在命令行构建模糊系统
您可以在MATLAB®命令行构建一个模糊推理系统(FIS)。这种方法是交互式设计FIS使用的另一种方法模糊逻辑设计器.
这个例子向您展示了如何创建Mamdani模糊推理系统。在创建Mamdani FIS时,所使用的方法也适用于创建Sugeno系统。
命令行提示问题
为了演示用于创建和查看模糊推理系统的命令行功能,本示例使用tipper FIS。
Fis = readfis(“tipper.fis”);
此命令返回mamfis
对象,它包含模糊系统的属性。对于Sugeno系统,此命令返回sugfis
对象。
可以使用点表示法访问FIS属性。例如,查看模糊系统的输入。
金融中间人。输入
名称范围MembershipFunctions详细信息:Name Range MembershipFunctions ________________ ___________________ 1 "service" 0 10 {1x3 fismf} 2 "food" 0 10 {1x2 fismf}
要设置模糊系统的属性,请使用点表示法。例如,设置FIS的名称。
金融中间人。Name =“小费”;
FIS对象
您使用mamfis
而且sugfis
对象。这些对象包含了模糊推理系统的所有信息,包括变量名、隶属函数定义和模糊推理方法。每个FIS本身就是一个对象层次结构。在模糊系统中使用以下对象:
通过直接列出FIS的属性来查看它的所有信息。
金融中间人
fis = mamfis with properties: Name: "gratuity" AndMethod: "min" OrMethod: "max" ImplicationMethod: "min" AggregationMethod: "max" DefuzzificationMethod: "centroid"输入:[1x2 fisvar]输出:[1x1 fisvar]规则:[1x3 fisrule] DisableStructuralChecks: 0参见' gettuntesettings '方法进行参数优化。
可以使用点表示法查看FIS对象内对象的属性。例如,查看fisvar
对象作为第一个输入变量。
fis.Inputs (1)
名称:"service"范围:[0 10]MembershipFunctions: [1x3 fismf]
另外,查看此变量的成员函数。
fis.Inputs (1) .MembershipFunctions
类型参数名称详细信息:名称类型参数___________ _________ __________ 1 "poor" "gaussmf" 1.5 0 2 "good" "gaussmf" 1.5 5 3 "excellent" "gaussmf" 1.5 10
系统显示功能
要从命令行获得模糊系统的高级视图,请使用plotfis
,plotmf
,gensurf
功能。plotfis
控件中所示的方框图显示整个系统模糊逻辑设计器.
plotfis (fis)
的plotmf
函数绘制与给定变量相关的所有成员函数。例如,查看第一个输入变量的成员函数。
plotmf (fis,“输入”, 1)
类似地,要查看第一个输出的成员函数,输入:
plotmf (fis,“输出”, 1)
plotmf
不支持查看Suge万博1manbetxno系统的输出成员函数。
要查看模糊系统的规则,输入:
金融中间人。规则
ans = 1 x3 fisrule数组属性:前期顺向体重连接细节描述:描述 __________________________________________________________ 1”服务= =差= = |食品酸败= >提示=廉价(1)”2 "服务==好=>小费=平均(1)"服务= |美食=美味=>小费=慷慨(1)
的gensurf
函数为任何一个或两个输入变量绘制FIS的输出。
gensurf (fis)
建立模糊推理系统
作为使用的替代模糊逻辑设计器app,你可以完全从命令行构建一个FIS。
首先,创建一个Mamdani FIS,并指定它的名称。
Fis = mamfis(“名字”,“蒂珀”);
为使用的服务质量添加第一个输入变量addInput
.
fis = addInput(fis,[0 10],“名字”,“服务”);
为每个服务质量级别添加成员功能addMF
.在这种情况下,使用高斯隶属函数。有关高斯隶属函数属性的更多信息,请参见gaussmf
.
fis = addMF(fis,“服务”,“gaussmf”1.5 [0],“名字”,“穷”);fis = addMF(fis,“服务”,“gaussmf”(1.5 - 5),“名字”,“好”);fis = addMF(fis,“服务”,“gaussmf”1.5 [10],“名字”,“优秀”);
添加食品质量的第二个输入变量,并添加两个梯形隶属函数。有关梯形隶属函数的信息,请参见trapmf
.
fis = addInput(fis,[0 10],“名字”,“食物”);fis = addMF(fis,“食物”,“trapmf”,[-2 0 1 3],“名字”,“讨厌的”);fis = addMF(fis,“食物”,“trapmf”,[7 9 10 12],“名字”,“美味”);
添加尖端的输出变量,并添加三个三角形成员函数。有关三角隶属函数的更多信息,请参见trimf
.
fis = addOutput(fis,[0 30],“名字”,“小费”);fis = addMF(fis,“小费”,“trimf”,[0 5 10],“名字”,“便宜”);fis = addMF(fis,“小费”,“trimf”,[10 15 20],“名字”,“平均”);fis = addMF(fis,“小费”,“trimf”,[20 25 30],“名字”,“慷慨”);
为FIS指定以下三个规则作为数字数组:
如果(服务差)或(食物发臭),那么(小费就便宜了)。
如果(服务很好),那么(小费也是一般的)。
如果(服务很好)或(食物可口),那么(小费也很慷慨)。
数组的每一行包含如下格式的一条规则。
第1列-第一次输入的隶属度函数索引
第2列-第二次输入的隶属度函数索引
列3 -输出的隶属函数索引
第4列-规则权重(来自
0
来1
)第5列-模糊算子(
1
为,2
或)
对于隶属度函数指数,使用负值指示NOT条件。有关模糊规则规范的更多信息,请参见addRule
.
ruleList = [1 1 1 1 1 2;2 0 2 1 1;3 2 3 1 2];
将规则添加到FIS中。
fis = addRule(fis,ruleList);
或者,您可以使用点表示法和的组合来创建模糊推理系统fisvar
,fismf
,fisrule
对象。对于大多数应用程序来说,这种方法不是一个好的实践。但是,当应用程序在构造和修改FIS时需要更大的灵活性时,可以使用这种方法。
创建模糊推理系统。
Fis = mamfis(“名字”,“蒂珀”);
添加并配置第一个输入变量。在本例中,创建一个默认值fisvar
对象并使用点表示法指定其属性。
fisvar . input (1) = fisvar;fis.Inputs(1)。Name =“服务”;fis.Inputs(1)。Range = [0 10];
定义第一个输入变量的隶属度函数。对于每个MF,创建一个fismf
对象,并使用点表示法设置属性。
fismf . inputs (1).MembershipFunctions(1) = fismf;fis.Inputs (1) .MembershipFunctions(1)。Name =“穷”;fis.Inputs (1) .MembershipFunctions(1)。类型=“gaussmf”;fis.Inputs (1) .MembershipFunctions(1)。参数= [1.5 0];fismf . inputs (1).MembershipFunctions(2) = fismf;.MembershipFunctions fis.Inputs(1)(2)。Name =“好”;.MembershipFunctions fis.Inputs(1)(2)。类型=“gaussmf”;.MembershipFunctions fis.Inputs(1)(2)。参数= [1.5 5];fismf . inputs (1).MembershipFunctions(3) = fismf;fis.Inputs (1) .MembershipFunctions(3)。Name =“优秀”;fis.Inputs (1) .MembershipFunctions(3)。类型=“gaussmf”;fis.Inputs (1) .MembershipFunctions(3)。参数= [1.5 10];
添加并配置第二个输入变量。类时,为此变量指定名称和范围fisvar
对象。
fis. input (2) = fisvar([0 10],“名字”,“食物”);
为第二个输入指定隶属度函数。类时,为每个MF指定名称、类型和参数fismf
对象。
fismf . inputs (2).MembershipFunctions(1) = fismf(“trapmf”,[-2 0 1 3],...“名字”,“讨厌的”);fismf . inputs (2).MembershipFunctions(2) = fismf(“trapmf”,[7 9 10 12],...“名字”,“美味”);
类似地,添加并配置输出变量及其成员函数。
fisvar . outputs (1) = fisvar([0 30],“名字”,“小费”);
在本例中,使用向量指定输出成员函数fismf
对象。
Mf1 = fismf(“trimf”,[0 5 10],“名字”,“便宜”);Mf2 = fismf(“trimf”,[10 15 20],“名字”,“平均”);Mf3 = fismf(“trimf”,[20 25 30],“名字”,“慷慨”);fis.Outputs(1)。MembershipFunctions = [mf1 mf2 mf3];
为模糊系统创建规则。为每个规则创建一个fisrule
对象。然后,使用这些对象的向量指定规则。当创建fisrule
对象使用数值时,必须指定输入变量的数目。
Rule1 = fisrule([1 1 1 1 2],2);Rule2 = fisrule([2 0 2 1 1],2);Rule3 = fisrule([3 2 3 1 2],2);规则= [rule1 rule2 rule3];
在将规则添加到模糊系统之前,必须使用FIS对象中的数据更新它们。方法更新规则更新
函数,并将其添加到模糊系统中。
规则=更新(规则,fis);金融中间人。规则=规则;
在构造模糊系统时,还可以指定自定义隶属函数和推断函数。有关更多信息,请参见使用自定义函数构建模糊系统.
评价模糊推理系统
为了评估一个给定输入组合的模糊系统的输出,使用evalfis
命令。例如,evaluate金融中间人
使用的输入变量值1
而且2
.
[1 - 2] evalfis (fis)
Ans = 5.5586
还可以使用数组计算多个输入组合,其中每行代表一个输入组合。
输入= [3 5;2 7;3 1];输入evalfis (fis)
ans =3×112.2184 7.7885 8.9547
另请参阅
mamfis
|sugfis
|plotfis
|plotmf
|gensurf
|evalfis