模糊控制de理论基础.pptVIP

第二篇 模糊控制的理论基础 第一节 概述 第二节 模糊集合 第三节 隶属函数 第四节 模糊关系 第五节 模糊推理 (2) 广义钟型隶属函数 广义钟型隶属函数由三个参数a，b，c确定： 其中参数b通常为正，参数c用于确定曲线的中心。Matlab表示为 (3) S形隶属函数 S形函数sigmf(x,[a c])由参数a和c决定： 其中参数a的正负符号决定了S形隶属函数的开口朝左或朝右，用来表示“正大”或“负大”的概念。Matlab表示为 （4）梯形隶属函数 梯形曲线可由四个参数a，b，c，d确定： 其中参数a和d确定梯形的“脚”，而参数b和c确定梯形的“肩膀”。 Matlab表示为： (5)三角形隶属函数 三角形曲线的形状由三个参数a，b，c确定： 其中参数a和c确定三角形的“脚”，而参数b确定三角形的“峰”。 Matlab表示为 （6）Z形隶属函数 这是基于样条函数的曲线，因其呈现Z形状而得名。参数a和b确定了曲线的形状。Matlab表示为 有关隶属函数的MATLAB设计，见著作： 楼顺天，胡昌华，张伟，基于MATLAB的系统分析与设计-模糊系统，西安：西安电子科技大学出版社，2001 例3.6 隶属函数的设计：针对上述描述的6种隶属函数进行设计。M为隶属函数的类型，其中M=1为高斯型隶属函数，M=2为广义钟形隶属函数，M=3为S形隶属函数，M=4为梯形隶属函数，M=5为三角形隶属函数，M=6为Z形隶属函数。如图所示。 图 高斯型隶属函数（M=1） fisMat=newfis(tipper); fisMat=addvar(fisMat,input,service,[0 10]); fisMat=addmf(fisMat,input,1,poor,gaussmf,[1.5 0]); fisMat=addmf(fisMat,input,1,good,gaussmf,[1.5 5]); fisMat=addmf(fisMat,input,1,excellent,gaussmf,[1.5 10]); plotmf(fisMat,input,1); 图 广义钟形隶属函数（M=2） x=0:0.1:10; y=gbellmf(x,[2 4 6]); plot(x,y); xlabel(gbellmf,p=[2 4 6]); 图 S形隶属函数（M=3） x=0:0.1:10; y=sigmf(x,[2 4]); plot(x,y); xlabel(sigmf,p=[2 4]); 图 梯形隶属函数（M=4） 图 三角形隶属函数（M=5） 图 Z形隶属函数（M=6） 二、隶属函数的仿真 例3.7 设计一个三角形隶属函数，按[-3，3]范围七个等级，建立一个模糊系统，用来表示{负大，负中，负小，零，正小，正中，正大}。仿真结果如图所示。 图 三角形隶属函数曲线 例3.8 设计评价一个学生成绩的隶属函数，在[0，100]之内按A、B、C、D、E分为五个等级，即{不及格，及格，中，良，优}。分别采用五个高斯型隶属函数来表示，建立一个模糊系统，仿真结果如图所示。 图 高斯型隶属函数曲线 三、 隶属函数的确定方法 ? 隶属函数是模糊控制的应用基础。目前还没有成熟的方法来确定隶属函数，主要还停留在经验和实验的基础上。通常的方法是初步确定粗略的隶属函数，然后通过“学习”和实践来不断地调整和完善。遵照这一原则的隶属函数选择方法有以下几种。 （1）模糊统计法 根据所提出的模糊概念进行调查统计，提出与之对应的模糊集A，通过统计实验，确定不同元素隶属于A的程度。 对模糊集A的隶属度 = （2）主观经验法 当论域为离散论域时，可根据主观认识，结合个人经验，经过分析和推理，直接给出隶属度。这种确定隶属函数的方法已经被广泛应用。 （3）神经网络法 利用神经网络的学习功能，由神经网络自动生成隶属函数，并通过网络的学习自动调整隶属函数的值。 一、模糊关系 例3.9 设有一组同学X，X={张三，李四，王五}，他们的功课为Y，Y={英语，数学，物理，化学}。他们的考试成绩如下表： 表 考试成绩表 取隶属函数 ，其中u为成绩。如果将他们的成绩转化为隶属度，则构成一个x×y上的一个模糊关系R，见下表。 表 考试成绩表的模糊化 将上表写成矩阵形式，得： 该矩阵称作模糊矩阵，其中各个元素必须在[0，1]闭环区间上取值。矩阵R也可以用关系图来表示，如图所示。 图 R的关系图 * * 一、模糊控制的提出 第一