专利名称：选择性地执行被激励规则的模糊推理系统的制作方法
技术领域：
本发明涉及一种模糊推理系统，更详细地说，是涉及一种用于模糊控制器，适合于超大规模集成电路(VLSI)制作，具有紧致模糊规则库以及有选择性地执行被激励规则的模糊推理系统。
模糊控制器是由术语和模糊规则来描述控制功能的。这里，术语是指控制器输入/输出模糊变量的隶属函数(模糊标号)。这些函数和规则构成模糊知识库，控制器通过模糊规则进行模糊推理，由当前控制变量输入得到相应的控制输出，从而完成模糊控制器的控制功能。
以Mamdani(迈丹尼人名，英国人)模型双输入单输出为例，典型的模糊推理规则如下If(X1isA1)and(X2isA2)Then(Y is C)其中，Xi为输入变量，Ai为输入隶属函数(标号)，Y为输出变量，C为输出隶属函数(标号)。
模糊规则集的大小与输入标号数有关，假设ni为变量Xi的标号数，对于完全规则集，其规则数为N=n1*n2。对于非完全规则集，N＜n1*n2，知识库中规则的if部分描述是必须的。然而对于完全规则集，实际上规则中的前项不需要显式描述，各条规则只需描述前项，从而可减少知识库存储容量，而一般模糊控制器设计中往往是采用完全规则集的。本发明考虑完全规则集的模糊推理系统。
模糊推理过程一般是扫描全部模糊规则，逐条计算，最后合成推理结果。实际上对于任何一组输入，只有少数规则被激励并对合成结果有贡献，而大部分规则未激励，对合成结果无贡献。假设di为变量Xi的隶属函数重叠度，则被激励的规则数仅为Nf=d1*d2。例如设ni=7,di=2，则N=49,Nf=4(
图1)。也就是说推理过程中只要有选择地计算4条规则(图1中阴影部分)，而不是计算49条规则，从而可大大节省推理时间。
本发明基于模糊推理方法适合于大规模集成电路(VLSI)制作这一特点，提出一种新的模糊推理系统。
本发明的主要目的是提供一种具有紧致模糊规则库以及有选择性地执行被激励规则的模糊推理系统，从而可以提高模糊推理速度。
本发明的另一个目的是提供一种从规则库选择被激励规则的寻址电路，以实现快速模糊推理。
根据本发明的目的，将以一种模糊推理协处理器为例，给出如何实现本发明的模糊推理系统。该模糊推理协处理包括模糊推理机，其算法流程为作为模糊控制器的输入清晰量，经过输入模糊化转换成模糊量，然后有选择地取出被激励的模糊规则，进行模糊推理，推理结果经反模糊化转换成清晰量得到控制器输出。该模糊推理协处理器还包括一个与模糊推理机相连接的用于规定模糊推理全过程操作的模糊知识库存储器，一个与模糊推理机相连接的用于模糊推理过程中存储输入/输出变量和中间数据的I/O缓冲存储器，一个与模糊推理机相连接的用于模糊推理协处理器与主机通讯的主机接口电路。
本发明的技术方案为一种选择性地执行被激励规则的模糊推理系统，其特征在于其中模糊知识库具有紧致模糊规则库和输入隶属函数参数表搜索指针，以及用被激励规则的寻址电路有选择性地执行被激励规则的模糊推理系统。
其中紧致模糊规则库为仅存储规则后件的完全规则集。
其中对于Mamdani模型的模糊规则，仅存储规则后件输出模糊标号；对于Takagi-Sugeno(高木管野人名，日本人)模型的模糊规则，仅存储规则后件输出表达式的系数。
其中模糊知识库中输入隶属函数参数表的搜索指针，即按论域分区，对于每个论域区给出该区最先出现的隶属函数的参数表地址。
其中该模糊推理系统还包括一种被激励规则的寻址电路，根据输入模糊化得到的起始前模糊标号，计算得到所有被激励规则的地址。
其中该模糊推理系统还包括从起始前件模标号转换成被激励规则地址的两种寻址电路；一种寻址电路对应前件标号为2m的情况，另一种寻址电路对应前件标号为奇数的情况。
本发明上述目的和其他特点将进一步通过本发明内容详细介绍。
下面先概要叙述有关的附图。其中图1为双输入单输出Mamdani模型完全模糊规则集；图2A-2D为常用输入隶属函数的波形；图2E-2F为常用输出隶属函数的波形；图3A为模糊知识库的信息存放结构；图3B为模糊知识库的信息名说明；图4A为输入隶属函数的信息存放结构；图4B为输入隶属函数的信息名说明；图5A为规则集描述字的结构；图5B为规则集描述字字段的说明；图6A为Mamdani模型模糊规则的形式；图6B为Mamdani模型模糊规则字段的说明；图7A为TS模型模糊规则的形式；图7B为TS模型模糊规则字段的说明；图8A为输入标号数为2m的情况下规则寻址电路；图8B为输入标号数为2m的情况下被激励的规则号；图8C为输入标号数为2m的情况下规则地址寄存器；图9A为输入标号数为奇数的情况下规则寻址电路；图9B为输入标号数为奇数的情况下规则前件标号数组合码；图9C为输入标号数为奇数的情况下规则寻址可能的模数；图10为输入标号数为奇数的情况下规则寻址电路中的乘法器；图11为模糊推理协处理器的结构示意图；1．模糊推理方法模糊控制器主流的模糊模型为Mamdani模型和TS模型。典型的模糊推理方法包括输入模糊化、模糊规则推理、输出反模糊化。其中输入模糊化对于两种模型是相同的。下面分别给出输入模糊化，两种模型模糊推理及其反模糊化的处理方法。
(1)输入模糊化本发明中隶属函数采用参数表示法。隶属函数各自独立描述。图2A-2D为常用输入隶属函数，图2E-2F为输出隶属函数，描述隶属函数形状的参数为横坐标值和斜边斜率。
输入模糊化采用单点法，由给定输入论域值x计算相应的输入隶属函数值(模糊值)μ。下面以梯形隶属函数(图2D)为例，用C语言形式给出输入模糊化算法。
If(p-x≥0)μ=0else if(a1+p-x＞0)μ=(x-p)*s1else if(a2+a1+p-x＞0)μ=1else if(a3+a1+p-x＞0)μ=(a3+a2+a1+p-x)*s3else μ=0(2)Mamdani模型的模糊推理及反模糊化本发明采用4输入1输出模糊规则如下If(X1is A1)and(X2is A2)and(X3is A3)and(X4is A4)Then(Yis C)模糊规则后件中输出为隶属函数(标号)，规则集内的规则按后件标号分组，同一后件标号的规则构成一个规则组。推理过程由四步组成。
(ⅰ)计算规则j的激发强度αjαj=∧iμi其中，μi为输入i的模糊值。
(ⅱ)计算规则组k的合成激发强度αgkαgk=νjαj(ⅲ)计算规则组k的输出推理结果CgkgC’gk(w)=αgk∧μCgk(w)其中，w为输出论域值(清晰值)，Cgk是相应的输出隶属函数(标号)。
(ⅳ)计算规则集的输出合成推理结果Cμc’(w)=∨kμC’gk(w)推理过程中前两步为规则条件部分，相应的模糊算子∧-∨采用min-max(最小-最大)组合，或product-bounded sum(乘积-有界和)组合。后两步为规则蕴含合成部分相应的模糊算子∧-∨采用product-sum(乘积-和)组合。实际计算时，后两步计算是包含在输出反模糊化计算中进行的。
本发明中，反模糊化采用重心法(COG)。根据前面定义的输出隶属函数形状以及上述模糊推理方法，反模糊化输出论域值y可以得到简化的计算公式如下●对于单线输出隶属函数y=Σkαgk*PkΣkαgk]]>●对于等腰三角形输出隶属函数，product-sum蕴含合成y=Σkαgk*bk*PkΣkαgk*bk]]>(3)TS模型的模糊推理及反模糊化本发明采用4输入1输出模糊规则如下If(X1is A1)and(X2is A2)and(X3is A3)and(X4is A4)ThenZj=∑iPi*xi模糊规则后件中的输出Zj表示为输入论域值xi的函数。Pi为系数，其值域为[-1,+1]。推理过程中，对规则逐条进行计算激发强度αj=∧iμi和后件输出值Zj。计算αj的模糊算子∧可为min或product。推理合成反模糊化输出论域值y的计算采用加权平均法。y=Σjαj*zjΣjαj]]>
2．模糊知识库模糊推理系统的功能由模糊知识库规定，包括模糊规则和隶属函数。这里给出一种可能的知识库结构(图3)。整个知识库由多个独立的知识库构成，任何时刻只有一个知识库工作，通过设置知识库指针，由相应知识库起始地址KBA选择当前的工作知识库。知识库主要存放隶属函数参数表MF，规则集RS和规则集描述字RSD。其中不同输入、输出的MF和RS由相应的起始地址MFA和RSA给定。
输入模糊化是对给定输入值，在论域范围内搜索隶属函数值不为零的函数(标号)。为了节省搜索时间，利用论域最高4位，将论域分为16个区间(区号为0～15)。并决定相对于该输入隶属函数起始地址IMFA的第i区内最先出现的隶属函数地址的位移量D(i)，即搜索指针，用以指向该函数的参数表(图4)。这样可加快搜索隶属函数参数表。
每个输出对应一个规则集，由规则集描述字(图5)给定规则形式、前项所对应的输入指针以及前项标号数组合码。Mamdani模型和TS模型具有不同的规则形式(图6和图7)。由于本发明采用完全规则集，规则库实际仅存储规则的后件部分。Mamdani模型每条规则仅占用半个字节(CLP),TS模型每条规则占用4个字节(P1～P4)，规则集的规则数N=n1*n2*n3*n4，其中ni为标号数。
3．模糊规则寻址电路对于任何一组输入进行模糊推理时，整个规则集中只有少数规则被激励。模糊规则寻址电路就是用于计算这些规则的地址，使之能选择性地从规则库存储器中取出被激励的规则进行计算，完成推理。
(1)输入标号数为2m的情况假设控制器有两个输入，每个输入的标号数为8，隶属函数重叠度为3。寻址电路由两个m=3位长的寄存器L1和L2，以及相应的计数器构成(图8A)。显然，完全规则集的规则数为N=64，每次被激励的规则数Nf=9，这9条规则通过L1和L2分别计数(+1)，可完成寻址。设给定输入下，通过模糊化，找到起始标号分别为L1=3,L2=2，则可得到9条规则的规则号(地址)如图8B所示。实际的规则地址寄存数可由L1和L2按图8C方式构成。这样，当标号数较少时，有可能地址高位为零，而使规则区仍占用连续的地址单元。
(2)输入标号数为奇数的情况一般控制器变量的隶属函数以平衡点为中心对称分布，因此标号数常常为奇数。而这又能使完全规则集规模适当减小，使规则库更为紧凑。例如4输入控制器，每个输入的标号数均为8，规则总数为4096。若标号数取7，规则数降为2401。
输入标号数为奇数的情况下，寻址电路不能简单地得到。为使规则区占用连续的地址单元，输入标号组合要通过如下变换得到规则地址ADDR=∑iLi*Mi，其中Li为标号(0,1,…,ni-1),ni为标号数(奇数)，Mi为模数Mi=n0*n1*…*ni-1,n0=1。相应的寻址电路如图9A所示，其中L1～L4为标号寄存器。通过分别计数(+1)，可完成被激励规则的寻址。模数Mi由规则集描述字RSD中前项标号数组合码ML译码得到。本发明中假定标号数ni可能取值为3,5,7。图9B为ML码，每个输入占用2位。图9C为模数Mi的可能值。注意，ML码仅对输入标号数为奇数的情况有意义。
由于标号Li的可能值为(0～6)，模数Mi的可能值如图9C所示。因此图9A寻址电路中的乘法器可简化为加法器(图10)。即根据Li的值分别选择M1,2*Mi,4*Mi中的两个数进行相加，可得到Li*Mi值。
4．模糊推理协处理器的结构上述模糊推理系统可以独立制作成模糊控制芯片，也可以制作成模糊推理协处理器芯片，并与CPU等标准芯片构成模糊控制系统。
图11为模糊推理协处理器的结构框图，由四部分组成。模糊推理机(FIM)完成模糊推理全部处理过程工作。模糊知识库存储器(FKB)用于存放多个模糊知识库，可以是读写存储器RAM或只读存储器ROM，可以是片上集成存储器或采用标准存储器芯片。I/O缓冲存储器(IOMEM)用于存放输入、输出变量值以及推理过程中的工作存储单元，一般为片上集成。主机接口负责模糊处理器和CPU主机协同工作的通讯接口，一般可按命令方式工作。
模糊推理机的算法流程如下推理前所有输入变量先集中从主机送入IOMEM，进行输入模糊化。然后选择性地取出被激励的规则进行计算，逐一得到输出推理结果经过反模糊化将输出值送入IOMEM，最后由主机取出。根据前述的模糊推理方法，基本运算可归结为取小，取大，加，乘，除。因此模糊推理机运算电路主要由一个并行加法器、一个并行乘法器和若干寄存器构成。其中除法由减法和左移逐位求商法完成。
根据本发明所述的上述实施，有如下优点●支持两种最常用的模糊模型Mamdani模型和TS模型。
●具有紧致的模糊规则库，即仅存储规则后件的完全规则集。
●模糊推理过程为有选择性地执行被激励的规则，从而提高了模糊推理的处理速度。
●输入隶属函数参数表的存放格式可以提高输入模糊化的处理速度。
权利要求
1.一种选择性地执行被激励规则的模糊推理系统，其特征在于其中模糊知识库具有紧致模糊规则库和输入隶属函数参数表搜索指针，以及用被激励规则的寻址电路有选择性地执行被激励规则的模糊推理系统。
2.如权利要求1所述的选择性地执行被激励规则的模糊推理系统，其特征在于其中其紧致模糊规则库为仅存储规则后件的完全规则集。
3.如权利要求2所述的选择性地执行被激励规则的模糊推理系统，其特征在于其中规则库对于“迈丹尼”模型的模糊规则，仅存储规则后件输出模糊标号；对于高木管野模型的模糊规则，仅存储规则后件输出表达式的系数。
4.如权利要求1所述的选择性地执行被激励规则的模糊推理系统，其特征在于其中模糊知识库中输入隶属函数参数表的搜索指针，即按论域分区，对于每个论域区给出该区最先出现的隶属函数的参数表地址。
5.如权利要求1所述的选择性地执行被激励规则的模糊推理系统，其特征在于其中该模糊推理系统还包括一种被激励规则的寻址电路，根据输入模糊化得到的起始前模糊标号，计算得到所有被激励规则的地址。
6.如权利要求5所述的选择性地执行被激励规则的模糊推理系统，其特征在于其中该模糊推理系统还包括从起始前件模标号转换成被激励规则地址的两种寻址电路；一种寻址电路对应前件标号为2m的情况，另一种寻址电路对应前件标号为奇数的情况。
全文摘要
本发明一种选择性地执行被激励规则的模糊推理系统,其模糊知识库,具有紧致模糊规则库,模糊规则集为仅存储规则后件的完全规则集;具有输入隶属函数参数表搜索指针;包括一种规则寻址电路,使其模糊推理过程中,有选择性地执行被激励的规则;支持两种最常用的模糊模型;输入隶属函数参数表的存放格式可以提高输入模糊化的处理速度。
文档编号G06N7/02GK1325088SQ0010770
公开日2001年12月5日 申请日期2000年5月22日 优先权日2000年5月22日
发明者沈理 申请人:中国科学院计算技术研究所