专利名称：模糊推理协处理器的利记博彩app
技术领域：
本发明涉及一种模糊推理系统，更详细地说，是涉及一种采用数字电路技术，适合于超大规模集成电路(VLSI)制作的模糊推理协处理器。
模糊控制器采用模糊推理系统，包括由经验或运行数据确定的模糊推理规则，变量输入输出比例因子，以及相应模糊变量的隶属函数。根据这些模糊规则通过模糊推理，由当前控制变量输入得到相应的控制变量输出，从而完成模糊控制器的控制功能。
模糊控制器的性能取决于模糊推理系统的功能。包括推理方法，规则和隶属函数的定义，比例因子，以及整个控制系统的工作状况。本发明的模糊推理系统满足复杂系统控制性能设计需求。
本发明的模糊推理协处理器属于模糊推理方法的集成电路(硬件)实现，适合于实时高速性能需求的场合使用。模糊推理方法的集成电路实现主要可分为基于模拟电路技术和基于数字电路技术两大类。
基于模拟电路技术的模糊推理实现，主要利用模拟电路固有的特性来表示模糊函数和实现计算，可达到元件少，速度高的目的。但由于其特殊制造工艺，以及电路专用性太强不适合于大规模生产。
基于数字电路技术的模糊推理实现，则完全利用相当成熟并仍在不断发展的数字电路技术，可以设计高速、复杂、通用性强的电路。适合于大规模生产。
基于数字电路技术的模糊推理电路主要实现算法的输入模糊化，模糊推理和输出反模糊化。其中模糊推理方法，为了简单，一般采用最小-最大(min-max)模糊算子。隶属函数表示则有表格存储法和参数描述法。表格存储法可简化输入模糊化操作，但受存储容量限制难以提高函数的精度。参数描述法有一种是论域分段表示各隶属函数的局部形状，这样有利于输入模糊化实现，但模糊函数表示的灵活性受到限制。
本发明基于数字集成电路技术仍处于性能/价格比不断提高的趋势这一事实，以及模糊推理方法适合于大规模集成电路(VLSI)集成这一特点。提出一种新的高性能模糊推理协处理器。
本发明的主要目的是提供一种模糊推理协处理器，其能支持多个模糊知识库，包括规则，隶属函数，比例因子等的模糊推理协处理器，便于构造复杂的模糊控制系统。
本发明的另一个目的是提供一种模糊推理协处理器，其采用数字电路，适合于VLSI集成的模糊推理协处理器。
本发明的其他目的是提供一种模糊推理协处理器，用命令方式或共享存储器方式工作的模糊推理协处理器，便于与主机(CPU)协同工作。
根据本发明的目的，所提出的模糊推理协处理器包括模糊推理机，其算法流程为作为模糊控制器的输入清晰量，经过输入比例因子计算，输入模糊化转换成模糊量，然后用模糊规则进行模糊推理，推理结果输出进行反模糊化转换成清晰量，以及输出比例因子计算得到控制器的输出，对于递阶结构模糊推理过程，一个输出变量也可以作为下一级模糊推理的输入变量；其模糊推理协处理器包括有一个用于执行模糊推理算法的模糊推理机，以及与模糊推理机相连接的一个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，本发明模糊推理协处理器所用的模糊推理算法流程。
图2A，无符号整数变量和论域之间的映射关系。
图2B，有符号整数变量和论域之间的映射关系。
图2C,3位字有符号和无符号整数之间的转换例子。
图3A-3L，常用输入隶属函数的形状。
图3M-3N，常用输出隶属函数的形状。
图4A，模糊知识库的信息存放结构。
图4B，模糊知识库的信息名的说明。
图5A，比例因子存放结构。
图5B，比例因子名的说明。
图6A，变量类型存放结构。
图6B，变量类型名的说明。
图7A，规则集描述字的结构。
图7B，规则集描述字字段的说明。
图8A，规则组描述字的结构。
图8B，规则组描述字字段的说明。
图9A，规则前项字节的结构。
图9B，规则前项字节字段的说明。
图10A，规则权重字节的结构。
图10B，规则权重字节字段的说明。
图11，模糊推理协处理器的结构示意图。
图12，模糊推理协处理器中模糊推理机的结构框图。
1，模糊推理方法模糊控制器采用典型的模糊推理系统的原理如下。从被控制过程(对象)采样数据作为模糊控制器输入的清晰量，经过输入比例因子计算，输入模糊化转换成模糊量，然后用模糊规则进行模糊推理。推理结果输出经过反模糊化转换成清晰量，以及输出比例因子计算得到控制输出，作为相应采样时刻被控过程的控制动作；对于递阶结构模糊推理过程，一个输出变量也可以作为下一级模糊推理的输入变量。图1给出本发明所用的模糊推理算法流程。其中对所有输入完成比例因子计算和模糊化后再逐一对每个输出进行模糊推理，反模糊化和比例因子计算。对于递阶结构系统中的中间输出变量可以作为下一级的输入，此时需要将这些变量补作输入比例因子计算和模糊化，然后继续其他输出的模糊推理。
上述处理过程都是基于预先设计好的模糊知识库进行的。下面分别给出模糊推理过程中各个阶段的处理方法。
(1)比例因子计算模糊推理机输入输出变量值范围和模糊推理机内部使用的论域范围是可以不同的，它们之间的映射关系由比例因子确定，可以放大或缩小。这种映射关系如下。
对于无符号整数的映射(见图2A)X=DVmax-Vmin*(V-Vmin)=KI*(V-Vmax)]]>V=Vmax-VminD*X+Vmin=KO*X+Vmin]]>其中，KI为输入比例因子，KO为输出比例因子，X为论域值，D为论域最大值(例论域字长为n,D=2n-1),V为变量值，Vmax和Vmin分别为变量的上限值和下限值，V超出上下限时按Vmax或Vmin处理。对于有符号整数的映射(见图2B)X=DVmax*V=KI*V]]>X=VmaxDs*X=KO*V]]>其中，论域最大值Ds≈0.5D。
模糊推理机内部论域可统一采用无符号整数。因此，当输入输出变量为有符号整数(补码)时，需先进行转换，其转换规则如下·有符号整数的符号位求反转换为无符号整数·无符号整数的最高位求反转换为有符号整数一个字长为3位的整数转换例子如图2C所示。这样，比例因子计算也作相应调整，并引入基值VB和范围VR。对于无符号整数VB=VminVR=Vmax-Vmin
对于有符号整数VB=变量最大值-VmaxVR=2Vmax其中，变量最大值为2(m-1)-1,m为变量字长。转换后的变量值和论域之间的映射关系可统一处理如下X=DVR*(V-VB)=KI*(V-VB),KI=(2n-1)*1VR]]>V=VRD*X+VB=KO*X+VB,KO≈2-n*VR]]>其中，X,V均统一处理为无符号整数。
(2)模糊化本发明中隶属函数采用参数表示法。隶属函数参数各自独立描述。图3A-3L为常用输入隶属函数。其中扩展形指斜边直线可采用折线(上凸线或下凹线)。图3M,3N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。
输入模糊化采用单线法。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。下面以扩展梯形隶属函数(图3L)为例，用类C语言形式给出输入模糊化的算法。
if(X-P0≥0) μ=0else if(X-P1≤0)μ=0else if(X-P2≤0)μ=(X-P1)*S2else if(X-P3≤0)μ=1-(P3-X)*S3else if(X-P4≤0)μ=1else if(X-P5≤0)μ=1-(X-P4)*S5
elseμ=(P0-X)*S0(3)模糊推理本发明中采用典型的模糊推理规则If(X1is A1)and(X2is A2)and...and(Xais Aa)then(Y1isC1),(Y2is C2),...,(Ycis Cc)其中Xi为输入变量，Ai为输入隶属函数(标号)，Yi为输出变量，Ci为输出隶属函数(标号)。一种输出组合对应的规则集内的规则按后项标号组合分组，同一后项标号组合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)*RWj其中，μi为输入i的模糊值，RWj为规则j的权重。
(ⅱ)计算规则组k的合成激发强度αgkαgk=∨jαj其中，μi为输入i的模糊值，RWj为规则j的权重。
(ⅲ)计算规则组k的输出推理结果C’gkμC’gk(w)=αgk∧μCgk(w)
其中，w为输出组合中的某个输出的论域值，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μC’(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∧-∨采用最小-最大(min-max)组合，或乘积-有界和(product-bounded sum)组合。后两步为规则蕴含合成部分，相应的模糊算子∧-∨可选择最小-和(min-sum)组合或乘积-和(product-sum)组合。
(4)反模糊化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，对于重心法(COG)反模糊化方法，输出Y的计算公式如下。
·对于单线输出隶属函数Y=Σkαgk*PkΣαgk]]>·对于等腰三角形输出隶属函数，min-sum蕴含合成Y=Σkαgk*(2-αgk)*bk*PkΣkαgk*(2-αgk)*bk]]>·对于等腰三角形输出隶属函数，product-sum蕴含合成Y=Σkαgk*bk*PkΣkαgk*bk]]>
如果反模糊化方法采用最大平均法(MOM)，输出反模糊化值取规则组的合成激发强度αgk最大者所对应的输出隶属函数中心值P，若相同最大值αgk有n个，则输出反模糊化值为Y=(∑kPk)/n，注意，本发明中对于MOM法，输出隶属函数只需采用单线形状。
2，模糊知识库模糊推理协处理器工作的基础-模糊知识库，包括模糊规则，隶属函数参数表和比例因子参数表。这里给出一种可能的知识库结构(图4)。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。每个知识库中存放规则集RS，规则集描述字RSD，隶属函数参数表MF和比例因子参数表SF。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。SF包含比例因子参数和变量类型参数。
比例因子参数(图5A)由基值VB，范围VR，输入比例因子KI构成。其中VB,VR为无符号整数，KI为无符号浮点数(图5B)。
变量类型参数(图6)中表示变量是否带符号，表示模糊推理机的输出是否“反馈”到输入，即递阶结构中本级输出直接送到下一级输入。
每个输出或输出组合对应一个规则集，由规则集描述字(图7)给定规则形式，模糊推理方法和反模糊化方法。这里规则前项数包括上述“反馈”输入数。
规则集按输出标号或标号组合分成若干规则组，一个规则组内的所有规则具有相同的后项标号。规则组由规则组描述字和规则体构成。规则组描述字(图8)给定各后项的标号。规则体的每条规则由若干前项(图9)，和一个规则权重字节(图10)组成。规则权重值RW可以大于1，因此在求规则激发强度αj时，若αj超过1，则规定取值为1。
3，模糊推理协处理器的体系结构模糊推理协处理器由四部分构成。图11中，模糊推理机(FIM)1是模糊推理协处理的核心部分，完成模糊推理全部处理过程的工作。模糊知识库存储器(FKB)2用于存放多个模糊知识库。I/O缓冲存储器(IOMEM)3用于存放模糊推理机的输入输出变量值，以及推理过程中的工作存储单元。IOMEM支持共享存储器工作方式，可用作主机和模糊推理协处理器的共享存储器。主机接口4负责模糊推理处理器和主机协同工作的通讯接口，支持命令和共享存储器两种工作方式。对于命令方式，作为例子，最基本的命令，可以定义如下·PTI n 写入第n个输入值·GTO n 读出第n个输出值·SSFI n 起动单个模糊推理，进行第n个输出推理。
·SMFI m 起动多个模糊推理，进行第0～(m-1)个输出推理。
·SKB k 设置知识库，使第k个知识库为当前知识库。
·WKB知识库内容由主机传送到知识库存储器。
其中，WKB命令用于当知识库存储器为RAM时的场合，即每次系统施加电源后，需先加载知识库存储器，然后再工作。对于非易失性存储器场合无需WKB命令。
此外，模糊推理协处理器至少定义两个端口地址作为与主机通讯的单元。一个端口为命令字/状态字单元，用作主机向协处理器发送命令字和从协处理器读取状态字。另一个端口为通用的数据读/写单元。
对于共享存储器工作方式，当知识库存储器加载后，正常模糊推理只需用到三条基本命令SSFI,SMFI和SKB。主机和协处理器通讯通过IOMEM。注意，上述端口地址在IOMEM中进行统一编址。共享存储器工作方式可以简化控制系统应用程序对模糊推理协处理器调用的处理。
模糊推理机的算法流程示意图如图11中的方框1所示。推理前，所有输入变量先集中从主机送入协处理器的IOMEM，进行输入比例因子计算和模糊化，然后对输出变量逐一进行模糊推理，反模糊化和输出比例因子计算，最后输出结果送入IOMEM。对于递阶结构控制器，得到中间输出变量后立即进行“反馈”输入的模糊化，然后再进行后继输出变量的模糊推理。
根据前面的模糊推理方法，基本运算可归结为取小，取大，加，乘，除。因此可以采用适合于VLSI集成的数字电路技术。图12为模糊推理机运算电路结构框图。主要由并行加法器5，并行乘法器6和若干寄存器构成。
运算寄存器为7,8,9,10,11,12，寄存器13为规则集描述字，寄存器14为规则组描述字。以及多路接收转换器15,16,17,18,19,20,21。上述取小，取大操作可由加法器5完成，除法由加法器5采用减法-左移逐位求商方法完成。图12中括号()中的值，表示推理过程中运算寄存器所保存的运算结果或多路接收转换器所接收的运算结果。下面是算法流程中各计算阶段在模糊推理机内的数据流。
(1)输入比例因子计算输入变量值VI由IOMEM通过19进入AA寄存器8。然后AA通过15，输入变量基值VBI由FKB通过16送入加法器5进行减法，结果VI-VBI进入AB寄存器9。AB通过17，输入比例因子KI由FKB通过18，送入乘法器6进行乘法，得到输入论域值X进入AD寄存器12。
(2)输入模糊化根据前面的输入模糊化算法，需要进行输入论域X值和隶属函数参数Pi的大小判别，这一比较操作是由AD通过15,FKB中的Pi通过16，送入5进行的。必要时两者之差进入AB，然后该差值通过17，隶属函数参数Si由FKB通过18，送入乘法器6进行乘法，得到的输入模糊值μ进入AC寄存器11。如果上述判别结果得到μ值为“0”或“1”，也送入AC。由于隶属函数可以重叠，对于给定X值，有可能重复上述模糊化操作得到若干个μ值。这些μ值最后均存入IOMEM，供模糊推理阶段使用。
(3)模糊推理模糊推理过程中逐一处理规则集的每一条规则，并与输出反模糊化操作部分重叠，交叉进行。因此，为了叙述方便，本节中已包含部分反模糊化操作，即包含累积计算反模糊化公式中的分子和分母。
首先是计算规则的激发强度α,min操作由加法器5完成。prodoct由乘法器6完成。每个前项的μ值由IOMEM通过15或17相应送入5或6。存放在RMF寄存器10的累计值∧μ，通过16或18相应送入5或6。最后，规则权重RW通过17和∧μ通过18在6相乘，得到α值送入10中。
下一步计算规则组的合成激发强度αg,max操作或bounded sum操作均由加法器5完成。存放在10的每条规则的α值通过16，存放在GMF寄存器7的累计值∨α通过15送入5。最后αg值存放在7中。
再下一步累计反模糊化公式中的分子∑αg’*P(包括∑αg*P或∑αg*(2-αg)*P或∑αg* b*P或∑P)，以及分母∑αg’(包括∑αg或∑αg*(2-αg)*b或∑αg*b或n)。最初αg通过21送入12，乘因子b,P,(2-αg)通过17，乘因子αg,αg’通过18，送入6相乘，最后得到的分子项αg’*P存放在11中，分母项αg’存放在12中。然后在5中累加，累加值∑αg’*P和∑αg’分别存放在8和9中。
这时，重复上述过程，处理下一个规则组的模糊推理，直到规则集全部处理完毕。注意，对于多后项(多输出)规则，不同后项的分子，分母累计值要分别处理，因此不能一直占用寄存器8和9，需要其他缓冲存储单元(IOMEM)保留累计值。
(4)输出反模糊化到此，反模糊化仅剩下一个除法操作。被除数∑αg’P在8中，除数∑αg’在9中。采用减法-左移逐位求商，商值Y在12中形成，减法由5进行，被除数和商的左移分别在19和21实现。
(5)输出比例因子计算商值Y通过18，输出比例因子KO由FKB通过17送入6相乘，其积Y*KO存放AD(12)中。然后，输出变量基值VBO由FKB通过16，AD通过15，送入5相加。其结果输出变量值VO在9中。最后再存入IOMEM中。
根据本发明所述的上述实施，有如下优点·模糊知识库包括了输入/输出比例因子在内的多种可调整参数，适合于构造复杂的自适应模糊控制系统。
·多种模糊推理方法可选，特别是包括了product-sum模糊算子，并且隶属函数采用浮点数表示，使模糊推理功能得以增强和完善。
·隶属函数的参数各自独立描述，提高了灵活性和通用性。
·有限的输出隶属函数类型，结合快速反模糊化方法，使输出反模糊化操作更为有效。
·模糊推理输出结果可“反馈”到输入，进行后继模糊推理，可以方便地实现递阶结构的模糊控制器。
·协处理器可按命令方式和共享存储器方式工作，有利于灵活实现模糊控制系统。
权利要求
1.一种模糊推理方法，其特征在于，其算法流程如下作为模糊控制器的输入清晰量，经过输入比例因子计算，输入模糊化转换成模糊量，然后用模糊规则进行模糊推理，推理结果输出进行反模糊化转换成清晰量，以及输出比例因子计算得到控制器的输出，对于递阶结构模糊推理过程，一个输出变量也可以作为下一级模糊推理的输入变量。
2.一种模糊推理协处理器，其特征在于其中包括有一个用于执行模糊推理算法的模糊推理机，以及与模糊推理机相连接的一个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用于模糊推理协处理器与主机通讯的主机接口电路。
3.如权利要求1所述的模糊推理方法，其特征在于，其中比例因子计算完成从输入/输出变量的有符号、不同范围值到论域的无符号、一定范围值之间的映射变换。
4.如权利要求1或3所述的模糊推理方法，其特征在于，其中输入/输出模糊隶属函数采用参数表示法，各函数独立描述。
5.如权利要求1所述的模糊推理方法，其特征在于，其中输入模糊化采用单线法，由输入论域值根据输入隶属函数参数直接计算输入隶属函数值。
6.如权利要求1所述的模糊推理方法，其特征在于，其中模糊推理过程中，规则条件部分的模糊算子∧-∨可为最小-最大(min-max)或乘积-有界和(product-bounded sum)；规则蕴含部分的模糊算子可为最小一和(min-sum)或乘积一和(product-sum)。
7.如权利要求6所述的模糊推理方法，其特征在于，对于模糊算子乘积-有界和以及乘积-和，其隶属度在运算过程中采用浮点数表示。
8.如权利要求1所述的模糊推理方法，其特征在于，其中输出反模糊化采用重心法(COG)或最大平均法(MOM)。
9.如权利要求8所述的模糊推理方法，其特征在于，其中重心法(COG)采用有限输出隶属函数类型下的快速反模糊化计算方法。
10.如权利要求1所述的模糊推理方法，其特征在于，其中用于执行模糊推理全过程操作的模糊推理机完成算法流程所包括的输入比例因子计算，输入模糊化，模糊推理，输出反模糊化，输出比例因子计算。
11.如权利要求10所述的模糊推理方法，其特征在于，其模糊推理机算法流程支持递阶结构模糊推理过程，一个输出变量的推理结果可以作为下一级模糊推理的输入变量。
12.如权利要求10所述的模糊推理方法，其特征在于，其模糊推理机所执行的算法流程全部操作由并行加法器和并行乘法器为核心的数字运算电路完成。
13.如权利要求1所述的模糊推理方法，其特征在于，其中用于规定模糊推理全过程操作的模糊知识库包括多个结构上独立的知识库，通过设置知识库指针任选一个知识库作为当前工作知识库。
14.如权利要求13所述的模糊推理方法，其特征在于，其独立的知识库包括输入/输出比例因子参数，输入/输出隶属函数参数表，多个模糊规则集，每个规则集对应一个输出变量或一种输出变量组合，可支持多输入多输出模糊推理。
15.如权利要求1所述的模糊推理方法，其特征在于，其中用于模糊推理过程中存储输入/输出变量，中间数据的I/O缓冲存储器和用于模糊推理协处理器与主机通讯的主机接口电路，支持命令方式或共享存储器方式，完成模糊推理机与主机之间的协同工作。
16.如权利要求15所述的模糊推理方法，其特征在于，其模糊推理机与主机通讯的命令方式所需的端口地址在共享存储器方式工作的I/O缓冲存储器中进行统一编址。
全文摘要
一种模糊推理协处理器包括有:模糊推理机,其算法流程为输入比例因子计算,输入模糊化,模糊推理,输出反模糊化和输出比例因子计算;模糊知识库,内含规则,隶属函数和比例因子,是整个模糊推理过程的基础;I/O缓冲存储器,存放控制器输入输出变量,以及模糊推理过程中的中间数据;主机接口,负责模糊推理协处理器与主机协同工作。
文档编号H03K19/00GK1231441SQ98101248
公开日1999年10月13日 申请日期1998年4月3日 优先权日1998年4月3日
发明者沈理 申请人:中国科学院计算技术研究所