[发明专利]一种提高室内环境反向设计效率的模糊控制方法

说明书

本发明公开了一种提高室内环境反向设计效率的模糊控制方法，将模糊控制方法应用于遗传算法与神经网络相结合的反向设计方法，分别实现对反向设计过程中的计算概率和进化区间进行控制。与现有技术中相比，本发明在反向设计方法中加入模糊控制技术，提高反向设计方法的计算效率。

技术领域

本发明涉及神经网络与室内环境的设计，特别是涉及一种提高室内环境反向设计效率的模糊控制方法。

背景技术

遗传算法与神经网络相结合的反向设计方法可应用于室内环境领域。反向设计过程同时受遗传算法搜索能力和神经网络预测能力的影响。模糊控制技术能够分别与遗传算法和神经网络相结合，提高这两者的计算效率，进而提高反向设计的效率。

模糊控制技术是一种常用的控制方法，它不需要被控对象的精确数学模型，推理过程模仿人的思维过程，能够解决许多复杂而无法建立精确数学模型系统的控制问题。模糊控制方法中有以下几个重要概念：

(1)论域：包含控制变量或控制目标所有可选数值的集合，一般以字母U表示。

(2)确切量：真实的输入与输出值。

(3)模糊量：使用模糊语言变量表达的输入与输出值。一般包括“负大”(NB)、“负中”(NM)、“负小”(NS)、“零”(ZO)、“正小”(PS)、“正中”(PM)、“正大”(PB)等。语言变量的数量一般根据模糊控制的精度要求确定，语言变量越多，控制的精度越高。

(4)隶属度：若对论域U中的任一元素x，都有一个数μ(x)∈[0，1]与之对应，则称μ为U上的模糊集，μ(x)称为x对μ的隶属度。经典集合对事物只用“1”、“0”简单地表示“属于”或“不属于”的分类，而模糊集合中隶属度是0到1之间连续变化的值，隶属度μ(x)越接近于1，表示x属于μ的程度越高，μ(x)越接近于0表示x属于μ的程度越低。

(5)隶属函数：当x在U中变动时，μ(x)就是一个函数，称为μ的隶属函数。用取值于区间[0，1]的隶属函数μ(x)表征x属于μ的程度高低。使用模糊控制的过程中，常用的隶属函数按形状可分为矩形、梯形三角形及曲线分布等隶属函数。

模糊控制主要包括模糊化、模糊推理与反模糊化三个过程。模糊化是将输入的确切量以适当的比例转换为模糊量，并利用语言变量来描述物理量。首先，求出输入量相对于语言变量各定性值的隶属度，然后将输入量进行尺度变换，使其变换到各自论域范围，并进行模糊处理，再用相应的模糊集合表示。模糊推理是模糊控制器的关键，它利用模糊控制规则，根据输入的模糊量得出相应的输出模糊量。模糊规则以模糊条件句的形式，建立了状态变量与控制变量之间的联系。模糊条件句一般表示为“若A则B”的形式，所有模糊条件句的集合可用模糊规则表的形式表示。反模糊化是将模糊推理中产生的模糊量转化为精确量的过程，常见的反模糊化方法包括最大隶属度值法、加权平均法、中位数法等

发明内容

基于上述的现有技术，本发明提出了一种提高室内环境反向设计效率的模糊控制方法，将模糊控制方法应用于遗传算法与神经网络相结合的反向设计方法，分别实现对反向设计过程中的计算概率和进化区间进行控制。

本发明提出了一种提高室内环境反向设计效率的模糊控制方法，该方法将模糊控制方法应用于遗传算法与神经网络相结合的反向设计方法，分别实现对反向设计过程中的计算概率和进化区间进行控制，其中：

所述计算概率控制的具体流程包括：

确定模糊控制的输入、模糊变量词集、模糊控制规则以及隶属函数；