fuzzy-control-on-matlab.rar_controlfuzzymatlab_fuzzycontrolm资源-CSDN文库

共2个文件

txt：2个

版权申诉

67 浏览量 2022-07-14 13:22:09 上传评论收藏 1KB RAR 举报

模糊控制是一种基于模糊逻辑的控制策略，它在处理不确定性和非线性问题时表现出强大的适应性和鲁棒性。MATLAB作为一个强大的数值计算和数据分析环境，提供了丰富的工具箱，包括模糊逻辑工具箱，使得用户能够方便地设计、模拟和实现模糊控制系统。在MATLAB中实现模糊控制，首先需要对被控系统进行模糊建模。这通常涉及到将系统的动态行为转换为模糊语言变量，如“小”、“中”、“大”等，以便于用模糊逻辑规则来描述。这种建模方法可以简化复杂的系统行为，并通过调整模糊集的参数来优化控制性能。模糊规则库的建立是模糊控制的核心部分。规则库由一系列IF-THEN规则组成，这些规则定义了输入变量与输出变量之间的关系。例如，"IF 输入是小, 那么输出是中"。规则库的设计通常依赖于领域专家的经验或者通过对已有数据的模糊化处理来得出。在MATLAB中，可以使用模糊逻辑工具箱中的函数创建模糊集合、定义输入和输出变量，以及构建模糊规则。模糊推理过程则是将实际输入值映射到对应的模糊集，然后应用模糊规则进行推理，最终得到清晰的输出。这个过程包括模糊化（将精确值转换为模糊值）、推理（应用规则）和去模糊化（将模糊输出转换回精确值）三个步骤。在给定的压缩包文件中，"fuzzy-control-on-matlab.txt"可能包含了实现模糊控制算法的MATLAB代码，详细描述了如何进行模糊建模、规则库的构建以及模糊推理过程。而"www.pudn.com.txt"可能是一个链接或者说明文件，指向更多关于这个项目的信息来源，如原文档或讨论论坛。学习和理解这个MATLAB模糊控制系统，你需要掌握以下几个关键知识点： 1. 模糊集理论：理解模糊集合的定义、操作（如并、交、补等）以及隶属函数的概念。 2. 模糊逻辑：掌握IF-THEN规则的表示方法和模糊推理的基本原理。 3. 模糊建模：了解如何将实值系统转换为模糊模型。 4. 模糊规则库设计：学习如何根据系统特性或专家知识构造合理的模糊规则。 5. MATLAB编程：熟悉模糊逻辑工具箱的函数，如`fisedit`用于创建和编辑模糊系统，`evalfis`用于执行模糊推理等。 6. 模糊控制应用：理解如何将模糊控制系统应用于实际工程问题，例如PID控制器的模糊化改进。通过研究这个MATLAB源码，你可以深入理解模糊控制的原理和实现，这对于在控制系统设计、信号处理等领域具有重要意义。同时，这也为你提供了一个实践模糊逻辑的平台，可以尝试调整参数，观察不同设置下的系统行为，从而加深对模糊控制的理解。

资源详情

资源评论

资源推荐

收起资源包目录

fuzzy-control-on-matlab.rar （2个子文件）

fuzzy-control-on-matlab.txt 2KB

www.pudn.com.txt 218B

%被控系统建模 num=20; den=[8 6 1]; [a1,b,c,d]=tf2ss(num,den);%Transfer function to state-space conversion. %系统参数 T=0.01;h=T; N=500; R=1.5*ones(1,N);%参考输入 uu=zeros(1,N); YY=zeros(3,N); kt=1; for alpha=[0.25 0.5 0.75]; x=[0;0]; %创建FIS结构simple a=newfis('simple'); %给FIS添加变量 a=addvar(a,'input','e',[-6,6]); %Parameter e a=addvar(a,'input','ec',[-6,6]); %Parameter ec a=addvar(a,'output','u',[-6,6]); %Parameter u %定义输入和输出变量的隶属函数 a=addmf(a,'input',1,'NB','trapmf',[-6,-6,-5,-3]); a=addmf(a,'input',1,'NS','trapmf',[-5,-3,-2,0]); a=addmf(a,'input',1,'Z','trimf',[-2,0,2]); a=addmf(a,'input',1,'PS','trapmf',[0,2,3,5]); a=addmf(a,'input',1,'PB','trapmf',[3,5,6,6]); a=addmf(a,'input',2,'NB','trapmf',[-6,-6,-5,-3]); a=addmf(a,'input',2,'NS','trapmf',[-5,-3,-2,0]); a=addmf(a,'input',2,'Z','trimf',[-2,0,2]); a=addmf(a,'input',2,'PS','trapmf',[0,2,3,5]); a=addmf(a,'input',2,'PB','trapmf',[3,5,6,6]); a=addmf(a,'output',1,'NB','trapmf',[-6,-6,-5,-3]); a=addmf(a,'output',1,'NS','trapmf',[-5,-3,-2,0]); a=addmf(a,'output',1,'Z','trimf',[-2,0,2]); a=addmf(a,'output',1,'PS','trapmf',[0,2,3,5]); a=addmf(a,'output',1,'PB','trapmf',[3,5,6,6]); %创建模糊规则库 for i=1:5 for j=1:5 rr(i,j)=round(alpha*i+(1-alpha)*j);%通过参数来修改规则 end end rr=6-rr; r1=zeros(prod(size(rr)),3);k=1; for i=1:size(rr,1) for j=1:size(rr,2) r1(k,:)=[i,j,rr(i,j)]; k=k+1; end end [r,s]=size(r1); r2=ones(r,2); rulelist=[r1,r2]; a=addrule(a,rulelist); %采用模糊控制器的系统仿真 e=0;de=0; ke=30;kd=0.2;ku=1; for k=1:N %输入变量转换至邻域 e1=ke*e; de1=kd*de; if e1>=6 e1=6; elseif e1<=-6 e1=-6; end if de1>=6 de1=6; elseif de1<=-6 de1=-6; end %模糊推理，计算出被控对象的控制输入 in=[e1 de1]; u=ku*evalfis(in,a); uu(1,k)=u; %uu(1,k)=ku * evalfis([e1,de1],a); %控制作用于被控系统，计算系统输出 k0=a1*x+b*u; k1=a1*(x+h*k0/2)+b*u; k2=a1*(x+h*k1/2)+b*u; k3=a1*(x+h*k2)+b*u; x=x+(k0+2*k1+2*k2+k3)*h/6; y=c*x+d*u; yy(kt,k)=y; %计算系统输出误差及误差导数 e1=e;e=y-R(1,k); de=(e-e1)/T; end kt=kt+1; end %控制输出曲线 kk=[1:N]*T; figure(1); plot(kk,R,'k',kk,yy(1,:),'k--',kk,yy(2,:),'r',kk,yy(3,:),'b') xlabel('时间');ylabel('输出'); gtext('alpha=0.25'); gtext('alpha=0.5'); gtext('alpha=0.75');