JPH04112302A - ファジィ推論装置 - Google Patents
ファジィ推論装置Info
- Publication number
- JPH04112302A JPH04112302A JP2233546A JP23354690A JPH04112302A JP H04112302 A JPH04112302 A JP H04112302A JP 2233546 A JP2233546 A JP 2233546A JP 23354690 A JP23354690 A JP 23354690A JP H04112302 A JPH04112302 A JP H04112302A
- Authority
- JP
- Japan
- Prior art keywords
- inference
- membership function
- calculation unit
- fuzzy inference
- calculation
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/023—Learning or tuning the parameters of a fuzzy system
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S706/00—Data processing: artificial intelligence
- Y10S706/90—Fuzzy logic
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (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（よ ファジィ推論装置のチューニング技術に関
し 希望の仕様を満たすファジィ推論装置の推論規則を
自動生成するものである。
し 希望の仕様を満たすファジィ推論装置の推論規則を
自動生成するものである。
従来の技術
ファジィ推論は 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
識を推論規則を用いて計算機で実行しようとするもので
あム 従来のファジィ推論（よ 第１５図に示すようζ二制御
観測値入力部１０１から得られる入力情報 例えば制御
偏差ｅ及び、その変化率△ｅと、制御操作量出力部１０
３から出力する操作量Ｕの間の関係を１ｆ〜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１０４に複数個用意する。
な制御対象において、人間が従来の経験から得ている知
識を推論規則を用いて計算機で実行しようとするもので
あム 従来のファジィ推論（よ 第１５図に示すようζ二制御
観測値入力部１０１から得られる入力情報 例えば制御
偏差ｅ及び、その変化率△ｅと、制御操作量出力部１０
３から出力する操作量Ｕの間の関係を１ｆ〜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１０４に複数個用意する。
ＩＦ ｅ ｉｓ Ｚｅｒｏ（ＺＯ）ａｎｄ△ｅ
ｉｓ Ｐｏ５ｉｔｉｖｅ Ｓｍａｌｌ（ＰＳ）Ｔｈｅ
ｎ ｕ ｉｓ Ｎｅｇａｔｉｖｅ Ｓｍａｌｌ（ＮＳ
）。
ｉｓ Ｐｏ５ｉｔｉｖｅ Ｓｍａｌｌ（ＰＳ）Ｔｈｅ
ｎ ｕ ｉｓ Ｎｅｇａｔｉｖｅ Ｓｍａｌｌ（ＮＳ
）。
ここでｉｆ〜の部分を前件ｉ ｔｈｅｎ・・・の部分
を後件部と呼Ｊ％ Ｚｅｒｏ、Ｐｏ５ｉｔｉｖｅ Ｓ
ｍａｌｌ及びＮｅｇａｔｉｖｅ Ｓｍａｌｌなどは推論
規則の記述に用いる入力や出力のメンバーシップ関数を
表すラベルであも メンバーシップ関数はメンバーシッ
プ関数記憶部１０５に格納されていも 第１６図にメンバーシップ関数の一例を示す。
を後件部と呼Ｊ％ Ｚｅｒｏ、Ｐｏ５ｉｔｉｖｅ Ｓ
ｍａｌｌ及びＮｅｇａｔｉｖｅ Ｓｍａｌｌなどは推論
規則の記述に用いる入力や出力のメンバーシップ関数を
表すラベルであも メンバーシップ関数はメンバーシッ
プ関数記憶部１０５に格納されていも 第１６図にメンバーシップ関数の一例を示す。
メンバーシップ関数は対称な三角形としていもよく用い
られるメンバーシップ関数として、ＮＢ（負に大きい）
、ＮＳ（負に小さい）、ｚＯ（だいたいゼロ）、ｐｓ（
正に小さい）、ＰＢ（正に大きい）等がある。
られるメンバーシップ関数として、ＮＢ（負に大きい）
、ＮＳ（負に小さい）、ｚＯ（だいたいゼロ）、ｐｓ（
正に小さい）、ＰＢ（正に大きい）等がある。
次にファジィ推論演算部１０２で行われるファジィ推論
過程を説明する。今、以下のようなｎ個の推論規則がフ
ァジィ推論規則記憶部１０４に格納されているとする。
過程を説明する。今、以下のようなｎ個の推論規則がフ
ァジィ推論規則記憶部１０４に格納されているとする。
Ｒ’ ：ＩＦ ｅ ｉｓ ｚＯａｎｄ △ｅ
ｉｓ ＰＳＴＨＥＮ ｕ ｉｓ ＮＳ Ｒ２：ＩＦ ｅ ｉｓ ＺＯａｎｄ △ｅ ｉ
ｓ ＰＢＴＨＥＮ ｕ ｉｓ ＰＢ △ｅ）は前件命題のメンバーシップ関数ＺＱ、 ＰＭ
に対する入力情報ｅ、△ｅのメンバーシップ値を表す。
ｉｓ ＰＳＴＨＥＮ ｕ ｉｓ ＮＳ Ｒ２：ＩＦ ｅ ｉｓ ＺＯａｎｄ △ｅ ｉ
ｓ ＰＢＴＨＥＮ ｕ ｉｓ ＰＢ △ｅ）は前件命題のメンバーシップ関数ＺＱ、 ＰＭ
に対する入力情報ｅ、△ｅのメンバーシップ値を表す。
いま第１７図制御観測値入力部１０１がらｅｏ、△ｅＯ
が入力されたとすると、規則Ｒ１の適合度μＩ（よμ＋
＝ μｚＯ（ｅｏ）Ａ ｐ ａｓ（△ｅｏ）
（１）たたし Ａはｍｉｎ演算 となる。
が入力されたとすると、規則Ｒ１の適合度μＩ（よμ＋
＝ μｚＯ（ｅｏ）Ａ ｐ ａｓ（△ｅｏ）
（１）たたし Ａはｍｉｎ演算 となる。
そして推論規則Ｒ１の後件部の結論のメンバーシップ関
数ω１は 後件命題のメンバーシップ関数ＮＳのメンバ
ーシップ値μｎ・（Ｕ）を用いて次のように求まａＲ’
：ＩＦ ｅ ｉｓ ＮＢ ａｎｄ △ｅ
ｉｓ ｚｏＴＩ（ＥＮ ｕ ｉｓ ＮＢ ただＬＲ’ （ｉ−１，２，・・・ｎ）は推論規則とす
もここで、入力情報ｅ、△ｅに対する推論規則Ｒ１の前
件部の適合度μｍを求める方法を、 １番目の規則Ｒ１
を例にあげて説明すも ここでμｚｏ（ｅ）、μ■（ω
１−μＩＡμｎ （ｕ） （２）推
論規則Ｒ’は複数個あるので、すべての結論のメンバー
シップ関数を結合したメンパージ・ンブ関数ｊよ ｕｔ＝ωｌＶω２Ｖω３Ｖ ｌ １ ＃ Ｖωｎ
（３）（ただし Ｖはｍａｘ演算を示す。） となる。このメンバーシップ関数ｕＴは制御操作量を示
す結論のメンバーシップ関数である力（実際の制御操作
量ｕｏは実数であるのて メンバーシップ関数ｕＴを実
数値に変換する必要がある。変換手法として、以下に示
す重み付き重心を採用する。
数ω１は 後件命題のメンバーシップ関数ＮＳのメンバ
ーシップ値μｎ・（Ｕ）を用いて次のように求まａＲ’
：ＩＦ ｅ ｉｓ ＮＢ ａｎｄ △ｅ
ｉｓ ｚｏＴＩ（ＥＮ ｕ ｉｓ ＮＢ ただＬＲ’ （ｉ−１，２，・・・ｎ）は推論規則とす
もここで、入力情報ｅ、△ｅに対する推論規則Ｒ１の前
件部の適合度μｍを求める方法を、 １番目の規則Ｒ１
を例にあげて説明すも ここでμｚｏ（ｅ）、μ■（ω
１−μＩＡμｎ （ｕ） （２）推
論規則Ｒ’は複数個あるので、すべての結論のメンバー
シップ関数を結合したメンパージ・ンブ関数ｊよ ｕｔ＝ωｌＶω２Ｖω３Ｖ ｌ １ ＃ Ｖωｎ
（３）（ただし Ｖはｍａｘ演算を示す。） となる。このメンバーシップ関数ｕＴは制御操作量を示
す結論のメンバーシップ関数である力（実際の制御操作
量ｕｏは実数であるのて メンバーシップ関数ｕＴを実
数値に変換する必要がある。変換手法として、以下に示
す重み付き重心を採用する。
制御操作量ｕｏｌ上
ｕｏ＝ （ｊ ｕ・μｔ ｄｕ） ／ （ｊ
μｒ ｄｕ） （４）となり、第１５図の制御操
作量出力部１０３に出力されも 発明が解決しようとする課題 しかしながら上記のような構成で（友 以下のような理
由で推論規則やメンバーシップ関数の最適な構築が困難
でありん ファジィ推論の推論規則やメンバーシップ関数（よ 制
御仕様や希望する入出力関係を満たすように決定されな
ければならな（Ｘｏシかし 推論規則やメンバーシップ
関数を自動的に決定するための手法は確立されておらず
、従来は試行錯誤による実験や専門家へのインタビュー
によりファジィ推論規則の設計をを行ってい九 このた
めファジィ推論は 設計に長い時間が必要であるという
点と、最適な設計か困難であるという課題を持っていち
また 上記のような構成で（よ 推論規則やメンバーシ
ップ関数が固定のた嵌 制御目標値の変化などによる制
御対象の動特性の変化などに追従できないと力＼ ユー
ザの好みや感性などの学習機能が実現できないという課
題を有してい九本発明（よ かかる点に鑑へ 専門家か
ら得られる入出力データやユーザの入力などか収 降下
法を用いて自動的にファジィ推論のチューニング（調整
）を行うものであム これにより、試行錯誤によらずに
希望するファジィ推論規則を自動的に作成するファジィ
推論装置を提供する。
μｒ ｄｕ） （４）となり、第１５図の制御操
作量出力部１０３に出力されも 発明が解決しようとする課題 しかしながら上記のような構成で（友 以下のような理
由で推論規則やメンバーシップ関数の最適な構築が困難
でありん ファジィ推論の推論規則やメンバーシップ関数（よ 制
御仕様や希望する入出力関係を満たすように決定されな
ければならな（Ｘｏシかし 推論規則やメンバーシップ
関数を自動的に決定するための手法は確立されておらず
、従来は試行錯誤による実験や専門家へのインタビュー
によりファジィ推論規則の設計をを行ってい九 このた
めファジィ推論は 設計に長い時間が必要であるという
点と、最適な設計か困難であるという課題を持っていち
また 上記のような構成で（よ 推論規則やメンバーシ
ップ関数が固定のた嵌 制御目標値の変化などによる制
御対象の動特性の変化などに追従できないと力＼ ユー
ザの好みや感性などの学習機能が実現できないという課
題を有してい九本発明（よ かかる点に鑑へ 専門家か
ら得られる入出力データやユーザの入力などか収 降下
法を用いて自動的にファジィ推論のチューニング（調整
）を行うものであム これにより、試行錯誤によらずに
希望するファジィ推論規則を自動的に作成するファジィ
推論装置を提供する。
課題を解決するための手段
制御入力値および制御対象からの観測値からファジィ推
論を行い制御対象への操作量を出力するファジィ推論演
算部と、ファジィ推論に用いる推論規則を記憶している
推論規則記憶部と、推論規則に用いる前件部のメンバー
シップ関数の形状データと後件部の関数を記憶している
メンバーシップ関数記憶部と、あらかじめ与えられた入
出力データとファジィ推論演算部から得られる推論結果
から降下法による演算を行う降下法演算部と、降下法演
算部の出力により前件部のメンバーシップ関数と後件部
の関数の少なくとも一方を変化させるメンバーシップ関
数調整部と、入出力データとファジィ推論演算部から得
られる推論結果から推論誤差を計算し推論誤差が所定の
値より小さいときに降下法演算部とメンバーシップ関数
調整部の動作を停止させる誤差演算部を備えたファジィ
推論装置を構成す４ 作用 上記の構成によれば ファジィ推論のメンバーシップ関
数の自動チューニング（調整）を行うことができも 具
体的に１よ 非線形探索法の一種である降下法を用いて
、専門家から得られる入出力データと推論結果の差であ
る推論誤差やユーザの定めた評価関数を最も小さくする
ようなメンバーシップ関数を自動生成することができる
。
論を行い制御対象への操作量を出力するファジィ推論演
算部と、ファジィ推論に用いる推論規則を記憶している
推論規則記憶部と、推論規則に用いる前件部のメンバー
シップ関数の形状データと後件部の関数を記憶している
メンバーシップ関数記憶部と、あらかじめ与えられた入
出力データとファジィ推論演算部から得られる推論結果
から降下法による演算を行う降下法演算部と、降下法演
算部の出力により前件部のメンバーシップ関数と後件部
の関数の少なくとも一方を変化させるメンバーシップ関
数調整部と、入出力データとファジィ推論演算部から得
られる推論結果から推論誤差を計算し推論誤差が所定の
値より小さいときに降下法演算部とメンバーシップ関数
調整部の動作を停止させる誤差演算部を備えたファジィ
推論装置を構成す４ 作用 上記の構成によれば ファジィ推論のメンバーシップ関
数の自動チューニング（調整）を行うことができも 具
体的に１よ 非線形探索法の一種である降下法を用いて
、専門家から得られる入出力データと推論結果の差であ
る推論誤差やユーザの定めた評価関数を最も小さくする
ようなメンバーシップ関数を自動生成することができる
。
実施例
第１の発明の詳細な説明すも 第１図１よ 第１の発明
のファジィ推論装置の構成図を示すものである。第１図
において、 １はファジィ推論の推論規則を記憶してい
る推論規則記憶部 ２はファジィ推論に用いる前件部の
メンバーシップ関数の形状データと後件部の関数式を記
憶しているメンバーシップ関数記憶訊 ３はファジィ推
論のための推論演算を行うファジィ推論演算訊 ４は制
御対象 ５は専門家から得られる入出力データと推論結
果から降下法による演算を行いチューニングの方向を求
める降下法演算部 ６は降下法演算部５０演算結果に基
づきメンバーシップ関数記憶部６に格納されているパラ
メータを更新するメンバーシップ関数調整餓 ７はファ
ジィ推論の推論結果と入出力データから推論誤差を計算
する誤差演算部であａ 以上のように構成された実施例のファジィ推論装置につ
いて、その動作を説明すも 従来 ファジィ推論規則の構築やメンバーシップ関数の
設計（よ 専門家へのインタビューによる手法や、試行
錯誤による実験によって行われていｋ このためファジ
ィ推論（よ 設計に長い時間が必要であり、最適な設計
が困難であるという課題を持ってい九 本発明は 専門
家から得られる入出力データかぺ 自動的にファジィ推
論のチューニング（調整）を行うものである。具体的に
（友非線形探索法の一種である降下法を用いて、専門家
から得られる入出力データと推論結果の差である推論誤
差を最も小さくするようなメンバーシップ関数を自動抽
出する。
のファジィ推論装置の構成図を示すものである。第１図
において、 １はファジィ推論の推論規則を記憶してい
る推論規則記憶部 ２はファジィ推論に用いる前件部の
メンバーシップ関数の形状データと後件部の関数式を記
憶しているメンバーシップ関数記憶訊 ３はファジィ推
論のための推論演算を行うファジィ推論演算訊 ４は制
御対象 ５は専門家から得られる入出力データと推論結
果から降下法による演算を行いチューニングの方向を求
める降下法演算部 ６は降下法演算部５０演算結果に基
づきメンバーシップ関数記憶部６に格納されているパラ
メータを更新するメンバーシップ関数調整餓 ７はファ
ジィ推論の推論結果と入出力データから推論誤差を計算
する誤差演算部であａ 以上のように構成された実施例のファジィ推論装置につ
いて、その動作を説明すも 従来 ファジィ推論規則の構築やメンバーシップ関数の
設計（よ 専門家へのインタビューによる手法や、試行
錯誤による実験によって行われていｋ このためファジ
ィ推論（よ 設計に長い時間が必要であり、最適な設計
が困難であるという課題を持ってい九 本発明は 専門
家から得られる入出力データかぺ 自動的にファジィ推
論のチューニング（調整）を行うものである。具体的に
（友非線形探索法の一種である降下法を用いて、専門家
から得られる入出力データと推論結果の差である推論誤
差を最も小さくするようなメンバーシップ関数を自動抽
出する。
２入力１出力の制御系を例として、本実施例の詳細な動
作を第２図のフローチャートを用いて説明すも ［ステップａｌ］ まず、ファジィ推論に用いるメンバーシップ関数の初期
設定と入出力データ番号ｐの初期設定を行う。
作を第２図のフローチャートを用いて説明すも ［ステップａｌ］ まず、ファジィ推論に用いるメンバーシップ関数の初期
設定と入出力データ番号ｐの初期設定を行う。
推論規則記憶部１に（よ 以下の推論規則が格納されて
いる。
いる。
Ｒ’：ＩＦ ｘ＋−Ａ＋＋ ＆ Ｘ２＝ＡＩ２ Ｔ
ＨＥＮ ｙ＝ｆ＋（ｘ＋、ｘ２）Ｒ２：ＩＦ Ｘ２＝Ａ
２２ ＆ Ｘ２＝Ａ２２ ＴＨＥＮ ｙ＝ｆ２（ｘ
＋、ｘ２）Ｒ１は推論規則番号 ｎは推論規則数、Ａｌ
ノ（１＝１． 。
ＨＥＮ ｙ＝ｆ＋（ｘ＋、ｘ２）Ｒ２：ＩＦ Ｘ２＝Ａ
２２ ＆ Ｘ２＝Ａ２２ ＴＨＥＮ ｙ＝ｆ２（ｘ
＋、ｘ２）Ｒ１は推論規則番号 ｎは推論規則数、Ａｌ
ノ（１＝１． 。
、、ｎ、 ｊ＝１．２）は前件部のメンバーシップ関
数、ｆｌ（Ｈ、Ｘ２ ）は後件部の線形関数である。
数、ｆｌ（Ｈ、Ｘ２ ）は後件部の線形関数である。
メンバーシップ関数Ａｉｒは第３図のように二等辺三角
形型とし その中心値をａｌ、幅をｂＩ」とすも後件部
の線形関数（よ ｆｌ（ｘ＋、ｘ＊）−ｐ１ｊｘ＋＋ｑ１・ｘａ＋ｒ＋
（５）（ｉ＝１． 、、 、 、 ｎ） とすも チューニングの対象となるパラメータ（よ ａｌｌ、ｂ
ｌ）、釦、ｑｌ、ｒｌである。これらをチューニングパ
ラメータと呼び、メンバーシップ関数記憶部２に推論規
則類に格納すム な耘 本実施例ではメンバーシップ関数は二等辺三角形
型とした方丈 他の形であっても同様の効果が得られる
。また 後件部は線形関数でなく、非線形関数やメンバ
ーシップ関数であっても構わな賎 前件部のメンバーシップ関数Ａ１」の中心値ａＩＪの初
期値は 入力変数の全体集合を等分割するように設定す
ム 幅ｂｚζよ 各メンバーシップ関数の中心値の間隔
よりも大きくし 各メンバーシップ関数が重なり合うよ
うに設定すａ 後件部の線形関数の係数ｐｌ 、 ｑｌ
、 ｒｌは０に初期化すも また 入出力データ番号
は１に初期化すも ［ステップａ２］ 専門家から得られる入出力データ（Ｘｌ、Ｘ２ｅ、３’
＊’）を取り込む。（Ｘ＋ｓ、Ｘ２ｅ）ζよ ファジィ
推論演算部３に入力さｔｌ、、ｙｅ’は降下法演算部５
と誤差演算部７に入力されも ［ステップａ３］ ファジィ推論演算部３で、（ｘ＋＊、Ｘ２ｐ）を入力と
したファジィ推論を行う。ファジィ推論演算部３では以
下の式で表される演算を行ＬＸ、制御対象４への操作量
ｙｐ°を決定する。
形型とし その中心値をａｌ、幅をｂＩ」とすも後件部
の線形関数（よ ｆｌ（ｘ＋、ｘ＊）−ｐ１ｊｘ＋＋ｑ１・ｘａ＋ｒ＋
（５）（ｉ＝１． 、、 、 、 ｎ） とすも チューニングの対象となるパラメータ（よ ａｌｌ、ｂ
ｌ）、釦、ｑｌ、ｒｌである。これらをチューニングパ
ラメータと呼び、メンバーシップ関数記憶部２に推論規
則類に格納すム な耘 本実施例ではメンバーシップ関数は二等辺三角形
型とした方丈 他の形であっても同様の効果が得られる
。また 後件部は線形関数でなく、非線形関数やメンバ
ーシップ関数であっても構わな賎 前件部のメンバーシップ関数Ａ１」の中心値ａＩＪの初
期値は 入力変数の全体集合を等分割するように設定す
ム 幅ｂｚζよ 各メンバーシップ関数の中心値の間隔
よりも大きくし 各メンバーシップ関数が重なり合うよ
うに設定すａ 後件部の線形関数の係数ｐｌ 、 ｑｌ
、 ｒｌは０に初期化すも また 入出力データ番号
は１に初期化すも ［ステップａ２］ 専門家から得られる入出力データ（Ｘｌ、Ｘ２ｅ、３’
＊’）を取り込む。（Ｘ＋ｓ、Ｘ２ｅ）ζよ ファジィ
推論演算部３に入力さｔｌ、、ｙｅ’は降下法演算部５
と誤差演算部７に入力されも ［ステップａ３］ ファジィ推論演算部３で、（ｘ＋＊、Ｘ２ｐ）を入力と
したファジィ推論を行う。ファジィ推論演算部３では以
下の式で表される演算を行ＬＸ、制御対象４への操作量
ｙｐ°を決定する。
μｍ−Ａ１＋（ｘ＋ｐ）°Ａ１２（ｘ２ｏ）
（６）１μｍ・ｆ ｅ Σμ ただし μｍは推論規則Ｒ１の前件部の適合度である。
（６）１μｍ・ｆ ｅ Σμ ただし μｍは推論規則Ｒ１の前件部の適合度である。
［ステップａ４］
ステップａ４で（よ ステップａ３で得られた推論結果
ｙｐ°とステップａ２で入力されたｙｌかペ チューニ
ングパラメータａ＋ ＪＳｔＨｒ、ｐｌ、ｑＩＳｒ＋の
チューニング方向を計算する。メンバーシップ関数のチ
ューニングの目標として、次式の評価関数を最小化する
ことを考える。
ｙｐ°とステップａ２で入力されたｙｌかペ チューニ
ングパラメータａ＋ ＪＳｔＨｒ、ｐｌ、ｑＩＳｒ＋の
チューニング方向を計算する。メンバーシップ関数のチ
ューニングの目標として、次式の評価関数を最小化する
ことを考える。
Ｅ −（ｙｏ” −、ＶＤ’ ）２（８）この式
は推論結果ｙｐ’と専門家から得られたデータｙ、・の
基 すなわち推論誤差を表している。本発明で１よ 推
論誤差Ｅが最小となるようなメンバーシップ関数を自動
生成する。
は推論結果ｙｐ’と専門家から得られたデータｙ、・の
基 すなわち推論誤差を表している。本発明で１よ 推
論誤差Ｅが最小となるようなメンバーシップ関数を自動
生成する。
推論誤差である評価関数Ｅを最小化するために本実施例
では降下法の中の一手法である最急降下法を用いる。最
急降下法では 評価関数の微分値に基づきチューニング
パラメータを更新する。
では降下法の中の一手法である最急降下法を用いる。最
急降下法では 評価関数の微分値に基づきチューニング
パラメータを更新する。
今、評価関数Ｅのチューニングパラメータｒ１に関する
微分値ａ Ｅｒａ ｒ＋を考え′；６ｏ 第４図（よ
横軸をｒｌとして、評価関数Ｅを図示したものである
。ｒｌ＝ｒＩ′のときの微分値θＥ（ｒ］’）／θｒｌ
（友 第４図に示すようにｒＩ’点における評価関数の
傾きを意味する。
微分値ａ Ｅｒａ ｒ＋を考え′；６ｏ 第４図（よ
横軸をｒｌとして、評価関数Ｅを図示したものである
。ｒｌ＝ｒＩ′のときの微分値θＥ（ｒ］’）／θｒｌ
（友 第４図に示すようにｒＩ’点における評価関数の
傾きを意味する。
第４図（ａ）はθＥ（ｒ１’ ）／ａ ｒｌが正の時、
第４図（ｂ）はθＥ（ｒ１’ ）／θｒｌが負の時であ
ムここて、第４図（ａ）の矢印のように チューニング
パラメータｒ１をθＥ（ｒｌｏ）／θｒ１の符号と反対
方向に微小量たけ動かすと評価関数Ｅは減少すも 同様
にして、第４図（ｂ）のθＥ（ｒ＋ ’ ）／ｃ９ ｒ
ｌが負の時でＬチューニングパラメータをθＥ（ｒｌ’
）／θｒ１の符号と反対方向に微小量調整すると、評価
関数Ｅは減少す４ つまり、チューニングパラメータｒ
１を、微分量θＥ／θｒ１の符号と反対方向に調整する
と、評価関数Ｅは減少し これを繰り返し行うことによ
り評価関数Ｅは極小値に収束すム この性質を用いて各
パラメータのチューニングを行う。
第４図（ｂ）はθＥ（ｒ１’ ）／θｒｌが負の時であ
ムここて、第４図（ａ）の矢印のように チューニング
パラメータｒ１をθＥ（ｒｌｏ）／θｒ１の符号と反対
方向に微小量たけ動かすと評価関数Ｅは減少すも 同様
にして、第４図（ｂ）のθＥ（ｒ＋ ’ ）／ｃ９ ｒ
ｌが負の時でＬチューニングパラメータをθＥ（ｒｌ’
）／θｒ１の符号と反対方向に微小量調整すると、評価
関数Ｅは減少す４ つまり、チューニングパラメータｒ
１を、微分量θＥ／θｒ１の符号と反対方向に調整する
と、評価関数Ｅは減少し これを繰り返し行うことによ
り評価関数Ｅは極小値に収束すム この性質を用いて各
パラメータのチューニングを行う。
ここで、 θＥ／ａｒ１ｊを求め＆ （７）、（８）
式よりθｒｘａｒｘ２ ＝（ｙｅ”−ｙｅ’）・（Σμ＋）−１・μＩ（９）と
なり、 この（９）式により、数値演算を行いθＥ／θ
ｒｌｌの値を求める。
式よりθｒｘａｒｘ２ ＝（ｙｅ”−ｙｅ’）・（Σμ＋）−１・μＩ（９）と
なり、 この（９）式により、数値演算を行いθＥ／θ
ｒｌｌの値を求める。
同様にしてθＥ／ａａ１」、θＥ／θｂ目、θＥ／θｐ
Ｈａ Ｅ／Ｊ ｑｚ、θＥ／θｒｌｌを計算することζ
こより、評価関数を減少させるための調整方向が計算さ
れることになム これらの θＥ／θａｌｌ、θＥ／θ
ｂ；１．θＥ／ａｐｚ、 ａ Ｅ／ａｑ＋＋、 ａ Ｅ
／ａｒｚの計算を降下法演算部５で行う。
Ｈａ Ｅ／Ｊ ｑｚ、θＥ／θｒｌｌを計算することζ
こより、評価関数を減少させるための調整方向が計算さ
れることになム これらの θＥ／θａｌｌ、θＥ／θ
ｂ；１．θＥ／ａｐｚ、 ａ Ｅ／ａｑ＋＋、 ａ Ｅ
／ａｒｚの計算を降下法演算部５で行う。
［ステップａ５］
ステップａ４で計算されたθＥ／＃ ａｎ、 ａ Ｅ
ｒａｂｕ。
ｒａｂｕ。
ＢＥ／θｐ’＋ θＥ／θｑ’＋ θＥ／θｒＩを
用いて、メンノく一シップ関数記憶部２に格納されてい
るチューニングパラメータａｌｌ、ｂｚ、ｐｌ、ｑｌ、
ｌ”ｌを更新するＯ更新（よ 以下の式によって行う。
用いて、メンノく一シップ関数記憶部２に格納されてい
るチューニングパラメータａｌｌ、ｂｚ、ｐｌ、ｑｌ、
ｌ”ｌを更新するＯ更新（よ 以下の式によって行う。
σ Ｄｌｌ
Ｋ−、Ｋｂ、 Ｋｅ、 ｋａ、 Ｋ−は定数であム［ス
テップａ６］ ステップａ６で（よ 入出力データ番号ｐと入出力デー
タの総数Ｎを比較す４ 入出力データ番号ｐが入出力デ
ータの総数Ｎよりも小さいならば ステ・ンブａ７へ進
みｐの値を１増やしてステップａ２へもどり、データ番
号ｐが入出力データの総数Ｎと等しくなるまでステップ
ａ２からステップａ７までを繰り返す。
テップａ６］ ステップａ６で（よ 入出力データ番号ｐと入出力デー
タの総数Ｎを比較す４ 入出力データ番号ｐが入出力デ
ータの総数Ｎよりも小さいならば ステ・ンブａ７へ進
みｐの値を１増やしてステップａ２へもどり、データ番
号ｐが入出力データの総数Ｎと等しくなるまでステップ
ａ２からステップａ７までを繰り返す。
入出力データ番号ｐが入出力データの総数Ｎよりも大き
いなら（瓜 ステップａ８に進む。
いなら（瓜 ステップａ８に進む。
［ステップａ８］
推論誤差りとその変化量△Ｄを計算する。推論誤差りは
誤差演算部７で次式を用いて演算すムＮ、・１ 変化量△Ｄ（よ △Ｄ −Ｄ（ｔ）−Ｄ（ｔ−１） により計算す４ｔはチューニングの回数を表しており、
△Ｄは１回前のチューニング時の推論誤差と現在の推論
誤差との差であ４ ［ステップａ９コ 推論誤差の変化量△Ｄと所定のしきい値Ｔを比較すａ
変化量△Ｄが所定のしきい値Ｔよりも犬きけれ（′Ｌ
ステップａｌｏに進み入出力データ番号ｐを０に初期化
すゑ そして、ステップａ２からステップａ８までを繰
り返す。変化量△Ｄが所定のしきい値Ｔよりも小さけれ
は チューニングは収束したものとし 誤差演算部７は
降下法演算部飄 メンノ＼−シップ関数調整部６の動作
を停止させチューニングを終了する。
誤差演算部７で次式を用いて演算すムＮ、・１ 変化量△Ｄ（よ △Ｄ −Ｄ（ｔ）−Ｄ（ｔ−１） により計算す４ｔはチューニングの回数を表しており、
△Ｄは１回前のチューニング時の推論誤差と現在の推論
誤差との差であ４ ［ステップａ９コ 推論誤差の変化量△Ｄと所定のしきい値Ｔを比較すａ
変化量△Ｄが所定のしきい値Ｔよりも犬きけれ（′Ｌ
ステップａｌｏに進み入出力データ番号ｐを０に初期化
すゑ そして、ステップａ２からステップａ８までを繰
り返す。変化量△Ｄが所定のしきい値Ｔよりも小さけれ
は チューニングは収束したものとし 誤差演算部７は
降下法演算部飄 メンノ＼−シップ関数調整部６の動作
を停止させチューニングを終了する。
チューニング終了時に（よ 推論規則記憶部トメンバー
シップ関数記憶部２に（よ 専門家の知識を取り込んだ
推論規則が構築されていも 以上のように 本実施例によれは 専門家から得られる
入出力データか収 降下法により最適な推論規則を獲得
することが可能であム したがって、獲得された推論規
則を用いることにより専門家の知識やノウハウを機器に
容易に搭載することができも な抵 実施例でＧｉ 降下法演算部５の降下法として
最急降下法を用いた力（ニュートン法 共役勾配Ｌ
Ｐｏｒｅｌｌ法などであっても構わな鶏 また誤差演算
部７ではチューニングの終了判定を推論誤差の値により
行っている力（チューニングの回数をあらかじめチュー
ニング開始前に与えておく手法でも良（− 第２の発明の詳細な説明すも 第５図は 第２の発明の
ファジィ推論装置の構成図を示すものであも 第５図に
おいて、 ｌはファジィ推論規則を記憶している推論規
則記憶部 ３はファジィ推論の推論演算を行うファジィ
推論演算服 ７はファジィ推論結果と入出力データから
推論誤差を計算する誤差演算部で、以上（よ 第１図の
構成と同様なものであム 第１図の構成と異なるの（表
前件部のメンバーシップ関数の形状を表すパラメータ
を格納する前件部パラメータ記憶部８と、後件部の実数
値を格納する後件部実数値記憶部９と、専門家から得ら
れる入出力データと推論結果から降下法により前件部の
メンバーシップ関数のチューニング方向を求める前件部
降下法演算部１０と、前件部降下法演算部１０の演算結
果に基づき前件部のメンバーシップ関数を更新する前件
部パラメータ調整部１１と、専門家から得られる入出力
データと推論結果から降下法による演算により後件部の
実数値のチューニング方向を求める後件部降下法演算部
１２と、後件部降下法演算部１２の演算結果に基づき後
件部の実数値を更新する後件部実数値調整部１３を設け
た点である。
シップ関数記憶部２に（よ 専門家の知識を取り込んだ
推論規則が構築されていも 以上のように 本実施例によれは 専門家から得られる
入出力データか収 降下法により最適な推論規則を獲得
することが可能であム したがって、獲得された推論規
則を用いることにより専門家の知識やノウハウを機器に
容易に搭載することができも な抵 実施例でＧｉ 降下法演算部５の降下法として
最急降下法を用いた力（ニュートン法 共役勾配Ｌ
Ｐｏｒｅｌｌ法などであっても構わな鶏 また誤差演算
部７ではチューニングの終了判定を推論誤差の値により
行っている力（チューニングの回数をあらかじめチュー
ニング開始前に与えておく手法でも良（− 第２の発明の詳細な説明すも 第５図は 第２の発明の
ファジィ推論装置の構成図を示すものであも 第５図に
おいて、 ｌはファジィ推論規則を記憶している推論規
則記憶部 ３はファジィ推論の推論演算を行うファジィ
推論演算服 ７はファジィ推論結果と入出力データから
推論誤差を計算する誤差演算部で、以上（よ 第１図の
構成と同様なものであム 第１図の構成と異なるの（表
前件部のメンバーシップ関数の形状を表すパラメータ
を格納する前件部パラメータ記憶部８と、後件部の実数
値を格納する後件部実数値記憶部９と、専門家から得ら
れる入出力データと推論結果から降下法により前件部の
メンバーシップ関数のチューニング方向を求める前件部
降下法演算部１０と、前件部降下法演算部１０の演算結
果に基づき前件部のメンバーシップ関数を更新する前件
部パラメータ調整部１１と、専門家から得られる入出力
データと推論結果から降下法による演算により後件部の
実数値のチューニング方向を求める後件部降下法演算部
１２と、後件部降下法演算部１２の演算結果に基づき後
件部の実数値を更新する後件部実数値調整部１３を設け
た点である。
以上のように構成された第２の実施例のファジィ推論装
置について、以下その動作を説明する。
置について、以下その動作を説明する。
本発明（よ 専門家から得られる入出力データか仮 自
動的にファジィ推論の前件部のメンバーシップ関数と後
件部の実数値のチューニングを行うものであａ ２入力１出力の制御系を例として、本実施例の詳細な動
作を第６図のフローチャートを用いて説明すも ［ステップｂｌ］ 前件部のメンバーシップ関数と後件部の実数値の初期設
定と入出力データ番号ｐの初期設定を行う。
動的にファジィ推論の前件部のメンバーシップ関数と後
件部の実数値のチューニングを行うものであａ ２入力１出力の制御系を例として、本実施例の詳細な動
作を第６図のフローチャートを用いて説明すも ［ステップｂｌ］ 前件部のメンバーシップ関数と後件部の実数値の初期設
定と入出力データ番号ｐの初期設定を行う。
推論規則記憶部１に（よ 以下の推論規則が格納されて
いも Ｒ’： ＩＦ ｘ＋＝Ａ＋＋ ＆ Ｘ２＝ＡＩ２
ＴＨＥＮ ｙ＝ｗ＋Ｒ２： ＩＦ Ｘ１＝Ａ２１
＆ Ｘ２＝Ａ２２ ＴＨＥＮ ｙ＝ｗ２Ｒ’は推論規
則番ｑｎは推論規則数、Ａ＋バｉ−１，。
いも Ｒ’： ＩＦ ｘ＋＝Ａ＋＋ ＆ Ｘ２＝ＡＩ２
ＴＨＥＮ ｙ＝ｗ＋Ｒ２： ＩＦ Ｘ１＝Ａ２１
＆ Ｘ２＝Ａ２２ ＴＨＥＮ ｙ＝ｗ２Ｒ’は推論規
則番ｑｎは推論規則数、Ａ＋バｉ−１，。
、、ｎ ｊ＝１．２）は前件部のメンバーシップ関数、
ｗｌ（１＝１．、、、ｎ）は後件部の実数値であム前件
部のメンバーシップ関数は第１の実施例と同様で二等辺
三角形型とし その中心値ａｚと幅ｂｊの漬方（前件部
パラメータ記憶部８に推論規則類に格納されている。
ｗｌ（１＝１．、、、ｎ）は後件部の実数値であム前件
部のメンバーシップ関数は第１の実施例と同様で二等辺
三角形型とし その中心値ａｚと幅ｂｊの漬方（前件部
パラメータ記憶部８に推論規則類に格納されている。
前件部のメンバーシップ関数Ａｚの中心値ａｌｌの初期
値は 入力変数の全体集合を等分割するように設定すム
幅ｂｉｊｉ；！、 各メンバーシップ関数の中心値
の間隔よりも大きくし メンバーシップ関数が重なり合
うように設定すム 後件部の実数値ｗ１は後件部実数値記憶部９に推論規則
類に格納されており、その値はＯに初期化してお く。
値は 入力変数の全体集合を等分割するように設定すム
幅ｂｉｊｉ；！、 各メンバーシップ関数の中心値
の間隔よりも大きくし メンバーシップ関数が重なり合
うように設定すム 後件部の実数値ｗ１は後件部実数値記憶部９に推論規則
類に格納されており、その値はＯに初期化してお く。
［ステップｂ２］
専門家から得られる人出カテータ（ＸＩ＃、Ｘ２ｓ、ｙ
／）を入力する。
／）を入力する。
［ステップｂ３］
ステップｂ２で入力された（Ｘ＋ｓ、Ｘ２ｏ）をファジ
ィ推論演算部３に入力し ファジィ推論を行う。ファジ
ィ推論演算部３では以下の式で表される演算を行しく制
御対象への操作量ｙｐ”を決定する。
ィ推論演算部３に入力し ファジィ推論を行う。ファジ
ィ推論演算部３では以下の式で表される演算を行しく制
御対象への操作量ｙｐ”を決定する。
μ＋ ＝ Ａｚ（ｘ＋ｐ）・Ａ１２（ｘ２ｅ）
（１７）８μｍ・Ｗ ただし μｍは推論規則Ｒ１の前件部の適合度であム［
ステップｂ４］ ステップｂ３で得られた推論結果ｙｅ−とステップｂ２
で入力されたｙ Ｄｒか社 後件部降下法演算部１２で
後件部の実数値Ｗ１のチューニング方向θＥ／θｗ１を
第１の実施例と同様に最急降下法で求める。Ｅは（８）
式の評価関数であ４ この計算法（主 第１の実施例と
同様である。
（１７）８μｍ・Ｗ ただし μｍは推論規則Ｒ１の前件部の適合度であム［
ステップｂ４］ ステップｂ３で得られた推論結果ｙｅ−とステップｂ２
で入力されたｙ Ｄｒか社 後件部降下法演算部１２で
後件部の実数値Ｗ１のチューニング方向θＥ／θｗ１を
第１の実施例と同様に最急降下法で求める。Ｅは（８）
式の評価関数であ４ この計算法（主 第１の実施例と
同様である。
［ステップｂ５コ
ステップｂ５で（よ ステップｂ４で計算された８８７
８ｗ１を用いて、後件部実数値記憶部９に格納されてい
るチューニングパラメータＷ＋を後件部実数値調整部１
３により更新すム 更新（飄 以下の式にしたがって行う。
８ｗ１を用いて、後件部実数値記憶部９に格納されてい
るチューニングパラメータＷ＋を後件部実数値調整部１
３により更新すム 更新（飄 以下の式にしたがって行う。
［ステップｂ７］
ステップｂ６で得られた推論結果’ｆｅ″七ステップｂ
２で入力されたｙ／が収 前件部降下法演算部１ｏで前
件部のメンバーシップ関数の形状を決定するパラメータ
のチューニング方向（θＥ／θａ＋１．θＥ／θｂａＪ
）を計算すも ［ステップｂ８］ 前件部降下法演算部１ｏによりステップｂ７で計算され
た（ｃｌ ＥＢＢ ａｚ、 ａ Ｅ／ｆｌ ｂａＪ）を
用イテ、前件部パラメータ記憶部８に格納されているチ
ューニングパラメータａ＋ ｊ、 ｂ＋ 」を更新す
ム 更新（よ 以下の式にしたがって行う。
２で入力されたｙ／が収 前件部降下法演算部１ｏで前
件部のメンバーシップ関数の形状を決定するパラメータ
のチューニング方向（θＥ／θａ＋１．θＥ／θｂａＪ
）を計算すも ［ステップｂ８］ 前件部降下法演算部１ｏによりステップｂ７で計算され
た（ｃｌ ＥＢＢ ａｚ、 ａ Ｅ／ｆｌ ｂａＪ）を
用イテ、前件部パラメータ記憶部８に格納されているチ
ューニングパラメータａ＋ ｊ、 ｂ＋ 」を更新す
ム 更新（よ 以下の式にしたがって行う。
Ｋ、は定数であム
［ステップｂ６］
ステップｂ３と同様な手順で再度ファジィ推論を行う。
θａ＋１
（ｉ−１，、、、ｎ ｊ＝１．２）
「ステップｂ９］
入出力データ番号ｐと入出力データの総数Ｎを比較する
。入出力データ番号ｐが入出力データの総数Ｎよりも小
さいならば ステップφ１０へいきｐの値を１増やして
ステップｂ２へもどり、データ番号ｐが入出力データの
総数Ｎと等しくなるまでステップｂ２からステップｂ８
までを繰り返す。入出力データ番号ｐが入出力データの
総数Ｎよりも大きいなら（瓜 ステップｂ１１に進む。
。入出力データ番号ｐが入出力データの総数Ｎよりも小
さいならば ステップφ１０へいきｐの値を１増やして
ステップｂ２へもどり、データ番号ｐが入出力データの
総数Ｎと等しくなるまでステップｂ２からステップｂ８
までを繰り返す。入出力データ番号ｐが入出力データの
総数Ｎよりも大きいなら（瓜 ステップｂ１１に進む。
［ステップｂ１１］
誤差演算部７により推論誤差りとその変化量△Ｄを計算
すム 推論誤差りとその変化量△Ｄは第１の実施例と同
様に（１５）、 （１６）式を用いて演算す４〔ステッ
プｂ１２］ 推論誤差の変化量△Ｄと所定のしきい値Ｔを比較すム
変化量△Ｄが所定のしきい値Ｔよりも大きけれは ステ
ップｂ１３に進み入出力データ番号ｐを０に初期化すべ
そして、ステップｂ２からステップｂｌｌまでを繰り
返す。変化量△Ｄが所定のしきい値Ｔよりも小さければ
チューニングは収束したちのとしチューニングを終了
すム チューニング終了時に（よ 推論規則記憶部トメンバー
シップ関数記憶部２には専門家の知識を取り込んだ推論
規則か構築されていも 以上のように 本実施例によれは 専門家から得られる
入出力データかぺ 降下法により最適な推論規則を獲得
することか可能である。また 推論ルールの後件部が実
数値であるためチューニングパラメータの数が少なく、
第１の実施例に比べて、より高速な自動チューニングが
可能であムこれらのことより、本発明を用いることによ
り専門家の知識やノウハウを容易に推論規則として機器
に搭載することができ本 な耘 第２の実施例で（上
前件部のメンバーシップ関数の形状を三角形型とした力
（他の形でも良（℃ また 前件部降下法演算部１０・
後件部降下法演算部１２で用いた降下法は最急降下法で
ある方丈 ニュートン浪 共役勾配汰Ｐｏｗｅｌｌ法な
どであっても構わな（ｔ まｔニ本実施例で（友 前件
部のメンバーシップ関数と後件部の実数値を同時にチュ
ーニングした方丈 どちらか一方でも構わな（も 第３の発明の詳細な説明すも 第７図１よ 第３の発明
のファジィ推論装置の構成図を示すものであム 第７図
において、 １はファジィ推論規則を記憶している推論
規則記憶訊 ２はメンバーシップ関数やチューニングパ
ラメータを格納しているメンバーシップ関数記憶巳 ３
はファジィ推論の推論演算を行うファジィ推論演算訊
４は制御対電 ５は降下法による演算によりチューニン
グの方向を求める降下法演算区 ６は降下法演算部５の
演算結果に基づきメンバーシップ関数を更新するメンバ
ーシップ関数調整部であム 以上ζよ 第１図の構成と
同様なものであも 第１図の構成と異なるの鳳 入力と
観測値の差から制御対象４の操作量を出力するコントロ
ーラ２０と、入力変数を微分する微分演算部２１と、コ
ントローラ２０の出力とファジィ推論規則演算部３の出
力を加算する操作量加算部２２を設けた点であム 前記のように構成された第３の実施例のファジィ推論装
置について、以下その動作を説明すも従来 例えば多間
接マニピュレータのような非線形性や干渉などが無視で
きない制御対象で（よ通常のフィードバック制御だけで
目標値の変化に追従させることが困難であった このよ
うな課題を解決するためへ フィードフォーワード制御
が提案されていも しかし フィードフォーワードを用
いた制御系を設計するに（上 制御対象の逆ダイナミク
スモデルやその逆グイナミクスモデルを構成するパラメ
ータが完全に既知であることが必要であり、設計は難し
かっ九 本発明（よ 制御対象の逆ダイナミクスモデルをファジ
ィ推論規則の形式で自動的に獲得し 最適なフィードフ
ォワード制御を行うものであム以下、本実施例について
、 １入力１出力の制御系を例として、詳細に説明すも コントローラ２０（ヨ 本実施例では比例演算のみと
すム いま、目標値をｒ（ｔ）、制御対象からの観測値
をｈ（ｔ）とするとコントローラ２０では 次式のよう
な演算を行う。
すム 推論誤差りとその変化量△Ｄは第１の実施例と同
様に（１５）、 （１６）式を用いて演算す４〔ステッ
プｂ１２］ 推論誤差の変化量△Ｄと所定のしきい値Ｔを比較すム
変化量△Ｄが所定のしきい値Ｔよりも大きけれは ステ
ップｂ１３に進み入出力データ番号ｐを０に初期化すべ
そして、ステップｂ２からステップｂｌｌまでを繰り
返す。変化量△Ｄが所定のしきい値Ｔよりも小さければ
チューニングは収束したちのとしチューニングを終了
すム チューニング終了時に（よ 推論規則記憶部トメンバー
シップ関数記憶部２には専門家の知識を取り込んだ推論
規則か構築されていも 以上のように 本実施例によれは 専門家から得られる
入出力データかぺ 降下法により最適な推論規則を獲得
することか可能である。また 推論ルールの後件部が実
数値であるためチューニングパラメータの数が少なく、
第１の実施例に比べて、より高速な自動チューニングが
可能であムこれらのことより、本発明を用いることによ
り専門家の知識やノウハウを容易に推論規則として機器
に搭載することができ本 な耘 第２の実施例で（上
前件部のメンバーシップ関数の形状を三角形型とした力
（他の形でも良（℃ また 前件部降下法演算部１０・
後件部降下法演算部１２で用いた降下法は最急降下法で
ある方丈 ニュートン浪 共役勾配汰Ｐｏｗｅｌｌ法な
どであっても構わな（ｔ まｔニ本実施例で（友 前件
部のメンバーシップ関数と後件部の実数値を同時にチュ
ーニングした方丈 どちらか一方でも構わな（も 第３の発明の詳細な説明すも 第７図１よ 第３の発明
のファジィ推論装置の構成図を示すものであム 第７図
において、 １はファジィ推論規則を記憶している推論
規則記憶訊 ２はメンバーシップ関数やチューニングパ
ラメータを格納しているメンバーシップ関数記憶巳 ３
はファジィ推論の推論演算を行うファジィ推論演算訊
４は制御対電 ５は降下法による演算によりチューニン
グの方向を求める降下法演算区 ６は降下法演算部５の
演算結果に基づきメンバーシップ関数を更新するメンバ
ーシップ関数調整部であム 以上ζよ 第１図の構成と
同様なものであも 第１図の構成と異なるの鳳 入力と
観測値の差から制御対象４の操作量を出力するコントロ
ーラ２０と、入力変数を微分する微分演算部２１と、コ
ントローラ２０の出力とファジィ推論規則演算部３の出
力を加算する操作量加算部２２を設けた点であム 前記のように構成された第３の実施例のファジィ推論装
置について、以下その動作を説明すも従来 例えば多間
接マニピュレータのような非線形性や干渉などが無視で
きない制御対象で（よ通常のフィードバック制御だけで
目標値の変化に追従させることが困難であった このよ
うな課題を解決するためへ フィードフォーワード制御
が提案されていも しかし フィードフォーワードを用
いた制御系を設計するに（上 制御対象の逆ダイナミク
スモデルやその逆グイナミクスモデルを構成するパラメ
ータが完全に既知であることが必要であり、設計は難し
かっ九 本発明（よ 制御対象の逆ダイナミクスモデルをファジ
ィ推論規則の形式で自動的に獲得し 最適なフィードフ
ォワード制御を行うものであム以下、本実施例について
、 １入力１出力の制御系を例として、詳細に説明すも コントローラ２０（ヨ 本実施例では比例演算のみと
すム いま、目標値をｒ（ｔ）、制御対象からの観測値
をｈ（ｔ）とするとコントローラ２０では 次式のよう
な演算を行う。
ｅ（ｔ） −ｒ（ｔ）
ｈ（ｔ）
ｕ＋（ｔ）＝ Ｋ−ｅ（ｔ）
ｕｌ は制御対象４の操作量、ｔは時１’１ＪＩＫは比
例定数を表す。
例定数を表す。
観測値ｈ（ヨ 制御対象の伝達特性をＧとすると、ｈ
＝ Ｇ（ｕ＋ ＋ ｕａ ）と表せも こ
こで、ｕａはフィードフォワード量である。ｕｌとｕａ
の加算演算は操作量加算部２２で行う。
＝ Ｇ（ｕ＋ ＋ ｕａ ）と表せも こ
こで、ｕａはフィードフォワード量である。ｕｌとｕａ
の加算演算は操作量加算部２２で行う。
第７図の点線で囲まれているフィードフォワード演算を
行う部分の構成は第１の実施例と同様な構成であム し
たがって、点線内の部分（よ ある入出力データが与え
られれば その入出力関係を十分に満たすファジィ推論
規則を生成すも この実施例で（よ 入出力データを次
のように設定す４人出データ： 目標値とその゛微分量 出力データ： 制御対象への操作量（ｕｌ）このように
設定することにより、目標値ｒと微分量ｄｒ／ｄｔが入
力の時に 操作量ｕ１を出力する推論規則が得られるこ
とになも この関係は操作量ｕ１を入力すると観測量を
出力する制御対象と逆であり、生成される推論規則は制
御対象の逆ダイナミクスモデルとなってい４ 入力デー
タが目標値とその微分量、出力データが制御対象への操
作量であム入力データのひとつである目標値ｒの微分量
ｄｒ／ｄｔは微分演算部２１により得られも 点線内の構成で第１の実施例と異なる点は誤差演算部が
ない点である。第１の実施例で（飄 誤差演算部は推論
誤差の変化量を計算し その値からチューニングの終了
を判定していた 本発明（よ制御対象の変化に常時追従
させる適応型の制御であり、常時チューニングが必要と
なるた数 終了判定は必要な（− チューニングのアルゴリズムは第８図の様になム ステ
ップ０１〜ステツプＣ５まで（よ 第２図のステップ８
１〜ステツプａ５までと同じであ４ 異なるの（よ 第
２図のステップａ６以降のデータ個数による分岐やチュ
ーニングの終了判定がないことである。本実施例で（よ
ステップＣ１からステップＣ５を繰り返し実行する。
行う部分の構成は第１の実施例と同様な構成であム し
たがって、点線内の部分（よ ある入出力データが与え
られれば その入出力関係を十分に満たすファジィ推論
規則を生成すも この実施例で（よ 入出力データを次
のように設定す４人出データ： 目標値とその゛微分量 出力データ： 制御対象への操作量（ｕｌ）このように
設定することにより、目標値ｒと微分量ｄｒ／ｄｔが入
力の時に 操作量ｕ１を出力する推論規則が得られるこ
とになも この関係は操作量ｕ１を入力すると観測量を
出力する制御対象と逆であり、生成される推論規則は制
御対象の逆ダイナミクスモデルとなってい４ 入力デー
タが目標値とその微分量、出力データが制御対象への操
作量であム入力データのひとつである目標値ｒの微分量
ｄｒ／ｄｔは微分演算部２１により得られも 点線内の構成で第１の実施例と異なる点は誤差演算部が
ない点である。第１の実施例で（飄 誤差演算部は推論
誤差の変化量を計算し その値からチューニングの終了
を判定していた 本発明（よ制御対象の変化に常時追従
させる適応型の制御であり、常時チューニングが必要と
なるた数 終了判定は必要な（− チューニングのアルゴリズムは第８図の様になム ステ
ップ０１〜ステツプＣ５まで（よ 第２図のステップ８
１〜ステツプａ５までと同じであ４ 異なるの（よ 第
２図のステップａ６以降のデータ個数による分岐やチュ
ーニングの終了判定がないことである。本実施例で（よ
ステップＣ１からステップＣ５を繰り返し実行する。
このように 入出力データを適切に選ぶことで、制御対
象の逆グイナミクスが自動獲得される。
象の逆グイナミクスが自動獲得される。
チューニング開始時から少しの間は メンバーシップ関
数記憶部２に格納されている前件部のメンバーシップ関
数や後件部の線形関数（よ 最適な値に収束してなく、
初期値に近い値がｕａに出力されも したがって、主に
コントローラ２０による制御となり、目標値の変化によ
る制御対象のダイナミクスの変動に追従できな賎 しか
し 時間が経過して行くに連れて、ファジィ推論のチュ
ーニングが進へ 制御対象の逆ダイナミクスを学習する
と、目標値の変化に対してＬ 十分に追従できるように
なも 以上のように 本実施例によれｉ！ フィードフォワ
ード制御にファジィ推論を用（＼ そのチューニングに
降下法を使うことにより、制御対象が非線形性を持ち干
渉が無視できないような制御困難な場合で耘 目標値の
変化に対して追従が可能であム な耘 第３の実施例で（よ コントローラ２０を比例制
御のみとした力丈ＰＩＤ制御などの他のコントローラで
あってもよい。また 微分演算部２１（表 入力値の
１階微分のみを出力とした方丈 高階の微分値を合わせ
て出力させても良１１． また 自動チュニングを行
う部分の構成を第１の実施例と同様にした方丈 この部
分に第２の実施例の構成を用いてもよ（＼ この場合は
推論規則の後件部が実数値となり、チューニングが高速
になるなどの第２の発明のメリットも実現されも 第４の発明の詳細な説明すも 第９図（友 第４の発明
のファジィ推論装置の構成図を示すものであａ 第９図
において、 １はファジィ推論の推論規則を記憶してい
る推論規則記憶＠２はファジィ推論に用いる前件部のメ
ンバーシップ関数の形状データや後件部の関数式を記憶
しているメンバーシップ関数記憶服 ３はファジィ推論
の演算を行うファジィ推論演算に５は専門家から得られ
る入出力データと推論結果から降下法演算によりチュー
ニングの方向を求める降下法演算臥 ６は降下法演算部
５の演算結果に基づきメンバーシップ関数を更新するメ
ンバーシップ関数調整舐 ７はファジィ推論結果と入出
力データから推論誤差を計算する誤差演算部である。以
上１山 第１図の構成と同様なものであム 第１図の構
成と異なるのは ファジィ推論演算部３によって計算さ
れた推論結果を表示する推論結果表示部３１と、推論結
果に対するユーザの好みを入力するユーザ入力部３２を
設けた点であも 以上のように構成された実施例のファジィ推論装置につ
いて、以下その動作を説明すも個々のユーザの好みや感
性を学習し 使用すればするほどユーザの好みにあった
制御を行う機器を実現しようとすると、ユーザの入力を
学習データとして、制御アルゴリズムを逐次的に変化さ
せなければならなＬ％ 本発明で１上 ユーザの入力
を取り込むことにより、逐次的にファジィ推論規則をチ
ューニングし ユーザの好みゃ感性に合った制御を実現
する。これは リアルタイムにユーザの好みを学習する
適応型のファジィ制御である。
数記憶部２に格納されている前件部のメンバーシップ関
数や後件部の線形関数（よ 最適な値に収束してなく、
初期値に近い値がｕａに出力されも したがって、主に
コントローラ２０による制御となり、目標値の変化によ
る制御対象のダイナミクスの変動に追従できな賎 しか
し 時間が経過して行くに連れて、ファジィ推論のチュ
ーニングが進へ 制御対象の逆ダイナミクスを学習する
と、目標値の変化に対してＬ 十分に追従できるように
なも 以上のように 本実施例によれｉ！ フィードフォワ
ード制御にファジィ推論を用（＼ そのチューニングに
降下法を使うことにより、制御対象が非線形性を持ち干
渉が無視できないような制御困難な場合で耘 目標値の
変化に対して追従が可能であム な耘 第３の実施例で（よ コントローラ２０を比例制
御のみとした力丈ＰＩＤ制御などの他のコントローラで
あってもよい。また 微分演算部２１（表 入力値の
１階微分のみを出力とした方丈 高階の微分値を合わせ
て出力させても良１１． また 自動チュニングを行
う部分の構成を第１の実施例と同様にした方丈 この部
分に第２の実施例の構成を用いてもよ（＼ この場合は
推論規則の後件部が実数値となり、チューニングが高速
になるなどの第２の発明のメリットも実現されも 第４の発明の詳細な説明すも 第９図（友 第４の発明
のファジィ推論装置の構成図を示すものであａ 第９図
において、 １はファジィ推論の推論規則を記憶してい
る推論規則記憶＠２はファジィ推論に用いる前件部のメ
ンバーシップ関数の形状データや後件部の関数式を記憶
しているメンバーシップ関数記憶服 ３はファジィ推論
の演算を行うファジィ推論演算に５は専門家から得られ
る入出力データと推論結果から降下法演算によりチュー
ニングの方向を求める降下法演算臥 ６は降下法演算部
５の演算結果に基づきメンバーシップ関数を更新するメ
ンバーシップ関数調整舐 ７はファジィ推論結果と入出
力データから推論誤差を計算する誤差演算部である。以
上１山 第１図の構成と同様なものであム 第１図の構
成と異なるのは ファジィ推論演算部３によって計算さ
れた推論結果を表示する推論結果表示部３１と、推論結
果に対するユーザの好みを入力するユーザ入力部３２を
設けた点であも 以上のように構成された実施例のファジィ推論装置につ
いて、以下その動作を説明すも個々のユーザの好みや感
性を学習し 使用すればするほどユーザの好みにあった
制御を行う機器を実現しようとすると、ユーザの入力を
学習データとして、制御アルゴリズムを逐次的に変化さ
せなければならなＬ％ 本発明で１上 ユーザの入力
を取り込むことにより、逐次的にファジィ推論規則をチ
ューニングし ユーザの好みゃ感性に合った制御を実現
する。これは リアルタイムにユーザの好みを学習する
適応型のファジィ制御である。
本実施例の動作をより具体的に示すた八 洗濯機の洗濯
時間の推論を例として説明する。
時間の推論を例として説明する。
全自動洗濯機などにおいては 洗濯時間は光センサーに
よる洗濯水の透過率の変化や、その飽和時間から決定さ
れている。洗濯時肌 洗濯水の透過率の変（ＩＬ 洗
濯水の透過率の飽和時間を、それぞｆ５ ｙ、 ｘ
＋、 ｘａとおくと、この関係はファジィ推論規則で
以下のように記述できも Ｒ’：ＩＦ ｘ＋＝Ａ＋＋ ＆ ｘ２＝Ａ＋ｔ Ｔ
ＨＥＮ ｙ−ｆ＋（ｘ＋、ｘａ）Ｒ２：ＩＦ ｘ＋＝Ａ
２＋ ＆ Ｘ２＝Ａ２２ ＴＨＥＮ ｙ−ｆｔ（ｘ
＋、ｘａ）これらの推論規則を、ユーザの感性や好みに
合わせて逐次的に学習させることを考えも 本実施例の
動作を第１０図のフローチャートにより説明す［ステッ
プｄｉ］ 推論規則記憶部ｌ、メンバーシップ関数記憶部２に格納
されているファジィ推論現員ま 前件部のメンバーシッ
プ関数、後件部の実数値の初期設定を行う。洗濯機で（
戴 出荷前に標準的な推論規則を設定しておき、この推
論規則だけでも良好な洗濯時間が得られるようにすム
これ（よ デフオールドの学習なしの状態でも十分に洗
濯できるようにするためであム この初期推論規則の構
築には第１の発明を用いても良いし 従来のように試行
錯誤による実験や専門家へのインタビューによる方法で
も良（〜 ［ステップｄ２コ 洗濯開始時へ 入力データを取り込ａ 洗濯機の光セン
サーが検出する洗濯水の透過率の変化ｘ１も 飽和時間
ｘ２を入力する。
よる洗濯水の透過率の変化や、その飽和時間から決定さ
れている。洗濯時肌 洗濯水の透過率の変（ＩＬ 洗
濯水の透過率の飽和時間を、それぞｆ５ ｙ、 ｘ
＋、 ｘａとおくと、この関係はファジィ推論規則で
以下のように記述できも Ｒ’：ＩＦ ｘ＋＝Ａ＋＋ ＆ ｘ２＝Ａ＋ｔ Ｔ
ＨＥＮ ｙ−ｆ＋（ｘ＋、ｘａ）Ｒ２：ＩＦ ｘ＋＝Ａ
２＋ ＆ Ｘ２＝Ａ２２ ＴＨＥＮ ｙ−ｆｔ（ｘ
＋、ｘａ）これらの推論規則を、ユーザの感性や好みに
合わせて逐次的に学習させることを考えも 本実施例の
動作を第１０図のフローチャートにより説明す［ステッ
プｄｉ］ 推論規則記憶部ｌ、メンバーシップ関数記憶部２に格納
されているファジィ推論現員ま 前件部のメンバーシッ
プ関数、後件部の実数値の初期設定を行う。洗濯機で（
戴 出荷前に標準的な推論規則を設定しておき、この推
論規則だけでも良好な洗濯時間が得られるようにすム
これ（よ デフオールドの学習なしの状態でも十分に洗
濯できるようにするためであム この初期推論規則の構
築には第１の発明を用いても良いし 従来のように試行
錯誤による実験や専門家へのインタビューによる方法で
も良（〜 ［ステップｄ２コ 洗濯開始時へ 入力データを取り込ａ 洗濯機の光セン
サーが検出する洗濯水の透過率の変化ｘ１も 飽和時間
ｘ２を入力する。
［ステップｄ３コ
洗濯水の透過率の変化Ｘ１、飽和時間ｘ２よりファジィ
推論を行（＼ 推論結果である洗濯時間ｙ゛を得る。フ
ァジィ推論の動作手順は第１の実施例のステップａ３と
同じであも ［ステップｃ１４］ 推論結果である洗濯時間ｙ°を推論結果表示部３１でユ
ーザに表示すも ユーザ（よ その推論結果である洗濯
時間ｙ°に対して、自分の好みにより修正量をユーザ入
力部３２から入力す４ 例えば かなり汚れた衣服を洗
濯する場合に ファジィ推論により洗濯時間が１０分と
表示されたすム その時、ユーザがその値よりも長い時
間洗濯した方ががいいと考えたとすると、ユーザはその
数値をユーザ入力部３２で変更し より長い洗濯時間に
設定すもユーザ入力部３２はこの修正量ｙ°を出力すも
ユーザ力丈 表示された推論結果に対して変更を加え
なければ 修正量はＯであム ［ステップｄ５］ ユーザ入力部３２からの出力である修正量ｙ°が０かど
うかを確かめも 修正量ｙ′が０であれば その推論結
果を導いたファジィ推論規則はユーザの好みを表してい
ると考え 推論規則のチューニングを行わずに［ステッ
プｄ２］へ進へ 次の洗濯開始時のセンサー入力を待つ
。修正量が０でなかったベステップｄ６へすすａ Ｕステップｃ１６． ｃ１７］ 推論結果ｙ°に修正量ｙ°を加えｙ′とする。このｙ′
と入力データＸＩ、Ｘ２を１個の入出力データとし 降
下法によるメンバーシップ関数のチューニングを行う。
推論を行（＼ 推論結果である洗濯時間ｙ゛を得る。フ
ァジィ推論の動作手順は第１の実施例のステップａ３と
同じであも ［ステップｃ１４］ 推論結果である洗濯時間ｙ°を推論結果表示部３１でユ
ーザに表示すも ユーザ（よ その推論結果である洗濯
時間ｙ°に対して、自分の好みにより修正量をユーザ入
力部３２から入力す４ 例えば かなり汚れた衣服を洗
濯する場合に ファジィ推論により洗濯時間が１０分と
表示されたすム その時、ユーザがその値よりも長い時
間洗濯した方ががいいと考えたとすると、ユーザはその
数値をユーザ入力部３２で変更し より長い洗濯時間に
設定すもユーザ入力部３２はこの修正量ｙ°を出力すも
ユーザ力丈 表示された推論結果に対して変更を加え
なければ 修正量はＯであム ［ステップｄ５］ ユーザ入力部３２からの出力である修正量ｙ°が０かど
うかを確かめも 修正量ｙ′が０であれば その推論結
果を導いたファジィ推論規則はユーザの好みを表してい
ると考え 推論規則のチューニングを行わずに［ステッ
プｄ２］へ進へ 次の洗濯開始時のセンサー入力を待つ
。修正量が０でなかったベステップｄ６へすすａ Ｕステップｃ１６． ｃ１７］ 推論結果ｙ°に修正量ｙ°を加えｙ′とする。このｙ′
と入力データＸＩ、Ｘ２を１個の入出力データとし 降
下法によるメンバーシップ関数のチューニングを行う。
このチューニングの演算は第１の実施例のステップａ４
． ａ５と同じである。メンバーシップ関数の更新が終
ったらステップｄ２に戻り、次回の洗濯開始時のセンサ
ー入力を待ち 以上のようへ 本実施例によれ＋ｉ ファジィ推論の
結果を推論結果表示部３１によりユーザに表示し それ
に対するユーザの好みをユーザ入力部３２から入力させ
ることにより、降下法を用いてファジィ推論のメンバー
シップ関数を変更する。これにより、機器を使用すれば
するほど、ユーザの好みにあった制御のできる機器が実
現でき谷な耘 実施例で（よ 洗濯機を例として説明し
たが他の機器でもよｌ、％ また 自動チューニング
を行う部分の構成を第１の実施例と同様にした力＼この
部分に第２の実施例の構成を用いてもよ１．）この場合
は推論規則の後件部が実数値となり、チューニングが高
速になるなどの第２の発明のメリットも実現されも 第５の発明の詳細な説明すも 第１１図（よ第５の発明
のファジィ推論装置の構成図を示すものであム 第１１
図において、 １はファジィ推論の推論規則を記憶して
いる推論規則記憶部 ２はファジィ推論に用いる前件部
のメンバーシップ関数の形状データや後件部の関数式を
記憶しているメンバーシップ関数記憶眠 ３はファジィ
推論の演算を行うファジィ推論演算訊 ５は専門家から
得られる入出力データと推論結果から降下法による演算
によりチューニングの方向を求める降下法演算侭 ６は
降下法演算部５の演算結果に基づきメンバーシップ関数
を更新するメンバーシップ関数調整訊 ７はファジィ推
論結果と入出力データから推論誤差を計算する誤差演算
部であム 以上（よ第１図の構成と同様なものであも
第１図の構成と異なるの（よ 推論規則記憶部１をメン
バーシップ関数記憶部２を検索し適応範囲の大きい推論
規則を得る推論規則検索部４１と、推論規則検索部３１
で得られた推論規則を表示する推論規則表示部４２を設
けた点であも 以上のように構成された実施例のファジィ推論装置につ
いて、以下その動作を説明する。
． ａ５と同じである。メンバーシップ関数の更新が終
ったらステップｄ２に戻り、次回の洗濯開始時のセンサ
ー入力を待ち 以上のようへ 本実施例によれ＋ｉ ファジィ推論の
結果を推論結果表示部３１によりユーザに表示し それ
に対するユーザの好みをユーザ入力部３２から入力させ
ることにより、降下法を用いてファジィ推論のメンバー
シップ関数を変更する。これにより、機器を使用すれば
するほど、ユーザの好みにあった制御のできる機器が実
現でき谷な耘 実施例で（よ 洗濯機を例として説明し
たが他の機器でもよｌ、％ また 自動チューニング
を行う部分の構成を第１の実施例と同様にした力＼この
部分に第２の実施例の構成を用いてもよ１．）この場合
は推論規則の後件部が実数値となり、チューニングが高
速になるなどの第２の発明のメリットも実現されも 第５の発明の詳細な説明すも 第１１図（よ第５の発明
のファジィ推論装置の構成図を示すものであム 第１１
図において、 １はファジィ推論の推論規則を記憶して
いる推論規則記憶部 ２はファジィ推論に用いる前件部
のメンバーシップ関数の形状データや後件部の関数式を
記憶しているメンバーシップ関数記憶眠 ３はファジィ
推論の演算を行うファジィ推論演算訊 ５は専門家から
得られる入出力データと推論結果から降下法による演算
によりチューニングの方向を求める降下法演算侭 ６は
降下法演算部５の演算結果に基づきメンバーシップ関数
を更新するメンバーシップ関数調整訊 ７はファジィ推
論結果と入出力データから推論誤差を計算する誤差演算
部であム 以上（よ第１図の構成と同様なものであも
第１図の構成と異なるの（よ 推論規則記憶部１をメン
バーシップ関数記憶部２を検索し適応範囲の大きい推論
規則を得る推論規則検索部４１と、推論規則検索部３１
で得られた推論規則を表示する推論規則表示部４２を設
けた点であも 以上のように構成された実施例のファジィ推論装置につ
いて、以下その動作を説明する。
第１の発明で（よ 自動的にファジィ推論のメンバーシ
ップ関数の構築が行われ 専門家の知識を推論規則とし
て獲得することができる。しかし専門家から得られる入
出力データにノイズが非常に多く含まれている場合にチ
ューニングが予期しない方向へ進む場合があも また
過剰なチューニングにより、与えた入出力データに対し
ては推論誤差の小さい推論が行えるカミ チューニング
時に与えていないデータに対しては極端に推論誤差が大
きくなることがあム このような状態を避けるために
自動構築された推論規則やメンバーシップ関数を設計者
やユーザーが把握し チエツクする必要があも 本発明で（よ これらの問題を解決するたべ 自動チュ
ーニングによって得られた推論規則を表示する。さら番
へ 効率よく推論規則のチエツクを行うたべ 適合範
囲の広い推論規則から先に表示するようにすも 自動チューニングの動作手順は 第１の実施例の第２図
のフローチャートと同様であム 異なる部分（よ チュ
ーニング終了後に推論規則の表示を行うことであム 推
論規則検索部４１はチューニング終了後に メンバーシ
ップ関数記憶部２を検索し次式の演算を行う。
ップ関数の構築が行われ 専門家の知識を推論規則とし
て獲得することができる。しかし専門家から得られる入
出力データにノイズが非常に多く含まれている場合にチ
ューニングが予期しない方向へ進む場合があも また
過剰なチューニングにより、与えた入出力データに対し
ては推論誤差の小さい推論が行えるカミ チューニング
時に与えていないデータに対しては極端に推論誤差が大
きくなることがあム このような状態を避けるために
自動構築された推論規則やメンバーシップ関数を設計者
やユーザーが把握し チエツクする必要があも 本発明で（よ これらの問題を解決するたべ 自動チュ
ーニングによって得られた推論規則を表示する。さら番
へ 効率よく推論規則のチエツクを行うたべ 適合範
囲の広い推論規則から先に表示するようにすも 自動チューニングの動作手順は 第１の実施例の第２図
のフローチャートと同様であム 異なる部分（よ チュ
ーニング終了後に推論規則の表示を行うことであム 推
論規則検索部４１はチューニング終了後に メンバーシ
ップ関数記憶部２を検索し次式の演算を行う。
Ｓｌは推論規則Ｒ１の適合範囲の広さを示す。このＳの
大きい順に推論規則Ｒ１とそのメンバーシップ関数の形
状や後件部の関数式のパラメータを推論規則表示部４２
に送も 推論規則表示部４２１＆ ＣＲＴとその制御装置で構
成されており、推論規則検索部４１から送られた推論規
則とそれに用いられているメンバーシップ関数などの情
報を表示すも 以上のよう艮 本実施例によれば 降下法により得られ
たファジィ推論規則を適合範囲の広い順に表示できも
したがって、 自動チューニングによって得られた推論
規則をユーザが知ることができ、チューニングの進行状
態や推論規則のチエツクが可能となる。
大きい順に推論規則Ｒ１とそのメンバーシップ関数の形
状や後件部の関数式のパラメータを推論規則表示部４２
に送も 推論規則表示部４２１＆ ＣＲＴとその制御装置で構
成されており、推論規則検索部４１から送られた推論規
則とそれに用いられているメンバーシップ関数などの情
報を表示すも 以上のよう艮 本実施例によれば 降下法により得られ
たファジィ推論規則を適合範囲の広い順に表示できも
したがって、 自動チューニングによって得られた推論
規則をユーザが知ることができ、チューニングの進行状
態や推論規則のチエツクが可能となる。
な耘 実施例で（よ 推論規則表示部４２としてＣＲＴ
を用いた力（発光ダイオードや液晶デイスプレィなどで
あっても構わな（■ また 自動チューニングを行う部
分の構成を第１の実施例と同様にした力丈 この部分に
第２の実施例の構成を用いてもよ（＼ この場合は推論
規則の後件部が実数値となり、チューニングが高速にな
るなどの第２の発明のメリットも実現されも 第６の発明の詳細な説明すも 第１２図は第６の発明の
ファジィ推論装置の構成図を示すものであム 第１２図
において、 １はファジィ推論の推論規則を記憶してい
る推論規則記憶部 ２は推論規則に用いる前件部のメン
バーシップ関数や後件部の関数式を格納しているメンバ
ーシップ関数記憶部 ３はファジィ推論の演算を行うフ
ァジィ推論演算訊 ４は制御対糺 ６は降下法演算部５
“の演算結果に基づきメンバーシップ関数を更新するメ
ンバーシップ関数調整部で、以上は 第１図の構成と同
様なものである。第１図の構成と異なるの（よ 制御対
象からの観測値りから評価値を演算する評価値演算部５
１と、ステップ状の入力信号を発生する入力信号発生部
５２と、制御対象４からの観測値りから降下法による演
算を行いチューニングの方向を求める降下法演算部５′
を設けた点であム前記のように構成された第６の実施例
のファジィ推論装置について、以下その動作を説明すも
従来は ファジィ推論規則の構築やメンバーシップ関数
の設計（よ 専門家へのインタビューによる手法や、試
行錯誤の実験の積み重ねによって行われていた このた
めファジィ推論に６表 設計に長い時間が必要であると
いう点と、人手によるため最適な設計が困難であるとい
う課題を持ってい九 本発明は 設計者が任意に設定す
る評価関数を最良にするようへ ファジィ推論の自動チ
ューニング（調整）を行うものであも 第１の発明と異
なり、本発明（よ 専門家からの入出力データを必要と
しな（− ２入力１出力の制御系を例として、本実施例の詳細な動
作手順を第１３図のフローチャートを用いて説明すも ［ステップｆｌ］ 本実施例の推論規則記憶部１、メンバーシップ関数記憶
部＆ ファジィ推論演算部３の構成は第１の実施例と同
様であム 推論規則やメンバーシップ関数の構成も同様
であり、ステップｆｌで（よ 第１の実施例の［ステッ
プａｌ］ と同様へ メンバーシップ関数の初期化を行
う。
を用いた力（発光ダイオードや液晶デイスプレィなどで
あっても構わな（■ また 自動チューニングを行う部
分の構成を第１の実施例と同様にした力丈 この部分に
第２の実施例の構成を用いてもよ（＼ この場合は推論
規則の後件部が実数値となり、チューニングが高速にな
るなどの第２の発明のメリットも実現されも 第６の発明の詳細な説明すも 第１２図は第６の発明の
ファジィ推論装置の構成図を示すものであム 第１２図
において、 １はファジィ推論の推論規則を記憶してい
る推論規則記憶部 ２は推論規則に用いる前件部のメン
バーシップ関数や後件部の関数式を格納しているメンバ
ーシップ関数記憶部 ３はファジィ推論の演算を行うフ
ァジィ推論演算訊 ４は制御対糺 ６は降下法演算部５
“の演算結果に基づきメンバーシップ関数を更新するメ
ンバーシップ関数調整部で、以上は 第１図の構成と同
様なものである。第１図の構成と異なるの（よ 制御対
象からの観測値りから評価値を演算する評価値演算部５
１と、ステップ状の入力信号を発生する入力信号発生部
５２と、制御対象４からの観測値りから降下法による演
算を行いチューニングの方向を求める降下法演算部５′
を設けた点であム前記のように構成された第６の実施例
のファジィ推論装置について、以下その動作を説明すも
従来は ファジィ推論規則の構築やメンバーシップ関数
の設計（よ 専門家へのインタビューによる手法や、試
行錯誤の実験の積み重ねによって行われていた このた
めファジィ推論に６表 設計に長い時間が必要であると
いう点と、人手によるため最適な設計が困難であるとい
う課題を持ってい九 本発明は 設計者が任意に設定す
る評価関数を最良にするようへ ファジィ推論の自動チ
ューニング（調整）を行うものであも 第１の発明と異
なり、本発明（よ 専門家からの入出力データを必要と
しな（− ２入力１出力の制御系を例として、本実施例の詳細な動
作手順を第１３図のフローチャートを用いて説明すも ［ステップｆｌ］ 本実施例の推論規則記憶部１、メンバーシップ関数記憶
部＆ ファジィ推論演算部３の構成は第１の実施例と同
様であム 推論規則やメンバーシップ関数の構成も同様
であり、ステップｆｌで（よ 第１の実施例の［ステッ
プａｌ］ と同様へ メンバーシップ関数の初期化を行
う。
［ステップｆ２］
入力信号発生部５２により、第１４図（ａ）のようなス
テップ状の関数をファジィ推論演算部３に入力すム 図
中のＲは制御目標値であも ［ステップｆ３］ 第１の実施例の［ステップａ３］ と同様にファジィ推
論を行う。
テップ状の関数をファジィ推論演算部３に入力すム 図
中のＲは制御目標値であも ［ステップｆ３］ 第１の実施例の［ステップａ３］ と同様にファジィ推
論を行う。
［ステップｆ４］
自動チューニングにおける評価関数Ｅを次のように設定
すム Ｅ ＝ Ｉ （ｈ（ｔ） −Ｒ）” ｃｌｔ
（２６）ここで、Ｒは目標ｉｔは時間で
あも 第１４図（ｂ）は制御対象からの出力ｈ（ｔ）のステッ
プ入力に対する応答を示したものであり、横軸は時間で
あａ 上式のＥ（友 第１１図（ｂ）の斜線部の面積
を示すもので、 ２乗誤差面積と呼ばれており、制御応
答の良さを表してい４２乗誤差面積ζ表応答が遅いとき
や定常偏差が存在するときに大きな値となも したがっ
て、 ２乗誤差面積の値が小さいとき（よ 望ましい制
御が行われていも本実施例では 評価関数Ｅを２乗誤差
面積とし降下法を用いてＥを最小にするように自動チュ
ーニングする。
すム Ｅ ＝ Ｉ （ｈ（ｔ） −Ｒ）” ｃｌｔ
（２６）ここで、Ｒは目標ｉｔは時間で
あも 第１４図（ｂ）は制御対象からの出力ｈ（ｔ）のステッ
プ入力に対する応答を示したものであり、横軸は時間で
あａ 上式のＥ（友 第１１図（ｂ）の斜線部の面積
を示すもので、 ２乗誤差面積と呼ばれており、制御応
答の良さを表してい４２乗誤差面積ζ表応答が遅いとき
や定常偏差が存在するときに大きな値となも したがっ
て、 ２乗誤差面積の値が小さいとき（よ 望ましい制
御が行われていも本実施例では 評価関数Ｅを２乗誤差
面積とし降下法を用いてＥを最小にするように自動チュ
ーニングする。
な耘 本実施例で（ｉ、評価関数を２乗誤差面積とした
力丈 荷重誤差面積や立ち上がり時１１ オーバーシュ
ート量などの他の評価を用いてもかまわなしも 評価関数を最小化するチューニングを行うため凶 本実
施例では降下法の中の一手法である最急降下法を用いる
。最急降下法でζよ 評価関数の微分値に基づきチュー
ニングパラメータを更新する。
力丈 荷重誤差面積や立ち上がり時１１ オーバーシュ
ート量などの他の評価を用いてもかまわなしも 評価関数を最小化するチューニングを行うため凶 本実
施例では降下法の中の一手法である最急降下法を用いる
。最急降下法でζよ 評価関数の微分値に基づきチュー
ニングパラメータを更新する。
第１の実施例と同様へ チューニングパラメータによる
評価関数の微分値を計算すも 今、ｒ］による評価関数
の微分値を求めも μ ｍ１２・（ｈ（ｔ） −Ｒ）・ ｄｔ
（２７）Σμに となる。
評価関数の微分値を計算すも 今、ｒ］による評価関数
の微分値を求めも μ ｍ１２・（ｈ（ｔ） −Ｒ）・ ｄｔ
（２７）Σμに となる。
ステップｆ４で（よ 上記のθＥ／θｒｌを求めるたべ
次のような演算を行う。
次のような演算を行う。
θＥ
θ ｒ
ここで、Ｔはファジィ推論のサンプルタイムであムこの
演算を次のステップｆ５により、ｈ（ｔ）が収束するま
で繰り返すことにより、θＥ／θｒｌが求まム同様にし
て、他のθＥ／θａｌｌ、θ界／θｂｚ、 θＥ／θ
ｐｌ、 θＥ／θｑ１の演算も行う。
演算を次のステップｆ５により、ｈ（ｔ）が収束するま
で繰り返すことにより、θＥ／θｒｌが求まム同様にし
て、他のθＥ／θａｌｌ、θ界／θｂｚ、 θＥ／θ
ｐｌ、 θＥ／θｑ１の演算も行う。
［ステップｆ５］
制御対象からの出力ｈ（ｔ）が目標値に収束したかどう
かを判定すも 次のような条件式により判定する。
かを判定すも 次のような条件式により判定する。
ｈ（ｔ） −Ｒ１＜ ０．０５ 本 Ｒ（２９）
この条件が満たされないときは ステップｆ３へ戻も ［ステップｆ６］ ′ｓ１の実施例のステップｆ５と同様に 計算したθＥ
／θａ＋＋、θＦ、／ａ ｂｚ 、 ｃｌ Ｅｒａ
ｐ＋、 ａ Ｅｒａ ｑｌ、 ａＥ／θｌ”ｌ より、
チューニングパラメータａＮ、ｂｕｐｌ、 ｑｌ、 ｒ
＋ を更新すム ［ステップｆ？］ 評価値演算部５１により、（２６）式にしたがって評価
値Ｅを求めも ［ステップｆ８］ 評価値演算部５１により、評価値Ｅを所定のしきい値Ｔ
εと比較すム 評価値Ｅがしきい値Ｔεよりも大きいと
きζよ まだ十分なチューニングが行われてないものと
判断し ステップｆ２に戻り、ステップｆ２〜ｆ７を繰
り返す。評価値Ｅがしきい値Ｔεよりも小さくなったと
き？ｉ 十分に制御性の良いファジィ推論規則が得ら
れたと判断し 降下法演算部５′とメンバーシップ関数
調整部６の動作を停止させ４以上のように 本実施例に
よれば 降下法により、評価関数Ｅである２乗誤差面積
を最適にするファジィ推論規則を自動的に生成すること
が可能であも したがって、評価関数を自動的に最適に
するような機器制御が可能となる。
この条件が満たされないときは ステップｆ３へ戻も ［ステップｆ６］ ′ｓ１の実施例のステップｆ５と同様に 計算したθＥ
／θａ＋＋、θＦ、／ａ ｂｚ 、 ｃｌ Ｅｒａ
ｐ＋、 ａ Ｅｒａ ｑｌ、 ａＥ／θｌ”ｌ より、
チューニングパラメータａＮ、ｂｕｐｌ、 ｑｌ、 ｒ
＋ を更新すム ［ステップｆ？］ 評価値演算部５１により、（２６）式にしたがって評価
値Ｅを求めも ［ステップｆ８］ 評価値演算部５１により、評価値Ｅを所定のしきい値Ｔ
εと比較すム 評価値Ｅがしきい値Ｔεよりも大きいと
きζよ まだ十分なチューニングが行われてないものと
判断し ステップｆ２に戻り、ステップｆ２〜ｆ７を繰
り返す。評価値Ｅがしきい値Ｔεよりも小さくなったと
き？ｉ 十分に制御性の良いファジィ推論規則が得ら
れたと判断し 降下法演算部５′とメンバーシップ関数
調整部６の動作を停止させ４以上のように 本実施例に
よれば 降下法により、評価関数Ｅである２乗誤差面積
を最適にするファジィ推論規則を自動的に生成すること
が可能であも したがって、評価関数を自動的に最適に
するような機器制御が可能となる。
な耘 第２の実施例では 前件部のメンバーシップ関数
の形状を三角形型とした力（他の形のメンバーシップ関
数でも良（ｔ また 前件部降下法演算部１０・後件部
降下法演算部１２で用いた降下法は最急降下法である力
（ニュートン広 共役勾配法Ｐｏｗｅｌｌ法などであっ
ても構わな（を発明の効果 本発明によれば 専門家から得られる入出力データか収
降下法により最適な推論規則を獲得することが可能で
あム したがって、専門家の知識やノウハウを容易に推
論規則として機器に搭載することができも
の形状を三角形型とした力（他の形のメンバーシップ関
数でも良（ｔ また 前件部降下法演算部１０・後件部
降下法演算部１２で用いた降下法は最急降下法である力
（ニュートン広 共役勾配法Ｐｏｗｅｌｌ法などであっ
ても構わな（を発明の効果 本発明によれば 専門家から得られる入出力データか収
降下法により最適な推論規則を獲得することが可能で
あム したがって、専門家の知識やノウハウを容易に推
論規則として機器に搭載することができも
第１図は第１の発明の一実施例のファジィ推論装置のブ
ロック医 第２図は同実施例の動作を示すフローチャー
ト、第３図はメンバーシップ関数の構成＠ 第４図は降
下法の動作説明医 第５図は第２の発明の一実施例のフ
ァジィ推論装置のブロック医 第６図は同実施例の動作
を示すフローチャート、第７図は第３の発明の一実施例
のファジィ推論装置のブロック医 第８図は同実施例の
動作を示すフローチャート、第９図は第４の発明の一実
施例のファジィ推論装置のブロック医 第１０図は同実
施例の動作を示すフローチャート、第１１図は第５の発
明の一実施例のファジィ推論装置のブロック諷 第１２
図は第６の発明の一実施例のファジィ推論装置のブロッ
ク医 第１３図は同実施例の動作を示すフローチャート
、第１４図は評価関数の説明医 第１５図は従来のファ
ジィ推論装置のブロック医 第１６図はメンバーシップ
関数の構成図であも ■・・・推論規則記憶訊 ２・・・メンバーシップ関数
記憶訊 ３・・・ファジィ推論演算巳 ４・・・制御対
象、５・・・降下法演算訊 ６・・・メンバーシップ関
数調整巳 ７・・・誤差演算ａ８・・・前件部パラメー
タ記憶巳 ９・・・後件部実数値記憶ａ １，０・・・
前件部降下法演算ｍ １１・・・前件部パラメータ調
整ｆｆ１Ｌ １２・・・後件部降下法演算訊 １３・
・・後件部実数値記憶服 ２０・・・コントローラ、
２１・・・微分演算訊 ２２・・・操作量加算ｉ ３
１・・・推論結果表承服３２・・・ユーザ入力＠ ４
１・・・推論規則検索巳 ４２・・・推論規則表示巳
５１・・・評価値演算臥 ５２・・・入力信号発生訛 代理人の氏名 弁理士 小鍜治 明 ほか２名第２図 区 域 第 図 第 図 第 図 ｔ（Ｌ） ｂｖｔ＞。 第 図 ― 第 図 第１０図 第 図 第１ 図 第１４図 Ｃａ−） 入力 第１５図
ロック医 第２図は同実施例の動作を示すフローチャー
ト、第３図はメンバーシップ関数の構成＠ 第４図は降
下法の動作説明医 第５図は第２の発明の一実施例のフ
ァジィ推論装置のブロック医 第６図は同実施例の動作
を示すフローチャート、第７図は第３の発明の一実施例
のファジィ推論装置のブロック医 第８図は同実施例の
動作を示すフローチャート、第９図は第４の発明の一実
施例のファジィ推論装置のブロック医 第１０図は同実
施例の動作を示すフローチャート、第１１図は第５の発
明の一実施例のファジィ推論装置のブロック諷 第１２
図は第６の発明の一実施例のファジィ推論装置のブロッ
ク医 第１３図は同実施例の動作を示すフローチャート
、第１４図は評価関数の説明医 第１５図は従来のファ
ジィ推論装置のブロック医 第１６図はメンバーシップ
関数の構成図であも ■・・・推論規則記憶訊 ２・・・メンバーシップ関数
記憶訊 ３・・・ファジィ推論演算巳 ４・・・制御対
象、５・・・降下法演算訊 ６・・・メンバーシップ関
数調整巳 ７・・・誤差演算ａ８・・・前件部パラメー
タ記憶巳 ９・・・後件部実数値記憶ａ １，０・・・
前件部降下法演算ｍ １１・・・前件部パラメータ調
整ｆｆ１Ｌ １２・・・後件部降下法演算訊 １３・
・・後件部実数値記憶服 ２０・・・コントローラ、
２１・・・微分演算訊 ２２・・・操作量加算ｉ ３
１・・・推論結果表承服３２・・・ユーザ入力＠ ４
１・・・推論規則検索巳 ４２・・・推論規則表示巳
５１・・・評価値演算臥 ５２・・・入力信号発生訛 代理人の氏名 弁理士 小鍜治 明 ほか２名第２図 区 域 第 図 第 図 第 図 ｔ（Ｌ） ｂｖｔ＞。 第 図 ― 第 図 第１０図 第 図 第１ 図 第１４図 Ｃａ−） 入力 第１５図
Claims (6)
- （１）制御入力値および制御対象からの観測値からファ
ジィ推論を行い制御対象への操作量を出力するファジィ
推論演算部と、前記ファジィ推論に用いる推論規則を記
憶している推論規則記憶部と、前記推論規則に用いる前
件部のメンバーシップ関数の形状データと後件部の関数
を記憶しているメンバーシップ関数記憶部と、あらかじ
め与えられた入出力データと前記ファジィ推論演算部か
ら得られる推論結果から降下法による演算を行う降下法
演算部と、前記降下法演算部の出力により前件部のメン
バーシップ関数と後件部の関数の少なくとも一方を変化
させるメンバーシップ関数調整部と、前記入出力データ
と前記ファジィ推論演算部から得られる推論結果から推
論誤差を計算し推論誤差が所定の値より小さいときに前
記降下法演算部と前記メンバーシップ関数調整部の動作
を停止させる誤差演算部を備えたことを特徴とするファ
ジィ推論装置。 - （２）制御入力値および制御対象からの観測値からファ
ジィ推論を行い制御対象への操作量を出力するファジィ
推論演算部と、前記ファジィ推論に用いる推論規則を記
憶している推論規則記憶部と、前記推論規則に用いる前
件部のメンバーシップ関数の形状を表すパラメータを記
憶している前件部パラメータ記憶部と、前記推論規則に
用いる後件部の実数値を記憶している後件部実数値記憶
部と、あらかじめ与えられた入出力データと前記ファジ
ィ推論演算部から得られる推論結果から前件部のメンバ
ーシップ関数の形状を表すパラメータに対する降下法演
算を行う前件部降下法演算部と、前記前件部降下法演算
部の出力により前記前件部パラメータ記憶部に格納され
ているメンバーシップ関数の形状を表すパラメータを変
化させる前件部パラメータ調整部と、あらかじめ与えら
れた入出力データと前記ファジィ推論演算部から得られ
る推論結果から後件部の実数値に対する降下法演算を行
う後件部降下法演算部と、前記後件部降下法演算部の出
力により前記後件部実数値記憶部に格納されている後件
部の実数値を変化させる後件部実数値調整部と、前記入
出力データと前記ファジィ推論演算部から得られる推論
結果から推論誤差を計算し推論誤差が所定の値より小さ
いときに前記前件部降下法演算部と前記前件部パラメー
タ調整部と前記後件部降下法演算部と前記後件部実数値
調整部の動作を停止させる誤差演算部を備えたことを特
徴とするファジィ推論装置。 - （３）制御入力値および制御対象からの観測値から制御
対象への操作量を出力するコントローラーと、制御入力
値の微分量をもとめる微分演算部と、制御入力値と前記
微分演算部の出力からファジィ推論を行い制御対象への
操作量を出力するファジィ推論演算部と、前記ファジィ
推論に用いる推論規則を記憶している推論規則記憶部と
、前記推論規則に用いる前件部のメンバーシップ関数の
形状データと後件部の関数を記憶しているメンバーシッ
プ関数記憶部と、前記コントローラと前記ファジィ推論
演算部の出力を加算し制御対象に加える操作量加算部と
、前記コントローラの出力と前記ファジィ推論演算部か
ら得られる推論結果から降下法による演算を行う降下法
演算部と、前記降下法演算部の出力により前記メンバー
シップ関数記憶部に格納されているメンバーシップ関数
を変化させる降下法演算部と、前記降下法演算部の出力
により前記メンバーシップ関数記憶部に格納されている
前件部のメンバーシップ関数と後件部の関数のどちらか
一方を変化させるメンバーシップ関数調整部を備えたこ
とを特徴とするファジィ推論装置。 - （４）制御入力値および制御対象からの観測値からファ
ジィ推論を行い制御対象への操作量を出力するファジィ
推論演算部と、前記ファジィ推論に用いる推論規則を記
憶している推論規則記憶部と、前記推論規則に用いる前
件部のメンバーシップ関数の形状データと後件部の関数
を記憶しているメンバーシップ関数記憶部と、前記ファ
ジィ推論演算部の出力に対する人間の好みを入力するユ
ーザ入力部と、前記ユーザ入力部に入力があったとき前
記ファジィ推論演算部から得られる推論結果と前記ユー
ザ入力部の出力から降下法による演算を行う降下法演算
部と、前記降下法演算部の出力により前記メンバーシッ
プ関数記憶部に格納されている前件部のメンバーシップ
関数と後件部の関数のどちらか一方を変化させるメンバ
ーシップ関数調整部と、前記入出力データと前記ファジ
ィ推論演算部から得られる推論結果から推論誤差を計算
し推論誤差が所定の値より小さいときに前記降下法演算
部と前記メンバーシップ関数調整部の動作を停止させる
誤差演算部を備えたことを特徴とするファジィ推論装置
。 - （５）制御入力値および制御対象からの観測値からファ
ジィ推論を行い制御対象への操作量を出力するファジィ
推論演算部と、前記ファジィ推論に用いる推論規則を記
憶している推論規則記憶部と、前記推論規則に用いる前
件部のメンバーシップ関数の形状データと後件部の関数
を記憶しているメンバーシップ関数記憶部と、あらかじ
め与えられた入出力データと前記ファジィ推論演算部か
ら得られる推論結果から降下法による演算を行う降下法
演算部と、前記降下法演算部の出力により前件部のメン
バーシップ関数と後件部の関数の少なくとも一方を変化
させるメンバーシップ関数調整部と、前記入出力データ
と前記ファジィ推論演算部から得られる推論結果から推
論誤差を計算し推論誤差が所定の値より小さいときに前
記降下法演算部と前記メンバーシップ関数調整部の動作
を停止させる誤差演算部と、前記推論規則記憶部と前記
メンバーシップ関数記憶部を検索し、推論規則を表示す
る推論規則表示部を備えたことを特徴とするファジィ推
論装置。 - （６）制御入力値および制御対象からの観測値からファ
ジィ推論を行い制御対象への操作量を出力するファジィ
推論演算部と、前記ファジィ推論に用いる推論規則を記
憶している推論規則記憶部と、前記推論規則に用いる前
件部のメンバーシップ関数の形状データと後件部の関数
を記憶しているメンバーシップ関数記憶部と、前記ファ
ジィ推論演算部から得られる推論結果から前記評価値を
指標とした降下法による演算を行う降下法演算部と、前
記降下法演算部の出力により前件部のメンバーシップ関
数と後件部の関数の少なくとも一方を変化させるメンバ
ーシップ関数調整部と、前記制御対象の観測値から制御
性の良さを表す評価値を求め評価値が所定の値よりも良
くなったときに前記降下法演算部と前記メンバーシップ
関数調整部の動作を停止させる評価値演算部を備えたこ
とを特徴とするファジィ推論装置。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2233546A JP2543242B2 (ja) | 1990-09-03 | 1990-09-03 | ファジィ推論装置 |
| US07/750,120 US5251288A (en) | 1990-09-03 | 1991-08-26 | Fuzzy inference apparatus with membership function adjustment |
| EP91114423A EP0474104B1 (en) | 1990-09-03 | 1991-08-28 | Fuzzy inference apparatus |
| DE69131566T DE69131566T2 (de) | 1990-09-03 | 1991-08-28 | Gerät für unscharfe Folgerung |
| CN91108631A CN1099635C (zh) | 1990-09-03 | 1991-09-03 | 模糊推理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2233546A JP2543242B2 (ja) | 1990-09-03 | 1990-09-03 | ファジィ推論装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04112302A true JPH04112302A (ja) | 1992-04-14 |
| JP2543242B2 JP2543242B2 (ja) | 1996-10-16 |
Family
ID=16956756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2233546A Expired - Fee Related JP2543242B2 (ja) | 1990-09-03 | 1990-09-03 | ファジィ推論装置 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US5251288A (ja) |
| EP (1) | EP0474104B1 (ja) |
| JP (1) | JP2543242B2 (ja) |
| CN (1) | CN1099635C (ja) |
| DE (1) | DE69131566T2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017134735A1 (ja) * | 2016-02-02 | 2017-08-10 | 株式会社日立製作所 | ロボットシステム、ロボットの最適化システム、およびロボットの動作計画学習方法 |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5432885A (en) * | 1987-10-16 | 1995-07-11 | Mitsubishi Denki Kabushiki Kaisha | Recurrent fuzzy inference apparatus |
| US5471677A (en) * | 1992-06-24 | 1995-11-28 | Matsushita Electric Industrial Co., Ltd. | Data retrieval using user evaluation of data presented to construct interference rules and calculate range of inputs needed for desired output and to formulate retrieval queries |
| JPH0675772A (ja) * | 1992-08-26 | 1994-03-18 | Omron Corp | メンバーシップ関数自動作成装置および方法 |
| JPH06187160A (ja) * | 1992-12-15 | 1994-07-08 | Ricoh Co Ltd | メンバーシップ関数のチューニング装置 |
| WO1995008886A1 (en) * | 1993-09-20 | 1995-03-30 | Cabletron Systems, Inc. | Communications network management system and method, using fuzzy logic |
| DE19502230C2 (de) * | 1995-01-25 | 1998-07-30 | Univ Dresden Tech | Fuzzy-Regler für ein technisches System |
| US5758025A (en) * | 1995-06-05 | 1998-05-26 | Wu; Kung Chris | Dynamically adaptive fuzzy interval controller |
| US5822740A (en) * | 1996-06-28 | 1998-10-13 | Honeywell Inc. | Adaptive fuzzy controller that modifies membership functions |
| US6094646A (en) * | 1997-08-18 | 2000-07-25 | Siemens Aktiengesellschaft | Method and apparatus for computerized design of fuzzy logic rules from training data vectors of a training dataset |
| CN1093287C (zh) * | 1998-04-03 | 2002-10-23 | 中国科学院计算技术研究所 | 模糊推理协处理器 |
| US6795815B2 (en) * | 2000-12-13 | 2004-09-21 | George Guonan Zhang | Computer based knowledge system |
| US8478005B2 (en) | 2011-04-11 | 2013-07-02 | King Fahd University Of Petroleum And Minerals | Method of performing facial recognition using genetically modified fuzzy linear discriminant analysis |
| US9322127B2 (en) * | 2013-05-22 | 2016-04-26 | Whirlpool Corporation | Method of operating a home appliance |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0272405A (ja) * | 1988-09-08 | 1990-03-12 | Yokogawa Electric Corp | メンバーシップ関数決定方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61218323A (ja) * | 1985-03-20 | 1986-09-27 | 株式会社東芝 | 事故判定方法 |
| US4754410A (en) * | 1986-02-06 | 1988-06-28 | Westinghouse Electric Corp. | Automated rule based process control method with feedback and apparatus therefor |
| JPH0676181B2 (ja) * | 1988-02-01 | 1994-09-28 | フジテック株式会社 | エレベータの群管理制御方法及び装置 |
| EP0337423B1 (en) * | 1988-04-13 | 1995-10-18 | Hitachi, Ltd. | Process control method and control system |
| EP0378689B1 (en) * | 1988-05-20 | 1998-03-18 | Matsushita Electric Industrial Co., Ltd. | Inference rule determination method and inference apparatus |
| JPH02132502A (ja) * | 1988-07-28 | 1990-05-22 | Omron Tateisi Electron Co | ファジィ制御装置における動作方法および調整装置 |
| DE68928609T2 (de) * | 1988-12-14 | 1998-11-19 | Omron Tateisi Electronics Co | Fuzzy-Gerät |
| JP2820704B2 (ja) * | 1989-02-08 | 1998-11-05 | 津田駒工業株式会社 | 織機の回転数のファジィ制御方法および装置 |
-
1990
- 1990-09-03 JP JP2233546A patent/JP2543242B2/ja not_active Expired - Fee Related
-
1991
- 1991-08-26 US US07/750,120 patent/US5251288A/en not_active Expired - Lifetime
- 1991-08-28 DE DE69131566T patent/DE69131566T2/de not_active Expired - Fee Related
- 1991-08-28 EP EP91114423A patent/EP0474104B1/en not_active Expired - Lifetime
- 1991-09-03 CN CN91108631A patent/CN1099635C/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0272405A (ja) * | 1988-09-08 | 1990-03-12 | Yokogawa Electric Corp | メンバーシップ関数決定方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017134735A1 (ja) * | 2016-02-02 | 2017-08-10 | 株式会社日立製作所 | ロボットシステム、ロボットの最適化システム、およびロボットの動作計画学習方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| DE69131566T2 (de) | 2000-05-04 |
| US5251288A (en) | 1993-10-05 |
| CN1059609A (zh) | 1992-03-18 |
| EP0474104A3 (en) | 1993-02-24 |
| CN1099635C (zh) | 2003-01-22 |
| EP0474104B1 (en) | 1999-09-01 |
| DE69131566D1 (de) | 1999-10-07 |
| JP2543242B2 (ja) | 1996-10-16 |
| EP0474104A2 (en) | 1992-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Song et al. | Robust optimal control for disturbed nonlinear zero-sum differential games based on single NN and least squares | |
| Liu et al. | Robust adaptive tracking control for nonlinear systems based on bounds of fuzzy approximation parameters | |
| Wai et al. | Adaptive fuzzy neural network control design via a T–S fuzzy model for a robot manipulator including actuator dynamics | |
| JPH04112302A (ja) | ファジィ推論装置 | |
| Zhang et al. | Leader-based optimal coordination control for the consensus problem of multiagent differential games via fuzzy adaptive dynamic programming | |
| Yang et al. | A combined backstepping and small-gain approach to robust adaptive fuzzy control for strict-feedback nonlinear systems | |
| Montgomery et al. | Learning helicopter control through" teaching by showing" | |
| Phan et al. | Two-mode adaptive fuzzy control with approximation error estimator | |
| Taylor et al. | A control lyapunov perspective on episodic learning via projection to state stability | |
| Sarbaz et al. | Min–max adaptive dynamic programming for zero-sum differential games | |
| Wray et al. | Scalable gradient ascent for controllers in constrained POMDPs | |
| Elkenawy et al. | Full-state neural network observer-based hybrid quantum diagonal recurrent neural network adaptive tracking control | |
| Iqbal et al. | Improved performance of fuzzy logic controller to control dynamical systems: A comparative study | |
| Zhang et al. | Optimal control for nonlinear continuous systems by adaptive dynamic programming based on fuzzy basis functions | |
| Dong et al. | Global universal finite-time stabilizing control for feedforward nonlinear systems with non-parametric uncertainty: A non-nested strategy | |
| Rong | Indirect adaptive fuzzy-neural control of robot manipulator | |
| Kang et al. | Finite-time command filter-based adaptive fuzzy output-feedback control for MIMO nonlinear systems with multiple actuator constraints | |
| Ebenbauer et al. | Control of unknown (linear) systems with receding horizon learning | |
| Oliveira et al. | Online neuro-fuzzy controller: Design for robust stability | |
| Dehak et al. | Reduced-complexity affine representation for Takagi-Sugeno fuzzy systems | |
| Wu et al. | Memory-Efficient Inverse Reinforcement Learning for Multiplayer Differential Games | |
| Seuret et al. | LMI relaxations and its application to data-driven control design for switched affine systems | |
| Busoniu et al. | Fuzzy approximation for convergent model-based reinforcement learning | |
| Ravichandran et al. | Knowledge based approach for online self-tuning of PID-control | |
| Kadu et al. | Deep reinforcement learning-based approach for control of Two Input–Two Output process control system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |