模糊控制理论基础

隶属度函数

这几个参数的实际含义如下：

μ——隶属度函数名称，代表隶属程度，取值为[0, 1]；

A——某一具体特征，如长得高、家庭富有、长得帅以及屌丝等；

x——评判对象的抽象化取值，如你我他、苹果梨、猫狗鼠等。

整个函数的实际意义就是评判x属于A的程度。比如，评判你属于屌丝的程度，1表示完全属于、0表示完全不属于，0到1之间表示部分属于。

举例说明，分数与“成绩好”的隶属关系：

成绩为100分满分，小强考了100分，小明考了90分，小刚考了60分，则可以设隶属函数为

①小强对应x取值100，隶属程度 ；

②小明对应x取值90，隶属程度9 ；

③小刚对应x取值60，隶属程度 ；

由上面可以领会到，隶属函数的设定对于判定隶属程度至关重要。

模糊关系

多个模糊集合的元素间所具有关系的程度。例如，小明物理考了90分，化学考了85分；小刚物理考了85分，化学考了70分。

设隶属函数为

则小明、小刚与“物理”的关系程度分别为为0.9、0.85，与“化学”的关系程度分别为0.85、0.7。

表格形式

姓名                功课	物理	化学
小明	0.90	0.85
小刚	0.85	0.70

写成矩阵形式

此R矩阵表明了学生和功课的关系程度，其元素只在[0, 1]内取值。R称为模糊矩阵（模糊只是个称谓，并不是说其元素值是模糊的，也可以称作关系矩阵）。

模糊矩阵的合成

合成是指由两个或两个以上的关系构成一个新的关系。例如，R和S分别为U×V 和V×W 上的模糊关系，R和S合成的是U×W 上的模糊关系，记为R∘S 。

其中， ， 。关系合成运算有点类似于矩阵相乘。

模糊推理

常用两种推理语句：

If A then B else C
If A and B then C

以第二种为例，A和B为输入，C为输出，ABC为模糊集合，R为模糊关系，构成模糊控制器

介绍一种模糊推理方法：Mamdani推理法。

“If A and B then C”表明的关系为 ，Mamdani推理方程为

类似于逆矩阵的性质，得到

——列向量转换，T2 ——行向量转换。