模糊理论总结

一、阅读教学倡导适度模糊　模糊理论认为，模糊性是语　言文字的最基本的属性。阅读教　学研究和实践表明，在阅读教学　中倡导适度模糊，是引导学生回　归文本、张扬个性的关键，这一点　已在语文教学界达成共识。但是，　长期以来许多教师往往忽视了模　糊性而醉心于精确性，过度定量　化、技术化、精确化的现象仍然普　遍存在。就拿诗歌教学来讲，诗歌　作为生活的反映，大多数体现出　一种含蓄美，内容含蓄，语言模　糊，然而却意在笔端，味在其中。　但是，综观我们的课堂教学，往往　是多直陈性的翻译，而少形象性　的渲染；多一字一句的讲解，而少　整体性的感知；多精确性的解释，　而少模糊性的体悟……语文教学　中片面地追求精确化，无疑妨碍　了学生语言直觉感受能力的发　展，也造成了学生审美感觉的钝　化。因此，有识之士一再呼吁，在　阅读教学中要倡导适度的模糊，　认为这是引导学生回归文学欣　赏、张扬个性的重要保证。　就阅读教学来说，语文教学　模糊性特征主要表现在对语言文　字、文学形象、作品主题的理解等　方面。下面我们结合语文教学实　践，主要阐释语言文字和文学形　象的模糊性理解。　１．语言文字的模糊性理解。　语言是构成文本的要素之　一，语言又是模糊信息的载体。文　本中的科技语体、政论语体等，恰　当运用模糊语言是旨在使语言更　加科学、周密、准确；而文学作品　中大量运用模糊语言是为了增加　含蓄性而着意追求一种“意在言　外”的模糊性效果，因而具有更大　的弹性和张力。追求意旨的多向　性，能够给人留下开放性的解读　空间。这就要求我们对文本语言　尤其是文学作品语言的理解，要　紧紧抓住其模糊性特点。　无论是从语音、语义的角度还　是从语法、修辞的角度看，汉语言　都具有突出的模糊性特点。拿语义　来说，语言内涵的多层次性是汉语　言的一大特点。可以说，大部分词　语，虽然在词典中有明确的释义，　但对其运用中的意义的理解，常常　是处在只可意会无法言传的模糊　状态。因此，对课文中的词语的理　解，并非单纯地只是要求学生理解　该词语的表层含义。我们常常看　到，有些教师上课伊始往往出示课　文中的相关词语，一一按词典上的　释义给予解释，以为这就是落实了　基础知识。这其实是对词语教学的　误解。例如“都”的语义基本上是清　楚的，与“城”应该是同义。但在《廉　颇蔺相如列传》中，为什么秦国提　出的是“愿以十五城请易璧”，而赵　国提出的却是“从此以往十五都予　赵”？这说明“都”与“城”在概念的　理解上有不确定性。教学中必须引　导学生领会其不确定性，才能对蔺　相如这一人物性格有深入的理解。　语言文字的模糊性特点，要求　我们树立正确的语言理解观。妄图　把文章分割成一个个的词语和句　子，然后按图索骥去逐句落实句中　每—个字词的明确意旨，会使作品　失去应有的审美／ｏｒ值，学生对课文　中的语言文字也难以真正理解。阅　读教学是要关注语言的落实，但这　种落实主要在于结合语境体会其　内涵，尤其要彰显其不确定性和思　辨性，要引领学生在“亦此亦彼”的　多值逻辑中感受汉语言文字的妙　处。在语言文字的理解方面，我们　应倡导多运用模糊化手段，放手让　学生去“意会”。　２．文学形象的模糊性欣赏。　文学是通过塑造形象来表达　作者的思想与情感的，ｘ，：ｔ３ｃ￣形　象的理解和欣赏是语文阅读教学　的一项重要任务。文学形象通常　具有虚实相生、复杂多元、含蓄蕴　藉等特点，这使得文学作品中的　形象表现出太多的模糊性。对文　学形象采用精确性、标准化、公式　化等方式来解读、赏析，是语文阅　读教学的又一大误区。我们这里　所说的“文学形象”是个宽泛的概　念，它不但指通常所说的典型人　物，还包括意象、意境等。　先谈典型人物。按照文学创　作规律，典型人物历来是“杂取种　种人，合成一个”（鲁迅语）的模糊　综合体，所以解读作品中的典型　人物，当然不能将其与现实生活　或历史上的某一真实人物简单地　挂起钩来。作者塑造人物形象，贵　在能动地创造，力戒千人一面。齐　白石说，作画妙在“似与不似之　间”，这也是文学创作的至理名　言。因此，作者的构思过程基本上　是一种模糊思维过程，他们在深　人生活的实践中，着意搜集的是　各种典型形象的形态、表情、动　作、语言以及典型的生活镜头、片　２０１０．４，

基于模糊理论的ＦＭＥＡ方法研究　・１３７・　

基于模糊理论的ＦＭＥＡ方法研究　

马存宝　，李雯　，孙焱　，冯婷婷　

（１．西北工业大学航空学院，陕西西安７１００７２；２．中航工业雷达与电子设备研究院，江苏无锡２１４０６３；　３．中航工业成都飞机设计研究所，四川成都６１００４１）　

摘要：针对传统ＦＭＥＡ分析方法中故障模式影响因素等级描述语言不易量化及评价模型不合理的问　

题，提出一种基于模糊理论的ＦＭＥＡ定量分析方法。运用模糊理论建立模糊评判模型，给出基于Ｏｄ截　

集的解模糊方法对模糊数进行清晰化，同时讨论了评估过程中专家权重的确定准则，从而得到风险优先　

数（ＲＰＮ）的排序，并以多功能扰流板为例，验证了该方法的可行性。　关键词：ＦＭＥＡ；模糊理论；专家权重；ＲＰＮ；多功能扰流板　

中图分类号：Ｖ３２８．５　文献标识码：Ａ　文章编号：１０００—８８２９（２０１３）０８—０１３７一ｏ４　

Ｒｅｓｅａｒｃｈ　ｏｎ　ｔｈｅ　Ｍｅｔｈｏｄ　ｏｆ　ＦＭＥＡ　Ｂａｓｅｄ　ｏｎ　Ｆｕｚｚｙ　Ｔｈｅｏｒｙ　

ＭＡ　Ｃｕｎ．ｂａｏ　，ＬＩ　Ｗｅｎ　，ＳＵＮ　Ｙａｎ　，ＦＥＮＧ　Ｔｉｎｇ．ｔｉｎｇ　

（１．Ｓｃｈｏｏｌ　ｏｆ　Ａｅｒｏｎａｕｔｉｃｓ，Ｎｏｒｔｈｗｅｓｔｅｒｎ　Ｐｏｌｙｔｅｃｈｎｉｃａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００７２，Ｃｈｉｎａ；２．Ｒａｄａｒ　ａｎｄ　Ａｖｉｏｎｉｃｓ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　ＡＶＩＣ，　Ｗｕｘｉ　２１４０６３，Ｃｈｉｎａ；３．ＡＶＩＣ　Ｃｈｅｎｇｄｕ　Ａｉｒｃｒａｆｔ　Ｄｅｓｉｇｎ＆Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ，Ｃｈｅｎｇｄｕ　６１００４１，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｐｒｏｂｌｅｍｓ　ｔｈａｔ　ｔｈｅ　ｄｅｓｃｒｉｐｔｉｏｎ　ｌａｎｇｕａｇｅ　ｆｏｒ　ｒａｎｋｓ　ｏｆ　ｆａｉｌｕｒｅ　ｍｏｄｅ’Ｓ　ｆａｃｔｏｒｓ　ｉｓ　ｎｏｔ　ｅａｓｙ　

ｑｕａｎｔｉｚｅｄ　ａｎｄ　ｔｈｅ　ｅｖａｌｕａｔｉｏｎ　ｍｏｄｅｌ　ｉｓ　ｕｎｒｅａｓｏｎａｂｌｅ，ａ　ｑｕａｎｔｉｔａｔｉｖｅ　ＦＭＥＡ　ｍｅｔｈｏｄ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｂａｓｅｄ　ｏｎ　ｆｕｚｚｙ　

模糊理论概述

在我们的日常生活中有许多的事物，或多或少都具有模糊性和混淆不清的特性。“模模糊糊”的概念，是最微妙且难以捉摸，但却又是常見最重要的，但在近代数学中却有了很清晰的定义。但是所为“模糊”有两种含义，一是佛似关系、一是恍似关系。

模糊理论的观念在强调以模糊逻辑来描述现实生活中事物的等級，以弥补古典逻辑(二值逻辑)无法对不明确定义边界事物描述的缺点。人类的自然語言在表达上具有很重的模糊性，难以“对或不对”、“好或不好”的二分法来完全描述真实的世界问题。故模糊理论将模糊概念，以模糊集合的定义，将事件(event)属于这集合程度的归属函数(Membership grade)，加以模糊定量化得到一归属度(Membership grade)，来处理各种问题。

随着科学的发展，研究对象越加复杂，而复杂的东西难以精确化，这是一个突出的矛盾，也就是说复杂性越高，有意义的精确化能力越低，有意义性和精确性就变成两个互相排斥的特性。而复杂性却意味着因素众多，以致使我们无法全部认真地去进行考察，而只抓住其中重要的部分，略去次要部分，但这有时会使本身明确的概念也会变得模糊起来，从而不得不采用“模糊的描述”。

1 模糊理论的产生

1.1 模糊数学的背景

精确数学是建立在经典集合论的基础之上，一个研究的对象对于某个给定的经典集合的关系要么是属于（记为“”），要么是不属于（记为“”），二者必居其一。19世纪，由于英国数学家布尔（Bool）等人的研究，这种基于二值逻辑的绝对思维方法抽象后成为布尔代数，它的出现促使数理逻辑成为一门很有适用价值的学科，同时也成为计算机科学的基础。但是，二值逻辑无法解决一些逻辑悖论，如著名的罗素（Russell）“理发师悖论”、“秃头悖论”、“克利特岛人说谎悖论”等等悖论问题。

传统数学所赖以存在的基石是普通集合论，是二值逻辑，而它是抛弃了事物的模糊性而抽象出来的，将人脑思维过程绝对化了，数学中普通集合描述的是“非此即彼”的清晰对象，而人脑还要识别那些“亦此亦彼”的模糊现象。

人工智能中的模糊理论与模糊推理

人工智能（Artificial Intelligence，AI）是计算机科学的一个重要分支，旨在让机器能够模仿和模拟人类的智能行为。在AI的发展过程中，模糊理论（Fuzzy Theory）和模糊推理（Fuzzy Reasoning）是扮演着重要角色的两个概念。模糊理论和模糊推理可以帮助我们解决那些具有不确定性和模糊性的问题，并且在模拟人类的智能过程中起到了关键作用。本文将详细介绍，并讨论其应用领域。

1. 模糊理论

模糊理论是由扎德（Lotfi A. Zadeh）于1965年提出的，它是一种能够处理现实世界中不确定性和模糊性问题的数学工具。与传统的逻辑学不同，模糊理论引入了“模糊集合”的概念，用来表示不同程度的隶属度。在传统的二值逻辑中，一个元素只能属于集合或者不属于集合，而在模糊集合中，一个元素可以同时属于多个集合同时也可以部分属于某个集合。

模糊集合的定义通常采用隶属度函数（membership function）来表示，这个函数将每个元素在0到1之间的值来表示其属于程度。这种思想可以很好地应用到处理模糊性问题的场景中。例如，当我们描述一个人的高矮时，可以定义一个“高”的模糊集合，然后通过隶属度函数来表示每个人对于“高”的隶属度。

2. 模糊推理

模糊推理是一种基于模糊逻辑的推理方法，它是基于模糊集合的运算来实现推理的过程。模糊推理通过模糊集合之间的关系来表示模糊规则，从而得到推理的结果。通常，模糊推理过程包括模糊化、模糊规则的匹配、推理方法的选择以及解模糊化等步骤。

在模糊化的过程中，将输入转化为模糊集合，并通过隶属度函数给出每个输入值的隶属度。在模糊规则的匹配阶段，将输入的模糊集合与模糊规则进行匹配，根据匹配程度得到相应的隶属度。然后，根据推理方法的选择，确定输出值的隶属度。最后，通过解模糊化的过程，将模糊输出转化为确定的输出。 模糊推理的一个重要特点是能够处理模糊和不确定性的信息。当我们需要进行模糊推理时，往往面临着具有模糊和不确定性的输入数据，而模糊推理可以有效地处理这些输入数据，从而得到更加合理和准确的结果。