Fuzzy Logic Toolbox

Concevoir et simuler des systèmes à logique floue

Fuzzy Logic Toolbox™ comprend des fonctions MATLAB^®, des applications, ainsi qu'un bloc Simulink^® pour l'analyse, le design et la simulation de systèmes à logique floue. Le produit vous permet de spécifier et de configurer les entrées, les sorties, les fonctions d'appartenance et les règles des systèmes d'inférence floue de type 1 et de type 2.

La toolbox vous permet de régler automatiquement les fonctions d'appartenance et les règles d'un système d'inférence floue à partir de données. Vous pouvez évaluer vos systèmes à logique floue conçus dans MATLAB et Simulink. Vous pouvez également utiliser le système d'inférence floue comme système de support pour expliquer les modèles de type boîte noire basés sur l'intelligence artificielle (IA). Vous pouvez générer des exécutables autonomes ou du code C/C++ et du texte structuré IEC 61131-3 pour évaluer et mettre en œuvre des systèmes à logique floue.

Fuzzy Logic Designer

Utilisez l'application Fuzzy Logic Designer ou des fonctions en ligne de commande pour concevoir de manière interactive et simuler des systèmes d'inférence floue. Définissez les variables d'entrée et de sortie et les fonctions d'appartenance. Spécifiez des règles if-then floues. Évaluez votre système d'inférence floue sur plusieurs combinaisons d'entrées.

Documentation | Exemples

Systèmes d'inférence floue

Implémentez des systèmes d'inférence floue Mamdani et Sugeno. Convertissez un système Mamdani en système Sugeno ou vice versa, pour créer et comparer plusieurs designs. Vous pouvez également implémenter des systèmes d'inférence floue complexes en tant qu'ensemble de systèmes flous interconnectés de plus petite taille à l’aide d'arbres flous.

Documentation | Exemples

Capture d'écran de l'application Fuzzy Logic Designer montrant une fonction d'appartenance de type 2.

Logique floue de type 2

Créez et évaluez des systèmes d'inférence floue de type 2 à intervalle avec un degré supplémentaire d'incertitude sur les fonctions d'appartenance. Créez des systèmes d'inférence floue Mamdani et Sugeno de type 2 avec l'application Fuzzy Logic Designer ou des fonctions de la toolbox.

Documentation | Exemples

Tracé d'une série temporelle Mackey-Glass (MG) et d'une série temporelle prédite utilisant un système ANFIS (adaptive neuro-fuzzy inference system).

Réglage des systèmes d'inférence floue

Effectuez le réglage des paramètres des fonctions d'appartenance et des règles d'un système d'inférence floue unique ou d'un arbre flou avec des algorithmes génétiques, l'optimisation par essaim particulaire ou d'autres méthodes disponibles dans Global Optimization Toolbox. Entraînez des systèmes d'inférence floue Sugeno avec des techniques d'apprentissage neuro-adaptatif similaires à celles utilisées pour entraîner des réseaux de neurones.

Documentation | Exemples

Centres des clusters pour les données Iris identifiés avec un algorithme c-moyennes flou

Clustering flou

Trouvez des clusters dans des données d'entrée/sortie en utilisant un clustering c-moyennes flou ou un clustering soustractif. Utilisez les informations de cluster ainsi obtenues pour générer un système d'inférence floue de type Sugeno modélisant le comportement des données d'entrée/sortie.

Documentation | Exemples

Modèle Simulink contenant un bloc Fuzzy Logic Controller pour implémenter un système d'inférence flou.

Logique floue dans Simulink

Évaluez et testez la performance de votre système d'inférence floue dans Simulink avec le bloc Fuzzy Logic Controller. Implémentez votre système d'inférence dans le cadre d'un modèle de système plus large dans Simulink pour la simulation au niveau système et la génération de code.

Documentation | Exemples

Script montrant le code généré pour l'évaluation d'un système d'inférence floue.

Déploiement de la logique floue

Implémentez votre système d'inférence floue dans Simulink et générez du code C/C++ ou du texte structuré IEC61131-3, respectivement avec Simulink Coder™ ou Simulink PLC Coder™. Utilisez MATLAB Coder™ pour générer du code C/C++ à partir de vos systèmes d'inférence floue implémentés dans MATLAB. Vous pouvez également compiler votre système d'inférence floue en tant qu'application autonome avec MATLAB Compiler™.

Documentation | Exemples

Diagramme montrant le flux de contrôle entre un modèle de type boîte noire et un système flou pour réaliser au run-time des explications sur les prédictions.

La logique floue pour une IA explicable

Utilisez des systèmes d'inférence floue comme systèmes de support pour expliquer les relations entrée-sortie modélisées par un système de type boîte noire basé sur l'IA. Interprétez le processus décisionnel d'un modèle de type boîte noire en utilisant la base de règles explicables de votre système d'inférence floue.

Documentation | Exemples