Mô hình mờ Mamdani

Một phần của tài liệu Phương pháp mô hình hóa mờ sử dụng phân cụm dữ liệu (Trang 27 - 29)

Dựa trên loại cơ chế suy diễn mờ và các dạng luật mờ đƣợc sử dụng, phần lớn các mô hình mờ có thể đƣợc xếp vào một trong ba loại mô hình sau: Mô hình mờ Mamdani, mô hình mờ Takagi-Sugeno, mô hình mờ Tsukamoto. Tuy nhiên để thuận lợi cho việc trình bày mô hình hóa mờ, sau đây sẽ trình bày sơ lƣợc về mô hình mờ Mamdani.

Mô hình mờ Mamdani (còn gọi là mô hình ngôn ngữ - linguistic models ) đƣợc đề xuất với mục tiêu ban đầu là điều khiển tổ hợp nồi hơi và động cơ hơi nƣớc thông qua một tập luật dạng ngôn ngữ thu đƣợc từ những thao tác viên con ngƣời có kinh nghiệm. Đây là dạng mô hình điển hình nhất, với bộ luật bao gồm các luật mà

phần tiền đềphần kết luận đều là các tập mờ. Hình 2.10 minh hoạ mô hình Mamdani hai luật điển hình với một đầu ra z, chịu tác động của hai đầu vào rõ x và y với phép hợp thành product – max và hình 2.11 minh họa với phép hợp thành min-max

Rõ ràng, khả năng diễn đạt luật bằng ngôn ngữ tự nhiên đối với mô hình mamdani rất dễ dàng và tƣờng minh. Tuy nhiên, kết quả của mô hình

28

Mamdani lại là tập mờ tổ hợp từ mỗi luật đƣợc sử dụng, do đó, khi muốn chiết xuất một giá trị rõ ở đầu ra mô hình, ta cần chọn một cơ chế khử mờ phù hợp.

Điều này ít nhiều ảnh hƣởng tới chi phí tính toán.

Hình 2.11: Mô hình mờ Mamdani sử dụng product và max lần lượt cho phép toán AND mờ và OR mờ

Hình 2.12: Mô hình mờ Mamdani sử dụng min và max lần lượt cho phép toán AND mờ và OR mờ

29

Một phần của tài liệu Phương pháp mô hình hóa mờ sử dụng phân cụm dữ liệu (Trang 27 - 29)

Tải bản đầy đủ (PDF)

(72 trang)