人工智能 - 模糊逻辑系统

---

模糊逻辑系统 (FLS) 响应不完整、模糊、扭曲或不准确（模糊）输入，产生可接受但明确的输出。

什么是模糊逻辑？

模糊逻辑（FL）是一种类似于人类推理的推理方法。FL 的方法模仿了人类的决策方式，涉及数字值 YES 和 NO 之间的所有中间可能性。

计算机可以理解的传统逻辑块接受精确的输入并产生确定的输出（TRUE或FALSE），这相当于人类的YES或NO。

模糊逻辑的发明者 Lotfi Zadeh 观察到，与计算机不同，人类的决策包括一系列“是”和“否”之间的可能性，例如 -

模糊逻辑作用于输入的可能性级别，以实现确定的输出。

执行

• 它可以在各种尺寸和功能的系统中实现，从小型微控制器到大型网络化、基于工作站的控制系统。

• 它可以用硬件、软件或两者的组合来实现。

为什么要使用模糊逻辑？

模糊逻辑对于商业和实际目的很有用。

• 它可以控制机器和消费品。
• 它可能无法给出准确的推理，但可以给出可接受的推理。
• 模糊逻辑有助于处理工程中的不确定性。

模糊逻辑系统架构

它有四个主要部分，如图所示 -

• 模糊化模块- 它将系统输入（清晰的数字）转换为模糊集。它将输入信号分为五个步骤，例如 -

• 知识库- 它存储专家提供的 IF-THEN 规则。

• 推理引擎- 它通过对输入和 IF-THEN 规则进行模糊推理来模拟人类推理过程。

• 去模糊化模块- 它将推理引擎获得的模糊集转换为清晰的值。

隶属函数适用于变量的模糊集。

会员功能

隶属函数允许您量化语言术语并以图形方式表示模糊集。论域 X 上的模糊集 A的隶属函数定义为 μ _A :X → [0,1]。

这里， X的每个元素被映射为0到1之间的值。它被称为隶属值或隶属度。它量化X中的元素对模糊集A的隶属度。

• x 轴代表论域。
• y 轴表示 [0, 1] 区间的隶属度。

可以有多个适用于模糊数值的隶属函数。使用简单的隶属函数，因为使用复杂的函数不会增加输出的精度。

LP、MP、S、MN和LN的所有隶属函数如下所示 -

三角形隶属函数形状在梯形、单例和高斯等各种其他隶属函数形状中最常见。

此处，5 级模糊器的输入从 -10 伏到 +10 伏变化。因此相应的输出也会改变。

模糊逻辑系统的示例

让我们考虑一个具有 5 级模糊逻辑系统的空调系统。该系统通过比较室温和目标温度值来调节空调的温度。

算法

• 定义语言变量和术语（开始）
• 为他们构建隶属函数。（开始）
• 构建规则知识库（开始）
• 使用隶属函数将清晰数据转换为模糊数据集。（模糊化）
• 评估规则库中的规则。（推理引擎）
• 合并每个规则的结果。（推理引擎）
• 将输出数据转换为非模糊值。（去模糊化）

发展

步骤 1 - 定义语言变量和术语

语言变量是简单单词或句子形式的输入和输出变量。对于室温，冷、暖、热等都是语言术语。

温度 (t) = {非常冷、寒冷、温暖、非常温暖、炎热}

该集合的每个成员都是一个语言术语，它可以覆盖总体温度值的一部分。

步骤 2 - 为他们构建隶属函数

温度变量的隶属函数如下所示 -

Step3 - 构建知识库规则

创建室温值与空调系统预期提供的目标温度值的矩阵。

以 IF-THEN-ELSE 结构的形式将一组规则构建到知识库中。

步骤 4 - 获取模糊值

模糊集运算执行规则的评估。OR 和AND 的运算分别是Max 和Min。综合所有评估结果，形成最终结果。这个结果是一个模糊值。

步骤 5 - 执行去模糊化

然后根据输出变量的隶属函数执行去模糊化。

模糊逻辑的应用领域

模糊逻辑的关键应用领域如下 -

汽车系统

• 自动变速箱
• 四轮转向
• 车辆环境控制

消费电子产品

• 高保真系统
• 复印机
• 静态相机和摄像机
• 电视

国内商品

• 微波炉
• 冰箱
• 烤面包机
• 吸尘机
• 洗衣机

环境控制

• 空调/烘干机/加热器
• 加湿器

FLS 的优点

• 模糊推理中的数学概念非常简单。

• 由于模糊逻辑的灵活性，您只需添加或删除规则即可修改 FLS。

• 模糊逻辑系统可以接受不精确、扭曲、有噪声的输入信息。

• FLS 易于构建和理解。

• 模糊逻辑是生活各个领域（包括医学）复杂问题的解决方案，因为它类似于人类推理和决策。

FLS 的缺点

• 模糊系统设计没有系统的方法。
• 它们只有在简单的情况下才能被理解。
• 它们适用于解决精度要求不高的问题。