系统的模糊控制MATLAB实现

-.z.智能控制大作业第一次大作业：周庆强**：1140810106**工业大学2017年5月25日题目：对一个系统QUOTE，假设给系统一个阶跃值r=30，采样时间为1s，系统的初始值为r(0)=0，利用常规的模糊控制器对系统进展控制。思路：在仿真系统中，不需要考虑信号的A/D和D/A转换，模糊控制系统框图如下：1、选择观测量和控制量将偏差e，即当前位置-目标目标，作为观察量〔输入量〕1，%将偏差的变化量ec，即e(t)-e(t-1)，作为观察量〔输入量〕2，选取阀门开度u为控制量。2、输入量和输出量的模糊化将偏差e划分为5个模糊集，负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB)，e为负表示当前水位低于目标水位，e为正表示当前水位高于目标水位。设定e的取值*围为[-3，3]，隶属度函数如下。同理，将偏差的变化量ec划分为5个模糊集，负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB)，ec为负表示该时刻水位比上一时刻水位小，ec为*表示该时刻水位比上一时刻水位大，。设定ec的取值*围为[-3，3]，隶属度函数如下。同样将控制量u划分为5个模糊集，负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB)，u为负表示减小控制量，u为正表示增大控制量。设定u的取值*围为[-4，4]，隶属度函数如下。3、制定模糊规则模糊规则的制定是模糊控制的核心内容，控制性能的好坏很大程度上由模糊规则决定，本文主要是根据经历来制定相应的规则。将上述用语言描述的规则转化为“IFA，THENB〞的语句如下：1.If(eisNB)and(ecisNB)then(uisPB)。2.If(eisNB)and(ecisNS)then(uisPB)。3.If(eisNB)and(ecisZO)then(uisPB)。4.If(eisNB)and(ecisPS)then(uisPB)。5.If(eisNB)and(ecisPB)then(uisPB)。6.If(eisNS)and(ecisNB)then(uisPB)。7.If(eisNS)and(ecisNS)then(uisPB)。8.If(eisNS)and(ecisZO)then(uisPS)。9.If(eisNS)and(ecisPS)then(uisPS)。10.If(eisNS)and(ecisPB)then(uisZO)。11.If(eisZO)and(ecisNB)then(uisPB)。12.If(eisZO)and(ecisNS)then(uisPS)。13.If(eisZO)and(ecisZO)then(uisZO)。14.If(eisZO)and(ecisPS)then(uisNS)。15.If(eisZO)and(ecisPB)then(uisNB)。16.If(eisPS)and(ecisNB)then(uisZO)。17.If(eisPS)and(ecisNS)then(uisPS)。18.If(eisPS)and(ecisZO)then(uisNS)。19.If(eisPS)and(ecisPS)then(uisNB)。20.If(eisPS)and(ecisPB)then(uisNB)。21.If(eisPB)and(ecisNB)then(uisNB)。22.If(eisPB)and(ecisNS)then(uisNB)。23.If(eisPB)and(ecisZO)then(uisNB)。24.If(eisPB)and(ecisPS)then(uisNB)。25.If(eisPB)and(ecisPB)then(uisNB)。4、进展模糊决策我们最终需要获得的控制量u即为模糊控制的输出，u可由两个输入量〔偏差矩阵e和偏差矩阵ec〕和模糊关系矩阵R合成得到。根据制定的模糊规则，通过相应的模糊集合运算，可得到模糊关系集合R。R定义为：即：输出模糊量：5、控制量的反模糊化我们模糊决策得到的控制量u是一个矩阵，并不能直接应用在工程上，因此需要将u解释为实际中的特定行为，即反模糊化操作。目前常用的反模糊化方法有以下几种：〔1〕最大隶属度法----计算简单控制要求不高场合〔2〕重心法----输出更平滑〔3〕加权平均法----工业上应用最广泛本设计中采用第三种方法：加权平均法。6、matlab实现系统构造如图：通过matlab集成的模糊控制模块，我们能够更加方便地对应偏差e、偏差量ec和控制量u的关系，并可以调节e和ec在不同值下u的对应输出。7、系统响应与分析在系统中，发现随着时间的推移，系统快速到达距离标准位置很近的25左右，继而出现波动情况。分析出现这种现象的原因是模糊控制的调整太大，需要进展自适应调整，以便系统在到达e接近与0的情况下，仍能继续接近标准位置。教师，最近有些事，没时间做自适应调整了，对不起啊。8、代码clear;clc;%对接收阶跃信号的系统进展模糊控制%%构建模糊控制器a=newfis('fuzzytank');%输入量e的模糊化a=addvar(a,'input','e',[-3,3]);%将偏差e，即当前位置-目标目标，作为观察量〔输入量〕a=addmf(a,'input',1,'NB','zmf',[-3,-1]);a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',1,'ZO','trimf',[-2,0,2]);a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);a=addmf(a,'input',1,'PB','smf',[1,3]);%输入量ec的模糊化a=addvar(a,'input','ec',[-3,3]);%将偏差的变化量ec，即e(t)-e(t-1)，作为观察量〔输入量〕a=addmf(a,'input',2,'NB','zmf',[-3,-1]);a=addmf(a,'input',2,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',2,'ZO','trimf',[-2,0,2]);a=addmf(a,'input',2,'PS','trimf',[-1,1,3]);a=addmf(a,'input',2,'PB','smf',[1,3]);%输出量的模糊化a=addvar(a,'output','u',[-4,4]);%选取阀门开度u为控制量a=addmf(a,'output',1,'NB','zmf',[-4,-2]);a=addmf(a,'output',1,'NS','trimf',[-4,-2,0]);a=addmf(a,'output',1,'ZO','trimf',[-2,0,2]);a=addmf(a,'output',1,'PS','trimf',[0,2,4]);a=addmf(a,'output',1,'PB','smf',[2,4]);%建立模糊规则rulelist=[1 1 5 1 11 2 5 1 11 3 5 1 11 4 5 1 11 5 5 1 12 1 5 1 12 2 5 1 12 3 4 1 12 4 4 1 12 5 3 1 13 1 5 1 13 2 4 1 13 3 3 1 13 4 2 1 13 5 1 1 14 1 3 1 14 2 4 1 14 3 2 1 14 4 1 1 14 5 1 1 15 1 1 1 15 2 1 1 15 3 1 1 15 4 1 1 15 5 1 1 1];a=addrule(a,rulelist);%设置反模糊化算法a1=setfis(a,'DefuzzMethod','mom');writefis(a1,'tank');a2=readfis('tank');%可代入计算的figure(1);plotfis(a2);figure(2);plotmf(a,'input',1);figure(3);plotmf(a,'input',2);figure(4);plotmf(a,'output',1);%展示e、ec和u的对应关系showrule(a);ruleview('tank');%%实时调控r_t=0;%初始值r〔0〕=0；r_tf=0;Ulist=0;r_aim=30;%目标值n=50;%进展100次校核record=zeros(1,n);%记录r的变化fori=1:nr_t=r_tf+Ulist;e