模糊控制46783.docVIP

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： 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。由上表可知，被触发的规则有4条： Rule 1：IF y is MD and x is MG THEN z is M Rule 2：IF y is MD and x is LG THEN z is L Rule 3：IF y is LD and x is MG THEN z is L Rule 4：IF y is LD and x is LG THEN z is VL ③ 规则前提推理。在同一条规则内，前提之间通过“与”的关系得到规则结论，前提之间通过取小运算，得到每一条规则总前提的可信度： 规则1前提的可信度为：min（4/5，3/5）=3/5 规则2前提的可信度为：min（4/5，2/5）=2/5 规则3前提的可信度为：min（1/5，3/5）=1/5 规则4前提的可信度为：min（1/5，2/5）=1/5 由此得到洗衣机规则前提可信度表，即规则强度表1-3。 表1-3 规则前提可信度 ④ 将上述两个表进行“与”运算，得到每条规则总的输出，如表1-4所示 表1-4 规则总的可信度 ⑤ 模糊系统总的输出 模糊系统总的输出为各条规则推理结果的并，即 ⑥ 反模糊化 模糊系统总的输出实际上是三个规则推理结果的并集，需要进行反模糊化，才能得到精确的推理结果。下面以最大平均法为例，进行反模糊化。 将 带入洗涤时间隶属函数中的 ，得到规则前提隶属度 与规则结论隶属度 的交点： ， 得： ， 。 采用最大平均法，可得精确输出 仿真实例：采用MATLAB中模糊控制工具箱中的模糊命令设计洗衣机模糊控制系统，采用本节的隶属函数，按上述步骤设计模糊系统。取x=60，y=70，反模糊化采用重心法，模糊推理结果为33.6853。利用模糊命令ruleview可实现模糊控制的动态仿真。动态仿真模糊系统如图1-4所示。 图1-4模糊系统动态图 仿真程序：附录二 附录一：%Define N+1 triangle membership function clear all; close all; N=2; x=0:0.1:100; for i=1:N+1 f(i)=100/N*(i-1); end u=trimf(x,[f(1),f(1),f(2)]); figure(1); plot(x,u); for j=2:N u=trimf(x,[f(j-1),f(j),f(j+1)]); hold on; plot(x,u); end u=trimf(x,[f(N),f(