关于模糊传感器基于综合评判的概念生成方法研究

作者：韩峻峰 孔峰 罗文广 陈振强

论文 关键词: 模糊传感器 综合评判 概念生成

论文摘要: 本文从应用的角度提出并探讨了模糊传感器基于综合评判的概念生成方法,并以舒适度测量为典型的例子,研究了基于温度和湿度的舒适度合成方法。

key words fuzzy sensors comprehensive evaluation concept creation

abstract the concept creation method based on comprehensive evaluation for fuzzy sensors is proposed fromthe point of applications in this paper,taked an example of comfort degree measurement,the temperature andhumidity-based method for synthesis of comfort degree is researched.

1 引 言

舒适感觉涉及多方因素,具有主观性、多维性和模糊性。舒适度是一种不可直接测量的物理量。例如,温度感受可划分为很热、热、不冷不热、冷、很冷等五个状态,还可以进一步细分,湿度也可以进行对应的分类。本文以温度、湿度这两个可直接测控的变量为代表,进行舒适度合成方法的研究。

本文研究数据基于以下统计数据:d.j.克鲁姆的温度统计数据和在瑞士进行的温热感研究结果[1];ewert[2]提出的确定相对湿度设计极限的原则。

2 舒适度的合成方法研究

多维符号化测量结果的合成是指由各个直接被测量的语言值在知识模型上产生定性 自然 语言符号描述的测量结果。模糊评判是根据给出的评价标准和实测值,经过模糊变换后对事物作出评价的一种方法。环境的舒适状况是多因素之间复杂作用的结果,因此可将模糊综合评判用于多维符号化测量结果的合成,本文对舒适度按二级模糊综合评判方法进行研究。

2.1 给出各个直接被测量和舒适度的语言论域

温度:st={很冷、冷、温、热、很热}

湿度:sh={很低、低、不高不低、高、很高}

舒适度:sc={很舒适、较舒适、不舒适}

2.2 定义舒适度论域上语言量的模糊语义该定义是以隶属度矩阵的形式给出的,如不舒适=(温度){很冷(1)+很热(1)+冷(0.4)+热(0.4)}+(湿度){很低(1)+很高(1)+低(0.4)+高(0.4)}于是得到每个因素的等级评判矩阵:

ticj即每一元素为温度论域上的语言量对舒适度论域上的各语言量的隶属度sti为温度论域上的第i个语言量,scj为舒适度论域上的第j个语言量。同样可得到湿度的等级评价矩阵:

其中,shm为温度论域上的第m个语言量,scj为舒适度论域上的第j个语言量,矩阵 为舒适度论域上的各语言量的定义矩阵。

2.3 产生单因素评判结果

对于某一数值测量结果tx和hx首先进行数值语言转换得到语言描述:

s(tx)={很冷(μt1)、冷(μt2)、温(μt3)、热(μt4)、很热(μt5)}s(hx)={很低(μh1)、低(μh2)、不高不低(μh3)、高(μh4)、很高(μh5)}简记作模糊向量的形式:

at=(μt1 μt2 μt3 μt4 μt5) (5)

ah=(μh1 μh2 μh3 μh4 μh5) (6)

因为各论域上的概念具有正交性,即:

因此可将它们作为等级权重集,于是选择合适的综合评判模型按单因素的各个等级进行评判,便得到一级模糊评判集,即单因素评判集:

2.4 产生多维符号化测量结果,即二级模糊综合评判一级模糊综合评判,综合了单因素各个语言量对测量结果的影响,得到了一级评判矩阵。通常,各直接被测量对测量结果的影响都是相同的,故二级评判的各因素的权重应相同。对于湿度和温度,因为温度对人的影响比较大,故而选a=(0.7,0.3),于是选择合适的评判模型,按所有因素进行综合评判,得到二级模糊综合评判集如下:

bj(j=1,2,3)为数值测量结果tx、hx对舒适度论域sc={很舒适,较舒适,不舒适}各语言量的隶属度,即对数值向量(tx、hx)的语言描述s(tx,hx)={很舒适(b1),较舒适(b2),不舒适(b3)}。

3 结束语

本文提出并研究了模糊传感器多维符号化测量基于综合评判的概念生成方法,该方法能有效地仿真人类对舒适度的综合评判,对于模糊传感器的进一步深入研究和应用,具有实际意义。

参考 文献

1 d.j.克鲁姆.建筑物空气调节与通风. 中国 建筑 工业 出版社,1982.

2 ewert.g.international rhinology.1966,4:25.

3 陶爱荣,虞萍.关于室内环境舒适性评价指标的研究.通风除尘,1996,(2):25~27.