模糊控制在matlab周边实现.pptVIP

模糊控制在MATLAB中的实现;MATLAB工具箱提供的图形化工具;例：小费问题;在matlab工作窗口输入：fuzzy+回车或fuzzy+文件名〔.fis〕

进入图形界面编辑(模糊推理系统编辑器);增加输入变量;输入mfedit或选择编辑隶属度函数菜单;输入mfedit或选择编辑隶属度函数菜单;输入mfedit，或选择编辑隶属度函数菜单;输入ruleedit，或选择编辑模糊规那么菜单;浏览模糊规那么;模糊推理输入输出曲面视图，完成模糊推理系统的构建。;模糊推理系统的存储：;例：自适应模糊PID控制器;设计一模糊控制器

步骤

1.确定e，de和u的论域

2.e，de和u语言变量的选取

3.规那么的制定

4.推理方法确实定;1.根据系统实际情况，选择e，de和U(△Kp，△Ki，△Kd)的论域

erange:[-11]

derange:[-0.10.1]

urange:[02]

2.e，de(误差、误差率输入变量)和u〔控制，输出变量〕语言变量的选取

e8个：NB,NM,NS,NZ,PZ,PS,PM,PB

de7个：NB,NM,NS,Z,PS,PM,PB

U7个：NB,NM,NS,Z,PS,PM,PB;偏差的隶属度函数;偏差变化的隶属度函数;输出的隶属度函数;根据以上规律得△Kp、△Ki、△Kd的模糊规那么表;3.推理方法的制定;利用模糊逻辑工具箱的图形界面与Simulink动态仿真环境;;;;用surfview菜单命令看模糊控制器的输出量;整定出的△Kp，△Ki，△Kd代入PID算法的离散

差分公式;1、双击fuzzycontrller，给模糊控制器命名→OK

2、在matlab窗口中输入命令：

命名=readfis(‘变量名.fis’);常用模块库;Simulink中系统模型根本操作方法;;利用MATLAB提供的模糊逻辑工具箱函数;f2=1;

a=addvar(a,input,ec,[-3*f2,3*f2]);

%添加ec的模糊语言变量

a=addmf(a,input,2,NB,zmf,[-3*f2,-1*f2]);

a=addmf(a,input,2,NM,trimf,[-3*f2,-2*f2,0]);

a=addmf(a,input,2,NS,trimf,[-3*f2,-1*f2,1*f2]);

a=addmf(a,input,2,Z,trimf,[-2*f2,0,2*f2]);

a=addmf(a,input,2,PS,trimf,[-1*f2,1*f2,3*f2]);

a=addmf(a,input,2,PM,trimf,[0,2*f2,3*f2]);

a=addmf(a,input,2,PB,smf,[1*f2,3*f2]);;f3=1.5;

a=addvar(a,output,u,[-3*f3,3*f3]);

%添加u的模糊语言变量

a=addmf(a,output,1,NB,zmf,[-3*f3,-1*f3]);

a=addmf(a,output,1,NM,trimf,[-3*f3,-2*f3,0]);

a=addmf(a,output,1,NS,trimf,[-3*f3,-1*f3,1*f3]);

a=addmf(a,output,1,Z,trimf,[-2*f3,0,2*f3]);

a=addmf(a,output,1,PS,trimf,[-1*f3,1*f3,3*f3]);

a=addmf(a,output,1,PM,trimf,[0,2*f3,3*f3]);

a=addmf(a,output,1,PB,smf,[1*f3,3*f3]);;rulelist=[11111;%编辑模糊规那么

12111;

13111;

14211;

15211;

16311;

17411;

21111;

22211;

23211;

24211;

253