模糊逻辑系统课件.pptx

1、第六章模糊逻辑系统6.1简述6.2模糊逻辑系统结构6.3逻辑开发过程6.4案例高级人工智能人才培养丛书之一of311习题6.5简单的模糊逻辑系统实验6.1简述第六章模糊逻辑系统of3126.1.1定义 模糊逻辑系统是基于模糊集合论的数学基础上，通过计算机去模拟人在控制复杂对象中采用语言变量描述模糊概念，采用经验的控制规则来描述对象输入-输出间的模糊关系模型，进而实现模糊逻辑推理的一种计算机数学控制。6.1简述第六章模糊逻辑系统of313模糊集合 构造的要素：合适的论域和适当的隶属函数。区别的关键：模糊集合的主观性与非随机性。模糊集合运算及基本性质 与精确集合的并、交、补的运算对应，模糊集合也有

2、相似的运算，许多在经典集合中成立的基本性质是可以扩展到模糊集合中的。除了基本运算以外，模糊集合中还具有代数运算。模糊逻辑语言与推理 模糊逻辑是一种模拟人类思维过程的逻辑。具有模糊性的语言叫做模糊语言。三种推理方法：模糊近似推理、单输入模糊推理和多输入模糊推理6.1简述第六章模糊逻辑系统of3146.1.2工作原理6.1简述第六章模糊逻辑系统of3156.1简述第六章模糊逻辑系统of3166.1简述第六章模糊逻辑系统of3172.基本形式 根据模糊控制器的基本原理，我们把模糊控制器的基本形式归为三类：经典Mamdani型模糊控制器、T-S型模糊控制器和自适应模糊控制器。经典Mamdani型模糊控

3、制器T-S型模糊控制器自适应模糊控制器6.1简述第六章模糊逻辑系统of318经典Mamdani型模糊控制器 运行速度快，控制规则通过引入加权因子可以自调整，便于实现自适应控制，具有较好的自适应能力。T-S型模糊控制器 不仅可以用来描述模糊控制器，也可以描述被控对象的动态模型。自适应模糊控制器 自适应模糊控制是在基本模糊控制器上增加了自适应机构，该机构实现对基本模糊控制器自身控制性能的负反馈控制，以不断地调整和改善控制器的性能。第六章模糊逻辑系统6.2模糊逻辑系统结构6.1简述6.3逻辑开发过程6.4案例高级人工智能人才培养丛书之一of319习题6.5简单的模糊逻辑系统实验6.2模糊逻辑系统结构

4、第六章模糊逻辑系统of3110 实现一个模糊逻辑系统需要解决以下4个问题：模糊化模块的定义、知识库表示、推理机制的选择以及清晰化计算（解模糊）。模糊化模块的定义知识库表示推理机制的选择清晰化计算（解模糊）6.2模糊逻辑系统结构第六章模糊逻辑系统of3111 模糊逻辑系统的结构和作用原理，如图6-3。其中模糊系统由模糊化接口、知识库、推理机制和模糊判决接口（去模糊化模块）四个基本单元组成。6.2模糊逻辑系统结构第六章模糊逻辑系统of31126.2.1 模糊化模块 模糊化模块也称为模糊化接口，它的作用是通过在控制器的输入、输出论域上定义语言变量，将精确的输入、输出值转换为模糊化量。因此模糊化接口的

5、设计步骤事也就是定义语言变量的过程，可分为：语言变量的确定，语言变量论域的设计，定义各语言变量的语言值和定义各语言值的隶属函数。语言变量的确定语言变量论域的设计定义各语言变量的语言值定义各语言值的隶属函数6.2模糊逻辑系统结构第六章模糊逻辑系统of31136.2.1 模糊化模块 具体过程如下：首先对这些输入量进行处理，以变成模糊控制器要求的输入量将上述已经处理过的输入量进行尺度变换，使其变换到各自的论域范围将已经变换到论域范围的输入量进行模糊处理，使原先精确的输入量变成模糊量，并用相应的模糊集合来表示。6.2模糊逻辑系统结构第六章模糊逻辑系统of31146.2.2 知识库 知识库中包含了具体应

6、用领域中的知识和要求的控制目标，通常是由数据库和模糊（语言）控制规则库两部分组成。数据库模糊控制规则库知识库6.2模糊逻辑系统结构第六章模糊逻辑系统of3115 （1）数据库主要包含了语言控制规则论域的离散化、量化和正则化以及输入空间的分区、隶属函数的定义等。所有输入、输出变量所对应的论域以及这些论域上所定义的规则库中使用的全部模糊子集的定义都存放在数据库中。数据库还提供模糊逻辑推理必要的数据、模糊化接口和模糊判决接口相关论域的必要数据，包含语言控制规则论域的离散化、量化以及输入空间的分区、隶属函数的定义等。语言控制规则标记控制目标和领域专家的控制策略。6.2模糊逻辑系统结构第六章模糊逻辑系统

7、of3116 （2）模糊控制规则库包含了用模糊语言变量表示的一系列控制规则，它们反映了控制专家的经验和知识。这些控制规则是根据人类控制专家的经验总结得到的，按照“IF.is.AND.is.THEN.is.”的形式表达，这样的规则很容易通过模糊条件语句描述的模糊逻辑推理来实现。而模糊控制规则也就是根据控制目的和控制策略给出了一套由语言变量描述，并由专家或自学习产生的控制规则的集合。6.2模糊逻辑系统结构第六章模糊逻辑系统of31176.2.3 推理机制 模糊推理机是模糊控制器的核心，是指采用某种推理方法，由采样时刻的输入和规则库中蕴含的输入输出关系，通过模糊推理方法得到模糊控制器的输出模糊值，即

8、模糊控制信息可通过模糊蕴含和模糊逻辑的推理规则来获取。根据模糊输入和模糊控制规则，模糊推理求解模糊判决关系方程，获得模糊输出。模糊推理算法和很多因素有关，如模糊蕴含规则、推理合成规则、模糊推理条件语句前件部分的连接词（and）和语句之间的连接词（also）的不同定义等。因为这些因素有多种不同的定义，可以组合出相当多的推理算法。模糊蕴含推理规则模糊逻辑推理规则模糊控制信息6.2模糊逻辑系统结构第六章模糊逻辑系统of31186.2.4 去模糊化模块 去模糊化模块也称为解模糊接口、清晰化或模糊判决等，由模糊推理得到的模糊输出值 是输出论域上的模糊子集，只有其转化为精确控制量，才能施加于受控对象。所以

9、去模糊化模块的作用是将模糊推理得到的控制量（模糊量）变换为实际用于精确的或非模糊的控制量。它包含以下两部分：6.2模糊逻辑系统结构第六章模糊逻辑系统of3119 （1）将模糊的控制量经清晰化变换，变成表示在论域范围的清晰量 （2）将表示在论域范围内的清晰量经尺度变换，变成实际的控制量。第六章模糊逻辑系统6.3逻辑开发过程6.1简述6.2模糊逻辑系统结构6.4案例高级人工智能人才培养丛书之一of3120习题6.5简单的模糊逻辑系统实验6.3逻辑开发过程第六章模糊逻辑系统of31211 6.3.1 定义语言变量和术语2 6.3.2 构建成员函数3 6.3.3 构建知识库4 6.3.4 模糊推理5

10、6.3.5 解模糊化6.3逻辑开发过程第六章模糊逻辑系统of31226.3.1 定义语言变量和术语 模糊规则是由若干个语言变量构成的模糊条件语句，它们反映了人类对客观事件的模糊判断和思维。是根据模糊语言的定义，它由语法规则、语言值、语义规则（句法规则）和论域几部分构成。因此模糊语言变量简单的词汇或者语句组成的输入和输出变量，在确定模糊语言变量时，首先要确定其基本语言值。一般来说，一个语言变量的语言值越多，对事物的描述越全面准确，可能得到的控制效果就越好。当然过细地划分反而有可能使控制规则变得复杂，因此应该根据具体情况而定。所有语言值形成的模糊子集应构成模糊变量的一个模糊划分。6.3逻辑开发过程

11、第六章模糊逻辑系统of31236.3.2 构建成员函数 模糊语言值实际上是一个模糊子集，而语言值最终是通过隶属度函数来描述的即模糊化。语言值的隶属度函数又称为语言值的语义规则，它有时以连续函数的形式出现，有时以离散的量化等级形式出现，应该说它们都有各自的特色，例如连续的隶属度函数描述比较准确，而离散的量化等级描述比较简洁明确。6.3逻辑开发过程第六章模糊逻辑系统of31246.3.2 构建成员函数 在模糊逻辑系统中常见的隶属度函数类型有两种：三角形函数与高斯型函数。6.3逻辑开发过程第六章模糊逻辑系统of31256.3逻辑开发过程第六章模糊逻辑系统6.3逻辑开发过程第六章模糊逻辑系统of312

12、76.3.3 构建知识库 模糊控制器中的知识库（KBKnowledge Base）由数据库（DBData Base）和规则库（RBRule Base）两部分组成。数据库（DBData Base）和规则库（RBRule Base）知识库（KBKnowledge Base）6.3逻辑开发过程第六章模糊逻辑系统of3128 1.1.数据库数据库 数据库所存放的是所有输入、输出变量的全部模糊子集的隶属度矢量值（即在其论域上按相应等级数离散化以后对应集合的矢量表示值），若论域为连续域则为隶属度函数。在规则推理的模糊关系方程中，向推理机提供数据，但要说明的是输入输出变量数据集不属于数据库存放范畴。6.3逻

13、辑开发过程第六章模糊逻辑系统of31296.3逻辑开发过程第六章模糊逻辑系统6.3逻辑开发过程第六章模糊逻辑系统of31316.3.4 模糊推理6.3逻辑开发过程第六章模糊逻辑系统of31326.3逻辑开发过程第六章模糊逻辑系统of31336.3.5 解模糊化 根据模糊推理算法，大多得到的结果是模糊值（除6.3.4节中第三类推理方法之外），不能直接作为被控对象的控制量，需要将其转化成一个执行机构可以执行的精确量。此过程被称为解模糊过程或模糊判决，它可以看作是模糊空间到清晰空间的一种映射。6.3逻辑开发过程第六章模糊逻辑系统of31346.3.5 解模糊化 解模糊的目的是根据模糊推理的结果求得最

14、能反映控制量的真实分布，然而解模糊过程目前尚无系统的方法，常用的方法有：最大隶属度法、重心法、加权平均法。最大隶属度法重心法加权平均法6.3逻辑开发过程第六章模糊逻辑系统of31356.3逻辑开发过程第六章模糊逻辑系统of31366.3逻辑开发过程第六章模糊逻辑系统of3137第六章模糊逻辑系统6.4案例6.1简述6.2模糊逻辑系统结构6.3逻辑开发过程高级人工智能人才培养丛书之一of3138习题6.5简单的模糊逻辑系统实验6.4案例第六章模糊逻辑系统of3139 模糊控制则是智能控制中最活跃的方向，自扎德（L.A.Zadeh）提出“模糊集合”（fuzzy sets）的概念后，便为模糊控制开辟

15、了新的研究领域。如今模糊控制在理论探索和实际应用都取得了一系列令人瞩目的成果，本节将讲述模糊逻辑系统在汽车系统、消费电子产品以及环境控制中的实际应用。6.4案例第六章模糊逻辑系统of3140汽车系统 应用在汽车上例如汽车制动防抱死系统、汽车巡航系统以及倒车防撞系统等。本节将详细介绍制动防抱死系统（简称ABS系统）的数学模型以及模糊控制在该系统中的应用。消费电子产品 通过模糊控制技术设计的智能微波炉，人们不需要手动设置微波炉加热时间便可以智能控制加热时间，使得微波炉的使用更加的便捷，这对于家用电器的发展也具有重要的意义。环境控制 这种系统对系统参数变化不敏感，具有很强的鲁棒性和通用性，可以实现对

16、不同类型温室的温度控制；本系统的模糊逻辑控制是根据温室内的温度变化来调节温室机构的状态，达到降温或者升温的效果。第六章模糊逻辑系统6.5简单的模糊逻辑系统实验6.1简述6.2模糊逻辑系统结构6.3逻辑开发过程高级人工智能人才培养丛书之一of3141习题6.4案例6.5简单的模糊逻辑系统实验第六章模糊逻辑系统of31421 实验目的2 实验要求3 实验原理4 实验步骤5 实验结果实验目的1.了解模糊逻辑系统的基本概念；2.了解模糊集和隶属度函数的定义；3.了解Python3实现模糊逻辑系统的基本流程；实验要求本次试验后，要求学生能：1.了解模糊逻辑系统的工作原理；2.了解Python skfuz

17、zy依赖库的使用；3.理解Python3相关的源码，并用代码实现模糊逻辑系统。6.5简单的模糊逻辑系统实验第六章模糊逻辑系统of3143实验原理 一个模糊逻辑系统通常使用一组模糊变量的规则，这些规则只是描述一个或多个模糊变量如何与另一个模糊变量之间的映射。在下面的小费问题示例中，一条规则可能是“如果服务很好那么小费较高”。通过本节实验双输入、单输出小费问题（基于美国的小费习惯）动手实现一个简单的模糊逻辑系统，该系统用于模拟客户在餐厅选择给多少小费的问题。在选择小费时，我们需要考虑到服务品质和食品质量两方面，设定一个0至10之间的整数表示饭店服务品质和一个0至10之间的整数来表示饭店的食品质量（

18、其中10为最高分表示非常好）。使用这些评价指标来给出小费标准即小费低是5%，中等小费是15%，小费高是25%，该问题可以表述为如下。输入变量服务品质：论域为服务员从0-10的服务质量，模糊集=差，适中，很好；食品质量：论域为食物从0-10的美味程度，模糊集=差，适中，很好；输出变量小费：论域为我们应该提供多少小费，范围从0-25%；模糊集=低，中，高；模糊规则定义如果服务品质差或食品质量差，那么小费低；如果服务品质适中，那么小费中等；如果服务品质好或食品质量好，那么小费高。6.5简单的模糊逻辑系统实验第六章模糊逻辑系统of3144实验步骤 我们可以使用skfuzzy API对此进行建模，本实验

19、必须在Python3环境下运行，需要安装相关的第三方依赖库numpy、skfuzzy等，执行如下代码进行安装：pip install numpypip install matplotlibpip install scikit-fuzzy=0.4.1 接着我们来创建test.py文件并编辑它，首先我们导入相关包并定义模糊变量如quality等，通过automf()函数可以自动为成员函数进行填充，使用熟悉的Pythonic API以交互的方式构建自定义成员函数。import numpy as npimport skfuzzy as fuzzfrom skfuzzy import control a

20、s ctrlimport matplotlibquality=ctrl.Antecedent(np.arange(0,11,1),quality)#食品质量service=ctrl.Antecedent(np.arange(0,11,1),service)#服务品质tip=ctrl.Consequent(np.arange(0,26,1),tip)#小费#使用.automf（3,5或7）可以实现自动成员函数填充quality.automf(3)service.automf(3)#可以使用熟悉的Pythonic API以交互方式构建自定义成员函数tiplow=fuzz.trimf(tip.uni

21、verse,0,0,13)tipmedium=fuzz.trimf(tip.universe,0,13,25)tiphigh=fuzz.trimf(tip.universe,13,25,25)6.5简单的模糊逻辑系统实验第六章模糊逻辑系统 为了理解这些模糊子集，我们可以通过skfuzzy包中view()函数绘制出各模糊变量的隶属度函数并保存在当前路径下。qualityaverage.view()plt.savefig(quality.png)service.view()plt.savefig(service.png)tip.view()plt.savefig(tip.png)为了使这些三角形隶

22、属度函数有用，需要接着来定义输入和输出变量之间的模糊关系。根据上述的讲解可知需要定义三个简单的规则，通过这些模糊规则得到准确的小费值是一件具有挑战的任务。同样我们可以使用view()方法绘制出模糊规则。#三个模糊规则的定义rule1=ctrl.Rule(qualitypoor|servicepoor,tiplow)rule2=ctrl.Rule(serviceaverage,tipmedium)rule3=ctrl.Rule(servicegood|qualitygood,tiphigh)rule1.view()plt.savefig(rule1.png)现在我们的模糊规则已经定义好，利用sk

23、fuzzy.control中的函数ControlSystem()方法可以简单创建一个模糊控制系统，为了模拟这个控制系统，则需要先创建一个ControlSystemSimulation对象，其代表着我们的控制器应用于一组特定的环境如在酒吧或咖啡馆给小费给服务员，因为输入是不同的。tipping_ctrl=ctrl.ControlSystem(rule1,rule2,rule3)tipping_ctrl=ctrl.ControlSystem(tipping_ctrl)简单指定输入量并调用compute()方法来模拟该控制系统，假设该餐厅服务品质为9.8分且食物质量为6.5分，系统会给出建议的小费数

24、。#注意：如果想同时传递多个输入，则使用inputs(dict_of_data)tipping.inputquality=6.5 tipping.inputservice=9.8 pute()#通过该方法来模拟控制系统#调用compute方法后，就可以可视化结果了print(tipping.outputtip)tip.view(sim=tipping)plt.savefig(result.png)6.5简单的模糊逻辑系统实验第六章模糊逻辑系统of3146实验结果该隶属度函数采用三角形隶属度函数，各模糊变量的隶属度函数如图6-13所示。6.5简单的模糊逻辑系统实验第六章模糊逻辑系统of3147 模糊规则示例图如6-14所示。最终输出的小费结果和其可视化效果如下所示。习题：感谢聆听