人工智能 - 模糊逻辑系统

---

---

模糊逻辑系统 (FLS) 对不完整、模糊、失真或不准确（模糊）的输入做出可接受但明确的输出。

什么是模糊逻辑？

模糊逻辑 (FL) 是一种推理方法，类似于人类的推理。FL 的方法模仿人类决策的方式，包括“是”和“否”数字值之间的所有中间可能性。

计算机可以理解的常规逻辑块接受精确的输入并产生明确的输出，即 TRUE 或 FALSE，这相当于人类的“是”或“否”。

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“是”和“否”之间的一系列可能性，例如：

模糊逻辑基于输入的可能性级别来实现明确的输出。

实施

• 它可以应用于各种规模和功能的系统，从小型微控制器到大型的基于网络的工作站控制系统。

• 它可以以硬件、软件或两者的结合方式实现。

为什么使用模糊逻辑？

模糊逻辑对商业和实践用途很有用。

• 它可以控制机器和消费产品。
• 它可能不会给出准确的推理，但会给出可接受的推理。
• 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，如下所示：

• 模糊化模块 - 它将系统的输入（即清晰的数字）转换为模糊集。它将输入信号分成五个步骤，例如：

• 知识库 - 它存储专家提供的 IF-THEN 规则。

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

• 反模糊化模块 - 它将推理引擎获得的模糊集转换为清晰的值。

隶属函数作用于变量的模糊集。

隶属函数

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

这里，X的每个元素都映射到 0 到 1 之间的值。它被称为隶属度或隶属程度。它量化了X中元素对模糊集A的隶属程度。

• x 轴表示论域。
• y 轴表示 [0, 1] 区间内的隶属度。

可以有多个隶属函数适用于将数值模糊化。使用简单的隶属函数，因为使用复杂的函数不会提高输出的精度。

LP、MP、S、MN 和LN 的所有隶属函数如下所示：

在各种其他隶属函数形状（如梯形、单点和高斯）中，三角形隶属函数形状最常见。

这里，输入到 5 级模糊器的范围为 -10 伏到 +10 伏。因此，相应的输出也会发生变化。

模糊逻辑系统示例

让我们考虑一个带有 5 级模糊逻辑系统的空调系统。该系统通过比较室温与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）
• 为它们构建隶属函数。（开始）
• 构建规则的知识库（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）
• 组合每个规则的结果。（推理引擎）
• 将输出数据转换为非模糊值。（反模糊化）

发展

步骤 1 - 定义语言变量和术语

语言变量是以简单单词或句子的形式表示的输入和输出变量。对于室温，冷、暖、热等是语言术语。

温度 (t) = {非常冷、冷、暖、非常暖、热}

此集合的每个成员都是一个语言术语，它可以覆盖整体温度值的一部分。

步骤 2 - 为它们构建隶属函数

温度变量的隶属函数如下所示：

步骤 3 - 构建知识库规则

创建一个室温值与空调系统预期提供的目标温度值的矩阵。

将一组规则以 IF-THEN-ELSE 结构的形式构建到知识库中。

步骤 4 - 获取模糊值

模糊集运算执行规则评估。用于 OR 和 AND 的运算分别是 Max 和 Min。组合所有评估结果以形成最终结果。此结果是一个模糊值。

步骤 5 - 执行反模糊化

然后根据输出变量的隶属函数执行反模糊化。

模糊逻辑的应用领域

模糊逻辑的关键应用领域如下所示：

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

• 高保真音响系统
• 复印机
• 静止和摄像机
• 电视

家用产品

• 微波炉
• 冰箱
• 烤面包机
• 吸尘器
• 洗衣机

环境控制

• 空调/干燥机/加热器
• 加湿器

FLSs 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，您可以通过添加或删除规则来修改 FLS。

• 模糊逻辑系统可以接收不精确、失真、嘈杂的输入信息。

• FLSs 易于构建和理解。

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

FLSs 的缺点

• 模糊系统设计没有系统的方法。
• 它们只有在简单时才容易理解。
• 它们适用于不需要高精度的问 题。