一种基于模糊评判的推理机及其应用

发布时间:2008/6/3 0:00:00 访问次数:517

作者：石家庄军械工程学院控制系统工程系（050003）黄景德王兴贵王祖光

来源：《电子技术应用》

摘要：根据装备故障模糊预测系统的特点，应用模糊综合评判理论，研究了一种面向故障预测问题的推理运算模型及推理控制策略。 关键词：模糊预测系统推理机模糊评判

故障模糊预测系统不同于传统意义上的专家系统，它是一种以ａｄｍａｓ仿真平台开发出的装备虚拟样机为基础，充分利用已有的维修领域的知识和专家经验建立动态的运算规则，经过模糊推理机的科学运算，评判出故障部位，然后将其仿真结果参照故障域值定量判断，预测故障发生的时机、状况的智能性程序系统。模糊推理机是整个模糊预测系统的核心。在模糊理论中常用的模糊推理方法是在模糊规则集的基础上，使用最大—最小合成法与各种蕴涵公式的组合，由于这种方法在模糊运算的过程中忽略了很多次要因素，使之对于装备故障预测系统的适应性很不理想。基于这一思想，本文建立了一种基于模糊评判的故障预测推理机制，以保证推理结果的准确性。

1 基于模糊综合评判的推理机制

1.1 模糊推理运算模型

模糊推理运算模型是模糊推理机进行推理所使用的工具，运算模型的建立对系统预测的准确性有着直接的影响。

定义１设ｕ＝{ｕ１,ｕ２,……,ｕｎ}是所有可能发生的影响因素的集合,ｖ＝{ｖ１,ｖ２,……，ｖｍ}是所有可能出现的故障点的集合满足ｕ＝∪ｕｉ,且ｉ≠ｊ时，ｕｉ∩ｕｊ＝ф。视考察对象，每大类因素又可分为若干个子类，即ｕｉ＝{ｕｉ１,ｕｉ２,……，ｕｉｐ}。

其中ｎ为大类影响因素，ｍ为评判等级的个数，ｐ为各个大类影响因素中子类影响因素个数。

定义２ａ＝（ａ１,ａ２,．．．,ａｎ）是ｕ上的一个模糊子集，ａｉ表示因素ｕｉ呈现的程度，即ｕｉ的权重大小，且ａｉ＝１。同理对ｕｉ有ａｉ＝（ａｉ１,ａｉ２,．．．,ａｉｐ）,且ａｉｊ＝１。

在ｕ、ｖ之间进行模糊推理，等价于建立一个从ｕ到ｖ的映射：

ｆ:ｕ→ｆ(ｖ) (ｕｉ∈ｕ)

ｕｉ→ｆ(ｕｉ)＝ri1 / v1＋ri2 / v2＋…rim / vm (０≤ｒｉｊ≤１,ｊ＝１,２,．．．,ｍ)

定义３若有ｕｉ∈ｕ，则定义

ｒｉｊ＝ｖｊ(ｕｉ)

其中ｒｉｊ为模糊推理的隶属函数，也可以理解为第ｉ个影响因素导致第ｊ个故障点出现的可信度。

那么由ｆ导出ｕ、ｖ之间的模糊关系，即构成一个模糊规则集，可表示为一张模糊预测响应表，如表１所示。考虑预测系统的实时性，模糊关系矩阵应为动态矩阵，即影响因素和故障点的隶属关系应随着使用情况的改变而变化。子类因素的模糊规则集依此类推。

表1 模糊预测响应表 　 v1 v2 … vm u1 r11 r12 … r1m u2 r21 r22 … r2m 　　　 … 　 un rn1 rn2 … rnm

模糊预测响应表对应了一个模糊关系矩阵ｒ：

于是（ｕ，ｖ，ｒ）构成一个综合评判空间。