Mamdani 推理法

Mamdani 推理法是模糊控制中最常用的推理方法之一，特别适用于模糊控制器设计。它基于模糊逻辑，通过模糊化、模糊规则和去模糊化的过程进行推理和决策。

Mamdani 推理法的主要步骤如下：

1. 模糊化（Fuzzification）：
   将输入变量（ crisp inputs ）转换为模糊集。也就是将实际的数值输入映射到一个模糊集合中，通常是通过隶属度函数进行转换。

2. 规则库（Rule Base）：
   使用一组模糊规则来描述系统的行为，规则的格式通常为“如果 A，则 B”。这些规则采用语言变量（如“低”、“中”、“高”）来表示。

3. 推理（Inference）：
   根据模糊规则库和输入的模糊集合，使用推理机制进行推理。推理的目的是计算每个输出的模糊值，通常是使用“最小-最大”或“乘法-加法”方法。

4. 去模糊化（Defuzzification）：
   将推理得到的模糊集合转换为实际的输出（crisp output）。常见的去模糊化方法有“重心法”或“最大隶属度法”。

---

Mamdani 推理法步骤详解

1. 模糊化

将输入的实际数值（crisp input）转换为模糊集。例如，假设有输入变量“温度”，温度值为 30°C，假设温度的模糊化集合包括“低温”、“中温”和“高温”，每个模糊集合都有相应的隶属度函数，温度 30°C 对应的隶属度可能是：

• 低温：0.1
• 中温：0.7
• 高温：0.2

2. 应用规则库

假设有以下模糊规则：

• 规则 1：如果温度是“低温”，则风速是“慢”
• 规则 2：如果温度是“高温”，则风速是“快”

在规则应用时，我们根据输入的模糊值，确定规则的激活程度。例如，如果温度为 30°C 对应的隶属度是“低温 0.1”，“中温 0.7”，“高温 0.2”，则根据这些隶属度值激活相应的规则。

3. 推理（Inference）

对于每个规则，使用规则的隶属度进行推理。具体地，通过模糊乘法（通常是最小化运算）将输入的隶属度与规则的输出进行结合。例如：

• 对于“低温”规则，输出是“慢”，假设“慢”的隶属度函数是 0.4，则激活度为 $0.1\times 0.4=0.04$。
• 对于“高温”规则，输出是“快”，假设“快”的隶属度函数是 0.8，则激活度为 $0.2\times 0.8=0.16$。

4. 去模糊化

将推理得到的模糊结果转换为实际值。常用的去模糊化方法是重心法（Centroid method）。重心法的公式为：

$y=\sum (yi\times \mu i)\sum \mu iy=\frac{\sum (y_i\times {\mu }_i)}{\sum {\mu }_i}$

其中 yiy_i 是输出值，μi\mu_i 是输出值的隶属度。

假设在“慢”和“快”之间的风速输出的隶属度分别为 0.04 和 0.16，且风速的范围是从 0 到 100，分别表示“慢”和“快”的模糊输出值为 10 和 90，那么：

$y=\frac{(10\times 0.04)+(90\times 0.16)}{0.04+0.16}=\frac{0.4+14.4}{0.2}=\frac{14.8}{0.2}=74$

最终输出的风速为 74（单位是风速）。

---

示例问题

假设有一个简单的模糊控制系统，用来控制风速。输入变量为“温度”，输出变量为“风速”。我们使用 Mamdani 推理法来推导风速。

1. 输入：

• 温度：30°C

2. 模糊化：

• 温度的模糊集合为：
  • 低温（0-20°C）：隶属度函数为 ${\mu }_{\text{low}}$
  • 中温（20-40°C）：隶属度函数为 ${\mu }_{\text{medium}}$
  • 高温（40-60°C）：隶属度函数为 ${\mu }_{\text{high}}$

假设温度 30°C 的隶属度为：

• 低温：0.2
• 中温：0.8
• 高温：0.0

3. 规则库：

• 规则 1：如果温度是“低温”，则风速是“慢”。
• 规则 2：如果温度是“中温”，则风速是“中”。
• 规则 3：如果温度是“高温”，则风速是“快”。

4. 推理：

• 规则 1 激活度：0.2×0.4=0.08（低温 → 风速慢）
• 规则 2 激活度：0.8×0.6=0.48（中温 → 风速中）
• 规则 3 激活度：0.0×1.0=0.00（高温 → 风速快）

5. 去模糊化：

• 风速慢的隶属度为 0.4，表示风速为 10。
• 风速中的隶属度为 0.6，表示风速为 50。
• 风速快的隶属度为 1.0，表示风速为 90。

去模糊化计算：

$y=\frac{(10\times 0.08)+(50\times 0.48)+(90\times 0.0)}{0.08+0.48+0.0}=\frac{(0.8+24+0)}{0.56}=\frac{24.8}{0.56}\approx 44.29$

最终输出的风速为 44.29（单位：风速）。

---

总结

Mamdani 推理法是模糊控制中常用的推理方法，它能够有效处理输入和输出变量之间的模糊关系。通过模糊化、规则库、推理、去模糊化的过程，Mamdani 方法可以产生一个清晰的输出，用于实际控制。