人工智能 - 模糊逻辑系统

模糊逻辑系统 (FLS) 针对不完整、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 方法模仿人类的决策方式，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明确的输出，即 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 YES 和 NO 之间的一系列可能性，例如 −

模糊逻辑在输入可能性的水平上工作以实现确定的输出。

实施

• 它可以在具有各种大小和功能的系统中实施，从小型微控制器到大型、联网、基于工作站的控制系统。

• 它可以在硬件、软件或两者的组合中实施。

为什么是模糊逻辑？

模糊逻辑可用于商业和实际目的。

• 它可以控制机器和消费产品。
• 它可能无法提供准确的推理，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，如下所示−

• 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 − 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，模拟人类的推理过程。

• 去模糊化模块 − 将推理引擎获得的模糊集转换为清晰的值。

成员函数作用于模糊变量集。

成员函数

成员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 上模糊集合 A的成员函数定义为 μ_A:X → [0,1]。

此处，X 的每个元素都映射到 0 到 1 之间的值。它被称为成员值或成员度。它量化了 X 中元素对模糊集 A 的隶属度。

• x 轴表示论域。
• y 轴表示 [0, 1] 区间内的隶属度。

可以有多个适用于模糊化数值的隶属函数。使用简单的成员函数，因为使用复杂函数不会增加输出的精度。

所有LP、MP、S、MN和LN的成员函数如下所示 −

三角形成员函数形状在各种其他成员函数形状（如梯形、单例和高斯）中最为常见。

这里，5 级模糊器的输入从 -10 伏到 +10 伏不等。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)
• 为它们构建成员函数。 (开始)
• 构建规则知识库 (开始)
• 使用成员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。 (去模糊化)

开发

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形式出现的输入和输出变量。对于室温，冷、暖、热等都是语言术语。

温度 (t) = {非常冷、冷、暖、非常暖、热

该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 − 为它们构建成员函数

温度变量的成员函数如下所示 −

步骤 3 −构建知识库规则

创建一个室温值与空调系统预计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 − 获得模糊值

模糊集运算执行规则评估。OR 和 AND 使用的运算分别是 Max 和 Min。将所有评估结果组合起来形成最终结果。此结果为模糊值。

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

模糊逻辑的主要应用领域如下 −

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

• 高保真音响系统
• 复印机
• 静态和视频相机
• 电视机

家用产品

• 微波炉
• 冰箱
• 烤面包机
• 吸尘器
• 洗衣机

环境控制

• 空气空调/烘干机/加热器
• 加湿器

FLS 的优势

• 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、嘈杂的输入信息。

• FLS 易于构建和理解。

• 模糊逻辑是解决包括医学在内的所有生活领域复杂问题的解决方案，因为它类似于人类的推理和决策。

FLS 的缺点

• 模糊系统设计没有系统的方法。
• 只有简单时才可以理解。
• 它们适用于不需要高精度的问题。