在线推理法模糊控制器实验报告
洗衣机模糊控制仿真实验报告
洗衣机模糊控制仿真实验报告一、实验目的本实验旨在通过对洗衣机运行过程的模糊控制仿真实验,帮助学生更好地了解模糊控制的基本原理和实现方法。
二、实验原理洗衣机模糊控制系统主要包括模糊控制器、模糊推理机和输出规则等三个部分。
模糊控制器是模糊系统的核心部分,其主要作用是将输入信号转化为模糊集,并将控制输出信号转化为真实输出信号。
模糊控制器的输入为洗衣机工作状态的一些参数,例如水位、温度等,输出为洗衣机运行状态的一些控制命令,例如加热、搅拌等。
模糊推理机是由一系列规则组成的系统,它负责根据输入的模糊集和一组先验规则,进行模糊推理,得到控制输出信号的模糊集,即模糊控制器的中间变量。
输出规则主要为控制输出信号的模糊集赋值,即将模糊集中各个元素映射到真实输出信号的取值范围内。
三、实验步骤1、建立洗衣机的模糊控制系统模型,包括模糊控制器、模糊推理机和输出规则等。
2、设置洗衣机的运行参数,例如水位、温度等,作为模糊控制器的输入。
3、根据洗衣机的运行状态,制定一组先验规则,作为模糊推理机的输入,并进行模糊推理。
4、根据模糊推理得到的控制输出信号的模糊集,进行输出规则的映射,得到洗衣机的真实控制命令。
5、根据洗衣机的控制命令,模拟洗衣机的工作流程。
6、对洗衣机的工作流程进行仿真实验,并记录实验结果。
四、实验结果分析经过多次实验,得到了洗衣机的模糊控制系统的优化参数,能够实现洗衣机的良好控制。
通过对实验结果的分析,可以发现,模糊控制系统可以有效地调节洗衣机的运行状态,使其在不同的工作状态下保持稳定且高效的运行。
同时,模糊控制系统也具有很强的适应性和鲁棒性,可以自适应地调节参数,应对各种不同的运行环境。
五、实验总结本实验通过模拟洗衣机的工作流程,对模糊控制系统的基本原理和实现方法进行了深入探究,能够有效地帮助学生掌握模糊控制系统的设计和应用方法。
同时,在实验过程中,也需要注意对实验数据和结论的分析和总结,以便更好地优化模糊控制系统的参数和性能,实现最佳控制效果。
(完整word版)在线推理法模糊控制器实验报告
在线推理式模糊逻辑控制器设计实验报告学院:电力学院专业:自动化学号:姓名:时间:2021年 11 月 16 日一、实验目的利用 Matlab 软件实现模糊控制系统仿真实验,认识模糊控制的在线推理方法的根根源理及实现过程。
二、实验要求以matlab 模糊工具箱中供应的一个水位模糊控制系统仿真的实例,定义语言变量的语言值,设置隶属度函数,依照供应的规那么建立模糊逻辑控制器。
最后启动仿真,观察水位变化曲线。
三、实验步骤表达在线推理模糊控制的仿真的主要步骤。
1〕在 matlab 命令窗口输入: sltank ,翻开水位控制系统的 simulink 仿真模型图,如图;2〕在 matlab 的命令窗口中,输入指令: fuzzy ,便翻开了模糊推理系统编写器〔 FIS Editor 〕,如图;3〕利用FIS Editor编写器的Edit/Add variable/input菜单,增加一条输入语言变量,并将两个输入语言和一个输出语言变量的名称分别定义为: level;rate;valve。
其中, level 代表水位〔三个语言值:低,高,正好〕,rate 代表变化率〔三个语言值:正,不变,负〕,valve 代表阀门〔五个语言变量:不变,迅速翻开,迅速关闭,缓慢翻开,缓慢关闭〕;4〕①利用FIS Editor 编写器的Edit/membership function 菜单,翻开隶属度函数编写器,以以下列图,将输入语言变量level 的取值范围〔range〕和显示范围〔display range〕设置为[-1 ,1] ,隶属度函数种类〔type〕设置为高斯型函数〔gaussmf〕,而所包含的三条曲线的名称〔name〕和参数〔parameters〕〔[宽度中心点 ]〕分别设置为: high,[0.3 -1];okay [0.3 0];low [0.3 1] 。
其中 high 、okay、low 分别代表水位高、正好、低;②将输入语言变量 rate 的取值范围〔 range 〕和显示范围〔 display range 〕设置为 [-0.1 ,0.1] ,隶属度函数种类〔 type 〕设置为高斯型函数〔 gaussmf〕,而所包含的三条曲线的名称〔 name〕和参数〔 parameters 〕〔 [ 宽度中心点 ] 〕分别设置为: negative,[0.03 -0.1];none [0.03 0];positive [0.03 0.1] 。
模糊控制原理与应用实验分析
模糊控制原理与应用实验讲义实验学时: 4单位:电信学院撰写人:谢仕宏审核:周强、亢洁、王素娥题目:模糊控制系统建模与仿真分析 (3)一、实验目的 (3)二、实验学时:4学时 (3)三、实验原理 (3)四、实验内容 (10)题目:模糊控制系统建模与仿真分析一、实验目的1、熟悉Matlab软件的基本操作方法2、掌握用matlab/Fuzzy logic toolbox进行模糊控制系统建模仿真的基本方法。
3、熟悉模糊控制系统设计的基本方法二、实验学时:4学时三、实验原理MATLAB R2008提供了建立模糊逻辑推理系统的仿真工具箱——Fuzzy Logic Toolbox,版本为Fuzzy Logic Toolbox2.2.7。
建立模糊逻辑推理系统有两种基本方法,第一种方法是借助模糊推理系统编辑器(Fuzzy Logic Editor)的图形界面工具建立模糊逻辑推理系统,第二种方法是利用命令建立模糊逻辑推理系统。
第一种方法使用简单、建模方便,适合于初学模糊逻辑控制系统建模与仿真的读者。
第二种方法稍难一些,但对深入了解模糊逻辑推理系统的MATLAB仿真知识大有帮助。
下面分别讲述两种方法,读者可自行选择阅读。
1模糊逻辑工具箱图形界面工具模糊逻辑工具箱图形工具是为了方便用户建立模糊推理系统而推出的图形化设计工具,在这里可快速方便的建立模糊推理系统并观测模糊规则、推理输出等。
模糊逻辑推理图形工具主要包括:基本模糊推理系统编辑器(fuzzy)、隶属函数编辑器(mfedit)、模糊规则编辑器(ruleedit)、模糊规则观测器(ruleview)、模糊推理输入输出曲面观测器(surfview)。
下面分别介绍它们的基本使用方法。
1.1基本模糊推理系统编辑器在Command Windows输入“fuzzy”命令,弹出如下图 1所示的“FIS Editor”(模糊推理系统编辑器)窗口。
在这里可以对包括输入、输出模糊语言变量的名称、模糊推理系统的类型和名称、模糊逻辑推理的各种运算(与、或、蕴含、规则合成、解模糊化)等高层属性进行编辑。
模糊控制实验
中南大学模糊控制课程实验报告学生姓名:彭雄威_____________ 指导教师: ________________ m _______ 学院:信息科学与工程学院学号:114611167 ______________实验一:本系统设计基于MATLAB图形模糊推理系统,设计步骤如下:打开MATLAB,输入指令fuzzy,打开模糊逻辑工具箱的图形用户界面窗口,新建一个Mamdani模糊推理系统。
(1) 增加一个输入变量,将输入变量命名为E、Ec,将输出变量命名U。
这样就建立了一个两输入单输出的模糊推理系统。
如图1.1所示。
图1.1增加一个输入变量(2) 设计模糊化模块:设计隶属度函数论域范围图3.2设计水位误差E模块3.3设计水位误差EC模块图3.4设计水位输出U模块(4)模糊控制器的规则设计le Editor: fuzzf(5)通过观察器观察规则情况在菜单view中的rules和surface选项分别对应得是规则观测器和曲而观测器。
123 4567891011121314151617181920212223242526272829”Input: 20】Plot points: ioi Move: [ left 11 rg ] |down] ( up ]Opened system tuzzf, 49 rules| 5 Close |图3.7规则观测器图3.6曲面观测器(6)保存编辑好的FIS文件实验二利用MATLAB软件的M文件编辑器和实验一所生成的fuzzf.FIS文件,在M 文件编辑器中输入:a=readfis('fuzzf');evalfis([・0.5广0.07;-0.5,0;・0.5,0.07; 0,・0.07;0,0;0,0.07;0.5广0.07;0.5,0;0.5,0.07],a)便可得fuzzf.FIS文件的模糊控制査询表,其中的数据在水位误差E的论域为[・ 1 1], 误差变化EC的论域为[.0.1 0.1]内可以任意取值。
模糊控制实验报告
模糊控制实验报告本实验通过使用模糊控制器来控制直流电机的转速。
模糊控制是一种基于模糊推理的控制方法,该方法可以处理一些无法准确数学建模的系统控制。
模糊控制的输入和输出都是模糊变量,这样可以考虑到系统存在的不确定性和模糊性。
实验装置包括模糊控制器、直流电机、转速测量装置、实验板等。
模糊控制器由模糊推理机、偏差和变化率输入模糊化模块、输出反模糊化模块、规则库组成。
实验板可通过控制开关选择转速和方向。
在实验中,通过设置转速值和方向,记录电机的真实转速和输出控制信号,来验证模糊控制器的控制效果。
通过不同的控制变量和规则库来对比不同的控制方案。
实验结果表明,模糊控制器对于直流电机转速的控制具有较好的效果。
当控制变量为偏差和变化率时,规则库中的设定合理,输出控制信号的变化平稳,电机转速较为稳定。
当增加控制变量或修改规则库时,控制效果也发生了变化。
同时,实验还验证了模糊控制的重要性和优越性,可以解决一些无法准确建模的系统控制问题。
在实验中,还需要注意一些实验细节,例如校准直流电机转速传感器的准确度,保证实验板电路的正常工作和实验数据的准确性,减少误差的影响。
总之,本实验通过实际操作验证了模糊控制器在直流电机转速控制中的应用,对于学习模糊控制的控制方法和实验操作具有很好的参考意义。
同时,本实验也展示了模糊控制对于处理模糊问题的效果。
在直流电机转速控制中,存在许多因素的影响导致控制过程不确定和模糊,例如负载的变化、外部干扰的存在等等。
而模糊控制可以将这些不确定因素转化为模糊变量进行处理,从而提高控制精度和鲁棒性。
此外,本实验也强调了规则库的重要性。
规则库是模糊控制中很关键的一部分,其中包含了专家经验和数学模型的映射关系。
规则库中的设定需要充分考虑被控对象的特性,才能够保证模糊控制器的控制效果。
而实验中不同的规则库设计对于控制效果的影响也展现了模糊控制的灵活性和可定制性。
最后,本实验的数据记录和实验结果分析也为后续工程实际应用提供了很好的参考。
模糊控制实验
中南大学模糊控制课程实验报告学生姓名:彭雄威指导教师:袁艳学院:信息科学与工程学院学号:114611167实验一:本系统设计基于MATLAB图形模糊推理系统,设计步骤如下:打开MATLAB,输入指令fuzzy,打开模糊逻辑工具箱的图形用户界面窗口,新建一个Mamdani模糊推理系统。
(1)增加一个输入变量,将输入变量命名为E、Ec,将输出变量命名U。
这样就建立了一个两输入单输出的模糊推理系统。
如图1.1所示。
图1.1增加一个输入变量(2) 设计模糊化模块:设计隶属度函数论域范围图3.2设计水位误差E模块3.3设计水位误差Ec模块图3.4设计水位输出U模块(4)模糊控制器的规则设计(5)通过观察器观察规则情况在菜单view中的rules和surface选项分别对应得是规则观测器和曲面观测器。
图 3.7 规则观测器图 3.6 曲面观测器 (6) 保存编辑好的FIS文件实验二:利用MATLAB软件的M文件编辑器和实验一所生成的fuzzf.FIS文件,在M 文件编辑器中输入:a=readfis('fuzzf');evalfis([-0.5,-0.07;-0.5,0;-0.5,0.07; 0, -0.07;0,0;0,0.07;0.5,-0.07;0.5,0;0.5,0.07],a)便可得fuzzf.FIS文件的模糊控制查询表,其中的数据在水位误差E的论域为[-1 1],误差变化Ec的论域为[-0.1 0.1]内可以任意取值。
a=readfis(' fuzzf ')a =name: ' fuzzf 'type: 'mamdani'andMethod: 'min'orMethod: 'max'defuzzMethod: 'centroid'impMethod: 'min'aggMethod: 'max'input: [1x2 struct]output: [1x1 struct]rule: [1x5 struct]a=readfis(' fuzzf ');evalfis([-0.5,-0.07;-0.5,0;-0.5,0.07; 0, -0.07;0,0;0,0.07;0.5,-0.07;0.5,0;0.5,0.07],a)ans =-0.2000-0.4444-0.46670.1363-0.0014-0.22710.40000.44120.1333实验三利用MATLAB软件的M文件编辑器(也可选择C语言)完成模糊控制查询表的计算。
智能控制--模糊控制实验报告
clear all;close all;T=0; %ʱ¼ä³£Êýa=newfis('fuzz_temperatrue');a=addvar(a,'input','e',[-3,3]); %Parameter e a=addmf(a,'input',1,'NB','zmf',[-3,-1]);a=addmf(a,'input',1,'NM','trimf',[-3,-2,0]);a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',1,'Z','trimf',[-2,0,2]);a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);a=addmf(a,'input',1,'PM','trimf',[0,2,3]);a=addmf(a,'input',1,'PB','smf',[1,3]);a=addvar(a,'output','u',[72,78]); %Parameter u a=addmf(a,'output',1,'NB','zmf',[72,74]);a=addmf(a,'output',1,'NM','trimf',[72,73,75]);a=addmf(a,'output',1,'NS','trimf',[73,74,75]);a=addmf(a,'output',1,'Z','trimf',[74,75,76]);a=addmf(a,'output',1,'PS','trimf',[75,76,77]);a=addmf(a,'output',1,'PM','trimf',[75,77,78]);a=addmf(a,'output',1,'PB','smf',[76,78]);rulelist=[1 1 1 1; %Edit rule base2 2 1 1;3 3 1 1;4 4 1 1;5 5 1 1;6 6 1 1;7 7 1 1];a=addrule(a,rulelist);a1=setfis(a,'DefuzzMethod','mom'); %Defuzzywritefis(a1,'temperatrue'); %Save to fuzzy file "tank.fis" a2=readfis('temperatrue');figure(1);plotfis(a2);figure(2);plotmf(a,'input',1);figure(3);plotmf(a,'output',1);flag=1;if flag==1showrule(a) %Show fuzzy rule baseruleview('temperatrue'); %Dynamic Simulationenddisp('-------------------------------------------------------');disp(' fuzzy controller table:e=[-3,+3],u=[-4,+4] ');disp('-------------------------------------------------------');for i=1:1:7e(i)=i-4;Ulist(i)=evalfis([e(i)],a2);endUlist=round(Ulist)e=-3; % Erroru=evalfis([e],a2) %Using fuzzy inference四、Simulink仿真模型五、实验结果令T=0;1、模糊控制器为一维控制器,输入输出变量的量化等级为7级,取5个模糊集。
智能计算——模糊推理实验
实验报告2018 ──2019 学年第二学期一、实验目的及要求二、实验原理、实验内容三、实验仪器设备及材料四、操作方法与实验步骤五、实验数据记录及处理六、实验结果分析实验四:模糊推理1.主要代码# -*- coding: utf-8 -*-import sympy# 定义模糊规则RULE = {'SD':{'NG':'VS','MG':'M','LG':'L'},'MD':{'NG':'S','MG':'M','LG':'L'},'LD':{'NG':'M' ,'MG':'L','LG':'VL'}}# 污泥隶属度函数def ruleMD(stain):if(stain>=0 and stain<=50):return stain/50else:return (100-stain)/50def ruleSD(stain):result = (50-stain)/if(result < ruleMD(stain)):return 'MD'else:return 'SD'def ruleLD(stain):result = (stain-50)/if(result < ruleMD(stain)):return 'MD'else:return 'LD'# 油脂隶属度函数2、实验步骤和实验结果(1)实验步骤流程如下图:推理语句:If A AND B then C(2)实验结果:3、不同的油污情况,需要的洗涤时间仪器设备损坏、非正常损耗材料(试剂)及处理情况:无教师对报告的最终评价及处理意见:教师签字:年月日。
模糊PID控制实验报告
编号:实验一普通PI控制方法的设计与实现一、实验目的1. 掌握数字PI及其算法的实现2. 熟悉在在keil环境下进行单片机程序的设计3. 熟悉仿真软件protues的使用二、实验设备及条件1. 计算机系统2. 编程软件keil4和仿真软件protues7.8三、实验原理及其实验步骤(1) PID算法的数字化实现在模拟系统中,PID算法的表达式为u(t)=K P[e(t)+1T I∫e(t)dt+T Dde(t)dt]式中u(t):调节器的输出信号;e(t):调节器的偏差信号,它等于测量值与给定值之差;Kp:调节器的比例系数;T I:调节器的积分时间;TD:调节器的微分时间;离散化的PID为:u(k)=K P[e(k)+TT I∑e(j)kj=0+T DT(e(k)−e(k−1))]Δt=T:采样周期,必须使T足够少,才能保证系统有一定的精度;E(k):第K次采样时的偏差值;E(k-1) :第K-1次采样时的偏差值;K:采样序号,K=0,1,2……;P(k-1):第K次采样时调节器的输出;上式计算复杂,经过化简为:u(k)=u(k−1)+K P[e(k)−e(k−1)]+K I e(k)+K D[e(k)−2e(k−1)+e(k −2)]式中:K I=K P TT I为积分系数K D=K P T DT为微分系数要计算第K次输出值u(k),只需要知道u(k-1),e(k),E(k-1),e(k-2)即可。
上式也称为位置型PID的位置控制算法。
在很多控制系统中,由于执行机构是采用布进电机进行控制,所以只要给一个增量信号即可。
因此得到增量型PID的位置控制算法。
∆u=K P[e(k)−e(k−1)]+K I e(k)+K D[e(k)−2e(k−1)+e(k−2)] (2) 控制系统的结构框图整个系统的控制框图如下所示:图1 PID控制系统结构框图在本次设计中,经过计算,被控对象的传递函数是:G(s)=1 (SCR)2+3SCR+1其中:C=10uf,R=20K;带入上式后可得:G(s)=10.04S2+0.6S+1显然是一个二阶系统。
实验三 模糊控制实验报告示例
实验三模糊控制实验班别:自动化081 姓名:覃健学号:200800301031一实验过程1 对模糊控制模块建立模糊规则的步骤(1)在Command window 命令窗口中输入fuzzy,按enter弹出模糊规则窗口;(2)加入一个输入,在弹出的窗口中选择Edit→Add V ariable→input;(3)在name中更改input1为“e”,input2为“ec”,output为“u”;(4)双击e对e的设置:a, 选择Edit→Add MFs→numbers of MFs 中选择4;b,在range和display range中设置隶属函数图的取值范围;c,更改mf1~mf7的参数,分别命名为“NB”、“NM”、“NS”、“Z”、“PS”、“PM”、“PB”,并设置三角形的顶点值,其中'NB'的类型为'zmf','PB'为'smf'其他的都为'trimf',结果如下图所示:(5)重复步骤(4)对ec、u进行设置,结果如下图所示:(6)双击mamdani,设置49条Rules命令语句,结果如下图所示:(7)在Defuzzification中选择mom;(8)最后完成模糊规则的建立如下图所示,然后选择file→export→to workspace,保存到工作路径中;2simulink仿真(1)打开simulink模块库浏览器窗口,然后选择菜单file→new→model,新建空白的模型窗口;我们所需要画的模块框图,框图如下所示,按下图在simulink模块库中查找我们所需的模块,拉到模型窗口中,然后连接各个模块,画好图形。
(2)画好图形后,设定载入模糊控制模块的模糊规则:a,双击模糊控制模块,输入文件名为之前设计好的模糊规则fuzza;b,右键选择look under mask,在弹出的窗口中双击模糊控制木块,在弹出的选择框中输入fuzza;然后就可以进行仿真。
人工智能的模糊推理和模糊控制方法
人工智能的模糊推理和模糊控制方法近年来,随着人工智能技术的快速发展,模糊推理和模糊控制方法逐渐成为人工智能领域的重要技术之一。
模糊推理技术是一种基于模糊逻辑的推理方法,能够处理信息不确定、模糊的问题;而模糊控制方法是一种可以处理模糊输入的控制方法,可用于模糊系统的设计和应用。
在人工智能领域,模糊推理和模糊控制方法被广泛应用于各种领域,如机器人控制、工业自动化、智能交通系统等。
这些领域都面临着信息不确定、模糊性强的问题,传统的精确逻辑和控制方法难以满足需求,而模糊推理和模糊控制方法则能够有效处理这些问题。
模糊推理技术主要包括模糊集合论、模糊逻辑、模糊推理规则等内容。
模糊集合论是模糊推理的基础,它将集合的隶属度从二元逻辑扩展到连续的范围内,能够更好地描述真实世界中的不确定性和模糊性。
模糊逻辑是一种用于处理模糊概念的数学逻辑,将传统的真假二元逻辑扩展到了连续的隶属度范围,能够更好地描述人类语言和思维中的模糊性。
模糊推理规则是一种将模糊逻辑运用于推理过程中的方法,能够通过一系列规则将模糊输入映射为模糊输出,实现对模糊问题的推理。
在模糊控制方法中,模糊逻辑控制是一种常用的方法。
它将模糊逻辑引入控制系统中,通过一系列的模糊规则将模糊输入映射为模糊输出,从而实现对模糊系统的控制。
模糊逻辑控制方法具有较好的鲁棒性和容错性,能够有效处理传统控制方法难以解决的非线性、不确定性和模糊性问题。
在工业自动化领域,模糊逻辑控制方法已经被广泛应用于控制系统的设计和实现,取得了良好的效果。
除了模糊推理和模糊控制方法之外,还有一些其他的人工智能技术也能够处理模糊性和不确定性问题。
例如,基于概率模型的方法,如贝叶斯网络、马尔科夫链等,能够通过概率推理和统计学方法处理不确定性问题;深度学习方法,如神经网络、卷积神经网络等,能够通过大量数据的学习来解决复杂的模糊问题。
这些技术在不同的领域中都有着广泛的应用,能够为人工智能系统提供更加强大和灵活的推理和控制能力。
实验七模糊假言推理器实验
实验七模糊假言推理器实验一、实验目的:理解模糊逻辑推理的原理及特点,熟练应用模糊推理,了解可能性理论。
通过实例比较模糊推理与不确定性推理的实质区别。
二、实验原理模糊推理所处理的事物自身是模糊的,概念本身没有明确的外延,一个对象是否符合这个概念难以明确地确定模糊推理是对这种不确定性,即模糊性的表示与处理。
模糊逻辑推理是基于模糊性知识(模糊规则)的一种近似推理,一般采用Z a d e h提出的语言变量、语言值、模糊集和模糊关系合成的方法进行推理。
通过定义前项、后项和事实不同的模糊集合,模糊推理可以得到不同的计算结论。
三、实验条件:1模糊假言推理器演示程序;2IE5.0以上版本,能连通Internet。
四、实验内容:1使用推理器多次推理;2自己输入的规则和模糊集,进行运算推理;3通过实例分析模糊推理与不确定性推理的实质区别。
五、实验步骤:1运行默认推理。
进入演示程序,点击“开始运算”运行默认规则,连续点击“计算下一步”,观察文本框中的输出结果。
2增加新规则。
点击“添加规则”可增加新的推理逻辑,在左边文本框中依次输入规则的前项、后项和事实。
3设置模糊集合。
点击“自定义模糊集”可以设置规则的前项、后项和事实的模糊集,并点击“确认”。
4运行自定义规则。
输入完所有自定义模糊规则后,点击“开始运算”运行自定义规则,连续点击“计算下一步”,观察文本框中的输出结果。
5按钮“重新开始”可以进行再一次模糊推理。
其它可参考帮助文件。
六、实验报告要求:1隶属度、模糊关系和模糊规则的相互关系。
2模糊假言推理过程。
3自定义规则及其推理结果。
4分析模糊假言推理与不确定推理的的本质区别。
模糊假言推理器实验一、实验目的理解模糊逻辑推理的原理及特点,熟练应用模糊推理,了解可能性理论。
通过实例比较模糊推理与不确定性推理的实质区别。
二、实验原理模糊推理所处理的事物自身是模糊的,概念本身没有明确的外延,一个对象是否符合这个概念难以明确地确定模糊推理是对这种不确定性,即模糊性的表示与处理。
模糊控制实验报告
模糊控制实验报告1.引言随着科技的不断发展,模糊控制理论在控制系统中的应用越来越广泛。
模糊控制通过将精确的数学模型转化为模糊的规则,可以更好地适应复杂、非线性的控制系统。
本实验旨在通过设计一个模糊控制系统来实现对一个简单的水温控制过程的控制,以验证模糊控制在实际系统中的有效性。
2.实验原理本实验将一个简化的水温控制过程作为被控对象,控制目标是使得水温保持在一个设定的温度范围内。
水温的变化是由水流量和加热功率两个因素决定的。
因此,控制系统的输入变量为水流量、加热功率,输出变量为水温。
通过模糊控制器根据当前的水温及其变化率来调节水流量和加热功率,从而实现对水温的控制。
模糊控制器的输入变量为当前的水温和水温变化率,输出变量为水流量和加热功率的控制信号。
通过设定一系列模糊规则,模糊控制器可以根据当前的输入变量来决定输出变量的值,并调整其大小以实现对水温的精确控制。
3.实验步骤1)设定水温的设定值及其变化率,作为模糊控制器的输入变量。
2)使用模糊推理方法,通过设定一系列模糊规则,将输入变量映射到输出变量。
3)根据输出变量的值,调节水流量和加热功率的控制信号。
4)监测水温的变化,根据测量结果对模糊控制器进行调整,以提高控制的精度。
5)重复步骤3和4,直到水温稳定在设定的范围内。
4.实验结果经过多次实验,我们成功地设计出了一个能够稳定控制水温的模糊控制系统。
在不同的设定值和变化率下,模糊控制器都能够根据当前的输入变量来自适应地调节输出变量的值,使水温保持在设定的范围内。
通过对实验数据的分析,我们发现模糊控制系统具有较好的动态性能和鲁棒性。
在水温变化较快的情况下,模糊控制器能够及时地调整输出变量的值,使水温能够迅速回到设定的范围内。
而在水温变化较慢的情况下,模糊控制器能够稳定地控制输出变量的值,使水温能够保持在设定的范围内。
对比传统的PID控制器,我们发现模糊控制系统在对非线性系统和难以建模的系统进行控制方面具有明显的优势。
模糊控制实验大纲
实验一熟悉模糊工具箱一、目的和要求1.目的(1)通过本次实验,进一步了解模糊控制的基本原理、模糊模型的建立和模糊控制器的设计过程。
(2)掌握MATLAB模糊逻辑工具箱的图形用户界面设计模糊控制器的过程。
2.要求(1)充分理解实验内容,并独立完成实验报告。
(2)实验报告要求:实验题目、实验具体内容、结果分析、收获或不足。
二、实验内容1、利用matlab中的模糊逻辑工具箱提供的图形用户界面(GUI)工具设计一个两输入、一输出的模糊控制器,控制器的要求如下:(1)设模糊控制器的输入变量为:误差E和误差变化EC,输出量为U。
(2)隶属度函数:◆隶属度函数均为三角函数◆E、EC和U的模糊语言变量集均为{NB,NM,NS,ZO,PS,PM,PB}◆E和EC论域为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}◆U的论域为{-7,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6,7}(3)控制规则表如下:表1 模糊控制表三.实验步骤模糊逻辑工具箱提供的图形用户界面(GUI)工具有五个:模糊推理系统(FIS)编辑器;隶属函数编辑器;模糊规则编辑器;模糊规则观察器;输出曲面观察器。
1.模糊控制器结构设计FIS处理系统有多少个输入变量,输出变量,名称是什么,模糊算子“与”(min,prod乘积,custom自定义),“或”(max大,probor 概率统计方法,custom),推理方法(min,prod,custom),聚类方法(max,probor,sum,custom),解模糊的方法(centroid 质心法,bisector中位线法,middle of maximum,largest of maximum,smallest of maximum)。
Matlab的FIS界面如图3所示。
图3 模糊推理系统(FIS)界面2.隶属函数编辑器:确定各个变量的论域和显示范围(左下角编辑区内),如图4所示。
简单的模糊控制实验报告
实验报告课程名称智能控制学院自动化学院班级姓名学号日期2019.4.9基于mamdani 型模糊控制器线性系统的位置跟踪一、实验目的1.熟悉mamdani 模糊控制器的设计原理;2.掌握模糊控制器的设计步骤;3.熟悉模糊控制规则对控制系统效果的影响 ;4.熟悉模糊控制器设计的Matlab 命令;5.掌握用MATLAB 实现模糊控制系统仿真的方法。
二、设备及条件 计算机系统Matlab 仿真软件三、实验原理根据跟踪误差及其变化率,设计模糊控制器使得跟踪误差趋近于零。
四、设计要求 已知某一线性系统2400500s s+,根据误差及其变化率来设计模糊控制器,使得闭环系统的输出跟踪正弦信号0.5sin(10)t ,已知:误差及其变化率的范围初步定为[]33-,要求分为7个模糊集; 输出的范围初步定为[]4.5 4.5-,要求分为9个模糊集;设计隶属度函数误差变化划分表,控制电压变化划分表和模糊控制规则表,基于MATLAB 实现该控制器,并对控制效果进行仿真,根据仿真结果对模糊控制规则、控制信号范围、误差及其变化率进行调整。
五、实验环境I Simulink 介绍1.1 Simulink 简介Simulink 是MATLAB 中的一种可视化仿真工具, 是一种基于MATLAB 的框图设计环境,是实现动态系统建模、仿真和分析的一个软件包,被广泛应用于线性系统、非线性系统、数字控制及数字信号处理的建模和仿真中。
1.2 Simulink 优点Simulink 提供一个动态系统建模、仿真和综合分析的集成环境。
在该环境中,无需大量书写程序,而只需要通过简单直观的鼠标操作,就可构造出复杂的系统。
对各种时变系统,包括通讯、控制、信号处理、视频处理和图像处理系统,Simulink 提供了交互式图形化环境和可定制模块库来对其进行设计、仿真、执行和测试。
II模糊控制工具箱介绍2.1 模糊控制工具箱简介MATLAB模糊控制工具箱为模糊控制器的设计提供了一种非常便捷的途径,通过它我们不需要进行复杂的模糊化、模糊推理及反模糊化运算,只需要设定相应参数,就可以很快得到我们所需要的控制器,而且修改也非常方便。
实验4 Mamdani型模糊推理系统的设计与仿真
实验四 Mamdani 型模糊推理系统的设计与仿真一、 目的和要求 1. 目的(1) 通过本次综合设计,进一步了解模糊控制的基本原理、模糊模型的建立和模糊控制器的设计过程。
(2) 提高控制系统的仿真能力(3) 熟悉MATLAB 在模糊控制系统仿真中的应用。
2. 要求(1) 充分理解实验内容,并独立完成实验报告。
(2) 实验报告要求:实验题目、实验具体内容及实验功能、结果分析、收获或不足、程序清单。
二、 实验内容完成对给定的对象的模糊控制仿真:(1)自选控制对象,比如传递函数()ss Ke s G ts +=-2067.0。
(2)确定模糊控制论域和参数。
(3)在MATLAB 中输入fuzzy( ),设计模糊控制隶属度函数和控制规则。
(4)运行SIMULINK 仿真程序,绘制仿真图。
(5)运行仿真,记录实验数据和控制曲线。
(6)并分析结果。
三、 实验步骤1)确定模糊规则误差E 、误差变化EC 及控制量U 的模糊集定义如下:EC 和U 的模糊集均为:{NB,NM,NS,ZO,PS,PM,PB } E 的模糊集为:{NB,NM,NS,NO,PO,PS,PM,PB } 确定模糊控制规则:一般如表2所示:表2 模糊控制规则表2)设计模糊逻辑控制器模糊逻辑控制系统的参数对控制性能影响很大,因此参数设置是实验的重点内容,具体步骤如下:a.打开Matlab的FIS编辑器(双击Fuzzy logic toolbox下的FIS EditorViewer),确定模糊推理输入变量和输出变量的个数、名字。
b.打开隶属函数编辑器,选定变量的论域和显示范围,选择隶属函数的形状和参数。
c. 打开模糊规则编辑器,编辑模糊规则。
d. 重新回到FIS编辑器界面,选择模糊算子,推理方法,聚类方法,解模糊的方法等(centroid,bisector,middle of maximum,largest of maximum,smallest of maximum)。
(完整word版)模糊推理系统编辑器实验
实验二一、实验目的1、熟悉MATLAB中模糊系统工具箱的使用方法2、掌握模糊推理系统编辑器的使用3、掌握模糊规则以及模糊隶属度函数的意义和编辑器的使用方法二、实验内容1、模糊推理系统编辑器1)命令窗口中键入命令:fuzzy,激活基本模糊推理系统编辑器,选择菜单“File→Export→to workspace…”,以“wuyunhe233080108”为文件名保存到工作空间,如图1所示:图1 基本模糊推理系统编辑器2)选择菜单“Edit→add Variable…→Input”添加输入变量,使系统成为双输入,然后为变量命名:input1→service(服务),input2→food(食物),output1→tip,如图2所示:图2 双输入模糊控制系统2、隶属度函数编辑器在命令窗口输入mfedit或者用菜单选项“Edit→Membership Function”都可以打开隶属度函数编辑器。
对于变量service,加入三个模糊隶属度函数分别如下:Name=’service’Range=[0 10]MumMfs=3MF1=’poor’:’gaussmf’,[1.5 0]MF2=’good’:’gaussmf’,[1.5 0]MF3=’excellent’:’gaussmf’,[1.5 0]对于变量service,加入三条隶属度函数分别如下: Name=‘service’Range=[0 10]MumMfs=3MF1=‘poor’’: ‘gaussmf’,[1.5 0]MF2=‘good’: ‘gaussmf’,[1.5 5]MF3=‘excellent’: ‘gaussmf’,[1.5 10]对于变量food,加入两条隶属函数:Name=‘food’Range=[0 10]MumMfs=2MF1=‘rancid’: ‘trapmf’,[0 0 1 3]MF2=‘delicious’: ‘trapmf’,[7 9 10 10]对于变量tip,加入三条隶属函数:Name=‘tip’Range=[0 30]MumMfs=3MF1=‘cheap’: ‘trimf’,[0 5 10]MF2=‘average’: ‘trimf’,[10 15 20]MF3=‘generous’: ‘trimf’,[20 25 30]完成上述的隶属度函数编辑后,保存文件到workspace,可以得到图3,图4和图5的界面。
- 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)。
在线推理式模糊逻辑控制器设计实验报告
学院:电力学院
专业:自动化
学号:
姓名:
时间:2013年11月16日
一、实验目的
利用Matlab软件实现模糊控制系统仿真实验,了解模糊控制的在线推理方法的基本原理及实现过程。
二、实验要求
以matlab模糊工具箱中提供的一个水位模糊控制系统仿真的实例,定义语言变量的语言值,设置隶属度函数,根据提供的规则建立模糊逻辑控制器。
最后启动仿真,观察水位变化曲线。
三、实验步骤
叙述在线推理模糊控制的仿真的主要步骤。
1)在matlab命令窗口输入:sltank,打开水位控制系统的simulink仿真模型图,如图;
2)在matlab的命令窗口中,输入指令:fuzzy,便打开了模糊推理系统编辑器(FIS Editor),如图;
3)利用FIS Editor编辑器的Edit/Add variable/input菜单,添加一条输入语言变量,并将两个输入语言和一个输出语言变量的名称分别定义为:level;rate;valve。
其中,level代表水位(三个语言值:低,高,正好),rate代表变化率(三个语言值:正,不变,负),valve代表阀门(五个语言变量:不变,迅速打开,迅速关闭,缓慢打开,缓慢关闭);
4)①利用FIS Editor编辑器的Edit/membership function菜单,打开隶属度函数编辑器,如下图,将输入语言变量level的取值范围(range)和显示范围(display range)设置为[-1,1],隶属度函数类型(type)设置为高斯型函数(gaussmf),而所包含的三条曲线的名称(name)和参数(parameters)([宽度中心点])分别设置为:high,[0.3 -1];okay [0.3 0];low [0.3 1]。
其中high 、okay、low分别代表水位高、正好、低;
②将输入语言变量rate的取值范围(range)和显示范围(display range)
设置为[-0.1,0.1],隶属度函数类型(type)设置为高斯型函数(gaussmf),而
所包含的三条曲线的名称(name)和参数(parameters)([宽度中心点])分
别设置为:negative,[0.03 -0.1];none [0.03 0];positive [0.03 0.1]。
其中negativ 、none、positive分别代表水位变化率为负、不变、正;
③将输出语言变量valve的取值范围(range)和显示范围(display range)设置为[-1,1],隶属度函数类型(type)设置为三角型函数(trimf),而所包含的五条曲线的名称(name)和参数(parameters)([a b c])分别设置为:close_fast,[-1 -0.9 -0.8 ]; close_slow,[-0.6 -0.5 -0.4]; none_change,[-0.1 0 0.1] ;open_slow,[0.2 0.3 0.4] ;open_fast,[0.8 0.9 1]。
其中close_fast阀门迅速关闭,close_slow 阀门缓慢关闭,none_change ,open_slow阀门缓慢打开, open_fast阀门迅速打开。
参数a,b,c指定三角形的形状,第二位值代表函数的中心,第一、三位值决定了函数曲线的起始和终止点;
5)利用编辑器的edit/rules菜单,打开模糊规则编辑器(rules editor),如下图,根据指导书给出的规则(如下)分别设置五条模糊规则;
所确定模糊规则:
① if(水位正好)then(阀门大小不变)
②if(水位低)then(阀门迅速打开)
③if(水位高)then(阀门迅速关闭)
④if(水位正好且变化率为正)then(阀门缓慢关闭)
⑤if(水位正好且变化率为负)then(阀门缓慢打开)
模糊规则编辑器(rules editor):
6)利用编辑器的FIS Editor/ file/export to workspace,将按照步骤2-5建立的模糊推理系统,命名为tank保存到工作空间中;
7)打开水位控制系统的simulink仿真模型图sltank,然后打开fuzzy logic controller模糊逻辑控制器对话框,在其FIS file or structure 参数对话框中输入:tank,如图;
8)在simulink仿真系统中,仿真参数设置如下图所示的窗口,正确设置仿真参数后,启动仿真,观察scope4或comparison便可得到水位变化曲线。
四、实验内容
1、画出在仿真过程中设置的两个输入变量和一个输出变量的隶属度函数;
①、level
②、RA TE
③、V ALVE
2、画出仿真得到的水位变化曲线。