设为首页 加入收藏 期刊导航 网站地图
  • 首页
  • 期刊
    • 数学与物理
    • 地球与环境
    • 信息通讯
    • 经济与管理
    • 生命科学
    • 工程技术
    • 医药卫生
    • 人文社科
    • 化学与材料
  • 会议
  • 合作
  • 新闻
  • 我们
  • 招聘
  • 千人智库
  • 我要投搞
  • 办刊

期刊菜单

  • ●领域
  • ●编委
  • ●投稿须知
  • ●最新文章
  • ●检索
  • ●投稿

文章导航

  • ●Abstract
  • ●Full-Text PDF
  • ●Full-Text HTML
  • ●Full-Text ePUB
  • ●Linked References
  • ●How to Cite this Article
Operations Research and Fuzziolgy 运筹与模糊学, 2012, 2, 53-62
http://dx.doi.org/10.12677/orf.2012.24007 Published Online November 2012 (http://www.hanspub.org/journal/orf.html)
The Center-of-Gravity Fuzzy System and Its Probability
Representation Theory Based on the Parameter
Singleton Fuzzifier*
Xuehai Yuan
School of Control Science and Engineering, Dalian University of Technology, Dalian
Email: yuanxh@dlut.edu.cn
Received: Aug. 6th, 2012; revised: Aug. 15th, 2012; accepted: Aug. 27th, 2012
Abstract: The constructed fuzzy systems are not universal approximators when the normal fuzzy implications
such as Lukasiewicz implication is chosen and the union operation is taken to aggregate fuzzy inference rela-
tions. It is pointed in this paper that one can dissolve the problem if the parameter singleton fuzzifier is used
in the construction of fuzzy system. In this paper, the center-of-gravity fuzzy systems based on Lukasiewicz
implication are first constructed by use of the parameter singleton fuzzifier, then the universal approximations
of the fuzzy systems are proved and the sufficient conditions for the fuzzy system as universal approximator
are given. In the end, the joint probability density functions, the marginal density functions and numerical
characteristics such as mathematical expectations, variances and covariances for the fuzzy system are ob-
tained.
Keywords: Fuzzy Control; Fuzzy System; Universal Approximation; Probability Density; Numerical
Characteristics
基于参数单点模糊化的重心法模糊系统及
其概率表示理论*
袁学海
大连理工大学控制科学与工程学院,大连
Email: yuanxh@dlut.edu.cn
收稿日期:2012 年8月6日;修回日期:2012年8月15日;录用日期:2012 年8月27 日
摘 要:在模糊系统的构造中,如果使用Lukasiewicz 蕴涵且推理关系取并运算,则所构造的模糊系统
没有泛逼近性。针对这一问题,本文指出:通过应用参数单点模糊化方法可解决此问题。本文首先应
用参数单点模糊化方法,成功地构造出了基于Lukasiewicz 蕴涵的重心法模糊系统,然后证明了所构造
的模糊系统具有泛逼近性,并给出了这种模糊系统具有泛逼近性的充分条件。最后给出了所构造重心
法模糊系统对应的联合概率密度函数和边缘概率密度函数,给出了这些概率分布的数学期望、方差和
协方差等数字特征。
关键词:模糊控制;模糊系统;泛逼近性;概率分布;数字特征
1. 引言
模糊系统的构造主要有:对输入变量进行模糊化;构造模糊推理关系;模糊推理和对输出模糊集进行解模
糊化等四个过程。到目前为止,常用的解模糊化方法有:中心平均解模糊化方法;重心法解模糊化方法和最大
*基金项目:国家自然科学基金资助项目(No.90818025, No.61074044)。
Copyright © 2012 Hanspub 53
袁学海  基于参数单点模糊化的重心法模糊系统及其概率表示理论
值解模糊化方法等[1]。文献[2,3]指出:对一些常用的正则模糊蕴涵算子,如Lukasiewicz 蕴涵等,当采用单点模
糊化且推理关系取“并”时,所构造的模糊系统没有响应能力。为此,文献[4]首次引入了参数单点模糊化方法,
指出:利用参数单点模糊化可解决一些常用的正则模糊蕴涵算子不能构造模糊系统的问题,但文献[4]仅给出重
心法模糊系统的近似形式。
我们知道,用重心法构造的模糊系统具有概率论意义,它是在最小二乘意义下对所逼近系统的最佳逼近[5,6]。
但如何得到重心法模糊系统所对应的概率密度函数是一个困难的问题。
本文应用参数单点模糊化和重心法构造出了基于 Lukasiewicz 蕴涵的模糊系统及对应的联合概率密度函数
和边缘概率密度函数,我们证明了所构造的模糊系统具有泛逼近性,并给出了所构造的概率分布的数学期望、
方差和协方差等数字特征。
2. 重心法模糊系统
设




1
,
ii in
xy  为一组输入输出数据,本文做如下假设
12
12
,
.
n
n
ax xxb
cy yyd






利用已知数据构造具有二相性的三角波,即对 2, 3,,1in

,



1
1
1
1
1
1
,,
,
0,
iii
ii
i
iii
ii
xx
x
xx
xx
xx
Axx xx
xx















,
其它



1
1
1
1
1
1
, ,,
, ,,
0, .
iii
ii
i
iii
ii
yy yyy
yy
yy
By yyy
yy













其他


2
12
21
1
,,
0,
xx
x
xx
xx
Ax





其它


1
1
1
,,
0,
nnn
nn
n
xx
x
xx
xx
Ax







其它.


2
12
21
1
,,
0,
yyyyy
yy
By





其他.


1
1
1
,,
0,
nnn
nn
n
yy yyy
yy
By







其他.
,
则,
ii
x
y分别为 i
A
和 的峰点,即
i
B





1,11, 2,,
ii ii
A
xBy in且当


1
,
ii
x
xx

时,







11, 0,1.
ii j
AxAxAxjii

 
当


1
,
ii
y
yy

时,
 




11, 0,1
ii j
ByByByj ii

 。
于是有模糊推理规则


If is ,then is 1,2,,
ii
x
AyBin (1)
令

为Lukasiewicz 模糊蕴涵算子,即




,1aba b

1

 。将规则(1)中的每条规则生成一个模糊关系
。

i
y


,,
ii
Rx AxBy

设i
A
为输入变量
x
的参数单点模糊化,即



,
0,
i
i
A
xxx
Ax
x
x







 (2)
令,取一个-范T,做 合成,当
1
n
i
i
BA



i
RtT


1
,
ii
x
xx

,


1
,
ii
y
yy

时,记



1
,
ii
uAxvA x

,
Copyright © 2012 Hanspub
54
袁学海  基于参数单点模糊化的重心法模糊系统及其概率表示理论
11
,.
22
ii ii
ii
x
xyy
xy



则有 且 1uv









1
,,
ii
By uTuByvTvBy




则重心法模糊系统为:
 

d
d
d
cd
c
yB y y
Sx Byy



 (3)
则有以下定理:
定理 1
1) 当 时,则

,Taba b







 

 
1111
2211
11
, ,
,,
,
iii iii
iii iii
iii i
1
A
xy Axyxxx
Sx
A
xy Axy xxx
Axy Axy



 







其中 ,且
 
111
1
ii
Ax Ax


 
 
221
1
ii
Ax Ax




23
12
13 128
36 41
iuuu
Ax uu
 
,


23
21 2
13 128
36 41
ivvv
Ax vv


 
。
2) 当 时,
 
,1Taba b0







 

 
1111
2211
11
, ,
, ,
,
iii iii
iii iii
iiii
CxyCxy x xx
Sx CxyCxyx xx
Cxy Cxy



 







1
其中 ,且
 
111
1
ii
Cx Cx



 
221
1
ii
CxC x




23
1
12
33
i
Cxu u
 ,

23
21
12
33
i
Cxv v

 。
3) 当 时

,Tabab







 

 
1111
2211
11
, ,
, ,
,
iii iii
iii iii
iii i
Dxy Dxyxxx
Sx DxyDxy x xx
Dxy Dxy











1

其中



111
1
ii
Dx Dx


,




221
1
ii
Dx Dx



,


234
123
1 61517156,
31484
iuuu uu
Dx uuuu
 
 
5


234
21 23
1 61517156.
314 84
ivv v vv
Dx vvvv


   
 
5
证明:
1) 设


,Taba b,则






11
,, ,
ii ii
x
yxx yy

 时








1
11
ii
Byu vByv uBy



 
 

.
Copyright © 2012 Hanspub 55
袁学海  基于参数单点模糊化的重心法模糊系统及其概率表示理论
当


,
ii
x
xx时, ,
 

i
Byu vBy





1
2
ii
uvByyvyuvy y

 
ii
。所以,当 i
yy

时,
,当
 
i
By vBy
 i
yy



By u
时, 。
当


1
,
ii
x
xx

, ,
 

1i
Byv uBy







1
2
ii
vuBy yuyvuyy

 
1ii
。所以,当 i
yy


时,
,当 时,

By v
i
yy



1i
By uB y




。
当


,
ii
x
xx时,

1
2,
iii i
y
yvy y

 




1iii i
y
yuvy y


 ,
于是
 



11 2
1
1
ddd 64
2
iii
iii
yyy
iii
yyy
ByyuyvByyyyu u






 


 1

,
 


 
11
111
1
dd d
2
iii
iii
yyy
iiiiii
yyy
yByyyuyyvByyyyCxyCxy







i






 ,
其中


23
113 128
3
i
Cxu uu ,



2
164
ii
Cx Cxuu

1。
同理,当


1
,
ii
x
xx

时
 



11
2
11
1
ddd6
2
ii i
ii i
yy y
iii
yy y
ByyuBy yvyyyvv






 


 41
,
 


 
1 1
111
1
ddd
2
ii i
ii i
yy y
iiiii
yy y
yByyyuByyyvyyyDx yDx y
 





 
1
ii






 ,
其中 ,

23
113 128
i
Dxv v v
 



2
164
ii
Dx Dxvv

1。

因此,由式(3)可推得:



11iii i
SxAxy Axy


 。
2) 设Ta ,则
 
,1ba b0




11
,, ,
ii ii
x
yxx yy


 时








1
11 11
ii
Byu vByv uBy



 
 

.
则



ii i
uByyyByBy v

 
,


ii
Byvy y

 ,则当



,
ii i
yyyByBy

 
,当
。

,
i
yyByv


同理,当 时,即

i
uByi
y
y时,




1i
By uBy


 。
则当 ,当
 
1
,
ii i
yyyByBy

 



,
i
yyBy u
 

。
于是 ,
ii
y
y
将




1
,,
ii ii1
x
xyy


划分为四个部分:







1 1
,,, ,,,
iii iiiii
H
xyxxxyyyxyxxx yyy



 



21
,,,
ii ii
H
xyxxxyyy



 







311
,,, ,,,
ii iiiiii1
H
xyxxxy yyxyxxxyyy


 



4,,,
ii ii
H
xyxxxyyy


 
则



 

 
1
12
3
4
,,
,,
,,
,,
i
i
uxyH
By xyH
By vxyH
Byxy H










当


,
ii
x
xx时,




11
,
ii iiiiii
yyvy yyyuy y


 
,
Copyright © 2012 Hanspub
56
袁学海  基于参数单点模糊化的重心法模糊系统及其概率表示理论




1111
,
ii iiiiii
yyvyyyyuyy


 
,
则
 


11
*
1
dd dd2
iiii
iiii
yyyyii
i
yyyy
y
y
Byyuyvy Byy



 


,


 
1
111
1
d2
i
i
y
iiii ii
yyByyyyCx yCxy


 




,
其中
 
23
1
12
,1
33
ii
CxuuCx Cx

 
i
。
因此,由(3)可知:
 


111iii i
SxC xyCxy

1


 ,其中
 
23
11
12
,1
33
ii
CxuuCxCx

11i


 。
同理,当


1
,
ii
x
xx

时,
 


221iii i
SxC xy Cxy

1


 ,其中

23
21
12
33
i
Cxv v

 ,



221
1
ii
CxC x


。
因此,由式(3)可推得:
 


11iii i
SxCxyCxy


 。
3) 设 ,当

,Tab ab





11
,, ,
ii ii
x
yxx yy

 时








1
11
ii
ByuvByvuB y



 
 

.
由于 ,因此,当

1
ii
vByy y

i
y
y

时,






1i
By uvuB y


 ;
时,
 


i
By uvByv 

当i
y
y而


2
2
11ii
vu
uvuB yyvyy y
v



ii
,


22
3
1ii
uv v
vuvByyyy y
uu


 
ii
.
于是 23
,,
iii
y
yy
将




1
,,
ii ii1
x
xyy


划分为六个部分:



11 ,,,
ii ii
J
xyxx xyyy

 



3
12 ,,,
ii ii
J
xyxx xyyy

 



3
13 1
,,,
ii ii
J
xyxx xyyy

 



2
21 1
,,,
ii ii
J
xyxx xyyy

 



2
22 1
,,,
ii ii
J
xyxx xyyy


 



231 1
,,,
ii ii
J
xyxx xyyy


 
则当


,
ii
时,







11
12
13
,,
,,
,,
i
uxy
ByuvByxy J
vxy





 




J
J
x
xx
时,







21
12
23
,,
,,
,,
i
uxy
ByvuByxy J
vxy






 




2
J
J
则当当




x
1
,
ii
xx


x
,
ii
xx时,
Copyright © 2012 Hanspub 57
袁学海  基于参数单点模糊化的重心法模糊系统及其概率表示理论
 




3
1 1
3
23
1
14 84
1
dd dd
2
iiii
iiii
yyyy
iii
yyyy
uu u
ByyuyuvBy yvyyyu
 


 






,
 



 
3
1 1
3111
1
ddd d
2
iii i
iii i
yyy y
iiii
yyy yiii
y
ByyyuyyuvByyyvxyyyCx yCxy
 










 

,
其中

234
2
1 61517156
3
iuuu uu
Cx u
 

5
,
 
23
1
14 84
ii uu u
Cx Cxu

 
 .
同理,当


1
,
ii
x
xx

时
 




2
1 1
2
23
11
14 84
1
dd dd
2
iiii
iiii
yyyy
iii
yyyy
vvv
ByyuyvuBy yvyyyv

 





 


,
 


 
2
1 1
2111
1
dd dd
2
iii i
iii i
yyy y
iiiii
yyy y
yByyyuyyvuByyyvyyyDx yDxy

 




 
1
ii






 ,
其中

234
12
16 1517156
3
ivv v vv
Dx v

 

5
,
 
23
1
14 84
ii vvv
Dx Dxv


 .
因此,由式(3)可推得
  
11iii i
SxDxy Dxy

 。
注1 前边的推导都是假定

s
x是单调函数。对于非单调函数,我们可将
X
分成几个小区间,使


s
x在每
个小区间上单调,则仍可得到模糊系统

Sx。
例如令



sin ,π,πsx xX,12
πππ
,
2


π,, ,
22
XX

 


 3
π,π
2
X






。则

s
x在12
,,
3
X
XX上都是单
调函数。
3. 泛逼近性
由前面得到的模糊系统

Sx均可以表示为






11iii i
SxA xyAxy


,其中 。
 
11
ii
Ax A x



当


1
,
ii
x
xx

时,令




111iii i
SxAxy Axy


 ,






211i iii
CxyC xySx


 ;






31iii1i
SxDxy Dxy

 ,则




1, 2,3
i
Sxi可以统一写成形式:






11iii i
SxA xsxAxsx


 且
 
11
,
iii i
Sx ySxy

。
引理 1[7] 设

s
x在


,ab 上二阶连续可导,当


1
,
ii
x
xx

时,








11iii i

F
xA xsxAxsx

 。
则2
1
8
F
ss


 hx。其中 。

1
1
max ii
in
hx



定理 2 设
f
为被逼近函数且二阶连续可导, 1
1
max i
in
hx

 i
x

,则
2
11
83
Ssshs h




 
(4)
证明:
1) 选取 。当
1
TT


,
ii
x
xx时,
 















1111111iiiiiiiii
SxFxAxA xyAx AxyAxAx yy

 
 
1i
.
易知
 

2
12
2122 1
11
33
53
4
44
ii
uuu
Ax Ax
u






,故
 
13
ii
1
Ax Ax
。于是

Copyright © 2012 Hanspub
58
袁学海  基于参数单点模糊化的重心法模糊系统及其概率表示理论
 
11
11
33
ii
SxFxy ys h


 类似地,当


1
,
ii
x
xx

时,可得
 
11
11
33
ii
SxFxy ys h


 。
由引理 1得2
11
11
83
Ss SF Fsshsh

 


 。
2) 选取 ,当
2
TT


,
ii
x
xx时,
 
23
1
12
33
ii
CxAxuu u


 ,则
 
1
1
3
ii
Cx Ax


。
于是
 
11 11
11
33
iiiiii
SxFx CxAxyyyysh




 .
同理,当


1
,
ii
x
xx

时,
 
23
21 1
12
33
ii
CxAxv v

 v

 .
因此,
 
11 11
11
33
iiiiii
SxFx CxAxyyyysh




 ,
于是可得, 2
11
83
SsSFFsshs h

 


 。
3) 选取 ,当
3
TT


,
ii
x
xx时,

1,1
2
i
uAx






,则
 

2345
123
11 6125961
33
14 84
ii uuuuu
Dx Axuuuu
  
 
 ,
于是
 
31 11
11
33
iiiiii
SxFx DxAxyyyysh




 .
当


1
,
ii
x
xx

时,

1
1,1
2
i
vA x







,则
 

2345
21 123
11 6125961
33
14 84
ii vvvvv
DxAx vvvv


 
 
,
于是
 
32111
1
3
iiii
SxFxDxAxyysh

 

 .
因此,
2
33
11
83
Ss SF Fsshsh

 


 .
注2. 定理2实际上给出了模糊系统

Sx具有泛逼近性的充分条件,由此定理可确定推理规则数目。
例1. 设
 

sin 3, 3
x
sx X
x

,


,则 0.44, 0.34ss



。令逼近误差 0.1


,

33 6
11
hnn



。
则根据公式(4)可知:当 时,10n10.1Ss

。
仿真曲线和误差曲线见图 1。
Copyright © 2012 Hanspub 59
袁学海  基于参数单点模糊化的重心法模糊系统及其概率表示理论
Figure 1. The simulation curve and the error curve
图1. 仿真曲线和误差曲线
4. 概率表示理论
令 ,
  
,,
,
0,
Byxy XY
qxy





其它

,dd
H
qxyxy
 
 
 ,
当




,, ,
X
ab Ycd时,有

dd
bd
ac
H
Byxy

 (5)
若 ,则 0H



,
,qxy
fxy
H
 (6)
满足:
 
+
,0; ,ddfxyfxyxy

 

 1.

因此,

,
f
xy可视为某随机向量


,


的联合密度函数[5,6]。
我们有:
定理 3
1) 若


,Taba b,则

1
11
1
7
12
n
iiii
i

H
yyxx





10
(7)
2) 若 时,则
 
,Taba b

1
11
1
1
2
n
iiii
i

H
yyxx




 (8)
3) 若 时,则

,Tab ab

1
11
1
1
ln 26
n
iiii
i

H
yyxx




 


 (9)
证明:
1) 由定理 1的证明知:
Copyright © 2012 Hanspub
60
袁学海  基于参数单点模糊化的重心法模糊系统及其概率表示理论






11
11 1
1
1
1
1
1
1
11
1
dd
dddddddd
7
,
12
ii
ii
ii iiiiii
ii iiiiii
nxy
xy
i
nxyxyx yxy
ii
xyxyxyx y
i
n
iiii
i
HByyx
yxvB yyxvByyxvyx
yyxx


 










 

 
 


  

1
2)和3)类似可证。
注3 由定理 3和公式6知:我们已得到模糊系统


Sx所对应的随机向量


,


的联合概率密度函数。
下面对 和的情况研究随机向量

,Taba b
 
,Taba b10


,


的边缘概率密度函数及其对应的
数字特征。我们有以下结论:
定理 4
1) 若 ,则随机向量

,Taba b

,



的边缘概率密度函数为







12
12
1
44 1,,
2
44 1,,
2
ii ii
ii ii
yyuu xxx
H
fx yyvv xxx
H




 



 


,



 


11
1,
2ii ii
1,
ii
xx
f
yByByyyy
H




10
2) 若 ,则随机向量
 
,Taba b


,


的边缘概率密度函数为


1
1
,,
2
ii ii
yy
f
xxxx
H






1
1
,,
2
ii ii
xx
f
yyyy
H




证明是显然的。
定理 5
1) 随机变量 ,


的数学期望:

1
n
ii
i
Ex



,

1
n
ii
i
Ey



.
2) 随机变量 ,


的方差:

2
1
11
nn
iiiii
ii
Dxxx

 




()
,2
1
11
()
nn
iiiii
ii
Dyy
 




y
.
3) 随机变量 ,


的协方差:

111
Cov ,
nnn
iiii ii
iii
zx
 






y





.
其中,


11
1
11
1
iiii
in
iiii
i
yyxx
yyxx









。
证明:仅对 加以证明。

,Taba b
 

11
1
11
11 1
11
ddd
7.
12 2
iii
iii
nn
xxx
xxx
ii
nn
iiiiiiii
ii
Exfxxxfxxxfxx xfxx
yyxxxx x
H






 
 

d


 




 


 

Copyright © 2012 Hanspub 61
袁学海  基于参数单点模糊化的重心法模糊系统及其概率表示理论
Copyright © 2012 Hanspub
62

 





12
11
222
11
11
11
11
11
793
dd 12 280
7.
12
i
i
nn
xiiiiiii i
x
ii
nn
iiii
ii iii
ii
yyxx
Exfxxxfxxxxxx
H
yyxx
xx xx
H




 

 





 








则




2
22
1
11
()
nn
iiiii
ii
DE Exxx
 


 

,
  
 

 


11
1
1
1
1
1
1
1
11
,dd ,dd
1
dddd
dddd
ii
ii
ii ii
ii ii
ii i
ii i
nxy
xy
i
nxy xy
iii
xy xy
i
xy y
ii i
xy y
Exyfx yy xxyfx yy x
xyAxy xxyAxByy x
H
x
yAxByy xxyAxyx





 
 














 
 


11
11 1
11
11 1
13
,
60
i
i
x
x
nn n
iii iiiiii
ii i
zyyxxz
 

 

 



 

 
 
111
Cov ,
nnn
iiii ii
iii
EEEz xy

 

 

.
5. 结论
本文应用参数单点模糊化方法,构造出了基于Lukasiewicz 蕴涵的重心法模糊系统,证明了所构造的模糊系
统具有泛逼近性,给出了所构造的模糊系统对应的联合概率密度函数、边缘概率密度函数和这些概率分布的数
学期望、方差和协方差等数字特征。这些讨论进一步揭示了模糊系统的概率意义。
参考文献 (References)
[1] 王立新著, 王迎军译. 模糊系统与模糊控制教程[M]. 北京: 清华大学出版社, 2003.
[2] 李洪兴, 尤飞, 彭家寅, 曾文艺. 基于模糊蕴涵算子的模糊控制器及其响应函数[J]. 自然科学进展, 2003, 13(10): 1073-1077.
[3] 李洪兴, 彭家寅, 王加银. 常见模糊蕴涵算子的模糊系统及其响应函数[J]. 控制理论与应用, 2005, 22(3): 341-347.
[4] 袁学海, 李洪兴, 孙凯彪. 基于参数单点模糊化方法的模糊系统及其逼近能力[J]. 电子学报, 2011, 39(10): 2372-2377.
[5] 李洪兴. 模糊系统的概率表示[J]. 中国科学 E辑, 2006, 36(4): 373-397.
[6] 袁学海, 李洪兴. 基于输入-输出数据的概率分布和数字特征[J]. 模糊系统与数学, 2011, 25(1): 69-78.
[7] X. J. Zeng, M. G. Singh. Approximation theory of fuzzy systems-SISO case. IEEE Transactions on Fuzzy Systems, 1994, 2(2): 162-176.

版权所有:汉斯出版社 (Hans Publishers) Copyright © 2012 Hans Publishers Inc. All rights reserved.