基于MATLAB的温度模糊控制系统的设计

用 Matlab 的 Fuzzy 工具箱实现模糊控制Matlab, Fuzzy, 模糊控制, 工具箱用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。

实验一 模糊控制器的MATLAB 仿真一、实验目的本实验要求利用MATLAB/SIMULINK 与FUZZYTOOLBOX 对给定的二阶动态系统，确定模糊控制器的结构，输入和输出语言变量、语言值及隶属函数，模糊控制规则；比较其与常规控制器的控制效果；研究改变模糊控制器参数时，系统响应的变化情况；掌握用 MATLAB 实现模糊控制系统仿真的方法。

实验时数：3学时。

二、实验设备：计算机系统、Matlab 仿真软件 三、实验原理模糊控制器它包含有模糊化接口、规则库、模糊推理、清晰化接口等部分，输人变量是过程实测变量与系统设定值之差值。

输出变量是系统的实时控制修正变量。

模糊控制的核心部分是包含语言规则的规则库和模糊推理。

模糊推理就是一种模糊变换，它将输入变量模糊集变换为输出变量的模糊集，实现论域的转换。

工程上为了便于微机实现，通常采用“或”运算处理这种较为简单的推理方法。

Mamdani 推理方法是一种广泛采用的方法。

它包含三个过程：隶属度聚集、规则激活和输出总合。

模糊控制器的体系结构如图1所示。

图1 模糊控制器的体系结构四、实验步骤（1）对循环流化床锅炉床温，对象模型为()()1140130120++s s采用simulink 图库，实现常规PID 和模糊自整定PID 。

（2）确定模糊语言变量及其论域：模糊自整定PID 为2输入3输出的模糊控制器。

该模糊控制器是以|e|和|ec|为输入语言变量，Kp 、Ki 、Kd 为输出语言变量，其各语言变量的论域如下：误差绝对值：e={0，3，6，10}；误差变化率绝对值：ec={0，2，4，6}；输出Kp：Up={0，0.5，1.0，1.5}；输出Ki：Ui={0，0.002，0.004，0.006}；输出Kd：Ud={0，3，6，9}。

（3）语言变量值域的选取：输入语言变量|e|和|ec|的值域取值“大”(B)、“中”(M)、“小”(s)和“零”(Z) 4种；输出语言变量Kp、Ki、Kd的值域取值为“很大”(VB)、“大”(B)、“中”(M)、“小”(s) 4种。

1.模糊控制的相关理论和概念1.1 模糊控制的发展模糊控制理论是在美国加州伯克利大学的L. A.Zadeh教授于1965年建立的模糊集合论的数学基础上发展起来的。

之后的几年间Zadeh又提出了模糊算法、模糊决策、模糊排序、语言变量和模糊IF-THEN规则等理论，为模糊理论的发展奠定了基础。

1975年, Mamdan和Assilian创立了模糊控制器的基本框架，并用于控制蒸汽机。

1978年，Holmblad和Ostergaard为整个工业过程开发出了第一个模糊控制器——模糊水泥窑控制器。

20世纪80年代，模糊控制开始在工业中得到比较广泛的应用，日本仙台地铁模糊控制系统的成功应用引起了模糊领域的一场巨变。

到20世纪90年代初，市场上已经出现了大量的模糊消费产品。

近30 年来, 因其不依赖于控制对象的数学模型、鲁棒性好、简单实用等优点, 模糊控制已广泛地应用到图像识别、语言处理、自动控制、故障诊断、信息检索、地震研究、环境预测、楼宇自动化等学科和领域, 并且渗透到社会科学和自然科学许多分支中去, 在理论和实际运用上都取得了引人注目的成果。

1.2 模糊控制的一些相关概念用隶属度法来定义论域U中的集合A，引入了集合A的0-1隶属度函数，用A(x) 表示，它满足：A(x)用0-1之间的数来表示x属于集合A的程度，集合A等价与它的隶属度函数A(x)模糊系统是一种基于知识或基于规则的系统。

它的核心就是由所谓的IF-THEN规则所组成的知识库。

一个模糊的IF-THEN规则就是一个用连续隶属度函数对所描述的某些句子所做的IF-THEN形式的陈述。

例如：如果一辆汽车的速度快，则施加给油门的力较小。

这里的“快”和“较小”分别用隶属度函数加以描述。

模糊系统就是通过组合IF-THEN规则构成的。

构造一个模糊系统的出发点就是要得到一组来自于专家或基于该领域知识的模糊IF-THEN规则，然后将这些规则组合到单一系统中。

不同的模糊系统可采用不用的组合原则。