模糊逻辑教程：概念、架构、应用、示例

什么是模糊逻辑？

模糊逻辑被定义为一种多值逻辑形式，其中变量的真值可以在0和1之间的任何实数。它是部分真理的掌握概念。在现实生活中，我们可能会遇到无法确定陈述是真是假的情况。此时，模糊逻辑为推理提供了非常有价值的灵活性。

模糊逻辑算法通过考虑所有可用数据来帮助解决问题。然后，它为给定的输入做出最佳决策。FL方法模仿了人类的决策方式，即考虑了数字值T和F之间的所有可能性。

模糊逻辑系统历史

尽管模糊逻辑的概念自20世纪20年代以来一直被研究。模糊逻辑一词最早由加州大学伯克利分校教授Lotfi Zadeh于1965年提出。他发现传统的计算机逻辑无法处理代表主观或模糊人类思想的数据。

模糊算法已应用于从控制理论到人工智能的各个领域。它旨在使计算机能够区分既非真也非假的数据。类似于人类推理的过程。例如，有点暗、有点亮等等。

模糊逻辑的特点

以下是模糊逻辑的一些重要特征：

• 灵活且易于实现的机器学习技术。
• 帮助您模仿人类思维的逻辑。
• 逻辑可以有两个值，表示两种可能的解决方案。
• 高度适用于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。
• 模糊逻辑允许您构建任意复杂度的非线性函数。
• 模糊逻辑应在专家的完全指导下构建。

何时不应使用模糊逻辑

然而，模糊逻辑并非万能药。因此，同样重要的是要理解我们不应该在哪里使用模糊逻辑。

以下是一些您最好不要使用模糊逻辑的情况：

• 如果您发现难以将输入空间映射到输出空间。
• 当您可以使用常识时，不应使用模糊逻辑。
• 许多控制器在不使用模糊逻辑的情况下也能很好地工作。

模糊逻辑架构

模糊逻辑架构有四个主要部分，如图所示：

规则库

它包含专家为控制决策系统提供的所有规则和 if-then 条件。模糊理论的最新更新提供了各种设计和调整模糊控制器的方法。这些更新大大减少了模糊规则集的大小。

模糊化

模糊化步骤有助于转换输入。它允许您将清晰的数字转换为模糊集。由传感器测量的清晰输入被传递到控制系统进行进一步处理。例如，室温、压力等。

推理引擎

它帮助您确定模糊输入与规则之间的匹配程度。根据匹配百分比，它确定根据给定的输入字段需要实现哪些规则。之后，将应用规则组合起来以制定控制操作。

去模糊化

最后，执行去模糊化过程以将模糊集转换为清晰值。有许多技术可用，因此您需要选择最适合与专家系统一起使用的技术。

模糊逻辑与概率

模糊逻辑	可能性
模糊：汤姆在老年人集合中的成员资格程度为0.90。	概率：汤姆是老人的几率为90%。
模糊逻辑以模糊现象模型为基础，将真值度作为数学基础。	概率是无知的数学模型。

清晰与模糊

清晰	模糊
它有严格的边界 T 或 F。	具有成员资格度的模糊边界。
一些清晰的时间集合可以是模糊的。	它不可能是清晰的。
真/假 {0,1}	成员资格值在 [0,1] 之间。
在清晰逻辑中，排中律和无矛盾律可能成立，也可能不成立。	在模糊逻辑中，排中律和无矛盾律成立。

经典集合与模糊集合理论

经典集合	模糊集合理论
具有清晰边界的对象的集合。	没有清晰边界的对象的集合。
经典集合由清晰的边界定义，即集合边界的位置是清晰的。	模糊集合始终具有模糊的边界，即集合边界的位置可能存在不确定性。
广泛用于数字系统设计。	仅用于模糊控制器。

模糊逻辑示例

请参阅下图。它显示在模糊系统中，值由0到1的数字表示。在此示例中，1.0表示绝对真理，0.0表示绝对谬误。

模糊逻辑的应用领域

下表显示了著名公司在其产品中应用模糊逻辑的情况。

产品	公司	模糊逻辑
防抱死刹车	日产	使用模糊逻辑根据车速、加速度、轮速和加速度在危险情况下控制刹车。
自动变速器	NOK/日产	模糊逻辑用于根据油门设置、冷却水温度、RPM 等控制燃油喷射和点火。
自动发动机	本田、日产	用于根据发动机负载、驾驶风格和路况选择档位。
复印机	佳能	用于根据图像密度、湿度和温度调整滚筒电压。
巡航控制	日产、五十铃、三菱	用于调整油门设置以设定车速和加速度。
洗碗机	松下	根据碗的数量和碗上的食物量，用于调整清洁周期、漂洗和洗涤策略。
电梯控制	富士达、三菱电机、东芝	用于根据乘客交通量减少等待时间。
高尔夫诊断系统	Maruman Golf	根据高尔夫球手的挥杆和体格选择高尔夫球杆。
健身管理	欧姆龙	他们使用的模糊规则来检查员工的健康状况。
窑炉控制	新日本製铁	混合水泥
微波炉	三菱化学	设置腔体功率和烹饪策略。
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。

模糊逻辑系统的优点

• 模糊逻辑系统的结构简单易懂。
• 模糊逻辑广泛用于商业和实际目的。
• AI 中的模糊逻辑帮助您控制机器和消费品。
• 它可能不提供精确的推理，但却是唯一可接受的推理。
• 模糊逻辑在数据挖掘中帮助您处理工程中的不确定性。
• 通常很稳健，因为不需要精确的输入。
• 当反馈传感器停止工作时，它可以被编程。
• 它可以轻松修改以提高或改变系统性能。
• 可以使用廉价的传感器，这有助于降低整体系统成本和复杂性。
• 它为复杂问题提供了最有效的解决方案。

模糊逻辑系统的缺点

• 模糊逻辑并不总是准确的，因此结果是基于假设的，所以可能不被广泛接受。
• 模糊系统不具备机器学习和神经网络类型的模式识别能力。
• 模糊知识库系统的验证和确认需要对硬件进行广泛的测试。
• 设置精确的模糊规则和隶属函数是一项困难的任务。
• 一些模糊时间逻辑与概率论和术语混淆。

摘要

• 模糊一词的意思是事物不是很清晰或模糊。
• 模糊逻辑一词最早由加州大学伯克利分校教授Lotfi Zadeh于1965年提出。
• 模糊逻辑是一种灵活且易于实现的机器学习技术。
• 当您可以使用常识时，不应使用模糊逻辑。
• 模糊逻辑架构有四个主要部分：1) 规则库 2) 模糊化 3) 推理引擎 4) 去模糊化。
• 模糊逻辑以模糊现象模型为基础，将真值度作为数学基础，而概率是无知的数学模型。
• 清晰集合具有严格的边界 T 或 F，而模糊边界具有成员资格度。
• 经典集合广泛用于数字系统设计，而模糊集合仅用于模糊控制器。
• 自动变速器、健身管理、高尔夫诊断系统、洗碗机、复印机是模糊逻辑应用的一些领域。
• 软计算中的模糊逻辑帮助您控制机器和消费品。