模糊控制在MATLAB中的实现.ppt

Mamdani模糊推理,去模糊方法,1.最大隶属度法 2.重心法 3.加权平均法,最大隶属度法u=(0.5/-3)+(0.5/-2)+(1/-1)+(0.5/0)+(0.5/1)+(0/2)+(0/3)对上式控制量的模糊子集按照隶属度最大原则，取控制量为-1级重心法 加权平均法,模糊控制在MATLAB中的实现,1、采用MATLAB语言根据具体的控制算法编程,2、利用MATLAB提供的模糊逻辑工具箱函数,3、利用模糊逻辑工具箱的图形界面与Simulink动态仿真环境,仿真方法：,简单,直观,复杂但灵活,MATLAB工具箱提供的图形化工具：,模糊系统,例：小费问题,小费与服务及食物质量有关输入：服务及食物质量，2个输入输出：小费，1个输出语言值：,食物：差、好；0—10,服务：差、好、很好；0—10,小费：少、中等、高；0—30,模糊规则： 1、如果服务差或食物差，则小费少；,2、如果服务中等，则小费中等；,3、如果服务好或食物非常可口，则小费高在matlab工作窗口输入：fuzzy+回车或fuzzy + 文件名（.fis） 进入图形界面编辑,增加输入变量,输入mfedit或选择编辑隶属度函数菜单,输入服务的隶属度函数,输入mfedit或选择编辑隶属度函数菜单,输入食物的隶属度函数,输入mfedit，或选择编辑隶属度函数菜单,输出小费的隶属度函数,将修改保存到工作空间,输入ruleedit，或选择编辑模糊规则菜单,模糊规则： 1、如果服务差，食物差，则小费少；,2、如果服务好，则小费中等；,3、如果服务好和食物非常可口，则小费高。

浏览模糊规则,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：,1、选择File→Export菜单将创建的模糊推理系统 存成*.fis文件 2、选择File→Save to Workspace as …. 保存到matlab工作空间，输入变量名（英文命名）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. 规则的制定4. 推理方法的确定,假定被控对象的传递函数为：,利用Simulink动态仿真,1. 根据系统实际情况，选择e，de和U (△Kp，△Ki，△Kd)的论域e range : [-1 1]de range: [-0.1 0.1]u range: [0 2] 2. e，de和u语言变量的选取e 8个：NB,NM,NS,NZ,PZ,PS,PM,PBde 7个：NB,NM,NS,Z,PS,PM,PBU 7个：NB,NM,NS,Z,PS,PM,PB,利用MATLAB的Toolbox工具,偏差的隶属度函数,输入的隶属度函数,偏差变化的隶属度函数,输出的隶属度函数,△Kp，△Ki，△Kd,根据以上规律得△Kp 、△Ki、△Kd的模糊规则表,根据设计经验，得出改变PID参数△Kp，△Ki，△Kd的规律,当偏差较大时， △Kp=较大（使系统响应加快），Kd=零或较小Ki=0（避免过大的超调）,当偏差中等时， △Kp=较小（使系统响应具有较小的超调），Kd=适当（对系统影响较大）Ki=适当,当偏差较小时， △Kp=较大（使系统具有良好的稳态性能），Kd=适当（避免在平衡点附近振荡）Ki=较大（使系统具有良好的稳态性能），,,,3.模糊规则确定,根据PID控制中Kp、Ki、Kd的调节经验，确定模糊规则，绘制成表。

4.推理方法的制定,推理方法: 采用 ‘mamdani’方法 去模糊方法：加权平均法 选择隶属函数的形式：三角型,利用模糊逻辑工具箱的图形界面与Simulink动态仿真环境,,模糊规则：,,模糊规则：,,0.1,1,-0.1,-1,0,2,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fuzzy contrller，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’),将*fis文件导入Simulink模型中的步骤：,,Scope 2,,Scope 1,Scope 3,利用MATLAB提供的模糊逻辑工具箱函数,创建一个新的模糊推理系统（模糊控制器）,输入输出的量化等级都为7级 e、ec、 u ={-3,-2,-1,0,1,2,3} 各取7个语言值，可取：模糊子集：负大、负中、负小、零、正小、正中、正大 e、ec的论域 =[-3,3] u的论域 =[-4.5, 4.5] 隶属度函数任意确定模糊控制器设计 a=newfis('fuzzf'); %创建新的模糊推理系统 f1=1; a=addvar(a,'input','e',[-3*f1,3*f1]); %添加 e 的模糊语言变量 a=addmf(a,'input',1,'NB','zmf',[-3*f1,-1*f1]); %添加 e 的模糊语言变量的隶属度函数（z型） a=addmf(a,'input',1,'NM','trimf',[-3*f1,-2*f1,0]); %隶属度函数为三角形 a=addmf(a,'input',1,'NS','trimf',[-3*f1,-1*f1,1*f1]); a=addmf(a,'input',1,'Z','trimf',[-2*f1,0,2*f1]); a=addmf(a,'input',1,'PS','trimf',[-1*f1,1*f1,3*f1]); a=addmf(a,'input',1,'PM','trimf',[0,2*f1,3*f1]); a=addmf(a,'input',1,'PB','smf',[1*f1,3*f1]);,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=[1 1 1 1 1; %编辑模糊规则1 2 1 1 1;1 3 1 1 1;1 4 2 1 1;1 5 2 1 1;1 6 3 1 1;1 7 4 1 1;2 1 1 1 1;2 2 2 1 1;2 3 2 1 1;2 4 2 1 1;2 5 3 1 1;2 6 4 1 1;2 7 5 1 1;,e,ec,u,权系数 0-1,与“1” 或“0”,a=addrule(a,rulelist); %添加模糊规则函数showrule(a) %显示模糊规则函数a1=setfis(a,'DefuzzMethod','centroid'); %设置模糊系统特性writefis(a1,'fuzzf'); %保存模糊系统a2=readfis('fuzzf'); %从磁盘读出保存的模糊系统disp('fuzzy Controller table:e=[-3,+3],ec= [-3,+3]');%显示矩阵和数组内容Ulist=zeros(7,7); %全零矩阵,for i=1:7for j=1:7e(i)=-4+i;ec(j)=-4+j;Ulist(i,j)=evalfis([e(i),ec(j)],a2); %完成模糊推理计算endendUlist=ceil(Ulist) %朝正无穷方向取整,figure(1); plotfis(a2); figure(2);plotmf(a,'input',1);figure(3);plotmf(a,'input',2);figure(4);plotmf(a,'output',1);,。