通過上篇文章我們瞭解了什麼是模糊，理解模糊控制就比較簡單了，即在通用的控制系統框架中：
在預置知識部分，如我們前面所介紹的這樣通常的控制系統裝定的是精確性的知識；而模糊控制，裝定的是模糊性的知識。所以，模糊控制就是解決模糊性知識的表示問題和模糊性知識的應用問題。
在我們剛開始討論智能控制的分佈式智能控制初步時，我們談到了產生式，並且說了幾點產生式的缺點，也就解釋了我們之前爲什麼要使用更簡潔、更高效的狀態機來進行控制。而現在考慮模糊控制時，我們又一次想到了產生式:)
產生式的缺點，我們說過了，那優點呢：
直觀，容易理解，產生式用英文表示是：if…then…，用中文表示則是：如果…那麼…，這不天然的就是我們人類的思考方式嘛
推理方便，只要某條規則的如果部分（前件、前提）成立，則其那麼部分（後件、結論）就判定爲成立
知識調整方便，有了新的認識，則增加一條相應的規則；認識發生了變化，就刪除掉陳舊的規則。當然，當知識庫比較龐大的時候，由於所有知識需要保證一致性（即我們在上一篇文章中所說的勢不兩立：A與非A只能有一個成立，是矛盾律的要求），對新增知識的檢查是非常麻煩的，如果新知識和現有知識產生衝突（從現有知識中能推出A，而加入新知識後還能推出非A），協調起來比較的麻煩
可爲什麼要保證知識庫中所有知識的一致性呢？！因爲產生式其實就是形如p->q（意爲：如果p成立則q成立）的推理規則，而->中如果前件爲假（不一致就意味着A與非A同時存在，根據矛盾律此時爲假），則依據該規則可推出任何的結論：問什麼都是你看着辦，我沒意見。那這樣的系統還有什麼用呢？！
前件爲假則可以推出任何結論，爲什麼呢？！我在前一篇文章說了：邏輯是可靠性的傳遞，是將真值從事實可靠的傳遞到結論上，以確保結論的可靠。但現在所謂的事實是謊話，是假的，基於假的原因所推導出來的東西你能信嗎？！當然是它愛說啥是啥，反正我不相信！
明白了吧？！永遠不要和騙子進行辯論，因爲他在邏輯上一點毛病都沒有！你只需要不相信他說的任何話就足夠了，也是唯一應該做的
言歸正傳，模糊性知識的表示就是用產生式來提煉我們人類的經驗，即將我們人類的經驗用如果…那麼…進行表示。好的，那現在的問題又來了：這三個小點點是什麼意思啊？！
先等一下，想想我們是如何指導一個新手和麪的：
如果水有點多，那麼加面少許
如果面有點多，那麼加水少許
如果水非常多，那麼拼命加面
如果面非常多，那麼拼命加水
哈哈哈哈哈哈，額，可我真不是在開玩笑，這還真的就是我們需要的模糊性知識哦！啊偶，如果真是這樣的，不是太棒了嗎？！
現在可以回答了，這三個小點點（也就是上面的水有點多、加面少許）叫做模糊命題，標準化的形式是：x是A。按這個形式，水有點多應表示爲：（所應加入的）水（的量）是【有點】多。用圓括號括起來的是簡略掉的隱含意思，你明白我明白就可以了，反正計算機又不需要明白，對它來說就是個符號，你用一個字還是有一堆字都沒問題。而用方括號括起來的叫做限定詞，即對多的修飾：這個多的程度是什麼樣的，是非常多呢還是有點多呢，我們現在不要管它。那就變成了：水是多。
在x是A這樣的模糊命題中，x叫做語言變量（就是水的量），A叫做該變量的取值（多還是少、或是正常（一般/普通都一樣的））。但我們實際所加的水一定是200ml這樣，而這個200我們叫做實際值，我們在和麪的時候會自動把這個少這個模糊量的取值映射成實際的200ml。
現在，模糊性知識的表示問題就變成了：
用產生式來表示人類的知識（其實是人類知識的一種：經驗判斷）
用模糊命題（語言變量及其取值）來講述事實，即人類對世界的定性認識
最後就剩下了如何將現實世界中的實際值（定量）和人類的定性認識（語言變量取值）關聯起來的問題。而我們在上篇文章講了隸屬度的相關概念，所以這個關聯問題其實就是語言變量各個取值的隸屬度該如何定義的問題
計算機是基於定量分析的精確計算，而人類大多數情況下是憑感覺、憑經驗進行定性判斷，模糊數學就是跨越這個鴻溝的工具。
看到這，你可能已經心潮澎湃了：哦，這個模糊控制這麼好啊。可以這麼簡單的就把人類都說不清楚的經驗轉變爲計算機可處理的了，這我還不是想控什麼控什麼，想怎麼控就怎麼控啊！！so cool！
哦，那就剩最後一個小問題了：這個什麼隸屬度該如何定義呢？！快說，我趕時間的。
好的，不過我說之前你最好先扶下桌子。這個隸屬度的定義其實更簡單：你愛咋咋的！
天底下當然沒有那種好的直掉餡餅的事：模糊系統可以很容易的將人類的感覺、經驗轉換爲計算機控制，但系統工作的好壞完全取決於我們對隸屬度的定義。模糊系統最大的困難就是隸屬度必須由人主觀的、先驗的給出。能給出，給的好，模糊系統的性價比絕對值；給不出，那肯定無法工作；給的不好，自然工作不給力啊:(
我們後面會用模糊控制來重新做下基於人臉識別的小車行車控制，到時會結合這個例子再來講講給出隸屬度定義方面的一些注意事項
====================================================================================================
關注我的公衆號及時獲取推送的最新文章
