模糊控制器设计实例.ppt
基于模糊控制的系统鲁棒性设计
基于模糊控制的系统鲁棒性设计在现代控制系统中，鲁棒性是一个非常重要的概念。
鲁棒性指的是系统在面对参数变化、外部干扰等不确定性因素时的稳定性和性能表现。
传统的PID控制器在面对这些不确定性因素时往往表现不佳，而基于模糊控制的系统鲁棒性设计是一种有效的解决方案。
一、模糊控制的基本原理模糊控制是一种基于模糊逻辑的控制方法。
与传统的控制方法相比，模糊控制更能适应复杂、非线性和具有不确定性的系统。
其基本原理是将输入量和输出量模糊化，并通过模糊规则来描述输入输出之间的关系。
模糊规则通常使用IF-THEN形式表示，例如：“如果输入为A，则输出为B”。
二、模糊控制的优势模糊控制相比传统的控制方法具有以下几个优势：1. 对不确定性的适应性：模糊控制能够处理输入和输出具有模糊性或不确定性的系统。
模糊控制不需要准确的数学模型，能够根据经验和专家知识来建立模糊规则。
2. 鲁棒性设计：模糊控制能够有效地应对系统参数变化和外部干扰等不确定性因素。
通过合理选择模糊规则和调整模糊集合的形状，可以提高系统的鲁棒性。
3. 非线性系统的控制：由于模糊控制的输入输出都是模糊化的，因此可以较好地适应非线性系统的控制。
传统的线性控制方法通常需要对系统进行线性化处理，而模糊控制不需要这样的处理。
三、基于模糊控制的系统鲁棒性设计方法在基于模糊控制的系统鲁棒性设计中，需要考虑如何选择合适的模糊规则和调整模糊集合的形状，以提高系统的鲁棒性。
以下是一些常用的方法：1. 模糊规则的设计：在设计模糊规则时，需要基于实际问题和控制要求来确定输入输出之间的关系。
可以根据专家知识或者通过试探法来建立模糊规则。
2. 模糊集合的形状：模糊集合的形状对模糊控制系统的性能有很大影响。
可以通过调整模糊集合的形状来提高系统的鲁棒性。
例如，增大模糊集合的支持域或者调整模糊集合的梯形或者三角形形状。
3. 非线性修正：在模糊控制系统中，可以通过引入非线性修正项来提高系统的鲁棒性。
第6章(Fuzzy控制)
第六章 模糊控制算法§6.1 §6.2 §6.3 §6.4 §6.5 §6.6 §6.7 模糊数学基础知识 模糊控制概述 精确量的Fuzzy化 模糊控制算法的设计 输出信息的Fuzzy判决 Fuzzy控制器查询表的建立 Fuzzy控制器实例1§6.1 模糊数学基础知识6.1.1 普通集合及其运算规则 6.1.2 Fuzzy集合 6.1.3 Fuzzy关系矩阵的运算26.1.1 普通集合及其运算规则：1.基本概念：UAB①论域：指在考虑一个具体问题时，先将议题局限在 一定范围内，这个范围称为论域，常用U表示； ②元素： 指论域中的每个对象，常用小写字母 a、b、c表示； ③ 集合：指对于一个给定论域，其中具有某种相同 属性的、确定的、可以彼此区别的元素的 全体，常用A、B、C、X、Y、Z等表示。
例：论域为U = { 1,2,3,4,5,6 } 偶数集合A = { 2,4,6 }，奇数集合B = { 1,3,5 }32.普通集合的表示法：① 列举法（枚举法）：当集合的元素数目有限时，可将其中的元素一 一列出，并用大括号括起，以表示集合。
例：论域为U = { 1,2,3,4,5,6 }，则用列举法表示 偶数集合A = { 2,4,6 }，奇数集合B = { 1,3,5 }② 描述法（定义法）：当集合的元素数目无限时，可通过元素的定义来 描述 , 即A={x | p(x)}, 其中x为集合A的元素(x∈A)， p(x)是x应满足的条件。
例：A = {x | 25 ≤ x ≤ 50 } ，U ＝{ x |x≥ 0的实数 }4③ 特征函数法：由于元素a与集合A的关系只能有a∈A和a∈A 两种情况，故集合A可以通过函数 1， a∈A CA(a)= 来表示。
0， a∈A CA(a)称为集合A的特征函数，它只能取0，1两个值。
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。
2 模糊控制器设计PPT课件
16.07.2020
智能控制
13
下图是速度型模糊控制器的结构图(采样系统）。
图中
e(k)ry(k)
e(k) e(k) e(k 1 )
u(k)u(k) u(k 1 )
16.07.2020
智能控制
6
图 模糊控制原理框图
16.07.2020
智能控制
7
模糊控制器 （Fuzzy Controller—FC ）也称 为模糊逻辑控制器（Fuzzy Logic Controller—FLC ）,由于所采用的模糊控制规则是由模糊理论中模糊 条件语句来描述的，因此模糊控制器是一种语言型 控 制 器 ， 故 也 称 为 模 糊 语 言 控 制 器 （ Fuzzy Language Controller—FLC）。
16.07.2020
智能控制
12
B 直接型（常规的模糊控制器）
(1) 位置式 （输出不含积分环节）
r i:IF e ( k )iA s ia n e ( k )i d B s iTH u ( k )iE C s i N
是指ri 表示第i 条控制规则。 （2) 速度式（输出含积分环节）
r i:IF e ( k )iA s ia n e ( k )id B s iTH u ( k )E iC s i N
智能控制
25
（1）. 模糊化接口（Fuzzy interface）
模糊控制器的输入必须通过模糊化才能用于控制输出的求解， 因此它实际上是模糊控制器的输入接口。它的主要作用是将 真实的确定量输入转换为一个模糊量。把物理量的清晰值转 换成模糊语言变量的过程叫做清晰量的模糊化。
《模糊控制系统》PPT课件
是所期望的。这促使我们研究模糊系统作为万能
函数逼近器并拥有最小系统构成的必要条件，从
而使这些必要条件能用于指导模糊系统开发者设
计更紧凑的模糊控制器和模糊模型
• 必要条件设置了需要的输入模糊集、输出模糊集 和模糊规则，表明了模糊系统需要的输入模糊集
和模糊规则的数目依赖于被逼近函数的极值点的
数目和位置
精选ppt
“Fuzzy Sets”一文，首次提出了模糊集合的概念
• 1974年英国教授Mamdani首次将模糊集合理论应
用于加热器的控制，他将基于规则系统的想法与
模糊参数相结合来构造控制器，模仿人类操作者
的操作经验
• 1985年Takagi和Sugeno提出了另一类具有线性规
则后项的模糊控制器，称之为Takagi-Sugeno
(1988, Japan)
• Postsurgical patients
(1989, USA)
• Auto focus video camera
(1990, Japan)
• Washing machines
(1990, Japan)
• Air conditioners
(1990, Japan)
• Anti-shaking video camera
控制规律
• 各种类型的Mamdani和TS模糊系统在过去几年中
都被证明是万能逼近器，它们能一致逼近定义在
闭定义域D上的任意连续函数到任意高的逼近精
度。这些模糊系统有：加法模糊规则系统、模糊
输入—输出控制器、Sugeno模糊控制器的变型、
非独点模糊逻辑系统、一般Mamdani型模糊系统、
采用线性规则后项的TS型模糊系统、广义模糊系
模糊控制实例及simulink仿真实验报告
模糊控制实例及simulink仿真实验报告
一、背景介绍
模糊控制是一种基于模糊逻辑的控制方法，其优点在于可以很好地处理复杂的非线性和不确定性系统，而且不需要精确的数学模型和计算，能够快速实现控制的优化。
二、实例介绍
本次实例采用一个双轮小车为对象，实现小车在平面上向指定位置运动的控制。
通过小车的速度和转向角两个输入变量，输出一个模糊控制信号，控制小车前进和转向。
三、实验过程
1. 建立模糊控制系统模型
打开Simulink软件，建立一个新模型，模型中包括输入变量、输出变量和控制器。
2. 设计输入变量和输出变量
（1）设计输入变量
本实例选择小车速度和转向角两个输入变量，每个变量包含三个模糊集合，速度变量分别为“慢速”、“中速”、“快速”，转向角变量分别为“左转”、“直行”、“右转”。
（2）设计输出变量
模糊控制信号输出变量选择小车的前进和转向，每个变量包含三个模糊集合，分别为“慢行”、“中行”、“快行”、“左转”、“直行”、“右转”。
3. 建立控制器
建立模糊控制器，包含输入变量和输出变量的关系，建立控制规则库和模糊关系。
4. 仿真实验
在Simulink下进行仿真实验，调整控制器参数，观察小车运动状态，对比试验。
四、实验结果
经过多次试验和调整，得到最优的小车模糊控制参数，可以实现小车的平滑运动
和准确转向。
五、实验结论
本实验通过建立一个小车的模糊控制系统，可以有效实现小车的平滑运动和准确转向，控制效果优于传统的PID控制方法。
模糊控制可以很好地处理非线性、不确定性和模糊性的系统，适合许多需要快速优化控制的场合。
模糊控制实例2-agv小车倒车入库控制
倒车入库控制的重要性
倒车入库是AGV小车在仓库、车间等有限空间内进行作业 的重要环节。由于空间有限，障碍物多，倒车入库的控制 难度较大，需要精确控制小车的速度和方向，确保安全、 准确地完成入库操作。
模糊控制的基本原理
通过引入模糊集合和模糊逻辑，模糊控制能够处理不确定性和非线性问题，从而实现对复杂系统的有 效控制。
模糊控制的基本原理包括模糊化、模糊推理和去模糊化三个主要步骤，通过合理设计每个步骤的方法 和参数，实现对系统的精确控制。
04 模糊控制算法在AGV小车 倒车入库中的应用
模糊控制器设计
模糊控制在AGV小车倒车入库中的优势与局限性
优势
模糊控制具有较强的鲁棒性和适应性， 能够处理不确定性和非线性问题，适用 于各种复杂的控制场景。在AGV小车倒 车入库控制中，模糊控制器能够根据实 际情况进行自适应调整，提高控制的准 确性和稳定性。
VS
局限性
模糊控制器的设计过程较为复杂，需要经 验丰富的专业人员进行设计和调整。此外 ，模糊控制器在处理精确度要求较高的控 制任务时可能会存在一定的误差和波动。
导航系统通常采用磁轨导航或激光雷 达导航技术，通过感应器或传感器获 取环境信息，并由控制系统进行解析 和处理，实现小车的精确导航。
AGV小车的运动控制系统
AGV小车的运动控制系统负责控制小 车的运动，包括速度、方向和位置等。
运动控制系统基于模糊控制算法，通 过模糊逻辑控制器对小车的运动状态 进行实时监测和调整，确保小车能够 稳定、准确地完成搬运任务。
模糊控制算法的实现
编程语言选择
结合实例完成模糊控制算法的原理与实现
模糊控制算法的原理与实现1. 介绍模糊控制是一种基于模糊逻辑的控制方法，它利用模糊规则来描述和模拟人类专家的经验和知识，以实现对复杂系统的控制。
模糊控制算法是通过模糊推理和模糊辨识来构建模糊控制系统。
本文将详细介绍模糊控制算法的原理与实现。
2. 模糊逻辑基础模糊逻辑是一种适用于处理模糊信息和不确定性问题的逻辑系统。
它是将模糊变量、模糊集合和模糊规则引入传统逻辑中的一种扩展。
模糊变量是指在一定范围内具有模糊性质的变量，模糊集合是指包含了事物之间模糊关系的集合，模糊规则是指用于描述输入与输出之间模糊关系的规则。
3. 模糊推理模糊推理是模糊控制算法的核心部分，它是基于模糊规则和模糊逻辑运算来进行的。
模糊推理过程包括模糊化、模糊规则匹配、模糊逻辑运算和去模糊化四个步骤。
3.1 模糊化模糊化是将实际输入值转换为模糊集合的过程。
通过模糊化，我们可以将精确的输入值映射到模糊集合上，并且可以灵活地描述输入值之间的模糊关系。
3.2 模糊规则匹配模糊规则匹配是将模糊化后的输入值与模糊规则进行匹配的过程。
每条模糊规则都由输入和输出之间的模糊关系构成，通过匹配规则，我们可以得到每条规则的激活度。
3.3 模糊逻辑运算模糊逻辑运算是根据模糊规则的激活度和模糊集合上的运算规则来进行的。
常用的模糊逻辑运算包括模糊交集、模糊并集和模糊推理。
3.4 去模糊化去模糊化是将模糊逻辑运算得到的模糊输出值转换为实际输出值的过程。
通过去模糊化，我们可以将模糊输出值映射到输入值所在的实际输出空间上。
4. 模糊辨识模糊辨识是模糊控制算法的关键步骤，它用于确定模糊控制系统的模糊规则和模糊变量。
模糊辨识可以通过专家经验、试验数据和数学建模等方法来实现。
4.1 专家经验法专家经验法是通过专家的经验和直觉来确定模糊规则和模糊变量。
专家根据对系统的了解和经验，提出一组模糊规则，并定义相应的模糊集合，从而构建模糊控制系统。
4.2 试验数据法试验数据法是通过对系统进行一系列试验，获取输入与输出之间的关系，进而确定模糊规则和模糊变量。
模糊控制器的查询表的实例计算过程
用模糊控制实现水箱水温得恒温控制。
水箱山底部得电阻性电热元件加热,山电动搅拌器实现均温。
设控制得訂标温度为25七,以实测温度T与U标温度R之差,即误差e=T-R. 以及误差变化率ec为输入，以固态继电器通电时间得变化量u（以一个控制周期内得占空比表示，控制电加热器得功率）为输出。
设e得基本论域为卜5,5] 其语言变量E得论域为卜5,5];ec得基本论域为卜1」]七/s,其语言变量EC得论域为卜5,5];控制量u得基本论域为卜5,5]单位，其语言变量U得论域为[-5,5] o E、EC与U都选5个语言值{NB,NM,NSZPS,PM、PB},各语言值得隶属函数采用三角函数，其分布可用表1与表2表示,控制规则如表3所示。
要求:1、画出模糊控制程序流程图;2、计算出模糊控制器得查询表，写出必要得计算步骤。
表1语言变量E、EC得赋值表表2语言变量U得赋值表解涉骤:输入输出语言变量得选择。
输入变量选为实测温度T与H标温度R之差,即误差e,及误差变化率ec;输出语言变量选固态继电器通电时间得变化量u,故模糊控制系统为双输入—单输出得基本模糊控制器。
建立各语言变量得赋值表。
设误差e得基本论域为卜5,5「c,输入变量E得论域为卜5,・4,・3,・2,・1,0,1,2,3,4,5],误差得量化因子为ke=5/5=l。
语言变量E选取5个语言值:PEP&Z 皮表1为语言变量E、EC得赋值表，表2为语言变量U得赋值表表1语言变量E、EC得赋值表表2语言变量U得赋值表3)建立模糊控制规则表，总结控制策略，得出一组山25条模糊条件语句构成得控制规则，据此建立模糊控制规则表，如表3所示、表中行与列交义处得每个元素及其所在列得第一行元素与所在行得第一列元素，对应于一个形式为"if E and EC then U”得模糊语句,25根据该模糊语句可得相应得模糊关系R,则总控制规则得总模糊关系为R=u& °i-i表3模糊控制规则表(内容为控制量U)建立查询表。
模糊控制在matlab中的实例
模糊控制在matlab中的实例模糊控制是一种应用广泛的控制方法，它可以处理那些难以精确建立数学模型的系统。
在Matlab中，使用Fuzzy Logic Toolbox工具箱可以方便地实现模糊控制系统。
以下是一个简单的模糊控制器示例，控制一个小车的速度和方向，使得其能够沿着预设的轨迹行驶。
1. 首先，定义输入和输出变量。
这里我们需要控制小车的速度和转向角度。
代码如下：```speed = newfis("speed");speed = addvar(speed,"input","distance",[0 10]);speed = addmf(speed,"input",1,"slow","trimf",[0 0 5]);speed = addmf(speed,"input",1,"fast","trimf",[5 10 10]); speed = addvar(speed,"output","velocity",[-10 10]);speed = addmf(speed,"output",1,"reverse","trimf",[-10-10 -2]);speed = addmf(speed,"output",1,"stop","trimf",[-3 0 3]); speed = addmf(speed,"output",1,"forward","trimf",[2 10 10]);angle = newfis("angle");angle = addvar(angle,"input","position",[-1 1]);angle = addmf(angle,"input",1,"left","trimf",[-1 -1 0]);angle = addmf(angle,"input",1,"right","trimf",[0 1 1]); angle = addvar(angle,"output","steering",[-1 1]);angle = addmf(angle,"output",1,"hard_left","trimf",[-1 -1 -0.5]);angle = addmf(angle,"output",1,"soft_left","trimf",[-1 -0.5 0]);angle = addmf(angle,"output",1,"straight","trimf",[-0.5 0.5 0.5]);angle = addmf(angle,"output",1,"soft_right","trimf",[0 0.5 1]);angle = addmf(angle,"output",1,"hard_right","trimf",[0.5 1 1]);```2. 然后，定义模糊规则。