山川的历史

模糊逻辑广泛应用于机器控制。其本身的目的就是激发各种怀疑主义，听起来相当于“不成熟的逻辑”或者“伪造的逻辑”。但“模糊”部分并不等同于逻辑可以操作模糊概念这一事实缺乏严格的参照。在这种方法中，概念不能用“正确”或“错误”来表达，而只能用“部分正确”来表达。虽然遗传算法和神经网络刚刚实现，而且模糊逻辑可以用在很多场合(事实上，可以证明某些神经网络在数学上等价于模糊逻辑系统[1])，而模糊逻辑的优点是，这种解题方法可以在人类操作者能够理解的条件下使用，这样他们的经验就可以用在控制器的设计过程中。这使得已经由人成功执行的任务更容易机械化。

[编辑]历史和应用

模糊逻辑是由加州大学伯克利分校的扎德在一篇文章1965中首先提出的。他在1973张纸上详细阐述了自己的想法，以至于他引入了“语言的变量”这个概念，相当于本文中定义为模糊装置的一个变量。其他研究随之而来，随着第一次工业应用，在丹麦建造了一座水泥窑，并于1975年投入运行。

模糊系统在美国基本被忽略，因为它与人工智能有关，并且周期性地过度销售自己的一个领域，尤其是80年代中期，导致在商业领域缺乏可信度。

日本人没有这种偏见。日立公司的Seiji Yasunobu和Soji Miyamoto引起了对模糊系统的兴趣，他们在1985中为仙台铁路提供了仿真，以证明模糊控制系统的优势。他们的想法被采纳，这条线路在1987开通时，用模糊系统控制加速、制动、停车。

另一个事件有助于提高1987对模糊系统的兴趣。那一年，在东京召开的模糊研究人员国际会议上，山川武通过提供一套简单的模糊逻辑芯片证明了模糊控制的使用是一个“倒立摆”实验。这是一个很好的控制问题，当车辆试图保持安装在垂直铰链顶部的杆来回移动。

观察者对这个演示有好感，然后实验找出他爬进盛水的玻璃杯的地方或者老鼠给钟摆顶甚至山川的场景。系统在两种情况下保持稳定。山川最后继续组织自己的模糊系统研究实验室，以帮助在该领域使用他的专利。

在这样的演示之后，日本工程师为两种工业和消费应用开发了广泛的模糊系统。1988年，日本建立了国际模糊工程学(life)实验室，48家公司合作的安排延续了模糊研究。

日本消费品经常并入模糊系统。松下真空吸尘器使用微控制器的模糊算法来询问灰尘传感器，并相应地调整吸力。日立洗衣机使用模糊控制器、织物混合、灰尘传感器和自动循环来确定电源、水和洗涤剂的最佳使用。

作为一个更具体的例子，佳能开发了一种自动对焦相机，使用电荷耦合器件(CCD)来测量其视野中六个区域的图像清晰度，并使用提供的信息来确定图像是否清晰。它还可以跟踪对焦过程中镜头运动的变化率，并控制其速度以防止超调。

相机的模糊控制系统使用12个输入:6个用于获取CCD提供的当前清晰数据，6个用于测量镜头运动的变化率。制作就是镜头的位置。模糊控制系统使用13规则，需要记忆1.1千字节。

作为实际系统的另一个例子，三菱设计的工业空调使用25个加热规则和25个冷却规则。温度传感器向逆变器、压缩机阀和风扇电机提供具有受控输出的输入。与之前的设计相比，模糊控制器的加热和冷却速度提高了五倍，功耗降低了24%，温度稳定性提高了一半，并且使用的传感器更少。

日本人对模糊逻辑的热衷，体现在他们调查过或体会过的其他很多应用上:个性和文字识别；模糊的视觉系统；机器人，包括一个日本插花机器人；声控机器人直升机，这是很大的成就，因为游荡一个“平衡动作”和倒立摆问题挺像的；薄膜制造业中粉末流动的控制；电梯系统；等一下。

模糊工作制也在美国和欧洲的那些国家实行，尽管没有在日本表现出同样的热情。那些美国环境保护行政机构对模糊控制电机进行节能研究，美国国家航空航天局研究模糊控制进行自动空间对接:仿真表明，模糊控制系统可以大大降低燃料消耗。公司(如波音、通用汽车、艾伦-布拉德利、克莱斯勒)、伊顿和惠而浦已经开始为低功率冰箱制造模糊逻辑，改善汽车的运输和具有高效能源的马达。

在1995中，Metatag推出了基于模糊控制器和“一站式服务感受模块”的“智能”洗碗机，该模块与热敏电阻结合用于温度测量；电导率传感器，用于从洗涤物中存在的离子测量洗涤剂水平；浊度传感器将传播和传输光，以测量洗涤物的污染程度；和读取旋转速率的磁致伸缩传感器。该系统可在任何负载下进行最佳洗涤系列，以最少的能量、洗涤剂和水获得最佳效果。甚至调整到干粮来跟踪这些门最后一次被打开的时间，并通过门被打开的次数来估计盘子的数量。

模糊在软件中的应用也在继续研发，这与固件和设计相反，包括模糊专家系统、模糊逻辑和神经网络的综合，以及所谓的适合“遗传学”的模糊控制系统，最终目标是构建软件系统“自学习”。

[编辑]模糊设备

在模糊控制系统中，输入变量通常被公式化为一个称为“模糊装置”的隶属函数。将脆弱的输入值转化为模糊值的过程称为“模糊化”。

控制系统也有不同类型的可能的开关，或“间歇的”，其模拟输入，所以开关输入当然总是有一个1或0的事实评估，但计划可以与他们交易，这是值或其他，像简化模糊函数。

将变量输入隶属函数和“绘图”的实际值，然后这些微控制器根据一组“规则”决定哪个动作是合适的，每种形式:

如果制动温度较高且速度不太快

然后制动压力稍微降低。

在这个例子中，两个输入变量“制动器温度”和“速度”使人们将值定义为模糊设备。输出变量“制动压力”也在之前的“静态”、“略微增加”、“略微减少”等模糊相似值中确定。因为它看起来可能会被使用而不受模糊逻辑的干扰，所以这个规则很难单独使用，但请记住基于一组规则来决定:

生成所有适用的规则，并通过使用从输入中获得的隶属函数和事实值来确定规则的结果。

这个结果又将被公式化为一个隶属函数和事实值(控制输出变量)。

这些结果与详细的(“脆弱的”)答案相结合，这些真实的制动压力被称为程序“去模糊化”。

模糊动作和规则就是基于这种“推理”的组合来描述一个“模糊专家系统”。

传统的控制系统基于数学模型，并且控制系统由一个或多个决定系统对其输入的响应的微分方程来描述。当“PID控制器”(比例-积分-微分控制器)是几十年来发展的产品和理论分析时，这样的系统经常被实现，并且它们非常有效。

如果PID等传统控制系统发展得这么好，为什么还会被模糊控制所困扰？它有一些优点。在很多场合，那些数学模型的控制过程可能并不存在，或者在计算机处理能力和内存方面可能“昂贵”，一个基于规则和规定的系统可能更有效。

此外，模糊逻辑适合于基于廉价传感器、低分辨率模数转换器和4位或8位微控制器芯片的低成本实现。这样的系统可以容易地添加新的规则以利用性能或者添加新的特征升级。在许多场合下，模糊控制可以用来改善现有的传统控制器系统，通过增加一个额外的智能层的电流调节方法。

[编辑]详细模糊控制

控制器的模糊概念非常简单。它们由输入阶段、加工阶段和生产阶段组成。输入阶段地图传感器或其他输入，如打开、指轮等。，以获得适当的隶属函数和事实值。处理阶段分别产生每个适当的规则和结果，然后组合规则的结果。最后，生产阶段将组合结果转换为特定的控制输出值。

隶属函数最常见的形状是三角形。虽然也使用梯形和钟形曲线，但形状一般不如曲线的数量及其排列重要。从3年到7条曲线，覆盖输入值的所需范围，或者用模糊的术语“言语的宇宙”，通常是合适的。

如前所述，这些处理阶段基于收集的逻辑标尺。如果这样陈述，其中部分被称为“第一”，然后部分被称为“随后”。典型的模糊控制系统有许多规则。

考虑恒温器的调节:

如果(温度是“冷的”)然后(加热器是“高的”)

该调节使用事实值的“温度”输入，该输入在一些事实值中是“冷的”,并且在某些模糊性方面产生结果，因为“加热器”产生并且在一些值中是“高的”。这个结果被用在其他法规的结果中，最终产生脆性合成生产。显然，较大的事实值是“冷”的，较高的事实值是“高”的，尽管这并不一定意味着生产本身会被调整到“高”，因为这在很多情况下只是一种规定。有时，可以修改隶属函数。在过去，“对冲”相当于一个形容词。常见的模糊限制语有“约”、“近”、“近”、“约”、“非常”、“稍”、“也”、“强”、“一点”。尽管不同的实现之间的定义可能有很大的不同，但是这些操作可能有精确的定义。“非常”，举个例子，平方隶属函数；因为隶属值总是小于1，这缩小了隶属函数的范围。“强”立方给出了更大的约化值，当时“一点点”通过开方扩大了函数。

事实上，模糊规则决定了通常有几个先例是由使用模糊性的运算符组合而成的，例如and、or、no，尽管重新定义往往会发生变化:而且，在一个流行的定义中，所有先例的那些最小对的权重被完全使用，或者当时使用了那些最大值。还有从1年开始的隶属函数的“补充”函数，因为不是算子。

有几种不同的方法来确定那些结果的规则，但一种最常见和简单的“最大分钟”推理方法，其中生产隶属函数被赋予由事实前提产生的值。

规则可以通过并行输入硬件或在软件中连续求解。燃烧的所有规则“去模糊化”的结果是脆性的值为几个方法之一。理论上有几十种，每种都有各种优缺点。

“重心”法是流行的，这种“重心”结果在学派中提供了脆性值。另一种接近“高度”的途径，带来的是最大的捐赠价值。那些重心方法支持具有最大输出的区域以及那些规则，而那些高度方法显然支持具有最大输出值的那些规则。

下图证明了一个系统“X”和“Y”有输入变量，“Z”有输出变量“N”的极大极小推理和重心。注意，“mu”的标准模糊逻辑命名法是“事实值”:

翻译的语序可能不对，稍微修改一下就好。