Rule (i):
IF <FP1i> THEN <FP2i> : Rule Base دعاوق هاگیاپ ) ) دشاب هدش داجیا دناوت یم یناسنا شناد ساسارب هک
.
Input: x
1, x
2, …, x
i, …, x
Nدادعت n
1n
2n
in
N
Output: y: B
1, B
2, …, B
i, …, B
Nدادعت : n
yهجیتن ،ینادمم مازلتسا ساسارب Rule (k)
دوب دهاوخ ریز تروص هب
:
نکمم تسا
یلیخ زا
نیا نیناوق
اب مه رد
داضت
،دنشاب هب
نیمه
لیلد زا
بیکرت یلصف
(s-norm) نیا
نیناوق
رد هلحرم
عیمجت
هدافتسا دوش یم
.
زا یکی زا
یاه شور یزافان
یزاس دیاب
هدافتسا درک
و هجیتن
لصاح ار
هب کی ددع
رلاکسا لیدبت
دومن .
لاثم زا
یکی زا
یاه شور ریز
هدافتسا درک
:
یکی رگید
زا ییاه شور هک
رد سکابلوت یزاف
بلتم هدافتسا
هدش شور
Bisector تسا
.
یکی رگید
زا ییاه شور هک
رد سکابلوت یزاف
بلتم هدافتسا
هدش شور
SOM
، MOM
و LOM تسا
. Smallest
Mean of Maxima.
Largest
یکی زا
شور هدافتسا
زا سابلوت یزاف
بلتم تسا
. شور رگید
نتشون تاروتسد
رد کی همانرب
تسا .
یتاروتسد هک
رد بلتم یم
ناوت زا
اهنآ یارب
داجیا کی
متسیس
یزاف زا
اهنآ هدافتسا
درک دنترابع
زا :
newfis
addvar
addmf
addrule
newfis :
کی متسیس
دیدج یزاف
ار داجیا یم
دنک .
a=newfis(fisName,fisType,andMethod,orMethod, impMethod,aggMethod,defuzzMethod);
لاثم :
fisName='MyFis';
fisType='mamdani';
andMethod='min';
orMethod='max';
impMethod='min';
aggMethod='max';
defuzzMethod='bisector';
addvar :
اهریغتم ار
داجیا
،دنک یم اه یدورو
( Inputs )
و اه یجورخ (
Outputs )
a = addvar(a,'varType','varName',varBounds);
لاثم :
fis=addvar(fis,'input','Velocity',[0 140]);
fis=addvar(fis,'input','Distance',[0 100]);
fis=addvar(fis,'output','Acceleration',[-100 100]);
addmf :
عباوت تیوضع
ار داجیا یم
دنک .
a = addmf(a,'varType',varIndex,'mfName','mfType', mfParams);
لاثم :
fis=addmf(fis,'input',1,'LS','trapmf',[-inf -inf 30 50]);
fis=addmf(fis,'input',1,'MS','trapmf',[30 50 70 90]);
fis=addmf(fis,'input',1,'HS','trapmf',[70 90 inf inf]);
fis=addmf(fis,'input',2,'SD','gaussmf',[21.23,0]);
fis=addmf(fis,'input',2,'MD','gaussmf',[21.23,50]);
fis=addmf(fis,'input',2,'LD','gaussmf',[21.23,100]);
addmf :
لاثم :
fis=addmf(fis,'output',1,'NB','trapmf',[-inf -inf -80 -20]);
fis=addmf(fis,'output',1,'NS','trimf',[-80 -20 0]);
fis=addmf(fis,'output',1,'ZR','trimf',[-20 0 20]);
fis=addmf(fis,'output',1,'PS','trimf',[0 20 80]);
fis=addmf(fis,'output',1,'PB','trapmf',[30 69 inf inf]);
addrule :
نیناوق ار
داجیا دنک یم
.
a = addrule(a,ruleList) ;
The format that the rule list matrix must take is very specific. If there are m inputs to a system and n outputs, there must be exactly m + n + 2 columns to the rule list.
The first m columns refer to the inputs of the system. Each column contains a number that refers to the index of the membership function for that variable.
The next n columns refer to the outputs of the system. Each column contains a number that refers to the index of the membership function for that variable.
The m + n + 1 column contains the weight that is to be applied to the rule. The weight must be a number between zero and one and is generally left as one.
The m + n + 2 column contains a 1 if the fuzzy operator for the rule's antecedent is AND. It contains a 2 if the fuzzy operator is OR.
addrule :
لاثم :
Rules=[1 1 3 1 1 1 2 4 1 1
1 3 5 1 1 2 1 2 1 1 2 2 3 1 1 2 3 4 1 1 3 1 1 1 1
3 2 2 1 1 3 3 3 1 1];
fis=addrule(fis,Rules);
LD MD
SD D
V
PB PM
ZR LS
PM ZR
NM MS
ZR NM
NB
HS
surfview() :
راتفر یدورو
و یجورخ ار
تبسن هب
مه
ناشن دهد یم
هک تلاح هتسویپ
دراد
. هب نیناوق :ruleview() تروص
یکیفارگ ار
شیامن
دهد یم
.
plotmf() :
عباوت تیوضع
ار شیامن دهد یم
.
لاثم :
surfview(fis) ruleview(fis)
plotmf(fis,'input',1)
Y = evalfis (U , FIS)
This function simulates the Fuzzy Inference System FIS for the input data U and returns the output data Y.
لاثم :
Acceleration=evalfis(Inputs,fis);
surfview(fis) ruleview(fis)
figure
plotmf(fis,'input',1) figure
plotmf(fis,'input',2) figure
plotmf(fis,'output',1)
Distance=20;
Velocity=linspace(0,140,800)';
Inputs=[Velocity Distance*ones(size(Velocity))];
Acceleration=evalfis(Inputs,fis);
figure
plot(Velocity,Acceleration);
لاثم
:
یم ناوت
هجیتن ار
رد کی لیاف
اب روتسد writefis
هریخذ
درک .
لاثم :
FileName='MyFis.fis';
writefis(fis,FileName);
