模糊控制MATLAB实现具体过程(强势吐血推荐)
用 Matlab 的 Fuzzy 工具箱实现模糊控制
用 Matlab 的 Fuzzy 工具箱实现模糊控制Matlab, Fuzzy, 模糊控制, 工具箱用Matlab 中的Fuzzy 工具箱做一个简单的模糊控制，流程如下：1、创建一个FIS (Fuzzy Inference System ) 对象，a = newfis(fisName,fisType,andMethod,orMethod,impMethod, aggMethod,defuzzMethod)一般只用提供第一个参数即可，后面均用默认值。
2、增加模糊语言变量a = addvar(a,'varType','varName',varBounds)模糊变量有两类：input 和output。
在每增加模糊变量，都会按顺序分配一个index，后面要通过该index 来使用该变量。
3、增加模糊语言名称，即模糊集合。
a = addmf(a,'varType',varIndex,'mfName','mfType',mfParams)每个模糊语言名称从属于一个模糊语言。
Fuzzy 工具箱中没有找到离散模糊集合的隶属度表示方法，暂且用插值后的连续函数代替。
参数mfType 即隶属度函数(Membership Functions)，它可以是Gaussmf、trimf、trapmf等，也可以是自定义的函数。
每一个语言名称也会有一个index，按加入的先后顺序得到，从 1 开始。
4、增加控制规则，即模糊推理的规则。
a = addrule(a,ruleList)其中ruleList 是一个矩阵，每一行为一条规则，他们之间是ALSO 的关系。
假定该FIS 有N 个输入和M 个输出，则每行有N+M+2 个元素，前N 个数分别表示N 个输入变量的某一个语言名称的index，没有的话用0 表示，后面的M 个数也类似，最后两个分别表示该条规则的权重和个条件的关系，1 表示AND，2 表示OR。
模糊控制的Matlab仿真实例
其他例子
模型Shower.mdl―淋浴温度调节模糊控制系统仿真； 模型slcp.mdl―单级小车倒摆模糊控制系统仿真； 模型 slcp1.mdl―变长度倒摆小车模糊控制系统仿
真； 模型 slcpp1.mdl—定长、变长二倒摆模糊控制系
统仿真； 模型slbb.mdl―球棒模糊控制系统仿真； 模型sltbu.mdl―卡车智能模糊控制倒车系统仿真； 模型sltank2.mdl ― 用子系统封装的水箱控制仿
为简单起见，我们直接利用系统里已经编辑好的 模糊推理系统，在它的基础上进行修改。这里我 们采用与tank . fis中输入输出变量模糊集合完 全相同的集合隶属度函数定义，只是对模糊规则 进行一些改动，来学习模糊工具箱与仿真工具的 结合运用。对于这个问题，根据经验和直觉很显 然可以得到如下的模糊度示 波器
冷水阀子系统
这个仿真模型的输出是用示波器来表示的，如 图所示。通过示波器上的图形我们可以清楚地 看到温度和水流量跟踪目标要求的性能。
水温示波器
水流示波器
水温偏差区间模糊划分及隶属度函数
水流量偏差区间模糊划分及隶属度函数
输出对冷水阀控制策略的模糊化分及隶属度函数
选Edit菜单，选择Rules, 弹出一新界面Rule Editor. 在底部的选择框内，选择相应的 IF…AND…THEN 规则，点击Add rule 键，上部 框内将显示相应的规则。本例中用9条左右的规 则，依次加入。如下图所示：
模糊逻辑工具箱仿真结果
模糊规则浏览器用于显示各条模糊控制规则对 应的输入量和输出量的隶属度函数。通过指定 输入量，可以直接的显示所采用的控制规则， 以及通过模糊推理得到相应输出量的全过程， 以便对模糊规则进行修改和优化。
这样的结果与实际情况还是有些不符。通常顾客都是给15％的 小费，只有服务特别好或特别不好的时候才有改变，也就是说， 希望在图形中间部分的响应平坦些，而在两端（服务好或坏） 有凸起或凹陷。这时服务与小费是分段线性的关系。例如，用 下面 MATLAB 语句绘出的下图的情况。
如何利用Matlab进行模糊控制
如何利用Matlab进行模糊控制引言近年来，随着科技的不断发展，模糊控制作为一种重要的控制方法，在各个领域得到了广泛的应用。
而Matlab作为一款功能强大的数学工具软件，对于模糊控制的实现提供了便捷的支持。
本文将介绍如何利用Matlab进行模糊控制，以及其在实际应用中的优势和局限性。
一、模糊控制简介模糊控制是一种基于模糊逻辑的控制方法，它通过将模糊规则应用于控制系统，使其能够对不确定性和模糊信息进行处理。
与传统的精确控制方法相比，模糊控制更适用于处理复杂系统或无法精确建模的系统。
二、Matlab中的模糊控制工具箱Matlab提供了专门的模糊控制工具箱，可以方便地实现模糊控制系统的建模、仿真和优化等操作。
在Matlab的模糊控制工具箱中，主要包括两个核心部分：模糊推理引擎和模糊控制器。
1. 模糊推理引擎模糊推理引擎是模糊控制系统的核心部分，它负责根据输入和模糊规则，对系统进行推理和输出控制量。
在Matlab中，可以使用命令"newfis"来创建一个新的模糊控制系统，然后通过定义输入和输出变量、设定隶属函数和模糊规则等步骤，来构建一个完整的模糊控制系统。
2. 模糊控制器模糊控制器是模糊控制系统的具体实现，它将模糊推理引擎与输入输出之间的映射关系结合起来。
在Matlab中，可以使用命令"newfis"创建一个新的模糊控制系统，然后使用"addInput"和"addOutput"来添加输入和输出变量，最后通过设定隶属函数和模糊规则等步骤，来实现模糊控制器的搭建。
三、模糊控制的实际应用模糊控制在实际应用中有着广泛的应用领域，例如机器人控制、汽车导航、电力系统等。
下面将以一个模拟小车控制的实例来介绍如何利用Matlab进行模糊控制。
假设有一个小车需要根据距离和角度来控制其行驶方向和速度。
首先要定义输入和输出变量，这里我们将距离划分为近、中、远三个模糊集，角度划分为左、中、右三个模糊集，行驶方向划分为左转、直行、右转三个模糊集，行驶速度划分为慢、中、快三个模糊集。
模糊控制的MATLAB实现具体过程(强势吐血推荐)
3、FIS系统相关操作 ① 函数newfis 功能：创建并返回一个新的模糊推理系统。 格式：a=newfis(‘fisName’) ②函数readfis 功能：从磁盘中读出并返回模糊推理系统结构变量。 格式：Fismat=readfis(‘filename’) 说明：打开一个由filename指定的数据文件（.fis），并将其 加载到当前的工作空间(Workspace)中的变量Fismat中。 例：fismat=readfis(‘tipper’); //tipper.fis已经存在
例： x=0:0.1:10; y=trapmf(x, [1 5 7 8]); plot(x,y) xlable(‘trapmf,P=[1 5 7 8]’)
③ 函数gaussmf 功能：建立高斯型隶属度函数。
格式：y=gaussmf(x,[sig c])
其中：参数x指定变量论域范围，参数c决定了函数的中心 点，sig决定了函数曲线的宽度σ 。
说明：隶属度函数只能为模糊推理系统中已经存在的某 一语言变量的语言值添加隶属度函数。参数列表中，a为 模糊推理系统对应的矩阵变量名， varType指定语言变量 类型的字符串（如‘input’或‘output’）； varIndex指定 语言变量编号的数字；mfName指定隶属度函数名称； mfType指定隶属度函数类型； mfParams指定隶属度函数的 参数。
模糊控制的matlab实现具体过程强势吐血推荐
MATLAB模糊逻辑工具箱 建立模糊逻辑推理系统 命令行函数（以 .m文件存放） 工具 图形交互工具(GUI－Graphical User Interface) (图形用户界面) 接口仿真逻辑模块（Simulink环境） 图形交互工具箱提供的图形化工具有五类：
模糊pidmatlab(simulink)仿真详细步骤
下面用一个简单的例子作介绍：（本例不是特别针对实现什么功能，只是为了介绍方便）第一部分创建一个模糊逻辑（.fis文件）第一步：打开模糊推理系统编辑器步骤：在Commond Window 键入fuzzy回车打开如下窗口，既模糊推理系统编辑器第二步：使用模糊推理系统编辑器本例用到两个输入，两个输出，但默认是一个输人，一个输出步骤：1、添加一个输入添加一个输出得如下图2、选择Input、output(选中为红框)，在Name框里修改各输入的名称并将And method 改为prod，将Or method 改为probor提示：在命名时’_’在显示时为下标，可从上图看出。
第三步：使用隶属函数编辑器该编辑器提供一个友好的人机图形交互环境，用来设计和修改模糊推理系中各语言变量对应的隶属度函数的相关参数，如隶属度函数的形状、范围、论域大小等，系统提供的隶属度函数有三角、梯形、高斯形、钟形等，也可用户自行定义。
步骤：1、双击任何一个输入量（In_x、In_y）或输出量打开隶属度函数编辑器。
2、在左下处Range和Display Range处添加取值范围，本例中In_x和In_y的取值范围均为[0 10], Out_x和Out_y的取值范围均为[0 1]3、默认每个输入输出参数中都只有3个隶属度函数，本例中每个输入输出参数都需要用到五个，其余几个需要自己添加：选中其中一个输入输出参数点击Edit菜单，选Add MFS…打开下列对话框将MF type设置为trimf(三角形隶属度函数曲线，当然你也需要选择其他类型) 将Number of MFs设置为2点击OK按钮同样给其他三个加入隶属度函数4、选中任何一个隶属度函数（选中为红色），在Name中键入名称，在Type 中选择形状，在Params中键入范围，然后回车如下图：5、关闭隶属函数编辑器第四步：使用规则编辑器通过隶规则编辑器来设计和修改“IF...THEN”形式的模糊控制规则。
模糊控制在matlab中的实例
模糊控制在matlab中的实例以下是一个模糊控制的MATLAB实例：假设我们要控制一个水平摆，使其保持在垂直状态。
我们可以使用模糊控制器来实现这个任务。
首先，我们需要定义输入和输出变量。
对于输入变量，我们可以选择摆的角度和摆的角速度，对于输出变量，我们可以选择施加到摆上的力。
```matlab% 定义输入变量angle = fuzzymf("angle", [-90 -45 0 45 90], "trimf", [-90 -45 0 45 90]);angular_velocity = fuzzymf("angular_velocity", [-10 -5 0 5 10], "trimf", [-10 -5 0 5 10]);% 定义输出变量force = fuzzymf("force", [-20 -10 0 10 20], "trimf", [-20 -10 0 10 20]);```接下来，我们定义模糊规则。
这些规则描述了如果摆的角度和角速度是什么，我们应该施加多少力，以使摆保持垂直。
```matlab% 定义模糊规则rules = [1 1 3 1;1 2 4 1;1 3 5 2;2 1 2 1;2 23 1;2 3 4 2;3 1 1 2;3 2 2 1;3 3 3 1;4 1 1 3;4 2 2 2;4 3 3 1;5 1 1 3;5 2 2 2;5 3 4 3];% 定义模糊推理引擎fis = mamfis("Name", "Pendulum Fuzzy Controller", "NumInputs", 2, "NumOutputs", 1);fis.Inputs(1).MembershipFunctions = angle;fis.Inputs(2).MembershipFunctions = angular_velocity; fis.Outputs(1).MembershipFunctions = force;fis.Rules = rules;```最后，我们可以使用模糊控制器来控制水平摆。
使用Matlab技术进行模糊控制的基本方法
使用Matlab技术进行模糊控制的基本方法随着科技的不断发展，控制系统越来越广泛地应用于各个领域，帮助我们解决实际问题。
在控制系统中，模糊控制技术因其适应性强、鲁棒性好等特点而备受关注。
而Matlab作为一个强大的计算工具，为我们提供了许多实现模糊控制的功能。
本文将介绍使用Matlab技术进行模糊控制的基本方法。
一、模糊控制的基本理论在介绍使用Matlab进行模糊控制的方法之前，我们先来了解一下模糊控制的基本理论。
模糊控制是一种基于模糊逻辑的控制方法，它模拟人类的思维方式进行控制，通过建立模糊规则库来实现对系统的控制。
在模糊控制中，输入和输出之间的关系由一组模糊规则来描述，这些模糊规则可以通过模糊推理进行计算得到系统的输出。
模糊控制主要有三个基本步骤：模糊化、模糊推理和去模糊化。
模糊化是将输入的实际值通过模糊隶属函数映射成模糊集合。
模糊推理则是根据模糊规则库进行推理计算，得到模糊输出。
最后，去模糊化将模糊输出转换为实际的控制量。
二、使用Matlab进行模糊控制的步骤1. 定义模糊集合和模糊规则库使用Matlab进行模糊控制的第一步是定义模糊集合和模糊规则库。
模糊控制中的模糊集合可以通过Matlab的fuzzymf函数来定义，它可以根据实际问题选择三角形、梯形、高斯函数等不同形状的隶属函数。
模糊规则库则是描述输入和输出之间关系的集合，它由一组模糊规则构成。
在Matlab中，可以使用fuzzylut函数来定义模糊规则库。
这个函数需要指定输入和输出的隶属函数以及规则的后件。
2. 模糊化和模糊推理定义好模糊集合和模糊规则库之后，接下来就是进行模糊化和模糊推理的计算了。
在Matlab中，可以使用fuzzy函数进行模糊化的计算。
这个函数需要输入模糊集合、输入的隶属函数和对应的输入值，然后计算得到模糊输入。
模糊推理可以通过fuzzy函数结合模糊规则库进行计算。
这个函数需要输入模糊规则库、模糊输入和输出的隶属函数，然后计算得到模糊输出。
模糊控制的matlab实现
6. surfview
功能：输出曲面观测器 格式： surfview (‘a’)
surfview (a) 说明：利用surfview (‘a’)可打开输出曲面观测器，从 中可查看保存在文件a.fis中的单输入或双输入FIS结 构的输出曲面。
4.1.2 隶属度函数
1. Gaussmf
功能：高斯(Gaussian)型隶属度函数 格式：y=gaussmf(x,[sig c]) 说明：对称的高斯型函数取决于２个参数σ(sig)和c：
0
x
a
f
x,
a
,b,c
b c
a x
c b
例：
0
xa
a x b
b
x
c
x c
x = 0:0.1:10;
y = trimf(x,[3 6 8]);
plot(x,y);
text(0.2,0.88,’trimf’);
text(0.2,0.78,’P = [3 6 8]’);
参数a和c确定三角 形的“脚”，而 参数b确定三角形 的“峰”
2. addrule 功能：在FIS中添加规则 格式：a=addrule(a,ruleList) 例：ruleList=[1 1 1 1 1 ;1 2 2 1 1];
a=addrule(a,ruleList);
3. addvar 功能：在FIS中添加变量 格式：a=addvar(a,’varType’,varBounds) 例：a=newfis(‘Simple’);
x c 2
f
x, ,c
e
2 2
gaussmf函数的参数以向量[sig，c]形式给出。
例：
x = 0:0.1:10;
- 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)。
访问方法
①GUI工具 ②函数
③结构名.成员名
2、存储（ .fis文件）
访问
readfis－读 writefis－写
命令函数 1、隶属度函数 ①函数trimf(表示triangular membership function) 功能：建立三角形隶属度函数。 格式：y=trimf(x,[a b c]) 其中：参数x指定变量论域范围，参数a,b和c指定三角形 函数的形状，该函数在b点处取最大值1，a,c点为0。 例：建立三角形隶属度函数并绘制曲线。
例：writefis(a,’my_file’) type my_
⑥ 函数setfis
功能：设置、改变模糊推理系统的属性。
格式：FIS2=setfis(fis1,’fispropname’,newPropValue)
说明：参数fis1指明模糊推理系统的名称；fispropname 指明模糊推理系统的全局属性； newPropValue指明此 属性的新值。
说明：隶属度函数只能为模糊推理系统中已经存在的某 一语言变量的语言值添加隶属度函数。参数列表中，a为 模糊推理系统对应的矩阵变量名， varType指定语言变量 类型的字符串（如‘input’或‘output’）； varIndex指定 语言变量编号的数字；mfName指定隶属度函数名称； mfType指定隶属度函数类型； mfParams指定隶属度函数 的参数。
注意：对于每个语言变量的隶属度函数按该函数被添加的顺 序编号，编号从1开始，依次递增。
3、FIS系统相关操作 ① 函数newfis 功能：创建并返回一个新的模糊推理系统。 格式：a=newfis(‘fisName’) ②函数readfis 功能：从磁盘中读出并返回模糊推理系统结构变量。 格式：Fismat=readfis(‘’) 说明：打开一个由指定的数据文件（.fis），并将其加载到 当前的工作空间(Workspace)中的变量Fismat中。 例：fismat=readfis(‘tipper’); //tipper.fis已经存在
在rulelist的每一行中，前m个数字表示各输入语言 变量的语言值（隶属度函数的编号），随后的n个数字表 示输出语言变量的语言值，第n+m+1个数字是该规则的 权重，权重的值在0到1之间，一般设定为1；第n+m+2 个数字为0或1两者之一，为1表示模糊规则各输入语言 变量之间是and关系，为0则表示是or关系。
4、系统图形显示函数 ① 函数plotfis
功能：绘制模糊推理系统的推理过程结构框图。 例：plotfis(‘tipper’) ② 函数plotmf
功能：绘制语言变量所有语言值的隶属度函数曲线。
格式：plotmf(fismat,varType,varIndex) 说明：参数fismat指明模糊推理系统的对应矩阵变量 名称；varType指明变量类型（’input’或’output’）； varIndex指明输入或输出语言变量的编号。 例： plotmf(a,’input’,2)
例： x=0:0.1:10; y=smf(x, [2 8]); plot(x,y) xlable(‘smf,P=[2 8]’)
2、模糊逻辑系统输入输出变量及隶属度函数的添加 ①函数addvar 功能：向模糊推理系统中添加语言变量。 格式：a=addvar(a, varType, varName, varBounds)
高斯函数的表达式为：
1( xc)2
ye 2
例： x=0:0.1:10; y=gaussmf(x, [2 5]); plot(x,y) xlable(‘gaussmf,P=[2 5]’)
④函数zmf
功能：建立Z型隶属度函数。
格式：y=zmf(x,[a b])
说明：曲线在（a,b）之间是光滑的样条曲线，在a左 段为1，b右段为0,跳跃点是(a+b)/2。参数x指定变量论 域范围。
5、模糊规则建立
①函数addrule
功能：向模糊推理系统添加模糊规则。
格式：a=addrule(a,rulelist)
说明：参数a为模糊推理系统对应的矩阵变量名称，rulelist 以向量的形式给出需要添加的模糊规则。如果模糊推理系 统有m个输入语言变量和n个输出语言变量，则向量rulelist 的列数必须为m+n+2，而行数等于需要添加的规则数目。
③函数getfis 功能：取得模糊推理系统的部分或全部属性。 格式：getfis(a) //显示系统所有属性
getfis(a,’fisprop’) //显示系统某一属性 getfis(a,’vartype’,varindex,’varprop’) 例：a=readfis(‘tipper’); getfis(a) 输出结果：Name=tipper
例：getfis(a,’input’,1,’name’) 输出结果：service
④ 函数showfis 功能：以分行的形式显示模糊推理系统矩阵的所有属性。
格式：showfis(fismat) ⑤ 函数writefis 功能：将以矩阵形式保存在内存中的模糊推理系统的数 据写入磁盘文件中。 格式：writefis(fismat,)
例： x=0:0.1:10; y=trapmf(x, [1 5 7 8]); plot(x,y) xlable(‘trapmf,P=[1 5 7 8]’)
③ 函数gaussmf 功能：建立高斯型隶属度函数。
格式：y=gaussmf(x,[sig c])
其中：参数x指定变量论域范围，参数c决定了函数的中心 点，sig决定了函数曲线的宽度σ。
模糊规则观察器Ruleview 模糊推理输入输出曲面视图Surfview (Surface)
ቤተ መጻሕፍቲ ባይዱ
⑴ 模糊推理系统编辑器Fuzzy 处理最顶层构建问题，例如输入输出变量的数目、变量名等
激活（进入）方法：命令窗口(command window)执行 Fuzzy命令。
激活模糊推理系统系统编辑器 ：
基本属性
说明：参数列表中，a为模糊推理系统对应的矩阵变量名， varType用于指定语言变量的类型为字符型（如‘input’ 或‘output’）； varName用于指定语言变量的名； varBounds用于指定语言变量的论域范围。
注意：对于添加到同一个模糊推理系统的语言变量，按 先后顺序自动编号，编号从1开始，逐渐递增。对于分属 于输入与输出的不同语言变量则独立地分别编号。
centroid（重心法）
lom（最大隶属度函数中的取最大值法）
bisector（面积平分法） som（最大隶属度函数中的取最小值法）
mom（平均最大隶属度法）
⑵ 在命令窗口键 入mfedit可激活隶 属度函数编辑器
MATLAB的FIS结构和存储
1、FIS(模糊推理系统)结构
模糊推理系统是以一种FIS的结构来表示和存储的
例：a=newfis(‘tipper’); //创建并返回一个新的FIS系统
a=addvar(a,’input’,’service’,[0 10]);
getfis(a,’input’,1) //取得FIS的部分或全部属性
②函数addmf
功能：向模糊推理系统的语言变量添加隶属度函数。
格式：a=addmf(a, varType, varIndex,mfName,mfType, mfParams)
组成
双击
输入模糊变量图形框
Mfedit
双击
模糊规则图形框
Ruleedit
输出模糊变量图形框 双击 Mfedit
基本属性包括：
1. 模糊集合合成运算（连接词的运算） min（最小法）
① and prod（乘积法）
② or max（最大法） prober（概率法）
prober(a,b)=a+b-ab
例：a=newfis(‘tipper’); a=addvar(a,’input’,’service’,[0 10]); a=addmf(a,’input’,1,’poor’,’guassmf’,[1.5 0]); a=addmf(a,’input’,1,’good’,’guassmf’,[1.5 5]); a=addmf(a,’input’,1,’excellent’,’guassmf’,[1.5 10]); plot(a,’input’,1)
例：a=readfis(‘tipper’); a2=setfis(a,’DefuzzMethod’,’mom’);
Defuzzification:
centroid（重心法：系统默认） lom（最大隶属度函数中的取最大值法）
bisector（面积平分法）
som（最大隶属度函数中的取最小值法）
mom（平均最大隶属度法）
如果输入U是M*N矩阵，则系统是N输入的， 返回的Y是M*L矩阵，L是系统的输出的数目。
例：fis=readfis(‘tipper’); out=evalfis([2 1; 4 9],fis)
输出结果：out=7.0169 19.6810
MATLAB模糊控制系统设计实例1
一、设计目的：了解用MATLAB模糊工具箱的图形界面可视化 工具实现模糊控制系统的方法。
例：showrule(a,1:2,’indexed’) 输出结果：1 1，1（1）：1
1 2，2（1）：1
6、计算模糊推理输出结果函数evalfis
格式：y=evalfis(U,FIS)
说明：参数U是输入数据，FIS是模糊推理矩阵。 U的每一行是一个特定的输入向量，Y的每一行是 一个特定的输出向量。
MATLAB模糊逻辑工具箱 建立模糊逻辑推理系统 命令行函数（以 .m文件存放） 工具 图形交互工具(GUI－Graphical User Interface) (图形用户界面) 接口仿真逻辑模块（Simulink环境） 图形交互工具箱提供的图形化工具有五类：