Abstract
To do fuzzy modelling of a nonlinear process needs to analyze the characteristics of input-output of fuzzy inference systems according to the division of entire input spaces and the fuzzy reasoning methods. For this, fuzzy model is expressed by identifying the structure and parameters of the system by means of input variables, fuzzy partition of input spaces, and consequence polynomial functions. In the premise part of the fuzzy rules Min-Max method using the minimum and maximum values of input data set and C-Means clustering algorithm forming input data into the clusters are used for identification of fuzzy model and membership functions are used as a series of triangular, gaussian-like, trapezoid-type membership functions. In the consequence part of the fuzzy rules fuzzy reasoning is conducted by two types of inferences such as simplified and linear inference. The identification of the consequence parameters, namely polynomial coefficients, of each rule are carried out by the standard least square method. And lastly, using gas furnace process which is widely used in nonlinear process we evaluate the performance and the system characteristics.
비선형 공정을 퍼지 모델링 하는 것은 전체 입력의 공간 분할 및 퍼지 추론 방법에 따른 퍼지 추론 시스템의 입출력 특성을 분석하는 것이 필요하다. 이를 위해, 퍼지 모델은 입력 변수와 퍼지 입력 공간 분할 및 후반부 다항식 함수에 의한 구조 및 파라미터를 동정함으로서 표현된다. 퍼지 규칙의 전반부에서 입력 데이터의 최소 값과 최대 값을 이용하는 최소-최대 방법 및 입력 데이터를 군집으로 형성하는 C-Means 클러스터링 알고리즘이 퍼지 모델의 동정을 위해 사용되고, 소속 함수는 삼각형, 범종형, 사다리꼴형 소속함수를 사용한다. 퍼지 규칙의 후반부 동정에서 퍼지 추론은 간략 및 선형 추론과 같은 두 가지 형태를 수행한다. 각 규칙의 후반부 파라미터들, 즉 다항식의 계수들의 동정은 표준 최소자승법에 의해 수행된다. 마지막으로, 비선형 공정으로는 널리 이용되는 가스로 데이터를 이용하여 시스템 특성 및 성능을 평가한다.
