模糊控制器设计实验

模糊控制器设计实验

一、 实验原理

二、代码

%模糊控制器设计
a=newfis('fuzzf');                   %创建新的模糊推理系统

%输入1
f1=1; 
a=addvar(a,'input','e',[-9*f1,9*f1]);                   
 %添加 e 的模糊语言变量
a=addmf(a,'input',1,'NB','zmf',[-5*f1,1*f1]);          
 %添加 e 的模糊语言变量的隶属度函数（z型）
a=addmf(a,'input',1,'NM','trimf',[-5*f1,-2*f1,0]);      
  %隶属度函数为三角形
a=addmf(a,'input',1,'NS','trimf',[-3*f1,-1*f1,9*f1]); 
a=addmf(a,'input',1,'Z','trimf',[-8*f1,0,8*f1]); 
a=addmf(a,'input',1,'PS','trimf',[-4*f1,5*f1,9*f1]);
a=addmf(a,'input',1,'PM','trimf',[0,2*f1,9*f1]);
a=addmf(a,'input',1,'PB','smf',[1*f1,9*f1]); 


%输入2
f2=1;
a=addvar(a,'input','ec',[-9*f2,9*f2]);                   
 %添加 ec 的模糊语言变量
a=addmf(a,'input',2,'NB','zmf',[-5*f1,-1*f1]); 
a=addmf(a,'input',2,'NM','trimf',[-5*f1,-2*f1,0]);
a=addmf(a,'input',2,'NS','trimf',[-3*f1,-1*f1,9*f1]);
a=addmf(a,'input',2,'Z','trimf',[-8*f2,0,8*f2]);
a=addmf(a,'input',2,'PS','trimf',[-4*f1,5*f1,9*f1]);
a=addmf(a,'input',2,'PM','trimf',[0,2*f1,9*f1]);
a=addmf(a,'input',2,'PB','smf',[1*f1,9*f1]); 

%输出
f3=1.5;
a=addvar(a,'output','u',[-9*f3,9*f3]);                 
   %添加 u 的模糊语言变量
a=addmf(a,'output',1,'NB','zmf',[-5*f1,-1*f1]); 
a=addmf(a,'output',1,'NM','trimf',[-5*f1,-2*f1,0]);
a=addmf(a,'output',1,'NS','trimf',[-3*f1,-1*f1,9*f1]);
a=addmf(a,'output',1,'Z','trimf',[-8*f3,0,8*f3]);
a=addmf(a,'output',1,'PS','trimf',[-4*f1,5*f1,9*f1]);
a=addmf(a,'output',1,'PM','trimf',[0,2*f1,9*f1]);
a=addmf(a,'output',1,'PB','smf',[1*f1,9*f1]);

%规则库
rulelist=[1 1 1 0.5 1;             %编辑模糊规则，后俩个数分别是规则权重和AND OR选项
               1 2 1 0.4 1;
               1 3 1 0.2 1;
               1 4 2 0.4 1;
               1 5 2 0.1 1;
               1 6 3 0.5 1;
               1 7 4 0.1 1;

               2 1 1 0.3 1;
               2 2 2 0.1 1;
               2 3 2 0.4 1;
               2 4 2 0.4 1;
               2 5 3 0.4 1;
               2 6 4 0.8 1;
               2 7 5 0.9 1;
               
               3 1 1 1 1;
               3 2 2 1 1;
               3 3 3 0.1 1;
               3 4 3 0.4 1;
               3 5 3 0.1 1;
               3 6 4 0.2 1;
               3 7 5 0.3 1;
               
               4 1 1 1 1;
               4 2 2 0.5 1;
               4 3 3 1 1;
               4 4 4 1 1;
               4 5 6 0.4 1;
               4 6 4 0.3 1;
               4 7 7 0.7 1;
               
               5 1 1 0.2 1;
               5 2 2 0.4 1;
               5 3 2 0.4 1;
               5 4 3 0.2 1;
               5 5 6 0.1 1;
               5 6 4 0.4 1;
               5 7 5 0.2 1;
               
               6 1 1 0.3 1;
               6 2 1 0.6 1;
               6 3 3 0.7 1;
               6 4 3 0.2 1;
               6 5 4 0.1 1;
               6 6 4 0.3 1;
               6 7 5 0.1 1;
               
               7 1 1 0.2 1;
               7 2 3 0.3 1;
               7 3 5 0.2 1;
               7 4 4 0.2 1;
               7 5 4 0.1 1;
               7 6 2 0.8 1;
               7 7 2 0.2 1;   
               ];
          
a=addrule(a,rulelist);                %添加模糊规则函数
showrule(a)                             %显示模糊规则函数
a1=setfis(a,'DefuzzMethod','centroid');                  %设置解模糊方法
writefis(a1,'fuzzf');                       %保存模糊系统
a2=readfis('fuzzf');   %从磁盘读出保存的模糊系统
disp('fuzzy Controller table:e=[-9,+9],ec=[-9,+9]');%显示矩阵和数组内容

%推理
Ulist=zeros(7,7);                                   %全零矩阵
for i=1:7
       for j=1:7
           e(i)=-9+i;
           ec(j)=-9+j;
           Ulist(i,j)=evalfis([e(i),ec(j)],a2);    %完成模糊推理计算
       end
   end
%   Ulist=ceil(Ulist)                               %朝正无穷方向取整
   Ulist                               %朝正无穷方向取整
   
%画出模糊系统
figure(1); plotfis(a2);  
figure(2);plotmf(a,'input',1);
figure(3);plotmf(a,'input',2);
figure(4);plotmf(a,'output',1);

结果展示

1、模糊推理系统显示结果

2、e中所相应的规则所得到的模糊集合

3、ec所相应的规则所得到的模糊集合
4、最终结果

5、所有的规则以及权重的显示


6、所得控制点的集合

结果分析

1、由以上结果分析可得，我们通过计算各个规则下的匹配度，将每个规则下的所得到的匹配度取其交集，然后将多种结果复合在一起，最后取并集，得到结果后对其使用centroid计算，算出各个控制点。
2、通过修改规则的数量以及权重，得到的控制点都会不同。