还剩1页未读,继续阅读
文本内容:
模糊系统挑战与机遇并存一一十年研究之感悟王立新于1984和1987年在西北工业大学分别获学士和硕士学位,1992年于美南加州大学获博士学位,师从模糊理论的创始人Zadeh教授1993年至今任教于香港科技大学电机与电子工程系研究成果被广泛引用现为Automatic和IEEE Transactionon FuzzySystems的副主编负责有关模糊控制、模糊神经网络、模糊系统逼近性能等方面论文的评审工作
1、挑战
1.1模糊理论引起争议的原因从工程应用的角度而言,20世纪90年代以前的模糊系统理论有两个弱点一是没有一套系统而有效的方法来获取知识,而只能采用专家问卷形式,费时口又难以得到满意的结果;二是缺少完整的理论体系来保证系统的稳定性、收敛性等基本要求20世纪90年代以来模糊系统理论在这两个方面取得了突破性的进展,利用各种学习算法我们现在可以从数据中学习知识(所谓的模糊神经网络)而越来越多的具有严格数学证明的模糊控制论文的出现(如本专刊的大部分论文)使得模糊控制不再是一种只能基于经验的简单控制器,而是具有严格理论支持的高性能非线性控制器所以近年来基于这个原因,对模糊控制的批评越来越少我们高兴地看到模糊系统的理论支柱已基本建立,我们的任务是不断地完善它
1.2模糊理论和其它非线性建模方法的选择模糊系统、神经网络、分段多项式、决策树、小波级数都是用来描述非线性关系的因为非线性关系包含所有可能的关系,对于某种特定的方法总能找出适应于这种方法的非线性关系,从而使得这种方法对这类非线性关系为最优可以基于以下四个方面来考虑不同方法的选择1)逼近精度与复杂度的平衡以上方法都是万能逼近器,即使用足够多的项及参数以上方法均能逼近任意非线性函数到任意精度项及参数越多,系统的复杂度就越高,而一般来讲逼近精度也就越高现在的问题是对于相近的复杂度,哪种方法所能表达的非线性关系更加灵活,更加一般在这个方面模糊系统、神经网络、分段多项式、决策树都是很不错的具体地讲,通过隶属函数位置、形状的选择及不同的组合模糊系统可以相当灵活地描述各种非线性关系神经网络有类似于投影的特性,可以自动寻找非线性的方位,从而有效地表达分段多项式及决策树则通过区域的灵活划分,简处从简,繁处用繁,效率很高小波级数要差一点因为小波级数的原始出发点是一维信号的分解,直接推广到高维后效率变低2)学习算法的收敛速度一般认为神经网络及分段多项或收敛速度慢但现在的情况并非一定如此,神经网络及分段多项式也在不断地改进引入快速算法,收敛速度并不差小波级数也有很多巧妙的算法,如果能有效地推广到高维情况,是很值得推荐的方法决策树就是以算法的巧妙为出发点的由于数据只需一次处理无须循环,收敛速度很快模糊系统有多种学习算法,有类似于决策树的数据一次处理方法,也有类似神经网络的BP算法,收敛速度不亚于其它方法一般来讲就学习算法的收敛速度而言,决策树与模糊系统较神经网络及分段多项式要快一些当然这绝不是定论,因为各种新的算法在不断地出现,而旧的算法上在不断地改进3)结果的可解释性即能否给出结构及参数的物理意义使其容易被一般人理解和接受在这个方面模糊系统有着突出的优越性模糊系统是由IF-THEN规则构成的,所以系统的结构及参数可以很自然地用IF-IHEN规则来解释,这非常便于一般人理解神经网络在这方面很差,参数的意义即使是专家也很难解释与理解决策树及分段多项式的物理意义对专业人员来讲容易理解,一般人就很难说了而即使对于专业人员来讲,这种解释也比较复杂,不像IF-THEN规则那样可简可繁4)充分利用各种不同形式的信息非线性建模的目的就是建立一级变量与另外一级变量之间的数学关系而我们靠什么建立这种关系呢?靠的是我们可以得到的有关这两级变量之间关系的各种信息这些信息可以是采样数据,即一组变量取特定值时另一组变量是什么值;也可以是一般性的描述,如某某变量大则某某变量小;还可以是近似的数学关系等等一个好的方法应该能尽可能多地利用各种不同形式的信息这个方面模糊系统有着十分突出的优点,模糊系统不仅仅可以利用采样数据,还可以将一般性的描述很自然地归入系统之中,实现数据信息与语言信息的有机结合而其它方却只能利用数据信息基于以上四点,模糊系统除了具有自己独特的优点外,如可•解释性强、凹利用语言信息,在其它方面,如逼近精度与效率学习算法收敛速度等,也绝不亚于其它方法
2、机遇方向1将模糊控制与非模糊控制相结合一方面用传统控制理论中的方法解决模糊控制问题,另一方面用模糊控制的理念为解决各种控制问题提供新的思路比较流行的做法有,将LM1理论及H无穷理论用于模糊控制器的分析与设计也有用传统最优控制理论设计最优模糊控制器,还有利用滑模控制的办法来分析模糊控制溶的性能以及借鉴自适应控制理论的•些理念来设计自适应模糊控制器这些应用与结合有些是比较直接的而更多的则需要将己有的方法进行改进和推广使之适应于模糊控制问题目前这类研究的不足之处是模糊控制的特点体现得不够明确即只适用于模糊控制器的特殊结果比较少,往往这些结果具有一般性模糊控制器只是一个非线性逼近器而已如何将模糊控制器的结构细节考虑进动,量体裁衣,得到更为优化的结果是一个很有意义的研究方向方向2深入分析模糊系统的结构特性及逼近精度,建立•套完整的理论体系,使人们在应用模糊系统时做到心中有数经典非线性结构(如分段多项式)的优点之一是,人们对它们己经进行了几十甚至上百年的研究,积累了大量的理论结果近年来神经网络在这方面也取得了长足的进步如果将这些非线性结构比做不同的动物,那么这项研究就是对这些动物进行解剖的越详细越彻底,我们对其的了解就越清楚,也就越能知道它适用于干什么及不适用于干什么对模糊系统来说这方面研究的具内容包括,不同的结构参数是怎样具体地影响逼近精度;逼近误差随着参数个数的增多是以什么样的速率在减小局部性和全局性能否得到平衡;什么样的非线分结构特别适于表示等等近十年来这些方面的研究已取得了•些进展,但由于起步较晚,和分段多项式、神经网络、小波级数等相比还存在着明显的差距方向3适用于模糊系统的不同学习算法的提出,算法的收敛性分析及学习完成后模糊系统的性能分析若将方向2的研究比作对动物的静态解剖,那么这个方向就是研究动物在奔跑时的动态特性显然这个方向要相对困难一些这个方向的研究又可进一步分为两种情况一种是数据可以任意采样或已知数据的概率分布且数据的个数可假设趋于无穷另一种情况是只给出有限个数据采样点且数据的分布不能人为控制第•种情况容易得出比较深入的理论结果但假设条件太强,与大部分实际情况不符第二种情况更加贴近于实际但理论分析起来要困难得多虽然两种情况的研究都很会必要,但重点应放在第二种情况目前,这两个方向的理论研究都非常欠缺往往人们只给出算法的具体步骤,然后进行大量仿真,很少见到严格的理论分析与证明神经网络在这个方面的研究成果是比较少的,由于神经网络的参数缺少明确的物理意义分析起来比模糊系统更加困难一些,这个方向的一种研究思路是利用模糊系统的分解特性,在小的局部进行简化,从而得到收敛性的结果方向4针对高维情况输入变量众多的模糊系统方法假设我们的问题是预测一个土要变量的数值于是我们将这个变量作为模糊系统的输出,而将影响这个变量的各种因素作为模糊系统的输入在很多实际情况下,影响这个主要变量的因素是非常众多,那么是不是考虑的影响因素越多,即模糊系统的输入变量越多,则预测的效果就越好呢?遗憾的是情况并非这么简单维数越高,我们能找到真正的非线性关系的可能性就越低这主要是由于随着维数的增高,采样数据变得越来越稀疏考虑一维区间[0,1]有100个采样点,则可以说数据是很密的将10个数据放在二维平面[0,1]2上,就不向那么密了考虑三维中间[0,1J3中的100个数据点,可以说是稀稀拉拉那么将100个数据点放在四维、五维、更高维空间中会是什么情况呢?可以说中间中的绝大部分区域没有采样点如果-个区域内没有采样点,那么怎么能知道输入变量落在这个区域时输出变量是什么值呢?这就是高维问题的困难核心所在,被Bellman称做”邪恶的维数”the curseof dimensionality解决高维问题的途径有两种一是减少输入变量:的个数即只考虑重要的因素内忽略次要的因素二是找到或有效地刻画输入变量之间的相互依赖关系,在输入中间中引入结构,从而限制搜索的范围第一种途径比较简单,但需要有效的方法来排列变量的重要程度寻找这样的方法是非常有实用价值的研究方向第二种途径是非常好的研究方向,目前这个方向的研究成果不多,多层模糊系统是方法之一利用决策树的概念划分输入空间也是非常值得深入研究的课题新的结构提出以后,还要象方向2和方向3中所说的那样进行系统的静态解剖及动态分析经典方法中投影跟随是针对高维问题的好方法,由于神经网络的结构具有投影跟随的特点,而又比投影跟随更具一般性,所以神经网络在很多实际问题中得到了成功的应用大部分实际问题是高维的标准的模糊系统不具有适应高维的特点,所以必须改革,提出适应高维情况的新的结构及相应的学习算法方向5能够利用其它知识及信息表达形式的模糊系统.现有的模糊系统只能利用IF-THEN规则而我们人类表达知识及信息的形式是多种多样的,比如说”类比”就是我们人类用以表达及获取知识的非常重要的方法我们说”给这个人讲道理就像对牛弹琴”,这是非常重要的信息因为基于这个信息我们就可以基本预测到如果给这个人讲道理会得到什么样的反应这里问题的困难在于”对牛弹琴”和”给这个人讲道理”是发生在两个不问范畴内的事情,如何将它们表述在同一个数学空间中不是容易的.只给出理念是不够的,没有细节等于什么都没有能够利用类比信息的模糊系统必须是具体的数学表达式,必须能够进行数值计算,同时必须符合常理并具有可解释性这是一个非常具有挑战性的方向,而一旦在这个方向取得突破,就从本质上扩大模糊系统的根基从而使我们的领域得到长足的发展《模糊系统与模糊控制教程》作者王立新译者王迎军出版社清华大学出版社,出版日期2003年6月ISBN7302065616。