Matlab 的 Fuzzy 工具箱实现模糊控制(rulelist的确定)

用 Matlab 的 Fuzzy 工具箱实现模糊控制- -

用 Matlab 中的 Fuzzy 工具箱做一个简单的模糊控制,流程如下:

1、创建一个 FIS (Fuzzy Inference System ) 对象,

a = newfis(fisName,fisType,andMethod,orMethod,impMethod, aggMethod,defuzzMethod)

一般只用提供第一个参数即可,后面均用默认值。

2、增加模糊语言变量

a = addvar(a,'varType','varName',varBounds)

模糊变量有两类:input 和 output。在每增加模糊变量,都会按顺序分配一个 index,后面要通过该 index 来使用该变量。

3、增加模糊语言名称,即模糊集合。

a = addmf(a,'varType',varIndex,'mfName','mfType',mfParams)

每个模糊语言名称从属于一个模糊语言。Fuzzy 工具箱中没有找到离散模糊集合的隶属度表示方法,暂且用插值后的连续函数代替。

参数 mfType 即隶属度函数(Membership Functions),它可以是 Gaussmf、trimf、trapmf等,也可以是自定义的函数。

每一个语言名称也会有一个 index,按加入的先后顺序得到,从 1 开始。

4、增加控制规则,即模糊推理的规则。

a = addrule(a,ruleList)

其中 ruleList 是一个矩阵,每一行为一条规则,他们之间是 ALSO 的关系。

假定该 FIS 有 N 个输入和 M 个输出,则每行有 N+M+2 个元素,前 N 个数分别表示 N 个输入变量的某一个语言名称的 index,没有的话用 0 表示,后面的 M 个数也类似,最后两个分别表示该条规则的权重和个条件的关系,1 表示 AND,2 表示 OR。

例如,当“输入1” 为“名称1” 和 “输入2” 为“名称3” 时,输出为 “ 输出1” 的“状态2”,则写为:

[1 3 2 1 1]

5、给定输入,得到输出,即进行模糊推理。

output = evalfis(input,fismat)

其中 fismat 为前面建立的那个 FIS 对象。

一个完整的例子如下:

clear all;

a = newfis('myfis');

a = addvar(a,'input','E',[0 7]);

a = addmf(a,'input',1,'small','trimf',[0 1 4.333]);

a = addmf(a,'input',1,'big','trimf',[1.6667 6 7]);

a = addvar(a,'output','U',[0 7]);

a = addmf(a,'output',1,'small','trimf',[0 1 4.333]);

a = addmf(a,'output',1,'big','trimf',[1.6667 6 7]);

rulelist = [1 1 1 1;

2 2 1 1];

a = addrule(a,rulelist);

u = evalfis(4,a)

其结果为:

u = 4.221

相关推荐
j用MatlabFuzzy工具箱实现模糊控制-Fuzzy_Control.rar [url=http://blog.daviesliu.net/article/entry20050328-153616]用 MatlabFuzzy 工具箱实现模糊控制 [/url] 用 Matlab 中的 Fuzzy 工具箱做一个简单的模糊控制,流程如下: 1、创建一个 FIS 对象, a = newfis一般只用提供第一个参数即可,后面均用默认值。 2、增加模糊语言变量 a = addvar模糊变量有两类:input 和 output。在每增加模糊变量,都会按顺序分配一个 index,后面要通过该 index 来使用该变量。 3、增加模糊语言名称,即模糊集合。 a = addmf每个模糊语言名称从属于一个模糊语言。Fuzzy 工具箱中没有找到离散模糊集合的隶属度表示方法,暂且用插值后的连续函数代替。参数 mfType 即隶属度函数,它可以是 Gaussmf、trimf、trapmf等,也可以是自定义的函数。每一个语言名称也会有一个 index,按加入的先后顺序得到,从 1 开始。 4、增加控制规则,即模糊推理的规则。 a = addrule 其中 ruleList 是一个矩阵,每一行为一条规则,他们之间是 ALSO 的关系。 假定该 FIS 有 N 个输入和 M 个输出,则每行有 N M 2 个元素,前 N 个数分别表示 N 个输入变量的某一个语言名称的 index,没有的话用 0 表示,后面的 M 个数也类似,最后两个分别表示该条规则的权重和个条件的关系,1 表示 AND,2 表示 OR。例如,当“输入1” 为“名称1” 和 “输入2” 为“名称3” 时,输出为 “ 输出1” 的“状态2”,则写为:[1 3 2 1 1] 5、给定输入,得到输出,即进行模糊推理。 output = evalfis其中 fismat 为前面建立的那个 FIS 对象。一个完整的例子如下: matlab程序在附件里
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页