离散化 Pid 模糊控制算法
经典PID与模糊PID控制
)4)(3)(1(2)(+++=s s s ss G 经典PID 与模糊PID 控制一、PID 控制规律控制输出由三部分组成：比例环节——根据偏差量成比例的调节系统控制量,以此产生控制作用,减少偏差。
比例系数的作用是加快系统的响应速度,比例系数越大,系统响应速度越快,系统的调节精度越高,但容易产生超调,甚至会导致系统的不稳定;比例系数过小,会降低系统调节精度,系统响应速度变慢,调节时间变长,系统动态、静态特性变坏。
比例控制是最简单的控制结构，然而，它也能使系统满足某一方面的特性要求，如GM 、PM 、稳态误差等。
积分环节——用于消除静差,提高系统的无差度。
积分作用的强弱取决于积分时间常数TI 的大小, TI 越小,积分作用越强。
需要注意的是积分作用过强,可能引起系统的不稳定。
微分环节——根据偏差量的变化趋势调节系统控制量,在偏差信号发生较大的变化以前,提前引入一个早期的校正注意的是微分作用过强,可能引起系统的振荡。
已知被控对象的数学模型：二、经典PID 设计由于在设计PID 控制器中要调整3个参数，根轨迹与波特图设计方法通常不被直接采用。
Ziegler 与Nichols 发展了PID 调节器设计方法。
该方法基于简单的稳定性分析方法。
首先，置0==I D K K ，然后增加比例系数直至系统开始振荡（即闭环系统极点在jw 轴上）。
再将该比例系数乘0.6，其他参数按下式计算：m P K K 6.0= m P D w Pi K K 4= Pi w K K m P I =式中，m K 为系统开始振荡时的K 值；m w 为振荡频率。
然而，该设计方法在设计过程中没有考虑任何特性要求。
但是Ziegler 与Nichols 发现这种设计方法给予过程控制器提供了好的工作性能。
工程师们的多年实践经验证明，这种设计方法的确是一种好的方法。
根据给定传递函数用SIMULINK 搭建结构图如下：起振时m K =391，如图：根据公式计算Kp 、I K 、D K 分别为234.6、276、49.8525 此时对于常数3的响应曲线如图：可见，此时系统振荡，不稳定，继续等比例调节参数得新参数65、77、14，得响应曲线：可见此时系统响应时间过长，而且存在比较大的静态误差，为了减小响应时K，同时调节过程中会因参数变动产生间应增大Kp，为了减小静态误差应增大I超调量，综合以上几点性能决定确定参数为120、300、14。
离散控制系统中的PID控制算法
离散控制系统中的PID控制算法离散控制系统中的PID（Proportional-Integral-Derivative）控制算法是一种常用的控制算法，用于调整系统输出与设定值之间的误差，从而实现系统的稳定和精确性。
PID控制算法通过比较当前输出值和设定值，并根据比例、积分和微分三项参数的调节来计算控制器的输出，以达到最优控制效果。
一、PID控制算法的基本原理PID控制算法通过以下三个环节实现对离散控制系统的控制：1. 比例（P）环节：比例环节根据误差的大小，按比例调整控制器的输出。
它的作用是在误差较大时，加大控制器的输出，加速系统的响应速度。
比例系数越大，系统的响应越敏感，但也容易引起过冲和振荡；反之，比例系数越小，系统的响应越迟缓。
2. 积分（I）环节：积分环节根据误差的累积量，对控制器的输出进行修正。
它的作用是消除系统存在的稳态误差，使得输出逐渐接近设定值。
积分系数越大，系统对稳态误差的修正越快，但也容易引起过冲和振荡；反之，积分系数越小，系统对稳态误差的修正越慢。
3. 微分（D）环节：微分环节根据误差的变化率，对控制器的输出进行调整。
它的作用是减小系统对突变干扰的响应，提高系统的稳定性。
微分系数越大，系统对突变干扰的响应越快，但也容易引起过冲和振荡；反之，微分系数越小，系统对突变干扰的响应越慢。
二、PID控制算法的实际应用PID控制算法广泛应用于各种离散控制系统中，例如自动调节系统、温度控制系统、机器人控制系统等。
以下是PID控制算法在温度控制系统中的应用实例：1. 设置目标温度首先，需要设置目标温度作为设定值。
2. 读取当前温度值通过传感器等装置，实时读取当前温度值。
3. 计算误差将目标温度与当前温度值进行比较，得到误差值。
4. 计算PID输出根据比例、积分和微分的系数，计算出PID控制器的输出值。
5. 控制温度将PID控制器的输出值作为控制信号，通过执行机构（如加热元件）调节系统，使得温度逐渐接近目标温度。
模糊pid原理
模糊pid原理
模糊PID原理
PID控制是一种常用的控制算法，可以实现对系统的自动控制。
PID控制器由比例（P）、积分（I）和微分（D）三个控制项
组成，通过计算这三个控制项的值来调节系统的输出，以达到期望的状态。
比例控制项（P）根据系统的误差信号来调整输出。
它与误差
成正比，误差越大，输出也会越大。
比例控制项的作用是使系统的响应快速且精确，但在某些情况下可能会引发超调或振荡的问题。
积分控制项（I）是对误差信号进行累积运算，并与积分时间
相乘。
积分控制项的作用是消除系统的静差，使系统的输出能够达到期望的状态。
但如果积分时间设置不当，可能会导致系统的响应速度变慢或产生超调。
微分控制项（D）是对误差信号的变化率进行计算，并与微分
时间相乘。
微分控制项的作用是抑制系统的振荡或超调，使系统的输出更加稳定。
但如果微分时间设置过大，可能会引发系统的抖动或震荡。
模糊控制则是在PID控制的基础上引入了模糊逻辑来调整PID 各个参数的权重。
模糊控制根据系统的输入和输出，通过模糊化、规则库匹配和去模糊化的过程，确定PID各个参数的取值，从而实现对系统的自适应控制。
模糊控制可以有效地应对
非线性、复杂的系统，具有较强的鲁棒性和适应性。
总之，模糊PID控制通过模糊化逻辑来调整PID各个参数的权重，从而实现对系统的自适应控制。
它在处理非线性、复杂系统时表现出较好的鲁棒性和适应性。
模糊PID_控制算法在空调用制冷机组控制系统中的应用
值为 {-4，-3，-2，-1，0，1，2，3，4}。
2.3.1.3 模糊语言变量的语言值设定
模糊语言变量与模糊论域的取值具有一一对应的关系，
变量 E 和 EC 的模糊取值均为 7 个，变量 Kp、Td、Ti 的模糊
取值均为 9 个，其对应的语言值设计结果见表 1。
表 1 模糊语言变量的模糊语言值
- 41 -
中国新技术新产品 2024 NO.3（上）
工业技术
2.1.1.2 模糊控制器的结构及工作原理
模糊控制器是模糊控制系统的核心，将偏差 s 输入模糊控 制器，经过推理机处理，就可以输出精确的控制量 u。模糊化 接口用于量化处理模糊论域中的元素，进而实现模糊论域元 素的量化分级。在知识库中存储模糊子集的隶属度数据和模 糊规则库数据，推理机需要从知识库中调用信息，进行模糊判 断。糊控制器的结构及工作原理如图 1 所示。
隶属度值
NB
NM
NS ZERO PS
PM
PB
PB
0
0
0
0
0
0.5
1.0
PM
0
0
0
0
0.5
1.0
0.5
PS
0
0
0
0.5
1.0
0.5
0
Zero
0
0
0.5
1.0
0.5
0
0
NS
0
0.5
1.0
0.5
0
0
0
NM
0.5
1.0
0.5
0
0
0
0
NB
1.0
0.5
0
0
0
0
0
2.3.1.5 量化因子及比例因子
PID及模糊控制算法
PID及模糊控制算法背景介绍PID控制是一种常见的控制方法，它通过不断调整系统的输出使得系统的反馈信号与参考信号趋于一致。
控制器的功能是计算出控制信号使得系统输出与参考信号的差值最小化。
PID控制器可以广泛应用于机械、电子、化工、航空等领域。
虽然在实际控制中，PID控制器的效果非常好，但是在某些场合，PID控制器无法满足要求。
因此，近年来，模糊控制算法得到了广泛发展和应用。
模糊控制算法采用模糊逻辑建立控制系统，能够处理一些非线性、复杂的系统，并且控制效果也非常不错。
PID控制算法PID控制器是由比例环节（P）、积分环节（I）和微分环节（D）组成的。
PID 控制器的原理如下：1.假设系统的输出为y，参考信号为r，控制器的输出为u；2.平衡方程为：u(t) = Kp * e(t) + Ki * ∫e(t)dt + Kd * de(t)/dt；其中e(t)= r(t) - y(t)；3.将u(t)作为系统输入控制器，通过调节Kp、Ki和Kd参数使得系统输出y(t)达到参考信号r(t)；4.在实际应用中，PID控制器常根据具体需要对Kp、Ki和Kd参数进行调整。
虽然PID控制器能够有效地控制系统，提高系统稳定性和精度，但是在一些非线性、时变、复杂的系统中，其控制效果并不理想。
模糊控制算法模糊控制算法是一种基于模糊逻辑的控制算法，它通过建立模糊推理规则，实现输出和输入的模糊化和去模糊化。
模糊控制器的基本结构如下：1.模糊化：将输出和输入变量映射为模糊集合，通过模糊运算得到规则库中的模糊。
2.规则库：建立模糊推理规则，将模糊化的输出和输入变量映射到规则库中，得到模糊。
3.去模糊化：将模糊映射为实际控制信号，并输出到被控制系统。
模糊控制算法能够有效地处理非线性、复杂的控制问题，并且其控制效果也非常优秀。
尤其是在多变量控制、非线性控制、自适应控制等方面得到了广泛应用。
模糊PID控制算法模糊PID控制算法综合了PID控制算法和模糊控制算法的优点，是一种非常优秀的控制方法。
pid模糊控制算法
PID模糊控制算法介绍PID控制算法在控制系统中，PID是一种常用的控制算法，其全称为比例-积分-微分控制（Proportional-Integral-Derivative Control）算法。
PID控制是一种反馈控制算法，通过根据系统输出和预期输出之间的误差来调整控制器的输出，以使系统输出逼近预期输出。
PID控制算法被广泛应用于工业控制、机器人控制、自动驾驶等领域。
PID控制算法由三个部分组成： - 比例（Proportional）：比例控制部分根据误差的大小，产生一个与误差成正比的控制量。
比例控制可以实现快速响应，但可能产生稳态误差。
- 积分（Integral）：积分控制部分根据误差的累积值，产生一个与误差积分成正比的控制量。
积分控制可以消除稳态误差，但可能导致超调和振荡。
- 微分（Derivative）：微分控制部分根据误差的变化率，产生一个与误差导数成正比的控制量。
微分控制可以增加系统的稳定性，减少超调和振荡，但可能引入噪声。
模糊控制模糊控制是一种基于模糊逻辑的控制方法，与传统的精确控制方法相比，模糊控制更适用于处理不确定性、模糊性和非线性的问题。
模糊控制使用模糊规则来描述输入和输出之间的映射关系，通过模糊推理和模糊集合运算来产生控制量。
PID模糊控制PID模糊控制是将PID控制算法与模糊控制相结合的一种控制方法。
PID模糊控制通过将PID控制器的参数调整为模糊集合，以便更好地适应系统的动态特性和非线性特性。
PID模糊控制可以克服PID控制算法在处理非线性系统时的局限性，提高控制系统的性能和鲁棒性。
PID模糊控制的基本原理PID模糊控制的基本原理是将PID控制器的输入和输出转换为模糊集合，通过模糊推理和模糊集合运算来确定最终的控制量。
具体步骤如下： 1. 确定模糊控制器的输入和输出变量：通常将系统误差和误差变化率作为模糊控制器的输入变量，将控制量作为输出变量。
2. 设计模糊规则库：根据经验和专家知识，设计一组模糊规则，来描述输入和输出之间的映射关系。
模糊pid控制-python实现
模糊pid控制 python实现模糊PID控制（Fuzzy PID control）是一种基于模糊逻辑的控制方法，它结合了模糊控制和经典PID控制的优点，可以在复杂和不确定的环境中实现精确的控制。
本文将介绍模糊PID控制的原理、实现方法以及在Python中的应用。
一、模糊PID控制的原理PID控制是一种经典的控制方法，它通过比较实际输出与期望输出之间的误差，根据比例、积分和微分三个参数进行调节，使系统输出逐渐趋近于期望值。
然而，传统的PID控制方法在面对非线性、时变和不确定性系统时表现不佳。
模糊PID控制通过引入模糊逻辑来解决传统PID控制的问题。
模糊逻辑是一种能够处理模糊信息的数学方法，它可以将模糊的输入映射到模糊的输出。
模糊PID控制器通过将误差、误差变化率和误差积分三个输入量模糊化，然后根据一组模糊规则进行推理，得到模糊输出。
最后，通过解模糊化的方法将模糊输出转化为具体的控制量。
二、模糊PID控制的实现方法1. 模糊化模糊化是将具体的输入量映射到模糊集合上的过程。
常用的模糊化方法有三角隶属函数、梯形隶属函数和高斯隶属函数等。
根据具体的问题和经验，选择合适的隶属函数进行模糊化。
2. 规则库规则库是模糊PID控制的核心。
它包含了一组模糊规则，用于根据输入量的模糊值推理出输出量的模糊值。
模糊规则一般采用IF-THEN的形式，例如“IF 误差是A1 AND 误差变化率是B2 THEN 输出是C3”。
规则库的设计需要根据具体问题进行，可以基于经验或者专家知识。
3. 推理机制推理机制是根据模糊规则进行推理的过程。
常用的推理方法有最大最小合成、模糊推理和模糊推理和等。
推理机制将模糊输入与规则库进行匹配，然后根据匹配的程度计算出模糊输出的隶属度。
4. 解模糊化解模糊化是将模糊输出转化为具体的控制量的过程。
常用的解模糊化方法有最大隶属度法、面积法和重心法等。
解模糊化方法根据模糊输出的隶属度分布，计算出具体的控制量。
PID控制;模糊控制;模糊PID控制器
摘要交流伺服电机现广泛应用于机械结构的驱动部件和各种数控机床。
PID控制是伺服系统中使用最多的控制模式之一。
尽管传统的PID控制系统构造简单、运转稳定，但交流伺服电机存在非线性的、强耦合。
当参数变动或非线性因素的影响发生变化时，控制不能实时改动，不能满足系统高性能、高精度的要求。
结合模糊控制和传统PID控制成一种新的控制方法--模糊PID控制是解决上述问题的一种很好的途径。
模糊控制器不需要被控对象的数学模型，而是根据之前人为设定的控制要求设计用来控制的决策算法，使用此方式确定控制量。
模糊控制和传统PID控制融合的结果，不单具有模糊控制的高性能，还具备传统PID控制精准度高的长处。
本文对PID控制算法的原理和模糊控制算法作了简要的描述和比较。
指出模糊PID混合控制法，在误差很大时使用模糊控制,在不大时使用PID控制,在MATLAB软件中，对交流伺服系统的位置控制进行了仿真。
结果表明，该控制系统仿真结果与理论上差距较小。
关键词：PID控制；模糊控制；模糊PID控制器；MATLAB第1章绪论1.1 研究课题的任务本课题的任务是了解交流伺服系统，比较并结合两种控制的优点，结合成一种新的控制方式--模糊PID控制。
该控制法在系统输出差距大时采用模糊控制，而在差距较小时采用PID控制。
文章最后给出了模糊PID位置控制的MATLAB响应图，同时给出了常规PID控制下的效果图，并比较分析。
1.3 交流伺服系统工作原理相对单一的系统，其一般是根据位置检测反馈组成闭环位置伺服系统。
其组成框图参考图1-1内容[14]。
此类系统主要原理是对比输入的目标位置信号和位置检测设备测试的真实位置信号统计其偏差且使用功率变换器的输入端弱化误差。
控制量被信号转换和功率放大驱动，驱动伺服组织，促使误差不断缩减少，一直到最佳值。
（1）位置检测装置是此类系统的关键构成方面，完整系统的动态功能是否可以满足需求，关键的是位置检测传感器的科学选择以及精度。
步进电机模糊pid算法基本原理,c语言实现
步进电机模糊pid算法基本原理,c语言实现模糊PID（Proportional-Integral-Derivative）控制算法结合了模糊逻辑和传统PID控制算法，旨在提高系统的鲁棒性和稳定性。
步进电机作为一种常见的执行器，可以通过模糊PID算法实现精确的位置控制。
以下是模糊PID算法的基本原理以及C语言实现的简要步骤：模糊PID算法基本原理：1.模糊化输入和输出：将系统的输入（误差）和输出（控制量）进行模糊化，将其转换为模糊集合。
2.模糊规则库：建立模糊规则库，其中包含了一系列模糊规则，用于描述输入与输出之间的关系。
这些规则可以根据经验知识或系统模型来确定。
3.模糊推理：通过模糊规则库对模糊化的输入进行推理，得到模糊输出。
通常采用最大最小原则或加权平均等方法进行推理。
4.去模糊化：将模糊输出转换为确定性的控制量，即进行去模糊化操作。
常用的方法包括最大隶属度法、加权平均法等。
5.PID调节器：利用模糊输出和经典PID控制算法相结合，调节系统的控制量，使系统达到期望的运行状态。
C语言实现步骤：1.模糊化输入和输出：定义输入误差和输出控制量的模糊集合，并实现模糊化函数。
2.模糊规则库：定义一系列模糊规则，描述输入和输出之间的关系。
3.模糊推理：根据输入误差和模糊规则库进行推理，得到模糊输出。
4.去模糊化：实现去模糊化函数，将模糊输出转换为确定性的控制量。
5.PID调节器：结合经典PID控制算法，根据模糊输出和去模糊化后的控制量进行调节。
以下是一个简单的C语言实现示例：// 模糊化函数float fuzzyfication(float error) {// 省略具体实现，根据误差值计算归属度return fuzzy_value;}// 模糊规则库float fuzzy_rule(float error) {// 省略具体实现，定义模糊规则return fuzzy_output;}// 去模糊化函数float defuzzyfication(float fuzzy_output) {// 省略具体实现，根据模糊输出计算确定性的控制量return control_output;}int main() {float error = 0.0; // 输入误差float fuzzy_input = fuzzyfication(error); // 模糊化输入float fuzzy_output = fuzzy_rule(fuzzy_input); // 模糊推理float control_output = defuzzyfication(fuzzy_output); // 去模糊化输出// 利用确定性的控制量进行PID调节// 省略PID控制算法的实现// 控制步进电机运动return 0;}在实际应用中，模糊PID算法需要根据具体的系统和需求进行调试和优化，以实现良好的控制效果。
PID及模糊控制算法
武汉科技大学信息科学与工程学院
3.2.1 PID控制算法 PID控制算法
常规PID PID控制系统原理框图 图3.1 常规PID控制系统原理框图
武汉科技大学信息科学与工程学院
3.2.1 PID控制算法 PID控制算法
其中虚线框内的部分是PID控制器， 其中虚线框内的部分是PID控制器，其输入为设定值 PID控制器 r (t ) 与被调量实测值 y (t ) 构成的控制偏差信号 e(t ) ： e(t ) = r (t ) − y (t ) (3.1) 其输出为该偏差信号的比例、积分、微分的线性组合， 其输出为该偏差信号的比例、积分、微分的线性组合， 也即PID控制律： PID控制律 也即PID控制律：
根据被控对象动态特性和控制要求的不同， 根据被控对象动态特性和控制要求的不同， (3.2)中还可以只包含比例和积分的PI调节或者 中还可以只包含比例和积分的PI 式(3.2)中还可以只包含比例和积分的PI调节或者 只包含比例微分的PD调节。下面主要讨论PID控制 只包含比例微分的PD调节。下面主要讨论PID控制 PD调节 PID 的特点及其对控制过程的影响、数字PID控制策略 的特点及其对控制过程的影响、数字PID控制策略 PID 的实现和改进，以及数字PID控制系统的设计和控 的实现和改进，以及数字PID控制系统的设计和控 PID 制参数的整定等问题。 制参数的整定等问题。
武汉科技大学信息科学与工程学院
3.1 编程语言简介
在绝大多数场合，采用C 在绝大多数场合，采用C语言编程即可完成预 期的目的，但是对实时时钟系统、 期的目的，但是对实时时钟系统、要求执行效率高 的系统就不适合采用C语言编程， 的系统就不适合采用C语言编程，对这些特殊情况 进行编程时要结合汇编语言。 进行编程时要结合汇编语言。汇编语言具有直接和 硬件打道、执行代码的效率高等特点，可以做到C 硬件打道、执行代码的效率高等特点，可以做到C 语言所不能做到的一些事情， 语言所不能做到的一些事情，例如对时钟要求很严 格时，使用汇编语言便成了唯一的选择。 格时，使用汇编语言便成了唯一的选择。这种混合 编程的方法将C语言和汇编语言的优点结合起来， 编程的方法将C语言和汇编语言的优点结合起来， 已经成为目前单片机开发最流行的编程方法。 已经成为目前单片机开发最流行的编程方法。关于 编程语言的详细介绍可参阅相关书籍。 编程语言的详细介绍可参阅相关书籍。
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。
模糊PID控制原理与设计步骤
3.1 模糊PID 控制原理与设计步骤模糊PID 控制器以误差e 和误差变化率e c 作为控制器的输入量，输入量经模糊化与模糊推理之后得出模糊控制器的输出值，PID 控制器根据模糊控制的输出值对自身参数进行调节。
本文所用模糊PID 控制器的原理图如图3.1所示图3.1 自适应模糊PID 控制结构图Fig.3.1 The structure of adaptive fuzzyPID control system3.1.1 PID 控制器性能分析在PID 控制环节，离散PID 控制算法为10()()kdp k i jk k j K u k K e K Te e e T(3.1)为便于控制模型的搭建，由式(3.1)进行z 变换得PID 控制环节的传递函数为(1)()1i d pK Tz K z G z K z Tz(3.2)其中，K p 、K i 、K d 分别为比例、积分与微分系数，T 为系统采样时间。
PID 控制器参数K p ，K i ，K d 共同作用于被控系统，它们各自对系统的响应速度、超调量、稳定性及稳态精度等性能的影响分别为：比例系数K p ：使控制系统快速动作，减小系统误差。
K p 较大时，系统能快速响应，但K p 过大时会产生超调，甚至破坏系统的稳定性；K p 过小时，会减弱控制器动作幅度，调节时间增长，使系统响应变得不理想。
积分系数K i ：系统进入稳态阶段时会消除系统误差。
K i 较大时，系统稳态误差会很快变小，但在系统初始响应阶段K i 较大时，会使控制器产生积分饱和，从而破坏系统的稳定性；K i 过小时，难以消除系统的稳态误差，不能确保较高的调节精度。
微分系数K d：提高系统的动态响应性能，会在系统响应过程中对偏差的变化进行提前预测，从而抑制偏差的变化。
K d过大时，会使系统响应作用减弱，从而使调节时间增长，而且会降低系统的抗干扰性能。
PID控制参数的调节必须考虑不同时刻它们各自对系统性能的影响及相互之间的互联关系。
模糊PID控温算法的具体实现（一）：参数自整定模糊PID算法概念
模糊PID控温算法的具体实现（⼀）：参数⾃整定模糊PID算法概念 上个学期已经基本上实现了PID的温控算法，为了撰写⼩论⽂，这个学期最先要做的事情就是实现模糊PID的温控算法。
模糊控制系统的构成与与常规的反馈控制系统的主要区别在于控制器主要是由模糊化，模糊推理机和精确化三个功能模块和知识库（包括数据库和规则库）构成的。
具体实现过程如下所⽰：(1)预处理： 输⼊数据往往是通过测量设备测量得到的⼀个具体数据，预处理就是在它们进⼊控制器前对这些数据进⾏分类，或性质程度的定义。
预处理过程也是量化过程，它是在离散空间中把输⼊数据划分为若⼲个数字级别。
例如，假设⼀个反馈误差为 4.5，误差空间是(-5,-4…4,5)，量化器会使它靠近离它最近的级别，四舍五⼊到 5。
称量化器量化的⽐例为量化因⼦。
量化过程是个削减数据量的⽅法，但是如果量化过于粗糙，控制器会振荡甚⾄失去平衡。
(2)模糊化 在进⾏模糊化时，需要确定模糊集论域中语⾔变量各值所对应的模糊⼦集的⾪属度函数。
⾪属度函数⼀般是根据操作者的经验初步确定，在调试开发甚⾄控制器运⾏中需不断修正和优化，以满⾜控制的要求。
⾪属度函数的形状很多，但是影响模糊控制器性能的关键因素是各模糊集覆盖论域的情况，⽽⾪属函数的形状在达到控制要求⽅⾯并⽆⼤的差别，为使数学表达和运算简单，⼀般选⽤三⾓形、梯形⾪属函数。
但⾪属函数的幅宽⼤⼩对性能影响较⼤，⾪属函数形状较陡时，引起的输出变化较剧烈，控制的灵敏度⾼；⾪属函数形状平缓时，引起的输出变化较缓慢，对系统的稳定性好。
因此，在选择⾪属函数时，⼀般在偏差较⼩或接近于零附近时，采⽤形状较陡的⾪属函数；⽽在偏差较⼤的区域采⽤形状平缓的⾪属函数，以使系统具有良好的鲁棒性。
⽽且在实际⼯作中，不应出现三个⾪属函数相交的状态。
⼀般，任何两个模糊⼦集的交集的最⼤⾪属度中的最⼤值取为 0.4~0.8 之间。
另外，⾪属函数的位置分布对控制性能也有⼀定的影响，当函数在整个论域平均分布时，控制效果并不好，因此，⼀般将零固定，其它模糊⼦集向零集靠拢，以达到较好的控制效果。
PID解释与离散化算法公式
PID解释与离散化算法公式PID解释与离散化算法公式⼀、PID解释1、PID含义解释：P是Proportion，⽐例的意思，I是Integral，积分意思，D是Differential，微分的意思。
2、PID第⼀种通俗解释：以有⼀个⽔缸有点漏⽔(⽽且漏⽔的速度还不⼀定固定不变)，通过加⽔让⽔维持在要求⽔⾯⾼度的某个位置，⼀旦发现⽔⾯⾼度低于要求⽔⾯⾼度的某个位置，就要往⽔缸⾥加⽔的例⼦来说明PID含义。
如：⼩家伙接到任务后就⼀直守在⽔缸旁边，时间长就觉得⽆聊，就跑到房⾥看⼩说了，每20分钟来检查⼀次⽔⾯⾼度。
因⽔漏得太快，每次⼩家伙来检查时，⽔都快漏完了，离要求的⾼度相差很远。
于是⼩家伙改为每5分钟来检查⼀次，结果每次来⽔都没怎么漏，不需要加⽔，来得太频繁做的是⽆⽤功。
⼏次试验后，确定每10分钟来检查⼀次。
这个检查时间就称为采样周期，即T。
为了让⽔⾯⾼度维持在某个位置，开始⼩家伙⽤瓢加⽔，⽔龙头离⽔缸有⼗⼏⽶的距离，经常要跑好⼏趟才加够⽔，于是⼩家伙⼜改为⽤桶加，⼀加就是⼀桶，跑的次数少了，加⽔的速度也快了，但好⼏次将缸给加溢出了，不⼩⼼弄湿了⾐服⼏次，⼩家伙⼜动脑筋，我不⽤瓢也不⽤桶，就⽤盆，⼏次下来，发现刚刚好，不⽤跑太多次，也不会让⽔溢出。
这个加⽔⼯具的⼤⼩就称为⽐例系数，即P。
在加⽔过程中，⼩家伙⼜发现⽔虽然不会加过量溢出了，但是有时会⾼过要求位置⽐较多，还打湿了⾐服。
于是⼩家伙⼜想了个办法，在⽔缸上装⼀个漏⽃，每次加⽔不直接倒进⽔缸，⽽是倒进漏⽃让它慢慢加。
这样溢出的问题解决了，但加⽔的速度⼜慢了，有时还赶不上漏⽔的速度。
从⽽他试着变换不同⼤⼩⼝径的漏⽃来控制加⽔的速度，最终找到了满意的漏⽃。
这个漏⽃控制加⽔时间就称为积分时间，即I。
经过⼏番折磨，⼩家伙终于喘了⼀⼝，但任务要求突然严了，⽔位控制的及时性要求⼤⼤提⾼，⼀旦⽔位过低，必须⽴即将⽔加到要求位置，⽽且不能⾼出太多，否则不给⼯钱。
PID及模糊控制算法
PID及模糊控制算法PID控制算法是一种传统的控制算法，它通过对系统的误差进行测量并相应地调整控制器的输出来实现系统稳定和精确控制。
PID算法是基于系统的反馈控制原理设计的，并广泛应用于各种工业系统中。
PID控制算法由三个参数组成：比例项（P），积分项（I）和微分项（D）。
比例项根据当前误差的大小进行控制输出，积分项根据历史误差的累积进行控制输出，微分项根据误差变化的速率进行控制输出。
这三个项的组合使用可以使系统具有快速响应、稳定性和抗干扰能力。
比例项的作用是根据当前误差对控制器的输出进行调整。
当误差较大时，比例项可以使控制器更快地对系统进行调整，以减小误差。
然而，如果比例项过大，就可能导致系统产生振荡甚至不稳定。
积分项的作用是根据历史误差的累积对控制器的输出进行调整。
当系统存在静态误差时，积分项可以通过积累误差来逐渐减小静态误差。
然而，积分项过大可能导致系统产生超调或过冲现象。
微分项的作用是根据误差变化的速率对控制器的输出进行调整。
微分项可以通过反馈误差的变化率来提前调整控制器的输出，以减小误差的变化速率。
然而，由于微分项对高频噪声敏感，过大的微分项可能导致系统产生振荡。
模糊控制算法是一种基于模糊逻辑的控制算法，它能够处理非线性和模糊性问题。
模糊控制算法通过将输入和输出的模糊集合和一组模糊规则进行匹配，来确定控制器的输出。
模糊控制算法适用于无法准确建立系统数学模型或系统模型非常复杂的情况下。
模糊控制算法主要由三个部分组成：模糊化、推理和解模糊化。
模糊化将输入和输出的实际值通过模糊化函数转换为模糊集合，推理根据一组模糊规则来确定控制器的输出模糊集合，解模糊化将输出模糊集合通过解模糊化函数转换为实际值作为控制器的输出。
模糊控制算法中的模糊集合和模糊规则的设计通常需要经验和专业知识。
模糊集合的划分和隶属函数的选择会对控制器的性能产生重要影响。
模糊控制算法的设计也需要进行系统的调试和优化，以获得最佳的控制效果。
PID控制与模糊PID控制
目录一、PID整定口诀 (2)二、PID控制与模糊控制比较 (3)三、PID控制方案 (4)四、模糊控制方案 (4)五、PID线性控温法 (4)六、PID控制理论 (5)七、模糊控制原理 (6)1.模糊控制系统的基本概念 (6)2.模糊控制系统的组成 (7)3.模糊控制的基本原理 (8)八、模糊PID复合控制算法 (9)1.模糊PID复合算法 (9)2.模糊PID算法运用 (10)九、MATLAB及其模糊逻辑工具箱和仿真环境 (14)1.模糊逻辑工具箱 (14)2.模糊PID的仿真 (15)3.仿真结果与分析 (19)4.结论 (20)十、基于Labview的模糊控制系统设计 (20)1.模糊控制系统的设计 (20)一、PID整定口诀参数整定找最佳，从小到大顺序查。
先是比例后积分，最后再把微分加。
曲线振荡很频繁，比例度盘要放大。
曲线漂浮绕大弯，比例度盘往小扳。
曲线偏离回复慢，积分时间往下降。
曲线波动周期长，积分时间再加长。
曲线振荡频率快，先把微分降下来。
动差大来波动慢，微分时间应加长。
理想曲线两个波，前高后低四比一。
一看二调多分析，调节质量不会低。
（1）参数调整一般规则由各个参数的控制规律可知，比例P使反应变快，微分D使反应提前，积分I使反应滞后。
在一定范围内，P、D值越大，调节的效果越好。
1.在输出不振荡时，增大比例增益P。
2.在输出不振荡时，减小积分时间常数Ti。
3.在输出不振荡时，增大微分时间常数Td。
（2）PID控制器参数整定的方法1.理论计算整定法它主要是依据系统的数学模型，经过理论计算确定控制器参数。
这种方法所得到的计算数据未必可以直接用，还必须通过工程实际进行调整和修改。
2.工程整定方法它主要依赖工程经验，直接在控制系统的试验中进行，且方法简单、易于掌握，在工程实际终被广泛采用。
PID控制器参数的工程整定方法，主要有临界比例法、反应曲线法和衰减法。
三种方法各有其特点，其共同点都是通过试验，然后按照工程经验公式对控制器参数进行整定。
模糊PID控制算法
模糊PDI控制算法学院：班级：学号：姓名：完成日期：一、模糊PID控制算法综述模糊控制器是一种近年来发展起来的新型控制器，其优点是不要求掌握受控对象的精确数学模型，而根据人工控制规则组织控制决策表，然后由该表决定控制量的大小。
二、模糊PID 控制的原理CPU 根据系统偏差（偏差＝给定－反馈），和偏差变化率（偏差变化率＝当前周期偏差－上周期偏差）查询相应的模糊控制表，得到Kp ，Ki ，Kd 三个参数的整定值，然后进行PID 运算，真正的运用到实际中也就是一张模糊控制查询表，然后就是查表了，也很简单，关键是表的建立还有专家经验的问题等。
三、模糊控制规则模糊控制规则的形成是把有经验的操作者或专家的控制知识和经验制定成若干控制决策表，这些规则可以用自然语言来表达，但一般要进行形式化处理。
例如：①“If A ｎ Then B ｎ”；②“If A ｎ Then B ｎ Else C ｎ”；③“If A ｎ And B ｎ Then C ｎ”；其中A ｎ是论域U 上的一个模糊子集，B ｎ是论域V 上的一个模糊子集。
根据人工试验，可离线组织其控制决策表R ，R 是笛卡尔乘积U×V 上的一个模糊子集。
则某一时刻，以上控制规则的控制量分别为：①B ｎ＝A ｎ．R②B ｎ＝A ｎ．RC ｎ＝A ｎ．R③C ｎ＝（A ｎ×B ｎ）．R式中 ×——模糊直积运算．——模糊合成运算控制规则③是实际模糊控制器最常用的规则形式。
在这类规则中，A一般用来表示被控制量的测量值与期望值的偏差E＝x－x的隶属函数。
B一般表示０偏差变化率C＝d E／dt的隶属函数。
目前设计的模糊控制器基本上都是采用这种方式。
即在模糊控制过程中，同时要把系统与设定值的偏差和偏差的变化率作为模糊输入量。
这种方法不仅能保证系统的稳定性，而且还可减少超调量和振荡现象。
四、模糊PID控制算法PID调节对于线性定常系统的控制是非常有效的，但对于非线性、时变的复杂系统和模型不清楚的系统就不能很好地控制。
离散pid算法形式
离散pid算法形式1.引言1.1 概述概述部分的内容可以简单介绍离散PID算法的背景和基本概念。
以下是一个参考范例：在控制工程中，PID控制器是一种常用的自动控制算法。
PID的全称为比例-积分-微分（Proportional-Integral-Derivative）控制，其作用是通过调整控制输出来维持被控制对象（如传感器、机器人等）的状态稳定。
然而，传统的PID算法在实际应用中常常受到采样率限制的限制。
为了克服采样率限制问题，离散PID算法应运而生。
离散PID算法是针对采样系统而设计的，与传统的连续PID算法相比，离散PID算法通过对离散信号进行处理，能够更好地适应采样系统的工作方式。
离散PID算法包括离散的比例项、积分项和微分项，通过对采样信号进行离散化处理，得到离散的误差信号和控制输出。
离散PID算法利用历史采样数据来估计当前状态，并根据误差信号和控制输出的变化趋势来调整控制器的参数，从而实现系统的稳定控制。
离散PID算法在工业自动化、机器人控制、电力系统、自动驾驶等领域得到了广泛的应用。
通过合理地选择PID参数和采样周期，离散PID算法能够更好地适应不同的应用场景，并提供稳定、精确的控制效果。
本文将详细介绍离散PID算法的定义和原理，探讨其在实际应用中的应用场景以及优势和局限性，并展望离散PID算法的未来发展方向。
通过深入研究离散PID算法，我们可以更好地理解其工作原理，并为实际问题的解决提供有力的工具和方法。
1.2文章结构文章结构是指整篇文章的分章节、分段落的组织方式。
一个清晰的文章结构能够使读者更好地理解文章的内容和逻辑关系。
本文的结构主要包括引言、正文和结论三个部分。
首先是引言部分，用来引出本文的主题和目的。
在引言中，我们将概述离散PID算法的基本概念和原理，介绍离散PID算法在实际应用中的重要性和广泛应用的范围，同时也会说明本文的结构和目的。
其次是正文部分，这是文章的重点内容。
在正文中，我们将详细介绍离散PID算法的定义和原理，包括其三个部分：比例控制器、积分控制器和微分控制器的功能和作用。
- 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)。
论文标题: 设计PID ，离散化，模糊化控制器PID 控制器设计一 PID 控制的基本原理和常用形式及数学模型具有比例-积分-微分控制规律的控制器，称PID 控制器。
这种组合具有三种基本规律各自的特点，其运动方程为：dt t de dt t e t e t m K K K K K dp ti p p )()()()(0++=⎰相应的传递函数为：⎪⎪⎭⎫ ⎝⎛++=S S s K K K d i p c 1)(D S S S K K K d ip 12++∙=二 数字控制器的连续化设计步骤假想的连续控制系统的框图1 设计假想的连续控制器D（s）由于人们对连续系统的设计方法比较熟悉，对由上图的假想连续控制系统进行设计，如利用连续系统的频率的特性法，根轨迹法等设计出假想的连续控制器D（S）。
2 选择采样周期T香农采样定理给出了从采样信号到恢复连续信号的最低采样频率。
在计算机控制系统中，完成信号恢复功能一般有零阶保持器H（s)来实现。
零阶保持器的传递函数为3将D（S）离散化为D（Z）将连续控制器D（S）离散化为数字控制器D（Z）的方法很多，如双线性变换法，后向差分法，前向差分法，冲击响应不变法，零极点匹配法，零阶保持法。
双线性变换法然后D（S）就可以转化离散的D（Z)三Matlab仿真实验直接试探法求PID根据这个框图，求出该传递函数的P=0.35 I=0 D=0根据⎪⎪⎭⎫ ⎝⎛++=S S s K K K d i p c 1)(D D （Z ）=0.35 T=0.01数字连续话PID 控制器设计MA TLAB 仿真框图实验结果 没有经过调节的结果为结果分析一阶阶跃信号的幅值选择为5经过数字连续化PID控制器后，对比图形发现，结果变得非常稳定，没有发现超调量，而没有经过PID控制的图形发生了超调变化达到稳定的时间变得更长。
二离散化控制器的设计离散系统设计是指在给定系统性能指标的条件下，设计出控制器的控制规律和相应的数字控制算法。
其实，设计离散系统（即计算机控制系统），主要就是设计数字控制器。
离散化设计方法（直接数字设计法）：该方法将被控对象和保持器组成的连续部分离散化，求出系统的脉冲传递函数，然后直接应用离散控制理论的一套方法进行分析和综合，设计出满足控制指标的数字控制器。
一数字控制器的离散化设计步骤数字控制器的连续化设计是把计算机控制系统近似看作连续系统，所用的数学工具是微分方程和拉氏变换；而离散化设计是把计算机控制系统近似看作离散系统，所用的数学工具是差分方程和Z变换，完全采用离散控制系统理论进行分析，直接设计数字控制器。
计算机采样控制系统基本结构如图1所示。
D(z) H(s) G0(s)R(s) R(z)C(z)c(s)G(z)φ(z)E(z)计算机采样控制系统基本结构图图中G0(s)是被控对象的传递函数，H(s)是零阶保持器的传递函数，G(z)是广义被控对象的脉冲传递函数，D(z)是数字控制器的脉冲传递函数， R(z)是系统的给定输入，C(z)是闭环系统的输出，φ(z)是闭环系统的脉冲传递函数。
零阶保持器的传递函数为：s e s H Ts--=1)( （5-1） 广义被控对象的脉冲传递函数为：[])()()(0s G s H Z z G = （5-2）由图可以求出开环系统的脉冲传递函数为：)()()()()(z G z D z E z C z W ==（5-3）闭环系统的脉冲传递函数为：()()()()()1()()C z D z G z z R z D z G z Φ==+ （5-4）误差的脉冲传递函数为：()1()()1()()e E z z R z D z G z Φ==+ （5-5）显然)(1)(z z e Φ-=Φ （5-6）由式（5-4）可以求出数字控制器的脉冲传递函数为：)](1)[()()(z z G z z D Φ-Φ=由PID 控制器可知 H （S ）为零阶保持器 G （S ）为传递函数 D （Z ）为脉冲函数二 自动控制系统中，有三种典型的输入形式（1）单位阶跃输入：111)(1)()(1)(--===z z R s s R t t r ，， （2）单位速度输入（单位斜坡输入）：2112)1()(1)()(---===z Tz z R s s R t t r ，，（T 为采样周期）（3）单位加速度输入：3111232)1(2)1()(1)(21)(----+===z z z T z R s s R t t r ，，三 MATLAB 仿真调试框图采样周期我设置的为T=0.1 实验仿真结果及分析与未经过控制器调节的图形相比，上升时间变短了，达到稳定的时间也变短了，超调变得少了，总的来说比没有控制器调节要好的多。
黄色的线为采样曲线。
但是没有数字PID控制器调节的结果那么好，因为在数字PID调节中，我的PID的值是经过是探法调出来的。
三模糊化控制器的设计1 模糊控制器简介模糊控制器是一种以模糊集合论，模糊语言变量以及模糊推理为数学基础的新型计算机控制方法。
显然，模糊控制的基础是模糊数学，模糊控制的实现手段是计算机。
本章着重介绍模糊控制的基本思想，模糊控制的基本原理，模糊控制器的基本设计原理和模糊控制系统的性能分析。
2 模糊控制器的研究对象模糊控制器作为智能控制的一种类型，是控制理论发展的高级阶段产物，主要用来解决那些传统方法难以解决的复杂系统的控制问题。
具体地说，其研究对象具备以下一些智能控制对象的特点：1）模型不确定性传统的控制是基于模型的控制，这里的模型包括控制对象和干扰模型。
对于传统控制通常认为模型已知或者经过辨识可以得到，而模糊控制的对象通常存在严重的不确定性。
这里所说的模型不确定性包括两层意思：意思模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。
无论那种情况，传统方法都难以对它们进行控制，而这正是模糊控制所要解决的问题。
2）非线性在传统的控制理论中，线性系统理论比较成熟。
对于具有非线性特写的控制对象，虽然也有一些非线性控制的方法，但总的来说，非线性控制理论还很不成熟，而且方法也比较复杂。
采用模糊控制的方法往往可以较好地解决非线性系统的控制问题。
3）复杂的任务要求在传统的控制系统中，控制的任务或者是要求输出量为定值（调节系统），或者要求输出量跟随期望的运动轨迹（跟踪系统），要求比较单一。
对于模糊控制系统，染污的要求往往比较复杂。
例如，在智能机器人系统中，它要求系统对一个复杂的任务具有自行规划和决策的能力，有自动躲避障碍并且运动到期望目标位置的能力。
3 模糊控制器的结构模糊控制器主要有四大部件，如图1所示：1）规则库：由if-then语句构成，是控制思想经验的总结。
2）推理器：由于当前的输入，运用规则库进行推理，求取相应的对策。
3）模糊化：因模糊推理是在语言值（模糊集合）集上进行的，因此输入也应是语言值（如NB，NM，NS，Z，PS，PM，PB）。
而实际被控制对象的测量值是实数值。
因此，需要把实数值变成语言值，这个过程就是模糊化。
4）模糊判决：推理机的推理结果是一个语言值，而执行器需要的是一个具体的数值，这就需要把语言值变成确定值，这个转换过程就称为模糊判决。
、4 确定变量和隶属度函数假设系统输入为r = 1. 0 ，可取系统输出误差e和误差变化ec作为模糊控制器的输入，模糊控制器的输出u作为被控对象的控制输入。
则可根据系统输出的误差和误差变化设计出模糊控制器fz，并根据一系列的模糊推理过程推导出最终的输出控制量u。
其中误差e，误差变化量ec以及输出u所对应的模糊语言变量分别为E、EC和U。
表示如下：E={-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6}EC={-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6}U={-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6}每个语言变量都取5个语言值:“正大( PB)”、“正小( PS)”、“零（ZR)”、“负小(NS)”、“负大(NB)”。
4 实现模糊控制器的设计%模糊控制器设计%建立FISa=newfis('fuzzy');f1=1;%设置误差e与隶属度函数a=addvar(a,'input','e',[-6 6]);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,'ZR','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]);f2=1;%设置误差变化率ec与隶属度函数a=addvar(a,'input','ec',[-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,'ZR','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]);f3=1.5;%设置控制量u与隶属度函数a=addvar(a,'output','u',[-3 3]);a=addmf(a,'output',1,'NB','trapmf',[-3 -3 -2 -1]); a=addmf(a,'output',1,'NS','trimf',[-2 -1 0]);a=addmf(a,'output',1,'ZR','trimf',[-1 0 1]);a=addmf(a,'output',1,'PS','trimf',[0 1 2]);a=addmf(a,'output',1,'PB','trapmf',[1 2 3 3]);%建立控制规则表rulelist=[1 1 5 1 1;1 2 5 1 1;1 3 4 1 1;1 4 4 1 1;1 5 3 1 1;2 1 5 1 1;2 2 4 1 1;2 3 4 1 1;2 43 1 1;2 53 1 1;3 14 1 1;3 24 1 1;3 3 3 1 1;3 4 3 1 1;3 5 2 1 1;4 1 4 1 1;4 2 3 1 1;4 3 3 1 1;4 4 2 1 1;4 5 2 1 1;5 1 3 1 1;5 2 3 1 1;5 3 2 1 1;5 4 2 1 1;5 5 1 1 1;];a=addrule(a,rulelist);a1=setfis(a,'DefuzzMethod','mom');%设置去模糊化方法writefis(a1,'fuzzf');a2=readfis('fuzzf');Ulist=zeros(7,7);for i=1:7for j=1:7e(i)=-4+i;ec(j)=-4+j;Ulist(i,j)=evalfis([e(i),ec(j)],a2);endend%绘制FIS系统图形figure(1);plotfis(a2);figure(2);plotmf(a,'input',1);figure(3);plotmf(a,'input',2);figure(4);plotmf(a,'output',1);5 利用图形用户界面（GUI）建立模糊推理器（FIS）在利用Simulink图形化工具平台设计模糊控制系统模型并进行系统仿真之前，同样要先建立相应的模糊推理器，这可以通过图形用户界面(GUI)来建立。