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。
    模糊逻辑系统
    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,LN如下所示 -
    FL 成员函数
    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。
    模糊逻辑交流系统

    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 -
    交流系统MF
    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
    寒冷的 凉爽的 没变
    温暖的 凉爽的 凉爽的 没变
    热的 凉爽的 凉爽的 凉爽的 没变
    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
    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。
    去模糊值
  • 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。