模糊控制器汇总

实验二模糊控制实验

实验目的matlab中的模糊工具箱的使用及模糊控制器的应用

1）用fuzzy工具箱计算P82 2-14，要求求出控制器输出。

2）用FUZZY工具箱完成洗衣机模糊控制器设计要求求出控制器输出。完成模糊控制决策表。

一、用fuzzy工具箱计算P82 2-14，并与手算结果对比。

实验结果如图1-1所示，

图1-1题目2-14的实验结果

二、用FUZZY工具箱完成洗衣机模糊控制器设计。

（1）题目分析：洗衣时间长短实际与衣物的脏污程度有关，太脏了就洗久点，不脏就可以洗快点。

人类的操作经验是由模糊的自然语言描述的，在洗衣机的调节中，人类的操作经验是：

（1）“如果污泥越多，且油脂越多，洗涤时间就越长；”

（2）“如果污泥适中，且油脂适中，洗涤时间就适中；”

（3）“如果污泥越少，且油脂越少，洗涤时间就越短；”

通过分析可以知道这实际是一个开环的控制决策过程：

输入是污泥度x与油污度y，输出是洗涤时间z。在该规则中对这些量进行衡量的是一些模糊词语，“多”、“少”、“长”、“短”。

（2）定义输入、输出模糊集

将污泥x 分为3个模糊集：{SD （污泥少），MD （污泥中），LD （污泥多）} 论域：{0，50，100}

将油脂分为3个模糊集：{NG （油脂少），MG （油脂中），LG （油脂多）} 论域：{0，50，100} 输出模糊集：

将洗涤时间分为5个模糊集：{VS （很短），S （短），M （中等），L （长），VL （很长）}。

论域：{0，10，25，40，60} 单位s 例如：

（3）建立模糊控制器

求：假设当前传感器测得信息为：x0（污泥）=90，y0（油脂）=90 观察控制器的输出。

(4)建立控制决策表 x0=10，20,30,40,50,60，70,80,90，y0=10，20,30,40,50,60，70,80,90，分别取值时，控制器的输出。

(5)改变输入输出变量的模糊值、隶属度函数的曲线、解模糊的方法等，观察控制器三维图以及控制器输出， Maltlab 提供5种反模糊化方法：

1.centroid ：面积重心法；

2.bisector ：面积等分法；

3.mom ：最大隶属度平均法；

4.som ：最大隶属度取小法；

5.lom ：最大隶属度取大法 三、按照上述要求完成洗衣机模糊控制器设计。 1.下图1-2为洗衣机输入为[90 90]时的输出结果

x

D e g r e e o f m e m b e r s h i

p

z

D e g r e e o f m e m b e r s h i p

图1-2洗衣机模糊控制器输出结果2.建立控制决策表

3. 改变输入输出变量的模糊值、隶属度函数的曲线、解模糊的方法等，观察控制器三维图以及控制器输出。

1）centroid：面积重心法

2）bisector：面积等分法

3）mom：最大隶属度平均法

4）som：最大隶属度取小法

5）lom：最大隶属度取大法

模糊控制实验报告

学院：电气与信息工程学院

专业：控制理论与控制工程

学号：20140201051 姓名：张延丽

实验一模糊控制的理论基础实验

实验目的：

1 练习matlab中隶属函数程序的编写，同时学习matlab数据的表达、格式、文件格式、存盘

2 学习matlab中提供的典型隶属函数及参数改变对隶属度曲线的影响

3 模糊矩阵合成仿真程序的学习

4 模糊推理仿真程序

1隶属函数编程

（1）要求自己编程求非常老，很老，比较老，有点老的隶属度函数。

clear all;

close all;

for k=1:1:1001

x(k)=(k-1)*0.10;

if x(k)>=0&x(k)<50

y1(k)=0; y2(k)=0; y3(k)=0; y4(k)=0; y5(k)=0;

else

y1(k)=1/(1+(1/((x(k)-50)/5)^2));

y2(k)=1/(1+(1/((x(k)-50)/5)^2))^3;

y3(k)=1/(1+(1/((x(k)-50)/5)^2))^2;

y4(k)=1/(1+(1/((x(k)-50)/5)^2))^(0.8);

y5(k)=1/(1+(1/((x(k)-50)/5)^2))^(0.2);

end

end

hold on

plot(x,y,'k');

plot(x,y,'r');

plot(x,y,'b');

plot(x,y,'g');

plot(x,y,'y');

xlabel('X Years');ylabel('Degree of membership');

运行结果见图1

图1

（2）思考题P80 2-2 写出W及V两个模糊集的隶属函数，并绘出四个仿真后的曲线。

%membership function for old people

clear all;

close all;

for k=1:1:2001

x(k)=(k-1)*0.10;

if x(k)>=0&x(k)<50

y1(k)=0;

else

y1(k)=1/(1+(1/((x(k)-50)/5)^2));

end

end

plot(x,y1,'b');

xlabel('x years');ylabel('degree of membership');

hold on

for k=1:1:2001

x(k)=(k-1)*0.10;

if x(k)>=0&x(k)<25

y2(k)=1;

else

y2(k)=1/(1+((x(k)-25)/5)^2);

end

end

plot(x,y2,'g');

xlabel('x years');ylabel('degree of membership');

for k=1:1:2001

x(k)=(k-1)*0.10;

if x(k)>=0&x(k)<25

y3(k)=1;

else

y3(k)=1/(1+((x(k)-25)/5)^2)^2;

end

end

plot(x,y3,'m');

xlabel('x years');ylabel('degree of membership');

hold on

for k=1:1:2001

x(k)=(k-1)*0.10;

if x(k)>=0&x(k)<25

y(k)=0;

else if x(k)>25&x(k)<50

y4(k)=1-1/(1+((x(k)-25)/5)^2)^2;

else

y4(k)=1-1/(1+(1/((x(k)-50)/5)^2))^2;

end