模糊控制详细讲解实例之欧阳歌谷创作
精益生产改善提案之欧阳歌谷创编
欧阳歌谷创编 2021年2月1 插件工序动作分析要素调
查汇总
欧阳歌谷创编 2021年2月1
汇总动作改善提案问题分析
欧阳歌谷创编 2021年2月1
一、料盘改成随意组装可减少作业空间的占用并减小动作距离
二、椅子改成高矮可调控可减轻身体疲劳
欧阳歌谷创编 2021年2月1
三、防静电手腕改成无绳可便于元器件的取放
说Array明：
由于
插件
动作改善提案最终并未能根据改善建议进行改善(经评审，椅子改成高矮可调暂不实施；可组装料
盘与无绳防静电手腕正在联系中)，所以无改善后的分析及具体改进的经济性分析。
并插件动作改
善提案动作要素不能量化，所以无法形成图示。
欧阳歌谷创编 2021年2月1。
全国数学建模B题之欧阳歌谷创作
题目欧阳歌谷（2021.02.01）摘要1问题的重述基于移动互联网的自助式劳务众包平台，为企业提供各种商业检查和信息搜集，相比传统的市场调查方式可以大大节省调查成本，而且有效地保证了调查数据真实性，缩短了调查的周期。
对于整个过程当中，任务的定价问题成为了核心关键。
当定价过高时，商家所付出的代价太大；当定价过低时，会员拒接此类任务，最终导致商品检查（任务）失败。
请讨论以下问题:问题一根据对所给的附件一已结束项目任务数据的研究，研究（找出）项目任务的定价规律，同时分析部分任务未完成的原因。
问题二根据问题一的情况为附件一中的项目设计一个新的任务定价方案，并且与原方案进行比较。
问题三考虑到实际情况中，绝大多数用户会争相竞争选择位置比较集中的多个任务，因此，商家（平台）考虑将这些任务联合在一起打包发布。
基于这种条件，对问题二的定价模型进行相应的修改并且分析此类情形对最终任务的完成情况有什么影响。
问题四根据前三问分析所建立出来的定价模型给出附件三中新项目的任务定价方案，并且评价该方案的实施效果。
2问题分析“拍照赚钱”的任务实际上就是通过劳务众包的方式进行工作，所谓众包就是将原本由企业内部员工完成的任务，以开放的形式外包给未知的且数量庞大的群体来完成。
在本题所涉及到的自助式劳务众包平台，企业将所需搜集的信息通过APP这个平台，展现在大众面前，大众根据自身情况来对一系列任务进行选择性的完成，最终得到相应的奖金。
问题一中对于任务悬赏金额量的确定是由一系列因素决定的，包括任务发布者所期望得到的作品数量、同期不同发布商所给的悬赏金、任务的难易程度、任务的期限等，对于问题一我们可以将这些因素都考虑进去，挖掘出各因素对于定价的影响规律，最终确定项目任务的定价规律，在综合分析实际情况和用户的信誉程度影响，来归纳出任务未完成的原因。
问题二中对于任务未完成情况的再分析，在问题一建立的模型的基础上，再考虑任务量，交通便利性等因素，将这些因素考虑进去之后，充分考虑任务点周围会员的信誉值情况，讨论任务未完成跟低信誉会员之间有什么关系，建立新的任务定价模型再给出新的任务定价方案，最后结合计算机对任务进行模拟仿真，得到在新任务定价条件下的各区域任务完成率和总完成率，将这个指标与之前的指标进行比较，可判断新任务定价方案是否优于模型一。
深入浅出REST之欧阳学文创编
深入浅出REST欧阳歌谷（2021.02.01）作者Stefan Tilkov译者苑永凯发布于2007年12月25日下午10时10分不知你是否意识到，围绕着什么才是实现异构的应用到应用通信的“正确”方式，一场争论正进行的如火如荼：虽然当前主流的方式明显地集中在基于SOAP、WSDL和WS-*规范的Web Services领域，但也有少数人用细小但洪亮的声音主张说：更好的方式是REST，表述性状态转移（Representational State Transfer）的简称。
在本文中，我不会涉及争论的话题，而是尝试对REST和Restful HTTP 应用集成做实用性的介绍。
以我的经验，有些话题一旦触及就会引来众多的讨论，当涉及到这方面话题的时候，我会深入详细地阐述。
REST关键原则大部分对REST的介绍是以其正式的定义和背景作为开场的。
但这儿且先按下不表，我先提出一个简单扼要的定义：REST定义了应该如何正确地使用（这和大多数人的实际使用方式有很大不同）Web标准，例如HTTP和URI。
如果你在设计应用程序时能坚持REST原则，那就预示着你将会得到一个使用了优质Web架构（这将让你受益）的系统。
总之，五条关键原则列举如下：•为所有“事物”定义ID•将所有事物链接在一起•使用标准方法•资源多重表述•无状态通信下面让我们进一步审视这些原则。
为所有“事物”定义ID在这里我使用了“事物”来代替更正式准确的术语“资源”，因为一条如此简单的原则，不应该被淹没在术语当中。
思考一下人们构建的系统，通常会找到一系列值得被标识的关键抽象。
每个事物都应该是可标识的，都应该拥有一个明显的ID——在Web中，代表ID 的统一概念是：URI。
URI构成了一个全局命名空间，使用URI 标识你的关键资源意味着它们获得了一个唯一、全局的ID。
对事物使用一致的命名规则（naming scheme）最主要的好处就是你不需要提出自己的规则——而是依靠某个已被定义，在全球范围中几乎完美运行，并且能被绝大多数人所理解的规则。
电力负荷仿真报告之欧阳歌谷创编
目录欧阳歌谷（2021.02.01）一、负荷预测技术发展情况 0二、算法实现 (2)三、编程代码 (5)四、算例测试 (6)五、心得体会 (9)六、参考文献 (10)一、负荷预测技术发展情况为电力负荷预测制定一个精确的模型对一个公用事业公司的运作和规划是必不可少的。
负荷预测也可帮助电力事业来作出重大的决定，包括关于购买和发电，负荷开关，及基础设施的发展。
短期负荷预测是随着电力系统EMS的逐步发展而发展起来的，现已经成为EMS必不可少的一部分和为确保电力系统安全经济运行所必需的手段之一。
随着电力市场的建立和发展，对短期负荷预测提出了更高的要求，短期负荷预测不再仅仅是EMS的关键部分，同时也是制定电力市场交易计划的基础。
电力系统负荷预测为这一地区电力规划奠定了一定的基础，同时也为这一地区电力工业布局、能源资源平衡、电力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据。
因此，电力负荷预测是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对于整个国民经济的发展均有着十分重要的意义。
电力负荷预测分为经典预测方法和现代预测方法。
（1）经典预测方法1）时间序列法时间序列法是一种最为常见的短期负荷预测方法，它是针对整个观测序列呈现出的某种随机过程的特性，去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。
它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。
时间序列预测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计预测区间的大小。
随机型时间序列预测模型可以看作一个线性滤波器。
根据线性滤波器的特性，时间序列可划为自回归(AR)、动平均(MA)、自回归-动平均(ARMA)、累计式自回归-动平均(ARIMA)、传递函数(TF)几类模型，其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。
三C及九千认证程序文件(新版)之欧阳歌谷创编
天津市天开陶普电器有限公司欧阳歌谷（2021.02.01）程序文件编号： TP/CX-□-2011编制：审核：批准：版本：B受控状态：分发号：2011年6月12日发布实施程序文件目录注：3C程序文件另成册1 目的为了确保质量管理体系所要求的文件得到有效控制,以使其适用、有效和不致被误用。
2适用范围本程序适用于与质量管理有关的文件,包括质量管理体系文件、3C技术文件和资料,以及外来文件(各类标准、软件、产品样本等)3 职责3.1质量体系文件(除技术文件和资料外)由办公室负责管理。
3.2技术文件和资料由技检部负责管理3.3各部门的文件,由各部门自行负责管理。
同时,各部门应作好公司或部门所发文件的管理工作。
3.4技检部负责外来文件的统一收发控制。
4 工作程序4.1文件和资料的分类a、质量手册(包括方针、目标)b、程序文件c、管理性文件(如管理制度)d、技术文件(如检验规程、技术标准、工艺规程等)e、外来文件(如国家标准、行业标准、客户图纸、强制认证产品有关文件等)f、记录4.2文件编制和审批任何文件的编制都必须具备可靠性依据,并且保证依据的持续性和可查性。
4.2.1质量手册由总经理授权管理者代表组织有关部门人员编写,经评审后由总经理批准发布实施。
4.2.2质量体系程序由各有关部门负责起草,由总经理批准发布。
4.2.3管理文件由办公室负责组织各相关部门起草,经审核,报总经理批准发布实施。
4.2.4技术性文件和资料由技检部门负责起草，经总经理或授权有关人员审批后发布实施。
4.2.5记录按《质量记录控制程序》执行。
4.3文件的编号4.3.1质量管理体系文件的编号方法a)质量手册：TP/ SC- 2011b)程序文件：TP/ CX - ×××-2011公司代号质量手册代号编制年份编制年份c)管理文件： TP / □-×.×.×d)程序文件相关记录的编号：TP /QR- JL-××-××-××4.4 文件发放a 、质量手册由总经理确定发放范围，由办公室发放。
浅谈英语情境教学法之欧阳歌谷创作
英语情景教学法的应用欧阳歌谷（2021.02.01）情景教学法是在课堂上设置一些真实性和准真实性的情景来学习和使用知识, 在教学过程中,教师有目的引入和创设具有一定情感色彩的,以形象为主体具体的场景,以引起学生一定的态度体验, 从而帮助学生理解知识和技能,并使学生心理机能得到发展, 达到教学目的的一种教学方法。
捷克教育家夸美纽斯曾说:“一切知识都是从感官开始的”。
情景教学法能使学生身临其境或如临其境,给学生展示鲜明具体的形象,使学生从形象的感知达到抽象的理性思维和顿悟,从而激发学生的学习兴趣,使学习活动成为学生自觉活动。
著名教育家陶行知先生说:“教学艺术就在于设法引起学生的兴味,有了兴味就肯用全副的精力去做事体。
” 情景教学法,可激发学生的学习兴趣，英语教学中，巧用情境教学法不失为一条锦囊妙计。
正如布鲁姆所说:“成功的外语课堂教学应当在课内创设更多的情境,让学生有机会运用已学到的语言材料。
”现行的中学英语教学由于缺乏语言环境 ,课堂40分钟的利用率如何,直接影响学生语言能力的提高和智力的开发。
因此,应在初中英语的课堂教学中主动应用“情景教学法”,激发学生学习英语的兴趣,消除他们因为缺乏语言环境而产生的畏难情绪,发挥他们学习的主动性。
可以提高学生的学习积极性,增强英语课堂教学的有效性.在平时的课堂教学中，我们可以尝试采用以下几种创设情景境的教学策略：第一、运用游戏创设情景，有利于激发学生的学习兴趣游戏是人类从儿童成长为成人的过程，是极自然的事，游戏注重过程的体验,在赋予儿童娱乐体验的同时，也促进儿童认知、情感和生活技能的发展，使学生在笑声中更有效地学习，更快地吸收知识，它作为英语教学的重要辅助手段，备受学生欢迎。
因此，在英语教学中巧妙运用游戏，能有效地激发和培养学生的学习兴趣，树立学习自信心并促进学生的全面发展。
英语课堂教学中创设游戏情境能使学生达到乐、学、练的结合及思维与想像的发挥。
在适宜的情境中,用较短的时间达到最佳的效果,可以激发学习动机,发展多种能力,启发思维和想像力,对培养情感与个性都有很大的作用。
实验一处理器调度实验报告之欧阳学文创编
实验一处理器调度欧阳歌谷（2021.02.01）一、实验内容选择一个调度算法，实现处理器调度。
二、实验目的在采用多道程序设计的系统中，往往有若干个进程同时处于就绪状态。
当就绪状态进程个数大于处理器数时，就必须依照某种策略来决定哪些进程优先占用处理器。
本实验模拟在单处理器情况下处理器调度，帮助学生加深了解处理器调度的工作。
三、实验题目设计一个按优先数调度算法实现处理器调度的程序提示：（1）假定系统有五个进程，每一个进程用一个进程控制块PCB 来代表。
进程控制块的格式为：其中，进程名----作为进程的标识，假设五个进程的进程名分别是P1，P2，P3，P4，P5。
指针----按优先数的大小把五个进程连成队列，用指针指出下一个进程的进程控制块首地址，最后一个进程中的指针为“0”。
要求运行时间----假设进程需要运行的单位时间数。
优先数----赋予进程的优先数，调度时总是选取优先数大的进程先执行。
状态----可假设有两种状态，“就绪”状态和“结束“状态，五个进程的初始状态都为“就绪“状态，用“R”表示，当一个进程运行结束后，它的状态变为“结束”，用“E”表示。
（2）在每次运行你所设计的处理器调度程序之前，为每个进程任意确定它的“优先数”和“要求运行时间”。
（3）为了调度方便，把五个进程按给定的优先数从大到小连成队列，用一单元指出队首进程，用指针指出队列的连接情况。
例：队首标志（4）处理器调度总是选队首进程运行。
采用动态改变优先数的办法，进程每运行一次优先数就减“1”。
由于本实验是模拟处理器调度，所以，对被选中的进程并不实际的启动运行，而是执行：优先数－1要求运行时间－1来模拟进程的一次运行。
提醒注意的是：在实际的系统中，当一个进程被选中运行时，必须恢复进程的现场，它占有处理器运行，直到出现等待事件或运行结束。
在这里省去了这些工作。
（5）进程运行一次后，若要求运行时间≠0，则再将它加入队列（按优先数大小插入，且置队首标志）；若要求运行时间=0，则把它的状态修改为“结束”（），且退出队列。
镜头的类别与作用之欧阳歌谷创作
镜头的类别与作用欧阳歌谷（2021.02.01）发布时间:2012-02-17 浏览次数:一、镜头的类别(一)根据视觉距离的不同，有不同景别的镜头：远景、全景、中景、近景、特写、大特写等。
(二)根据摄像机镜头的运动方式不同，有不¨拍摄技巧的镜头：推、拉、摇、移、跟、升、降等。
(三)根据表现方法不同，有主观镜头和客观镜头。
(四)根据拍摄角度不同，有仰拍、平拍和俯拍的镜头。
(五)根据镜头的时间长短不同，有长镜头和短镜头。
(六)还有只拍摄自然景物的“空镜头”。
下面将分别介绍这些不同类别镜头的特征与作用。
二、景别的区分与作用在实际生活中，人们依据自己所处的位置和当时的心理需要，或远看取其势，或近看取其质，或扫视全局，或盯住一处，或看个轮廓，或明察细节。
影视艺术正是为了适应人们这种心理上、视觉上的变化特点，才产生了镜头的不同景别。
电视镜头不同景别的获得，取决于摄像机同被摄对象之间的远近，也取决于摄像机所用光学镜头的焦距。
在固定距离处，改变可变焦距摄像机的焦距，可以拍下不同景别的镜头。
景别的划分，一般地是由摄影画面表现出来的景物范围去区分，通常是以人的活动作为标准。
(一)远景远景是视距最远的景别，是摄像机摄取远距离景物和人物的一种画面。
这种画面能展示巨大的空间，表现的范围相当宽广，用来交代事物发生的地点及其周围的环境；也用来表现宽广，辽阔的场面，展示雄伟壮观的气势；也可用来描写景物，使之富有意境和诗意，从而抒发作者或人物的感情。
(二)全景表现范围比远景小，只包括所要表现的事物的全体，全貌，而不包括它周围的环境。
从人物来看，就是能清晰看到人物的全部动作。
它的作用和远景差不多，用以介绍环境，表现气氛，展示大幅度的动作，刻画人物和环境的联系。
(三)中景取景范围比全景小，表现人物膝部以上的活动。
它使用较多，因为它不远不近位置适中，非常适合观众的视觉距离，使观众既能看到环境，又能看到人的活动和人物之间的交流。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一、速度控制算法：欧阳歌谷（2021.02.01）首先定义速度偏差-50 km/h≤e（k）≤50km/h，-20≤ec（i）=e（k）-e（k-1）≤20，阀值eswith=10km/h设计思想：油门控制采用增量式PID控制算法,刹车控制采用模糊控制算法，最后通过选择规则进行选择控制量输入。
选择规则：e（k）<0 ①e（k）>-eswith and throttlr_1≠0 选择油门控制②否则：先将油门控制量置0，再选择刹车控制0<e（k）先选择刹车控制，再选择油门控制e（k）=0 直接跳出选择刹车控制：刹车采用模糊控制算法1.确定模糊语言变量e基本论域取[-50,50]，ec基本论域取[-20,20]，刹车控制量输出u基本论域取[-30,30]，这里我将这三个变量按照下面的公式进行离散化：其中，，n为离散度。
E、ec和u均取离散度n=3，离散化后得到三个量的语言值论域分别为：E=EC=U={-3,-2,-1,0,1,2,3}其对应语言值为{NB,NM,NS,ZO,PS,PM,PB}2.确定隶属度函数E/EC和U取相同的隶属度函数即：说明：边界选择钟形隶属度函数，中间选用三角形隶属度函数，图像略实际EC和E输入值若超出论域范围，则取相应的端点值。
3.模糊控制规则由隶属度函数可以得到语言值隶属度（通过图像直接可以看出）如下表：表1：E/EC和U语言值隶属度向量表设置模糊规则库如下表：表2：模糊规则表3.模糊推理由模糊规则表3可以知道输入E与EC和输出U的模糊关系，这里我取两个例子做模糊推理如下：if (E is NB) and (EC is NM) then (U is PB)那么他的模糊关系子矩阵为：其中，,即表1中NB对应行向量，同理可以得到， ,if (E is NVB or NB) and (EC is NVB) then (U is PVB)结果略按此法可得到27个关系子矩阵，对所有子矩阵取并集得到模糊关系矩阵如下：由R可以得到模拟量输出为：4.去模糊化由上面得到的模拟量输出为1×7的模糊向量，每一行的行元素（u（zij））对应相应的离散变量zj，则可通过加权平均法公式解模糊：从而得到实际刹车控制量的精确值u。
油门控制：油门控制采用增量式PID控制，即：只需要设置、、三个参数即可输出油门控制量。
二、程序实现及参数调节clear all%************************模糊算法%/*********隶属度向量 *****%P0=[1,0.5,0,0,0,0,0];%*********NBP1=[0,1,0.5,0,0,0,0];%*********NMP2=[0,0.5,1,0.5,0,0,0];%*********NSP3=[0,0,0.5,1,0.5,0,0];%*********ZOP4=[0,0,0,0.5,1,0.5,0];%*********PSP5=[0,0,0,0,0.5,1,0];%*********PMP6=[0,0,0,0,0,0.5,1];%*********PB%***********语言值 *****%NB=-3;NM=-2;NS=-1;ZO=0;PS=1;PM=2;PB=3;%/*********模糊规则表*****%Pg=[PB PB PM PM PS ZO ZO;PB PM PM PS ZO ZO NS;PM PM PS PS ZO NS NS;PM PS PS ZO ZO NS NM;PS PS ZO ZO ZO NS NM;PS ZO ZO ZO NS NM NB;ZO ZO ZO NS NM NM NB];%/*********根据规则表计算模糊关系矩阵*****% R1_=dikaer(xbing(P0,P1),7,P0,7);R1_=reshape(R1_,1,49);R1=dikaer(R1_,49,P6,7);R2_=dikaer(xbing(P2,P3),7,P0,7);R2_=reshape(R2_,1,49);R2=dikaer(R2_,49,P5,7);R3_=dikaer(P0,7,P1,7);R3_=reshape(R3_,1,49);R3=dikaer(R2_,49,P6,7);R4_=dikaer(xbing(P1,P2),7,P1,7); R4_=reshape(R4_,1,49);R4=dikaer(R4_,49,P5,7);R5_=dikaer(P3,7,P1,7);R5_=reshape(R5_,1,49);R5=dikaer(R5_,49,P4,7);R6_=dikaer(xbing(P0,P1),7,P2,7); R6_=reshape(R6_,1,49);R6=dikaer(R6_,49,P5,7);R7_=dikaer(xbing(P2,P3),7,P2,7); R7_=reshape(R7_,1,49);R7=dikaer(R7_,49,P4,7);R8_=dikaer(P0,7,P3,7);R8_=reshape(R8_,1,49);R8=dikaer(R8_,49,P5,7);R9_=dikaer(xbing(P1,P2),7,P3,7); R9_=reshape(R9_,1,49);R9=dikaer(R9_,49,P4,7);R10_=dikaer(P3,7,P3,7);R10_=reshape(R10_,1,49);R10=dikaer(R10_,49,P3,7);R11_=dikaer(xbing(P0,P1),7,P4,7); R11_=reshape(R11_,1,49);P45=xbing(P4,P5);R12_=dikaer(xbing(P2,P3),7,P45,7); R12_=reshape(R12_,1,49);R12=dikaer(R12_,49,P3,7);R13_=dikaer(P0,7,P5,7);R13_=reshape(R13_,1,49);R13=dikaer(R13_,49,P4,7);R14_=dikaer(P1,7,P5,7);R14_=reshape(R14_,1,49);R14=dikaer(R14_,49,P3,7);P01=xbing(P0,P1);R15_=dikaer(xbing(P01,P2),7,P6,7); R15_=reshape(R15_,1,49);R15=dikaer(R15_,49,P3,7);R16_=dikaer(P3,7,P6,7);R16_=reshape(R16_,1,49);R16=dikaer(R16_,49,P2,7);R17_=dikaer(P4,7,P0,7);R17_=reshape(R17_,1,49);R17=dikaer(R17_,49,P4,7);R18_=dikaer(xbing(P5,P6),7,P0,7); R18_=reshape(R18_,1,49);R19_=dikaer(xbing(P4,P5),7,P1,7); R19_=reshape(R19_,1,49);R19=dikaer(R19_,49,P3,7);R20_=dikaer(P6,7,xbing(P1,P2),7); R20_=reshape(R20_,1,49);R20=dikaer(R20_,49,P2,7);P23=xbing(P2,P3);R21_=dikaer(P4,7,xbing(P23,P4),7); R21_=reshape(R21_,1,49);R21=dikaer(R21_,49,P3,7);R22_=dikaer(P5,7,xbing(P23,P4),7); R22_=reshape(R22_,1,49);R22=dikaer(R22_,49,P2,7);R23_=dikaer(P6,7,xbing(P3,P4),7); R23_=reshape(R23_,1,49);R23=dikaer(R23_,49,P1,7);R24_=dikaer(P4,7,P5,7);R24_=reshape(R24_,1,49);R24=dikaer(R24_,49,P2,7);R25_=dikaer(P5,7,P5,7);R25_=reshape(R25_,1,49);R25=dikaer(R25_,49,P1,7);R26_=dikaer(P6,7,xbing(P6,P5),7);R26_=reshape(R26_,1,49);R26=dikaer(R26_,49,P0,7);R27_=dikaer(xbing(P4,P5),7,P6,7);R27_=reshape(R27_,1,49);R27=dikaer(R27_,49,P1,7);m=[R1,R2,R3,R4,R5,R6,R7,R8,R9,R10,R11,R12,R13,R14,R15,R16,R 17,R18,R19,R20,R21,R22,R23,R24,R25,R26,R27];R=bingji(m);%*************初始化参量e=0;ec=0;y_1=0;y_2=0;u=0;u_1=0;u_2=0;u_3=0;e_1=0;e_2=0; Eswith=10;throttle_1=0;brake_1=0;x=[0 0 0];ts=0.001;sys=tf(1,[1,2,1],'inputdelay',0.5);dsys=c2d(sys,ts,'zoh');[num,den]=tfdata(dsys,'v');for k=1:1:40000%****************控制系统time(k)=k*ts;if(k<25000)vd(k)=40;elsevd(k)=0;endy(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_1+num(3)*u_2; e=vd(k)-y(k);ec=e-e_1;u_3=u_2;u_2=u_1;u_1=u;y_2=y_1;y_1=y(k);x(1)=e;x(2)=(e-e_1)/ts;x(3)=x(3)+e*ts;%*******************************油门PID控制kp=0.42;Ti=30;Td=0.0018;ki=kp*ts/Ti;kd=kp*Td/ts;dthrottle=kp*x(1)+kd*x(2)+ki*x(3);throttle=u_1+dthrottle;if(throttle>2000)throttle=2000;end%****************************刹车控制%/********压缩输入变量*****%E=lisan(-50,50,3,e);EC=lisan(-20,20,3,ec);%/*********计算实际输入变量隶属度向量*****% E_R(1)=lbell(E,1,4,-3);E_R(2)=trig(E,-3,-2,0);E_R(3)=trig(E,-3,-1,1);E_R(4)=trig(E,-2,0,2);E_R(5)=trig(E,-1,1,3);E_R(6)=trig(E,0,2,3);E_R(7)=rbell(E,1,4,3);EC_R(1)=lbell(EC,1,4,-3);EC_R(2)=trig(EC,-3,-2,0);EC_R(3)=trig(EC,-3,-1,1);EC_R(4)=trig(EC,-2,0,2);EC_R(5)=trig(EC,-1,1,3);EC_R(6)=trig(EC,0,2,3);EC_R(7)=rbell(EC,1,4,3);%/*********模糊推理过程*****%U_R1=dikaer(E_R,7,EC_R,7);U_R1=reshape(U_R1,1,49);U_R2=jdikaer(U_R1,49,R,7);U_R=max(U_R2);u_L=mean(U_R);%/*********去模糊化*****%brake=-flisan(-150,150,3,u_L);e_2=e_1;e_1=e;%/************************选择规则if (e<0)if ((e>-Eswith)||(throttle_1~=0))if(throttle<=throttle_1)throttle_1=throttle;u=throttle;Q(k)=u;W(k)=0;elsethrottle=0;throttle_1=throttle;u=throttle;Q(k)=u;W(k)=0;endelseif(throttle_1==0)brake_1=brake;u=brake;W(k)=u;Q(k)=0;elsethrottle=0;throttle_1=throttle; u=throttle;Q(k)=u;W(k)=0;endendelseif(e~=0)if(brake_1==0)throttle_1=throttle; u=throttle;Q(k)=u;W(k)=0;elsebrake=0;brake_1=brake;u=brake;endelseu=0;W(k)=0;Q(k)=0;endend%********************»-ͼÊä³öÁ¿¶¨ÒåM(k)=u;%******************************迟滞环节if (time(k)<=0.5)u=0;elseu=M(k-0.5/ts);endend%**********画图figure(1);plot(time,vd,'r',time,y,'k','linewidth',2);xlabel('time(s)');ylabel('vd,y');legend('ÆÚÍû','ʵ¼Ê');figure(2);plot(time,Q,'r','linewidth',2);xlabel('time(s)');ylabel('u');figure(3);plot(time,W,'r','linewidth',2);xlabel('time(s)');ylabel('u');figure(4);plot(time,N,'b');xlabel('time£¨s£©');ylabel('e');程序说明：仿真分加速和加速两个阶段，加速阶段主要应用油门控制，加速阶段主要由刹车控制。