課程設(shè)計論文模糊控制器設(shè)計

1、模糊控制器設(shè)計模糊控制是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎(chǔ)的一種計算機(jī)數(shù)字控制。從線性控制與非線性控制的角度分類，模糊控制是一種非線性控制。從控制器的智能性看，模糊控制屬于智能控制的范疇，而且它已成為目前實(shí)現(xiàn)智能控制的一種重要而又有效的形式。1模糊控制的基本思想在自動控制技術(shù)產(chǎn)生之前，人們在生產(chǎn)過程中只能采用手動控制方式。手動控制過程首先是通過觀測被控對象的輸出，其次是根據(jù)觀測結(jié)果做出決策，然后手動調(diào)整輸入量，操作工人就是這樣不斷地完成從觀測、決策到調(diào)整，實(shí)現(xiàn)對生產(chǎn)過程的手動調(diào)整輸入量，操作工人就是這樣不斷地完成從觀測、決策到調(diào)整，實(shí)現(xiàn)對生產(chǎn)過程的手動控制。這三個步驟分別是由人的眼

2、-腦-手來完成的。后來，由于科學(xué)技術(shù)的進(jìn)步，人們逐漸采用各種測量裝置（如傳感器）代替人眼，完成對被控制量的觀測任務(wù)；利用各種控制器（如pid調(diào)節(jié)器）取代人腦的作用，實(shí)現(xiàn)比較、綜合被控制量與給定量之間的偏差，控制器所給出的輸出信號相當(dāng)于手動控制過程中人腦的決策；使用各種執(zhí)行機(jī)構(gòu)（如電動機(jī)）對被控對象施加某種控制作用，這就起到了手動控制中手的調(diào)整作用。 上述由測量裝置、控制器、被控對象及執(zhí)行機(jī)構(gòu)組成的自動測控系統(tǒng)，就是人們所熟知的常規(guī)負(fù)反饋控制系統(tǒng)。常規(guī)控制首先要建立精確數(shù)學(xué)模型，但是對一些復(fù)雜的工業(yè)過程，建立精確的數(shù)學(xué)模型是非常困難的，或者是根本不可能的。于是常規(guī)控制技術(shù)在這里就遇到了不可逾越的

3、障礙。但是，熟練的技術(shù)操作人員，通過感官系統(tǒng)進(jìn)行現(xiàn)場觀察，再根據(jù)自己的經(jīng)驗(yàn)就能很容易地實(shí)現(xiàn)這類控制過程，于是就產(chǎn)生了一個問題，能否把人的操作經(jīng)驗(yàn)總結(jié)為若干條控制規(guī)則，并設(shè)計一個裝置去執(zhí)行這些規(guī)則，從而對系統(tǒng)進(jìn)行有效的控制呢?答案是肯定的。這種裝置就是模糊控制器。與傳統(tǒng)的pid控制相比，模糊控制有其明顯的優(yōu)越性。由于模糊控制實(shí)質(zhì)上是用計算機(jī)去執(zhí)行操作人員的控制策略，因而可以避開復(fù)雜的數(shù)學(xué)模型。對于非線性，大滯后及帶有隨機(jī)干擾的復(fù)雜工業(yè)對象，由于數(shù)學(xué)模型難以建立，因而傳統(tǒng)的pid控制也就失效，而對這樣的系統(tǒng)，設(shè)計一個模糊控制器，卻沒有多大困難。實(shí)踐結(jié)果表明，在兩種系統(tǒng)均調(diào)到最佳狀態(tài)下，當(dāng)工作條件大

4、幅度變化時，經(jīng)典的pid控制難以進(jìn)行調(diào)整，而模糊控制對過程參數(shù)改變不靈敏，在所有工作所有工作點(diǎn)上都能做到較穩(wěn)定的控制，這說明模糊控制本質(zhì)上是非線性的，并且對于對象的參數(shù)變化適應(yīng)性強(qiáng)，即所謂的“魯棒性”較好。2模糊控制系統(tǒng)的組成模糊控制屬于計算機(jī)數(shù)字控制的一種形式，通常由5個部分組成，其系統(tǒng)框圖如圖1所示。a/d模糊控制器d/a執(zhí)行機(jī)構(gòu)被控對象變送器+-r(t)e(t)u(k)e(k)u(t)g(t)y(t)圖1（1）模糊控制器實(shí)際上是一臺pc機(jī)或單片機(jī)及其相應(yīng)軟件。（2）輸入/輸出接口模糊控制器通過輸入接口獲取信號，并經(jīng)輸出接口轉(zhuǎn)變?yōu)槟M信號去控制被控對象。（3）執(zhí)行機(jī)構(gòu)主要包括電動和氣動調(diào)節(jié)

5、裝置，如伺服電機(jī)、氣動調(diào)節(jié)閥等。（4）被控對象可以是缺乏精確數(shù)學(xué)模型的對象，也可以是有較精確數(shù)學(xué)模型的對象。（5）變送器由傳感器和信號調(diào)理電路組成，傳感器是將被控對象轉(zhuǎn)換為電信號的裝置，傳感器的精度直接影響整個模糊控制系統(tǒng)的精度。模糊控制系統(tǒng)與通常的計算機(jī)控制系統(tǒng)的主要區(qū)別是采用了模糊控制器。模糊控制器是模糊控制系統(tǒng)的核心。一個模糊系統(tǒng)性能的優(yōu)劣，主要取決于模糊控制器的結(jié)構(gòu)、所采用的模糊規(guī)則、合成推理算法以及模糊決策的方法等因素。3模糊控制器的組成及各部分工作原理模糊控制器主要包括輸入量模糊化接口、知識庫、推理機(jī)、輸出清晰化接口四個部分，如圖2所示。圖2（1）模糊化接口模糊控制器的輸入變量（通

6、常為偏差和偏差的變化率）的實(shí)際變化范圍叫做這些變量的基本論域，顯然基本論域內(nèi)的量為精確量，當(dāng)計算機(jī)實(shí)現(xiàn)模糊控制算法進(jìn)行模糊控制時，每次采樣得到的被控制量需經(jīng)計算機(jī)計算，以便得到模糊控制器的輸入變量。為了進(jìn)行模糊化處理，必須將輸入變量從基本論域轉(zhuǎn)換到相應(yīng)的模糊集論域。設(shè)輸入變量的基本論域?yàn)?x，x，輸入變量的模糊集論域?yàn)?n，-n+1，0，n-1，n，即可以給出精確量模糊化的量化因子 k = nx把輸入變量乘以量化因子，就能實(shí)現(xiàn)輸入變量從基本論域到模糊集論域的轉(zhuǎn)換。通常，習(xí)慣上把輸入變量的模糊集論域設(shè)定為-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，把在這區(qū)間的連續(xù)量模糊化為7

7、檔：“正大”（pb）多數(shù)取+6附近；“正中”（pm）多數(shù)取+4附近；“正小”（ps）多數(shù)取+2附近；“零”（0）多數(shù)取0附近；“負(fù)小”（ns）多數(shù)取-2附近；“負(fù)中”（nm）多數(shù)取-4附近；“負(fù)大”（nb）多數(shù)取-6附近。這7檔對應(yīng)著7個模糊子集，如表1所示。表中的數(shù)表示-6，+6之間13個元素在對應(yīng)模糊集中的隸屬度。當(dāng)然，這只是一個示意性表，目的在于說明從精確量向模糊量的轉(zhuǎn)換過程，實(shí)際的模糊集要根據(jù)具體問題來規(guī)定。表 1 模糊變量不同等級的隸屬度值 隸屬度 等級模糊變量-6-5-4-3-2-10123456pb000000000.20.40.70.81pm000000000.20.710.7

8、0.2ps0000000.30.810.70.50.20z000000.10.610.60.10000ns00.20.50.710.80.3000000nm0.20.710.70.200000000nb10.80.70.40.200000000（2）知識庫 數(shù)據(jù)庫：存放所有輸入輸出變量的全部模糊子集的隸屬度矢量值，若論域?yàn)檫B續(xù)域，則為隸屬度函數(shù)。對于以上例子，須將表6-7中內(nèi)容存放于數(shù)據(jù)庫，在規(guī)則推理的模糊關(guān)系方程求解過程中，向推理機(jī)提供數(shù)據(jù)。 規(guī)則庫：用來存放全部模糊控制規(guī)則，在推理時為“推理機(jī)”提供控制規(guī)則。模糊控制器的規(guī)則是基于專家知識或手動操作熟練人員長期積累的經(jīng)驗(yàn)，它是按人的直覺推理

9、的一種語言表示形式。模糊規(guī)則通常由一系列的關(guān)系詞連接而成，如ifthen，else，also，end，or等，關(guān)系詞必須經(jīng)過“翻譯”才能將模糊規(guī)則數(shù)值化。例如，某溫度模糊控制器，系統(tǒng)輸入變量為溫度的偏差e和溫度偏差的變化率ec，輸出量為溫度控制信號u，它們對應(yīng)的語言變量分別為e，ec和u，可給出如下模糊規(guī)則：r1：if e is正大and ec is正大then u is負(fù)大g 第一條模糊規(guī)則含義是若溫度偏高，且溫度上升較快，則調(diào)節(jié)溫度控制信號使溫度迅速下降。r2：if e is負(fù)大and ec is負(fù)大then u is正大a 第二條模糊規(guī)則含義是若溫度偏低，且溫度下降較快，則調(diào)節(jié)溫度控制信

10、號使溫度迅速上升。（3）推理機(jī)推理機(jī)在模糊控制器中的功能是：根據(jù)輸入的模糊量和知識庫（數(shù)據(jù)庫、規(guī)則庫）完成模糊推理，并求解模糊關(guān)系方程，從而獲得模糊控制量。例如，若已知偏差e和偏差的變化率ec的模糊集，則控制量的模糊集u可由模糊推理的合成算法獲得，即式中，× 模糊直積運(yùn)算；· 模糊合成運(yùn)算； r 模糊關(guān)系。 （4）清晰化接口通過推理機(jī)進(jìn)行模糊決策所得到的輸出是模糊量，而被控對象只能接受一個控制量，因此要進(jìn)行控制必須經(jīng)過清晰化接口將模糊量轉(zhuǎn)換為精確量。將模糊量轉(zhuǎn)換為精確量通常采用以下三種方法： 最大隸屬度判決法：若對應(yīng)的模糊決策的模糊集中，元素u*u，且滿足則取u* （精確量

11、）作為輸出控制量。u*就是該模糊子集中隸屬度最大的那個元素。如果這樣的隸屬度最大點(diǎn)u*不唯一，就取它們的平均值作為執(zhí)行量。 例如，若 =0.32+0.73+14+0.65+0.26，在中，元素4的隸屬度最大，則按最大隸屬度原則，應(yīng)取執(zhí)行量u*=4；若 =0.32+13+14+0.55 +0.2/6，在中，隸屬度最大有兩個，它們分別為元素3和4，則取u* =（3+4）2=3.5。最大隸屬度判決法的優(yōu)點(diǎn)是簡單易行，算法實(shí)時性好，突出了隸屬度最大元素的控制作用；缺點(diǎn)是它概括的信息量少，對隸屬度較小元素的控制作用沒有考慮。加權(quán)平均判決法：該方法的輸出量u*的值由下式來決定例如，若 ，則 取中位數(shù)法：在

12、最大隸屬度判決法中，只考慮了最大隸屬數(shù)，而忽略了其它信息的影響。中位數(shù)判決法是將隸屬函數(shù)曲線與橫坐標(biāo)所圍成的面積平均分成兩部分，以分界點(diǎn)所對應(yīng)的論域元素作為判決輸出。圖6-19為模糊控制量隸屬函數(shù)曲線，根據(jù)中位數(shù)判決，得輸出量u*=1。中位數(shù)判決法雖然比較充分地利用了模糊子集提供的信息量，但在計算時比較煩瑣，而且缺乏對隸屬度較大元素提供的主導(dǎo)信息的充分重視，因此這種方法在實(shí)際應(yīng)用中受到一定限制。模糊控制算法可概括為下述4個步驟：g 采樣系統(tǒng)的被控量，得到輸入變量；g 將輸入變量的精確值變?yōu)槟：?；g 根據(jù)輸入變量（模糊量）及模糊控制規(guī)則，按模糊推理合成規(guī)則計算控制量（模糊量）；g 由上述得到的

13、控制量（模糊量）計算精確的控制量。 2模糊控制器設(shè)計1模糊控制器的結(jié)構(gòu)設(shè)計 確定模糊控制器的結(jié)構(gòu)是設(shè)計模糊控制器的第一步，所謂“結(jié)構(gòu)”是指確定哪些變量作為模糊控制器的輸入變量和輸出變量模糊控制器的結(jié)構(gòu)分為單輸入單輸出 。結(jié)構(gòu)和多輸入多輸出結(jié)構(gòu)兩類。由于單輸入單輸出結(jié)構(gòu)用的較多，這里只對該結(jié)構(gòu)給予介紹。在單輸入單輸出結(jié)構(gòu)的模糊控制器中，將其輸入變量的個數(shù)定義為模糊控制器的維數(shù)，如圖6-20所示。一維模糊控制器如圖6-20（a）所示。輸入變量往往選擇為被控量和輸入給定量的偏差e。由于僅僅采偏差值，很難反映受控過程的動態(tài)特性品質(zhì)，因此，所能獲得的系統(tǒng)動態(tài)性能是不能令人滿意的。二維模糊控制器如圖6-2

14、0（b）所示。兩個輸入變量基本上都選用被控變量與輸入給定量的偏差e和偏差變化率ec，由于它們能夠較好地反映受控過程中輸出變量的動態(tài)特性，因此，在控制效果上要比一維模糊控制器好得多，也是目前采用較廣泛的一類模糊控制器。三維模糊控制器如圖6-20（c）所示。三個輸入變量分別為系統(tǒng)偏差量e、偏差變化率ec和偏差變化率的變化率ecc。由于這類模糊控制器結(jié)構(gòu)較復(fù)雜，推理運(yùn)算時間長，因此除非對動態(tài)特性要求特別高的場合，一般較少選用。從理論上講，模糊控制系統(tǒng)所選用的模糊控制器維數(shù)越高，系統(tǒng)的控制精度也就越高。但是維數(shù)選擇太高，模糊控制規(guī)律就過于復(fù)雜，基于模糊合成推理的控制算法的計算機(jī)實(shí)現(xiàn)也就更困難，這也許是

15、人們在設(shè)計模糊控制系統(tǒng)時，多數(shù)采用二維控制器的原因。6422模糊規(guī)則的選擇和模糊推理（1）模糊規(guī)則的選擇 模糊語言變量的確定：一般來說，一個語言變量的語言值越多，對事物的描述就越準(zhǔn)確，可能得到的控制效果就越好。當(dāng)然，過細(xì)的劃分反而使控制規(guī)則變得復(fù)雜，因此應(yīng)視具體情況而定。如誤差等的語言變量的語言值一般取為負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大。 語言值隸屬函數(shù)的確定：語言值的隸屬函數(shù)又稱為語言值的語義規(guī)則。它有時以連續(xù)函數(shù)的形式出現(xiàn)，有時以離散的量化等級形式出現(xiàn)。連續(xù)的隸屬函數(shù)描述比較準(zhǔn)確，而離散的量化等級簡潔直觀。 模糊控制規(guī)則的建立：模糊控制規(guī)則的建立常采用經(jīng)驗(yàn)歸納法和推理合成法。所謂經(jīng)驗(yàn)

16、歸納法，就是根據(jù)已有的控制經(jīng)驗(yàn)和直覺推理，經(jīng)整理、加工和提煉后構(gòu)成模糊規(guī)則的方法。推理合成法是根據(jù)已有的輸入輸出數(shù)據(jù)，通過模糊推理合成，求取模糊控制量。（2）模糊推理 模糊推理一般形式為 一維形式：if x is a then y is b 二維形式：if x is a and y is b then z is c6423清晰化目的是根據(jù)模糊推理的結(jié)果，求得最能反映控制量的真實(shí)分布。目前常用的方法有三種，即取最大隸屬度法、加權(quán)平均判決法和取中位數(shù)法。 6424模糊控制器的論域、量化因 子、比例因子的確定輸入、輸出變量的實(shí)際變化范圍稱為這些變量的基本論域，以二維模糊控制器為例，設(shè)定誤差的基本論域

17、為-xe，xe，誤差變化率的基本論域?yàn)?xc，c，控制量的基本論域?yàn)?yu，yu。 設(shè)誤差變量所取的模糊子集的論域?yàn)?-n，-n+1，0，n-1，n誤差變化率所取的模糊子集的論域?yàn)?-m，-m+1，0，m-1，m控制量所取的模糊子集的論域?yàn)?-l，-l+1，0，l-1，l若用ke ，kc分別表示誤差、誤差變化率的量化因子，用ku表示控制量的比例因子，則有ke = n/xe （6-47） kc = m/xc （6-48）ku = yu/l （6-49）比較量化因子和比例因子不難看出，兩者均是考慮兩個論域變化而引出的。對輸入變量而言，量化因子實(shí)現(xiàn)輸入變量的基本論域到模糊集論域的變換；對輸出控制量而

18、言，比例因子實(shí)現(xiàn)控制量的模糊集論域到基本論域的變換。設(shè)計一個模糊控制器除了要有一個好的模糊控制規(guī)則外，合理地選擇模糊控制器輸入變量的量化因子和輸出控制量的比例因子也是非常重要的。實(shí)驗(yàn)結(jié)果表明，量化因子和比例因子的不同大小設(shè)定，對模糊控制器的控制性能影響很大。合理地確定量化因子和比例因子要考慮所采用的計算機(jī)的字長，還要考慮計算機(jī)輸入輸出接口中d/a和a/d轉(zhuǎn)換的精度及范圍。量化因子ke和kc的大小對控制系統(tǒng)的動態(tài)性能影響很大。ke選得較大時，系統(tǒng)的超調(diào)也較大，過渡過程就越長。ke越小，則系統(tǒng)變化越慢。kc選擇較大時，系統(tǒng)超調(diào)量減小，但系統(tǒng)的響應(yīng)速度變慢。kc選擇較小時，系統(tǒng)的響應(yīng)速度變快，但超調(diào)

19、增大。kc對超調(diào)的遏制作用十分明顯。此外，輸出比例因子ku的大小也影響著模糊控制系統(tǒng)的特性。ku選擇過小會使系統(tǒng)動態(tài)響應(yīng)過程變長，而ku選擇過大會導(dǎo)致系統(tǒng)振蕩。輸出比例因子ku作為模糊控制器的增益，它的大小影響著控制器的輸出。應(yīng)該指出，量化因子和比例因子的選擇并不是唯一的，可能有幾組不同的值，都能獲得較好的響應(yīng)特性。對于比較復(fù)雜的被控過程，有時采用一組固定的量化因子和比例因子難以收到預(yù)期的控制效果，可以在控制過程中采用改變量化因子和比例因子的方法來調(diào)整個控制過程中不同階段上的控制特性，以便對復(fù)雜過程控制收到良好的控制效果。這種形式的控制器稱為自調(diào)整比例因子模糊控制器。關(guān)于基本論域的選擇，由于事

20、先對被控對象缺乏了解，所以誤差及誤差變化率的基本論域只能做初步選擇，待系統(tǒng)調(diào)整時再進(jìn)一步確定。6425編寫模糊控制器的算法程序（1）計算機(jī)離線計算查詢表程序程序?qū)儆谀：仃囘\(yùn)算。查詢表的建立方法是：根據(jù)采樣得到的誤差xi、誤差變化率yi，可計算出相應(yīng)的控制量變化uij，對所有 x=x1，x2，xn，y=y1，y2，ym中元素的所有組合全部計算出相應(yīng)的控制量變化值，可寫成矩陣如下：（uij）n×m一般將這個矩陣制成表，稱為查詢表，也稱為控制表。將其存于計算機(jī)內(nèi)存中，供計算機(jī)在線控制時使用。 （2）計算機(jī)在線實(shí)時控制程序該程序在模糊控制過程中完成在線計算輸入變量（誤差、誤差變化率），并將

21、它們模糊化處理，查找查詢表后再作輸出處理。具體步驟如下： 設(shè)置輸入、輸出變量及控制量的基本論域，預(yù)置量化因子、比例因子和采樣周期。 判斷采樣時間到否，若時間己到，則轉(zhuǎn)向第3步，否則等待。 啟動a/d轉(zhuǎn)換，進(jìn)行數(shù)據(jù)采集。 計算誤差和誤差的變化率并判斷它們是否已超過上（下）限值，若已超過，則將其設(shè)定為上（下）限值。 按給定的量化因子將誤差和誤差變化率模糊化，并由此查詢存放在計算機(jī)內(nèi)存中的控制表。 得到控制量的精確值后，乘上給定的比例因子，若已超過上（下）限值，則設(shè)置為上（下）限值。 啟動d/a轉(zhuǎn)換，得到模糊控制器實(shí)際輸出模擬量，用來控制被控對象。 設(shè)計一個模糊控制器，滿足如下條件：輸入：0-18范

22、圍內(nèi)分為七個論域，nb nm ns ze ps pm pb；隸屬度函數(shù)滿足高斯分布；輸出：-15到15范圍內(nèi)分為七個論域，nb nm ns ze ps pm pb，隸屬度函數(shù)為常數(shù)1。模糊推理過程，output=輸入隸屬度函數(shù)值*輸出論域的中心值。一模糊輸入量化過程，程序如下：x1 = (0:0.1:18)'y0 = gaussmf(x1, 1 0);y1 = gaussmf(x1, 1 3);y2 = gaussmf(x1, 1 6);y3 = gaussmf(x1, 1 9);y4 = gaussmf(x1, 1 12);y5= gaussmf(x1, 1 15);y6= gaus

23、smf(x1, 1 18);plot(x1,y0 y1 y2 y3 y4 y5 y6);模糊輸入量化過程二模糊控制器設(shè)計，程序如下：% fuzzy logic controoler design % input nb nm ns ze ps pm pb;% output nb nm ns ze ps pm pb;% rule-% % if input is nb, then output is pb;% % if input is nm, then output is pm;% % if input is ns, then output is ps;% % if input is ze, th

24、en output is ze;% % if input is ps, then output is ns;% % if input is pm, then output is nm;% % if input is pb, then output is nb;% -% - authored by : zubby -% - 2009-5-17 - % -x=14;% define input type in fuzzy zoney0 = gaussmf(x, 1 0);y1 = gaussmf(x, 1 3);y2 = gaussmf(x, 1 6);y3 = gaussmf(x, 1 9);y

25、4 = gaussmf(x, 1 12);y5= gaussmf(x, 1 15);y6= gaussmf(x, 1 18);a=y0 y1 y2 y3 y4 y5 y6;b=max(a);% caculate input in fuzzy zone,get input_type and input_authorityvalueif x<=18 & x>=0 if b=a(1) type='nb' authorityvalue=y0; elseif b=a(2) type='nm' authorityvalue=y1; elseif b=a(

26、3) type='ns' authorityvalue=y2; elseif b=a(4) type='ze' authorityvalue=y3; elseif b=a(5) type='ps' authorityvalue=y4; elseif b=a(6) type='pm' authorityvalue=y5; else b=a(7) type='pb' authorityvalue=y6; endelse if x>18 type='pb' authorityvalue=1; els

27、eif x<0 type='nb' authorityvalue=1; endend type authorityvalue % caculate output by if type='nb' out=authorityvalue*15; % if input is nb, then output is pb; elseif type='nm' out=authorityvalue*10; % if input is nm, then output is pm; elseif type='ns' out=authorityv

28、alue*5; % if input is ns, then output is ps; elseif type='ze' out=authorityvalue*0.001; % if input is ze, then output is ze; elseif type='ps' out=-authorityvalue*5; % if input is ps, then output is ns; elseif type='pm' out=-authorityvalue*10; % if input is pm, then output is

29、nm; else type='pb' out=-authorityvalue*15; % if input is pb, then output is nb; end out作業(yè)：1.設(shè)計一個模糊控制器，滿足如下條件：輸入：-100-100范圍內(nèi)分為七個論域，nb nm ns ze ps pm pb；隸屬度函數(shù)滿足高斯分布；輸出：0到100范圍內(nèi)分為七個論域，nb nm ns ze ps pm pb，隸屬度函數(shù)為常數(shù)1。模糊推理過程，output=輸入隸屬度函數(shù)值*輸出論域的中心值。控制規(guī)則：% % if input is nb, then output is pb;% % i

30、f input is nm, then output is pm;% % if input is ns, then output is ps;% % if input is ze, then output is ze;% % if input is ps, then output is ns;% % if input is pm, then output is nm;% % if input is pb, then output is nb;程序?yàn)椋簒1 = (-100:0.1:100)'y0 = gaussmf(x1, 10 -100);y1 = gaussmf(x1, 10 -66

31、);y2 = gaussmf(x1, 10 -33);y3 = gaussmf(x1, 10 0);y4 = gaussmf(x1, 10 33);y5 = gaussmf(x1, 10 66);y6 = gaussmf(x1, 10 100);plot(x1,y0 y1 y2 y3 y4 y5 y6);2.程序?yàn)椋簒=14;% define input type in fuzzy zoney0 = gaussmf(x, 10 -100);y1 = gaussmf(x, 10 -66);y2 = gaussmf(x, 10 -33);y3 = gaussmf(x, 10 0);y4 = gau

32、ssmf(x, 10 33);y5 = gaussmf(x, 10 66);y6 = gaussmf(x, 10 100);a=y0 y1 y2 y3 y4 y5 y6;b=max(a);% caculate input in fuzzy zone,get input_type and input_authorityvalueif x<=100 & x>=-100 if b=a(1) type='nb' authorityvalue=y0; elseif b=a(2) type='nm' authorityvalue=y1; elseif b

33、=a(3) type='ns' authorityvalue=y2; elseif b=a(4) type='ze' authorityvalue=y3; elseif b=a(5) type='ps' authorityvalue=y4; elseif b=a(6) type='pm' authorityvalue=y5; else b=a(7) type='pb' authorityvalue=y6; endelse if x>100 type='pb' authorityvalue=1;

34、 elseif x<-100 type='nb' authorityvalue=1; endend type authorityvalue % caculate output by if type='nb' out=authorityvalue*0; % if input is nb, then output is pb; elseif type='nm' out=authorityvalue*17; % if input is nm, then output is pm; elseif type='ns' out=auth

35、orityvalue*34; % if input is ns, then output is ps; elseif type='ze' out=authorityvalue*51; % if input is ze, then output is ze; elseif type='ps' out=authorityvalue*68; % if input is ps, then output is ns; elseif type='pm' out=authorityvalue*85; % if input is pm, then output

36、is nm; else type='pb' out=authorityvalue*100; % if input is pb, then output is nb; end out 結(jié)果為：x=14 type =zeauthorityvalue = 0.3753out = 19.1409 x=-150type =nbauthorityvalue =1out =02. 設(shè)計一個模糊控制器，滿足如下條件：輸入：-10-10范圍內(nèi)分為3個論域，nb ze pb；隸屬度函數(shù)滿足高斯分布；輸入的誤差：-2-2范圍內(nèi)分為3個論域，nb ze pb；隸屬度函數(shù)滿足高斯分布；輸出：0到100范

37、圍內(nèi)分為5個論域，nb nm ze pm pb，隸屬度函數(shù)為常數(shù)1。模糊推理過程，output=(輸入隸屬度函數(shù)值+輸入誤差的隸屬度函數(shù)值)/2*輸出論域的中心值。控制規(guī)則：% % if input is nb and errorinput is nb, then output is nb;% % if input is nb and errorinput is ze, then output is nm;% % if input is nb and errorinput is pb, then output is ze;% % if input is ze and errorinput is

38、 nb, then output is nm;% % if input is ze and errorinput is ze, then output is ze;% % if input is ze and errorinput is pb, then output is pm;% % if input is pb and errorinput is nb, then output is ze;% % if input is pb and errorinput is ze, then output is pm;% % if input is pb and errorinput is pb,

39、then output is pb;1.輸入為：程序?yàn)椋簒1 = (-10:0.1:10)'y0 = gaussmf(x1, 3 -10);y1 = gaussmf(x1, 3 0);y2 = gaussmf(x1, 3 10);plot(x1,y0 y1 y2);2.誤差圖：程序?yàn)椋簒1 = (-2:0.1:2)'y0 = gaussmf(x1, 0.5 -2);y1 = gaussmf(x1, 0.5 0);y2 = gaussmf(x1, 0.5 2);plot(x1,y0 y1 y2);3.程序?yàn)椋粁=14;ex=1;% define input type in fuz

40、zy zoney0 = gaussmf(x, 3 -10);y1 = gaussmf(x, 3 0);y2 = gaussmf(x, 3 10);a=y0 y1 y2;b=max(a);% caculate input in fuzzy zone,get input_type and input_authorityvalueif x<=10 & x>=-10 if b=a(1) type='nb' authorityvalue=y0; elseif b=a(2) type='ze' authorityvalue=y1; elseif b=a(

41、3) type='pb' authorityvalue=y2; endelse if x>10 type='pb' authorityvalue=1; elseif x<-10 type='nb' authorityvalue=1; endend type authorityvalue%error calculate.ey0 = gaussmf(x, 0.5 -2);ey1 = gaussmf(x, 0.5 0);ey2 = gaussmf(x, 0.5 2);a=ey0 ey1 ey2;b=max(a);% caculate inp

42、ut in fuzzy zone,get input_type and input_authorityvalueif x<=2 & x>=-2 if b=a(1) etype='nb' eauthorityvalue=y0; elseif b=a(2) etype='ze' eauthorityvalue=y1; elseif b=a(3) etype='pb' eauthorityvalue=y2; endelse if x>2 etype='pb' eauthorityvalue=1; elseif

43、x<-2 etype='nb' eauthorityvalue=1; endend etype eauthorityvalue % caculate output by if type='nb'& etype='nb' out=(authorityvalue+eauthorityvalue)/2*0.001; % if input is nb and errorinput is nb, then output is nb; elseif type='nb'& etype='ze' out=(a

44、uthorityvalue+eauthorityvalue)/2*25; % if input is nb and errorinput is ze, then output is nm; elseif type='nb'& etype='pb' out=(authorityvalue+eauthorityvalue)/2*50; % if input is nb and errorinput is pb, then output is ze; elseif type='ze'& etype='nb' out=(a

45、uthorityvalue+eauthorityvalue)/2*25; % if input is ze and errorinput is nb, then output is nm; elseif type='ze'& etype='ze' out=(authorityvalue+eauthorityvalue)/2*50; % if input is ze and errorinput is ze, then output is ze; elseif type='ze'& etype='pb' out=(a

46、uthorityvalue+eauthorityvalue)/2*75; % if input is ze and errorinput is pb, then output is pm; elseif type='pb'& etype='nb' out=(authorityvalue+eauthorityvalue)/2*50; % if input is pb and errorinput is nb, then output is ze; elseif type='pb'& etype='ze' out=(authorityvalue+eauthorityvalue)/2*75; % if input is pb and errorinput is ze, then output is pm; elseif typ