模糊推理系统及其仿真研究+文献综述(4)
(6)
模糊单值法易于实现模糊化运算，当输入数据准确时，模糊化性能良好，是一种常用的模糊化方法。
但是，由于模糊单值法舍弃了所有 处的隶属度，因此，对输入数据噪声的鲁棒性较差。比如，给定 和 是论域 上的两个模糊集合，其中 的论域是 , 的论域是 。当输入精确值 时，模糊单值 与 、 的适配度分别为 、 。若精确值 有噪声干扰，其值变化为 时， 与 、 的适配度也将发生明显变化，对图1所示的情况，变化后的适配度分别为 、 。可见，用模糊单值法进行模糊化处理，其鲁棒性较差。
图1 模糊单值法的鲁棒性分析
（2）三角隶属度函数法
如果输入数据干扰严重，那么用模糊单值法进行模糊化处理将会产生很大的误差。
对于这种情况，人们常常采用三角形隶属度函数法进行模糊化处理。
三角形隶属度函数模糊化运算比较简单，模糊化结果具有一定的鲁棒性，是一种常用模糊化方法。
设 是给定的精确量，而 是模糊化后的结果，则三角形隶属度函数一般可以写成：
(7)
其中：参数 。
当给定精确值为 时，采用三角形隶属度函数法得到的模糊集合 如图2所示。
可以看出：①当 时，三角形隶属度函数模糊集合就变成了模糊单值。
② 越大， 的变化对 的影响越小。
也就是说当 足够大时，三角形隶属度函数法具有足够强的抗干扰能力。
图2 三角形隶属度函数法模糊化过程
（3）高斯隶属度函数法
高斯隶属度函数法模糊化运算较前两种去模糊方法复杂，是另一种常用模糊化方法。这种模糊化方法具有良好的抗干扰能力，且模糊化结果更接近于人的认知特点。
(8)
其中：参数 ，决定了高斯函数的陡度。
这种模糊化方法，在形式上是将精确量转化为模糊量，但实质上仍为精确量。在模糊控制中，这种模糊化方法常用于测量数据准确的情况。
3.2 模糊推理
模糊推理是一种仿生行为的近似推理方法，主要解决带有模糊现象的复杂推理问题。目前，已经在自动控制，数据处理、决策分析及模式识别等领域得到成功应用。从功能上来看，模糊推理系统主要由模糊化、模糊规则库、模糊推理方法及去模糊化几部分组成，其基本结构如图3所示。
图3 模糊推理系统的功能结构
模糊推理是用模糊化出来的模糊变量去激活模糊推理规则，最后利用可加性原则得出事故隶属度函数形态的最小化叠加结果。
模糊推理系统又称为模糊系统，是以模糊集合理论和模糊推理等技术为基础，具有处理模糊信息能力的系统。模糊推理系统以模糊理论为主要计算工具，可以实现复杂的非线性映射，而且其输入输出都是精确的数值。
模糊语言：语言是一种符号系统，是人们表达思文的一种形式，一般分为两种大的类型：自然语言和形式语言。自然语言是人们日常生活中所使用的语言，是以字、词为符号组成的一种符号系统。自然语言的突出特点是具有模糊性，这种模糊性是人类思文的特点，这种具有模糊性的语言称为模糊语言。
与模糊语言相对的是计算机使用的形式语言，具有严格的语法规则和语义，不允许存在任何模糊性。从本质上说，计算机只能处理形式语言编制的程序，而无法处理模糊语言。模糊集合理论为计算机处理模糊概念提供了有效的工具，为计算机和人类自然语言之间的沟通架起了桥梁。