05基于模糊數(shù)學(xué)的軟測(cè)量方法_第1頁(yè)
已閱讀1頁(yè),還剩70頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、第五章 基于模糊數(shù)學(xué)的軟測(cè)量方法,黃福珍Huangfzh@shiep.edu.cn,本章主要內(nèi)容,模糊檢測(cè)技術(shù)概述 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例 本章小結(jié),5.1 模糊檢測(cè)技術(shù)概述,模糊數(shù)學(xué)的基本概念Matlab模糊邏輯工具箱模糊檢測(cè)系統(tǒng)的基本結(jié)構(gòu),5.1.1 模糊數(shù)學(xué)的基本概念,模糊的概念:對(duì)概念的定義以及語(yǔ)言意義理解上的不確定性(主觀不確定性),5.1.1 模糊數(shù)學(xué)的基本概念,模糊性與隨機(jī)性: ◆ 隨機(jī)性是在事件是

2、否發(fā)生的不確定性中表現(xiàn)出來(lái)的一種不確定性,而事件本身的性態(tài)和類屬是確定的;模糊性則是事物本身性態(tài)和類屬的不確定性。因此,隨機(jī)性是一種外在的不確定性,模糊性是一種內(nèi)在的不確定性 ◆ 隨機(jī)性用概率論方法來(lái)處理,概率把信息轉(zhuǎn)化為事件發(fā)生或出現(xiàn)的頻度;模糊性用隸屬函數(shù)來(lái)刻畫,它表示物體對(duì)不精確定義性質(zhì)的相似程度,5.1.1 模糊數(shù)學(xué)的基本概念,模糊集合和隸屬函數(shù):精確集合(非此即彼): A={X|X >6}精確集合的隸屬函數(shù):

3、模糊集合:如果 是對(duì)象x的集合,則 的模糊集合 :,,,,精確集合,1,13,,,,1,13,模糊集合,,6,5.1.1 模糊數(shù)學(xué)的基本概念,模糊集合的表示方法: ◆ 當(dāng)X為有限集{x1 ,x2 , xn}時(shí): - Zadeh法: - 序偶法: - 向量表示法: ◆ 當(dāng)X為有限連續(xù)域時(shí):,5.1.1 模糊數(shù)學(xué)的基本概念,隸屬函數(shù)的確定方法

4、:* 模糊統(tǒng)計(jì)法:利用足夠多的隨機(jī)試驗(yàn),對(duì)于要確定的模糊概念在討論的論域中逐一寫出定量范圍,再進(jìn)行統(tǒng)計(jì)處理,以確定被大多數(shù)人認(rèn)可的隸屬度函數(shù)* 三分法:利用隨機(jī)區(qū)間的思想來(lái)處理模糊性的實(shí)驗(yàn)?zāi)P停恳粋€(gè)模糊試驗(yàn)確定論域的一次劃分,每次劃分確定一對(duì)分界點(diǎn),5.1.1 模糊數(shù)學(xué)的基本概念,隸屬函數(shù)參數(shù)化: ◆ 三角形隸屬函數(shù) ◆ 梯形隸屬函數(shù) ◆ 高斯型隸屬函數(shù) ◆ 一般鐘形隸屬函數(shù),,5.1.1 模糊數(shù)學(xué)的基本概

5、念,建立隸屬函數(shù)的原則: ◆ 隸屬函數(shù)必須滿足凸模糊集的要求 ◆ 隸屬函數(shù)的形狀應(yīng)滿足控制特性 ◆ 隸屬函數(shù)在論域上應(yīng)該合理分布,5.1.1 模糊數(shù)學(xué)的基本概念,幾個(gè)名詞術(shù)語(yǔ): ◆ 支集(Support): ◆ 核(Core): ◆ 截集: ◆ 交叉點(diǎn): ◆ 模糊單點(diǎn)(Singleton):,5.1.1 模糊數(shù)學(xué)的基本概念,幾個(gè)名詞術(shù)語(yǔ): ◆ 正則模糊集:

6、 ◆ 凸模糊集: ◆ 模糊數(shù):正則凸模糊集,5.1.1 模糊數(shù)學(xué)的基本概念,5.1.1 模糊數(shù)學(xué)的基本概念,模糊集合的運(yùn)算: ◆ 包含或子集 ◆ 并(析?。?◆ 交(合取) ◆ 補(bǔ)(負(fù)),5.1.1 模糊數(shù)學(xué)的基本概念,舉例說(shuō)明:設(shè)論域U={x1 ,x2 ,x3, x4},A及B是U上的兩個(gè)模糊集合,已知:A=0.3/X1+0.5/X2+0.7/X3+0.4/X4B=0.5/X1

7、+1/X2+0.8/X3 利用模糊集合的交、并、補(bǔ)運(yùn)算可得: =0.7/X1+0.5/X2+0.3/X3+0.6/X4; = 0.5/X1+0.2/X3+1/X4; = 0.3/X1+ 0.5/X2+ 0.7/X3 = 0.5/X1+ 1/X2+0.8/X3+ 0.4/X4,5.1.1 模糊數(shù)學(xué)的基本概念,模糊集合的其他運(yùn)算: ◆ 三角范式

8、 - 交(極?。?- 代數(shù)積: - 有界積: - 強(qiáng)積:,5.1.1 模糊數(shù)學(xué)的基本概念,模糊集合的其他運(yùn)算: ◆ 三角協(xié)范式 - 并(極大): - 代數(shù)和: - 有界和: - 強(qiáng)和:,5.1.1 模糊數(shù)學(xué)的基本概念,模糊集合運(yùn)算的基本性質(zhì): ◆ 分配律 ◆ 結(jié)合律 ◆ 交換律 ◆

9、吸收律,5.1.1 模糊數(shù)學(xué)的基本概念,模糊集合運(yùn)算的基本性質(zhì): ◆ 冪等律 ◆ 同一律 ◆ 達(dá)摩根律 ◆ 雙重否定律 ◆ 互補(bǔ)律不成立,5.1.1 模糊數(shù)學(xué)的基本概念,直積(笛卡爾乘積) 若有兩個(gè)模糊集合A和B,其論域分別為X和Y,則定義在積空間X×Y 集合上的模糊集合A×B為A和B的直積: 其隸屬度函數(shù)為: 或:,5.1.1 模糊數(shù)學(xué)的基本概念,模糊關(guān)

10、系: 設(shè)X、Y是兩個(gè)非空集合,則直積空間 中的一個(gè)模糊子集R稱為從X到Y(jié)的一個(gè)模糊關(guān)系,可表示為:,5.1.1 模糊數(shù)學(xué)的基本概念,模糊關(guān)系的表示: 當(dāng)論域X,Y都是有限集時(shí),模糊關(guān)系可以用模糊矩陣來(lái)表示,設(shè) 則模糊矩陣R為: 其中R的元素rij表示論域X的第i個(gè)元素Xi與論域Y中的第j個(gè)元素Yj對(duì)于關(guān)系R的隸屬程度,即:,5.1.1 模糊數(shù)學(xué)的基本概念,模糊關(guān)系的合成: 設(shè)X,Y,Z

11、是論域,R是X到Y(jié)的一個(gè)模糊關(guān)系,S是Y到Z的一個(gè)模糊關(guān)系,則R和S的合成也是一種模糊關(guān)系,記為: 它具有隸屬度: 其中∨是并,表示對(duì)所有y取最大值,*可定義為如下運(yùn)算: 交、代數(shù)積、有界積等,當(dāng)采用前兩種運(yùn)算時(shí)分別稱為最大-最小合成和最大-積合成,5.1.1 模糊數(shù)學(xué)的基本概念,模糊關(guān)系合成舉例:已知模糊關(guān)系R和S分別如下:,◆ 采用最大—最小合成:,作業(yè):最大-積合成計(jì)算,5.1.1 模糊數(shù)學(xué)的基本概念,模糊合

12、成的一些基本性質(zhì): ◆ ◆ ◆ ◆ ◆ ◆ ◆,5.1.1 模糊數(shù)學(xué)的基本概念,語(yǔ)言變量:,5.1.1 模糊數(shù)學(xué)的基本概念,語(yǔ)言變量:,,5.1.1 模糊數(shù)學(xué)的基本概念,模糊語(yǔ)言前加修飾詞后,模糊集合的隸屬函數(shù)變?yōu)椋?5.1.1 模糊數(shù)學(xué)的基本概念,模糊蘊(yùn)含關(guān)系: If-Then規(guī)則:If x是A,then y是B 上述規(guī)則表示了A與B之間的模糊蘊(yùn)含關(guān)系 式中

13、 表示某種算子。,5.1.1 模糊數(shù)學(xué)的基本概念,模糊蘊(yùn)含關(guān)系的運(yùn)算: ◆ 模糊蘊(yùn)含最小運(yùn)算(Mamdani) ◆ 模糊蘊(yùn)含積運(yùn)算(Larsen),5.1.1 模糊數(shù)學(xué)的基本概念,模糊邏輯推理: ◆ Zadeh法 ◆ Baldwin法 ◆ Tsukamoto法 ◆ Yager法 ◆ Mizumoto法,5.1.1 模糊數(shù)學(xué)的基本概念,模糊邏輯規(guī)則: ◆ 廣義取式

14、(肯定前提)假言推理(GMP) 前提1:x為A’ 前提2:若x為A,則y為B 結(jié) 論:y為B’,5.1.1 模糊數(shù)學(xué)的基本概念,若采用最小模糊蘊(yùn)含和最大-最小合成,則:,5.1.1 模糊數(shù)學(xué)的基本概念,5.1.1 模糊數(shù)學(xué)的基本概念,模糊邏輯規(guī)則: ◆ 廣義拒式(否定結(jié)論)假言推理(GMT) 前提1: y為B’ 前提2:若x為A,則y為B  結(jié) 論: x為A’,5.1.1 模糊數(shù)學(xué)的基本概念

15、,模糊判決方法: ◆ 重心法:取模糊隸屬函數(shù)曲線與橫坐標(biāo)圍成的面積的重心作為代表點(diǎn) ◆ 最大隸屬度法:在推理結(jié)論的模糊集合中取隸屬度最大的那個(gè)元素作為輸出 ◆ 系數(shù)加權(quán)平均法 ◆ 隸屬度限幅元素平均法,5.1.1 模糊數(shù)學(xué)的基本概念,模糊推理系統(tǒng):,5.1.2 Matlab模糊邏輯工具箱,Matlab 提供了生成和編輯FIS(Fuzzy Inference System)常用的函數(shù): -

16、Newfis:產(chǎn)生新的FIS - Addvar:給FIS加入變量 - Addmf:給變量增加隸屬度函數(shù) - Addrule:增加控制規(guī)則 - Evalfis:完成模糊推理運(yùn)算,5.1.2 Matlab模糊邏輯工具箱,Matlab 提供了GUI(圖形用戶界面)使用戶能更直觀地生成系統(tǒng) ,包括: - FIS編輯器 - 隸屬函數(shù)編輯器 - 規(guī)則編輯器 - 規(guī)則觀察器

17、 - 曲面觀察器,5.1.2 Matlab模糊邏輯工具箱,FIS編輯器:,命令行下輸入>> fuzzy則打開了FIS編輯器,5.1.2 Matlab模糊邏輯工具箱,FIS編輯器:,設(shè)置FIS輸入變量個(gè)數(shù),5.1.2 Matlab模糊邏輯工具箱,FIS編輯器:,,用鼠標(biāo)分別單擊輸入、輸出模塊,可以更改其變量名稱,5.1.2 Matlab模糊邏輯工具箱,隸屬函數(shù)編輯器:,在FIS editor 中雙擊input1

18、,則打開隸屬函數(shù)編輯器,對(duì)input1的隸屬函數(shù)作編輯。,更改語(yǔ)言值名稱,,更改論域范圍,,5.1.2 Matlab模糊邏輯工具箱,隸屬函數(shù)編輯器:,,增加語(yǔ)言值的個(gè)數(shù),5.1.2 Matlab模糊邏輯工具箱,隸屬函數(shù)編輯器:,,選擇隸屬函數(shù)的類型,5.1.2 Matlab模糊邏輯工具箱,隸屬函數(shù)編輯器: Matlab共提供了11種隸屬函數(shù),常用的幾種列舉如下:,5.1.2 Matlab模糊邏輯工具箱,模糊規(guī)則編輯器:

19、,打開模糊規(guī)則編輯器的方法1,如圖示,打開模糊規(guī)則編輯器的方法2,雙擊推理機(jī),,5.1.2 Matlab模糊邏輯工具箱,模糊規(guī)則編輯器:,5.1.2 Matlab模糊邏輯工具箱,模糊規(guī)則觀察器:,5.1.2 Matlab模糊邏輯工具箱,輸出曲面觀察器:,5.1.3 模糊檢測(cè)系統(tǒng)的基本結(jié)構(gòu),模糊檢測(cè)技術(shù)的核心是以模糊數(shù)學(xué)為理論基礎(chǔ),利用相關(guān)專家提供的知識(shí)、經(jīng)驗(yàn)和形式規(guī)則等,進(jìn)行數(shù)據(jù)融合、推理判斷。檢測(cè)系統(tǒng)接受到外界信息后,首先將其

20、模糊化,轉(zhuǎn)為類似于自然語(yǔ)言的表達(dá)形式,再通過(guò)模糊規(guī)則實(shí)行綜合處理,最后輸出檢測(cè)結(jié)果——數(shù)量值或類似于自然語(yǔ)言的符號(hào)量。為實(shí)現(xiàn)此功能,存放基本模糊規(guī)則的知識(shí)庫(kù)和模糊推理機(jī)制是必不可少的。模糊檢測(cè)系統(tǒng)的知識(shí)庫(kù)規(guī)模一般較小,推理機(jī)構(gòu)簡(jiǎn)單,在某種程度上可以認(rèn)為它是完成一個(gè)特定任務(wù)的小型智能系統(tǒng),故可采用單片機(jī)實(shí)現(xiàn)其儀表化。,5.1.3 模糊檢測(cè)系統(tǒng)的基本結(jié)構(gòu),典型模糊檢測(cè)系統(tǒng)的硬件組成:,,5.1.3 模糊檢測(cè)系統(tǒng)的基本結(jié)構(gòu),模糊檢測(cè)器的

21、基本結(jié)構(gòu):,,5.1.3 模糊檢測(cè)系統(tǒng)的基本結(jié)構(gòu),模糊檢測(cè)器的基本結(jié)構(gòu): ◆ 數(shù)據(jù)處理模塊:對(duì)接收到的信源數(shù)值量進(jìn)行信號(hào)處理,如濾波、特征值提取等 ◆ 信息模糊化模塊:根據(jù)知識(shí)庫(kù)中預(yù)設(shè)值的規(guī)則和要求,將精確的信息量轉(zhuǎn)化為模糊量 ◆ 模糊推理:利用知識(shí)庫(kù)中存放的專家知識(shí)和經(jīng)驗(yàn),即可提煉為若干條模糊語(yǔ)言規(guī)則或模糊模型的形式,對(duì)接受到的語(yǔ)言變量作出模糊判決,給出被測(cè)對(duì)象的語(yǔ)言符號(hào)結(jié)果 ◆ 解模糊:將模糊結(jié)果轉(zhuǎn)

22、換為精確數(shù)值量,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 輔助變量的選擇:選擇糧食水分、 糧食溫度以及空氣濕度作為輔助變量, 糧食狀態(tài)作為主導(dǎo)變量。 ◆ 測(cè)量輸入數(shù)據(jù)的預(yù)處理:對(duì)糧食狀態(tài)的預(yù)測(cè)不是根據(jù)糧倉(cāng)中的某一點(diǎn)糧食的溫度、水分以及空氣濕度來(lái)進(jìn)行的,因?yàn)檫@樣的預(yù)測(cè)不能全面反映整個(gè)糧倉(cāng)糧食的實(shí)際狀態(tài)。采用復(fù)合濾波法處理數(shù)據(jù),其原理是:先將N個(gè)采樣點(diǎn)數(shù)據(jù)按照從小到大的順序排列,

23、即x1≤x2≤…≤xN(N≥3),則可認(rèn)為測(cè)量的數(shù)據(jù)為:,這樣就可比較客觀地反映實(shí)際的糧食狀態(tài), 預(yù)測(cè)的結(jié)果也比較真實(shí)。,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 根據(jù)水分傳感器、溫度傳感器及濕度傳感器所測(cè)得的數(shù)據(jù)來(lái)表示水分、 溫度的高低和濕度的大小具有模糊性。通常用隸屬度描述模糊集,通過(guò)隸屬度的大小來(lái)反映模糊事物接近其客觀事物的程度。 ◆ 該系統(tǒng)中三種傳感器分別測(cè)得的數(shù)據(jù)范圍:

24、水分為10%~16%;溫度為-30~50℃;濕度為20%~98%RH。,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 水分含量高的隸屬度函數(shù)為: ◆ 溫度高的隸屬度函數(shù)為:,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 濕度大的隸屬度函數(shù)為: ◆ 由于任意模糊量的隸屬度的大小都是在[0,1]之間,因此可將這一區(qū)間分為5段:

25、0~0.2;0.2~0.4;0.4~0.6;0.6~0.8;0.8~1.0。凡是隸屬度在0~0.2之間的屬于“水分含量低/溫度低/濕度低”;在0.2~0.4之間的屬于“水分含量較低/溫度較低/濕度較低”;在0.4~0.6之間的屬于“水分含量正常/溫度正常/濕度正常”;在0.6~0.8之間的屬于“水分含量較高/溫度較高/濕度較高”;在0.8~1.0之間的屬于“水分含量高/溫度高/濕度高”。,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟

26、測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 輸入變量和輸出變量的模糊化:為了表達(dá)的方便,將糧食儲(chǔ)備中糧食狀態(tài)出現(xiàn)的所有模糊量表示如下:  高=PB; 較高=PM; 正常=ZR; 較低=NM; 低=NB安全=D1; 較安全=D2; 較危險(xiǎn)=D3; 危險(xiǎn)=D4 輸入模糊量A、B、C分別為糧食水分、糧食溫度和空氣濕度, 其論域都為[-3,3],模糊子集={PB, PM, ZR, NM, NB}。 輸出模糊變量D為糧食狀態(tài),

27、 其論域?yàn)閇-2,3],模糊子集={D1, D2, D3, D4}。,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 輸入輸出模糊量的隸屬度圖:,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 模糊規(guī)則:根據(jù)模型特點(diǎn)最多可抽取125條規(guī)則,而實(shí)際上由于樣本數(shù)據(jù)所包含的一定規(guī)律性和重疊性,再加上對(duì)模糊規(guī)則的進(jìn)一步篩選,故抽取出了以下16條可信推理規(guī)則:

28、 1. If A = PB and B = PB and C = PB then D = D4  2. If A = PB and B = PM and C = PM then D = D4  3. If A = PB and B = ZR and C = ZR then D = D3  4. If A = PB and B = NM and C = NM then D = D2  5. If A = PB and C =

29、NB and D = NB then D = D1  6. If A = PM and B = PB and C = PB then D = D3  7. If A = PM and B = ZR and C = ZR then D = D2  8. If A = PM and B = NM and C = NM then D = D2,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 模糊

30、規(guī)則: 9. If A = PM and B = NB and C = NB then D = D1 10. If A = ZR and B = PB and C = PB then D = D2 11. If A = ZR and B = PM and C = PM then D = D2 12. If A = ZR and B = ZR and C = ZR then D = D1

31、 13. If A = NM and B = PB and C = PB then D = D2 14. If A = NM and B = PM and C = PM then D = D1 15. If A = NM and B = ZR and C = ZR then D = D1 16. If A = NB and B = PB and C = PB then D = D1,5.

32、2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 模糊推理的實(shí)現(xiàn):可以采用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊推理。模糊輸入變量A,B,C的論域都是[-3,3],模糊子集都為{PB, PM, ZR, NM, NB},而模糊輸出變量D的論域?yàn)閇-2,3],模糊子集為{D1, D2, D3, D4},則輸入層神經(jīng)元的個(gè)數(shù)為21個(gè),輸出層神經(jīng)元的個(gè)數(shù)為6個(gè)。隱層節(jié)點(diǎn)數(shù)可選為16個(gè)。用該神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)從A,B,C到D的推理,每一條

33、模糊規(guī)則都對(duì)應(yīng)一對(duì)輸入輸出數(shù)據(jù),訓(xùn)練采用BP算法,使輸入信號(hào)對(duì)應(yīng)于期望的輸出值,每一個(gè)輸出單元對(duì)應(yīng)輸出變量空間的一個(gè)量化值,因此,輸出的模糊子集D可以用量化空間上的隸屬函數(shù)來(lái)表示。訓(xùn)練好的網(wǎng)絡(luò)可以實(shí)現(xiàn)快速推理。,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 仿真:對(duì)6組測(cè)量數(shù)據(jù)的儲(chǔ)糧狀態(tài)進(jìn)行預(yù)測(cè),這6組數(shù)據(jù)經(jīng)數(shù)據(jù)處理后用模糊語(yǔ)言可分別描述為:  (1) A=NB B=PB C=NM;

34、(2) A=PB B=ZR C=NM; (3) A=PM B=PB C=ZR; (4) A=PB B=PM C=NM;  (5) A=NB B=ZR C=NB; (6) A=PB B=NM C=NB。,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 仿真:經(jīng)模糊推理可得出輸出D 的模糊集分別為: (1) [ 0.0002 –0.0003 -0.0013 0

35、.0544 0.5093 0.9670]; (2) [ -0.0005 0.5004 0.9990 0.4993 0.0008 -0.0005]; (3) [0.0043 0.4996 1.0012 0.5606 -0.0022 -0.0014]; (4) [0.5008 1.0024 -0.0002 0.0013 0.0019 -0.0042] ; (5) [0.00

36、10 -0.0001 -0.0029 0.0206 0.4957 0.9834] ; (6) [-0.0030 0.0002 0.0079 1.0027 0.49902 0.0078]。,5.2 模糊檢測(cè)技術(shù)應(yīng)用實(shí)例,基于模糊數(shù)學(xué)的軟測(cè)量在糧情測(cè)控系統(tǒng)中的應(yīng)用: ◆ 仿真:按照最大隸屬度原則,即可判斷出此時(shí)糧食儲(chǔ)藏情況的狀態(tài)分別為:安全、較危險(xiǎn)、較危險(xiǎn)、危險(xiǎn)、安全、較安全。這與實(shí)際糧食狀態(tài)是完全一致的。,5.3

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論