【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

x

y

z

SD

NG

VS

SD

MG

M

SD

LG

L

MD

NG

S

MD

MG

M

MD

LG

L

LD

NG

M

LD

MG

L

LD

LG

VL

                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:

五、实验过程中存在的问题及解决方案

        最开始进行实验时,对课本上的数学推理过程不能很好的理解,导致变成速度比较慢。后期通过参考网上类似的代码和分析,逐渐明白了模糊逻辑推理的原理和具体Python实现方法,最终完成了实验。

六、实验总结

        在本次实验中,设计了一个洗衣机模糊推理系统,同时通过Python进行了具体的代码实现及应用。通过这次实验,我进一步理解了模糊逻辑推理的原理及特点,同时可以应用模糊推理理论到实际情境中来。

        目前,在人工智能领域的自动控制、模式识别、自然语言理解、机器人及专家系统研制等方面,模糊推理的应用取得了一定的成果。并且,在知识表示方面,模糊逻辑有着相当广阔的应用前景。



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。