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,应用和模拟链接金宝app®基于模糊逻辑的分析,设计和仿真系统的块。产品指导您通过设计模糊推理系统的步骤。提供了许多常用方法的功能,包括模糊聚类和自适应神经外舒缩学习。

工具箱允许您使用简单的逻辑规则对复杂的系统行为进行建模,然后在一个模糊推理系统中实现这些规则。您可以使用它作为一个独立的模糊推理引擎。另外,您也可以在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。金宝app

开始:

模糊推理系统建模

建立了模糊推理系统的规则集,定义了隶属度函数,并对其行为进行了分析。

模糊逻辑设计师

使用模糊逻辑设计器应用程序或命令行函数来交互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。您还可以指定输入和输出成员函数以及模糊的if-then规则。一旦你创建了模糊推理系统,你可以评估和可视化它。

Mamdani和Sugeno模糊推理系统

实施Mamdani和Sugeno模糊推理系统。您可以将Mamdani系统转换为Sugeno系统。您还可以使用模糊树实现复杂的模糊推理系统作为较小互连的模糊系统的集合。

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

使用额外的成员资格函数不确定性创建和评估间隔类型-2模糊推理系统。您可以创建2型Mamdani和Sugeno模糊推理系统。

一类2型模糊推理系统的隶属度函数。

模糊推理系统调整

调整模糊系统的隶属函数和规则。

调整模糊系统

调整模糊成员函数参数和学习新的模糊规则使用全局优化工具箱调整方法,如遗传算法和粒子群优化。您可以调整单个模糊推理系统的参数和规则,也可以调整包含多个以小数量输入层次连接的FISs的模糊树的参数和规则。

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

使用类似于训练神经网络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应用程序来塑造成员函数,使用输入/输出数据来训练它们,而不是手动指定它们。

使用神经模糊设计器应用培训自适应神经模糊推理系统。

数据集群

使用模糊c均值或减法聚类在输入/输出数据中寻找聚类。

使用交互式聚类工具或命令行函数来识别来自大数据集的自然分组,以生成数据的简明表示。您可以使用模糊的C均值或减法聚类来识别输入/输出培训数据中的群集。使用生成的群集信息来生成Sugeno型模糊推理系统以模拟数据行为。

模糊c均值聚类。

Simulink中的模糊逻辑金宝app

在Simulink中模拟模糊推理系统。金宝app

在Simulink中使用模糊逻辑控制器块评估和测试你的1型模糊推理系统的性能。金宝app您可以使用具有双、单和定点信号数据类型的输入信号来模拟模糊推理系统。

在Simulink中仿真一个模糊推理系统。金宝app

模糊逻辑部署

生成用于评估和实现模糊系统的代码。

通过在Simulink或MATLAB中生成C代码来部署模糊推理系统。金宝app您还可以使用模糊逻辑控制器块为在Simulink中实现的模糊推理系统生成结构化文本。金宝app您可以生成单精度C代码来减少系统的内存占用。如果目标平台只支持定点算法,则可以生成定点代码。金宝app

为将FIS作为静态/动态库加载和计算而生成的示例代码接口。

最新特色

k折叠交叉验证

防止调整模糊推理系统参数过拟合

区间2型模糊推理系统

使用额外的会员函数不确定性创建,模拟,调谐和部署模糊系统

看看发行说明有关这些特性和相应功能的详细信息。