SIMULATING CONTINUOUS FUZZY SYSTEMS: I

در مطالعات پيشين، ما ابتدا بر شبيه سازهاي معمولي براي توليد شبيه سازهاي فازي متمركز شديم و سپس اين تحقيق را به مدلهاي فازي گسسته تعميم داديم. در اين مقاله ما مطالعاتمان را در مورد سيستم هاي فازي پيوسته با بكارگيري شبيه سازي پيوسته پي خواهيم گرفت. يك سيستم پيوسته فازي معمولي را كه ارزيابي آن به معادلات ديفرانسيل بستگي دارد را در نظر مي گيريم. چنين سيستمي شامل تعدادي از پارامترهاست كه بايد برآورد شوند. بطور معمول در اين مدل نقاط برآوردكننده محاسبه مي گردند و در اين مدل بكار گرفته مي شوند. با اين وجود نقاط برآوردشده نوعاً غيردقيق هستند. هدف ما آن است كه با ياري گرفتن از اعداد فازي اين پارامترهاي نامعين را برآورد كنيم. پارامترهاي فازي، سيستم معمولي را به يك سيستم فازي تبديل مي كند. خط سيرهاي توصيف كننده رفتار چنين دستگاهي برحسب منحني هاي فازي خواهند بود. ما شبيه سازي پيوسته معمولي را براي برآورد اين منحني هاي فازي به كار خواهيم گرفت. در خاتمه سه مثال را مورد بحث و بررسي قرار خواهيم داد.

In previous studies we first concentrated on utilizing crisp simulation to produce discrete event fuzzy systems simulations. Then we extended this research to the simulation of continuous fuzzy systems models. In this paper we continue our study of continuous fuzzy systems using crisp continuous simulation. Consider a crisp continuous system whose evolution depends on differential equations. Such a system contains a number of parameters that must be estimated. Usually point estimates are computed and used in the model. However these point estimates typically have uncertainty associated with them. We propose to incorporate uncertainty by using fuzzy numbers as estimates of these unknown parameters. Fuzzy parameters convert the crisp system into a fuzzy system. Trajectories describing the behavior of the system become fuzzy curves. We will employ crisp continuous simulation to estimate these fuzzy trajectories. Three examples are discussed.