西安电子科技大学：《神经网络与模糊系统 Neural Networks and Fuzzy Systems》课程PPT课件讲稿（2003）08. 模糊与神经网络的比较——以倒车系统为例 Comparison of Fuzzy and Neural Truck Backer-Upper Control Systems

第九章模糊与神经网络的比校 以倒车系统为例 杨勋 2003年12月

第九章 模糊与神经网络的比较 ——以倒车系统为例 杨 勋 2003年12月

倒车问题 loading dock (x.Jr) (100.100) rear （y) front (0.0)

倒车问题

模糊系统的一般处理方法 模糊规则库 输入参数 模糊化 模猢推理 去模糊 模糊集 模糊集 输出参数

模糊系统的一般处理方法 模糊化 模 模糊推理 去模糊 糊 集 输 入 参 数 模 糊 集 输 出 参 数 模糊规则库

模猢系统的模糊集 Angle中 z-position x Steering signal e RB:Right Below LE:Left NB:Negative Big RU:Right Upper LC:Left Center NM:Negative Medium RV:Right Vertical CE:Center NS:Negative Small VE:Vertical RC:Right Center ZE:Zero LV:Left Vertical RI:Right PS:Positive Small LU:Left Upper PM:Positive Medium LB:Left Below PB:Positive Big

模糊系统的模糊集

输入X的隶属度区数 LE LC CE RC 刷 1.5 0 0 10 20 30 40 50 60 70 80 90 100 input variable"m(x)

输入x的隶属度函数

输入①的隶属度丞数 RB RU RY VE LV LU LB 5 -50 0 50 100 150 200 250 input variable "m(phai)

输入Φ的隶属度函数

输出日的隶属度丞数 NB NM NS ZE PS PM PB 0.5 0 -30 -20 -10 0 10 20 30 output variable"m(sita)

输出θ的隶属度函数

FAM规则 LE LC CE RC RI RB 1 PS 2PM PM PB PB RU NS PS PM PB PB 0 RV NM NS PS PM PB 10 VE NM NM 18ZE PM PM LV NB NM NS PS PM 100 80 60 LU NB NB NM NS PS 50 40 0 20 0 250200150 100 LB NB NB NM NM NS m(pha) m(x)

FAM规则 LE LC CE RC RI RB 1 PS 2 PM PM PB PB RU NS PS PM PB PB RV NM NS PS PM PB VE NM NM 18ZE PM PM LV NB NM NS PS PM LU NB NB NM NS PS LB NB NB NM NM NS

相关最小FAM推理 ◆具体的步骤： ◆1、根据规则库里的每一条规则都可以产生一 个模糊集0： ◆2、对于每一个模糊集0，它隶属度的最大值不 能超过输入值在输入模糊集上的隶属度，超过 的就取输入值在输入模糊集上的隶属度。得到 模糊集0 ◆3、求这些模糊集的和，得到输出模糊集0

相关最小FAM推理 具体的步骤： 1、根据规则库里的每一条规则都可以产生一 个模糊集o ’ j ； 2、对于每一个模糊集o ’ j ,它隶属度的最大值不 能超过输入值在输入模糊集上的隶属度，超过 的就取输入值在输入模糊集上的隶属度。得到 模糊集oj； 3、求这些模糊集的和，得到输出模糊集o

FAM推理示意图 FAM RULE1出 r◆a RV and i CE thes PS. PAM RULE 17: i◆VE and X ia CE hn。hZ2 Inpute Iaput X eutput B

FAM推理示意图