基于MATLAB的膨胀土胀缩等级评定模糊决策系统
膨胀土分类的模糊模型及应用
。）满足条件 ∑ｎ＝ｆ权重值确定的 ， ； 方法有许多， 本文采
用专家评分法 。 （） １ 构造两两 比较判 断矩 阵 ， 把各参 评指 标进行 两两对 比， 并把 重要程 度数 量化 。将 所有指 标一 对一地 进行 比较 ， 常用表格 的形式进行 ， 为便于 比较各 因素 ， 将各 因素 分别对 应列为行与列 的一项 。如需 比较第 ｉ 与第 个 因素时 ， 可按 评分办法打分 。如认为两个 因素 同等重要时 ， 则在第 ｉ 行第 列处打上 ２分 ； 同时在第 行第 ｉ 列处也 打 ２分 。如认为第 ｉ 个 因素较第 ｉ 个 因素重要 ， ＋１ 可在第 ｉ 行第 列处 打 ３分 ， 而 在第 ＋１ 行第 ｉ 列处 打 １ 。如认 为第 ｉ 因素 比第 ｉ 分 个 ＋１ 个 因素重要 的多时 ， 可在第 ｉ 行第 列处打 ４分 ， 而在第 行 第ｉ 列处打 ０分 。然后将各行 所得分 数相加 ， 出该行得 分 算
及管理工作。
１ ０２
四川建 筑
第３ １卷 ３期
２ １ ．６ ０ １０
占总得分 数的百 分 比 即为该行 的权重 ｏ ， 可 得 出权 重矩 ；。计算 分类 综合评 定 向量 的优先
用前景 。
【 关键词 】 道路工程 ； 膨胀土 ； 判 别； 分类 ； 模糊评价
【 中图分类号】 Ｕ １．２ ４２２ １
在膨胀土地 区进行 工程建设 ， 需要 正确 区分 膨胀土 与非 膨胀土 ， 并对膨胀潜 势进行 分类 ， 以便为 工程 的设计 和施 工 提供合理 的参数 。必须 选择反 映膨 胀土 基本特 性 的相关 指 标对膨胀 土进行 判别 与分 类 ， 单指 标 的获 取 往往 具有 片 面 性、 随机性和不确定 性 ， 靠单一 指标 对膨 胀土进 行判 别与 分 类不能全 面反 映 土性 ， 时甚至会 出现误判 、 判。采用 能 有 漏 够反 映膨胀 土本质的指 标进行 多指 标模 糊综合 分析 是一 种 较理想 的方法 。本 文选 用多项 指标 作为 模糊分 析 的判别 因
基于集对分析的膨胀土胀缩性Vague集评价模型
该模 型应用 于膨胀 土胀缩性等级评价是有效可行的 ，且具有判 断结果准确 、易于操作等优点 。
关键 词 ：膨胀 土 ；胀缩性 ；评价模型 ；Ｖ ａ ｇ ｕ ｅ 集 ；集对分析
中图分类号 ：Ｐ ６ ４ ２ ． ３ ； Ｔ Ｕ ４ ４ ３ 文献标 识码 ：Ａ 文章编号 ：２ ０ ９ ５ ・ １ ３ ２ ９ （ ２ ０ １ ３ ） ０ ３ — ０ ０ ８ ９ － ０ ４
属 函数 ，表示支 持 “ 属于 ”成 立的程度 ； （ ｘ ） 为假 隶属 函数 ，表示 反对 “ Ｘ 属于 ”成立 的程度 。ｔ Ａ （ ｘ ） ， ｌ 厂 Ａ （ ｘ ） ∈ ［ ０ ， １ ］ ，并且ｔ Ａ （ Ｘ ） 斗 （ ｘ ） ≤１ 。通过ｔ ａｘ ） 、 ｌ 厂 Ａ （ ｘ ） 计算 记分值 ，以记分值来判定待评样本符合某一等级要求的
重 要 实 际意 义 。
模糊 问题 的新理 论【 】 。对 于论域 中任意一 个元素 ， Ｖ ａ ｇ ｕ ｅ ￣ｔ 在点 的Ｖ ａ ｇ ｕ ｅ ￣用［ ０ ， １ ］ 的子区间Ｅ ｔ Ａ （ Ｘ ） ， １ － Ａ（ ｘ ） ］
表示 ，ｔ Ａ （ Ｘ ） Ｙ （ Ｏ ｆ Ａ （ ｘ ） 为隶属度的界 限值 ，其中 （ ｘ ） 为真隶
…
…ቤተ መጻሕፍቲ ባይዱ
，
…
…
，…
２ ０ １ ３ 年第３ ４ 卷第３ 期 ｆ ８ ９
ｇ 上 海 国土 资 源 Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ Ｌ ａ ｎ ｄ＆Ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ
ｅ ｘ ｐ ａ ｎ ｓ ｉ ｖ ｅ ｓ ｏ ｉ ｌ ｓ ［ Ｊ ］ ． Ｃ ｈ ｉ ｎ ｅ ｓ ｅ Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆＧｅ ｏ ｔ ｅ ｃ ｈ ｎ ｉ ｃ ａ ｌ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， ２ ０ ０ ７ ， ２ ９ （ ３ ） ： ４ ６ ３ — ４ ６ ６ ．
模糊评判法在膨胀土识别分类中的应用
现象较普遍 ， 即粘性 土层可 能含有 大量粉 土或砂 ， 不进 行液 化 参考文献 ： 若 判别 ， 可能导致 液化计算偏于不安全 。
ｌ
当各指标 间的权重 向量 Ｆ和模糊关 系矩阵 确定 后 ， 即可对 Ａ＝ （ ） 膨胀 土进行分类判别 。Ａ是对 象集 上的分类模糊子集 ， ， １ ｎ， ａ｝ ％， 为判别 向量 ， 则有 ：
Ａ＝ ・ Ｆ Ｕ （） ８
（ｏ ）＝ｍ ｘ ｌ ０ ， ） …， ） ａ ｛ （ ） Ａ （０ ， ＾ （０ ｝ ＾ ２
表 ２ 膨胀土等级判定结果
指 标
了土体的胀缩性 ， ， 因此 它们的权重分配分别 为 Ｆ＝｛ ｛． ，． ，． ，． ｝ ０ ３０ ３０ ２ ０ ２ 。
｝ ＝
编号 膨胀 自由 液限 塑性 力 膨胀率 指数 指数
判别向量
评判结果 规 范评判
１
２ ３
１９ ｌ
收稿 日期 ：０ １０ —６ ２ １ —７ ０
作者简介 ： 杜卫 民（９０ ） 男 ， １７ 一 ， 工程师 ， 苏州市路 达 工程 监理 咨询 有 限公 司， 苏 苏州 ２ ５０ 江 １０７
１ ３
杜 民模 评 法 膨 土 别 类 的 用 卫 ： 判 在 胀 识 分 中 应 糊
自的隶属度 ｋ 从而建立 出模糊关系矩阵 ， ： 即 Ｕ＝［ ３ ｋ ］
膨胀土 的膨胀特 性受 到多方 面因 素的影 响 ， 矿物成 分 、 如 结构 特
Matlab中的模糊集合和模糊决策方法
Matlab中的模糊集合和模糊决策方法引言随着计算机科学的迅速发展，人工智能逐渐成为了当今的热门研究领域之一。
在人工智能领域中，模糊集合和模糊决策方法被广泛应用于解决实际问题。
Matlab 作为一种强大的数学计算和仿真工具，为研究人员提供了丰富的工具包，从而可以对模糊集合和模糊决策方法进行快速、高效的分析和开发。
本文将探讨在Matlab 中使用模糊集合和模糊决策方法的相关技术和应用。
第一部分：模糊集合的基本概念模糊集合是一类既有确定性又有不确定性特征的数学集合。
与传统的集合论不同，模糊集合中的元素具有一定的隶属度。
Matlab中提供了一系列用于处理模糊集合的函数和工具，可以方便地进行模糊集合的定义、运算和可视化。
在Matlab中，可以使用fuzzy工具箱来定义和操作模糊集合。
通过fuzzy工具箱提供的函数，可以定义模糊隶属函数、模糊集合的交、并、补运算等。
例如，可以使用fuzzmf函数定义一个具有三个隶属函数的模糊集合，然后使用fuzzymf函数将该模糊集合的隶属函数赋值给一个变量，进一步操作。
第二部分：模糊决策方法的基本原理模糊决策方法是一种以模糊集合理论为基础的决策方法。
在实际问题中，往往需要考虑到不确定性和模糊性因素。
模糊决策方法通过用模糊集合描述问题的不确定性和模糊性，从而提供了一种灵活且有效的决策方法。
在Matlab中，可以使用fuzzy工具箱提供的函数来实现模糊决策方法。
通过fuzzy工具箱，可以定义模糊规则和模糊推理方法，从而实现对模糊集合的有效决策。
例如，可以使用fuzzy工具箱中的fis工具来定义一个模糊规则集，然后使用evalfis函数进行模糊推理，得到最终的决策结果。
第三部分：Matlab中的模糊决策方法应用案例在实际应用中，模糊决策方法被广泛应用于各个领域，如金融、医疗、自动控制等。
在这一部分，以医疗领域为例，介绍模糊决策方法在Matlab中的具体应用。
在医疗领域中，模糊决策方法可以用于辅助医生进行疾病诊断。
基于MATLAB模糊逻辑工具箱的模糊控制系统仿真
参考文献 ! 何克忠!李伟A计算
送工作空间 机控制系统A 北京’清 华 大 学 出 版 社 ! !BBC
阶跃 信号 偏差
#$ 图形显示
示波器
" 孙增圻A智能控制理
合并器 ! 零阶 保持器 ! 滞后 零阶 传递函数 保持器 " 论与技术A北京’清华 合并器 " 大 学 出 版 社 ! !BBD
<= 控 制 ! 无 积 分 作 用 ! 有 静 差 & 在 比 例 变 换 因 子 中 /2 对系统稳定性影响最大!过大时系统失稳" 图 - 为系
统阶跃输入下被控对象的输出响应曲线" 如把模糊控制器的输出作为控制量的增量输出! 就 可 消 除 静 差 ! 但 这 时 /2 应 很 小 ! 否 则 会 使 系 统 不 稳 定" 图 . 为输出的响应曲线及控制量变化曲线" 计算机仿真试验对实际控制有重要指导意义" 由 上 述 模 糊 控 制 器 的 设 计 和 仿 真 过 程 可 看 出 (>?*>@ 的 模 糊 逻 辑 工 具 箱 及 &’()*’+, 有 如 下 特 点 ’ (可 灵 活 地 设 计 模 糊 控 制 器 " 在 模 糊 逻 辑 工 具 箱 中能方便地修改输入输出的论域#模糊子集#隶属度 函数#模糊控制规则#模糊决策方法及解模糊方案 !然 后仿真找到较佳的控制方案& (可 直 接 计 算 出 模 糊 控 制 表 ! 供 单 片 机 进 行 实 际 控制时使用" 而人工计算此表非常繁琐& (在 &’()*’+, 环 境 下 ! 可 组 成 更 复 杂 的 控 制 系 统 " 如 对 象 为 时 变 # 非 线 性 ! 控 制 器 为 模 糊 与 <’= 的 混 合 形 式 "
基于MATLAB的膨胀土胀缩等级评定模糊决策系统
图!
自由膨胀率的隶属函数
与 此 相 类 似 可 以 建 立 小 于 2 3 22% 44 胶 粒 含 量 塑性指 数 $ % 和 液 限 !& 的 隶 属 函 数， 隶属度函 #、 数， 见 图 $ 8 图 9。 输 出 （胀 缩 等 级） 为 / 个模糊变 量：强、 中、 弱、 无， 。隶属度函数， 见图 6 。
（ $ ) 345667 68 9:;<:==><:; ? ->45<@=4@A>=，9BC@ D5<:B E<B6@6:; 1:<F=>C<@G，HB:45B:;，E<B:;I< ((""$( ，D5<:B； ! ) J6BK 0A>=BA 68 L<B:;8B: D<@G，L<B:;8B:， MAN=< #("*!" ， D5<:B； ( ) 345667 68 J6BK 9:;<:==><:;， 45B:;C5B A:<F=>C<@G 68 C4<=:4= ? .=45:676;G，45B:;C5B MA:B: #$""’+ ，D5<:B） ［ L’% 4+17*］=IOB:C<F= C6<7 ；@5= CP=77 B:K C5><:Q ;>BK=C；@5= 8ARRG 76;<4 CGC@=S；,-./-0 膨胀土的显著特点是吸水膨胀、 失水收缩， 对环 境的变化比较 敏 感。 由 于 膨 胀 土 自 身 构 成 的 差 异， 导致它们在物理 力 学 特 性 的程活动中根据膨胀土不同胀缩等级对其采取 不同的措施， 从而保证工程的安全适用 重要。 膨胀土 胀 缩 等 级 的 评 定， 一直备受工程界关 注
基于MATLAB的干湿循环条件下膨胀土试验研究
６
一 —
ｆ 二 ．
，
薰 嚣 ｚ
０
０
（ ａ ）１ 次 干 （ ｂ ） ２次 干
１
２
３
４
５
６
循 环次 数 （ 次 ）
图１ ５膨胀土 直 剪试样 表面 裂隙 率与 循环次 数的关 系 曲线
分析图 ｌ ４ 、图 ｌ ５中 的关 系 曲线 可得 ，从整 体 上来 看 ，随干 湿循 环 次 数 的不 断增 加 ，膨胀 土试 样
像素点分别用矩阵中的 ０ 和ｌ 来表示 ，黑像素和 白
像素 之和即为裂隙 图像 的总面积 。裂隙率定 义如
下：
型
灰黑 色膨 ２ ５ ０ ５ ７ ３ 胀土
，
∞
１ ８ ２
∞
ｌ ４ ５
率 ∞ 醢油
６ ８ ２ ２ ６
∞
５ ６
∞
４ ２ ． ０
本论文采用 ＭＡ Ｔ Ｌ Ａ Ｂ中提供的原始图像灰度 比、 增强低灰度级 、中值滤波 、 二值图像平滑处理
等 功能 进行 编程 计算 【 ２ 】 。
１ ． ３ 裂 隙率 的 定 义
本论文采用 Ｍ Ａ Ｔ Ｌ Ａ Ｂ ７ ． ６ 软件编程对二值图像 进行黑 白像素统计 ， 在二值 图像 中， 黑像素点和白
要求后 ， 按组将试样放入电烘箱 内， 在５ ０ ￣ Ｃ 的温度 下烘 ｌ ２ 个小时 ， 然后将烘干后 的试样装入内壁涂有
凡士 林 的饱 和器 内 ， 放 入真 空 缸 内抽 真 空饱 和 ，至 此 即完 成一 次 干湿 循 环 过程 。 通 过测 烘 干后 试样 的
宽度下进行剪切 ， 对于三轴试样和直剪试样 ， 先
MATLAB在模糊控制系统设计和仿真的应用(1)
整模糊控制系统结构框图如 图 6 所示 若系统参数调整 原则不同 只需对 S 函数
参数自调整 固定参数
进行修改 封装的新模块可
以应用于不同的模糊系统 对上述两种模糊控制
图 7 两种系统仿真曲线
1.1.1 隶属度函数的建立
e(nT)
E(nT)
r
d dt
ቤተ መጻሕፍቲ ባይዱ
ke
EC(nT) kec
模糊 控制
U(nT)
器
ku
y(nT) G(S)
图 1 模糊控制系统方框图
若取输入汽包实际水位与给定水位值误差为 E 误差变 化 EC 和输出 U 的论域均为{-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6} 其模糊子集均为{NB NM NS ZO PS PM PB}
在控制曲面上 检查其期望值是否在模糊控制输出结论 空间的中心附近 若超过 20% 则需重新调整规则 隶属度 函数或模糊运算 对模糊控制器进行优化[3]
这样建立了一个 FIS 系统的文件 取文件名为 a.fis 注 意该模糊控制器的命名与 FIS 命名应一致 若进行仿真时
U
E
EC
图 3 模糊控制器的输入输出曲线图
编写 M 文件的 S 函数 进一步扩展了 SIMULINK 的功能 将 MATLAB 和 SIMULINK 有机结合
起来 大大改善了仿真效率 实现了参数自调整的模糊控制系统的设计和高效仿真 同时给出具
体实例
关键词 MATLAB 语言 模糊控制 参数自调整 计算机仿真
文章编号 1004-731X (2003) 01-0132-03
在 MATLAB 命令窗中键入命令 FUZZY 进入模糊逻辑 编辑窗口 FIS Editor 建立 E EC U 的隶属度函数 有三角 形 trimf 高斯形 gaussmf 梯形(trapmf)等十一种可供选 择 在此均选常用的三角形隶属度函数 如图 2 所示 这些
MATLAB中的模糊决策方法及应用
MATLAB中的模糊决策方法及应用【引言】随着计算机科学与技术的快速发展，人工智能的应用不断涌现。
在决策问题中，模糊理论被广泛应用，其中MATLAB作为一种强大的计算工具，为模糊决策方法的研究和应用提供了便利。
本文将介绍MATLAB中的模糊决策方法及其应用，包括模糊集合的建模、隶属函数的设计、模糊推理的实现，以及实际问题中的应用案例。
【模糊决策模型的建立】在模糊决策问题中，建立一个准确描述决策过程的模型是至关重要的。
MATLAB提供了一系列函数，方便用户建立模糊集合，并根据实际情况调整模糊集合的形状和参数。
在模糊集合的建模中，常用的方法包括三角隶属函数、梯形隶属函数和高斯隶属函数等。
用户可以根据实际问题选择合适的隶属函数，并设定隶属函数的参数，以达到最佳效果。
【模糊决策推理】在模糊理论中，推理是模糊决策的核心环节。
MATLAB提供了一系列函数，可以方便地实现模糊决策的推理过程。
其中，常用的推理方法包括模糊逻辑运算、模糊推理规则的建立和模糊推理引擎的设计。
用户可以通过编程的方式，将模糊推理规则映射为一系列模糊逻辑运算，再通过模糊推理引擎的设计实现模糊决策的推理过程。
【模糊决策方法的应用案例】模糊决策方法在实际问题中有着广泛的应用。
以下将介绍几个常见的应用案例，展示模糊决策方法的实际效果。
1. 模糊控制器模糊控制器是模糊决策方法的典型应用之一。
通过将输入和输出的隶属函数建模，并设计合适的推理规则，模糊控制器可以根据实时输入数据作出反应，并产生相应的控制信号。
例如，在自动驾驶汽车中，模糊控制器可以模拟人类驾驶员的行为，根据车速、周围环境等因素做出相应的控制决策。
2. 模糊决策树模糊决策树是一种基于模糊推理的决策模型，常用于多属性决策问题中。
通过对每个属性设置隶属函数，并选择合适的模糊逻辑运算符，模糊决策树可以根据输入的属性值进行推理，并给出相应的决策结果。
例如，在金融风险评估中，模糊决策树可以通过对财务指标进行模糊建模，帮助投资者做出风险评估和投资决策。
膨胀土判别与分类的BP神经网络方法研究
膨胀土判别与分类的BP神经网络方法研究本文主要介绍了应用MATLAB神经网络工具箱，建立了针对膨胀土胀缩等级进行判别和分类的BP网络方法。
结果表明，采用该方法进行判别和分类是准确和可靠的。
标签：膨胀土判别与分类MATLAB BP神经网络0引言膨胀土（Expansive Soil）是土中粘粒成分主要由亲水性矿物（主要是蒙脱石、伊利石）组成，同时具有显著的吸水膨胀和失水收缩两种变形特征的粘性土，并且具有长期性、反复性和潜在性的特点。
由于这种土在我国有广泛的分布，这就给在膨胀土地区进行工程建设带来了很多困难。
要鉴别某种土的膨胀性，判别指标的选取原则除了要反映决定膨胀土的主要因素以外，还要便于工程的实际应用。
1膨胀土及其特征根据第二次国际膨胀土研究会议上的结论，膨胀土的定义为一种对于环境变化，特别是对于是湿度变化非常敏感的土。
其反映是发生吸水膨胀和失水收缩，产生膨胀压力，影响土的膨胀性的主要矿物是蒙脱石。
能否充当膨胀土判别指标，主要看它是否满足：①能反映膨胀土的本质；②指标的测定简单便捷；③指标数据可靠，重现性好。
为了合理判别膨胀土并进行分类，必须认真研究反映膨胀土基本性质的各指标间的关系，以及这些指标的组合规律。
2 BP网络模型与结构反向传播网络（Back-Propagation Network，简称BP网络）是将W-H学习规则一般化，对非线性可微分函数进行权值训练的多层网络。
BP神经网络结构体系一般由三个部分组成，即输入层、中间隐含层与输出层。
其算法步骤如下：（1）用任意小的随机数设置全部权值和各神经元残差的随机数。
（2）给定输入与期望输出值（3）通过神经网络之间前向传播计算各层节点的输出值①重复迭代计算，知道实际输出与期望输出的均方差小于某一给定值ε为止，网络学习结束。
②用学习好的神经网络，输入要预测的样本参数，就可以直接得到相应的预测结果。
本文根据国内外学者已有的研究成果，拟采用液限、塑限指数、自由膨胀率、<0.002mm颗粒含量以及比表面积作为膨胀土判别与分类的指标，利用MATLAB 神经网络网络工具箱，建立一种针对膨胀土进行判别和分类的BP网络方法，利用BP网络映射能力，通过对已有数据的学习和训练，建立膨胀土特征指标与膨胀土胀缩等级之间的对应关系，进而实现对未知土样的判别与分类。
基于模糊灰元的膨胀土胀缩等级评价模型
基于模糊灰元的膨胀土胀缩等级评价模型作者：邢浩刘守华王建伟来源：《科技资讯》 2012年第11期邢浩刘守华王建伟(山东菏泽市公路局山东菏泽 274000)摘要:在模糊灰元理论的基础上,结合膨胀土胀缩等级的分类,经过综合分析,建立了膨胀土胀缩等级评价的模糊灰色物元评价模型。
并通过实例验证了该方法的合理性,为膨胀土胀缩等级的综合评价提供了一条新的思路,具有一定的工程意义。
关键词:膨胀土胀缩等级模糊灰元评价隶属函数中图分类号:U416.1+67 文献标识码:A 文章编号:1672-3791(2012)04(b)-0070-02膨胀土中黏粒成分主要由亲水性矿物组成,同时具有吸水膨胀、失水收缩两种变形性质的高液限黏土。
在工程施工中,位于含水量保持不变的粘土上的构造物不会遭受由膨胀而引起的破坏。
当粘土的含水量发生变化,立即就会产生垂直和水平两个方向的体积膨胀。
,膨胀土对人们的危害较大,建造在膨胀土上的地板,在雨季来临时,土中含水量增加引起的地板翘起开裂屡见不鲜。
膨胀土胀缩等级的分类一直受到工程界的普遍关注。
本文以模糊数学和物元分析理论为基础,建立综合评价模型,克服了用单因子判别的不足。
工程实践证明这种方法是切实可行的。
1 膨胀土胀缩等级的模糊灰色物元综合评价模型1.1 指标的选取进行膨胀土胀缩等级的综合评价需要具有合理的指标体系。
所谓合理是指:首先,选取的指标能够代表膨胀土胀缩性的本质,同时能够客观的反映膨胀土各个方面的内在因素;其次,指标所衡量和评价的内容是应该是全面的;第三,评价指标不能太多,评价体系不能太复杂。
根据指标的功能,膨胀土胀缩的影响因素很多,经过多年来的工程实践,本文采用如下指标:液限()、胀缩总率()、塑性指数()、天然含水量()、自由膨胀率()。
影响单因素的指标如表1。
1.2 膨胀土胀缩等级评价隶属度函数正确构造隶属度函数是能否做好综合评价的关键之一。
隶属度函数的确定,目前还没有一套成熟有效的方法,仍停留在经验和试验的基础上,不同的人会给出不完全相同的隶属度函数。
基于Matlab的模糊控制系统的设计与仿真概要
Ξ收稿日期:2006-12-02基金项目:甘肃省自然科学基金资助项目(3ZS061-A25-044.作者简介:邵桂荣(1979-,女,山西运城人,硕士研究生,主要从事交通信息工程及控制研究.【电子与自动化】基于Matlab 的模糊控制系统的设计与仿真Ξ邵桂荣1,2(1.兰州交通大学,兰州730070;2.运城学院,山西运城044000摘要:针对一类时滞系统,提出了基于Matlab 的模糊控制设计方案.分别应用在主命令窗口编程方式和Fuzzy toolbox ,S imulink 的可视化方式实现了模糊控制系统的仿真,基于Matlab 的模糊控制设计简单方便.仿真结果表明了模糊控制方案在系统控制中的有效性.关键词:Matlab ;S imulink ;模糊控制中图分类号:TP202文献标识码:A文章编号:1671-0924(200705-0051-04Matlab-based Design and Simulation of Fuzzy Control SystemSHAO G ui-rong 1,2(nzhou Jiaotong University ,Lanzhou 730070,China ;2.Y uncheng University ,Y uncheng 044000,ChinaAbstract :A fuzzy control design method is proposed based on Matlab in terms of a class of time-delay sys 2tems.Fuzzy control system simulation is realized byprogramming at main command window and by visibili 2ty surface with Fuzzy toolbox and Simulink.The Fuzzy control method based on Matlab is sim ple and simu 2lation results prove the effectiveness of this method.K ey w ords :Matlab ;Simulink ;fuzzy control0引言1965年美国加利福尼亚大学计算机系自动控制专家扎德(L A Z adeh 教授发表了《模糊集合》一文,首次提出用“隶属函数”概念来定量描述事物模糊性的模糊集合理论,从而奠定了模糊数学的基础.模糊数学可用来描述客观事物中的模糊概念,人们用模糊数学的知识模仿人脑的思维方法,对模糊现象进行识别和判决,给出精确的控制量,实现对被控对象的控制,这种方法称为模糊控制.模糊控制与经典控制和现代控制相比,主要优点是它不需要建立精确的数学模型,因此,对一些无法建立数学模型或难以建立精确数学模型的被控对象,采用模糊控制方法,往往能获得较满意的控制效果.目前,模糊控制理论及模糊控制系统的应用发展很快,模糊控制已成为智能控制的重要组成部分.模糊控制是一种从宏观行为上调控系统相应关系的控制策略,其关键在于用语言描述的控制规则,通常用“IF …THE N …”的方式来表达实第21卷第5期Vol.21No.5重庆工学院学报(自然科学版Journal of Chongqing Institute of Technology (Natural Science Edition2007年5月May 2007际控制过程中专家的知识和经验.为实现对工业过程的实时控制,设计者往往采用离线方式进行模糊控制器的设计,即对输入确切量模糊化,再进行模糊合成运算,最后进行模糊判决才能得到确切的控制量,并以控制表(查询表形式存入计算机.本文中在Matlab 基础上,通过具体实例介绍了如何利用Simulink 和Fuzzy 工具箱对控制系统进行设计和仿真.1Matlab 与模糊控制器的设计1.1Matlab 及其工具箱Matlab 是MathW ork 公司于1984年推出的基于矩阵运算的强大数值计算软件.因为其基本的数据单位是矩阵,指令表达又与数学、工程中常用的习惯形式十分相似,因此用Matlab 解决问题要比用C 或者F ortran 等简捷得多.Matlab 包含许多功能强大的工具箱,Simulink 工具箱就是其中之一.它是实现动态系统仿真的一个集成环境,其主要功能是对动态系统作适当的仿真分析,从而可以在实际系统做出之前预先对系统进行分析,并做出适当的实时修正,以增强系统的性能,减少系统反复修改的时间.Matlab 还提供了模糊逻辑工具箱,即Fuzzy 工具箱.它是运用图形用户界面(G UI 来设计模糊控制器的,可以直观的完成模糊控制器的设计.同时此工具箱中还提供30多个函数,用户可以通过命令来调用这些函数,完成模糊控制器的设计.1.2模糊控制器的设计模糊控制通过模糊逻辑和近似推理让计算机把人的经验形式化、模型化,根据所得的语言控制规则进行模糊推理,给出模糊输出判据,并将其转化为精确量,作为反馈送到被控对象.模糊控制器通常由下列几部分组成:输入、输出量的量化;输入量的模糊化;语言控制规则;模糊逻辑推理;输出量的去模糊化.基本的模糊控制系统结构如图1所示,其中心环节是模糊控制器(FC .图1基本模糊控制系统的结构图2Matlab 仿真实例已知受控对象G (S =110S +1e-0.5s,设计模糊控制器使其具有良好的阶跃响应.系统输入为阶跃输入,系统输出误差为e ,误差变化率为e c ,控制量为u.选取模糊控制器(FC 的输入e 和e c 及其控制量u 的论域均为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6};e ,e c 及u 的语言变量值均选为{NB 、NM 、NS 、ZE 、PS 、PM 、P B}.模糊推理规则可根据经验总结出,如表1所示.表1FC 的模糊控制规则表e cu eNB NM NS ZE PS P M P B NB NB NB NB NB NM ZE ZE NM NB NB NB NB NM ZE ZE NS NM NM NM NM ZE PS PS ZE NM NM NS ZE PS P M P M PS NS NS ZE P M P M P M P M P M ZE ZE P M P B P B P B P B P BZEZEP MP BP BP BP B2.1用Matlab 命令编程来实现模糊控制器的设计%模糊控制器设计%建立FISa =new fis (′fuzzy1′%设置误差E 与隶属度函数a =addvar (a ,′input ′,′e ′,[-66];a =addm f (a ,′input ′,1,′NB ′,′zm f ′,[-6-4];a =addm f (a ,′input ′,1,′NM ′,′trim f ′,[-6-4-2];a =addm f (a ,′input ′,1,′NS ′,′trim f ′,[-4-20];a =addm f (a ,′input ′,1,′ZE ′,′trim f ′,[-202];a =addm f (a ,′input ′,1,′PS ′,′trim f ′,[024];a =addm f (a ,′input ′,1,′PM ′,′trimf ′,[246];a =addm f (a ,′input ′,1,′P B ′,′sm f ′,[46];%设置误差变化率EC 与隶属度函数a =addvar (a ,′input ′,′ec ′,[-66];a =addm f (a ,′input ′,2,′NB ′,′zm f ′,[-6-4];25重庆工学院学报a=addm f(a,′input′,2,′NM′,′trim f′,[-6-4 -2];a=addm f(a,′input′,2,′NS′,′trim f′,[-4-2 0];a=addm f(a,′input′,2,′ZE′,′trim f′,[-20 2];a=addm f(a,′input′,2,′PS′,′trim f′,[024];a=addm f(a,′input′,2,′PM′,′trim f′,[246];a=addm f(a,′input′,2,′P B′,′sm f′,[46];%设置控制量U与隶属度函数a=addvar(a,′output′,′u′,[-66];a=addm f(a,′output′,1,′NB′,′zm f′,[-6-4];a=addm f(a,′output′,1,′NM′,′trim f′,[-6-4 -2];a=addm f(a,′output′,1,′NS′,′trim f′,[-4-2 0];a=addm f(a,′output′,1,′ZE′,′trim f′,[-20 2];a=addm f(a,′output′,1,′PS′,′trim f′,[024];a=addm f(a,′output′,1,′PM′,′trim f′,[246];a=addm f(a,′output′,1,′P B′,′sm f′,[46];%建立控制规则表rulelist=[11111;12111;13111;141 11;15211;16411;17411; 21111;22111;23111;24111;252 11;26411;27411;31211;32211;33211;34211;354 11;36511;37511; 41211;42211;43211;44411;455 11;46611;47611; 51311;52611;53411;54611;556 11;56611;57611; 61411;62411;63611;64711;657 11;66711;67711; 71411;72411;73611;74711;757 11;76711;77711];a=addrule(a,rulelist;a=setfis(a,′defuzzmethod′,′centroid′;%设置去模糊化方法plotfis(a%绘制FIS系统图形ulist=zeros(13,13;for i=1:13for j=1:13ec=-7+j;if ec<0ec=ec;else ec=ec-1;ende=i-7;ulist(i,j=evalfis([e ec],a;endendulist=ceil(ulist以上程序的运行结果即控制规则表,如表2所示. 表2控制规则表e ce-6-5-4-3-2-10123456 -6-5-5-5-5-5-5-5-5-4-3-101 -5-5-5-5-5-5-5-5-5-4-3-111-4-5-5-5-5-5-5-5-5-4-3-101-3-4-4-4-4-4-4-4-4-2-1022-2-3-3-3-3-3-3-3-3-10233-1-3-3-3-3-3-1-1-1022440-3-3-3-3-3-1-10234441-20001002244442-21420224444443-1122233555555401024556666665111245566666660102455666666将得到的控制表存放到微机的存储器中,这样在实际控制中,微机采样和变换得到的e和e c 直接与表中的行与列进行比较,通过查表程序即可马上得出所需要的控制量u,以控制被控对象.2.2用Simulink实现模糊控制器的设计及系统的仿真2.2.1利用FIS设计模糊控制器.在Matlab命令窗口中输入fuzzy即可进入模糊控制器编辑(FIS环境.FIS编辑窗口如图2所示.主要编辑以下3个方面:1确定模糊控制器的类型和结构.这里选用二输入一输出的模糊控制器.在FIS 编辑窗口,选中[Edit]菜单下的[Add Input]命令,即可增加一个输入.2编辑输入、输出变量的隶属函数.在FIS编35邵桂荣:基于Matlab的模糊控制系统的设计与仿真辑窗口,分别双击输入模块,在弹出的隶属函数编辑窗口对输入函数进行编辑.输入e 的隶属函数如图3所示.3编辑模糊控制规则.在FIS 编辑窗口,选中[Edit ]菜单下的[Rules]命令,即进入控制规则编辑器.根据表1所提供的模糊控制规则在模糊规则编辑器中编写控制规则,如图4所示.图2FIS编辑界面图图3输入e的隶属函数图4模糊控制规则表通过以上3个步骤后,将设计好的模糊控制器保存在一个名为fuzzy.fis 的数据文件中,以供仿真运行时调用.2.2.2利用Simulink 建立模糊控制系统的模型.在Matlab 命令窗口输入simulink 并回车,就会弹出Simulink 模块库窗口和一个未命名的新窗口,然后从Simulink 模块库中找出需要的模块,利用鼠标将其拖到新窗口建立如图5所示的系统模型.图5用S imulink 设计的模糊控制系统框图2.2.3系统仿真.在Matlab 的命令窗口中输入指令:fuzzy1=read fis (‘fuzzy1’,将前面生成的文件加载到模糊控制器模块中,设定好仿真时间、步长等参数,利用模拟示波器来观察系统的动态响应情况.通过适当调整参数ke 和kec 进行仿真,仿真结果如图6所示.图6fuzzy toolbox ,simulink 仿真曲线3结束语模糊控制以模糊集合论、模糊语言变量及模糊逻辑推理为基础,不要求被控对象的数学模型,能充分运用控制专家的信息,具有一定的鲁棒性,在控制领域表现出极大的优势.基于Matlab 所提供的模糊控制工具箱以及动态化的图形仿真环境Simulink ,使复杂的模糊控制系统的仿真过程更为简便直观,缩短了开发周期,为广大模糊控制研制人员提供了一种高效的设计方法.参考文献:[1]王勤.计算机控制技术[M].南京:东南大学出版社,2003:116-148.(下转第85页45重庆工学院学报属性参数,随后会在VC++环境下生成相应的“.dsw”工作平台,里面包含驱动程序入口、初始化以及各种例程的“.cpp”源文件及“.h”头文件等.此外,DriverStudio还提供了DriverM onitor,S oftIce 等调试工具,可以对驱动程序的执行情况进行观察.2.3应用程序设计应用程序主要功能包括对US B设备的检测和简单控制、显示并分析实时采集的数据.应用程序由动态链接库和应用主程序2部分组成.动态链接库负责与US B功能驱动程序通信并接受应用程序的各种操作请求,完成数据采集、分析处理、显示和存盘.而应用主程序主要完成采集系统的界面设计.在应用程序开发中,通过调用Win32子系统提供的API函数来同设备进行交互.在用户程序中,可以把US B设备当作文件来操作,利用Creat2 File(得到US B句柄,用DeviceC ontrol(通过该句柄提交I/O控制代码和输入输出缓冲区大小到驱动程序进行控制传输,用ReadFile(、WriteFile(来进行应用程序和设备间批量传输.通过这些文件操作API函数就可以实现驱动程序中US B设备通信.3结束语基于US B总线的实时数据采集系统可以自由挂接在PC机上,具有良好的人机界面,能够对采集数据进行实时监控.特别是US B2.0协议支持480Mb/s的传输速度,可以实现高速、高精度的数据采集.当然,US B的最大传输距离只有16m,限制了US B接口的应用,但是通过利用RS-485总线(传输距离达到1200m以上,在系统中使用RS -485~US B转换器,可以突破US B传输距离的限制,实现大数据量的传输.在今后的工业发展中, US B2.0将获得更广泛的应用.参考文献:[1]杨杰.数据采集系统中数据获取和处理的C++ Builder实现[J].重庆工学院学报,2005,19(3:51-53.[2]许永和.EZ-US B FX系列单片机US B外围设备设计与应用[M].北京:北京航空航天大学出版社,2002.[3]Cant C.Windows W DM设备驱动程序开发指南[M].北京:机械工业出版社,2000.[4]朱清林,邹传云.基于US B2.0的高速数据采集系统设计[J].现代电子技术,2005(21:120-122.[5]张克非,陈涛,张朝辉.US B外设过滤驱动程序设计[J].重庆工学院学报,2004,18(3:26-29.(责任编辑刘舸(上接第54页[2]吴晓莉,林哲辉.M AT LAB辅助模糊系统设计[M].西安:西安电子科技大学出社,2002:173-193.[3]董海鹰.智能控制理论及应用[M].北京:中国铁道出版社,2006:70-85.[4]孙施良,王阳明.模糊控制系统的Matlab仿真过程[J].机械与电子,2005(1:13-16.[5]邢春贵,何熙文.模糊控制系统的Matlab仿真与应用[J].微处理机,2004(1:34-36.[6]黄忠霖.控制系统M AT LAB计算及仿真[M].北京:国防工业出版社,2001:116-128.[7]张济龙,陈建,何培祥.基于M AT LAB的线性时不变控制系统频域分析程序设计[J].重庆工学院学报, 2005(8:45-48. (责任编辑陈松58东野长磊:US B接口在数据采集系统中的应用。
MATLAB编程与模糊数学方法(2)-模糊识别与模糊综合评判
( B , A3 ) 0.4545, ( B , A4 ) 0.4348 ( B , A5 ) 0.8824, ( B , A6 ) 0.4565
由于 ( B, A5 ) max{ ( B, Ai ) i 1,2,,6} 故由择近原则，B 应归属于模式 A5 .
14参考教材例810414由单因素评判构造综合评判矩阵5综合评判设有两类顾客他们根据自己的喜好对各因素所分配的权重分别为1442用模型按最大隶属原则第一类顾客对此服装不太欢迎而第二类顾客对此服装比较欢迎
天津工业大学
MATLAB编程与模糊数学方法 （二）
理学院 数学系 陈雅颂
教学内容：
2
1.2 模糊模式识别
砷 铅
表一
23.5
0.1204 74.88 0.092
36.09
0.2523 99.54 0.2592
150
0.6 150 0.45
350
1.4 350 1.05
500
2 500 1.5
镉 铬 汞
表二 三个样品中重金属含量
名称
1 2 3
砷
14.0 4.33 5.95
铅
67.3 37.1 46.5
镉
18
（1） 格贴近度
1 0 ( A, B ) [ A B (1 A ⊙B]， 2 其中： A B max{ A( x ) B( x )}
表示两个模糊集 A，B 的内积； A⊙B min{ A( x ) B( x )} 表示两个模糊集 A，B 的外积。
19
1.3 模糊模式识别
一、模糊模式识别方法--最大隶属 原则法
二、模糊模式识别方法--择近原则 法
9
基于模糊层次分析法的膨胀土冻胀性评价
基于模糊层次分析法的膨胀土冻胀性评价徐丽丽【摘要】膨胀土冻胀性评价的准确性不仅影响着工程能否正常运行,也是工程安全性的重要保证.文章对膨胀土的冻胀性评价方法进行研究,采用模糊层次分析法建立膨胀土的冻胀性评价模型,从颗粒级配指标、物理性质指标、膨胀性指标、冻胀性指标等方面,选取5个评价因子,进行定量评价,评价结果与实际吻合,证实模糊层次分析法用于膨胀土的冻胀性评价是可行的、准确的.【期刊名称】《大坝与安全》【年(卷),期】2017(000)003【总页数】7页(P47-52,61)【关键词】模糊层次分析法;膨胀土;冻胀性评价【作者】徐丽丽【作者单位】黑龙江省水利科学研究院,黑龙江哈尔滨,150080【正文语种】中文【中图分类】TV431膨胀土问题是当今工程地质学和岩土力学领域中最复杂的世界性研究课题之一。
目前国内现行的规程、规范对膨胀土或冻土都制定了相应的分类方法，但是没有针对膨胀土冻胀性的分类方法，导致寒区水利工程建设中对膨胀土的考虑不足。
因此，在勘察、设计中，最先遇到和最迫切需要解决的问题就是膨胀土的冻胀特性分级问题，即将工程性质基本相近的膨胀土划为同类，工程性质相差较大的划为不同类属，以便为工程的设计和施工提供合理的参数和科学依据。
我国现行规范中，GB/T 50662-2011《水工建筑物抗冰冻设计规范》是根据土中粒径小于0.075 mm的土粒质量占总质量的百分比作为冻胀性土的判别标准，并且根据地表冻胀量或地基土冻胀量进行冻胀分级[1]。
GB 50007-2011《建筑地基基础设计规范》、JTG D63-2007《公路桥涵地基与基础设计规范》、TB 10035-2006《铁路特殊路基设计规范》、JGJ 118-2011《冻土地区建筑地基基础设计规范》是根据土的名称、冻前天然含水量、冻前地下水位至地表距离、平均冻胀率进行冻胀分级[2-5]。
《膨胀土地区建筑技术规范》是根据土的自由膨胀率进行膨胀性分类的[6]。
模糊综合评判matlab源程序
模糊综合评判matlab源程序2009-02-09 10:161.原理模糊综合评判方法即将评价目标看成是由多种因素组成的模糊集合（称为因素集u），再设定这些因素所能选取的评审等级，组成评语的模糊集合（称为评判集v），分别求出各单一因素对各个评审等级的归属程度（称为模糊矩阵），然后根据各个因素在评价目标中的权重分配，通过计算（称为模糊矩阵合成），求出评价的定量解值。
它是应用模糊变换原理和最大隶属度原则，对各因素作综合评价的。
其原理表示为：B=E×R式中E={e1,e2,... ,e i,...,e m},为模糊向量或称模糊变换器，是评价因素集X={ x1,x2, ,x i, ,x m }的权重分配。
式中R为评价因素X={ x1,x2, ...,x i, ...,x m }与评判集U={ u1,u2, ,u i, ,u n }构成的模糊关系矩阵。
|R1| |r11 r12 ... r1m|R=|R2|= |r21 r22 ... r2m|| | | ||Rn | |rn2 rn2 ... rnm|其中n为评价集合的个数，m为评价因素(或评判指标)的个数。
2.程序算法下面是采用环境中的常用的超标加权法计算权重，使用“线性降半阶”函数计算隶属度的matlab程序，供各位参考。
clear;clc;a=[48.37611111 26.33277778 819.1455556 334.5933333 1032.364444 262.3716667 2374.72222215.84 6.430384615 981.3157692 756.1965385 991.7353846 82.82846154 2535.69230870.7225 29.8525 895.5325 294.5875 1059.1875 462.9525 2724.5]; %a为评价集标准值d=[43.49 28.05 737.98 391.12 1025.66 7.41 2134 2.61 1.82 920.75 636.41 1005.45 74.09 2330 28.66 8.51 774.99 322.78 1013.96 93.84 2001 3.01 1.95 897.53 614.44 889.87 123.27 2200 25.85 5.72 759.59 302.03 1001.96 76.15 19722 1.95 1161.68 1003.73 1077.06 110.1 30043.81 1.09 820.51 396.61 1004.74 37.04 20195.21 2.92 814.08 419.8 1005.8 31.49 20184.41 2.8 824.65 449.06 998.36 38.28 20473.01 1.58 1220.54 956.14 1244.75 3.91 3071 6.01 2.43 1791.61 2338.17 1278.08 30.87 4362 1.2 2.67 1160.54 821.29 1100.82 85.41 29426.617.3 865.57 389.31 1065.27 46.51 2244 9.82 3.77 1240.77 939.71 1165.24 177.19 3248 17.64 6.44 884.2 473.49 930.29 218.95 2417 26.65 7.9 839.5 474.71 941.99 184.18 2363 25.25 4.74 808.33 486.31 881.01 191.6 2217 25.45 6.93 852.01 478.37 966.45 182.54 2339 35.27 18.48 785.11 331.32 979.57 4.04 2245 2.81 2.31 1601.02 2533.55 486.73 2.47 3801 4.21 4.86 1815.52 2584.68 963.61 0 4399 15.23 5.35 813.85 787.16 688.79 205.18 2093 67.01 36.65 864.23 357.76 1035.8 426.31 2609 84.65 34.24 892.72 381.19 1060 466.64 2731 15.43 21.52 898.68 88.47 1061.46 414.48 2483 115.8 27 926.5 350.93 1079.49 544.38 3075 ]; %b为待判样品值[m,n]=size(a);[x,y]=size(d);TheResultMoHu=[];%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%for s=1:xfor p=1:nb(p)=d(s,p);endfor i=1:n %计算每一个列的平均值ColAverage(i)=0;for j=1:mColAverage(i)=ColAverage(i)+a(j,i);endColAverage(i)=ColAverage(i)/m;end%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% ETotal = 0; %超标加权法计算权重for j = 1: nETotal = ETotal + (b(j) / ColAverage(j));endfor i = 1: nEResult(i) = (b(i) / ColAverage(i)) / ETotal; %EResult为计算结果end%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %使用隶属函数，做预处理对每一列进行排序SortedMatrix=a;for j=1:nfor i=1:mfor k=i:mif SortedMatrix(i,j)>SortedMatrix(k,j)tmp=SortedMatrix(i,j);SortedMatrix(i,j)=SortedMatrix(k,j);SortedMatrix(k,j)=tmp;endendendend%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %计算单因素隶属度c=SortedMatrix;for j = 1 : nfor i = 1 : mfor k = 1 : mif a(i, j) == c(k, j)if k == 1if b(j) < c(k, j)LSDResult(j, i) = 1;endif b(j) >= c(k, j) & b(j) < c(k + 1, j)LSDResult(j, i) = ((c(k + 1, j) - b(j)) / (c(k + 1, j) - c(k, j)));endif b(j) >= c(k + 1, j)LSDResult(j, i) = 0;endendif k > 1 & k < mif b(j) < c(k - 1, j)LSDResult(j, i) = 0;endif b(j) >= c(k - 1, j) & b(j) < c(k, j)LSDResult(j, i) = ((b(j) - c(k - 1, j)) / (c(k, j) - c(k - 1, j)));endif b(j) >= c(k, j) & b(j) < c(k + 1, j)LSDResult(j, i) = ((c(k + 1, j) - b(j)) / (c(k + 1, j) - c(k, j)));endif b(j) >= c(k + 1, j)LSDResult(j, i) = 0;endendif k == mif b(j) < c(k - 1, j)LSDResult(j, i) = 0;endif b(j) >= c(k - 1, j) & b(j) < c(k, j)LSDResult(j, i) = ((b(j) - c(k - 1, j)) / (c(k, j) - c(k - 1, j)));endif b(j) >= c(k, j)LSDResult(j, i) = 1;endendendendendend%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %权重乘以单因素隶属度得到最终结果R=LSDResult;E=EResult;FuzzyEvalution=E*R;TheResultMoHu=[TheResultMoHu;FuzzyEvalution]; endTheResultMoHu。
基于MATLAB的模糊控制系统的设计与仿真
基于MATLAB的模糊控制系统的设计与仿真
张岳
【期刊名称】《辽宁科技学院学报》
【年(卷),期】2004(006)003
【摘要】文章通过示例,在简要介绍模糊逻辑控制箱的基础上,重点介绍如何用SIMULINK工具箱、FUZZY工具箱,实现模糊控制系统的设计与仿真.
【总页数】2页(P21-22)
【作者】张岳
【作者单位】辽宁科技学院,自动控制系,辽宁,本溪,117022
【正文语种】中文
【中图分类】TP273.4
【相关文献】
1.基于MATLAB的模糊PID控制系统的设计与仿真 [J], 王超;蒋平
2.基于Matlab的啤酒发酵模糊控制系统的设计与仿真 [J], 张晓兰;杨丽伟
3.基于Matlab的模糊控制系统的设计与仿真 [J], 邵桂荣
4.基于Matlab的模糊PID运动控制系统的设计与仿真 [J], 吕帅
5.基于MATLAB的模糊逻辑控制系统的设计与仿真 [J], 刘永;彭正洪
因版权原因，仅展示原文概要，查看原文内容请购买。
MATLAB模糊系统建模与控制技巧
MATLAB模糊系统建模与控制技巧近年来，模糊系统在工程学科中得到了广泛的应用。
由于其能够处理不确定性和模糊性问题，模糊系统被用于解决各种实际的控制和决策问题。
在这篇文章中，我们将介绍MATLAB在模糊系统建模和控制方面的一些技巧和应用。
一、模糊系统的基本原理模糊系统是一种基于模糊逻辑的人工智能技术，通过建立和应用模糊规则来处理不确定性输入和模糊输出。
它由模糊化、模糊推理和去模糊化三个基本模块组成。
模糊化是将实际输入映射到相应的模糊集合上，通常使用隶属度函数来描述输入值的隶属度。
模糊推理则根据一组“如果-那么”规则对模糊输入进行推理，生成模糊输出。
去模糊化是将模糊输出转化为对应的实际控制或决策变量。
二、MATLAB中的模糊工具箱MATLAB提供了一个强大的模糊工具箱，可以方便地进行模糊系统的建模、仿真和控制设计。
首先，需要添加模糊工具箱到MATLAB的环境中。
然后，可以通过命令行或者图形界面来创建和操作模糊系统。
1. 模糊系统的创建在MATLAB中，可以通过fuzzy函数来创建一个空白的模糊系统对象，然后按照需要添加输入、输出和模糊规则。
例如，可以使用下面的代码创建一个具有两个输入和一个输出的模糊系统：```fis = newfis('myfuzzy');fis = addvar(fis,'input','input1',[-10,10]);fis = addvar(fis,'input','input2',[-10,10]);fis = addvar(fis,'output','output',[-10,10]);```2. 输入和输出的隶属度函数对于每个输入和输出变量，可以通过addmf函数来添加相应的隶属度函数。
常用的隶属度函数有三角形、梯形和高斯函数等。
例如，下面的代码创建了一个三角形型的隶属度函数：```fis = addmf(fis,'input',1,'low','trimf',[-10,-5,0]);fis = addmf(fis,'input',1,'high','trimf',[0,5,10]);```3. 模糊规则的定义可以通过addrule函数来添加模糊规则。
《基础工程》课后简答与答案
《基础工程》课后简答与答案第一章建筑场地岩土工程勘察1、简述建筑场地岩土上工程勘察的目的及任务。
答：目的：以各种勘察手段和方法，调差研究和分析评价建筑场地和地基地址条件，为设计和施工提供所需要的工程地址材料。
任务：按照工程建设的要求，正确反映工程地质条件，查明不良地址作用和地质灾害，提出资料完整、评价正确的勘察报告。
2、如何确定岩土工程勘察等级？答：根据《岩土工程勘察规范》的规定，岩土工程的勘察等级根据岩土工程的重要性等级、场地的复杂程度和地基的复杂程度等级综合确定，划分为以下几个等级：甲级——在工程重要性等级、建筑场地复杂程度等级和地基复杂程度等级中，有一项或多项为一级；乙级——除勘察等级为甲级和丙级以外的勘察项目；建筑在岩质地基上的一级工程，当场地复杂程度等级和地基复杂程度等级均为三级时，其岩土工程勘察等级也可以定为乙级；丙级——工程重要性等级、建筑场地复杂程度等级和地基复杂程度等级均为三级。
3、岩土工程勘察分为哪几个阶段？各勘察阶段的目的和主要内容是什么？答：岩土工程勘察分三个阶段：选址勘察（可行性研究勘察）、初步勘察和详细勘察。
选址勘察目的：为取得几个场址方案的主要工程地质资料，作出工程地质评价和方案比较。
内容：侧重与收集和分析区域地质、地形地貌、地震、矿产和附近地区的岩土工程资料及当地建筑经验，并在收集和分析已有资料的基础上，抓住主要问题，通过踏勘，初步了解场地的地层人来岩性、地质构造、土性震碎了资料、地下水情况及不良地质现象等工程地质条件。
初步勘察目的：对场地稳定性作出全局评价以后，还应配合初步设计，对场地内建筑地段的稳定性作出评价，查明建筑场地不良地质想象的成因、分布范围、危害程度及其发展趋势，以便使场地内主要建筑物的不知避开不良地质现象发育地段。
内容：初步查明地层及其构造，岩石和土的物理力学性质，地下水埋藏条件，以及土的冻结深度，为主要建筑物的地基基础设计及不良地质现象的防治方案提供工程地质资料。
- 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)。
ｅａｇ ａｕ ｉ ｒｔ ｏ ｓｉ ｃ ｈｎｓ ｎｖｓ ｙ ｆ ｃ ｎ ｅ＆Ｔ ｃｎｌ ｙ ｃａｇｈ ｕ ａ １０ ６ ｈ ａ ｈ ｅ ｉ ｅ ｅｈ ｏ ｇ ， ｈｎｓａＨ ｎｎ４ ０ ７ ，Ｃ ｉ ） ｏ ｎ
ＣＨＥ Ｙｕ ｉ ｎ Ｎ ｌ ｇ ，ＺＨＡＯ ｈ ｎ ｗｅ ａ Ｓ ｅ ｇ ｉ ，ＬＩＸｕ ｌ ｎ ｅｉ ３ ａ
（ ．ｃｏｌ ｆ ｎｉｅｒ ｇ Ａｃ ｉ ｃ ｒ， ａｔ ｈｎ ａｔ ｇＵ ｉ ｒ ｔ， ａｃａｇ Ｊ ｎ ｘ ３０ １ ， ｈｎ ； １Ｓｈｏ ｏ ｇ ｅ ｎ ＆ ｒ ｔ ｔ ｅ Ｅ ｓＣ ｉａ ｉ ｏ ｎ ｅ ｉ Ｎ ｎｈｎ ， ｉ ｇｉ ３ ０ ３ Ｃ ｉ Ｅ ｎ ｉ ｈｅｕ Ｊｏｎ ｖ ｓｙ ａ ａ
［ ｙｗ ｒｓ ｘ ａｓ ｅｓｉ ｈ ｗ ｌａｄｓｒ ｋｇａｅ ； ｈ ｚ ｇ ｙｔ Ｋｅ ｏｄ ｅｐｎｉ ｏ ；ｔ ｓ ｅ ｎ ｈｉ ｒ ｓ ｔｅ ｕｚ ｌ ｉ ｓｓ ｍ；ＭＡ Ｌ Ｂ ｊ ｖ ｌ ｅ ｌ ｎ ｄ ｆ ｙｏｃ ｅ ＴＡ
膨胀 土 的显著 特点 是 吸水膨 胀 、 失水 收缩 ， 对环 境 的变 化 比较 敏 感 。 由 于膨 胀 土 自身 构 成 的差 异 ， 导致 它们 在物 理 力学 特 性 的表 现 方 面 也不 一 样 ， 在
维普资讯
第３卷 ， ３ １ 第 期
２００６年 ６月
中 南 公 路 工 程
Ｃｅ ｔａ ｏ ｔ ｇ ｗａ ｇｎ ｅ ｉ ｇ ｎ ｒ ｌＳ ｕ ｈ Ｈｉｈ ｙ Ｅｎ ｉｅ ｒｎ
Ｖｏ ． １． １ ３ Ｎｏ． ３
Ｊ ｎ．， ｕ ２００６
模糊 逻辑 工 具 箱 （ ｕｚ ｏｉ Ｔ ｏ ｏ ） 供 了模 Ｆ ｚｙＬ ｇ ｏｌ ｘ 提 ｃ ｂ
膨胀土 胀 缩 等 级 的 评 定 ， 直 备 受 工 程 界 关 一
注 。 ， Ｊ 长期 以来 ， 人们 在这方 面作 了不 懈 的努 力 ， 提
出了许 多评定 方 法 ， 柯 尊 敬 等 的最 大 胀 缩 性指 标 如
糊逻 辑控 制器 及 系统 设计 各种 途 径 ，它提 供 了生 成
和 编 辑 ＦＳ 常 用 函 数 ， ｎ ｗｉ、 ｄｖｒ ａｄ ｆ ａ Ｉ 如 ｅ ｆ ａｄａ、 ｄｍ 、 ｄ ｓ ｄｕｅｅａ ｓ等 。 它 包 括 产 生 新 ＦＳ Ｆ ｚ ｎ ｒ ｃ ｒｌ、ｖｌ ｉ ｆ Ｉ （ ｕｚ Ｉ ｅｅ ｅ ｙ ｆ ｎ Ｓｓ ｍ） 给 ＦＳ加 入 变 量 、 属 度 函数 和控 制 规 则 、 ｙｔ 含 水量 分 类法 ， 生林 谭 Ｊ李 等 的塑性 图分类 法 ， ］ 梁俊勋 的灰 色 聚类 法 ］陈新 ， 民等的 灰 色 关 联 分 析 法 ， 波 等 的 模 糊 数 学 方 ］金
法 等 等 。为 了合 理地 对膨胀 土进 行胀 缩 等级 的评 定 ， 须认 真研究 反 映膨 胀土基 本性 质 的有关 指标 。 必
１ 基 于 ＭＡ Ｌ Ｂ— Ｉ Ｔ Ａ Ｆ Ｓ的 建模 方 法
Ｍ ＴＡ Ａ Ｌ Ｂ软 件 是 在 １８ ９４年 由 美 国 Ｍ ｔ ｒｓ ａ Ｗｏ ｈ ｋ 公 司推 出的一 套 高 效 率数 值 计 算 的可 视 化软 件 ， 它 提供 了丰富 的数 值 分 析 、 阵 运 算 、 矩 图形 绘制 、 据 数
［ 键 词 ］膨 胀 土 ；胀 缩 等 级 ； 糊 系统 ； Ａ Ｌ Ｂ 关 模 Ｍ ＴＡ ［ 图 分 类 号 ］Ｕ４ ２２ ｌ 中 １．２ ［ 献 标 识 码 ］Ｂ 文 ［ 文章 编号 ］１０ － ２ ５２０ ）２ ０４ － ３ ０ ２ １０ （０６ ０ － １０ ０
Ａ ｚ ｙ Ｄｅ ｉｉ ｎ Ｓ ｓｅ ｏ ｓ ｓ ｉ ｇ ｔ ｅ Ｓ ｌ ａ ｄ Ｓ ｉ ｋ Ｆｕ ｚ ｃｓｏ ｙ ｔｍ ｆ ｒ Ａｓ ｅ ｓｎ ｈ ｗｅｌ ｎ ｈｒｎ Ｇ ｒ ｄ ｓｏ ｐ ｎ ｉ ｅ Ｓ ｉ Ｂａ ｅ ｎ ａ Ｍ ＡＴＬＡＢ— Ｓ Ｔｏ ｌ ｏ ａ ｅ ｆＥｘ ａ ｓｖ ｏ ｌ ｓ ｄ ｏ ＦＩ ｏｂ ｘ
处理 、 图像处 理 等功 能 ， 且提 供 了大量 的应 用 于不 并
土木工 程 活动 中根据 膨胀 土不 同胀缩 等级 对 其采取 不 同 的措施 ， 而保证 工程 的安 全适 用ｎ 。 因此 ， 从 ］ 膨 胀 土判 别 与分 类 对于 膨胀 土地 区工程 建设 来说 非常
重要。
同学 科 的工具 箱 。正 因 为 它是 一 个 开 放 的 环境 ， 已 经 成 为国际 工程 界广 泛使 用 的语 言之一 。
基 于 ＭＡ Ｌ Ｂ的膨 胀 土 胀 缩 等 级 评 定 模 糊 决策 系统 ＴＡ
‘
（ ． 东交通大学 土建学院 ， 西 南 昌 １华 江
陈 字 亮 ，赵胜 伟 李 雪莲 ，
３０ １ ； ２ 湖 北 省 襄 樊 市 公 路 局 ， 北 襄 樊 ３０３ ． 湖 ４０ ２ ； ３ 长 沙 理 工 大 学 ３５０ ．
公路工程学院 ， 南 长沙 湖
４ ０７ ） １０６
［ 摘 要 ］膨 胀 土 胀 缩 等 级 评 定 对 于膨 胀 土工 程 至关 重 要 。 应 用 ＭＡ Ｌ Ｂ工 具 箱 中 模 糊 决 策 系 统 对 膨 胀 土 胀 ＴＡ
缩 等 级进 行 判 断 ， 在 实 际 工 程 中 得 到 应 用 ， 得 了 较好 的 效 果 。 并 取