什么是模糊逻辑？ Archi结构图及应用
伊芙琳·克拉克
什么是模糊逻辑？
模糊逻辑 模糊逻辑是一种多值逻辑，其中变量的真值可以是 0 到 1 之间的任何实数。它能够处理部分真值的概念。在现实生活中，我们经常会遇到无法判断某个陈述是完全真还是完全假的情况。此时，模糊逻辑为推理提供了极大的灵活性。
该值被称为 会员资格0 表示完全不属于，1 表示完全属于，0.7 表示部分属于。模糊算法会根据该权重对所有可用数据进行加权，然后针对给定的输入做出最佳决策。该方法模拟了人类的决策过程，即考虑介于数字值 T 和 F 之间的所有可能性。
模糊逻辑系统的历史
多值逻辑的历史比其名称更为悠久：扬·卢卡谢维奇早在20世纪20年代就描述了一种三值逻辑。决定性的一步发生在1965年，当时加州大学伯克利分校的教授洛特菲·扎德发表了一篇论文。 “模糊集” in 信息与控制他观察到，传统的计算机逻辑无法处理代表主观或模糊的人类思想的数据。
这一理念在1974年转化为硬件，当时Ebrahim Mamdani制造了第一个用于蒸汽机的实用模糊控制器；日本制造商在20世纪80年代将其商业化。如今，模糊算法的应用范围已涵盖控制理论到…… 人工智能让计算机区分既非完全真也非完全假的数据——“有点暗”、“相当亮”等等。
模糊逻辑的特点
以下是模糊逻辑的一些重要特征：
- 灵活且易于实施 机器学习 技术
- 帮助你模仿人类思维的逻辑
- 真理并非仅限于两个值；介于 0 和 1 之间的任何程度都可能代表一种解决方案。
- 非常适合不确定或近似推理的方法
- 模糊逻辑将推理视为传播弹性约束的过程
- 模糊逻辑允许你构建任意复杂度的非线性函数。
- 模糊逻辑应在专家的全面指导下建立
何时不应使用模糊逻辑
模糊逻辑并非万能灵药。同样重要的是，要了解在哪些情况下不应该使用它。
以下某些情况下，最好避免使用模糊逻辑：
- 如果无法方便地将输入空间映射到输出空间
- 当常识就能解决问题时，就不应该使用模糊逻辑。
- 许多传统控制器在完全不使用模糊逻辑的情况下也能很好地工作。
模糊逻辑 Archi质地
模糊逻辑架构由四个主要部分组成，下图显示了清晰输入如何依次经过所有这些部分：
规则库
它包含了专家为控制决策系统而提供的所有规则和条件语句。模糊理论的最新研究成果为模糊控制器的设计和调优提供了多种方法，这些方法显著减少了模糊集所需的规则数量。
模糊化
模糊化转换输入：它将精确数值转换为模糊集。精确输入由传感器测量——例如室温、压力等——并传递到控制系统进行进一步处理。转换过程由……完成。 隶属函数一条将每个可能的输入值映射到 0 到 1 之间的隶属度的曲线。
推理机
它确定模糊输入与每条规则的匹配程度。基于该匹配百分比，它决定哪些规则需要应用于给定的输入字段。然后，将应用的规则组合起来，生成控制动作。
去模糊化
最后，去模糊化将模糊集转换回单个清晰值。目前有多种去模糊化技术—— 质心法、角平分法和基于最大值的方法 这些都是常见的选择——所以请选择最适合你的那一个。 专业系统.
模糊逻辑与概率
模糊性和概率经常被混淆，但它们回答的是不同的问题。
| 模糊逻辑 | 机率 |
|---|---|
| 模糊：Tom 在老年人集合内的隶属度为 0.90。 | 概率：汤姆年老的可能性为 90%。 |
| 模糊逻辑以模糊现象的模型为基础，以真值度作为数学基础。 | 概率是无知的数学模型。 |
清晰与模糊
| 脆 | 模糊 |
|---|---|
| 它有严格的界限 T 或 F | 具有隶属度的模糊边界 |
| 一些明确的时间设置可能会模糊 | 它不能很脆 |
| 真/假 {0,1} | 隶属度值在 [0,1] 上 |
| 从严谨的逻辑角度来看，排中律和非矛盾律可能成立，也可能不成立。 | 在模糊逻辑中，排中律和非矛盾律成立。 |
经典集合论与模糊集合论
| 古典套装 | 模糊集合论 |
|---|---|
| 具有清晰边界的物体类别。 | 物体的类别并没有明显的界限。 |
| 经典集合由明确的边界定义，即集合边界的位置清晰。 | 模糊集总是具有模糊的边界，即集合边界的位置可能不确定。 |
| 广泛应用于数字系统设计 | 主要用于模糊控制器和近似推理系统。 |
模糊逻辑示例
下图具体展示了隶属度标度。在模糊系统中，隶属度值用 0 到 1 之间的数字表示，其中 1.0 表示绝对真，0.0 表示绝对假。
模糊逻辑的应用领域
下表列出了知名公司在其产品中应用模糊逻辑的情况。
| 产品 | 关于我们 | 模糊逻辑 |
|---|---|---|
| 防抱死刹车 | 日产 | 在危险情况下，根据车速、加速度、车轮转速和车轮加速度，使用模糊逻辑控制刹车。 |
| 自动变速器 | 挪威克朗/日产 | 模糊逻辑用于根据油门设定、冷却水温度、转速等来控制燃油喷射和点火。 |
| 汽车发动机 | 本田、日产 | 用于根据发动机负荷、驾驶方式和路况选择档位。 |
| 复印机 | 教规 | 用于根据图像密度、湿度和温度调节鼓电压。 |
| 巡航控制 | 日产、五十铃、三菱 | 用于调节油门设置，从而控制汽车速度和加速度。 |
| 洗碗机 | 松下 | 用于根据餐具的数量和餐具上盛放的食物量来调整清洁周期、冲洗和洗涤策略。 |
| 电梯控制 | 富士达、三菱电机、东芝 | 用于根据客流量减少等待时间 |
| 高尔夫诊断系统 | 丸曼高尔夫 | 根据高尔夫球手的挥杆和体格选择高尔夫球杆。 |
| 健身管理 | Omron 欧姆龙 | 采用模糊规则来检验员工的健康状况。 |
| 窑炉控制 | 新日铁 | 混合水泥 |
| 微波炉 | 三菱化学 | 设定功率和烹饪策略 |
| 掌上电脑 | 日立、夏普、三洋、东芝 | 识别手写汉字 |
| 等离子蚀刻 | 三菱电机 | 设置蚀刻时间和策略 |
注意： 这些产品大多可以追溯到 20 世纪 80 年代末和 90 年代的毛绒玩具热潮；自 2008 年以来，松下一直以 Panasonic 的名义进行交易。
模糊逻辑系统的优点
工程师们不断选择模糊控制器，因为它们能以低廉的成本获得对混乱输入信号的容忍度。
- 模糊逻辑系统的结构简单易懂。
- 模糊逻辑广泛应用于商业和实际用途
- 人工智能中的模糊逻辑可以帮助您控制机器和消费产品。
- 它或许无法提供精确的推理，但它提供的推理在实践中是可以接受的。
- 模糊逻辑 数据挖掘 帮助你应对工程中的不确定性
- 总体而言，它非常稳健，因为不需要精确的输入。
- 它可以进行编程，以便在反馈传感器停止响应的情况下继续工作。
- 可以轻松修改以改进或改变系统性能
- 可以使用价格低廉的传感器，这有助于降低整个系统的成本和复杂性。
- 它为复杂问题提供了一种高效的解决方案。
模糊逻辑系统的缺点
- 模糊逻辑并非总是准确的；其结果基于假设，因此可能不被广泛接受。
- 模糊系统本身并不具备学习能力，这与传统系统不同。 神经网络 凭借其模式识别能力
- 模糊知识库系统的验证和确认需要使用硬件进行广泛的测试。
- 设定精确的模糊规则和隶属函数是一项艰巨的任务。
- 模糊逻辑经常与概率论混淆，这两个领域的术语也经常混用。
