模糊控制python

### Python 中实现模糊控制

#### 创建模糊控制系统框架
为了创建一个简单的模糊控制系统，在Python中可以利用`skfuzzy`库来简化开发过程。此库提供了必要的工具用于定义隶属函数、构建规则以及执行模糊推理。

安装所需的包：

pip install scikit-fuzzy numpy matplotlib

导入所需模块并配置基本环境：

import numpy as np
import skfuzzy as fuzz
from skfuzzy import control as ctrl

#### 定义输入输出量及其范围
对于房间温度控制系统而言，主要考虑两个因素作为输入——当前室温和设定的目标温度差值；而输出则是空调调整幅度。这里假设温度变化区间为[-10, 10]摄氏度之间[^1]。

temperature_error = ctrl.Antecedent(np.arange(-10, 11, 1), 'Temperature_Error')
adjustment_level = ctrl.Consequent(np.arange(0, 101, 1), 'Adjustment_Level')

# 温度误差分为冷(Cold)，适中(Normal)，热(Hot)三个等级
temperature_error['Cold'] = fuzz.trimf(temperature_error.universe, [-10, -5, 0])
temperature_error['Normal'] = fuzz.trimf(temperature_error.universe, [-5, 0, 5])
temperature_error['Hot'] = fuzz.trimf(temperature_error.universe, [0, 5, 10])

# 调整级别分为低(Low)，中(Medium)，高(High)三档
adjustment_level['Low'] = fuzz.trimf(adjustment_level.universe, [0, 25, 50])
adjustment_level['Medium'] = fuzz.trimf(adjustment_level.universe, [25, 50, 75])
adjustment_level['High'] = fuzz.trimf(adjustment_level.universe, [50, 75, 100])

#### 构建模糊规则集
基于上述定义好的输入输出变量，现在可以根据实际情况制定相应的IF-THEN规则。例如，“如果温差较大且偏冷，则应大幅度增加加热功率”。

rule1 = ctrl.Rule(temperature_error['Cold'], adjustment_level['High'])
rule2 = ctrl.Rule(temperature_error['Normal'], adjustment_level['Medium'])
rule3 = ctrl.Rule(temperature_error['Hot'], adjustment_level['Low'])

heating_ctrl = ctrl.ControlSystem([rule1, rule2, rule3])
heating_simulator = ctrl.ControlSystemSimulation(heating_ctrl)

# 假设此时室内实际温度低于目标温度8℃
heating_simulator.input['Temperature_Error'] = -8
heating_simulator.compute()
print(f"Heating Adjustment Level: {heating_simulator.output['Adjustment_Level']}%")

这段代码实现了从感知到行动的过程：先评估现状（即测量得到的温度偏差），再依据预设的知识体系做出适当反应（决定采取何种程度的动作去调节温度）[^2]。