JPH02105901A - ファジィチューニング装置 - Google Patents
ファジィチューニング装置Info
- Publication number
- JPH02105901A JPH02105901A JP63260092A JP26009288A JPH02105901A JP H02105901 A JPH02105901 A JP H02105901A JP 63260092 A JP63260092 A JP 63260092A JP 26009288 A JP26009288 A JP 26009288A JP H02105901 A JPH02105901 A JP H02105901A
- Authority
- JP
- Japan
- Prior art keywords
- input
- fuzzy
- output data
- consequent
- inference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Devices For Executing Special Programs (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
産業上の利用分野
本発明は、ファジィコントローラのチューニング技術に
関し、希望の入出力関係を満たすファジィコントローラ
の制御規則を自動生成するものである。
関し、希望の入出力関係を満たすファジィコントローラ
の制御規則を自動生成するものである。
従来の技術
ファジィ制御は、数学モデルが記述できないような複雑
な制御対象において、人間が従来の経験から得ている知
識をファジィ推論を用いて計算機で実行しようとするも
のである。
な制御対象において、人間が従来の経験から得ている知
識をファジィ推論を用いて計算機で実行しようとするも
のである。
従来のファジィ制御は、第４図に示すように制御状況人
力部ＩＯから得られる情報、例えば制御偏差ｅ及び、そ
の変化率Ａｅと、制御操作量出力部１３から出力する操
作量ｕの間の関係をＩｆ＝ ｔｈｅｎ・・・規則として
記述する場合、次のような推論規則をファジィ推論規則
記憶部１２に複数個用意する。
力部ＩＯから得られる情報、例えば制御偏差ｅ及び、そ
の変化率Ａｅと、制御操作量出力部１３から出力する操
作量ｕの間の関係をＩｆ＝ ｔｈｅｎ・・・規則として
記述する場合、次のような推論規則をファジィ推論規則
記憶部１２に複数個用意する。
ＩＦ ｅ Ｉｓ Ｚｅｒｏ ａｎｄΔｅ Ｉｓ Ｐｏ５
ｌｔｌｖｅ ＭｅｄｌｕｍＴｈｅｎ ｕ Ｉｓ Ｎｅｇ
ａｔｉｖｅ Ｍｅｄｉｕｍ。
ｌｔｌｖｅ ＭｅｄｌｕｍＴｈｅｎ ｕ Ｉｓ Ｎｅｇ
ａｔｉｖｅ Ｍｅｄｉｕｍ。
ここでＩｆ〜の部分を前件部、ｔｈｅｎ・・・の部分を
後件部と呼ぶ。Ｚｅｒｏ、Ｐｏ５ｌｔｌｖｅ Ｍｅｄｉ
ｕｍ及びＮｅｇａｔｌｗｅ Ｍｅｄｉｕｍなどは規則の
記述に用いる入力や出力のファジイ数を表すラベルであ
り、ファジィ変数である。このように、一般にファジィ
推論の前件部と後件部の変数はファジィ変数で与えられ
る。
後件部と呼ぶ。Ｚｅｒｏ、Ｐｏ５ｌｔｌｖｅ Ｍｅｄｉ
ｕｍ及びＮｅｇａｔｌｗｅ Ｍｅｄｉｕｍなどは規則の
記述に用いる入力や出力のファジイ数を表すラベルであ
り、ファジィ変数である。このように、一般にファジィ
推論の前件部と後件部の変数はファジィ変数で与えられ
る。
発明が解決しようとする課題
このような従来例によるファジィ制御装置において、第
５図に示すような非線形な操作ｆｌｕを出力しようとし
た場合、どのように規則を記述すればよいかという見通
しがつきにくい。そこで簡単化するために、前件部のメ
ンバシップ関数は三角型を用い、後件部は実数値にする
ことを既に発明者らは提案している（特願昭６３−１２
４３５２号）。しかし、この場合でも後件部の実数値は
試行錯誤によって決定しなければならないという課題が
ある。
５図に示すような非線形な操作ｆｌｕを出力しようとし
た場合、どのように規則を記述すればよいかという見通
しがつきにくい。そこで簡単化するために、前件部のメ
ンバシップ関数は三角型を用い、後件部は実数値にする
ことを既に発明者らは提案している（特願昭６３−１２
４３５２号）。しかし、この場合でも後件部の実数値は
試行錯誤によって決定しなければならないという課題が
ある。
本発明は、かかる点に鑑みてなされたもので、試行錯誤
によらずに希望する非線形な操作量を出力することがで
きるファジィ制御則を作成するファジィチューニング装
置を提供することを目的とする。
によらずに希望する非線形な操作量を出力することがで
きるファジィ制御則を作成するファジィチューニング装
置を提供することを目的とする。
課題を解決するための手段
本発明は、上記課題を解決するため次のようにする。
後件部を実数値としたファジィ推論において、ｎ個の推
論規則に関与するｎ個の入出力データを基に、ファジィ
推論を用いて入出力関係を同定するに際し、前記入力デ
ータに対する前件部の適合度合を求める手段と、前記入
力データに対応した前記出力データを記憶する手段と、
前記適合度合と前記出力データとから後件部の実数値を
未知数としてｎ個の連立方程式を求める手段とを有し、
前記連立方程式の解を後件部の実数値とする。
論規則に関与するｎ個の入出力データを基に、ファジィ
推論を用いて入出力関係を同定するに際し、前記入力デ
ータに対する前件部の適合度合を求める手段と、前記入
力データに対応した前記出力データを記憶する手段と、
前記適合度合と前記出力データとから後件部の実数値を
未知数としてｎ個の連立方程式を求める手段とを有し、
前記連立方程式の解を後件部の実数値とする。
また、後件部を実数値としたファジィ推論において、ｎ
個の推論規則に関与するｍ個（ｍ＞ｎ）の入出力データ
を基に、ファジィ推論を用いて入出力関係を同定するに
際し、前記入力データに対する前件部の適合度合を求め
る手段と、前記入力データに対応した前記出力データを
記憶する手段と、前記適合度合と前記出力データとがら
未知な後件部の実数値を最小２乗法で求める手段とを有
する。
個の推論規則に関与するｍ個（ｍ＞ｎ）の入出力データ
を基に、ファジィ推論を用いて入出力関係を同定するに
際し、前記入力データに対する前件部の適合度合を求め
る手段と、前記入力データに対応した前記出力データを
記憶する手段と、前記適合度合と前記出力データとがら
未知な後件部の実数値を最小２乗法で求める手段とを有
する。
作用
本発明は前記した構成により、入出力データを与えるこ
とによって、後件部の実数値を未知数とした方程式を立
て、連立方程式の解法あるいは最小２乗法で前記未知数
を決定する。これによって、希望の入出力関係を満たす
ファジィコントローラの後件部実数値を自動的に決定す
ることができる。
とによって、後件部の実数値を未知数とした方程式を立
て、連立方程式の解法あるいは最小２乗法で前記未知数
を決定する。これによって、希望の入出力関係を満たす
ファジィコントローラの後件部実数値を自動的に決定す
ることができる。
実施例
第１の発明の一実施例を説明する。第１図は、第１の発
明のファジィチューニング装置の構成図である。第１図
において、１は入出力データ記憶部、２はファジィ変数
記憶部、３はファジィ推論規則記憶部、４は推論規則管
理部、５は適合度合演算部、６は連立方程式解法部、７
は後件部記憶部である。入出力データ記憶部１に記憶さ
れた入力データに対し、適合度合演算部５で前件部の適
合度合を求める。このとき推論規則管理部４は、適合度
合演算部５で使用する推論規則をファジィ推論規則記憶
部３から、ファジィ変数をファジィ変数記憶部２から取
り出すように指示する。連立方程式解法部６では、適合
度合演算部５で求めた前件部の適合度合と、入出力デー
タ記憶部１に記憶された出力データより推論規則の後件
部の実数値を未知数とする方程式を立てて解法する。後
件部記憶部７では、連立方程式解法部６で求められた後
件部の実数値を記憶する。
明のファジィチューニング装置の構成図である。第１図
において、１は入出力データ記憶部、２はファジィ変数
記憶部、３はファジィ推論規則記憶部、４は推論規則管
理部、５は適合度合演算部、６は連立方程式解法部、７
は後件部記憶部である。入出力データ記憶部１に記憶さ
れた入力データに対し、適合度合演算部５で前件部の適
合度合を求める。このとき推論規則管理部４は、適合度
合演算部５で使用する推論規則をファジィ推論規則記憶
部３から、ファジィ変数をファジィ変数記憶部２から取
り出すように指示する。連立方程式解法部６では、適合
度合演算部５で求めた前件部の適合度合と、入出力デー
タ記憶部１に記憶された出力データより推論規則の後件
部の実数値を未知数とする方程式を立てて解法する。後
件部記憶部７では、連立方程式解法部６で求められた後
件部の実数値を記憶する。
以下、更に詳細に説明する。ここでは簡単にするために
２人力１出力の場合について説明するが、本発明は多大
力１出力のものに適用可能である。
２人力１出力の場合について説明するが、本発明は多大
力１出力のものに適用可能である。
本発明で用いる推論規則は、次のようなｒｌＦ〜（前件
部）ＴＨＥＮ・・・（後件部）」の形式で表現され、前
件部はファジィ変数を含む推論命題であり、後件部はフ
ァジイ数ではなく通常の実数値である。この推論規則が
、後件部の実数値を未知数としてファジィ推論規則記憶
部３に記憶されている。
部）ＴＨＥＮ・・・（後件部）」の形式で表現され、前
件部はファジィ変数を含む推論命題であり、後件部はフ
ァジイ数ではなく通常の実数値である。この推論規則が
、後件部の実数値を未知数としてファジィ推論規則記憶
部３に記憶されている。
ＩＦ ＸＩ Ｉｓ ２０ ａｎｄ Ｘ２
Ｉｓ ＰＨＴＨＥＮ ｕ Ｉｓ ｆ。
Ｉｓ ＰＨＴＨＥＮ ｕ Ｉｓ ｆ。
ここで、２０．ＰＭはそれぞれだいたいゼロ、正に中位
というファジイ数を表すラベルであり、ファジィ変数で
ある。本実施例では、ＮＢ（負に大きい）。
というファジイ数を表すラベルであり、ファジィ変数で
ある。本実施例では、ＮＢ（負に大きい）。
ＮＭ（負に中位）、ＮＳ（負に小さい）、２０（だいた
いゼロ）、ＰＳ（正に小さい）、ＰＭ（正に中位）。
いゼロ）、ＰＳ（正に小さい）、ＰＭ（正に中位）。
ＰＢ（正に大きい）の７つのファジィ変数を用い、各フ
ァジィ変数は第２図に示すような三角型のメンバシップ
関数であり、ファジィ変数記憶部２に記憶されている。
ァジィ変数は第２図に示すような三角型のメンバシップ
関数であり、ファジィ変数記憶部２に記憶されている。
２人力の場合、各入力に対し、それぞれ７つのファジィ
変数が存在するため、規則数としては４９個となる。こ
の４９個の推論規則が、希望の入出力関係となるように
推論規則の未知な後件部実数値ｆを決定することが、本
実施例の目的である。
変数が存在するため、規則数としては４９個となる。こ
の４９個の推論規則が、希望の入出力関係となるように
推論規則の未知な後件部実数値ｆを決定することが、本
実施例の目的である。
ここで、入出力データ記憶部１に記憶された入出力デー
タの中で、次に示す４つの推論規則Ｒ１、Ｒ２、Ｒ３，
Ｒ４に関与する４つの入出力データ Ｄ ＋ 、Ｄ ２
ｒ Ｄ ３＋ Ｄ ４が存在したとする。ただし、ＤＩ
の要素を（Ｘ＋’ 、Ｘ２’ 、Ｙ’）と表し、ＸＩ’
＋Ｘ２’は入力データ、Ｙは出力データとする。
タの中で、次に示す４つの推論規則Ｒ１、Ｒ２、Ｒ３，
Ｒ４に関与する４つの入出力データ Ｄ ＋ 、Ｄ ２
ｒ Ｄ ３＋ Ｄ ４が存在したとする。ただし、ＤＩ
の要素を（Ｘ＋’ 、Ｘ２’ 、Ｙ’）と表し、ＸＩ’
＋Ｘ２’は入力データ、Ｙは出力データとする。
Ｒ１：ＩＦ ＸＩ Ｉｓ ２０ ａｎｄ Ｘ２ Ｉｓ
ＰＨＴＨＥＮ ｕ Ｉｓ ｆｌ。
ＰＨＴＨＥＮ ｕ Ｉｓ ｆｌ。
Ｒ２：ＩＦ ＸＩ Ｉｓ ２０ ａｎｄ Ｘ２ Ｉｓ
ＰＳ ＴＨＥＮ ｕ Ｉｓ ｆ２゜Ｒ３：ＩＦ ＸＩ
Ｉｓ ＮＳ ａｎｄ Ｘ２ Ｉｓ ＰＨＴＨＥＮ ｕ
Ｉｓ ｆ３゜Ｒ４：ＩＦ ＸＩ Ｉｓ ＮＳ ａｎｄ
Ｘ２ Ｉｓ ＰＳ ＴＨＥＮ ｕ Ｉｓ ｆＪ。
ＰＳ ＴＨＥＮ ｕ Ｉｓ ｆ２゜Ｒ３：ＩＦ ＸＩ
Ｉｓ ＮＳ ａｎｄ Ｘ２ Ｉｓ ＰＨＴＨＥＮ ｕ
Ｉｓ ｆ３゜Ｒ４：ＩＦ ＸＩ Ｉｓ ＮＳ ａｎｄ
Ｘ２ Ｉｓ ＰＳ ＴＨＥＮ ｕ Ｉｓ ｆＪ。
ただし、ＸＩ 、Ｘ２は入力変数、Ｕは出力変数、ｆＪ
（ｊ＝１．２，３．４）は未知数である。
（ｊ＝１．２，３．４）は未知数である。
いま、入出力データＤ１の入力データＸＩ ’ ＋Ｘ２
に対する規則Ｒｊの前件部の適合度合μ、１は、適合度
合演算部５で次のようにして求められる。ここでμｍ（
Ｘ＋’）、μｍ２（Ｘ２’）は前件命題のファジイ数に
対する入力データ ＸＩ ’ ＋Ｘ２’のメンバシップ
値を表す。
に対する規則Ｒｊの前件部の適合度合μ、１は、適合度
合演算部５で次のようにして求められる。ここでμｍ（
Ｘ＋’）、μｍ２（Ｘ２’）は前件命題のファジイ数に
対する入力データ ＸＩ ’ ＋Ｘ２’のメンバシップ
値を表す。
μｆｉ’＝μｕ（Ｌ’）Ａμｊ２（Ｘ２’）ただし、Ａ
はｍｉｎ演算 これより総合推論結果ｕｌ°は、重み付き重心を採用す
ると、 このｕｌｏが入出力データＤ、の出力データＹ１に等し
くなればよい。したがって、次式が成り立つ。
はｍｉｎ演算 これより総合推論結果ｕｌ°は、重み付き重心を採用す
ると、 このｕｌｏが入出力データＤ、の出力データＹ１に等し
くなればよい。したがって、次式が成り立つ。
ｊ”Ｉ ’ １ｍｌ
上式は４つの入出力データＤＩ、 Ｉ）２＋ Ｄａ
、 Ｄａに対してそれぞれ得られ、その４つの連立方
程式を連立方程式解法部６で解くことによって、未知な
後件部の実数値ｆ ｊ （Ｊ−＝１．２，３．４）を求
め、それを後件部記憶部７に記憶する。
上式は４つの入出力データＤＩ、 Ｉ）２＋ Ｄａ
、 Ｄａに対してそれぞれ得られ、その４つの連立方
程式を連立方程式解法部６で解くことによって、未知な
後件部の実数値ｆ ｊ （Ｊ−＝１．２，３．４）を求
め、それを後件部記憶部７に記憶する。
以上は４つの規則に関与する４つの入出力データが存在
する場合について説明したが、ある規則に関与する入出
力データの数と規則数が等しい場合は、本発明の方法に
よって後件部の実数値を決定することができる。
する場合について説明したが、ある規則に関与する入出
力データの数と規則数が等しい場合は、本発明の方法に
よって後件部の実数値を決定することができる。
このようにして、４９個全ての規則の後件部実数値が求
まるまで、決定すべき規則の数に等しいその規則に関与
する入出力データを用いて連立方程式を解いていく。こ
のとき、複数の連立方程式から同一規則の後件部実数値
が複数個求まった場合は、その平均をとる。
まるまで、決定すべき規則の数に等しいその規則に関与
する入出力データを用いて連立方程式を解いていく。こ
のとき、複数の連立方程式から同一規則の後件部実数値
が複数個求まった場合は、その平均をとる。
なお、本実施例ではメンバシップ関数は第２図に示すよ
うな三角型を用いたが、この限りではなく、釣鐘型等の
他のものであってもよい。また、ファジィ変数の数は幾
つであってもよい。更に、本実施例では複数の推論結果
から総合推論結果を重み付き重心で求めたが、他の方法
でも良い。
うな三角型を用いたが、この限りではなく、釣鐘型等の
他のものであってもよい。また、ファジィ変数の数は幾
つであってもよい。更に、本実施例では複数の推論結果
から総合推論結果を重み付き重心で求めたが、他の方法
でも良い。
次に、第２の発明の一実施例について説明する。
第３図は、第２の発明のファジィチューニング装置の構
成図である。ここで第１図と同一のものについては同一
番号を付け、説明は省略する。第３図において、８は最
小２乗法解法部であり、適合度合演算部５で求めた前件
部の適合度合と、入出力データ記憶部１に記憶された出
力データより、推論規則の未知な後件部の実数値を最小
２乗法で求める。
成図である。ここで第１図と同一のものについては同一
番号を付け、説明は省略する。第３図において、８は最
小２乗法解法部であり、適合度合演算部５で求めた前件
部の適合度合と、入出力データ記憶部１に記憶された出
力データより、推論規則の未知な後件部の実数値を最小
２乗法で求める。
本発明は、ある規則に関与する入出力データの数が規則
数よりも多い場合に対して、後件部の実数値を決定する
ものである。
数よりも多い場合に対して、後件部の実数値を決定する
ものである。
第１の発明の実施例と同様に、本発明の実施例も２人力
１出力の場合について説明するが、多入力１出力に適用
可能である。また、ファジィ変数、メンバシップ関数と
も第１の発明の実施例と同一のものを用いて説明する。
１出力の場合について説明するが、多入力１出力に適用
可能である。また、ファジィ変数、メンバシップ関数と
も第１の発明の実施例と同一のものを用いて説明する。
したがって、規則数は４９個であり、この４９個の規則
の後件部実数値を決定することが本実施例の目的である
。
の後件部実数値を決定することが本実施例の目的である
。
ここで、４９個の全ての規則について考え、この４９個
の規則に関与する入出力データはｍ個（ｍ＞４９）存在
するものとする。第１の発明の実施例と同様に、Ｈ，Ｘ
２を入力変数、Ｕを出力変数とすると、入力データＸｌ
’＋Ｘ２’の規則ＲＪの前件部の適合度合μｊ１は、適
合度合演算部５で次のようにして求められる。
の規則に関与する入出力データはｍ個（ｍ＞４９）存在
するものとする。第１の発明の実施例と同様に、Ｈ，Ｘ
２を入力変数、Ｕを出力変数とすると、入力データＸｌ
’＋Ｘ２’の規則ＲＪの前件部の適合度合μｊ１は、適
合度合演算部５で次のようにして求められる。
μｆｉ’＝μＨ（Ｌ’）ＡμＪ２（Ｘ２’）これより総
合推論結果ｕ１°は、例えば重み付き重心を採用すると
、 このｕ＋”が入出力データＤ、の出力データＹ１に等し
くなればよい。したがって、次式が成り立つ。
合推論結果ｕ１°は、例えば重み付き重心を採用すると
、 このｕ＋”が入出力データＤ、の出力データＹ１に等し
くなればよい。したがって、次式が成り立つ。
ｊ璽Ｉ Ｉ’ｌｌ上
式はｍ個の入出力データに対して成立し、ｍ個の方程式
が得られる。ここで、未知数ｆｊ（Ｊ：１，２・・・・
、４９）を最小２乗法解法部８で最小２乗法によって求
める。つまり、次式を最小にするようにｆＪを決定する
。
式はｍ個の入出力データに対して成立し、ｍ個の方程式
が得られる。ここで、未知数ｆｊ（Ｊ：１，２・・・・
、４９）を最小２乗法解法部８で最小２乗法によって求
める。つまり、次式を最小にするようにｆＪを決定する
。
以上のようにして、全ての規則に関与する入出力データ
の数が規則数よりも多い場合に対して、後件部の実数値
を決定し、後件部記憶部７に記憶する。
の数が規則数よりも多い場合に対して、後件部の実数値
を決定し、後件部記憶部７に記憶する。
以上は４９個全ての規則に対して考えたが、これに限定
する必要はなく、いくつであってもよい。
する必要はなく、いくつであってもよい。
例えば、第１の発明の詳細な説明した場合と同様に４つ
の規則について考えると、この４つの規則に関与する入
出力データは５つ以上必要である。
の規則について考えると、この４つの規則に関与する入
出力データは５つ以上必要である。
このように全べての規則より少ない規則の場合、４９個
全ての規則の後件部実数値が求まるまで、決定すべき規
則の数より多いその規則に関与する入出力データを用い
て最小２乗法によって解いていく。このとき、同一規則
の後件部実数値が複数個求まった場合は、その平均をと
る。
全ての規則の後件部実数値が求まるまで、決定すべき規
則の数より多いその規則に関与する入出力データを用い
て最小２乗法によって解いていく。このとき、同一規則
の後件部実数値が複数個求まった場合は、その平均をと
る。
発明の詳細
な説明したように、本発明は、入出力データを与えるこ
とによって、後件部の実数値を未知数とした方程式を立
て、連立方程式の解法あるいは最小２乗法で前記未知数
を決定する。これによって、希望の入出力関係を満たす
ファジィコントローラの後件部実数値を自動的に決定す
ることができ、従来のように試行錯誤で調整する場合に
比べ、最適な調整が可能となる。
とによって、後件部の実数値を未知数とした方程式を立
て、連立方程式の解法あるいは最小２乗法で前記未知数
を決定する。これによって、希望の入出力関係を満たす
ファジィコントローラの後件部実数値を自動的に決定す
ることができ、従来のように試行錯誤で調整する場合に
比べ、最適な調整が可能となる。
第１図は第１の発明における一実施例のファジィチュー
ニング装置の構成図、第２図はファジィ変数を示す図、
第３図は第２の発明における一実施例のファジィチュー
ニング装置の構成図、第４図は従来例におけるファジィ
制御装置のブロック図、第５図は非線形制御出力を示す
図である。 １・・・入出力データ記憶部、２・・・ファジィ変数記
憶部、３・・・ファジィ推論規則記憶部、４・・・推論
規則管理部、５・・・適合度合演算部、６・・・連立方
程式％式％ 代理人の氏名 弁理士 粟野重孝 はか１名第 図 宿 図 ？ 第 図
ニング装置の構成図、第２図はファジィ変数を示す図、
第３図は第２の発明における一実施例のファジィチュー
ニング装置の構成図、第４図は従来例におけるファジィ
制御装置のブロック図、第５図は非線形制御出力を示す
図である。 １・・・入出力データ記憶部、２・・・ファジィ変数記
憶部、３・・・ファジィ推論規則記憶部、４・・・推論
規則管理部、５・・・適合度合演算部、６・・・連立方
程式％式％ 代理人の氏名 弁理士 粟野重孝 はか１名第 図 宿 図 ？ 第 図
Claims (2)
- （１） 後件部を実数値としたファジィ推論において、
ｎ個の推論規則に関与するｎ個の入出力データを基に、
ファジィ推論を用いて入出力関係を同定するに際し、前
記入力データに対する前件部の適合度合を求める手段と
、前記入力データに対応した前記出力データを記憶する
手段と、前記適合度合と前記出力データとから後件部の
実数値を未知数としてｎ個の連立方程式を求める手段と
を有し、前記連立方程式の解を後件部の実数値とするこ
とを特徴とするファジィチューニング装置。 - （２） 後件部を実数値としたファジィ推論において、
ｎ個の推論規則に関与するｍ個（ｍ＞ｎ）の入出力デー
タを基に、ファジィ推論を用いて入出力関係を同定する
に際し、前記入力データに対する前件部の適合度合を求
める手段と、前記入力データに対応した前記出力データ
を記憶する手段と、前記適合度合と前記出力データとか
ら未知な後件部の実数値を最小２乗法で求める手段とを
有することを特徴とするファジィチューニング装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63260092A JPH02105901A (ja) | 1988-10-14 | 1988-10-14 | ファジィチューニング装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63260092A JPH02105901A (ja) | 1988-10-14 | 1988-10-14 | ファジィチューニング装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02105901A true JPH02105901A (ja) | 1990-04-18 |
Family
ID=17343186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63260092A Pending JPH02105901A (ja) | 1988-10-14 | 1988-10-14 | ファジィチューニング装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02105901A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5446826A (en) * | 1992-12-15 | 1995-08-29 | Ricoh Company, Ltd. | Membership function tuning system using defuzzy calculation |
-
1988
- 1988-10-14 JP JP63260092A patent/JPH02105901A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5446826A (en) * | 1992-12-15 | 1995-08-29 | Ricoh Company, Ltd. | Membership function tuning system using defuzzy calculation |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Medsker et al. | Recurrent neural networks: design and applications | |
| Park et al. | Fuzzy cognitive maps considering time relationships | |
| Parsopoulos et al. | A first study of fuzzy cognitive maps learning using particle swarm optimization | |
| US6668256B1 (en) | Algorithm for automatic selection of discriminant term combinations for document categorization | |
| Chen et al. | Bidirectional approximate reasoning for rule-based systems using interval-valued fuzzy sets | |
| Chen | Evaluating the rate of aggregative risk in software development using fuzzy set theory | |
| Cody | Mesarovician abstract learning systems | |
| Du et al. | Improved quasi‐uniform stability criterion of fractional‐order neural networks with discrete and distributed delays | |
| Yager | Fuzzy logics and artificial intelligence | |
| Li et al. | Exponential stabilization of inertial quaternion‐valued Cohen‐Grossberg neural networks: Lexicographical order method | |
| Zeigler et al. | Systems theory challenges in the simulation of variable structure and intelligent systems | |
| Leite et al. | Granular approach for evolving system modeling | |
| Jong et al. | Temporal knowledge representation and reasoning techniques using time Petri nets | |
| JPH02105901A (ja) | ファジィチューニング装置 | |
| Aliannezhadi et al. | A new algorithm for solving linear programming problems with bipolar fuzzy relation equation constraints | |
| Chen et al. | Distributed observer-based consensus protocol for descriptor multi-agent systems | |
| Foit | The modelling of manufacturing systems by means of state machines and agents | |
| Li et al. | Competition-based neural networks with robotic applications | |
| Arslan et al. | Robust output-feedback control of strict-feedback systems with unknown nonlinearities | |
| JPH02260036A (ja) | ファジイ推論規則自動生成装置 | |
| Tzouvaras et al. | Knowledge refinement using fuzzy compositional neural networks | |
| Fordyce et al. | Decision simulation (DSIM)-one outcome of combining expert systems and decision support systems | |
| JPH0750402B2 (ja) | ファジィ制御則と線形制御則の混合制御装置 | |
| Rine | Design of fuzzy object-oriented software components data bases | |
| Lin | Decision support in computer integrated manufacturing using fuzzy colored Petri nets with genetic algorithm |