康康map-
[编辑 ]概述
模糊逻辑被广泛地在机器控制过程中使用。 其本身旨在鼓舞多方面的怀疑精神，听起来相当于" 不成熟的逻辑" 或者" 伪造的逻辑" ,但是" 模糊" 部分不相当在有关逻辑能经营模糊的概念的事实参考缺乏严厉在这种方法内 - 不能以表示"的概念 真实" 或者" 错误" 而是作为" 部分准确" . 虽然遗传算法和神经网络刚刚执行能以及在许多场合模糊逻辑(实际上， 某些神经网络可以证明是数学上相当于肯定模糊的逻辑系统 [1]),模糊逻辑有这个解决问题的方法可以被在人类操作者能理解的条件里投的优势， 以便他们的经验可以被在控制人员的设计过程中使用。 这使已经成功以人执行的任务机械化更加容易。
[编辑 ]历史和应用
模糊逻辑第一个通过Lotfi A. 提议 在一篇1965 文章的加利福尼亚大学伯克利分校的Zadeh。 他在1973张纸内详细说明他的想法，以致于介绍这个概念" 语言的变量" ,在这篇文章里对定义为一台模糊的设备的一个变量相等。 其他研究跟随，带有第一工业应用，一座水泥窑在丹麦建造，在1975年投入运行。
模糊的系统被基本上在美国忽略 因为他们与人工智能有关， 周期性地超额售出自己的一个领域，特别是mid-20世纪80年代，导致缺乏在商业的领土内的可信性。
日本人没有这偏见。 日立的Seiji Yasunobu 和Soji宫本引起了对模糊的系统的兴趣， 其在1985年为Sendai 铁路提供证明模糊的控制系统的优势的模拟。 他们的想法被采纳，并且当这条行被在1987年打开时，模糊的系统用来控制加速，刹车，并且停止。
另一次事件在1987年帮助促进对模糊的系统的兴趣。 那年在一个在东京的模糊的研究人员的国际会议期间， Takeshi Yamakawa 证明使用模糊控制，通过奉献模糊逻辑片的简单的套，在方面一" 倒置的摆" 实验。 这是一个最优秀控制问题， 在哪个一车辆努力保持一极安装在它顶以一直立的绞链上以来回移动。
观察者对这次游行示威有好印象， 以及后实验以在哪个他爬上一酒杯包含水或者一现场老鼠给这个摆的顶的甚至的Yamakawa。 系统在两个情况里保持稳定。 Yamakawa最终接着组织他自己的模糊系统研究的实验室帮助在领域利用他的专利。
继这样的游行示威之后，日本工程师为两个工业和消费者应用发展大范围模糊的系统。 在1988年日本为国际模糊的工程(生命)建立实验室 ,在48家公司之间的一次合作的安排继续模糊的研究。
日本消费品经常合并模糊的系统。 松下真空吸尘器使用microcontrollers 运转模糊的算法审问灰尘传感器并且照着调整抽吸动力。 日立洗衣机装重量使用模糊的控制器，织品混合， 并且灰尘传感器和自动确定那些洗涤去那些最好的对权力，水和洗涤剂的使用的循环。
作为一个更多的具体的例子，佳能发展使用一台电荷耦合器件(CCD)的一架autofocusing 照相机 测量在它的视野的6 个地区的这幅图像的明了和使用提供的信息确定是否这幅图像是清晰的。 它也在集中期间跟踪透镜运动的变化的比率，并且控制它速度防止越过。
照相机的模糊的控制系统使用12次输入： 6 获得由CCD 和6提供的当今的明了数据测量透镜运动的变化的比率。 生产是透镜的位置。 模糊的控制系统使用13个规章并且需要记忆的1.1千字节。
作为一个实际的系统的另一个例子，被三菱设计的一台工业空调使用25个加热的规章和25个冷却的规章。 一个温度传感器提供输入，带有控制产量供给到一台逆变器，一个压缩机阀门和风扇马达。 与以前的设计相比， 模糊的控制人员热和快地冷却5 次， 把功耗减少了24%，以两分之一增加温度稳定性，并且使用更少的传感器。
模糊逻辑的日本人的热情被反映在多种其他应用上，他们已经调查或者实现： 性格和书写承认； 视觉的模糊的系统； 机器人，为做日本插花包括一； 语音控制机器人直升飞机，这作为很好伟绩，因为徘徊一" 平衡行动" 相当类似于被倒置的摆问题； 对在电影制造业里的粉的流动的控制； 升降机系统； 等等。
在模糊工作系统也是进行的在那些美国和欧洲内，虽然不，有相同热情在日本内显示。 那些美国环境保护行政机构对模糊的控制进行能源有效率的研究电动机，并且NASA 研究模糊控制适合使自动化几太空使靠码头： 模拟显示一个模糊的控制系统能大大降低燃料消耗。 公司(例如波音，通用汽车，艾伦-布拉德利，克莱斯勒)，伊顿和Whirlpool 已经着手做模糊逻辑供低功率冰箱使用， 改进汽车的输送和有效率能量的电动机。
在内1995梅塔格介绍一" 聪明" 洗碗机基于一模糊控制器和一" 一站式服务的感觉的模件" 那结合一个热敏电阻，为温度测量； 一台传导性传感器，从存在于洗涤的离子测量洗涤剂水平； 一混浊传感器议案散布并且传送轻测量洗涤的变脏； 以及读自旋速率的一台magnetostrictive 传感器。 系统使任何负荷的最佳洗涤系列下决心有最少数量的能量，洗涤剂和水获得最好的结果。 甚至调整以求干在上食品以跟踪那些最后一次那些门被打开， 并且以次数估计盘子的数量门被打开。
研究与开发也正在在软件里的模糊的应用上继续， 与固件，设计相反，包括模糊专家系统和模糊逻辑与神经网络一起的综合和所谓适合" 遗传学" 带有最后的目标是大楼的软件系统" 自学习" 模糊的控制系统。
[编辑 ]模糊的设备
在一个模糊的控制系统里的输入变数被通常制订进通过类似于这，被称为的隶属函数" 模糊的设备" . 把脆的输入值转化成模糊的价值的过程被叫" fuzzification" .
控制系统也有不同类型可能开关，或者" 时断时续" ,有它的模拟输入的输入， 这样开关输入当然永远将有一事实估价胜任1或者0， 但是计划能与象简化模糊的功能的那样是两者中任何一个价值或者另一个的他们交易。
给" 绘图" 输入变数进隶属函数和事实价值，那些microcontroller然后打决定适合哪行动基于套花费" 规章" ,每个形式：
如果刹车温度是温暖的并且速度不太快
然后刹车压力被稍微地减少。
在这例子内，二个输入变数" 刹车温度" 并且" 速度" 那让人把价值定义为模糊的设备。 输出变量，" 刹车压力" ,也被确定在以前一模糊相象的价值" 静止" ,"稍微地增加" ,"稍微地减少" ,等等。 因为看起来象它可能被使用而没有用模糊逻辑打扰，这个规章单独非常为难， 但是记得决定基于一套规章：
适用的全部规章被产生，使用从输入获得的隶属函数和事实价值，确定规章的结果。
依次的这个结果将被制订进一个隶属函数和事实价值(控制输出变量)。
这些结果被结合给细节(" 脆" ) 回答，那些真实刹车压力，以著称的程序" defuzzification" .
模糊的行动和规章基于的这结合" 推论" 描述一" 模糊的专家系统" .
传统的控制系统基于数学模型， 控制系统被使用确定系统对它的输入的反应的一个或更多微分方程描述。 这样的系统经常被实现，当时" PID 控制人员" (proportional-integral-derivative 控制人员) . 他们是数十年发展的产品和理论的分析，并且非常有效。
如果PID和其他传统的控制系统如此发展得好，为什么因模糊的控制而烦脑？ 它有一些优势。 在许多场合，那些数学模型的那些控制过程存在可能不，或者可能也" 昂贵" 就计算机处理能力和记忆而言，和一种基于经验的规章的体制可能更有效。
而且，模糊逻辑好适合于基于便宜的传感器，低分辨率模-数转换器和4 位或者8 位的一片的microcontroller 片的低费用的实施。 这样系统可能容易补充说新规章利用性能或者增加新特征升级。 在许多场合，模糊控制能用来通过增加一额外智力给电流调节方法的层提高现有的传统的控制人员系统。
[编辑 ]详细模糊的控制
模糊的控制人员观念非常简单。 他们由一个输入舞台，一个处理的舞台和一个生产舞台组成。 输入舞台地图传感器或者其他输入，例如接通，thumbwheels，等等，对合适的隶属函数和事实价值。 处理的阶段产生每个合适的规章并且分别产生一个结果， 然后结合规章的结果。 最后，生产阶段将被结合的结果转换成具体的控制输出值。
隶属函数的最普通的形状是三角形的， 虽然梯形和铃曲线也被使用，但是但是形状一般是不如曲线和他们的安排的数量重要的。 从3 年在7 条曲线一般合适盖住被要求的范围的输入值，或者" 讲话的宇宙" 用模糊的术语。
象更早讨论的那样， 那些处理舞台基于收集的逻辑尺以的形式如果那么陈述，在哪里部分被叫" 先行" 并且然后部分叫" 随之而来" . 典型的模糊的控制系统有许多规章。
考虑一台恒温器的一个规章：
如果(温度" 冷" ) 然后(加热器" 高" )
这规章用途这事实价值" 温度" 输入，一些事实价值哪个" 冷" ,在确定的模糊方面产生结果因为" 加热器" 生产，一些价值哪个" 高" . 这个结果被用于其他规章的结果最后产生脆的合成生产。 显而易见，更伟大事实价值" 冷" ,高事实价值" 高" ,虽然这不一定意味着生产本身将被调整到" 高" ,自从这只是在很多中的一个规章。 有时候，隶属函数可以修改在以前" 树篱" 那相当于形容词。 普通树篱包括" 大约" ,"近" ,"接近于" ,"大约" ,"非常" ,"稍微" ,"也" ,"强烈" ,并且" 有点" . 虽然定义能在不同的实施之间相当大地变化，但是这些操作可能有精确定义。 "非常" ,对于一个例子，广场隶属函数来说； 因为会员价值总少于1，这缩小隶属函数。 "强烈" 立方给更大的缩小的价值，当时" 有点" 通过采取平方根扩大函数。
实际上， 模糊规章确定通常有几个前例被使用模糊的操作者结合， 例如和，或者，而不，虽然再次定义倾向于变化： 并且，在一受欢迎定义内，完全使用那些最小对全部前例的重量，当时或者使用那些最大值。 还有并非操作者，以致于减要给的从1年的隶属函数" 补充" 功能。
有不同的几方法要确定那些结果的规章，但是最普通和最简单的之一" 最大分钟" 推理方法，其中生产隶属函数被给事实前提产生的价值。
规章可以被用并行输入硬件解决，或者连续在软件里。 燃烧的的全部规章的结果" defuzzified" 对脆的价值到几种方法之一。 理论上有打，其中每个各种各样的优势和不利。
" 重心" 方法受欢迎，在里哪个" 重心" 结果中，提供脆的价值。 另一个接近" 高度" 方法，带最大的捐助者的价值。 那些重心方法支持那些规章与一起那些产量的最巨大的地区，而那些高度方法显而易见支持那些规章那些最巨大的输出值。
下面的图解用输入变数证明最大最小的推理和一个系统的defuzzification 重心" x" ,"y" ,并且" z" 并且输出变量" n" . 注意那" 亩" 标准模糊逻辑命名法为" 事实价值" :
翻译的语序可能不太对，稍微再修改一下就行了
马老四-
楼上的是中文维基的，和英文维基貌似相差的不是一点点。。。没办法英文肯定最全，不过楼主才20分要别人翻译那么长段文字?可能吗？2000或许有人肯。