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)展極大的促進了專家系統(tǒng)技術(shù)的發(fā)展，專家系統(tǒng)可以運用領(lǐng)域?qū)＜曳e累的經(jīng)驗和專門知識，模擬人類專家的思維過程，求解需要專家才能解決的困難問題。由于實際問題中常存在著不確定性問題，傳統(tǒng)的專家系統(tǒng)難以建立較為準(zhǔn)確的推理機制。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彌補這一缺陷，另外由于神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)機制

2、以及強大的數(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方面:
　　 1)針對實際系統(tǒng)中包含的不確定問題，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)的知識結(jié)合起來建立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)知識庫，并采用遺傳GA算法優(yōu)化網(wǎng)絡(luò)權(quán)值、閾值，最后在建立的知識庫的基礎(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，同時具備較高的準(zhǔn)確度和很快的收斂速度。
　　 2)針對一型模糊集合在描述隸屬函數(shù)的不確定性時存在的缺陷，提出了基于二型模糊集合的推理模型。首先采用模糊C均值方法自動提取規(guī)則，推理采用基于Mamdani模型的方法，對于得到的模糊推理結(jié)果采用一型重心解模糊法進而得到精確輸出。仿真結(jié)果表明基于Type-2型模糊推理方法通過模糊化隸屬函數(shù)得到其對應(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)針對動態(tài)時變系統(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)機制，實現(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程數(shù)據(jù)分別進行仿真驗證。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