模糊算法51单片机学习应用（一）模糊化

模糊算法51单片机学习应用（一）模糊化

最近在尝试学习模糊算法
网上查了很多材料，大多都是写原理，粗略一看好像感觉我懂了，但是真的要做的话，却完全不知道从哪里开始入手，其实，对我们首次学习使用的人来说，我们不要那些高大上的原理，我们先理解他是怎么用的，然后再去在用的过程中去理解它的实现机理。这样学习个人感觉比较适合自己。
搞了好几天，总算是初步实现了控制目标，总结一下经验和理解
首先我的应用环境是用的51单片机做了一个锂电池充电的应用场景，也就是控制目标是电流，将电流稳定在目标值
首先说一下整体的思路（这个也就是很多资料上面讲的）
1：先将控制量模糊化
也就是说模糊成7个论域
简单一点就是5个论域，包含负大（NB），负小(NS),中（NO），正小（PS），正大（PB）
也即是说将误差量，误差变量，以及控制量模糊化
道理我都懂，但是啥意思？论域是啥，模糊化是啥意思
后面翻阅了很多资料，读了一些实现的源码。
大概是这个意思
比如说我设定的误差范围为（-5，5），也就是负10到10，（实际上这个范围是我们根据实际情况定的，比如我这次的充电电流我设定的电流最大为5A，我的误差就可以设置成（-5，5），也可以设置成（-1，1））。
然后比如我当前的误差为（实际值-目标值）+1，也就是说我实际比目标值大1，那这个误差是属于哪个论域呢？也就是说属于哪个区间呢，是正大还是正小呢，反正肯定是正。
现在我们把论域用数字去表示NB用-2去表示，PB用2去表示，那负大到正大就是-2，-1，0，1，2；
模糊话就是把我们目前的偏差在（-2，2）这个区间用数字去表达出来，那刚才的偏差1（范围我们定的是（-5，5），换算成最大是2的话那应该就是2/5*1，也就是0.4，也就是说我现在偏差在0.4
可以说是有一点点小，应该属于中和正小的交叉点。
其他的参数，误差变化值和输出值都是同样的思路去处理。
处理完成之后，我们的第一步，模糊化就完成了
接下来我们要做的就是去判断它的隶属度
就像我们刚才说的，1的偏差模糊话后它是0.4(我们设定的最大偏差是5)，他这个在模糊论域上面既不完全属于1（也即是正小），也不完全属于0，也就是中），那我们怎么去处理它呢？那就是我们的下一章——隶属度的处理