Fuzzy Logic Toolbox

 

Fuzzy Logic Toolbox

设计和仿真模糊逻辑系统

视频长度为 2:23

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。

模糊逻辑设计器的截图,显示二型隶属函数。

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。

显示 Mackey-Glass (M G) 时间序列和使用自适应神经模糊推理系统 (A N F I S) 预测的时间序列的图。

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。

使用模糊 c 均值算法识别的鸢尾花数据的簇中心

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。

包含 Fuzzy Logic Controller 模块的 Simulink 模型,用于实现模糊推理系统。

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。

用于评估模糊推理系统而生成的代码。

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。

显示黑盒模型和模糊系统之间控制流的图,其中的模糊系统是用于黑盒预测的运行时解释的。

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。

下一步是什么?

版本亮点

R2026b

了解更多

Fuzzy Logic Toolbox 常见问题

Fuzzy Logic Toolbox 提供 MATLAB 函数、App 和 Simulink 模块,用于分析、设计和仿真模糊逻辑系统,包括 type-1 和 type-2 模糊推理系统。

可以实现 type-1 和 type-2(区间)Mamdani 与 Sugeno 模糊推理系统,在它们之间进行转换,并使用模糊树连接较小的模糊系统来构建复杂系统。

您可以使用 Fuzzy Logic Designer App 或命令行函数定义输入和输出变量、隶属函数和模糊 if-then 规则,然后在多组输入组合下评估系统。

可以。您可以使用遗传算法、粒子群优化、其他 Global Optimization Toolbox 方法,或针对 Sugeno 系统的神经自适应学习技术,根据数据调优隶属函数参数和规则。

使用 Fuzzy Logic Controller 模块,将模糊推理系统作为更大系统模型的一部分进行评估和测试,以用于仿真和代码生成。

可以生成独立可执行文件、使用 MATLAB Coder 或 Simulink Coder 生成 C/C++ 代码,或使用 Simulink PLC Coder 生成 IEC 61131-3 Structured Text,以部署模糊逻辑系统。

使用 type-2 模糊逻辑,您可以通过 Fuzzy Logic Designer App 或工具箱函数创建和评估具有额外隶属函数不确定性的区间 type-2 模糊推理系统。

可以。您可以使用模糊推理系统作为辅助系统,通过可解释的规则库理解决策过程,从而解释基于 AI 的黑箱模型。

当控制行为依赖启发式或基于经验的推理、运行条件在不同工况间显著变化、增益调度难以管理,或需要同时考虑多种情境因素时,可以使用模糊逻辑。模糊控制器支持将专家知识编码为可解释的 if-then 规则,而无需显式的数学被控对象模型。

当数据集有限、需要可解释性和透明的决策逻辑、工程师需要直接控制系统行为,或验证和认证工作流要求逻辑可解释时,可以使用模糊逻辑。与许多机器学习模型不同,模糊推理系统提供人类可读的规则库,领域专家可以对其进行检查、验证和修改。

可以。模糊推理系统非常适合监督控制逻辑,可协调多种运行模式、管理不同运行条件之间的平滑过渡,并融合多个控制目标,尤其适用于切换逻辑依赖定性或不确定条件的情况。

免费试用 Fuzzy Logic Toolbox

立即探索各种可能。


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。