运用模糊集理论和比例原则模拟小车剎车

模糊理论、 高斯型隶属函数、模糊集这些之前的文章已经说明过了。

已知小车速度和离危险距离，使用高斯型隶属函数求得模糊集合，进行乘法运算，运用比例原则进而推导出小车应设的阻力。
这是目前要解决的问题。

分析

假设一辆行驶速度为v米/秒的汽车前方d米有一个障碍物，设阻力为速度的程度和距离的程度的联合，设计并求出该联合。

①划分v、d的程度区间，这里只是假设，就将它们都划分成(0, 50, 100)三个程度；
②在v和d区间内随机地产生一定数量的随机数x, y；
③使用高斯型隶属函数，求得v，d各自的模糊集X, Y；

④将两个模糊集相乘，得到三维矢量集：Z = X + Y；
也就是下面这张图：

⑤设置比例原则的规则，这里通过经验按照原设计设置了下面9个规则：

⑥按照比例原则公式进行小车阻力推理演算

⑦先展示一下上面思路的最终效果：

⑧思路的结果与高斯隶属函数设置的σ有关，如果增加σ的值的话，则会得到：

实现

# python-模糊数乘积运算
# coding: utf-8
import numpy as np
import matplotlib.pyplot as plt
import math
import mpl_toolkits.mplot3d
def GMF(x, y,c1, c2):
    return np.exp(((x - c1) ** 2 + (y - c2) ** 2) / (-2 * 24 ** 2))
hc = [ 50, 25,  5,
       75, 50, 25,
      100, 75, 50]
v = [0,50,100]
d = [0,50,100]
x, y = np.mgrid[0:100:500j, 0:100:500j]
z = [0]*500
for i in range(0,3):
    for j in range(0,3):
        n = GMF(x, y, v[i], d[j]) * hc[i * 3 + j]
        z = z + n

ax = plt.subplot(111, projection='3d')
ax.plot_surface(x, y, z, rstride=1, cstride=1, cmap='rainbow', alpha=1)
ax.invert_xaxis()
ax.set_xlabel('v')
ax.set_ylabel('d')
ax.set_zlabel('stop')
plt.grid(True)
plt.show()