智能检测理论与技术06

第六章基于模糊数学的智能检测,IntelligentDetectionTheoryandTechnology,智能检测理论与技术,第五章内容回顾,一、模式识别概述二、判别分析法三、聚类分析法,一、模糊智能检测概述二、模糊智能检测技术应用实例,第六章基于模糊数学的智能检测,第六章基于模糊数学的智能检测,模糊检测技术基础模糊的概念：对概念的定义以及语言意义理解上的不确定性（主观不确定性）。,天气冷热,雨的大小,风的强弱,人的胖瘦,年龄大小,个子高低,第六章基于模糊数学的智能检测,模糊检测技术基础模糊现象客观存在，由于认识到高度精确的经典数学在描述实际的不精确方面存在着局限性，控制论专家L.A.Zadeh于上世纪60年代创立了模糊集理论。模糊数学是一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊智能化聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面。,第六章基于模糊数学的智能检测,模糊检测技术基础模糊检测是经典检测技术的一种补充和扩展。模糊检测以传统数值测量为基础，采用知识集成和模糊推理的方法产生和处理与被测对象相关的符号信息，最终以数值或是自然语言形式给出测量结果。采用模糊集合论进行模糊推理是实现模糊检测的关键。,第六章基于模糊数学的智能检测,模糊集合模糊理论中，采用“隶属度”的概念来定量描述元素与模糊集合之间的隶属关系，它是一个0到1之间的实数。模糊集合是根据“隶属函数”的概念定义的：论域Ux上的模糊子集A由隶属函数A(x)来表征。A(x)在闭区间0，1中取值。A(x)的大小反映了x对模糊子集A的隶属程度。,精确集合,1,13,1,13,模糊集合,6,第六章基于模糊数学的智能检测,模糊集合的表示方法X为有限集x1，x2，,xn时：-Zadeh法：-序偶法：-向量表示法：当X为有限连续域时：,第六章基于模糊数学的智能检测,隶属函数的确定方法模糊统计法：利用足够多的随机试验，对于要确定的模糊概念在讨论的论域中逐一写出定量范围，再进行统计处理，以确定被大多数人认可的隶属度函数。三分法：利用随机区间的思想来处理模糊性的实验模型，每一个模糊试验确定论域的一次划分，每次划分确定一对分界点。,第六章基于模糊数学的智能检测,隶属函数参数化三角形隶属函数梯形隶属函数高斯型隶属函数一般钟形隶属函数,第六章基于模糊数学的智能检测,常用隶属函数,第六章基于模糊数学的智能检测,建立隶属函数的注意事项隶属函数必须满足凸模糊集的要求带有主观色彩，但要符合实际先建立近似隶属函数，再逐步完善,第六章基于模糊数学的智能检测,模糊集合的运算包含或子集并（析取）交（合取）补（负）,第六章基于模糊数学的智能检测,模糊集合的运算,第六章基于模糊数学的智能检测,模糊集合运算的基本性质分配律结合律交换律吸收律,第六章基于模糊数学的智能检测,模糊集合运算的基本性质幂等律同一律德摩根律双重否定律互补律不成立,第六章基于模糊数学的智能检测,模糊集理论基于模糊集理论的模糊逻辑本身并不模糊，而是用来对“模糊”进行处理以达到消除模糊的逻辑。模糊逻辑本身是一种精确的方法，只是其处理的对象是一些不精确、不完全的信息。它的最大特点是能够比较自然地处理人类的语言信息和知识。,第六章基于模糊数学的智能检测,模糊推理从不精确的前提集合中得出可能的不精确结论的推理过程，模糊推理是模拟人的日常推理的一种近似推理。L.A.Zadeh于1975年首先提出模糊推理的合成规则和把条件语句“若x为A，则y为B”转换为模糊关系的规则。Zadeh提出的推理方法，其意义在于建立起模糊推理的一般方法，为解决更为复杂的模糊推理问题奠定了基础。,第六章基于模糊数学的智能检测,模糊推理模糊蕴含关系：If-Then规则：Ifx是A，theny是B上述规则表示了A与B之间的模糊蕴含关系式中表示某种算子。,第六章基于模糊数学的智能检测,模糊推理模糊蕴含关系的运算：模糊蕴含最小运算（Mamdani)模糊蕴含积运算（Larsen）,第六章基于模糊数学的智能检测,模糊逻辑推理Zadeh法：Zadeh模糊推理法提出比较早，其模糊关系的定义比较繁琐，导致合成运算比较复杂，而且实际意义的表达也不直观，因此目前很少采用。Mamdani推理法：Mamdani将经典的极大极小合成运算方法作为模糊关系与模糊集合的合成运算法则。Larsen模糊推理法：Larsen推理方法与Mamdani方法的推理过程非常相似，不同的是在激励强度的求取与推理合成时用乘积运算取代了取小运算。TakagiSugeno模糊推理法：简称为T-S模糊推理法。这种推理方法便于建立动态系统的模糊模型，因此在模糊控制中得到广泛应用。,第六章基于模糊数学的智能检测,模糊判决方法重心法：取模糊隶属函数曲线与横坐标围成的面积的重心作为代表点。最大隶属度法：在推理结论的模糊集合中取隶属度最大的那个元素作为输出。系数加权平均法隶属度限幅元素平均法,第六章基于模糊数学的智能检测,模糊推理系统,第六章基于模糊数学的智能检测,模糊检测系统的基本结构模糊检测技术的核心是以模糊数学为理论基础的，利用专家提供的相关知识，经验和形式规则等，进行数据融合，推理判断。检测系统接受到外界信息后，首先将它模糊化，转换为类似自然语言的表达形式，再通过模糊规则进行综合处理，最后输出检测结果-数量值或是类似于自然语言的符号量。,第六章基于模糊数学的智能检测,模糊检测系统的基本结构为实现模糊检测系统的功能，存放基本模糊规则的知识库和模糊推理机制是必不可少的。模糊检测系统的知识库规模一般较小，推理机构简单，在某种程度上可以认为它是完成一个特定任务的小型智能系统，故可采用单片机实现其仪表化。,第六章基于模糊数学的智能检测,模糊检测系统的基本结构,模糊控制规则表,第六章基于模糊数学的智能检测,模糊检测系统的基本结构典型的模糊检测系统的基本硬件组成如图：,第六章基于模糊数学的智能检测,模糊检测系统的基本结构模糊检测器可以分为一维和多维。数据处理模块对接受到的信源数值量进行信号处理，如滤波，特征提取等。信息模糊化模块根据知识库中预设置的规则和要求，将精确的信息量转变为模糊量。模糊推理是模糊检测器的核心。,第六章基于模糊数学的智能检测,模糊检测系统的基本结构解模糊将模糊结果转变为精确的数值量。知识库的主要内容包括模糊集合和对应的隶属度函数，模糊规则，被测对象的特性知识和测量系统的相关知识。隶属度函数的产生可按专家经验直接给出，也可通过模糊统计和因素加权综合等方法给出。人机接口完成知识库和数据库的修改与更新，设置系统的开启和关闭，选择输出量的类型。,第六章基于模糊数学的智能检测,模糊检测系统的基本结构一般模糊检测系统的基本结构框图,第六章基于模糊数学的智能检测,模糊检测系统的基本结构数据处理模块：对接收到的信源数值量进行信号处理，如滤波、特征值提取等。信息模糊化模块：根据知识库中预设值的规则和要求，将精确的信息量转化为模糊量。模糊推理：利用知识库中存放的专家知识和经验，即可提炼为若干条模糊语言规则或模糊模型的形式，对接受到的语言变量作出模糊判决，给出被测对象的语言符号结果。解模糊：将模糊结果转换为精确数值量。,第六章基于模糊数学的智能检测,克服过程大纯滞后的模糊检测器具有纯滞后的过程在输入作用下，其响应要经过纯滞后时间才会在输出中反应出来，当纯滞后时间较大甚至起主要作用时，其影响更加严重，工程上称此为大纯滞后过程，此时一般控制系统难以工作。广义上讲，纯滞后是因为系统的关键信息不能及时得到检测，等信号测出已经是事过境迁。针对典型化工大滞后过程，采用基于系统特征信息的模糊检测器。,第六章基于模糊数学的智能检测,克服过程大纯滞后的模糊检测器检测器的工作原理对具有大纯滞后的生产过程，过程的动态特性可以在其运行特征上得到反映。特征变量是对系统一种定性与定量相结合的描述，通过此类特征的在线提取与映射，可在一定程度上获取过程的动态特性。,第六章基于模糊数学的智能检测,克服过程大纯滞后的模糊检测器典型的化工过程一般为低频过程，类似低通滤波器，其传递函数可用二阶加纯滞后的环节来近似描述。,二阶纯滞后环节过程闭环时一段输入（下面）、输出（上面）时间序列,第六章基于模糊数学的智能检测,克服过程大纯滞后的模糊检测器模糊检测器的实现,第六章基于模糊数学的智能检测,克服过程大纯滞后的模糊检测器实验测试,第六章基于模糊数学的智能检测,克服过程大纯滞后的模糊检测器测试结果分析,第六章基于模糊数学的智能检测,克服过程大纯滞后的模糊检测器测试结果测试结果表明，该模糊检测器能够有效的预测过程的被调参数。该检测器引入到闭环PID控制系统中，输入输出均为4-20mA的标准信号。测试表明，引入的模糊检测器的闭环控制系统跟踪调节时其超调小，回复时间短，定值调节时能有效地促进控制系统对扰动的抑制，调节品质显著优于单纯PID调节。,第六章基于模糊数学的智能检测,气体成分模糊识别系统组成及识别方法受不同的温度和浓度下气体传感器的阻抗和灵敏度不同的影响，采用单一气体传感器对混合气体进行识别与组分分析比较困难。采用模糊的方法来识别，对传感器的阻抗值，阻抗的差及阻抗变化率等信息进行模糊处理。,第六章基于模糊数学的智能检测,气体成分模糊识别模糊检测系统框图,气体模糊检测系统框图,第六章基于模糊数学的智能检测,气体成分模糊识别推理规则,第六章基于模糊数学的智能检测,气体成分模糊识别仿真讨论,第六章基于模糊数学的智能检测,气体成分模糊识别仿真讨论在气体识别过程中，“可能”、“非常可能”等模糊语言的表示大量存在，模糊集合理论是处理这类问题的有效工具。将模糊推理理论的多传感器数据融合方法应用于气体识别上，有利于提高识别效率。,第六章基于模糊数学的智能检测,精馏塔产品纯度模糊测量实验结果将模糊检测器用于丙烯纯度的在线估计，结果表明，丙烯纯度的软测量结果与实际质量仪表分析结果吻合的很好。,第六章基于模糊数学的智能检测,基于模糊数学的智能检测所建立的模型是一种知识性模型，该检测方法特别适合应用于复杂工业过程中被测对象呈现亦此亦彼的不确定性，难以用常规数学定量描述的场合。实际应用中常将模糊技术和其他人工智能技术相结合，例如模糊数学和人工神经网络相结合构成模糊神经网络，将模糊数学和模式识别相结合构成模糊模式识别，这样可互相取长补短。,第六章基于模糊数学的智能检测,模糊检测技术近年来得到迅速发展，在于其广阔的应用范围和显著的实用价值，在经典检测难以进行的场合，涉及人的自身知识和经验的测量领域，模糊检测都能显示出其独特的优越性。模糊检测技术目前还处于发展过程的初级阶段，其系统的理论体系和技术框架还未形成，实现模糊检测技术通则尚未建立。,第六章基于模糊数学的智能检测,Matlab模糊逻辑工具箱Matlab提供了生成和编辑FIS（FuzzyInferenceSystem）常用的函数Newfis:产生新的FISAddvar:给FIS加入变量Addmf:给变量增加隶属度函数Addrule:增加控制规则Evalfis:完成模糊推理运算,第六章基于模糊数学的智能检测,Matlab模糊逻辑工具箱M