36、模糊推理系统相关对象介绍

模糊推理系统相关对象介绍

1. fistree对象

fistree对象用于表示相互连接的模糊推理系统树。

1.1 创建fistree对象

• 语法 ：
• fisTree = fistree(fis,connections) ：创建相互连接的模糊推理系统对象网络，并设置其FIS和Connections属性。
• fisTree = fistree( ___ ,Name,Value) ：使用名称 - 值参数设置FIS树的Name或DisableStructuralChecks属性。

以下是创建fistree对象的示例代码：

fis1 = mamfis('Name','fis1','NumInputs',2,'NumOutputs',1);
fis2 = sugfis('Name','fis2','NumInputs',2,'NumOutputs',1);
con1 = ["fis1/output1" "fis2/input1"];
tree = fistree([fis1 fis2],con1);

1.2 fistree对象的属性

属性	描述	默认值
Name	FIS树的名称，指定为字符串或字符向量	“fistreemodel”
FIS	模糊推理系统，指定为FIS对象数组，每个模糊推理系统必须至少有一个输入和一个输出	无
Connections	模糊推理系统之间的连接，指定为两列字符串数组	无
Inputs	FIS树的输入，指定为字符串数组，由连接自动确定	无
Outputs	FIS树的输出，指定为字符串数组，可在初始构建后更新	无
DisableStructuralChecks	禁用结构检查的选项，指定为true或false	false

Connections有两种类型：
1. 输出 - 输入连接 ：指定从一个FIS的输出到另一个FIS的输入的连接。
2. 输入 - 输入连接 ：指定两个输入之间的连接，使它们使用相同的输入值。

Connections必须满足以下条件：
1. 一个fistree对象必须至少有一个没有传入连接的FIS输入和一个没有传出连接的FIS输出。
2. 一个FIS输入不能有多个传入连接。
3. 一个FIS输出可以有多个传出连接。
4. 同一个FIS的输入和输出不能连接。
5. 不支持两个输入之间的对称连接。
6. 不支持自输入循环。

以下是一个包含连接示例的mermaid流程图：

graph LR
    classDef fis fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A([fis1]):::fis -->|output1| C([fis3]):::fis
    B([fis2]):::fis -->|output1| C
    A -->|input2| B

1.3 fistree对象的函数

• evalfis ：评估模糊推理系统。
• plotfis ：显示模糊推理系统。
• getTunableSettings ：从模糊推理系统获取可调设置。
• getTunableValues ：从模糊推理系统获取可调参数的值。
• setTunableValues ：指定模糊推理系统的可调参数值。

以下是更新FIS树的示例代码：

fis1 = mamfis('Name','fis1','NumInputs',2,'NumOutputs',1);
fis2 = mamfis('Name','fis2','NumInputs',2,'NumOutputs',1);
fisT = fistree([fis1 fis2],[]);
fis3 = mamfis('Name','fis3','NumInputs',2,'NumOutputs',1);
fisT.FIS(end+1) = fis3;
fisT.Connections = [
    "fis1/output1" "fis3/input1";
    "fis2/output1" "fis3/input2"];

2. fisvar对象

fisvar对象用于表示模糊推理系统（FIS）中的输入和输出变量。

2.1 创建fisvar对象

• 语法 ：
• var = fisvar ：创建具有默认名称、默认范围和无隶属函数的模糊变量。
• var = fisvar(range) ：设置Range属性。
• var = fisvar('Name',name) ：设置Name属性。
• var = fisvar(range,'Name',name) ：设置Range和Name属性。

以下是创建fisvar对象的示例代码：

var = fisvar;
var.Range = [-5 5];

2.2 fisvar对象的属性

属性	描述	默认值
Name	变量名称，指定为字符串或字符向量	“var”
Range	变量范围，指定为两元素向量	[0 1]
MembershipFunctions	隶属函数，指定为fismf或fismftype2对象的向量	[]

要向模糊变量添加隶属函数，可以使用以下方法：
1. 使用 addMF 函数。
2. 创建fismf对象的向量，并将其分配给MembershipFunctions。
3. 创建fismftype2对象的向量，并将其分配给MembershipFunctions。

以下是添加隶属函数的示例代码：

var = fisvar([0 1]);
var = addMF(var,"trapmf",[-0.5 0 0.2 0.4]);

3. gensurfOptions对象

gensurfOptions对象用于指定使用gensurf创建表面图的选项。

3.1 创建gensurfOptions对象

• 语法 ：
• opt = gensurfOptions ：创建用于生成模糊推理系统输出表面的默认选项集。
• opt = gensurfOptions(Name,Value) ：使用一个或多个名称 - 值参数设置属性。

以下是创建gensurfOptions对象的示例代码：

opt = gensurfOptions;
opt.OutputIndex = 2;
opt.InputIndex = [1 3];
opt.ReferenceInputs = [NaN 0.25 NaN];

3.2 gensurfOptions对象的属性

属性	描述	默认值
InputIndex	要绘制输出的输入变量的索引	‘auto’
OutputIndex	要绘制的输出变量的索引	‘auto’
NumGridPoints	要绘制的网格点数	15
ReferenceInputs	表面图中未显示的输入变量的参考值	‘auto’
NumSamplePoints	评估隶属函数时使用的样本点数	101

通过这些对象和函数，可以方便地构建、操作和评估模糊推理系统及其相关的变量和图形。

模糊推理系统相关对象介绍

4. 不同类型FIS树的构建示例

在模糊推理系统中，有多种类型的FIS树结构，下面将详细介绍几种常见类型FIS树的构建方法。

4.1 增量式FIS树（Incremental FIS Tree）

增量式FIS树的构建过程是在每一层将一个额外的输入与上一层的输出相结合。

操作步骤 ：
1. 创建模糊系统：

fis1 = mamfis('Name','fis1','NumInputs',2,'NumOutputs',1);
fis1.Inputs(1).Name = "color";
fis1.Inputs(2).Name = "doors";
fis2 = mamfis('Name','fis2','NumInputs',2,'NumOutputs',1);
fis2.Inputs(2).Name = "power";
fis3 = mamfis('Name','fis3','NumInputs',2,'NumOutputs',1);
fis3.Inputs(2).Name = "autopilot";
fis3.Outputs(1).Name = "prediction";

2. 定义连接：

con1 = ["fis1/output1" "fis2/input1"];
con2 = ["fis2/output1" "fis3/input1"];

3. 创建FIS树：

incTree = fistree([fis1 fis2 fis3],[con1;con2]);

4. 可视化树结构：

plotfis(incTree);

以下是增量式FIS树连接关系的mermaid流程图：

graph LR
    classDef fis fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A([fis1]):::fis -->|output1| B([fis2]):::fis
    B -->|output1| C([fis3]):::fis

4.2 聚合式FIS树（Aggregated FIS Tree）

聚合式FIS树将多个FIS的输出聚合到一个FIS的输入。

操作步骤 ：
1. 创建模糊系统：

fis1 = mamfis('Name','fis1','NumInputs',2,'NumOutputs',1);
fis1.Inputs(1).Name = "dist_obs";
fis1.Inputs(2).Name = "angle_obs";
fis2 = mamfis('Name','fis2','NumInputs',2,'NumOutputs',1);
fis2.Inputs(1).Name = "dist_tar";
fis2.Inputs(2).Name = "angle_tar";
fis3 = mamfis('Name','fis3','NumInputs',2,'NumOutputs',1);
fis3.Outputs(1).Name = "heading_robot";

2. 定义连接：

con1 = ["fis1/output1" "fis3/input1"];
con2 = ["fis2/output1" "fis3/input2"];

3. 创建FIS树：

aggTree = fistree([fis1 fis2 fis3],[con1;con2]);

4. 可视化树结构：

plotfis(aggTree);

以下是聚合式FIS树连接关系的mermaid流程图：

graph LR
    classDef fis fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A([fis1]):::fis -->|output1| C([fis3]):::fis
    B([fis2]):::fis -->|output1| C

4.3 级联式FIS树（Cascaded FIS Tree）

级联式FIS树是多个FIS依次连接，前一个FIS的输出作为后一个FIS的输入。

操作步骤 ：
1. 创建模糊系统：

fis1 = mamfis('Name','fis1','NumInputs',2,'NumOutputs',1);
fis1.Inputs(1).Name = "dist_obs";
fis1.Inputs(2).Name = "angle_obs";
fis2 = mamfis('Name','fis2','NumInputs',2,'NumOutputs',1);
fis2.Inputs(1).Name = "dist_tar";
fis2.Inputs(2).Name = "angle_tar";
fis3 = mamfis('Name','fis3','NumInputs',2,'NumOutputs',1);
fis4 = mamfis('Name','fis4','NumInputs',2,'NumOutputs',1);
fis4.Inputs(2).Name = "preheading_robot";
fis4.Outputs(1).Name = "heading_robot";

2. 定义连接：

con1 = ["fis1/output1" "fis3/input1"];
con2 = ["fis2/output1" "fis3/input2"];
con3 = ["fis3/output1" "fis4/input1"];

3. 创建FIS树：

casTree = fistree([fis1 fis2 fis3 fis4],[con1;con2;con3]);

4. 可视化树结构：

plotfis(casTree);

以下是级联式FIS树连接关系的mermaid流程图：

graph LR
    classDef fis fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A([fis1]):::fis -->|output1| C([fis3]):::fis
    B([fis2]):::fis -->|output1| C
    C -->|output1| D([fis4]):::fis

4.4 并行式FIS树（Parallel FIS Tree）

并行式FIS树中的FIS对象相互独立，没有相互连接，所有FIS的输出都是FIS树的输出。

操作步骤 ：
1. 创建模糊系统：

fis1 = mamfis('Name','fis1','NumInputs',2,'NumOutputs',1);
fis2 = mamfis('Name','fis2','NumInputs',2,'NumOutputs',1);

2. 创建FIS树：

parTree = fistree([fis1 fis2],[]);

3. 可视化树结构：

plotfis(parTree);

4. 评估FIS树：

output = evalfis(parTree,[0.1 0.3 0.8 0.4]);

5. 生成最终输出：

finalOutput = sum(output);

以下是并行式FIS树的mermaid流程图：

graph LR
    classDef fis fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A([fis1]):::fis
    B([fis2]):::fis

5. 总结

通过上述对fistree、fisvar和gensurfOptions对象的介绍，以及不同类型FIS树的构建示例，我们可以看到在模糊推理系统中，这些对象和方法提供了强大的功能。

• fistree对象允许我们构建复杂的相互连接的模糊推理系统网络，通过设置不同的属性和连接，可以创建多种类型的FIS树结构。
• fisvar对象方便我们管理模糊推理系统中的输入和输出变量，通过设置变量的名称、范围和隶属函数，可以灵活地定义模糊变量。
• gensurfOptions对象则为我们生成模糊推理系统的输出表面图提供了丰富的选项，使我们能够根据需要定制图形的显示。

在实际应用中，我们可以根据具体问题的需求，选择合适的FIS树结构和对象属性，以实现高效、准确的模糊推理。同时，通过对这些对象和方法的深入理解和熟练运用，我们可以更好地解决各种模糊逻辑相关的问题。

以下是一个总结表格，对比不同对象的主要功能和用途：
| 对象名称 | 主要功能 | 用途 |
| ---- | ---- | ---- |
| fistree | 构建相互连接的模糊推理系统网络 | 创建不同类型的FIS树结构，如增量式、聚合式、级联式和并行式 |
| fisvar | 表示模糊推理系统中的输入和输出变量 | 定义变量的名称、范围和隶属函数 |
| gensurfOptions | 指定使用gensurf创建表面图的选项 | 定制模糊推理系统输出表面图的显示 |

通过这些对象和方法的组合使用，我们可以构建出复杂而强大的模糊推理系统，为各种领域的决策和控制提供支持。