Fuzzy Logic Toolbox

 

Fuzzy Logic Toolbox

设计和仿真模糊逻辑系统

模糊逻辑设计器

使用模糊逻辑设计器或命令行函数以交互方式设计和仿真模糊推理系统。定义输入和输出变量以及隶属函数。指定模糊 if-then 规则。用多个输入组合评估您的模糊推理系统。

模糊推理系统 (FIS)

实现 Mamdani 和 Sugeno 模糊推理系统。从 Mamdani 系统转换为 Sugeno 系统(或反过来)以创建和比较多种设计。此外,使用模糊树将复杂的模糊推理系统实现为互连的小模糊系统的集合。

二型模糊逻辑

创建和评估具有附加隶属函数不确定性的区间二型模糊推理系统。使用模糊逻辑设计器或使用工具箱函数创建二型 Mamdani 和 Sugeno 模糊推理系统。

模糊推理系统调节

使用遗传算法、粒子群优化和其他 Global Optimization Toolbox 调节方法调节单个模糊推理系统或模糊树的隶属函数参数和规则。使用类似训练神经网络使用的神经自适应学习方法来训练 Sugeno 模糊推理系统。

模糊聚类

使用模糊 c 均值或减法聚类在输入/输出数据中查找簇。使用得到的簇信息生成对输入/输出数据行为进行建模的 Sugeno 型模糊推理系统。

Simulink 中的模糊逻辑

使用 Fuzzy Logic Controller 模块在 Simulink 中评估和测试模糊推理系统的性能。在 Simulink 中将模糊推理系统实现为更大的系统模型的一部分,以便进行系统级仿真和代码生成。

模糊逻辑部署

在 Simulink 中实现您的模糊推理系统,并分别使用 Simulink Coder 或 Simulink PLC Coder 生成 C/C++ 代码或 IEC61131-3 结构化文本。使用 MATLAB Coder 从在 MATLAB 中实现的模糊推理系统生成 C/C++ 代码。或者,使用 MATLAB Compiler 将您的模糊推理系统编译为独立应用程序。

可解释人工智能的模糊逻辑

使用模糊推理系统作为支持系统来解释由基于人工智能的黑盒系统建模的输入-输出关系。使用模糊推理系统的可解释规则库解释黑盒模型的决策过程。

获取免费试用版

30 天探索触手可及。


准备购买?

获取报价并了解相关产品。

您是学生吗?

您的学校可能已拥有 Campus-Wide License 并允许您直接使用 MATLAB、Simulink 和其他附加产品。