作為一種新興技術(shù),區(qū)間二型模糊邏輯系統(tǒng)受到當(dāng)前學(xué)術(shù)界廣泛關(guān)注。本文基于求解區(qū)間二型模糊集質(zhì)心的二分搜索改進(jìn)Karnik-Mendel(Binary-Search enhanced Karnik-Mendel,BEKM)算法,討論了區(qū)間二型模糊邏輯系統(tǒng)的模糊推理,質(zhì)心降型和解模糊化等模塊。計算機仿真實驗闡述和分析了BEKM算法在計算系統(tǒng)解模糊化輸出時的表現(xiàn),與EKM算法相比,BEKM算法有更高的計算效率,給二型模糊邏輯系統(tǒng)設(shè)計及應(yīng)用提供了潛在的價值。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖2例1中兩種算法計算質(zhì)心解模糊化值

對這兩個例子,EKM和BEKM算法計算區(qū)間二型模糊邏輯系統(tǒng)質(zhì)心解模糊化輸出值分別如圖2和圖3所示。圖3例2中兩種算法計算質(zhì)心解模糊化值

圖3例2中兩種算法計算質(zhì)心解模糊化值

圖2例1中兩種算法計算質(zhì)心解模糊化值觀察圖2和圖3,可得出:隨著采樣點個數(shù)的增加,EKM和BEKM算法在兩個例子中計算出的質(zhì)心解模糊化值都收斂,兩種算法的計算結(jié)果有較小的偏差,當(dāng)N=50:50:3000時,例1中總平均絕對誤差為0.0336,例2中總平均絕對誤差為0.0860,....

圖1兩個例子的FOU圖

本節(jié)提供兩個數(shù)值仿真例子。假設(shè)在降型和解模糊化前,已通過加權(quán)或合并模糊規(guī)則等方法取得區(qū)間二型模糊邏輯系統(tǒng)的質(zhì)心輸出區(qū)間二型模糊集的FOU.區(qū)間二型模糊集的主變量用字母x表示,且x被均勻采樣,取x∈[0,10],并設(shè)采樣個數(shù)為N,取N=50:50:3000。在例1中,FOU的邊界是....

本文編號：3987459