模糊控制详细讲解实例
模糊控制案例001
10) 11) 12) 13) 14) 15) 16) 17) 18) 19)
If E=Z and EC=PB or PS then U=PS If E=Z and EC=Z then U=Z If E=NS and EC=NB or NS then U=Z If E=NS and EC=Z or PS then U=PS If E=NS and EC=PB then U=PM If E=NM and EC=NB then U=PS If E=NM and EC=Z or NS then U=PM If E=NB and EC=NS or NB then U=PM If E=NM and EC=PB or PS then U=PB If E=NB and EC=Z or PS or PB then U=PB
以不是，甚至可以不是一个整数，经变
换后，是基本论域上的元素。
• 模糊控制的特点 所谓的模糊控制，既不是指被控制的 对象是模糊的，也不是模糊控制器是不确 定的，模糊控制有着自己的一套精确的理 论和算法。所谓的模糊是指在表示知识， 概念上的模糊性。虽然模糊控制器的算法 是通过模糊语言描述的，但它所完成的是 一项完全确定性的工作。
表4 模糊控制规则表格
E Ai
U Ck EC Bj
A1 PB
NM C6 R2 NB C7
A2 PM
NS C5 R4 NM C6 R5 NB C7 R3
A3 PS
Z C4 R6 NS C5 R7 NM C6 R6
A4 Z
PS C3 R10 Z C4 R11 NS C5 R9
A5 NS
PM C2 R14 PS C3 R13 Z C4 R12
A6 NM
PB C1 R18 PM C2 R16 PS C3 R15
模糊控制应用实例
模糊控制应用实例模糊控制是一种基于模糊逻辑的控制方法，它能够处理模糊的输入和输出，使得控制系统具有更好的鲁棒性和适应性。
下面将介绍一个模糊控制的应用实例。
某工厂的生产线上有一台机器人，它需要根据生产线上的物品进行分类和分拣。
由于生产线上的物品形状、颜色、大小等特征存在一定的模糊性，传统的控制方法很难实现准确的分类和分拣。
因此，工厂决定采用模糊控制方法来解决这个问题。
首先，需要对机器人的控制系统进行建模。
假设机器人的控制系统包括三个输入变量和一个输出变量。
其中，三个输入变量分别为物品的大小、颜色和形状，输出变量为机器人的动作，包括分类和分拣两种动作。
接下来，需要确定输入变量和输出变量的模糊集合和模糊规则。
假设物品的大小、颜色和形状分别属于三个模糊集合：小、中、大；红、绿、蓝；圆、方、三角。
输出变量也分别属于两个模糊集合：分类、分拣。
根据这些模糊集合，可以确定一些模糊规则，例如：如果物品大小为小且颜色为红且形状为圆，则机器人动作为分类；如果物品大小为中且颜色为绿且形状为方，则机器人动作为分拣；如果物品大小为大且颜色为蓝且形状为三角，则机器人动作为分类。
最后，需要进行模糊推理和模糊控制。
当机器人接收到一个物品时，它会根据物品的大小、颜色和形状，将它们映射到对应的模糊集合中。
然后，根据模糊规则进行模糊推理，得到机器人的动作。
最后，根据机器人的动作，控制机器人进行分类或分拣。
通过模糊控制方法，机器人可以更准确地分类和分拣物品，提高生产效率和质量。
同时，模糊控制方法还具有较好的鲁棒性和适应性，能够应对物品特征的变化和噪声的干扰。
总之，模糊控制是一种有效的控制方法，它能够处理模糊的输入和输出，使得控制系统具有更好的鲁棒性和适应性。
在工业生产、交通运输、医疗健康等领域都有广泛的应用。
模糊控制程序实例
5.2.2 .6 模糊控制器设计实例1 、单输入模糊控制器的设计【例 5.12 】已知某汽温控制系统结构如图 5.10 所示，采用喷水减温进行控制。
设计单输入模糊控制器，观察定值扰动和内部扰动的控制效果。
图 5.10 单回路模糊控制系统按表 5-2 确定模糊变量 E 、 U 的隶属函数，按表 5-3 确定模糊控制规则，选择温度偏差 e 、控制量 u 的实际论域：，则可得到该系统的单输入模糊控制的仿真程序如 FC_SI_main.m 所示，仿真结果如图 5.11 所示。
设温度偏差 e 、控制量 u 的实际论域：，选择 e 、 u 的等级量论域为量化因子。
选择模糊词集为 { NB,NS,ZO,PS,PB } ，根据人的控制经验，确定等级量 E ， U 的隶属函数曲线如图 5-8 所示。
根据隶属函数曲线可以得到模糊变量 E 、 U 的赋值表如表 5-3 所示。
图5-8 E ，U 的隶属函数曲线表 5-3 模糊变量 E 、 U 的赋值表( μ )-3 -2 -1 0 1 2 3 等级量μE 、 UPB 0 0 0 0 0 0.5 1 PS 0 0 0 0 1 0.5 0 ZO 0 0 0.5 1 0.5 0 0 NS 0 0.5 1 0 0 0 0 NB 1 0.5 0 0 0 0 0依据人手动控制的一般经验，可以总结出一些控制规则，例如：若误差 E 为 O ，说明温度接近希望值，喷水阀保持不动；若误差 E 为正，说明温度低于希望值，应该减少喷水；若误差 E 为负，说明温度高于希望值，应该增加喷水。
若采用数学符号描述，可总结如下模糊控制规则：若 E 负大，则 U 正大；若 E 负小，则 U 正小；若 E 为零，则 U 为零；若 E 正小，则 U 负小；若 E 正大，则 U 负大。
写成模糊推理句 :if E =NB then U =PBif E =NS then U =PSif E=ZO then U=ZOif E =PS then U =NSif E =PB then U =NB由上述的控制规则可得到模糊控制规则表，如表 5-4 所示。
模糊控制simulink实例
模糊控制simulink实例一、模糊控制概述模糊控制是一种基于人工智能的控制方法，它模拟人类的思维方式进行控制决策。
模糊控制的核心思想是将模糊语言和模糊推理应用于控制系统中，通过建立模糊规则和模糊集合来实现对系统的控制。
模糊控制具有适应性强、处理非线性和复杂系统能力强等优点，在工业控制领域得到了广泛应用。
二、Simulink简介Simulink是MathWorks公司开发的一款基于MATLAB的通用仿真平台。
Simulink提供了一个直观的图形化界面，可以用于设计、模拟和实现各种系统模型。
Simulink 支持多领域的仿真，包括控制系统、信号处理、通信系统等，同时也提供了丰富的库函数和工具箱，方便用户进行系统建模与仿真。
三、模糊控制在Simulink中的应用模糊控制在Simulink中的应用可以通过Fuzzy Logic Toolbox来实现，该工具箱提供了一系列用于模糊控制设计和仿真的函数和模块。
下面介绍一个简单的模糊控制实例来说明模糊控制在Simulink中的应用。
3.1 系统建模首先，我们需要确定模糊控制系统的输入、输出和控制规则。
假设我们要设计一个小型的温度控制系统，系统的输入是环境温度（T），输出是加热器的电压（V）。
根据经验，我们可以定义几个模糊集合来描述温度和电压的状态，例如”冷”、“适中”和”热”。
然后，我们可以根据这些模糊集合定义一些模糊规则，例如”当温度冷时，增加电压”等。
3.2 模糊控制器设计在Simulink中，我们可以使用Fuzzy Logic Controller模块来设计模糊控制器。
该模块提供了一种快速且简单的方法来创建模糊控制器。
首先，我们需要定义输入和输出的模糊集合，以及模糊规则。
然后，我们可以将这些参数传递给Fuzzy Logic Controller模块，并设置输入输出的信号传递方式。
3.3 系统仿真在完成模糊控制器的设计后，我们可以进行系统的仿真。
在Simulink中，我们可以通过连接输入信号和模拟环境来模拟系统的行为。
模糊控制实例
x2 2 x5 A1 ( x ) 3 , 8 x 5 x 8 3
y 5 B1 ( y ) 3 11 y 3 z 1 C1 ( z ) 3 7 z 3 5 y 8 , 8 y 11
计算机控制算法
属函数 C ( z ) 为：
(1)以连续型重心法作为解模糊化机构：首先找出
因此
z 1 1 z 3 3 2 3 z 5 3 7 z C ( z ) 5 z 6 3 1 6 z 8 3 9 z 8 z9 3 3 z 1 52 67 z 81 99 z zdz zdz zdz zdz zdz 1 3 5 6 8 3 3 3 3 3 z 3 z 1 52 67 z 81 99 z dz dz dz dz 1 3 3 3 5 3 6 3 8 3 dz 28 16 49 28 25 18 3 18 6 18 2 4 1 2 1 3 3 2 3 6 4.7
{负大，负中，负小，负零，正零，正小，正中，正大}
{NB，NM，NS，NO，PO，PS，PM，PB}
第3章
计算机控制算法
2.变量的模糊化
基本论域：某个变量变化的实际范围 误差的基本论域为 [ xe ， xe ] 误差变化的基本论域为[ xc ， xc ] 输出变量的基本论域为[ yu ， yu ]
变量的模糊子集论域 {n, n 1,
,0,
, n 1, n}
基本论域到模糊子集论域的转换公式
2n a b y x ba 2
模糊化就是将清晰的某个输入变量按隶属度转换到与 之相对应的模糊量的过程。
第3章
计算机控制算法
模糊控制应用示例讲解
0.4
0.2
0
-3
-2
NS
ZR
PS
-1
0
1
PB
2
u3
e de NB NS ZR PS PB
模糊推理规则
NB NS ZR PS PB
PB PB PS PS ZR PB PS PS ZR ZR PS PS ZR ZR NS PS ZR ZR NS NS ZR ZR NS NS NB
模糊控制系统设计
% Example 3.8 % 典型二阶系统的模糊控制 % %被控系统建模 num=20; den=[1.6,4.4,1]; [a1,b,c,d]=tf2ss(num,den); x=[0;0];
第5次课
例1：工业工程控制
例2：典型二阶环节 的模糊控 制
例1： 工业过程
例1: 某一工业过程要根据测量的温度 （t）和压力（p）来确定阀门开启的角
度: f (t, P) 这种关系很难用数
学模型精确描述。实际中由有经验的操 作员完成，因此通常可设计模糊控制器 取而代之。
输入输出变量的论域
0
0
0.5
1
1.5
2
2.5 压力 3
阀门开启角度的模糊隶属度 函数
“负” “零” “正”
1 0.8 0.6 0.4 0.2
0 -10 -8 -6 -4 -2 0 2 4 6 8 10
角度增量
隶属度函数
模糊推理规则库
模糊推理规则有3条：
If 温度“冷” and 压力“高”，则阀门角 度增量为“正”
If 温度“热” and 压力“高”，则阀门角 度增量为“负”
If 压力“正常”，则阀门角度增量为“零 ”
模糊控制算法实例解析(含代码)
模糊控制算法实例解析（含代码）
首先来看一个实例，控制进水阀S1和出水阀S2，使水箱水位保持在目标水位O处。
按照日常操作经验，有以下规则：
1、若当前水位高于目标水位，则向外排水，差值越大，排水越快；
2、若当前水位低于目标水位，则向内注水，差值越大，注水越快；
3、若当前水位和目标水位相差很小，则保持排水速度和注水速度相等。
下面来设计一个模糊控制器
1、选择观测量和控制量
一般选择偏差e，即目标水位和当前水位的差值作为观察量，选取阀门开度u为控制量。
2、输入量和输出量的模糊化
将偏差e划分为5个模糊集，负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB)，e为负表示当前水位低于目标水位，e 为正表示当前水位高于目标水位。
设定e的取值范围为[-3，3]，隶属度函数如下。
偏差e对应的模糊表如下：隶属度
变化等级-3 -2
-1
1
2
3模糊集
PB 0 0 0 0 0 0.5
1PS 0
0 0.5 1 0.5 0ZO
0 0.5 1 0.5 0
0NS
0 0.5 1 0.5 0
0NB
0.5 0 0 0 0 0。
模糊控制应用实例
模糊控制应用实例1. 引言模糊控制是一种基于模糊逻辑的控制方法，它能够处理不确定性和模糊性问题。
本文将介绍模糊控制的应用实例，包括模糊控制在机器人导航、温度控制和交通信号灯控制等方面的应用。
2. 模糊控制在机器人导航中的应用2.1 模糊控制器设计在机器人导航中，模糊控制可以用于控制机器人的运动路径。
首先，需要设计一个模糊控制器，该控制器包括输入和输出变量以及一组模糊规则。
输入变量可以是机器人与障碍物的距离、机器人当前的角度等。
输出变量通常是机器人的速度和转向角度。
2.2 模糊控制器实现在机器人导航中，可以使用传感器来获取机器人与障碍物的距离和机器人当前的角度。
这些信息可以作为输入变量输入到模糊控制器中。
模糊控制器根据一组模糊规则来计算机器人的速度和转向角度，然后将其作为输出变量输出给机器人的控制系统。
2.3 模糊控制器优势相比于传统的控制方法，模糊控制在机器人导航中具有一定的优势。
首先，模糊控制能够处理不确定性和模糊性问题，使得机器人能够更好地适应复杂的环境。
其次，模糊控制可以通过调整模糊规则和输入变量的权重来优化机器人的导航性能。
最后，模糊控制可以很容易地与其他控制方法结合使用，以实现更高级的导航功能。
3. 模糊控制在温度控制中的应用3.1 温度控制系统在温度控制中，模糊控制可以用于调节加热器或制冷器的功率，以维持目标温度。
温度控制系统通常包括一个温度传感器、一个控制器和一个执行器。
温度传感器用于测量当前的温度，控制器根据温度的变化来调整执行器的功率。
3.2 模糊控制器设计在温度控制中，需要设计一个模糊控制器来根据当前的温度误差和误差变化率来调整执行器的功率。
模糊控制器的输入变量可以是温度误差和误差变化率，输出变量可以是执行器的功率。
通过选择适当的模糊规则和调整输入变量的权重，可以实现温度的稳定控制。
3.3 模糊控制器实现在温度控制中，可以使用一个模糊控制器来计算执行器的功率。
模糊控制器根据一组模糊规则来决定执行器的功率大小，然后将其输出给执行器。
- 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)。
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);
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：
1HJ.)■iKi - l>*+2)
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
o%************************
%ecu=■!
廿迪a.-1.L3)
2 J)
割並12)
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
-3
-2
-1
0
1
if(EisNVB
NB) and (EC is NVB) the n(U is PVB)
尼二气」肌门K碍结果略
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：
R=R、4a■*■ aRf[i=l-2_1■ \27)
由R可以得到模拟量输出为：
U=(FmEC}cr
4.去模糊化
由上面得到的模拟量输出为1 X 7的模糊向量，每一行的行元素(u(zij)
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基本论域取卜
30,30］，这里我将这三个变量按照下面的公式进行离散化：
P0=[1,0.5,0,0,0,0,0];%*********NB
P1=[0,1,0.5,0,0,0,0];%*********NM
P2=[0,0.5,1,0.5,0,0,0];%*********ns
P3=[0,0,0.5,1,0.5,0,0];%*********zo
P4=[0,0,0,0.5,1,0.5,0];%*********ps
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);
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);
P5=[0,0,0,0,0.5,1,0];%*********pm
P6=[0,0,0,0,0,0.5,1];%*********pb
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;
2
3
NB
1
0.5
0
0
0
0
0
P0
NM
0
1
0.5
0
0
0
0
P1
NS
0
0.5
1
0.5
0
0
0
P2
zo
0
0
0.5
1
0.5
0
0
P3
PS
0
0
0
0.5
1
0.5
0
P4
PM
0
0
d
01
0.5
1
0
P5
PB
0
0
0
0
0
0.5
1
P6
U
E
EC
——
NB
NM
NS
ZO
PS
PM
PB
NB
PB
PB
PM
PM
PS
ZO
ZO
NM
PB
PM
PM
PS
ZO
ZO
一、速度控制算法：
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) <0①e(k)>- eswith and throttlr_1工0选择油门控制
NS
NS
PM
PM
PS
PS
ZO
NS
NS
ZO
PM
PS
PS
ZO
ZO
NS
NM
PS
PS
PS
ZO
ZO
ZO
NS
NM
PM
PS
ZO
ZO
ZO
NS
NM
NB
PB
ZO
ZO
ZO
NS*
NM
NM
NB
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 模糊推理如下：
if (E is NB) and (EC is NM)那么他的模糊关系子矩阵为：
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计算模糊关系矩阵*****%R1_=dikaer(xbing(P0,P1),7,P0,7);
K=叫IM只宜」M
其中，心〃—Uggr叽,即表1中
U的模糊关系，这里我取两个例子做
R.| =POV (1-0氏1』I -
「◎I0.5
00.5 0.5
右-I (1435lOlUML- JI000
fC2■寞0・(10・0・00,0上』十杠」0)|.鹑
r o 'tv o
j I0」d
K■%|©l,0 5.—,0|J■ua人鼻…JO* ■ I 0503 0
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：
M(理5,-b
trig(禺■筑-2,0)儿-乱-1.1)