【人工智能】模糊逻辑推理-洗衣机模糊推理系统

qq_41626672 2024-06-10 13:31:06 阅读 67

一、实验目的

理解模糊逻辑推理的原理及特点，熟练应用模糊推理，并以此设计一个洗衣机模糊推理系统。

二、实验原理

模糊推理即以模糊集合论为基础描述工具，对以一般集合论为基础描述工具的数理逻辑进行扩展，从而建立了模糊推理理论。是不确定推理的一种。在人工智能技术开发中有重大意义。

整个模糊推理的过程就是由一组模糊规则出发。许多模糊规则实际上是一组多重条件语句，可以表示为从条件论域到结论论域的模糊关系矩阵R。通过条件模糊向量与模糊关系R的合成进行模糊推理，得到结论的模糊向量，然后采用“清晰化”方法将模糊结论转换为精确量。

三、实验过程记录

已知人的操作经验为：

“污泥越多，油脂越多，洗涤时间越长”；

“污泥适中，油脂适中，洗涤时间适中”；

“污泥越少，油脂越少，洗涤时间越短”

可以得到以下模糊控制规则表

其中SD（污泥少）、MD（污泥中）、LD（污泥多）、NG（油脂少）、MG（油脂中）、LG（油脂多）、VS（洗涤时间很短）、S（洗涤时间短）、M（洗涤时间中等）、L（洗涤时间长）、VL（洗涤时间很长）。

假设污泥、油脂、洗涤时间的论域分别为[0,100]、[0,100]、[0,120]，设计模糊推理系统如下：

输入：待洗涤衣物的污泥和油脂

控制对象：洗涤时间

污泥隶属函数：

油脂隶属函数：

时间隶属函数：

Python代码实现：

def Sludge(a):#污泥 sludge=[0,0,0]#默认隶属度为0，依次对应SD,MD,LD if a<0 or a>100: return (print("输入值有误")) elif 0<=a<=50: sludge[0]=(50-a)/50 sludge[1]=a/50 elif 50<a<=100: sludge[1]=(100-a)/50 sludge[2]=(a-50)/50 return sludgedef Grease(a):#油脂 grease=[0,0,0]#默认隶属度为0,依次对应NG,MG,LG if a<0 or a>100: return (print("输入值有误")) elif 0<=a<=50: grease[0]=(50-a)/50 grease[1]=a/50 elif 50<a<=100: grease[1]=(100-a)/50 grease[2]=(a-50)/50 return greasedef Rules(a,b):#a为污泥隶属度，b为油脂隶属度 rules_value=[0,0,0,0,0,0,0,0,0]#依次对应9条规则结果VS,M,L,S,M,L,M,L,VL if a[0]!=0 and b[0]!=0: rules_value[0]=min(a[0],b[0])#返回规则下最小值 if a[0]!=0 and b[1]!=0: rules_value[1]=min(a[0],b[1]) if a[0]!=0 and b[2]!=0: rules_value[2]=min(a[0],b[2]) if a[1]!=0 and b[0]!=0: rules_value[3]=min(a[1],b[0]) if a[1]!=0 and b[1]!=0: rules_value[4]=min(a[1],b[1]) if a[1]!=0 and b[2]!=0: rules_value[5]=min(a[1],b[2]) if a[2]!=0 and b[0]!=0: rules_value[6]=min(a[2],b[0]) if a[2]!=0 and b[1]!=0: rules_value[7]=min(a[2],b[1]) if a[2]!=0 and b[2]!=0: rules_value[8]=min(a[2],b[2]) return rules_value#每条规则推理输出def Inference(a):#a为9条规则下的结果隶属度 time_level=[0,0,0,0,0]#默认时间隶属值为0，依次对应VS,S,M,L,VL time_level[0]=a[0] time_level[1]=a[3] if(a[1]!=0 or a[4]!=0 or a[6]!= 0):#去零值然后取剩下的最小值 list_1=[a[1],a[4],a[6]] for i in range(len(list_1)-1,-1,-1): if list_1[i]==0: list_1.remove(0) time_level[2]=min(list_1) if(a[2]!=0 or a[5]!=0 or a[7]!= 0): list_2=[a[2],a[5],a[7]] for i in range(len(list_2)-1,-1,-1): if list_2[i]==0: list_2.remove(0) time_level[3]=min(list_2) time_level[4]=a[8] return time_leveldef Area_gravity(a):#a为时间隶属度 time=[0,0,0,0,0,0,0,0]#时间隶属函数八个区间分别对应的时间值 time[0]=20-20*a[0] time[1]=20*a[1] time[2]=50-30*a[1] time[3]=30*a[2]+20 time[4]=80-30*a[2] time[5]=30*a[3]+50 time[6]=120-40*a[3] time[7]=40*a[4]+80 sum_1=time[0]*a[0]+time[1]*a[1]+time[2]*a[1]+time[3]*a[2]+time[4]*a[2]+time[5]*a[3]+time[6]*a[3]+time[7]*a[4] sum_2=a[0]+2*a[1]+2*a[2]+2*a[3]+a[4] result=sum_1/sum_2 return result#最后返回预测时间def Maximum(a):#a为时间值 if 0<=a<=20: u1=(20-a)/20 u2=a/20 if(u1>u2): time_level='VS' else: time_level='S' if 20<a<=50: u3=(50-a)/30 u4=(a-20)/30 if(u3>u4): time_level='S' else: time_level='M' if 50<a<=80: u5=(80-a)/30 u6=(a-50)/30 if(u5>u6): time_level='M' else: time_level='L' if 80<a<=120: u7=(120-a)/40 u8=(a-80)/40 if(u7>u8): time_level='L' else: time_level='VL' return time_levelif __name__ == '__main__': sludge =int(input("输入污泥值:")) grease =int(input("输入油脂值:")) rules_value=Rules(Sludge(sludge),Grease(grease)) time_level=Inference(rules_value)#时间隶属度 result_1=Area_gravity(time_level)#面积重心法求得的预测时间 result_2=Maximum(result_1)#最大隶属度法求得的预测时间长短 result_3={'VS':'很短','S':'短','M':'中等','L':'长','VL':'很长'} print("预测洗涤时间属于 {},预计洗涤时间{}".format(result_3[result_2],int(result_1+0.5)))

四、实验结果

假设当前传感器测得的信息为污泥x=60，油脂y=70，采用模糊决策，给出结果。

运行Python程序，输入污泥值值和油脂值，结果如下：