人工智能（AI） - 模糊逻辑系统

• 

  简述

  模糊逻辑系统 (FLS) 响应不完整、模棱两可、失真或不准确（模糊）的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。

  计算机可以理解的常规逻辑块接受精确的输入并产生确定的输出为 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，人类决策包括“是”和“否”之间的一系列可能性，例如 -

  当然可以

  可能是的

  不好说

  可能没有

  当然没有

  模糊逻辑作用于输入的可能性水平以实现确定的输出。

  执行

  • 它可以在具有各种规模和函数的系统中实现，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品。
  • 它可能不会给出准确的推理，但可以接受的推理。
  • 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 -

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

  LP	x 是大正数
  MP	x 是中等正数
  S	x 是小数
  MN	x 是中等负数
  LN	x 是大负数

  • 知识基础− 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。
  • 脱氮模块− 将推理机得到的模糊集转化为清晰的值。

  

  成员资格函数的作用模糊变量集。

  成员资格函数

  隶属函数允许您量化语言术语并以图形方式表示模糊集。一个成员资格函数对于论域 X 上的模糊集 A ，定义为 μ _A :X → [0,1]。

  在这里，X的每个元素都映射到 0 和 1 之间的一个值。它被称为成员值或者成员资格. 它量化了X中的元素对模糊集A的隶属度。

  • x 轴代表话语的宇宙。
  • y 轴表示 [0, 1] 区间中的隶属度。

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

  所有隶属函数LP, MP, S, MN,和LN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为常见。

  在这里，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）
  • 为它们构造隶属函数。（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、冷、暖、非常暖、热}

  该集合的每个成员都是一个语言术语，它可以涵盖整体温度值的某些部分。
  步骤 2 − 为他们构建成员函数
  温度变量的隶属函数如图所示 -
  
  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。

  室温/目标	很冷	寒冷的	温暖的	热的	很热
  很冷	没变	热	热	热	热
  寒冷的	凉爽的	没变	热	热	热
  温暖的	凉爽的	凉爽的	没变	热	热
  热的	凉爽的	凉爽的	凉爽的	没变	热
  很热	凉爽的	凉爽的	凉爽的	凉爽的	没变

  以 IF-THEN-ELSE 结构的形式将一组规则构建到知识库中。

  序号	条件	动作
  1	IF temperature=(Cold OR Very_Cold) AND target=Warm THEN	热
  2	IF temperature=(Hot OR Very_Hot) AND target=Warm THEN	凉爽的
  3	IF (temperature=Warm) AND (target=Warm) THEN	没变

  步骤 4 − 获取模糊值
  模糊集操作执行规则的评估。用于 OR 和 AND 的运算分别是 Max 和 Min。结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 − 执行解除指定
  然后根据输出变量的隶属函数进行去模糊化。
  
• 

  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
  • 静态和摄像机
  • 电视

  食物家电

  • 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，您可以通过添加或删除规则来修改 FLS。
  • 模糊逻辑系统可以获取不精确、失真、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中复杂问题的方法，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。
  • 它们只有在简单时才能理解。
  • 它们适用于不需要高精度的问题。