基于模糊模型的專家系統(tǒng)推理方法.pdf

1、人工智能的日益發(fā)展極大的促進(jìn)了專家系統(tǒng)技術(shù)的發(fā)展，專家系統(tǒng)可以運(yùn)用領(lǐng)域?qū)＜曳e累的經(jīng)驗(yàn)和專門知識(shí)，模擬人類專家的思維過(guò)程，求解需要專家才能解決的困難問(wèn)題。由于實(shí)際問(wèn)題中常存在著不確定性問(wèn)題，傳統(tǒng)的專家系統(tǒng)難以建立較為準(zhǔn)確的推理機(jī)制。本文著重研究了專家系統(tǒng)中的推理方法，在基于規(guī)則的推理機(jī)制的基礎(chǔ)上引入模糊集合論以及神經(jīng)網(wǎng)絡(luò)方法，一型模糊集合本身存在描述模糊不確定性方面的缺陷，提出采用二型模糊集合論來(lái)彌補(bǔ)這一缺陷，另外由于神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)機(jī)制

2、以及強(qiáng)大的數(shù)據(jù)處理能力，將二型模糊集合論與神經(jīng)網(wǎng)絡(luò)結(jié)合作為專家系統(tǒng)的推理機(jī)制，以提高系統(tǒng)的在線自學(xué)習(xí)能力。本文的主要研究工作包括以下幾個(gè)方面:
　　 1)針對(duì)實(shí)際系統(tǒng)中包含的不確定問(wèn)題，提出了基于GA-FNN的專家系統(tǒng)推理方法。首先將模糊理論和神經(jīng)網(wǎng)絡(luò)的知識(shí)結(jié)合起來(lái)建立FNN結(jié)構(gòu)，然后將訓(xùn)練獲得的網(wǎng)絡(luò)權(quán)值、閾值構(gòu)建成專家系統(tǒng)知識(shí)庫(kù)，并采用遺傳GA算法優(yōu)化網(wǎng)絡(luò)權(quán)值、閾值，最后在建立的知識(shí)庫(kù)的基礎(chǔ)上，以輸入模糊值與輸出模糊值之間的神

3、經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)作為專家系統(tǒng)的推理模型。該推理結(jié)構(gòu)具備并行聯(lián)想功能，同時(shí)具備較高的準(zhǔn)確度和很快的收斂速度。
　　 2)針對(duì)一型模糊集合在描述隸屬函數(shù)的不確定性時(shí)存在的缺陷，提出了基于二型模糊集合的推理模型。首先采用模糊C均值方法自動(dòng)提取規(guī)則，推理采用基于Mamdani模型的方法，對(duì)于得到的模糊推理結(jié)果采用一型重心解模糊法進(jìn)而得到精確輸出。仿真結(jié)果表明基于Type-2型模糊推理方法通過(guò)模糊化隸屬函數(shù)得到其對(duì)應(yīng)的模糊區(qū)間表示，相比于Typ

4、e-1型模糊推理方法最終能夠得到更為準(zhǔn)確的推理結(jié)果。
　　 3)針對(duì)動(dòng)態(tài)時(shí)變系統(tǒng)，提出了基于Type-2型模糊神經(jīng)網(wǎng)絡(luò)推理模型。該模型綜合了Type-2型模糊集合可以掌控和描述多重不確定性信息以及神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制，實(shí)現(xiàn)了網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)的在線自學(xué)習(xí)。在仿真部分，采用了帶有噪聲的非線性函數(shù)以及乙烯氣相聚合過(guò)程數(shù)據(jù)分別進(jìn)行仿真驗(yàn)證。研究結(jié)果表明，基于Type-2型模糊神經(jīng)網(wǎng)絡(luò)跟蹤推理性能比Type-1型模糊神經(jīng)網(wǎng)絡(luò)的跟蹤推理性能