模糊推理仿真matlab源程序

模糊推理是一种人工智能技术，它基于人类的模糊逻辑思维，用于处理不确定性和不精确的数据。在本文中，我们将深入探讨基于MATLAB实现的模糊推理仿真程序，这是一个用于模拟模糊逻辑控制系统的工具。 MATLAB是一种强大的数值计算和数据可视化环境，它提供了多种工具箱，其中包括模糊逻辑工具箱，用于构建、分析和应用模糊系统。在这个程序中，我们创建了一个名为“fuzz_Fire”的新模糊推理系统（FIS）： ```matlab a=newfis('fuzz_Fire'); ``` 接下来，我们定义了输入变量`x`和`y`，它们分别代表“明火概率”和“阴燃概率”，并为每个输入变量分配了三个模糊集，分别是“小”（FS）、“中”（FM）和“大”（FB），每个模糊集采用高斯 membership function（隶属函数）： ```matlab a=addvar(a,'input','x',[0,1]); a=addmf(a,'input',1,'FS','gaussmf',[0.2,0]); a=addmf(a,'input',1,'FM','gaussmf',[0.2,0.5]); a=addmf(a,'input',1,'FB','gaussmf',[0.2,1]); a=addvar(a,'input','y',[0,1]); a=addmf(a,'input',2,'TS','gaussmf',[0.2,0]); a=addmf(a,'input',2,'TM','gaussmf',[0.2,0.5]); a=addmf(a,'input',2,'TB','gaussmf',[0.2,1]); ``` 同样地，我们定义输出变量`z`，代表“最终火灾概率”，并为其分配了三个模糊集“小”（PS）、“中”（PM）和“大”（PB），采用三角形隶属函数： ```matlab a=addvar(a,'output','z',[0,1]); a=addmf(a,'output',1,'PS','trimf',[0,0,0.5]); a=addmf(a,'output',1,'PM','trimf',[0,0.5,1]); a=addmf(a,'output',1,'PB','trimf',[0.5,1,1]); ``` 然后，我们用规则列表定义模糊规则，例如：“如果明火概率是小且阴燃概率是小，则最终火灾概率是小”。规则列表的结构是一个二维数组，每一行代表一条规则： ```matlab rulelist=[1 1 1 1 1; 1 2 1 1 1; ...]; a=addrule(a,rulelist); showrule(a) ``` `setfis` 函数用于设置模糊系统的属性，这里是将 defuzzification 方法设置为“中位数法”（Mom）： ```matlab a1=setfis(a,'DefuzzMethod','mom'); ``` `writefis` 函数将模糊系统保存到文件“wash.fis”中，而 `readfis` 用于读取该文件： ```matlab writefis(a1,'Fire'); a2=readfis('Fire'); ``` 通过 `plotfis` 和 `plotmf` 函数，我们可以图形化地展示模糊规则基础和各个变量的隶属函数。`xlabel` 和 `ylabel` 用于设置坐标轴标签，`ruleview` 显示规则的可视化表示： ```matlab figure(1);plotfis(a2); figure(2);plotmf(a,'input',1); figure(3);plotmf(a,'input',2); figure(4);plotmf(a,'output',1); ruleview('Fire'); ``` `evalfis` 函数执行模糊推理过程，给定输入`x`和`y`的值，返回模糊推理的输出`z`： ```matlab x=0.9; y=0.5; z=evalfis([x,y],a2); ``` 这个模糊推理仿真程序展示了如何在MATLAB中构建一个模糊控制系统，包括定义模糊变量、隶属函数、规则以及进行模糊推理。这样的系统可用于模拟各种复杂的不确定情况，例如火灾风险评估，通过调整输入参数来得到更准确的结果。