計(jì)算區(qū)間二型模糊集的質(zhì)心（也稱降型）是區(qū)間二型模糊邏輯系統(tǒng)中的一個(gè)重要模塊。Karnik-Mendel（KM）迭代算法通常被認(rèn)為是計(jì)算區(qū)間二型模糊集質(zhì)心的標(biāo)準(zhǔn)算法。盡管如此,KM算法涉及復(fù)雜的計(jì)算過(guò)程,不利于實(shí)時(shí)應(yīng)用。在各種改進(jìn)類算法中,非迭代的Nie-Tan（NT）算法可節(jié)省計(jì)算消耗。此外,連續(xù)版本NT（CNT,continuous version of NT）算法被證明是計(jì)算質(zhì)心的準(zhǔn)確算法。本文比較了離散版本NT算法中求和運(yùn)算和連續(xù)版本NT算法中求積分運(yùn)算,通過(guò)四個(gè)計(jì)算機(jī)仿真例子證實(shí)了當(dāng)適度增加區(qū)間二型模糊集主變量采樣個(gè)數(shù)時(shí),NT算法的計(jì)算結(jié)果可以精確地逼近CNT算法。 

【文章來(lái)源】：模糊系統(tǒng)與數(shù)學(xué). 2020,34(02)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

一個(gè)區(qū)間二型模糊集及其相關(guān)量[18]

表1 四個(gè)例子的FOU隸屬函數(shù)表達(dá)式 次序 FOU隸屬函數(shù)表達(dá)式 1 μ ˉ A ? 1 (x)={ x 4 , 0≤x≤4 6-x 2 , 4<x≤ 36 7 x-3 5 , 36 7 <x≤8 10-x 2 , 8<x≤10 μ ˉ A ? 1 (x)={ 2 3 (x- 5 2 ), 5 2 ≤x≤4 -(x-5), 4<x≤ 44 9 2(x-4.5) 7 , 44 9 ≤x≤8 -(x-9), 8≤x≤9 2 μ ˉ A ? 2 (x)={ x-2 5 , 2≤x≤5 -0.3(x-7), 5<x≤7 μ ˉ A ? 2 (x)={ x-1 3 , 1≤x≤4 1, 4<x≤6 8-x 2 , 6≤x<8 3 μ ˉ A ? 3 (x)={ x-3 4 , 3≤x≤5 8-x 6 , 5<x≤8 μ ˉ A ? 3 (x)= exp [ - 1 2 ( x-5 1.75 ) 2 ],?x∈[0,10] 4 μ ˉ A ? 4 (x)={ 0.4 3 (x-1), 1≤x≤4 0.4, 4<x≤6 8-x 5 , 6<x≤8 μ ˉ A ? 4 (x)= exp [ - 1 2 ( x-5 2 ) 2 ],?x∈[0,10]采用CNT算法計(jì)算出的準(zhǔn)確基準(zhǔn)解模糊化值分別為y*c1=5.6009,y*c2=4.6944,y*c3=5.0742,y*c4=4.9210。接下來(lái)研究離散版本的NT算法的計(jì)算結(jié)果以及與主變量采樣個(gè)數(shù)相關(guān)的計(jì)算精度的問(wèn)題,分別取采樣個(gè)數(shù)為10,20,50,100,200。這四個(gè)例子由NT算法計(jì)算出的解模糊化值以及NT算法與CNT算法計(jì)算解模糊化值之間的絕對(duì)誤差值在表2中給出。

【參考文獻(xiàn)】：
期刊論文
[1]基于加權(quán)Karnik-Mendel算法的區(qū)間二型模糊邏輯系統(tǒng)降型[J]. 陳陽(yáng),王大志.  控制理論與應(yīng)用. 2016(10)
[2]高斯型區(qū)間二型非單點(diǎn)二型Mamdani模糊邏輯系統(tǒng)的設(shè)計(jì)及應(yīng)用[J]. 陳陽(yáng),王濤.  模糊系統(tǒng)與數(shù)學(xué). 2015(03)
[3]區(qū)間二型單點(diǎn)Mamdani模糊邏輯系統(tǒng)的設(shè)計(jì)[J]. 陳陽(yáng),王濤.  模糊系統(tǒng)與數(shù)學(xué). 2014(04)
[4]對(duì)區(qū)間二型模糊集的EKM降型法的改進(jìn)[J]. 王建輝,紀(jì)雯,方曉柯,顧樹生.  控制與決策. 2013(08)
[5]Ⅱ型模糊集合與系統(tǒng)研究進(jìn)展[J]. 潘永平,孫宗海,黃道平.  控制理論與應(yīng)用. 2011(12)
[6]一種區(qū)間型二型模糊集重心的快速解法[J]. 胡懷中,趙戈,楊華南.  控制與決策. 2010(04)



本文編號(hào)：3109140