分運算部分;22-操作量加法部分;31-推理結(jié)果顯示部分;32-用戶輸入部分;41-推理規(guī)則檢索部分;42-推理規(guī)則顯示部分;51-評價值運算部分;52-輸入信號產(chǎn)生部分。
下面對本發(fā)明第一實施例進行說明。圖1示出本發(fā)明第一模糊推理裝置的構(gòu)成圖。在圖1中，1是記憶模糊推理的推理規(guī)則的推理規(guī)則記憶部分;2是元函數(shù)記憶部分，記憶用于模糊推理的前事件部分元函數(shù)形狀數(shù)據(jù)和后事件函數(shù)式;3是為了進行模糊推理的推理運算的模糊推理運算部分;4是控制對象;5是根據(jù)從專家得到的輸入輸出數(shù)據(jù)和推理結(jié)果進行下降法運算，求得調(diào)整方向的下降法運算部分;6是更新參量的元函數(shù)調(diào)整部分，參量是根據(jù)下降法運算部分5的運算結(jié)果，存儲在元函數(shù)記憶部分2中;7是誤差運算部分，根據(jù)模糊推理的推理結(jié)果和輸入輸出數(shù)據(jù)，計算推理誤差。
下面對于如上所述構(gòu)成的實施例模糊推理裝置的工作，進行說明。
過去，根據(jù)對專家采訪的方法和嘗試法實驗，來進行模糊推理規(guī)則結(jié)構(gòu)和元函數(shù)的設(shè)計。因此，模糊推理的問題在于設(shè)計時間長，難于作出最佳設(shè)計。本發(fā)明根據(jù)從專家得到的輸入輸出數(shù)據(jù)，自動地進行模糊推理的調(diào)整。具體地說，使用一種作為非線性探測法的下降法，自動抽出使推理誤差為最小的元函數(shù)，推理誤差是從專家得到的輸入輸出數(shù)據(jù)與推理結(jié)果之差。
以2個輸入、1個輸出的控制系統(tǒng)為例，利用圖2的流程圖來說明本實施例的詳細工作。
步驟a1首先，利用元函數(shù)調(diào)整部分，進行用于模糊推理的推理規(guī)則的初始設(shè)定和輸入輸出數(shù)據(jù)序號P的初始設(shè)定。
在推理規(guī)則記憶部分1中，存儲著下面的推理規(guī)則 R1如果X1＝A11 且X2＝A12，那么Y＝f1(X1，X2) R2如果X1＝A21 且X2＝A22，那么Y＝f2(X1，X2)
Rn如果X1＝An1 且X2＝An2，那么Y＝fn(X1，X2)。
Ri是推理規(guī)則序號，n是推理規(guī)則數(shù)，Aij(i＝1，…，n、j＝1，2)是前事件部分的元函數(shù)，fi(X1，X2)是后事件部分的線性函數(shù)。
元函數(shù)Aij作成圖3那樣等腰三角形的，其中心值為aij、寬度為bij。并且，后事件部分的線性函數(shù)為 fi(X1，X2)＝Pi·X1+qi·X2+ri……(5) (i＝1，…，n) 成為調(diào)整對象的參量是aij、bij、Pi、qi、ri。這些稱之為調(diào)整參量，按照推理規(guī)則的順序存儲在元函數(shù)記憶部分2中。
另外，在本實施例中，雖然把元函數(shù)作為等腰三角形的，但別的形狀也可以得到同樣的效果。并且，后事件部分不是線性函數(shù)，而是非線性函數(shù)或元函數(shù)也行。
設(shè)定前事件部分的元函數(shù)Aij中心值aij的初始值，把輸入變量的基本集合等分。設(shè)定寬度bij，使之大于各元函數(shù)中心值的間距，以使各元函數(shù)重疊。后事件部分線性函數(shù)的初始化為0。另外，輸入輸出數(shù)據(jù)序號的初始化為1。
步驟a2把從專家處得到的輸入輸出數(shù)據(jù)(Xip，X2p，Ypr)拿來，把(X1p，X2p)輸入模糊推理運算部分3，把Yrp輸入下降法運算部分5和誤差運算部分7中。
步驟a3在模糊推理運算部分3中，把(X1p，X2p)作為輸入進行模糊推理。在模糊推理運算部分3中，進行用下式表達的運算，確定給控制對象4的操作量Y＊p。
μi＝Ai1(X1p)·Ai2(X2p)……(6) 但是，μi是推理規(guī)則Ri的前事件部分適應(yīng)性。
步驟a4在步驟a4中，在下降法運算部分5中，根據(jù)在步驟a3得到的推理結(jié)果Y＊p和在步驟a2輸入的Yrp，計算調(diào)整參量aij、bij、Pi、qi、Ri的調(diào)整方向。作為元函數(shù)的調(diào)整目標(biāo)，考慮把下式評價函數(shù)最小化 E＝ 1/2 (Y＊p-Yro)2……(8) 該式表示推理結(jié)果y＊P和從專家得到的數(shù)據(jù)yrP之差，即推理誤差。在本發(fā)明中，自動產(chǎn)生使該推理誤差E變得最小的元函數(shù)。為了使作為推理誤差的評價函數(shù)E最小化，在本實施例中使用作為下降法中的一種方法-最速下降法。在最速下降法中，基于評價函數(shù)的微分值來更新調(diào)整參量。
現(xiàn)在，考慮與評價函數(shù)E的調(diào)整參量ri有關(guān)的微分值

E/

ri。圖4示出了把橫軸作為ri的評價函數(shù)E。ri＝ri′時微分值

E(ri′)/

ri如圖4所示，意味著在ri′點上評價函數(shù)的斜率。圖4(a)表示

E(ri′)/

ri為正，圖4(b)表示

E(ri′)/

ri為負。
這里，如圖4(a)的箭頭方向，當(dāng)沿著與

E(ri′)/

ri符號相反的方向少量移動調(diào)整參量時，評價函數(shù)E則減少。同樣地，圖4(b)中

E(ri′)/

ri為負時，當(dāng)沿著與

E(ri′)/

ri符號相反的方向少量移動調(diào)整參量時，評價函數(shù)E則也減少?？傊?，若沿著與微分量

E/

ri符號相反的方向調(diào)整參量時，評價函數(shù)E則減少，對此反復(fù)進行，評價函數(shù)E收斂成極小值。應(yīng)用這種性質(zhì)，進行各參量的調(diào)整。
這里，求

E/

rij。從(7)、(8)式得出
利用這個(9)式，進行數(shù)字運算，求得

E/

rij值。
同樣，通過計算

E/

aij、

E/

bij、

E/

pij、

E/

qij、

E/

rij，來計算為了使評價函數(shù)減小的調(diào)整方向。

E/

aij、

E/

bij、

E/

pij、

E/

qij、

E/

rij這些計算，在下降法運算部分5中進行。
步驟a5在元函數(shù)調(diào)整部分6中，利用步驟a4中計算的

E/

aij、

E/

bij、

E/

pi、

E/

qi、

E/

ri，來更新存儲在元函數(shù)記憶部分2中的調(diào)整參量aij、bij、piqi、ri。
更新按照下面公式進行 aij＜-aij-Ka·

……(10) bij＜-bij-Kb·

……(11) pi＜-qi-Kp·

……(12) qi＜-qi-Kq·

……(13) ri＜-ri-Kr·

……(14) (i＝1，…，n，j＝1，2) ka、kb、kp、kq、kr為常數(shù)。
步驟a6在步驟a6中，比較輸入輸出數(shù)據(jù)序號p和輸入輸出數(shù)據(jù)的總數(shù)N。若輸入輸出數(shù)據(jù)的序號P比輸入輸出數(shù)據(jù)的總數(shù)N小，則使向步驟a7前進的P值增加1，返回到步驟a2，重復(fù)進行從步驟a2到步驟a7，直到數(shù)據(jù)序號p和輸入輸出數(shù)據(jù)的總數(shù)N相等。如果輸入輸出數(shù)據(jù)序號P比輸入輸出數(shù)據(jù)的總數(shù)N大，則進到步驟a8。
步驟a8在誤差運算部分7中，計算推理誤差D及其變化量△D。推理誤差D用下式運算 變化量△D通過△D＝D(t)-D(t-1)……(16)來計算。t表示調(diào)整次數(shù)，△D是上一次調(diào)整時的推理誤差和現(xiàn)時推理誤差之差。
步驟a9在誤差運算部分7中，比較推理誤差變化量△D和規(guī)定的閾值T。如果變化量△D比規(guī)定的閾值T大，則進到步驟a10，使輸入輸出數(shù)據(jù)序號的初始化為0，然后，重復(fù)進行從步驟a2到步驟a8。如果變化量△D比規(guī)定的閾值T小，則調(diào)整收斂，誤差運算部分7使下降法運算部分5和元函數(shù)調(diào)整部分停止工作，結(jié)束調(diào)整。
調(diào)整結(jié)束時，在推理規(guī)則記憶部分1和元函數(shù)記憶部分2中，構(gòu)成了取進專家知識的推理規(guī)則。
如上所述，如果根據(jù)本實施例，根據(jù)從專家得到的輸入輸出數(shù)據(jù)，利用下降法能夠得到最佳推理規(guī)則。因而，通過使用所得到的推論規(guī)則，能夠容易地把專家的知識和技能技巧裝入機器內(nèi)。
另外，在實施例中，雖然作為下降法運算部分5的下降法使用了最速下降法，但也可以使用牛頓法、共軛梯度法和Powell法等。另外，雖然在誤差運算部分7中通過推理誤差值進行調(diào)整、結(jié)束判斷，但也可以利用在調(diào)整開始前予先提供調(diào)整次數(shù)的方法。
下面說明本發(fā)明的第二實施例。圖5示出本發(fā)明第2模糊推理裝置的構(gòu)成圖。在圖5中，1是記憶模糊推理規(guī)則的推理規(guī)則記憶部分;3是進行模糊推理推理運算的推理運算部分;7是根據(jù)模糊推理結(jié)果和輸入輸出數(shù)據(jù)計算推理誤差的誤差運算部分。以上的構(gòu)成與圖1的相同。與圖1構(gòu)成不同的是設(shè)置了存儲參量的前事件部分的參量記憶部分8，參量表示前事件部分元函數(shù)的形狀;存儲后事件部分實數(shù)值的后事件部分實數(shù)值記憶部分9;求得前事件部分元函數(shù)的調(diào)整方向的前事件部分下降法運算部分10，上述部分根據(jù)從專家得到的輸入輸出數(shù)據(jù)和推理結(jié)果對其利用下降法;基于前事件部分下降法運算部分10的運算結(jié)果，更新前事件部分元函數(shù)的前事件部分參量調(diào)整部分11;求得后事件部分的實數(shù)值調(diào)整方向的后事件部分下降法運算部分12，上述部分根據(jù)從專家得到的輸入輸出數(shù)據(jù)和推理結(jié)果利用下降法;基于后事件部分下降法運算部分12的運算結(jié)果，更新后事件部分實數(shù)值的后事件部分實數(shù)值調(diào)整部分13。
下面，對于如上所述構(gòu)成的第2實施例模糊推理裝置的工作進行說明。
本發(fā)明根據(jù)從專家得到的輸入輸出數(shù)據(jù)，自動調(diào)整模糊推理前事件部分元函數(shù)和后事件部分實數(shù)值。
以2個輸入、1個輸出的控制系統(tǒng)為例，用圖6的流程圖來說明本實施例的詳細工作。
步驟b1利用前事件部分參量調(diào)整部分11和后事件部分實數(shù)值調(diào)整部分13，進行前事件部分的元函數(shù)和后事件部分實數(shù)值的初始設(shè)定。另外，還同時進行輸入輸出數(shù)據(jù)序號p的初始設(shè)定。
在推理規(guī)則記憶部分11中，存儲著下述推理規(guī)則 R1如果x1＝A11，且x2＝A12，那么y＝W1 R2如果x1＝A21，且x2＝A22，那么y＝W2
Rn如果x1＝An1，且x2＝An2，那么y＝Wn Ri是推理規(guī)則序號，n是推理規(guī)則數(shù)，Aij(i＝1，...，n，j＝1，2)是前事件部分的元函數(shù)，Wi(i＝1，...n)是后事件部分的實數(shù)值。
前事件部分的元函數(shù)與第1實施例的一樣，作成等腰三角形的。其中心值aij和寬度bij的值，按照推理規(guī)則的順序存儲在前事件部分參量記憶部分8中。
設(shè)定前事件部分元函數(shù)Aij中心值aij的初始值，把輸入變量的總集合等分。設(shè)定寬度bij，使之大于各元函數(shù)中心值的間距，以使各元函數(shù)重迭。
后事件部分實數(shù)值Wi按照推理規(guī)則的順序存儲在后事件部分實數(shù)值記憶部分9中，其值的初始化為0。
步驟b2輸入來自專家的輸入輸出數(shù)據(jù)(X1p，X2p，yrp)。把(x1p，x2p)輸入模糊推理運算部分3，把yrp輸入誤差運算部分7、前事件部分下降法運算部分10以及后事件部分下降法運算部分12中。
步驟b3使用步驟b2中輸入的(x1p，x2p)，在模糊推理運算部分3中進行模糊推理。在模糊推理運算部分3中進行用下式表達的運算，確定給控制對象的操作量y＊p。
μi＝Ai1(X1P)·Ai2(x2p)……(17) 但是，μi是推理規(guī)則Ri的前事件部分適應(yīng)性。
步驟b4根據(jù)在步驟b3中得到的推理結(jié)果y＊p和在步驟b2輸入的yrp，在后事件部分下降法運算部分12中，利用與第1實施例一樣的最速下降法求得后事件部分實數(shù)值Wi的調(diào)整方向，

E/

Wi。
E為(8)式的評價函數(shù)。其計算方法與第1實施例的相同。
步驟b5在步驟b5中，利用在步驟b4中計算的

E/

Wi，利用后事件部分實數(shù)值調(diào)整部分13，來更新存儲在后事件部分實數(shù)值記憶部分9中的調(diào)整參量Wi。更新按照下面公式進行 Wi＜-Wi(t)-Kw·

……(19) (i＝1，…，n) Kw為常數(shù)。
步驟b6以與步驟b3同樣的順序，再次進行模糊推理。
步驟b7根據(jù)在步驟中b6中得到的推理結(jié)果y＊p和在步驟b2輸入的yrp，在前事件部分下降法運算部分10中計算確定前事件部分元函數(shù)形狀的參量調(diào)整方向(

E/

aij，

E/

bij) 步驟b8利用前事件部分下降法運算部分10，利用在步驟b7中計算的(

E/

aij，

E/

bij)，來更新存儲在前事件部分參量記憶部分8中的調(diào)整參量aij、bij。更新按照下面公式進行 aij＜-aij-Ka·

(20) bij＜-bij-Kb·

(21) (i＝1，……，nj＝1，2) 步驟b9比較輸入輸出數(shù)據(jù)序號p和輸入輸出數(shù)據(jù)的總數(shù)N如果輸入輸出數(shù)據(jù)的序號p比輸入輸出數(shù)據(jù)的總數(shù)N小，則使向步驟b10前進的P值增加1，返回到步驟b2，重復(fù)進行從步驟b2到步驟b8直到數(shù)據(jù)序號P和輸入輸出數(shù)據(jù)的總數(shù)N相等。若輸入輸出數(shù)據(jù)序號P比輸入輸出數(shù)據(jù)的總數(shù)N大，則進到步驟b11。
步驟b11利用誤差運算部分7，計算推理誤差D及其變化量△D。與第一實施例相同，用(15)、(16)式運算推理誤差D及其變化量△D。
步驟b12利用誤差運算部分7，比較推理誤差的變化量△D和規(guī)定的閾值T，如果變化量△D比規(guī)定的閾值T大，則進到步驟b13，使輸入輸出數(shù)據(jù)序號的初始化為O，然后，重復(fù)進行從步驟b2到步驟b11。如果變化量△D比規(guī)定的閾值T小，則調(diào)整收斂，結(jié)束調(diào)整。
調(diào)整結(jié)束時，在推理規(guī)則記憶部分1和元函數(shù)記憶部分2中構(gòu)成了取入專家知識的推理規(guī)則。
如上所述，如果根據(jù)本實施例，根據(jù)從專家得到的輸入輸出數(shù)據(jù)，利用下降法能夠得到最佳推理規(guī)則。并且，由于推理規(guī)則后事件部分是實數(shù)值，所以，調(diào)整參量的數(shù)少，與第1實施例相比，能以更高速度自動進行調(diào)整。據(jù)此，采用本發(fā)明，能夠容易把專家的知識和技術(shù)技能作為推理規(guī)則裝入機器內(nèi)。另外，在第2實施例中，雖然把前事件部分元函數(shù)的形狀作成三角形的，但用別的形狀也行。并且，雖然在前事件部分下降部分運算部分10和后事件部分下降部分運算部分12中使用的下降法是最速下降法，但也可以使用牛頓法、共軛梯度法和Powell法等。而且雖然在本實施例中，同時調(diào)整前事件部分的元函數(shù)和后事件部分的實數(shù)值，但調(diào)整其任何一個也行。
下面說明本發(fā)明的第三實施例。圖7示出本發(fā)明第三模糊推理裝置的構(gòu)成圖。在圖7中，1是記憶模糊推理規(guī)則的推理規(guī)則記憶部分;2是存儲用于模糊推理的元函數(shù)和后事件部分函數(shù)式的元函數(shù)記憶部分;3是進行模糊推理推理運算的模糊推理運算部分;4是控制對象;5是利用根據(jù)下降法的運算，求得調(diào)整方向的下降法運算部分;6是基于下降法運算部分5的運算結(jié)果，更新元函數(shù)的元函數(shù)調(diào)整部分。以上構(gòu)成與圖1的構(gòu)成相同。與圖1構(gòu)成不同的是設(shè)置了根據(jù)輸入和觀測值之差，輸出控制對象4操作量的控制器20;把輸入變量進行微分的微分運算部分21;使控制器20的輸出和模糊推理規(guī)則運算部分3的輸出相加的操作量加法部分22。
下面對于如上所述構(gòu)成的第3實施例模糊推理裝置的工作，進行說明。
以前，例如在多個間接操縱裝置那樣的非線性控制對象和不能忽視干擾等的控制對象中，只用通常的反饋控制難以跟蹤目標(biāo)值的變化。為了解決這樣的課題，提出了前饋控制方案。但是，為了設(shè)計使用前饋的控制系統(tǒng)，控制對象的逆動力學(xué)模型(逆ダヌナミクスモデル)和構(gòu)成該逆動力學(xué)模型的參量必須完全是已知的，因而設(shè)計是困難的。
本發(fā)明以模糊推理規(guī)則的形式自動得到控制對象的逆動力學(xué)模型，進行最佳的前饋控制。
下面以1個輸入、1個輸出的控制系統(tǒng)為例，進行有關(guān)本實施例的詳細說明。在本實施例中，控制器20只作為比例運算?，F(xiàn)在，設(shè)目標(biāo)值為r(t)、來自控制對象的觀測值為h(t)，則在控制器20中，按照下面公式進行運算 e(t)＝r(t)-h(t)……(22) u1(t)＝K·e(t)……(23) u1表示控制對象4的操作量，t表示時間，k表示比例常數(shù)。
設(shè)控制對象的傳輸特性為G，則觀測值h用下式表示 h＝G(u1+u2)……(24) 這里，u2是前饋量，u1和u2的相加運算在操作量加法部分22中進行。
在圖7中，用虛線包圍的進行前饋運算部分的構(gòu)成與第1實施例的相同。因而，如果給出某輸入輸出數(shù)據(jù)，虛線內(nèi)的部分則產(chǎn)生充分滿足其輸入輸出關(guān)系的模糊推理規(guī)則。在該實施例中，設(shè)定輸入輸出數(shù)據(jù)如下 輸入數(shù)據(jù)目標(biāo)值及其微分量 輸出數(shù)據(jù)給控制對象的操作量(u1) 根據(jù)這樣的設(shè)定，在輸入目標(biāo)值r和微分量dr/dt時，可以得到輸出操作量u1的推理規(guī)則。這種關(guān)系與輸入操作量u1、輸出觀測量的控制對象相反，形成的推理規(guī)則成為控制對象的逆動力學(xué)模型。另外，作為輸入數(shù)據(jù)之一目標(biāo)值r的微分量dr/dt由微分運算部分21得到。在虛線內(nèi)的結(jié)構(gòu)中，與第1實施例不同之點在于無誤差運算部分。在第1實施例中，誤差運算部分計算推理誤差的變化量，根據(jù)該值判斷調(diào)整的結(jié)束。本發(fā)明是一直跟蹤控制對象變化的自適應(yīng)型控制，由于需要隨時調(diào)整，所以，無結(jié)束判斷之必要。
調(diào)整的算法如圖8所示那樣。步驟C1到步驟C5與圖2的步驟a1到步驟a5的相同。不同之點在于，無利用圖2中步驟a6以后數(shù)據(jù)數(shù)量的分路和調(diào)整結(jié)束判斷。在本實施例中，重復(fù)進行步驟C1到步驟C5。
這樣，通過適當(dāng)?shù)剡x擇輸入輸出數(shù)據(jù)，就能自動地得到控制對象的逆動力學(xué)模型。
從調(diào)整開始一會兒，存儲在元函數(shù)記憶部分2中的前事件部分的元函數(shù)和后事件部分的線性函數(shù)不收斂于最佳值，而是輸出接近于初始值的u2。因而，形成主要利用控制器20的控制，不能跟蹤根據(jù)目標(biāo)值變化的控制對象動力學(xué)的變化。然而，隨著時間的推移，模糊推理調(diào)整增強，掌握了控制對象的逆動力學(xué)，則對于目標(biāo)值的變化也能充分地跟蹤了。
如上所述，如果根據(jù)本實施例，通過在前饋控制中使用模糊推理，在其調(diào)整中使用下降法，在象控制對象存在非線性、不能忽視干擾的控制困難情況下，對于目標(biāo)值的變化也能跟蹤。
在第3實施例中，雖然把控制器20只做成比例控制，但若是PID控制等的其它控制器也行。并且，雖然微分運算部分21只輸出輸入值的1階微分，但把高階微分值加在一起輸出也可。而且盡管進行自動調(diào)整部分的構(gòu)成與第1實施例的相同，但該部分也可以使用第2實施例的構(gòu)成。在這種情況下，推理規(guī)則的后事件部分成為實數(shù)值，也能夠?qū)崿F(xiàn)本發(fā)明第2實施例高速調(diào)整等優(yōu)點 下面說明本發(fā)明的第四實施例。圖9示出本發(fā)明第四個實施例模糊推理裝置的構(gòu)成圖。在圖9中，1是記憶模糊推理的推理規(guī)則的推理規(guī)則記憶部分;2是記憶在模糊推理中用的前事件部分元函數(shù)形狀數(shù)據(jù)和后事件部分函數(shù)式的元函數(shù)記憶部分;3是進行模糊推理的運算的模糊推理運算部分;5是根據(jù)從專家得到的輸入輸出數(shù)據(jù)和推理結(jié)果，利用下降法運算，求得調(diào)整方向的下降法運算部分;6是基于下降法運算部分5的運算結(jié)果，更新元函數(shù)的元函數(shù)調(diào)整部分;7是根據(jù)模糊推理結(jié)果和輸入輸出數(shù)據(jù)，計算推理誤差的誤差運算部分。以上構(gòu)成與圖1的相同。與圖1構(gòu)成不同的是設(shè)置了顯示利用模糊推理運算部分3計算出來的推理結(jié)果的推理結(jié)果顯示部分31;輸入用戶對于推理結(jié)果喜好的用戶輸入部分32。
下面對于如上所述構(gòu)成的實施例模糊推理裝置的工作，進行說明。
了解每個用戶的喜好和感受，在將要實現(xiàn)進行用戶越使用越喜好的控制的機器之前，必須把用戶的輸入作為學(xué)習(xí)數(shù)據(jù)，逐次改變控制算法。在本發(fā)明中根據(jù)把用戶的輸入拿來，逐次調(diào)整模糊推理規(guī)則，實現(xiàn)符合用戶喜好和敏感性的控制。這是實時地了解用戶喜好的自適應(yīng)型模糊控制。
為了更具體地表明本實施例的工作，下面將從洗衣機洗濯時間的推理為例，加以說明。在全自動洗衣機等中，洗濯時間根據(jù)利用光傳感器檢測洗濯水透射率的變化及其飽和時間來確定。設(shè)洗濯時間、洗濯水透射率的變化、洗濯水透射率的飽和時間分別為y、x1、x2。它們的關(guān)系能夠用模糊推理規(guī)則描述如下 R1如果X1＝A11，且X2＝A12，那么y＝f1(x1，x2) R2如果X1＝A21，且X2＝A22，那么y＝f2(x1，x2)
Rn如果x1＝An1，且x2＝An2，那么y＝fn(x1，x2)考慮逐步了解，使這些推論規(guī)則與用戶的感受和喜好一致。
下面根據(jù)圖10的流程圖，說明本實施例的工作。
步驟d1對存儲在推理規(guī)則記憶部分1和元函數(shù)記憶部分2中的模糊推理規(guī)則、前事件部分的元函數(shù)，后事件部分的實數(shù)值進行初始設(shè)定。在洗衣機發(fā)貨以前，在洗衣機內(nèi)設(shè)定了標(biāo)準(zhǔn)的推理規(guī)則，僅用這種推理規(guī)則也能得到良好的洗濯時間。這是因為在沒有錯誤了解的狀態(tài)下，就能充分洗濯。在這種初始推理規(guī)則的結(jié)構(gòu)中，既可使用本發(fā)明第一實施例，也可象以往那樣利用嘗試法實驗及對專家采訪的方法。
步驟d2在洗濯開始時，將輸入數(shù)據(jù)拿到模糊推理運算部分3中。把洗衣機光傳感器檢測的洗濯水透射率的變化x1和飽和時間x2輸入。
步驟d3在模糊推理運算部分3中，根據(jù)洗濯水透射率的變化x1、飽和時間x2進行模糊推理，得到作為推理結(jié)果的洗濯時間y＊。模糊推理的工作程序與第1實施例的步驟a3相同。
步驟d4在推理結(jié)果顯示部分31上，向用戶顯示作為推理結(jié)果的洗濯時間y＊。用戶根據(jù)自己的喜好，從用戶輸入部分32輸入對于作為該推理結(jié)果的洗濯時間y＊的修正量。比如，洗濯很臟的衣服時，通過模糊推理洗濯時間顯示為10分。這時，用戶如果認為延長該洗濯時間才好，則用戶把自己所需的洗濯時間與所顯示的洗濯時間之差輸入給用戶輸入部分32，來設(shè)定更長的洗濯時間。用戶輸入部分32輸出該修正量y′。如果用戶對于所顯示的推理結(jié)果不加變更，則修正量為0。
步驟d5在下降法運算部分5中，弄清作為來自用戶輸入部分32的輸出修正量y′是否為0。如果修正量為0，則認為引導(dǎo)該推理結(jié)果的模糊推理規(guī)則表示了用戶的愛好。不作推理規(guī)則的調(diào)整，進到步驟d2，等待下一次洗濯開始時傳感器的輸入。如果修正量不是0，則進到步驟d6。
步驟d6、d7在下降法運算部分5中，設(shè)推理結(jié)果y＊加修正量y′和yr，然后，把修正量yr和輸入數(shù)據(jù)x1，x2作為1個輸入輸出數(shù)據(jù)，進行根據(jù)下降法的元函數(shù)的調(diào)整。該調(diào)整運算與第1實施例步驟a4、5a的相同。若元函數(shù)的更新結(jié)束了，則返回步驟d2，等待下一次洗濯開始時傳感器的輸入。
如上所述，如果根據(jù)本發(fā)明，利用推理結(jié)果顯示部分引向用戶顯示模糊推理的結(jié)果，通過用戶輸入部分32輸入用戶對模糊推理結(jié)果的喜好，借此，使用下降法，變更模糊推理的元函數(shù)。據(jù)此，能夠?qū)崿F(xiàn)能夠使用戶越使用越喜好的控制的機器。
在實施例中，雖然是以洗衣機為例說明的，但是，其它機器也行。并且，雖然使自動調(diào)整部分的構(gòu)成與第1實施例的一樣，但在該部分中，使用第2實施例的構(gòu)成也行，在這種情況下，推理規(guī)則的后事件部分成為實數(shù)值，也能夠?qū)崿F(xiàn)本發(fā)明第2實施例高速調(diào)整等優(yōu)點。
下面說明本發(fā)明的第五實施例。圖11示出本發(fā)明第五實施例模糊推理裝置的構(gòu)成圖。在圖11中，1是記憶模糊推理的推理規(guī)則的推理規(guī)則記憶部分;2是記憶在模糊推理中用的前事件部分元函數(shù)形狀數(shù)據(jù)和后事件部分函數(shù)式的元函數(shù)記憶部分;3是進行模糊推理的運算的模糊推理運算部分;5是根據(jù)從專家得到的輸入輸出數(shù)據(jù)和推理結(jié)果，利用下降法運算，求得調(diào)整方向的下降法運算部分;6是基于下降法運算部分5的運算結(jié)果，更新元函數(shù)的元函數(shù)調(diào)整部分;7是根據(jù)模糊推理結(jié)果和輸入輸出數(shù)據(jù)計算推理誤差的誤差運算部分。以上構(gòu)成與圖1的相同。與圖1構(gòu)成不同的是設(shè)置了檢索推理規(guī)則記憶部分1和元函數(shù)記憶部分2，得到自適應(yīng)范圍大的推理規(guī)則的推理規(guī)則檢索部分41;和顯示在推理規(guī)則檢索部分31中得到的推理規(guī)則的推理規(guī)則顯示部分42。
下面對于如上所述構(gòu)成的實施例的模糊推理裝置的工作，進行說明。
在本發(fā)明第一實施例中，自動實現(xiàn)模糊推理元函數(shù)的結(jié)構(gòu)，能夠把專家的知識作成推理規(guī)則而得到。然而，在從專家得到的輸入輸出數(shù)據(jù)中含有非常多的噪聲情況下，有時調(diào)整進到非予期的方向上。并且，由于過剩調(diào)整，雖然對于所給出的輸入輸出數(shù)據(jù)能夠?qū)崿F(xiàn)推理誤差小的推理，但在調(diào)整時，對于沒有給出的數(shù)據(jù)，有時推理誤差變得非常大。為了避免這樣的狀況，設(shè)計者和用戶有必要掌握和檢查自動構(gòu)成的推理規(guī)則和元函數(shù)。
為了解決這些問題，在本發(fā)明中，把利用自動調(diào)整而得到的推理規(guī)則顯示出來。而且，為了高效率地進行推理規(guī)則的檢查，先從適應(yīng)范圍大的推理規(guī)則中展示。
自動調(diào)整工作程序與第1實施例圖2的流程圖一樣。不同的部分是在調(diào)整結(jié)束后進行推理規(guī)則的顯示。在調(diào)整結(jié)束后，推理規(guī)則檢索部分41檢索元函數(shù)記憶部分2，進行下式運算 (i = 1…n) Si表示推理規(guī)則Ri適應(yīng)范圍的寬度。按照Si的大小順序把推理規(guī)則Ri及其元函數(shù)的形狀和后事件部分函數(shù)式的參量送到推理規(guī)則顯示部分42上。
推理規(guī)則顯示部分42由陰極射線管及其控制裝置構(gòu)成，顯示從推理規(guī)則檢索部分41送來的推理規(guī)則及用于其上的元函數(shù)等信息。
如上所述，如果根據(jù)本實施例，能夠把利用下降法得到的模糊推理規(guī)則，按照適應(yīng)范圍寬度的順序顯示出來。因此，用戶能夠知道利用自動調(diào)整得到的推理規(guī)則，使得對于調(diào)整的進行狀態(tài)和推理規(guī)則的檢查成為可能。
另外，在實施例中，雖然使用陰極射線管作為推理規(guī)則顯示部分42，但也可以使用發(fā)光二極管和液晶顯示器等。并且，雖然使自動調(diào)整部分的構(gòu)成與第1實施例的一樣，但在該部分中，使用第2實施例的構(gòu)成也行。在這種情況下，推理規(guī)則的后事件部分成為實數(shù)值，也能夠?qū)崿F(xiàn)本發(fā)明第2實施例高速調(diào)整等優(yōu)點。
下面說明本發(fā)明的第六實施例。圖12示出本發(fā)明第六實施例模糊推理裝置的構(gòu)成圖。在圖12中，1是記憶模糊推理的推理規(guī)則的推理規(guī)則記憶部分;2是存儲在推理規(guī)則中用的前事件部分元函數(shù)和后事件部分函數(shù)式的元函數(shù)記憶部分;3是進行模糊推理的運算的模糊推理運算部分;4是控制對象;6是基于下降法運算部分5′的運算結(jié)果，更新元函數(shù)的元函數(shù)調(diào)整部分。以上構(gòu)成與圖1的相同。與圖1構(gòu)成不同的是設(shè)置了;根據(jù)來自控制對象的觀測值h運算評價值的評價值運算部分51;產(chǎn)生臺階狀輸入信號的輸入信號發(fā)生部分52;根據(jù)來自控制對象4的觀測值h利用下降法進行運算，求得調(diào)整方向的下降法運算部分5′。
下面對于如上所述構(gòu)成的第6實施例模糊推理裝置的工作，進行說明。
過去，根據(jù)對專家采訪的方法和嘗試法實驗的積累來進行模糊推理規(guī)則結(jié)構(gòu)和元函數(shù)的設(shè)計。因此，模糊推理的問題在于，所需設(shè)計時間長，由于依靠人手，所以難于作出最佳設(shè)計。本發(fā)明使設(shè)計者任意設(shè)定的評價函數(shù)為最好那樣地進行模糊推理的自動調(diào)整。與本發(fā)明的第一實施例不同，本實施例不需要來自專家的輸入輸出數(shù)據(jù)。
以2個輸入、1個輸出的控制系統(tǒng)為例，利用圖13的流程圖詳細說明本實施例的工作程序。
步驟f1本實施例的推理規(guī)則記憶部分1、元函數(shù)記憶部分2以及模糊推理運算部分3的構(gòu)成與第1實施例的相同。推理規(guī)則和元函數(shù)的構(gòu)成也一樣。在步驟f1中，與第1實施例步驟a1相同，進行元函數(shù)的初始化。
步驟f2利用輸入信號發(fā)生部分52，把象圖14(a)那樣的階梯狀函數(shù)輸入到模糊推理運算部分3中。圖中R為控制目標(biāo)值。
步驟f3與第1實施例的步驟a3一樣，進行模糊推理。
步驟f4按照下式設(shè)定自動調(diào)整中的評價函數(shù)E，在評價函數(shù)運算部分51中計算其值。
E＝∫(h(t)-R)2dt……(26) 這里，R為目標(biāo)值，t為時間。
圖14(b)示出控制對象輸出h(t)對于階梯輸入的響應(yīng)，水平軸為時間。上式中，E表示圖14(b)斜線部分的面積，稱為誤差平方的面積，表示控制響應(yīng)的品質(zhì)因數(shù)。當(dāng)響應(yīng)遲緩及存在恒定偏差時，誤差平方的面積成為大值。因此，誤差平方面積之值小時，進行最好的控制。
在本實施例中，設(shè)評價函數(shù)E為誤差平方面積，用下降法，使E最小那樣地進行自動調(diào)整。
另外，在本實施例中，雖然設(shè)評價函數(shù)為誤差平方面積，但也可以用加權(quán)誤差面積、上升時間，超量等其它評價。
為了進行使評價函數(shù)最小化的調(diào)整，在本實施例中，使用作為下降法中的一種方法，最速下降法。在最速下降法中，基于評價函數(shù)的微分值，來更新調(diào)整參量。與第1實施例一樣，計算根據(jù)調(diào)整參量的評價函數(shù)微分值?，F(xiàn)在，求出利用ri的評價函數(shù)微分值。

k＝1 在步驟f4中，為了利用下降法運算部分5求出上述

E/

ri，進行下面的運算
這里，T為模糊推理的抽樣時間 利用下面步驟f5，重復(fù)進行這一運算，一直到h(t)收斂，借此，求得

E/

ri 同樣，另外的

E/

aij、

E/

bij、

E/

pi、

E/

qi的運算，也在下降法運算部分5中進行。
步驟f5利用評價法運算部分5，判斷來自控制對象的輸出h(t)是否收斂于目標(biāo)值。利用下面的條件式來判斷 ｜h(t)-R｜＜0.05

R……(29) 不滿足該條件時，返回步驟f3。
步驟f6和第1實施例步驟a5一樣，根據(jù)計算出來的

E/

aij、

E/

bij、

E/

pi、

E/

qi、

E/

ri，利用元函數(shù)調(diào)整部分6，更新存儲在元函數(shù)記憶部分2中的調(diào)整參量aij、bij、pi、qi、ri。
步驟f7利用評價值運算部分51，根據(jù)公式(26)，求評價值E。
步驟f8利用評價值運算部分51，使評價值E與給定的閾值TE比較。當(dāng)評價值E比閾值TE大時，判斷為還沒有進行充分的調(diào)整，回到步驟f2，重復(fù)步驟f2～f7。當(dāng)評價值E比閾值TE小時判斷為得到了控制性十分好的模糊推理規(guī)則，使下降法運算部分5′和元函數(shù)調(diào)整部分6停止工作。
如上所述，如果根據(jù)本發(fā)明，利用下降法能夠自動產(chǎn)生使作為評價函數(shù)E的誤差平方面積成為最佳的模糊推理規(guī)則。因此，使評價函數(shù)自動地成為最佳的機器控制成為可能。
并且，在第2實施例中，雖然把前事件部分元函數(shù)的形狀作成三角形的，但用別的形狀的元函數(shù)也行。并且，雖然在前事件部分下降法運算部分10和后事件部分下降法運算部分12中使用的下降法是最速下降法，但也可以使用牛頓法、共軛梯度法和Po-well法等。
如果根據(jù)本發(fā)明，根據(jù)從專家得到的輸入輸出數(shù)據(jù)，利用下降法能夠得到最佳的推理規(guī)則。因此，能夠容易地把專家的知識和技術(shù)技能作成推理規(guī)則裝入機器。
權(quán)利要求
1、一種模糊推理裝置，其特征是設(shè)置了模糊推理運算部分，根據(jù)控制輸入值及來自控制對象的觀測值進行模糊推理，輸出給控制對象的操作量；推理規(guī)則記憶部分，記憶在所述模糊推理中使用的推理規(guī)則；元函數(shù)記憶部分，記憶在所述推理規(guī)則中使用的前事件部分元函數(shù)的形狀數(shù)據(jù)和后事件部分的函數(shù)；下降法運算部分，根據(jù)預(yù)先給出的輸入輸出數(shù)據(jù)和從所述模糊推理運算部分得到的推理結(jié)果，進行利用下降法的運算；元函數(shù)調(diào)整部分，根據(jù)所述下降法運算部分的輸出，使前事件部分元函數(shù)和后事件部分函數(shù)的至少其一發(fā)生變化；誤差運算部分，根據(jù)所述輸入輸出數(shù)據(jù)和從所述模糊推理運算部分得到的推理結(jié)果，計算推理誤差，當(dāng)推理誤差小于給定值時，使所述下降法運算部分和所述元函數(shù)調(diào)整部分停止工作。
2、一種模糊推理裝置，其特征是設(shè)置了模糊推理運算部分，根據(jù)控制輸入值及來自控制對象的觀測值進行模糊推理，輸出給控制對象的操作量;推理規(guī)則記憶部分，記憶在所述模糊推理中使用的推理規(guī)則;前事件部分參量記憶部分，記憶表示在所述推理規(guī)則中使用的前事件部分元函數(shù)形狀的參量;后事件部分實數(shù)值記憶部分，記憶用于所述推理規(guī)則的后事件部分實數(shù)值;前事件部分下降法運算部分，該部分進行對于參量的下降法運算，參量表示根據(jù)預(yù)先給出的輸入輸出數(shù)據(jù)和從所述模糊推理運算部分得到的推理結(jié)果的前事件部分元函數(shù)的形狀;前事件部分參量調(diào)整部分，該部分表示元函數(shù)形狀的參量變化，元函數(shù)根據(jù)所述前事件部分下降法運算部分的輸出，存儲在所述事件部分參量記憶部分中;后事件部分下降法運算部分，根據(jù)預(yù)先給出的輸入輸出數(shù)據(jù)和從所述模糊推理運算部分得到的推理結(jié)果，進行對于后事件部分實數(shù)值的下降法運算;后事件部分實數(shù)值調(diào)整部分，根據(jù)所述后事件部分下降法運算部分的輸出改變存儲在所述后事件部分實數(shù)值記憶部分中的后事件部分實數(shù)值;誤差運算部分，根據(jù)所述輸入輸出數(shù)據(jù)和從所述模糊推理運算部分得到的推理結(jié)果，計算推理誤差，當(dāng)推理誤差比給定值小時，使所述前事件部分下降法運算部分和所述前事件部分參量調(diào)整部分以及所述后事件部分下降法運算部分和所述后事件部分實數(shù)值調(diào)整部分停止工作。
3、一種模糊推理裝置，其特征是設(shè)置了控制器，根據(jù)控制輸入值和來自控制對象的觀測值，輸出給控制對象的操作量;微分運算部分，求控制輸入值的微分量;模糊推理運算部分，根據(jù)控制輸入值和所述微分運算部分的輸出進行模糊推理，輸出給控制對象的操作量;推理規(guī)則記憶部分，記憶用于所述模糊推理的推理規(guī)則;元函數(shù)記憶部分，記憶用于所述推理規(guī)則的前事件部分元函數(shù)的形狀數(shù)據(jù)和后事件部分的函數(shù);操作量相加部分，把所述控制器和所述模糊推理運算部分的輸出相加，施加給控制對象;下降法運算部分，根據(jù)所述控制器的輸出和從所述模糊推理運算部分得到的推理結(jié)果，進行利用下降法的運算;元函數(shù)調(diào)整部分，根據(jù)所述下降法運算部分的輸出，使存儲在所述元函數(shù)記憶部分中的前事件部分元函數(shù)和后事件部分函數(shù)的至少其一發(fā)生變化。
4、一種模糊推理裝置，其特征是設(shè)置了模糊推理運算部分，根據(jù)控制輸入值及來自控制對象的觀測值進行模糊推理，輸出給控制對象的操作量;推理規(guī)則記憶部分，記憶用于所述模糊推理的推理規(guī)則;元函數(shù)記憶部分，記憶用于所述推理規(guī)則的前事件部分元函數(shù)的形狀數(shù)據(jù)和后事件部分的函數(shù);用戶輸入部分，輸入用戶對于所述模糊推理運算部分輸出的喜好;下降法運算部分，當(dāng)所述用戶輸入部分有輸入時，根據(jù)從所述模糊推理運算部分得到的推理結(jié)果和所述用戶輸入部分的輸出，進行利用下降法的運算;元函數(shù)調(diào)整部分，根據(jù)所述下降法運算部分的輸出，使存儲在所述元函數(shù)記憶部分中的前事件部分元函數(shù)和后事件部分函數(shù)的至少其一發(fā)生變化;誤差運算部分，根據(jù)所述輸入輸出數(shù)據(jù)和從所述模糊推理運算部分得到的推理結(jié)果，計算推理誤差，當(dāng)推理誤差比給定值小時，使所述下降法運算部分和所述元函數(shù)調(diào)整部分停止工作。
5、一種模糊推理裝置，其特征是設(shè)置了模糊推理運算部分，根據(jù)控制輸入值及來自控制對象的觀測值進行模糊推理，輸出給控制對象的操作量;推理規(guī)則記憶部分，記憶用于所述模糊推理的推理規(guī)則;元函數(shù)記憶部分，記憶用于所述推理規(guī)則的前事件部分元函數(shù)的形狀數(shù)據(jù)和后事件部分的函數(shù);下降法運算部分，根據(jù)預(yù)先給出的輸入輸出數(shù)據(jù)和從所述模糊推理運算部分得到的推理結(jié)果，進行利用下降法的運算;元函數(shù)調(diào)整部分，根據(jù)所述下降法運算部分的輸出，使前事件部分元函數(shù)和后事件部分函數(shù)的至少其一發(fā)生變化;誤差運算部分，根據(jù)所述輸入輸出數(shù)據(jù)和從所述模糊推理運算部分得到的推理結(jié)果，計算推理誤差，當(dāng)推理誤差比給定值小時，使所述下降法運算部分和所述元函數(shù)調(diào)整部分停止工作;推理規(guī)則顯示部分，檢索所述推理規(guī)則記憶部分和所述元函數(shù)記憶部分，顯示推理規(guī)則。
6、一種模糊推理裝置，其特征是設(shè)置了模糊推理運算部分，根據(jù)控制輸入值及來自控制對象的觀測值進行模糊推理，輸出給控制對象的操作量;推理規(guī)則記憶部分，記憶用于所述模糊推理的推理規(guī)則;元函數(shù)記憶部分，記憶用于所述推理規(guī)則的前事件部分元函數(shù)的形狀數(shù)據(jù)和后事件部分的函數(shù);下降法運算部分，根據(jù)從所述模糊推理運算部分得到的推理結(jié)果，進行利用下降法的運算;元函數(shù)調(diào)整部分，根據(jù)所述下降法運算部分的輸出，使前事件部分元函數(shù)和后事件部分函數(shù)的至少其一發(fā)生變化;評價值運算部分，根據(jù)前述控制對象的觀測值，求得表示控制性品質(zhì)因數(shù)的評價值，當(dāng)評價值比給定值好時，使所述下降法運算部分和所述元函數(shù)調(diào)整部分停止工作。
全文摘要
本發(fā)明是有關(guān)模糊推理裝置的調(diào)整技術(shù)，能夠自動地產(chǎn)生滿足所需規(guī)格的模糊推理裝置的推理規(guī)則，本發(fā)明的裝置可包括模糊推理運算部分、推理規(guī)則記憶部分、元函數(shù)記憶部分、下降法運算部分、元函數(shù)調(diào)整部分及誤差運算部分，使用一種非線性探測法的下降法，能自動產(chǎn)生使推理誤差和評價函數(shù)為最小的元函數(shù)。
文檔編號G06F9/44GK1059609SQ9110863
公開日1992年3月18日 申請日期1991年9月3日 優(yōu)先權(quán)日1990年9月3日
發(fā)明者野村博義, 林勛, 若見升 申請人:松下電器產(chǎn)業(yè)株式會社