Fuzzy Logic Toolbox

Diseño y simulación de sistemas de lógica difusa

 

Fuzzy Logic Toolbox™ proporciona funciones de MATLAB®, apps y un bloque de Simulink® para analizar, diseñar y simular sistemas basados en lógica difusa. Este producto ofrece una guía sobre los pasos para el diseño de sistemas de inferencia difusa. Se proporcionan funciones para muchos métodos comunes, incluidos el clustering difuso y el aprendizaje neurodifuso adaptativo.

Esta toolbox permite modelar comportamientos complejos del sistema mediante reglas lógicas simples y, posteriormente, implementar estas reglas en un sistema de inferencia difusa. Puede utilizarla como un motor de inferencia difusa independiente. Si lo prefiere, puede utilizar bloques de inferencia difusa en Simulink y simular los sistemas difusos dentro de un modelo completo de todo el sistema dinámico.

Cómo empezar:

Modelado de sistemas de inferencia difusa

Cree el conjunto de reglas, defina las funciones de pertenencia y analice el comportamiento de un sistema de inferencia difusa (FIS).

Fuzzy Logic Designer

Utilice la app Fuzzy Logic Designer o funciones desde la línea de comandos para diseñar y probar interactivamente sistemas de inferencia difusa. Es posible agregar o eliminar variables de entrada y salida. También se pueden especificar funciones de pertenencia de entrada y salida, así como reglas if-then difusas. Después de crear el sistema de inferencia difusa, puede evaluarlo y visualizarlo.

Sistemas de inferencia difusa Mamdani y Sugeno

Implemente sistemas de inferencia difusa Mamdani y Sugeno. Es posible convertir un sistema Mamdani en un sistema Sugeno. También se pueden implementar sistemas de inferencia difusa complejos como una colección de sistemas difusos interconectados más pequeños mediante árboles difusos.

Creación de sistemas de inferencia difusa Mamdani y Sugeno con la app Fuzzy Logic Designer.

Sistemas de inferencia difusa tipo 2

Cree y evalúe sistemas de inferencia difusa tipo 2 de intervalo con incertidumbre adicional en la función de pertenencia. Se pueden crear sistemas de inferencia difusa Sugeno y Mamdani tipo 2.

Funciones de pertenencia para un sistema de inferencia difusa tipo 2.

Ajuste de sistemas de inferencia difusa

Ajuste las funciones de pertenencia y las reglas de los sistemas difusos.

Ajuste de sistemas difusos

Ajuste los parámetros de la función de pertenencia difusa y aprenda nuevas reglas difusas utilizando los métodos de ajuste de Global Optimization Toolbox, como los algoritmos genéticos y la optimización de enjambres de partículas. Puede ajustar los parámetros y las reglas de un único sistema de inferencia difusa o de un árbol difuso con varios FIS conectados jerárquicamente con un pequeño número de entradas.

Predicción de datos de series temporales con un sistema de inferencia difusa ajustado.

Entrenamiento de sistemas de inferencia neurodifusa adaptativos

Entrene sistemas de inferencia difusa Sugeno mediante técnicas de aprendizaje neuroadaptativo similares a las utilizadas para el entrenamiento de redes neuronales. Puede utilizar funciones desde la línea de comandos o la app Neuro Fuzzy Designer para dar forma a las funciones de pertenencia entrenándolas con datos de entrada/salida en lugar de especificarlos manualmente.

Entrenamiento de sistemas de inferencia neurodifusa adaptativos con la app Neuro Fuzzy Designer.

Clustering de datos

Encuentre clusters en datos de entrada/salida mediante C-Means difuso o clustering sustractivo.

Utilice la herramienta interactiva Clustering o funciones desde la línea de comandos para identificar agrupaciones naturales a partir de un gran conjunto de datos y producir una representación concisa de los datos. Puede utilizar C-Means difuso o clustering sustractivo para identificar clusters dentro de los datos de entrenamiento de entrada/salida. Utilice la información sobre clusters resultante para generar un sistema de inferencia difusa de tipo Sugeno y modelar el comportamiento de los datos.

Clustering difuso de C-Means.

Lógica difusa en Simulink

Simule sistemas de inferencia difusa en Simulink.

Evalúe y pruebe el rendimiento de su sistema de inferencia difusa tipo 1 en Simulink mediante el bloque Fuzzy Logic Controller. Puede simular su sistema de inferencia difusa mediante señales de entrada con tipos de datos de señal de tipo doble, simple y en punto fijo.

Simulación de un sistema de inferencia difusa en Simulink.

Despliegue de lógica difusa

Genere código para evaluar e implementar sistemas difusos.

Despliegue un sistema de inferencia difusa mediante la generación de código C en Simulink o MATLAB. También puede generar texto estructurado para un sistema de inferencia difusa implementado en Simulink mediante un bloque Fuzzy Logic Controller. Es posible generar código C de precisión simple para reducir el uso de memoria de su sistema. Se puede generar código en punto fijo si la plataforma de destino solo soporta la aritmética en punto fijo.

Interfaz de código de muestra generada para cargar y evaluar un FIS como una librería estática/dinámica.