成信工智能仪器设计讲座：智能仪器算法扩展

主要内容1多传感器信息融合2模糊控制算法1多传感器信息融合算法问题1：什么是多传感器信息融合？多传感器信息融合也称多传感器数据融合，是充分利用不同的时间与空间的多传感器数据资源，采用计算机技术按时间序列获得多传感器观测数据，在一定准则下进行分析、综合支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息。从五个方面理解：（1）硬件基础—多个或多类传感器系统（2）加工对象—多源信息（3）处理技术—计算机技术（算法）（4）融合目的—导出更丰富的有效信息，获得最佳协同效果，发挥多个传感器的联合优势，提高传感器系统的有效性和鲁棒性，消除单一传感器的局限性。（5）信息融合的特性—时、空特性和系统性问题2：多传感器信息融合有哪些应用？智能检测系统过程或状态监视机器人空中交通管制军事应用多传感器信息融合在智能机器人中的应用控制和信息融合计算机自主移动装配机器人装配机械手力觉传感器触觉传感器视觉传感器超声波传感器激光测距传感器图6-4多传感器信息融合在移动机器人中的应用（1）多传感器信息融合在智能机器人中的应用图6-4多传感器信息融合在移动机器人中的应用（2）多传感器信息融合在智能机器人中的应用多传感器信息融合在军事中的应用现代战争要求各作战平台能互相支援，通力协作，以形成一个紧密结合的整体，最大限度地发挥整体合力。

美军把信息融合作为发展各分系统的最基本要求，指出如果一个分系统不能融入到整个网络中，并与其他的系统互操作，那么它就不可能被采用。神州六号飞船的仪表板“神六”由643个部件组成，各种电子元器件有10万多个。焊点12万个，飞船上的电缆总长度有80公里多传感器信息融合在地球环境监测的应用多传感器信息融合在地球环境监测的应用多传感器系统可以用于地球环境监测。主要应用于对地面的监视、以便识别和监视地貌、气象模式、矿产资源，植物生长、环境条件和威胁情况(如原油泄漏、辐射泄漏等)如右图所示多传感器信息融合在管道泄漏检测中的应用管道运行时，正常的调泵、调阀所激发的声波信号可能与泄漏激发的负压波信号具有相同特征，造成泄漏检测的错误判断。在管道的两端各增加一个传感器，可利用辨向技术正确识别泄漏，如图所示。调泵、调阀所激发的声波信号先到达传感器A，后到达传感器B，而泄漏激发的负压波信号则先到达传感器B，后到达传感器A。两个传感信号的相关处理可以准确区分信号来源。管道泄漏检测系统的多传感器数据融合结构如图所示

增加了系统的生存能力扩展了空间覆盖范围扩展了时间覆盖范围提高了可信度降低了信息的模糊度改善了探测性能提高了空间分辨率增加了测量空间的维数问题3：多传感器信息融合有哪些优点？问题4：怎样进行多传感器信息融合？图6-5多传感器信息融合的融合过程信号获取数据预处理特征提取融合计算提高信噪比数据相关技术估计理论识别技术1.融合过程2.融合形式数据级融合特征级融合决策级融合比较的项目原始层特征层决策层信息量最大中等最小信息损失最小中等最大容错性最差中等最好抗干扰性最差中等最好对传感器依赖性最大中等最小融合方法最难中等最易预处理最小中等最大分类性质最好中等最差系统开放性最差中等最好三种融合层次特点比较3.融合结构（1）串联型融合（3）混联型融合（2）并联型融合问题4：多传感器信息融合的算法？物理模型

根据物理模型模拟出可观测或可计算的数据，并把观测数据与预先存储的对象特征进行比较，或将观测数据特征与物理模型所得到的模拟特征进行比较。比较过程涉及到计算预测数据和实测数据的相关关系。如果相关系数超过一个预先设定的值。则认为两者存在匹配关系(身份相同)。这类方法中，Kalman滤波技术最为常用。

参数分类技术

参数分类技术依据参数数据获得属性说明，在参数数据(如特征)和一个属性说明之间建立一种直接的映像。参数分类分为有参技术和无参技术两类，有参技术需要身份数据的先验知识，如分布函数和高阶矩等；无参技术则不需要先验知识。 常用的参数分类方法包括Bayesian估计，D－S推理，人工神经网络，模式识别，聚类分析，信息熵法等。基于认知的方法

基于认知的方法主要是模仿人类对属性判别的推理过程，可以在原始传感器数据或数据特征基础上进行。基于认知的方法在很大程度上依赖于一个先验知识库。有效的知识库利用知识工程技术建立，这里虽然未明确要求使用物理模型，但认知建立在对待识别对象组成和结构有深入了解的基础上，因此，基于认知的方法采用启发式的形式代替了数学模型。当目标物体能依据其组成及相互关系来识别时，这种方法尤其有效。2模糊逻辑控制算法问题2：模糊控制的基本思想是什么?模糊控制在一定程度上模仿了人的控制，其中包含了人的控制经验和知识，它不需要有准确的控制对象模型。模糊控制是智能控制技术的一种。问题1：什么是模糊逻辑控制?首先根据操作人员手动控制经验，总结一套完整的控制规则，再根据系统当前的运行状态，经过模糊推理、模糊判决等运算，求出控制量，实现对被控对象的控制。问题3：模糊控制的发展历史1960年柏克莱加州大学电子工程系扎德（L.A.Zadeh）教授，提出“模糊”的概念。1965年发表关于模糊集合理论的论文。1966年马里诺斯（P.N.Marinos）发表关于模糊逻辑的研究报告。以后，扎德（L.A.Zadeh）又提出关于模糊语言变量的概念。

1974年扎德（L.A.Zadeh）进行有关模糊逻辑推理的研究。七十年代欧洲进行模糊逻辑在工业控制方面的应用——实现了第一个试验性的蒸汽机控制；八十年代日本情况：列车的运行和停车模糊逻辑控制，节能11—14%（1983）；汽车速度模糊逻辑控制（加速平滑、上下坡稳定）（1985）；港口集装箱起重机的小车行走和卷扬机的运行控制（1986）；家电模糊逻辑控制（电饭煲、洗衣机、微波炉、空调、电冰箱等）（1988--）。

中国：在模糊理论和应用方面的研究起步较慢，但发展较快：1976年起步；1979年模糊控制器的研究；1980年模糊控制器的算法研究；

1981年模糊语言和模糊文法的研究；1982年磨床研磨表面光洁度模糊控制、开关式液压位置伺服系统模糊控制研究；

1984年提出语义推理的自学习方法；

1986年单片微机比例因子模糊逻辑控制器；

1987年我国第一台模糊逻辑推理机；目前，模糊逻辑控制技术在工业控制、家电领域有很好发展；开展模糊信息处理方面的基础研究和理论研究；开发专用模糊控制电路和模糊推理芯片等。问题4模糊逻辑的几个技术问题一.什么是模糊逻辑？1.经典二值逻辑假定所有的分类都有明确的边界；任一被讨论的对象

“要么属于这一类，要么不属于这一类”一个命题不是真即是假，不存在亦真亦假或非真非伪的情况。有一些问题二值逻辑无法解决.2.模糊逻辑它是对经典二值逻辑的补充。被讨论的对象可不同程度的属于某一类的，“一个命题可能亦此亦彼，存在着部分真、部分伪”。风的强弱人的胖瘦年龄大小个子高矮模糊逻辑是通过模仿人的思维方式来表示和分析不确定、不精确信息的方法和工具,是一种精确解决不确定、不精确信息的方法。模糊逻辑本身并不模糊，而是用来对“模糊”进行处理，从而达到消除“模糊”的逻辑。说明：例如，将“青年”看作是一个集合，则它就是一个模糊集合。若认为小于40岁的人可称为“青年”，那么35岁的人应毫无疑问地属于“青年”，如果对此加以量化，则可设其属于“青年”的程度为1，39岁的人属于“青年”的程度为0.7，40岁的人属于的程度为0.5，41岁的人属于的程度为0.3等等。这种属于的程度值可在0～1之间连续变化，称为隶属度函数（也叫隶属函数）。二、什么是隶属度函数？在数学上经常用到集合的概念。例如：集合A由4个离散值x1，x2，x3，x4组成。A={x1,x2,x3,x4}例如：集合A由0到1之间的连续实数值组成。

以上两个集合是完全不模糊的。对任意元素x，只有两种可能：要么属于A，要么不属于A。这种特性可以用特征函数来描述：

为了表示模糊概念，需要引入模糊集合和隶属函数的概念：其中A称为模糊集合，由构成，表示元素x属于模糊集合A的程度，取值范围为[0,1]，称为x属于模糊集合A的隶属度。1.经典集合中：特征函数只取0和1两个值。模糊集合中：特征函数取值范围扩大至[0，1]区间，可连续取值。模糊集合中的特征函数称为隶属函数。说明：2.①模糊集合A由离散元素构成，表示为：或②模糊集合A由连续函数构成，各元素的隶属度就构成了隶属度函数（MembershipFunction），此时A表示为：

在模糊集合的表达中，符号“/”、“+”和“∫”不代表数学意义上的除号、加号和积分，它们是模糊集合的一种表示方式，表示“构成”或“属于”。

模糊集合是以隶属函数来描述的，隶属度的概念是模糊集合理论的基石。例设论域U={张三，李四，王五}，评语为“学习好”。设三个人学习成绩总评分是张三得95分，李四得90分，王五得85分，三人都学习好，但又有差异。若采用普通集合的观点，选取特征函数此时特征函数分别为(张三)=1，(李四)=1，(王五)=1。这样就反映不出三者的差异。假若采用模糊集合的概念，选取[0，1]区间上的隶属度来表示它们属于“学习好”模糊集合A的程度，就能够反映出三人的差异。其含义为张三、李四、王五属于“学习好”的程度分别是0.95，0.90，0.85。采用隶属函数,由三人的成绩可知三人“学习好”的隶属度为(张三)=0.95，(李四)=0.90，(王五)=0.85。用“学习好”这一模糊集合A可表示为：3.隶属函数的确定方法：目前还没有成熟的方法来确定隶属函数，主要还停留在经验和实验的基础上。通常的方法是初步确定粗略的隶属函数，然后通过“学习”和实践来不断地调整和完善。（1）模糊统计法

隶属函数可以通过模糊统计试验方法来确定。即根据所提出的模糊概念进行调查统计，提出与之对应的模糊集合，通过统计实验，确定不同元素属于的程度，如式所示。（2）例证法例证法的主要思想是从已知有限个的值来估计论域上的模糊集合的隶属函数。（3）专家经验法专家经验法就是根据专家的实际经验，再加上必要的数学处理而得到隶属函数的方法。（1）高斯型隶属函数高斯型隶属函数由两个参数和c确定：图高斯型隶属函数其中参数c用于确定曲线的中心。Matlab表示为4.几种典型的隶属函数(2)广义钟型隶属函数广义钟型隶属函数由三个参数a，b，c确定：

其中参数b通常为正，参数c用于确定曲线的中心。Matlab表示为图广义钟形隶属函数(3)S形隶属函数

S形函数由参数a和c决定：其中参数a的正负符号决定了S形隶属函数的开口朝左或朝右，用来表示“正大”或“负大”的概念。Matlab表示为图S形隶属函数(5)三角形隶属函数三角形曲线的形状由三个参数a，b，c确定：其中参数a和c确定三角形的“脚”，而参数b确定三角形的“峰”。Matlab表示为图三角形隶属函数

1模糊集合是用隶属函数来表征的，因此两个模糊集合之间的运算实际上就是逐点对隶属度作相应的运算。三、模糊集合如何运算？（1）空集模糊集合的空集为普通集合，它的隶属度为0，即（2）全集模糊集合的全集为普通集合，它的隶属度为1，即（3）等集两个模糊集合A和B，若它们的隶属函数相等，则A和B也相等。即（4）补集若为A的补集，则例如，设A为“成绩好”的模糊集合，某学生属于“成绩好”的隶属度为：则属于“成绩差”的隶属度为：（5）子集若B为A的子集，则（6）并集若C为A和B的并集，则C=A∪B（7）交集若C为A和B的交集，则C=A∩B(1)幂等律

A∪A=A，A∩A=A(2)交换律

A∪B=B∪A，A∩B=B∩A(3)结合律

(A∪B)∪C=A∪(B∪C)(A∩B)∩C=A∩(B∩C)2.模糊运算的基本性质： (4)吸收律

A∪(A∩B)=AA∩(A∪B)=A(5)分配律

A∪(B∩C)=(A∪B)∩(A∪C)A∩(B∪C)=(A∩B)∪(A∩C)(6)复原律(7)对偶律(8)两极律A∪E=E，A∩E=AA∪Ф=A，A∩Ф=Ф四．模糊语言和模糊条件语句1．模糊语言（1）人工语言人们为计算机而设计的语言是形式语言。格式严格、概念十分明确。有严密的规则，若违背了会产生“语法错”。

特点：*所有词义和语义都是明确的；*语句的结构遵循严格的规则；*凡不属于所定义的词、语句结构的一切表达形式，都视为错误；*逻辑推理受到语句结构的限制，推理方式少。（2）自然语言——具有模糊性。特点：*所有词和语句的意义，可以是明确的，也可以是模糊的；*语句的结构有一定的约定规则，但不是一成不变的；*与词和语句的结构有一定的偏差和出入的表达形式，并不认为是错误的，能被理解和接受*逻辑推理不断发展。2．模糊条件语句（1）“如A则B”

“IFATHENB”

（2）“如A则B否则C”

“IFATHENBELSEC”

（3）“如A且B则C”

“IFAANDBTHENC”五、模糊逻辑推理方法推理：根据已知的一些命题，按照一定的法则，去推断一个新的命题的思维过程和思维方式。即从已知条件求未知结果的思维过程，就是推理。

以传统的二值逻辑进行推理时：只要“大前提或推理规则是正确的”；

“小前提是肯定的”;

则

“结论是确定的”。1．模糊逻辑推理模糊逻辑推理是不确定性推理方法之一，其基础是模糊逻辑。它是一种以模糊判断为前提，运行模糊语言规则，推理出一个新的、近似的模糊判断结论的方法。判断是不是模糊逻辑推理并不是看前提和结论中是否使用了模糊概念，而是看推理过程是否具有模糊性，具体表现在推理规则是不是模糊的。2．模糊逻辑推理方法比较典型的有扎德（L.A.Zadeh）法、鲍德温（Baldwin）法、雅格（Yager）法、楚卡莫托（Tsukamoto）法、米祖莫托（Mizumoto）法等等；六、解模糊判决方法在经过模糊推理得到的模糊集合中，取一个相对最能代表这个模糊集合的单值的过程，称作为解模糊判决。常用的方法有：一．重心法二．最大隶属度法三．系数加权平均法四．隶属度限幅（α-Cut）元素平均法在模糊逻辑控制中，工作过程分为三个阶段：

“模糊化”、“模糊推理”、“解模糊化”七、模糊逻辑是如何工作的？精确的数字量转变为模糊量模糊推理模糊量转变为精确的数字量模糊化模糊推理解模糊化1.“模糊化”：输入/输出变量按各种分类被安排成不同的隶属度。如温度输入，根据其高低被安排成冷、凉、暖、热等）。2.“模糊推理”：输入变量被加到一个“

if-then”的控制规则的集合中。按各种控制规则进行推理，将结果合成在一起，产生一个“模糊推理输出”集合。

3.“解模糊化”（解模糊判决）：对模糊推理输出进行解模糊判决，即在一个输出范围内，找到一个被认为最具有代表性的、可直接驱动控制装置的确切的输出控制值。问题5：模糊逻辑控制模糊逻辑控制方法把模糊数学理论应用于自动控制领域，从而产生的控制方法称为模糊控制方法。

传统控制依赖于被控系统的数学模型；

模糊逻辑控制依赖于被控系统的物理特性。物理特性的提取要依靠人的直觉和经验。人的经验是一系列含有语言变量值的条件和规则；模糊集合理论能十分恰当地表达模糊性语言变量和条件语句。2.模糊逻辑控制的优点及不足之处（1）优点

A.无需预先知道被控对象的精确数学模型；

B.容易学习和掌握模糊逻辑控制方法（规则由人的经验总结出来、以条件语句表示）；

C.有利于人机对话和系统知识处理（以人的语言形式表示控制知识）。（2）不足之处A.精度不够高；B.自适应能力有限；

C.控制规则较难优化。3.模糊控制系统的组成

模糊控制系统的结构与一般计算机控制系统基本相似，通常由模糊控制器、输入输出接口、广义被控对象和测量装置四个部分组成，如图所示。模糊控制系统的组成结构图4.模糊控制系统的工作过程给定值与被控制量之间的偏差为模糊控制器的输入量。这是一个精确量，为了增强系统控制能力，方便调节控制性能，同时也为模糊化处理做准备，对精确量进行量化，然后经过模糊化处理转化为模糊量，用相应的模糊子集表示。再由和模糊控制规则（即模糊关系），根据推理的合成规则进行模糊决策，得到模糊控制量，即:由于实际被控对象的控制量是精确量，因此需要将模糊控制量进行反模糊化处理变成精确量，再经过输出量化处理得到实际输出值，经过D/A转换变为精确的模拟量送到执行机构对被控对象进行控制。这样周而复始的循环下去，就实现了被控过程的模糊控制。模糊控制器的控制规律是由计算机的程序实现的，具体步骤如下：（1）根据本次采样值得到模糊控制器的输入量，并进行输入量化处理；（2）量化后的变量进行模糊化处理，得到模糊量；（3）根据输入的模糊量及模糊控制规则，按模糊推理合成规则计算控制量（输出的模糊量）；（4）对得到的模糊输出量进行反模糊化处理，得到控制量的精确量，并进行输出量化处理，得到实际控制量。1、论域的确定及输入输出量化所谓论域就是被考虑客体所有元素的集合。在模糊控制系统中，把模糊控制器的输入变量偏差及其变化率的实际范围称为这些变量的基本论域。基本论域内的量为精确量，需要对它们进行量化处理。在实际控制系统中，需要通过所谓量化因子进行量化处理，实现论域变换。量化因子的定义为：对于系统输出量，基于量化因子的概念，定义为其比例因子：问题6模糊控制器的设计

模糊控制器的量化因子和比例因子对系统的控制品质有很大的影响。从理论上讲，增大，相当于缩小了偏差的基本论域，增大了偏差变量的控制作用。因此，量化因子选得越大，系统超调越大，过渡过程时间越长，但稳态控制精度高；变小，可减小超调，但会增大系统稳态误差。量化因子对系统超调的抑制作用十分明显，选择较大时，超调量减小，但会减慢系统响应速度。输出比例因子的大小也影响模糊控制的特性。选择过小会使系统动态响应过程变长，而选择过大会导致系统振荡。2、模糊化处理（1）．确定输入输出变量的模糊集合

模糊控制器中常用正大、正中、正小、零、负小、负中、负大等模糊语言描述输入的偏差。因此，若将“偏差”看成是一个模糊语言变量，则它的取值不是具体的偏差大小，而是诸如“正大”、“正小”、“负中”、“零”等用模糊语言表示的模糊集合。一个模糊集合通常有三种等级划分方法：（1）{负大，负小，零，正小，正大}五个等级；（2）{负大，负中，负小，零，正小，正中，正大}七个等级；（3）{负大，负中，负小，零负，零正，正小，正中，正大}八个等级。负大（NB）=1.0/-3℃+0.5/-2.5℃负中（NM）=0.5/-2.5℃+1.0/-2℃+0.5/-1.5℃负小（NS）=0.5/-1.5℃+1.0/-1℃+0.5/-0.5℃零（ZO）=0.5/-0.5℃+1.0/0.0℃+0.5/0.5℃正小（PS）=0.5/0.5℃+1.0/1.0℃+0.5/1.5℃正中（PM）=0.5/1.5℃+1.0/2.0℃+0.5/2.5℃正大（PB）=0.5/2.5℃+1.0/3.0℃（2）．确定隶属函数输入变量偏差、偏差变化率和输出控制量的模糊集合以及论域确定后，需要确定模糊语言变量的隶属函数。一般是根据专家经验或统计分析结果进行确定。（3）．模糊化处理

所谓模糊化，就是根据模糊集合的隶属函数，对输入的数值找出相应的隶属度的过程。在确定模糊变量隶属函数以后，就可以根据所选择的隶属函数确定论域内元素对模糊语言变量的隶属度值，即所谓对模糊变量赋值。3、模糊控制规则的建立与模糊推理（1）．模糊控制规则的建立模糊控制规则是模糊控制的核心，模糊控制规则的生成大致有四种方法：A.根据专家经验或过程知识生成控制规则；B.根据过程模糊模型生成控制规则；C.根据对手工控制操作的系统观察和测量生成控制规则D.根据学习算法生成控制规则。实际工程中，通常采用第一种方法来确定控制规则，并在试验过程中不断进行修改和完善。规则的形式常采用类似于计算机程序设计语言的条件语句：(2)．模糊蕴含关系运算在应