基于规则的模糊控制系统和函数逼近

我正在尝试使用基于规则的模糊控制系统来实现函数逼近器(聚合)。为了简化我的实现(并且有更好的理解),我试图近似y = x ^ 2(最简单的非线性函数)。据我所知,我必须将我的输入(例如,[-1,1]上的均匀样本)映射到模糊集(模糊化),然后使用defuzzyfication方法来获取清晰的值。有没有这个程序的简单解释,因为模糊控制系统文献有点乱。     
已邀请:
这是一个广泛的问题,但我会放手一搏,因为它已经无法回答这么久了。 首先,我认为你需要改进你的目标(至少如此处所述)。在这种情况下,我会毫不犹豫地使用术语“函数逼近”。如果我正确地按照你的问题,目标是通过模糊方法将非线性函数映射到另一个域。 为此,首先需要定义模糊集合成员函数。 (此链接是该过程的一个很好的例子。)如果没有附加信息,我推荐三角函数,因为它易于实现。模糊集的数量,它们的位置和宽度(或支持)以及重叠程度是特定于应用程序的。你已经指出你的输入域是[-1,1],所以你可能会发现有三个模糊集可以解决这个问题,即Negative,Zero和Positive。 从那里,你需要制定一套规则,即如果x为负,那么...... 有了规则,您就可以定义去模糊化过程。简而言之,该步骤根据应用程序的需要对每个规则的激活进行加权。 在输出定义更好之前,我不相信我能做得更充分。您声明“使用defuzzyfication方法来获取清晰的值。” - 这组清晰的价值意味着什么?范围是多少?等等。如果您能够识别出被困的区域(即更具体的问题),您将获得更多响应。     

要回复问题请先登录注册