模糊逻辑工具箱
设计和模拟模糊逻辑系统
模糊逻辑工具箱™提供MATLAB®函数、应用程序和Simulink万博1manbetx®基于模糊逻辑的分析、设计和仿真系统模块。该产品指导您完成设计模糊推理系统的步骤。为模糊聚类和自适应神经模糊学习等常用方法提供了函数。
工具箱允许您使用简单的逻辑规则对复杂的系统行为建模，然后在模糊推理系统中实现这些规则。您可以将其用作独立的模糊推理机。或者，您可以在Simulink中使用模糊推理块，并在整个动态系统的综合模型中模拟模糊系统。万博1manbetx
开始:
模糊逻辑设计
使用Fuzzy Logic Designer应用程序或命令行功能以交互方式设计和测试模糊推理系统。您可以添加或删除输入和输出变量。还可以指定输入和输出成员函数以及模糊if-then规则。一旦创建了模糊推理系统，就可以对其进行评估和可视化。
Mamdani和Sugeno模糊推理系统
实现Mamdani和Sugeno模糊推理系统。你可以将Mamdani系统转换成Sugeno系统。您还可以使用模糊树将复杂的模糊推理系统实现为较小的相互关联的模糊系统的集合。
在模糊逻辑设计器应用程序中创建Mamdani和Sugeno模糊推理系统。
2型模糊推理系统的隶属函数。
优化模糊系统
使用遗传算法和粒子群优化等全局优化工具箱调整方法调整模糊隶属度函数参数并学习新的模糊规则。您可以调整单个模糊推理系统或模糊树的参数和规则，该模糊树包含以少量输入分层连接的多个FIS。
使用调整模糊推理系统预测时间序列数据。
训练自适应神经模糊推理系统
使用与训练神经网络类似的神经自适应学习技术训练Sugeno模糊推理系统。您可以使用命令行函数或Neuro Fuzzy Designer应用程序通过使用输入/输出数据对成员资格函数进行训练，而不是手动指定成员资格函数，从而形成成员资格函数。
使用神经模糊设计者应用程序训练自适应神经模糊推理系统。
使用交互式集群工具或命令行函数从大型数据集中识别自然分组，以生成数据的简洁表示。你可以使用模糊c均值或减法聚类来识别输入/输出训练数据中的聚类。使用得到的聚类信息来生成sugeno型模糊推理系统来建模数据行为。
模糊c-均值聚类。
使用模糊逻辑控制器块在Simulink中评估和测试1型模糊推理系统的性能。可以使用具有双信号、单信号和定点信号数据类型的输入信号来模拟模糊推理万博1manbetx系统。
在Simulink中模拟模糊推理系统。万博1manbetx
通过在Simulink或MATLAB中生成C代码来部署模糊推理系统。您还可以使用模糊逻辑控制器块为Simulink中实现的模糊万博1manbetx推理系统生成结构化文本。您可以生成单精度C代码以减少系统的内存占用。如果目标平台仅支持定点算法，则可以生成定点代码。万博1manbetx
为将FIS作为静态/动态库加载和评估而生成的示例代码接口。
