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®的功能，应用程序，和一个Simulink的万博1manbetx®阻塞分析，设计，并基于模糊逻辑的模拟系统。该产品将引导您通过设计模糊推理系统的步骤。提供了很多常用的方法，包括模糊聚类和自适应模糊神经学习功能。
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
实施Mamdani型和Sugeno模糊推理系统。您可以马丹尼系统转换成关野系统。您也可以实现复杂的模糊推理系统，采用模糊树小关联模糊系统的集合。
2型模糊推理系统的隶属函数。
调整模糊系统
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。
与神经模糊设计应用培训自适应神经模糊推理系统。
使用交互式聚类工具或命令行功能从大的数据集确定的自然分组，以产生数据的简洁表示。可以使用任一模糊C-均值或减法聚类到输入/输出训练数据内识别群集。使用所产生的集群信息来生成关野型模糊推理系统到数据行为进行建模。
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。
