模糊控制程序实例学习资料
模糊控制案例001
10) 11) 12) 13) 14) 15) 16) 17) 18) 19)
If E=Z and EC=PB or PS then U=PS If E=Z and EC=Z then U=Z If E=NS and EC=NB or NS then U=Z If E=NS and EC=Z or PS then U=PS If E=NS and EC=PB then U=PM If E=NM and EC=NB then U=PS If E=NM and EC=Z or NS then U=PM If E=NB and EC=NS or NB then U=PM If E=NM and EC=PB or PS then U=PB If E=NB and EC=Z or PS or PB then U=PB
以不是，甚至可以不是一个整数，经变
换后，是基本论域上的元素。
• 模糊控制的特点 所谓的模糊控制，既不是指被控制的 对象是模糊的，也不是模糊控制器是不确 定的，模糊控制有着自己的一套精确的理 论和算法。所谓的模糊是指在表示知识， 概念上的模糊性。虽然模糊控制器的算法 是通过模糊语言描述的，但它所完成的是 一项完全确定性的工作。
表4 模糊控制规则表格
E Ai
U Ck EC Bj
A1 PB
NM C6 R2 NB C7
A2 PM
NS C5 R4 NM C6 R5 NB C7 R3
A3 PS
Z C4 R6 NS C5 R7 NM C6 R6
A4 Z
PS C3 R10 Z C4 R11 NS C5 R9
A5 NS
PM C2 R14 PS C3 R13 Z C4 R12
A6 NM
PB C1 R18 PM C2 R16 PS C3 R15
模糊控制应用实例
模糊控制应用实例模糊控制是一种基于模糊逻辑的控制方法，它能够处理模糊的输入和输出，使得控制系统具有更好的鲁棒性和适应性。
下面将介绍一个模糊控制的应用实例。
某工厂的生产线上有一台机器人，它需要根据生产线上的物品进行分类和分拣。
由于生产线上的物品形状、颜色、大小等特征存在一定的模糊性，传统的控制方法很难实现准确的分类和分拣。
因此，工厂决定采用模糊控制方法来解决这个问题。
首先，需要对机器人的控制系统进行建模。
假设机器人的控制系统包括三个输入变量和一个输出变量。
其中，三个输入变量分别为物品的大小、颜色和形状，输出变量为机器人的动作，包括分类和分拣两种动作。
接下来，需要确定输入变量和输出变量的模糊集合和模糊规则。
假设物品的大小、颜色和形状分别属于三个模糊集合：小、中、大；红、绿、蓝；圆、方、三角。
输出变量也分别属于两个模糊集合：分类、分拣。
根据这些模糊集合，可以确定一些模糊规则，例如：如果物品大小为小且颜色为红且形状为圆，则机器人动作为分类；如果物品大小为中且颜色为绿且形状为方，则机器人动作为分拣；如果物品大小为大且颜色为蓝且形状为三角，则机器人动作为分类。
最后，需要进行模糊推理和模糊控制。
当机器人接收到一个物品时，它会根据物品的大小、颜色和形状，将它们映射到对应的模糊集合中。
然后，根据模糊规则进行模糊推理，得到机器人的动作。
最后，根据机器人的动作，控制机器人进行分类或分拣。
通过模糊控制方法，机器人可以更准确地分类和分拣物品，提高生产效率和质量。
同时，模糊控制方法还具有较好的鲁棒性和适应性，能够应对物品特征的变化和噪声的干扰。
总之，模糊控制是一种有效的控制方法，它能够处理模糊的输入和输出，使得控制系统具有更好的鲁棒性和适应性。
在工业生产、交通运输、医疗健康等领域都有广泛的应用。
模糊控制程序实例
5.2.2 .6 模糊控制器设计实例1 、单输入模糊控制器的设计【例 5.12 】已知某汽温控制系统结构如图 5.10 所示，采用喷水减温进行控制。
设计单输入模糊控制器，观察定值扰动和内部扰动的控制效果。
图 5.10 单回路模糊控制系统按表 5-2 确定模糊变量 E 、 U 的隶属函数，按表 5-3 确定模糊控制规则，选择温度偏差 e 、控制量 u 的实际论域：，则可得到该系统的单输入模糊控制的仿真程序如 FC_SI_main.m 所示，仿真结果如图 5.11 所示。
设温度偏差 e 、控制量 u 的实际论域：，选择 e 、 u 的等级量论域为量化因子。
选择模糊词集为 { NB,NS,ZO,PS,PB } ，根据人的控制经验，确定等级量 E ， U 的隶属函数曲线如图 5-8 所示。
根据隶属函数曲线可以得到模糊变量 E 、 U 的赋值表如表 5-3 所示。
图5-8 E ，U 的隶属函数曲线表 5-3 模糊变量 E 、 U 的赋值表( μ )-3 -2 -1 0 1 2 3 等级量μE 、 UPB 0 0 0 0 0 0.5 1 PS 0 0 0 0 1 0.5 0 ZO 0 0 0.5 1 0.5 0 0 NS 0 0.5 1 0 0 0 0 NB 1 0.5 0 0 0 0 0依据人手动控制的一般经验，可以总结出一些控制规则，例如：若误差 E 为 O ，说明温度接近希望值，喷水阀保持不动；若误差 E 为正，说明温度低于希望值，应该减少喷水；若误差 E 为负，说明温度高于希望值，应该增加喷水。
若采用数学符号描述，可总结如下模糊控制规则：若 E 负大，则 U 正大；若 E 负小，则 U 正小；若 E 为零，则 U 为零；若 E 正小，则 U 负小；若 E 正大，则 U 负大。
写成模糊推理句 :if E =NB then U =PBif E =NS then U =PSif E=ZO then U=ZOif E =PS then U =NSif E =PB then U =NB由上述的控制规则可得到模糊控制规则表，如表 5-4 所示。
智能控制实验-模糊控制
实验一 洗衣机的模糊控制仿真一、实验目的本实验要求在学生掌握模糊控制器基本工作原理和设计方法基础上，熟悉MALAB 中的模糊控制工具箱，能针对实际问题设计模糊控制器，建立模糊控制系统，训练学生综合运用计算机来解决一些实际问题的能力。
二、实验设备计算机一台、MATLAB 软件三、实验要求设计一个模糊控制器，根据衣物的泥污和油污程度，输出衣物的洗涤时间，通过改变控制参数的大小，观察模糊控制的性能。
四、实验步骤1．确定模糊控制器的结构选用两输入单输出模糊控制器，控制器的输入为衣物的泥污和油污，输出为洗涤时间。
2. 定义输入、输出模糊集 将泥污分为三个模糊集：泥污少SD 、泥污中MD 、泥污大LD ；油污分为三个模糊集：油污少SG 、油污中MG 、油污大LG ；将洗涤时间分为五个模糊集：很短VS 、短S 、中等M 、长L 、很长VL 。
3. 定义隶属度函数选用三角形隶属度函数实现泥污、油污和洗涤时间的模糊化：(50)/50050/50050(100)/505010050100(50)/50x x x x x x x x μμμμ=-⎧≤≤⎪≤≤⎧⎪==⎨⎨-<≤⎩⎪⎪<≤=-⎩SD MD 泥污LD (50)/50050/50050(100)/505010050100(50)/50x x x x x x x x μμμμ=-⎧≤≤⎪≤≤⎧⎪==⎨⎨-<≤⎩⎪⎪<≤=-⎩SG MG 油污LG(50)/50010/50010(100)/501025/501025(100)/5025402540/504060(100)/504060(50)/50x z x z x z x z x z z x z x z x μμμμμμ=-⎧≤≤⎪⎧≤≤⎪=⎨⎪-<≤⎩⎪≤≤⎧⎪==⎨⎨-<≤⎩⎪⎪≤≤⎧⎪=⎨<≤-⎪⎩⎪≤≤=-⎩SG MG MG 洗涤时间MG LG实验结果：实验分析：6.模糊推理因模糊控制规则表对称，所以上图为input1 和input2分别为50时input2和input1与洗涤时间的关系。
模糊控制实例
x2 2 x5 A1 ( x ) 3 , 8 x 5 x 8 3
y 5 B1 ( y ) 3 11 y 3 z 1 C1 ( z ) 3 7 z 3 5 y 8 , 8 y 11
计算机控制算法
属函数 C ( z ) 为：
(1)以连续型重心法作为解模糊化机构：首先找出
因此
z 1 1 z 3 3 2 3 z 5 3 7 z C ( z ) 5 z 6 3 1 6 z 8 3 9 z 8 z9 3 3 z 1 52 67 z 81 99 z zdz zdz zdz zdz zdz 1 3 5 6 8 3 3 3 3 3 z 3 z 1 52 67 z 81 99 z dz dz dz dz 1 3 3 3 5 3 6 3 8 3 dz 28 16 49 28 25 18 3 18 6 18 2 4 1 2 1 3 3 2 3 6 4.7
{负大，负中，负小，负零，正零，正小，正中，正大}
{NB，NM，NS，NO，PO，PS，PM，PB}
第3章
计算机控制算法
2.变量的模糊化
基本论域：某个变量变化的实际范围 误差的基本论域为 [ xe ， xe ] 误差变化的基本论域为[ xc ， xc ] 输出变量的基本论域为[ yu ， yu ]
变量的模糊子集论域 {n, n 1,
,0,
, n 1, n}
基本论域到模糊子集论域的转换公式
2n a b y x ba 2
模糊化就是将清晰的某个输入变量按隶属度转换到与 之相对应的模糊量的过程。
第3章
计算机控制算法
模糊控制
实验一：洗衣机的模糊控制实验目的：用MATLAB实现模糊控制器的设计实验步骤：（1）模糊控制器的结构设计选用单变量二维模糊控制器。
控制器的输入为衣物的污泥和油脂，输出为洗涤时间。
（2）定义输入输出模糊集将污泥分为三个模糊集：SD（污泥少），MD（污泥中），LD（污泥多），取值范围为[0，100]。
（3）定义隶属函数选用如下隶属函数：采用三角形隶属函数实现污泥的模糊化，采用三角形隶属函数实现污泥的模糊化，如图1-1所示。
图1-1 污泥隶属函数采用Matlab仿真，可实现污泥隶属函数的设计，仿真程序为：附录一将油脂分为三个模糊集：NG（无油脂），MG（油脂中），LG（油脂多），取值范围为[0，100]。
选用如下隶属函数：采用三角形隶属函数实现污泥的模糊化，如下图1-2所示。
仿真程序同污泥隶属函数（附录一）。
图1-2 油脂隶属函数将洗涤时间分为三个模糊集：VS（很短），S（短），M（中等），L （长），VL （很长），取值范围为[0，60]。
选用如下隶属函数：采用三角形隶属函数实现洗涤时间的模糊化，如图1-3所示。
图1-3 洗涤时间隶属函数采用Matlab 仿真，可实现洗涤时间隶属函数的设计，仿真程序为：模糊一（4）建立模糊控制规则根据人的操作经验设计模糊规则，模糊规则设计的标准为：“污泥越多，油脂越多，洗涤时间越长”；“污泥适中，油脂适中，洗涤时间适中”；“污泥越少，油脂越少，洗涤时间越短”。
（5）建立模糊控制表根据模糊规则的设计标准，建立模糊规则表1-1。
表1-1 模糊洗衣机的洗涤规则第*条规则为：“IF 衣物污泥少 且 没有油脂 THEN 洗涤时间很短”。
（6）模糊推理分以下几步进行：① 规则匹配。
假定当前传感器测得的信息为：x0(污泥)=60，y0(油脂)=70，分别带入所属的隶属函数中求隶属度：通过上述四种隶属度，可得到四条相匹配的模糊规则，如表1-2所示： 表1-2 模糊推理结果② 规则触发。
模糊控制应用示例讲解
0.4
0.2
0
-3
-2
NS
ZR
PS
-1
0
1
PB
2
u3
e de NB NS ZR PS PB
模糊推理规则
NB NS ZR PS PB
PB PB PS PS ZR PB PS PS ZR ZR PS PS ZR ZR NS PS ZR ZR NS NS ZR ZR NS NS NB
模糊控制系统设计
% Example 3.8 % 典型二阶系统的模糊控制 % %被控系统建模 num=20; den=[1.6,4.4,1]; [a1,b,c,d]=tf2ss(num,den); x=[0;0];
第5次课
例1：工业工程控制
例2：典型二阶环节 的模糊控 制
例1： 工业过程
例1: 某一工业过程要根据测量的温度 （t）和压力（p）来确定阀门开启的角
度: f (t, P) 这种关系很难用数
学模型精确描述。实际中由有经验的操 作员完成，因此通常可设计模糊控制器 取而代之。
输入输出变量的论域
0
0
0.5
1
1.5
2
2.5 压力 3
阀门开启角度的模糊隶属度 函数
“负” “零” “正”
1 0.8 0.6 0.4 0.2
0 -10 -8 -6 -4 -2 0 2 4 6 8 10
角度增量
隶属度函数
模糊推理规则库
模糊推理规则有3条：
If 温度“冷” and 压力“高”，则阀门角 度增量为“正”
If 温度“热” and 压力“高”，则阀门角 度增量为“负”
If 压力“正常”，则阀门角度增量为“零 ”
模糊控制算法实例解析(含代码)
模糊控制算法实例解析（含代码）
首先来看一个实例，控制进水阀S1和出水阀S2，使水箱水位保持在目标水位O处。
按照日常操作经验，有以下规则：
1、若当前水位高于目标水位，则向外排水，差值越大，排水越快；
2、若当前水位低于目标水位，则向内注水，差值越大，注水越快；
3、若当前水位和目标水位相差很小，则保持排水速度和注水速度相等。
下面来设计一个模糊控制器
1、选择观测量和控制量
一般选择偏差e，即目标水位和当前水位的差值作为观察量，选取阀门开度u为控制量。
2、输入量和输出量的模糊化
将偏差e划分为5个模糊集，负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB)，e为负表示当前水位低于目标水位，e 为正表示当前水位高于目标水位。
设定e的取值范围为[-3，3]，隶属度函数如下。
偏差e对应的模糊表如下：隶属度
变化等级-3 -2
-1
1
2
3模糊集
PB 0 0 0 0 0 0.5
1PS 0
0 0.5 1 0.5 0ZO
0 0.5 1 0.5 0
0NS
0 0.5 1 0.5 0
0NB
0.5 0 0 0 0 0。
模糊pid控制实例
模糊pid控制实例
（原创版）
目录
一、模糊 PID 控制的概述
二、模糊 PID 控制的优势
三、模糊 PID 控制的实例分析
四、模糊 PID 控制的应用前景
正文
一、模糊 PID 控制的概述
模糊 PID 控制是一种基于模糊逻辑理论和 PID 控制理论的控制方法，它将 PID 控制器的精度和模糊控制器的智能化相结合，提高了控制的准确性和灵活性。
模糊 PID 控制主要应用于工业控制领域，如电机控制、温度控制等。
二、模糊 PID 控制的优势
相较于传统 PID 控制，模糊 PID 控制具有以下优势：
1.适应性强：模糊 PID 控制可以根据被控对象的特性进行自适应调整，提高了控制的适应性。
2.智能化程度高：模糊 PID 控制利用模糊逻辑理论，可以对控制对象进行智能化识别和控制，提高了控制的准确性。
3.稳定性好：模糊 PID 控制结合了 PID 控制器的稳定性和模糊控制器的智能化，使得控制系统具有较好的稳定性。
三、模糊 PID 控制的实例分析
以电机控制为例，模糊 PID 控制可以根据电机的负载情况和转速变化，自动调整电机的输出功率，实现精确控制。
在实际应用中，模糊 PID
控制可以根据不同的控制需求进行调整，实现对电机的精确控制。
四、模糊 PID 控制的应用前景
随着工业自动化技术的发展，对控制精度和控制速度的要求越来越高。
模糊 PID 控制作为一款具有高精度、高智能化的控制方法，在工业控制
领域具有广泛的应用前景。
模糊控制详细讲解实例
一、速度控制算法： 首先定义速度偏差-50 km/h ≤e （k ）≤50km/h ，-20≤ec （i ）= e （k ）- e （k-1）≤20，阀值e swith =10km/h设计思想：油门控制采用增量式PID 控制算法,刹车控制采用模糊控制算法，最后通过选择规则进行选择控制量输入。
选择规则：e （k ）<0 ① e （k ）>- e swith and throttlr_1≠0 选择油门控制② 否则：先将油门控制量置0，再选择刹车控制 0<e （k ） 先选择刹车控制，再选择油门控制 e （k ）=0 直接跳出选择刹车控制：刹车采用模糊控制算法1.确定模糊语言变量 e 基本论域取[-50,50]，ec 基本论域取[-20,20]，刹车控制量输出u 基本论域取[-30,30]，这里我将这三个变量按照下面的公式进行离散化：)]2(2[ba x ab n y +--= 其中，],[b a x ∈，n 为离散度。
E 、ec 和u 均取离散度n=3，离散化后得到三个量的语言值论域分别为：E=EC=U={-3,-2,-1,0,1,2,3}其对应语言值为{ NB,NM,NS,ZO, PS,PM,PB } 2.确定隶属度函数E/EC 和U 取相同的隶属度函数即：E EC U(,5,1)(,3,2,0)(,3,1,1)u (,2,0,2)(,1,1,3)(,0,2,3)(,1,5)g x trig x trig x trig x trig x trig x g x ∧∧--⎧⎪--⎪⎪--⎪=-⎨⎪-⎪⎪⎪⎩说明：边界选择钟形隶属度函数，中间选用三角形隶属度函数，图像略实际EC 和E 输入值若超出论域范围，则取相应的端点值。
3.模糊控制规则由隶属度函数可以得到语言值隶属度（通过图像直接可以看出）如下表： 表1：E/EC 和U3.模糊推理由模糊规则表3可以知道输入E 与EC 和输出U 的模糊关系，这里我取两个例子做模糊推理如下：if (E is NB) and (EC is NM) then (U is PB) 那么他的模糊关系子矩阵为：1211U EC E R R R R ⨯⨯=其中，711)0,,0,5.0,1(0⨯== P R E ,即表1中NB 对应行向量，同理可以得到，712)0,,0,5.0,1,0(1⨯== P R EC , 711)0,,0,5.0,1(0⨯== P R U77210000000000005.05.00005.010)0,,0,5.0,1,0()0,,0,5.0,1(⨯⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⨯=⨯TEC E R R 49121)0,,0,5.0,5.0,0,0,0,0,0,5.0,1,0(⨯= EC E R7491211000000005.05.00005.0100000)0,,0,5.0,1()0,,5.0,1,0(⨯⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⨯=⨯= TU EC E R R Rif (E is NVB or NB) and (EC is NVB) then (U is PVB)1112U EC E R R R R ⨯⨯= 结果略按此法可得到27个关系子矩阵，对所有子矩阵取并集得到模糊关系矩阵如下：)27,,2,1(21 ==i R R R R i 由R 可以得到模拟量输出为：()U E EC R =⨯4.去模糊化由上面得到的模拟量输出为1×7的模糊向量，每一行的行元素（u （z ij ））对应相应的离散变量z j ，则可通过加权平均法公式解模糊：)21,,2,1()()(210210 ===∑∑==j i zu z zu u i iji jij从而得到实际刹车控制量的精确值u 。
模糊控制器设计例子
负最大值 (u ) e 正最大值 (u ) e
( u 5) 2 ( u 5) 2
, 零 (u ) e ,
u2
,
应用中心平均解模糊器和乘积推理机，可以得到如下 的模糊控制器u fuzz： u fuzz x）= （ 1 1 1 1 5 5 30x 30x 1+e-30x1 1+e-30x2 1+e 1 1+e 2 1 1 1 1 1 1 1+e-30x1 1+e30x2 1+e30x1 1+e-30x2 1+e-30x1 1+e-30x2
0
1
2
Hale Waihona Puke 345 t(sec)
6
7
8
9
10
14
12
10
8
6
4
2
0 0
1
2
3
4
5 t(sec)
6
7
8
9
10
非常感谢各位同学！ 祝大家期末愉快！ 谢谢！
仿真实验：倒立摆系统的动态方程为：
x1 x2
2 mlx2 cos x1 sin x1 cos x1 g sin x1 mc m mc m x2 u 2 2 4 m cos x1 4 m cos x1 l l 3 mc m 3 mc m 其中，g =9.8m/s 2是重力加速度，mc =1kg是小车的
假设：存在可确定函数f ( x )和g L ( x)，使得
U
f ( x ) f U ( x )，0<g L ( x ) g ( x )。 即，假设 f ( x ) 的上界和g ( x )的下界是已知的。
3.5模糊控制应用实例
VL(z) (z 40) / 20
0 z 10 0 z 10
10 z 25 10 z 25
25 z 40 25 z 40
40 z 60 40 z 60
图3.5.3 洗涤时间隶属函数
6
4. 建立模糊控制规则
IF 污泥多 AND 油脂多，THEN 洗涤时间长
洗涤时间
泥污度
3) 规则前件隶属度的聚集
Rule1: min(4 5,3 5) 3 5 Rule2 : min(4 5,2 5) 2 5 Rule3 : min(1 5,3 5) 1 5 Rule4 : min(1 5,2 5) 1 5
9
4） 每条规则的推理输出
Rule1 : min(3 5, M (z)) Rule2 : min(2 5, L(z)) Rule3 : min(1 5, L(z)) Rule4 : min(1 5 , VL(z))
LG(y)(y50)/50
0y50 0y50
50y100 50y100
图3.5.2 油性肮脏度隶属函数
5
VS(z) (10 z) / 10
S
(z)
z /10 (25 z)
/
15
洗
涤
时
＝ 间 M
(
z)
(z 10) / 15 (40 z) / 15
L
(z)
(z 25) / 15
(60
z)
/
20
3.5 模糊控制应用实例——洗衣机的 模糊控制
一、重点解决三个问题：
1.
物理量的测定
2.
控制量的确定
3.
控制知识库
1.
二、关键技术：
1.
布质、布量传感器
模糊控制的Matlab仿真实例分析
.
18
在Simulink编辑窗口左边的模块浏览区可以看 到在水箱仿真系统中包括水箱子模型、阀门子 模型及 PID 控制子模型。直接在浏览区中点 击或右键点击它们，并在弹出菜单中选择 ［ look under mask 】 ，可以看到这些模块实 现的细节结构，如图 所示。
.
19
.
20
.
21
这里暂时不讨论具体的系统模型的构造问题，我们可 以先在这个已经建立好的系统模型上进行修改，体验 模糊逻辑与仿真环境结合使用的优势。
字分别代表服务和食
物的质量（ 10 表示
非常好， 0 表示非常
差），这时小费与它
.
们之间的关系又应4当8
如何反映呢？
假设是二元线性关系 用下列 MATLAB 语句可绘出下图 。
.
49
.
50
可以看到，如果不考虑服务质量因素比食物质量因素对 于小费的支付占有更大的比重，上面的关系图形已经能 够反映一些实际的情况了。假如希望服务质量占小费的 80 % , 而食物仅占 20 ％。这里可以设定权重因子：
注意将鼠标箭头放置图内，移动鼠标可得到不同 角度的视图，如下图所示。
.
15
Matlab模糊控制仿真演示例子
模型sltank.mdl ——使用模糊控制器对水箱水位进 行控制。
假定水箱有一个进水口和一个出水口，可以通过控 制一个阀门来控制流入的水量（即水位高度），但 是流出的速度取决于出水口的半径（定值）和水箱 底部的压力（随水箱中的水位高度变化）。系统有 许多非线性特性。
真。
.
31
学习 MATLAB 仿真工具的一个快速有效的方法就 是学习示例模型，通过看懂这些模型和模块的功
能以及搭建过程，可以很快熟悉和掌握如何使用 MATLAB 仿真工具来设计和搭建自己独特的模型。
模糊pid控制实例
模糊pid控制实例【原创实用版】目录一、引言二、模糊 PID 控制的概念和原理三、模糊 PID 控制的实例应用四、模糊 PID 控制的优势和局限性五、结论正文一、引言在工业控制领域，PID 控制器是一种常用的闭环控制系统，它通过比较实际输出值和期望输出值之间的误差，然后对控制量进行调整，以达到期望的输出值。
然而，在面对一些非线性、时变性、不确定性的系统时，传统的 PID 控制器可能无法满足控制需求。
因此，为了解决这些问题，模糊 PID 控制应运而生。
二、模糊 PID 控制的概念和原理模糊 PID 控制结合了传统 PID 控制和模糊控制的优点，它利用模糊控制理论对 PID 控制器进行改进，使其具有更强的适应性和鲁棒性。
模糊 PID 控制的原理主要基于模糊逻辑和 PID 控制算法，通过将连续的输入值转换为模糊集合，然后根据模糊规则进行推理，最后得到模糊输出，再通过模糊 - 清晰转换得到清晰的控制量。
三、模糊 PID 控制的实例应用模糊 PID 控制在许多实际应用中都取得了良好的效果，例如温度控制系统、液位控制系统、速度控制系统等。
以温度控制系统为例，当实际温度与期望温度存在偏差时，模糊 PID 控制器会根据偏差的大小、方向和变化趋势，调整加热器的功率，从而使实际温度逐渐接近期望温度。
四、模糊 PID 控制的优势和局限性模糊 PID 控制相较于传统 PID 控制具有以下优势：1.适应性强：模糊 PID 控制能够适应不同类型的控制系统，尤其适用于非线性、时变性、不确定性的系统。
2.鲁棒性好：模糊 PID 控制具有较强的抗干扰能力，能够有效地抑制外部干扰对控制系统的影响。
3.自适应性：模糊 PID 控制可以根据系统的变化自动调整控制参数，无需人工干预。
然而，模糊 PID 控制也存在一定的局限性：1.模型依赖性强：模糊 PID 控制需要建立相应的数学模型，对于一些复杂的系统，建立准确的模型较为困难。
2.规则设计复杂：模糊 PID 控制需要设计合适的模糊规则，这需要对系统的动态特性有深入的了解，设计过程较为复杂。
模糊控制应用实例
• 2）输出变量
图7.15 输出变量旳隶属函数
• （4）解模糊判决成果 • 据此又细提成如下旳洗涤控制： • ①水流9种； • ②洗涤时间16种； • ③清洗时间6种； • ④脱水时间6种。
• 7.2 智能手机充电器
• 7.2.1 智能充电原理
• 根据这些控制规律，就可制定出如下满足 模糊控制要求旳控制规则：
• 规则1：假如NC=+3时R=VG且C=G且 A=VG，那么NC=3；
• 规则2：假如NC=+2时R=VG且C=G且 A=VG，那么NC=2；
• 规则3：假如NC=+1时R=VG且C=G且 A=VG，那么NC=1；
• 规则4：假如NC=0时 R=VG且A=G，那 么
度
• C：（Comfort of riding）乘坐舒适性 • E：（Energy saving）节省能源 • R：（Running time ）行驶时间 • S：（Safety）安全性 • T：（Traceability of speed）速度跟踪
性
• 用5个符号表达模糊概念旳等级： • VG：（Very Good）非常好 • G：（Good）好 • M ：（Medium）中档 • B：（Bad）差 • VB：（Very Bad）非常差 • （1）停车精确度 • （2）乘坐舒适度 • （3）节省能源
• 规则1：假如N =0时，S=G且C=G且E=G， 那么N=0；
• 规则2：假如N =P7时，S=G且C=G且 T=B，那么N=P7；
• 规则3：假如N=B7时，S=B，那么N=（N （t）+Bmax）/2；
• 规则4：假如NC=4时，S=G且C=G且 T=VG，那么NC=4；
模糊pid控制实例
模糊pid控制实例摘要：I.模糊PID 控制简介A.传统PID 控制概述B.模糊控制的引入C.模糊PID 控制的发展II.模糊PID 控制原理A.模糊控制器的设计B.模糊PID 控制算法C.模糊PID 控制器的参数调整III.模糊PID 控制应用实例A.温度控制B.流量控制C.电机控制IV.模糊PID 控制的优缺点A.优点1.更好的控制性能2.更强的鲁棒性3.更简单的参数调整B.缺点1.计算复杂度较高2.实际应用中可能存在一定的不稳定性正文：模糊PID 控制是一种在传统PID 控制的基础上，引入模糊控制理论的控制方法。
相比传统的PID 控制，模糊PID 控制具有更好的控制性能、更强的鲁棒性以及更简单的参数调整等优点。
近年来，随着模糊控制理论的不断发展，模糊PID 控制在各个领域都得到了广泛的应用。
一、模糊PID 控制简介PID 控制是一种经典的控制方法，其全称为比例- 积分- 微分控制。
传统PID 控制主要依靠比例、积分、微分三个环节的组合来达到控制目的。
尽管传统PID 控制在很多领域都取得了较好的控制效果，但是也存在一些问题，如参数调节困难、对噪声敏感等。
为了克服传统PID 控制的这些缺点，模糊控制理论应运而生。
模糊控制是一种基于模糊逻辑的控制方法，它将连续的输入值转换为模糊集合，从而在一定程度上降低了系统的复杂性。
将模糊控制理论引入PID 控制，便形成了模糊PID 控制。
模糊PID 控制不仅保留了传统PID 控制的优秀特性，而且在一定程度上降低了控制器的计算复杂度，提高了控制性能。
因此，模糊PID 控制在各个领域都得到了广泛的应用。
二、模糊PID 控制原理1.模糊控制器的设计模糊控制器是模糊PID 控制的核心部分，其设计主要包括输入模糊化、模糊规则设计、输出模糊化等步骤。
首先，将连续的输入值转换为模糊集合，以便进行模糊运算；然后，根据实际需求设计模糊规则，从而确定控制器的输出；最后，将输出值转换为实际控制量。
模糊控制的应用实例与分析
模糊控制的应用实例与分析模糊控制是一种针对模糊系统进行控制的方法，它通过运用模糊逻辑和模糊规则来进行控制决策。
模糊控制广泛应用于各个领域，以下是几个不同领域的模糊控制应用实例和相关分析。
1.模糊控制在温度控制系统中的应用：温度控制系统是模糊控制的一个常见应用领域。
传统的温度控制系统通常使用PID控制器，但是由于环境和外部因素的干扰，PID控制器往往不能很好地应对这些复杂情况。
而模糊控制可以通过建立模糊规则来实现对温度的精准控制。
例如，如果设定的温度为25度，模糊控制系统可以根据当前的温度和温度变化率等信息，通过判断当前温度是偏低、偏高还是处于目标温度范围内，然后根据这些模糊规则来决定是否增加或减少加热器的功率，从而实现温度的稳定控制。
2.模糊控制在交通信号灯控制中的应用：交通信号灯控制是一个动态复杂的系统，传统的定时控制往往不能适应不同时间段、不同拥堵程度下的交通流需求。
而模糊控制可以通过模糊规则来根据交通流的情况进行动态调整。
例如，交通信号灯的绿灯时间可以根据路口的车辆数量和流动情况进行自适应调整。
当车辆较多时，绿灯时间可以延长，以减少拥堵；当车辆较少时，绿灯时间可以缩短，以提高交通效率。
模糊控制可以将车辆数量和流动情况等模糊化，然后利用模糊规则来决策绿灯时间，从而实现交通信号灯的优化控制。
3.模糊控制在飞行器自动驾驶中的应用：飞行器自动驾驶是一个高度复杂的系统，传统的控制方法往往不能满足复杂的空中飞行任务。
模糊控制可以通过模糊规则来根据飞行器的状态和目标任务要求进行决策。
例如，飞行器的高度控制可以利用模糊控制来应对不同高度要求的任务。
通过将目标高度和当前高度模糊化处理，然后利用模糊规则来决策飞行器的升降舵和发动机功率等参数，从而实现对飞行器高度的精准控制。
综上所述，模糊控制作为一种针对模糊系统进行控制的方法，具有很大的应用潜力。
它可以通过建立模糊规则来解决传统控制方法难以解决的复杂问题。
虽然模糊控制存在一些问题，如规则的设计和调试等工作比较困难，但是随着计算机技术的发展和模糊控制理论的不断完善，模糊控制在各个领域中的应用将会越来越广泛。
智能控制05模糊控制系统设计实例
e=R-T(k)
e>0; 炉温低于800℃, du 0 e<0; 炉温高于800℃, du 0 e=0; 炉温等于800℃, du 0
e NB NS ZO PS PB
du N N ZO P P
5.1.3 模糊推理
e NB NS ZO PS PB du N N ZO P P
求输入e* =du55时对应的输出？
输入
隶属度
1
输出
-4 -3 -2 -1 0 1 2 3 4 NB NS ZE PS PB
隶属度
1
-4 -3 -2 -1 0 1 2 3 4 NB NS ZE PS PB
e
隶属度
1
du
-3 -2 -1 0 1 2 3 NB NS ZE PS PB
ec
5.2.3 建立模糊规则
建立模糊规则：专家经验、知识
5.1 模糊控制器设计
规则库
模糊化
模糊推理
反模糊化
R=800℃
模糊控制器
e
控制器
-
广义对象
du
可控硅
加热炉
传感变送机构
炉温T
5.1.1 模糊化
① 确定输入、输出变量； ② 确定其论域； ③ 定义每个变量的模糊语言值； ④ 定义相应的隶属函数；
（１） 确定输入、输出变量
输入变量：误差e=R-T
1.
最大隶属度法
P 0 0 0 0 0 0.5 1 3 2 1 0 1 2 3
2. 重心法（加权平均法）
(2*0.5 3) /(0.5 1) 2.67
5.1.5 小结
模糊控制系统的实现
模糊控制器
输入
- 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)。
5.2.2.6 模糊控制器设计实例 1、单输入模糊控制器的设计【例5.12】已知某汽温控制系统结构如图5.10所示，采用喷水减温进行控制。
设计单输入模糊控制器，观察定值扰动和内部扰动的控制效果。
R =图5.10 单回路模糊控制系统按表5-2确定模糊变量E 、U 的隶属函数，按表5-3确定模糊控制规则，选择温度偏差e 、控制量u的实际论域：[ 1.5,1.5]e u =∈-，则可得到该系统的单输入模糊控制的仿真程序如FC_SI_main.m 所示，仿真结果如图5.11所示。
设温度偏差e 、控制量u 的实际论域：[ 1.5,1.5]e u =∈-，选择e 、u 的等级量论域为{3,2,1,0,1,2,3}E U ==---+++量化因子2)5.1(5.132=--⨯=K 。
选择模糊词集为{NB,NS,ZO,PS,PB }，根据人的控制经验，确定等级量E ，U 的隶属函数曲线如图5-8 所示。
根据隶属函数曲线可以得到模糊变量E 、U 的赋值表如表5-3所示。
图5-8 E ，U 的隶属函数曲线-3-2-1123依据人手动控制的一般经验，可以总结出一些控制规则，例如： 若误差E 为O ，说明温度接近希望值，喷水阀保持不动； 若误差E 为正，说明温度低于希望值，应该减少喷水； 若误差E 为负，说明温度高于希望值，应该增加喷水。
若采用数学符号描述，可总结如下模糊控制规则： 若E 负大，则U 正大； 若E 负小，则U 正小； 若E 为零，则U 为零； 若E 正小，则U 负小； 若E 正大，则U 负大。
写成模糊推理句:if E=NB then U=PB if E=NS then U=PS if E=ZO then U=ZO if E=PS then U=NS if E=PB then U=NB由上述的控制规则可得到模糊控制规则表，如表5-4所示。
表5-4 模糊控制规则表模糊控制规则实际上是一组多重条件语句，它可以表示从误差论域E 到控制量论域U 的模糊关系R 。
按着上述控制规则，可以得到该温度偏差与喷水阀门开度之间的模糊关系R ：()()()()()E U E U E U E U E U R E UNB PB NS PS ZO ZO PS NS PB NB --=⨯=⨯⨯⨯⨯⨯U U U U计算模糊关系矩阵R 的子程序如F_Relation_1.m 所示。
%模糊关系计算子程序F_Relation_1.cfunction [R,mfe,mfu,ne,nu,Me]=F_Relation_1%#############################输入模糊变量赋值表(表5-3)############################ ne=7;%等级量e 的个数 nu=7;%等级量u 的个数Me=[0 0 0 0 0 0.5 1;0 0 0 0 1 0.5 0;0 0 0.5 1 0.5 0 0; 0 0.5 1 0 0 0 0;1 0.5 0 0 0 0 0]; Mu=Me;%##定义模糊变量及其语言值 1=PB,2=PS,3=O,4=NS,5=NB ，并输入模糊控制规则表（表5-4）## mfc=5;%模糊变量E 的语言值个数，控制规则表列数E=[5 4 3 2 1]; UC=[1 2 3 4 5];%########################计算R=E ×U############################################### R=zeros(ne,nu); for i=1:mfc iu=UC(i); ie=E(i);for k=1:ne for l=1:nuif Me(ie,k)<Mu(iu,l) Reu(k,l)=Me(ie,k); elseReu(k,l)=Mu(iu,l); end end endfor k=1:ne for l=1:nuif Reu(k,l)>R(k,l) R(k,l)=Reu(k,l); end end end end运行结果如下：由此，可以得到各种输入时，模糊控制器的输出：单输入时： U E R --=o （5-5）双输入时： R EC E U ο)(---⨯= （5-6）三输入时： R ECC EC E U ο)(----⨯⨯= （5-7）例如：单输入时，设2.1=e ，根据前面的等级量划分原则，其等级量1+=E ，由表5-2可以查出]05.010000[==-PS E 。
根据式（5-5）可以得到：⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=0005.00.100005.05.05.0005.05.00.15.00005.00.15.00005.00.15.05.0005.05.05.00000.15.000000R[]]05.05.00.15.05.0[5.00.15.05.05.05.05.00.15.05.00.15.05.00.15.05.05.05.05.00.15.05.01=⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡= -οU其模糊决策子程序如F_Deduce_1.m所示。
%单输入时模糊决策子程序F_Deduce_1.mfunction FU=F_Deduce_1(fe,R,ne,nu)for i=1:nufor j=1:neif fe(j)<R(j,i)feu(j)=fe(j);elsefeu(j)=R(j,i);endendFU(i)=max(feu);end%单输入模糊控制仿真程序FC_SI_main.m，被控对象W(s)=-1.1/(35s+1)^4) clear allDT=1;ST=1500;LP=ST/DT;A1=exp(-DT/35);B1=1-A1;x(1:4)=0;ur=0;%###设置e、u的初始论域及其等级量论域，计算量化因子及比例因子########## em=1.5;EM=3;Ke=EM/em;UM=3;um=1.5;Ku=um/UM;%#########调用计算模糊关系矩阵R的子程序F_Relation_1.m############# [R,mfc,ne,nu,Me]=F_Relation_1；%############################################################# for k=1:LP%############计算FC的输出################################### e=1-x(4);%计算偏差量ee1=round(Ke*e);%把e转化成等级量if e1>EM;e1=EM;endif e1<-EM;e1=-EM;endj=e1+EM+1;Fi=1;for i=2:muif Me(i,j)>Me(i-1,j);Fi=i;end;%得到模糊语言值 endU=F_Deduce_1(Me(Fi,:),R,ne,nu);%调用模糊决策子程序 %加权平均法判决控制器的输出 Su=0;S=0; for i=-UM:UMSu=Su+i*U(i+UM+1);S=S+U(i+UM+1); endu=Ku*Su/S+ur;%***************仿真计算被控对象******************** x(1)=A1*x(1)-1.1*B1*u; x(2)=A1*x(2)+B1*x(1); x(3)=A1*x(3)+B1*x(2); x(4)=A1*x(4)+B1*x(3); y1(k)=x(4); u1(k)=u; t(k)=k*DT;if t(k)>800;ur=0.5;end;%800秒后加入内扰 end plot(t,y1) hold on;plot(t,u1,'--')-1.2-1-0.8-0.6-0.4-0.200.20.40.60.8图5.11 单输入模糊控制器的控制效果从上述的仿真结果可以看到，定值扰动时系统可以达到稳定，但是有很大的静差，不能满足工程上的要求，究其原因是，模糊控制器实质上是一个具有继电器型非线性特性的控制器（如图5.11中所示的u ），没有积分作用，对于有自平衡对象一定会产生静差，而且系统极容易产生震荡。
从图5.11就可看出，虽然设计的模糊控制器对定值扰动是稳定的，但对于内扰并不能使其稳定。
非线性控制器的控制效果取决于各变量的论域及扰动量的大小【1】，因此，模糊控制器的大范围工程应用还有许多问题需要研究。
2、双输入模糊控制器的设计【例5.13】对于图5.10所示的系统，设计双输入模糊控制器，观察定值扰动和内部扰动的控制效果。
下面考虑两个输入的情况：设温度偏差e 、偏差变化率ec 及控制量u 的实际论域：[ 1.5,1.5]e ec u ==∈-，选择它们的等级量论域分别为{6,5,4,3,2,1,0,0,1,2,3,4,5,6}E =-------+++++++ {6,5,4,3,2,1,0,1,2,3,4,5,6}EC =------++++++ {7,6,5,4,3,2,1,0,1,2,3,4,5,6,7}U =-------+++++++量化因子4)5.1(5.162,=--⨯=ec e K ，314)5.1(5.172=--⨯=u K假设选取E 的模糊变量词集为{,,,,,,,}NB NM NS NO PO PS PM PB选取模糊变量E 的赋值表如表5-5所示。
表5-5的等级量与模糊量的关系选取EC 、U 的模糊变量词集为{,,,,,,}NB NM NS ZO PS PM PB选取模糊变量EC 的赋值表如表5-2所示，模糊变量U 的赋值表如表5-6所示。
现将操作者在操作过程中遇到的各种出现的情况和相应的控制策略汇总为表5-7。
表5-7 双输入时的模糊控制规则表下面说明建立模糊控制规则表的基本思想。
首先考虑误差为负的情况，当误差（希望值减去温度值）为负大时（说明温度高于希望值），若误差变化率也为负，这时误差有增大的趋势，为尽快消除已有的负大误差并抑制误差变大，所以控制量的变化取正大（控制量增大，意味着喷水阀门开度增大，喷水量增加，使得温度下降，下同）。
当误差为负而误差变化率为正时，系统本身已有减少误差的趋势，所以，为尽快消除误差而又不超调，应取较小的控制量。
当误差为负中时，控制量的变化应使误差尽快消除，基于这种原则，控制量的变化选取同误差为负大时相同。
当误差为负小时，系统接近稳态，若误差变化微小时，选取控制量变化为正中，以抑制误差往负方向变化；若误差变化为正时，系统本身有消除负小的误差的趋势，选取控制量变化为正小。
上述选取控制量变化的原则：当误差大或较大时，选择控制量以尽快消除误差为主；当误差较小时，选择控制量要注意防止超调，以系统稳定性为主要出发点。