شناسايي سيستم‌هاي غيرخطي بر اساس منطق فازي توسعه يافته

Nonlinear System Identification based on Extended Fuzzy Logic

چكيده: سيستم‌هاي فازي يكي از تثبيت شده‌ترين بخش ادبيات نظريه منطق فازي است. تحقيقات گسترده‌اي در اين حوزه شده است كه سودمند بودن اين سيستم‌ها را نشان مي‌دهند. با اين حال، سيستم‌هاي فازي عيوبي نيز دارند به خصوص وقتي كه بخش دامنه صفر در تابع عضويت مقدم در قانون اگر- آنگاه تهي نباشد. اين مقاله، با نگاهي به رويكرد منطق فازي توسعه يافته كه جديداً توسط زاده معرفي شده است، به بسط سيستم‌هاي فازي با نگرش متفاوت ف-انتقالي استنتاج فازي مي‌پردازد و سيستمي جديد به نام سيستم‌هاي فازي توسعه يافته را معرفي مي‌كند. سيستم پيشنهادي شامل عمليات پردازش ورودي كه حاوي فازي ساز و اعتبار ساز، پردازش خروجي شامل مبدل مجموعه و غير فازي‌ساز علاوه بر بخش پردازش دانش و استنتاج است. نوآوري مشخص اين مقاله معرفي ف-مودس پوننس در قالب فرموله كردن استنتاج تقريبي بر اساس منطق فازي توسعه يافته است. سپس، ساختار سيستم فازي توسعه يافته به عنوان تقريب‌گر عمومي پيشنهاد مي‌شود و از آن براي شناسايي سيستم‌هاي غيرخطي كه ملاحظات بيش تري نسبت بـه سيستم‌هاي خطي در شناسايي نياز دارنـد استفاده مي‌شود. تحليل نتايج حـاصـل از شبيه سازي مبين برتري سيستم فازي توسعه يافته در مقايسه با سيستم‌هاي فازي است.

Abstract: One of the main parts of fuzzy logic theory is fuzzy systems. The extensive research in this area shows the applicability of the systems. However, fuzzy systems carry some shortcomings; especially, when the insignificant parts of the membership functions in the if-section of rules are not empty. This paper based on extended fuzzy logic, which recently introduce by Zadeh, extends fuzzy systems by f-transforming fuzzy inference and introduces an extended fuzzy system. The proposed extended fuzzy system involves the operations of input processing containing fuzzification and validification, output processing containing set-conversion and defuzzification, as well as knowledge processing and making inference. The main novelty of the paper is formulating approximate reasoning within extended fuzzy logic framework. Then the extended fuzzy system as universal approximator is proposed and applied to the identification of nonlinear systems that need more consideration than linear systems. The simulation results show priority of the proposed system when compared to the fuzzy system.