第4章 神经模糊控制洗衣机设计
20世纪90年代初期，日本松下公司推出了神经模糊控制全自动洗衣机。这种洗衣机能够自动判断衣服的质地软硬程度、衣量多少、脏污程度和性质等，应用神经模糊控制技术，自动生成模糊控制规则和隶属函数，预设洗衣水位、水流强度和洗涤时间，在整个洗衣过程中实时调整这些参数，达到最佳的洗衣效果。
4.1 洗衣机的模糊控制
洗衣机的主要被控参量为洗涤时间和水流强度，而影响这一输出参量的主要因子是被洗物的浑浊程度和浑浊性质，后者可用浑浊度的变化率来描述。在洗涤过程中，油污的浑浊度变化率小，泥污的浑浊度变化率打。因此，浑浊度及其变化率可以作为控制系统的输入参量，而洗涤时间和水流强度可作为控制量，计系统的输出，实际上，洗衣过程中的这类输入和输出之间很难用一定的数学模型来描述。系统运行过程中具有较大的不确定性，控制过程在很大程度上依赖操作者的经验，这样一来，利用常规的方法进行控制难以奏效。但是，如果利用专家知识进行控制决策，往往容易实现优化控制，这是在洗衣机中引入模糊控制技术的主要原因之一。
根据上述的模糊控制基本原理，可得出确定洗涤时间的模糊推理框图如图4-1所示。其输入量为洗涤水的浑浊度及其变化率，输出量为洗涤时间。考虑到适当的控制性能需要和简化程序，定义输入量浑浊度的模糊词集为清、较浊、浊、很浊；定义浑浊度变换率的模糊词集为零、小、中、大；定义输出变量洗涤时间的模糊词集为短、较短、标准、长。描述输入输出变量的词集都具有模糊特性，可以用模糊集合表示。因此，模糊概念的问题就转化为求取模糊集合的隶属函数的问题。
模糊控制器FC
洗涤时间
浑浊度浑浊度变化率
图4-1 确定洗涤时间的模糊推理框图
通常定义一个模糊子集，实际上就是确定模糊子集隶属函数形状的过程。将确定的隶属函数曲线离散化，就得到了有限个点上的隶属度，构成了一个相应的模糊子集。如图4-2所示，定义的隶属函数曲线表示论域x 对模糊变量A 的隶属程度。设定该隶属函数的论域x 为：
x=(-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6)
则有：
()()()()()14,7.053,2.062=====A A A A A μμμμμ
)
(x A μ)
(x μ10.7
0.2
0246
图4-2 模糊变量A 的隶属度函数
论域x 中除了2,3,4，5,6外，各点的隶属度均为0.那么模糊变量A 的模糊子集为
A=0.2/2+0.7/3+0.7/5+0.2/6。
通过这个例子可以看出，在隶属函数的曲线确定后，就可以很容易的定义出一个模糊变量的模糊子集。洗衣机模糊控制的输入和输出变量的隶属函数如图4-3所示，由此可以相继确定它们的模糊子集。
0 1 2 3 4 5 6
10.5
1
0.5
10.5
0 1 2 3 4 5 6
0 1 2 3 4 5 6 7 8
图4-3 洗衣机模糊变量隶属函数（a.浑浊度；b.浑浊度变化率；c.洗涤时间t ）
洗衣机的模糊控制规则可以归纳16条，如表4-2所示。
表4-2 洗衣机的模糊控制规则表
洗涤时间
浑浊度
清
较浊 浊 很浊 变化 率
零 很小 中 大
短 标准 标准 标准
较短 标准 长 标准
标准 标准 长 长
标准 标准 长 长
4.2 洗衣机的神经网络模糊控制器的设计
洗衣机模糊控制的空脏部分框图如图4-4所示。模糊控制如图中虚线所示。模糊控制的过程是这样的，首先洗衣机获取的浑浊度信息由传感器送到信息处理单元，分为浑浊度和浑浊度变化率进入模糊控制器，对于输入的模糊量，需要将其转换成模糊变量。
通过单片机，利用查表法按照模糊推理法则做出决策，结果被认为是模糊变量，经过去模糊化处理单元，再由执行机构去修改洗涤时间，这样就完成了一次模糊控制算法过程。
控制规则
决策
转换器
模糊
划分
输出
浑浊度传感器
洗衣机
浑浊度
浑浊度变化率
图4-4 模糊控制的控制部分框图
一般的模糊控制洗衣机将“专家经验”通过模糊控制规则表现出来，运行中通过查表做出控制决策，这比需要操作者设定程序的电脑控制洗衣机前进了一大步。但是，这种洗衣机由于规则进行控制，因此不够理想。而把神经网络和模糊控制相结合，则能够解决这些问题。
洗衣机的神经网络模糊控制是利用离线训练好的网络，通过在线计算即可得到最佳输出。这种控制模式的反应速度快，而且神经网络又具有自学习功能和联想能力，对于未在训练中出现的样本，也可以通过联系记忆的功能，做出控制决策，表现非常灵活。
洗衣机的神经网络模糊控制器的控制系统中含有多个神经模糊环节，下面介绍本设计中以浑浊度和浑浊度变化率为输入参量来确定洗涤时间的控制器。控制器的控制框图如图4-5所示，浑浊度神经网络结构如图4-6所示。
浑浊度传感器
模糊
划分
转换器
神经模糊控制洗衣机
浑浊度
浑浊度变化率
洗涤时间
图4-5 神经网络模糊控制器的控制框图
WB KB
x1
x2
...
x14
输入层
中间层
输出层
y1
y2
y8
...
图4-6 浑浊度神经网络结构
神经模糊控制器在输入和输出参量的选择，以及模糊论域和模糊子集的确定方面，
与一般模糊控制器没有什么区别，只是在推理手段上引入了神经网络。令x1-x7为输入量浑浊度的模糊子集，x8-x14为输入量浑浊度变化率的模糊子集，y1-y7为输出控制量的模糊子集。从模糊控制规则表4-2可以看出，共有16条控制规则，每条规则都是一堆样本，则共有16对样本。例如，当浑浊度为“清”，浑浊变化率为“零”时，洗涤时间应该为“短”，这个样本可以表示为：
[]T
x 0,0,0,0,0,5.0,1,0,0,0,0,,1.0,6.0,0=；[]T
y 0,0,0,0,0,0,5.0,1=
表4-3 输入参量的模糊量
输入参量
模糊量
浑浊度
清 较浊 浊 很浊
1 0.6 0.1 0 0 0 0 0 0.6 0.6 0 0 0 0 0 0 0.6 1 0 0 0 0 0 0 0 1 0.6 0
浑浊度变化率
零 很小 中 大
1 0.5 0 0 0 0 0 0 0.5 1 0.4 0 0 0 0 0 0 0.4 1 0.6 0 0 0 0 0 0 0 0.8 洗涤时间
短 较短 标准 长
1 0.5 0 0 0 0 0 0 0.4 0.8 1 0.8 0. 4 0.
2 0 0 0 0 0 0.2 0.6 1 0.6 0.2 0 0 0 0 0 0.2 0.5 0.8
其中，x中的各元素为对应的隶属函数，即模糊子集的赋值。同理可列出其他15个样本对，并将它们一次送入神经网络进行离线训练，当训练结束后，神经网络已经记
忆了模糊控制规则，使用时具有联想记忆功能。如表4-3所示，为每一个输入参量的模
糊量。
4.3 训练结果及输出
根据上面的分析和模糊规则可得到网络的训练样本P和T，为使控制器具有预定功能，首先必须根据训练样本对神经网络进行训练。预设训练步数为1000次，训练目标误差为0.001，输入训练网络的代码并运行后可得满意的网络训练结果：
图4-6 网络误差曲线
网络误差曲线如图4-6所示，网络经过202次训练后，目标误差达到要求值0.001，
网络训练成功。
网络训练完毕后，需检验其性能是否满足要求；因此，需要对训练好的网络进行验
证。神经网络如图4-7所示，本设计中洗衣机的输入浑浊度和浑浊度变化率x经过洗衣机
传感器识别后送人神经网络模糊控制器，经过记忆、学习和联想功能，再不断更新权值
后，最终输出洗涤时间，则完成了一次智能识别过程。因此，本设计的输出为洗涤时间，
可以通过对输入的模糊量进行反复记忆、学习和联想来完成智能识别。
洗衣机传感器已训练好的
神经网络
洗衣机
浑浊度浑浊度变化率
模糊控制
洗涤时间图4-7 训练结果和输出
训练好的网络需要利用测试数据进行测试，检验网络的智能识别性能是否满足要求。如果满足要求，就可以利用它来解决实际问题。为了保证测试结果的有效性和准确性，本设计使用的测试数据避免与训练数据一致。可输入与训练输入样本类似的数据来检测系统是否能准确完成智能识别输出我们所需要的期望值。利用测试数据对训练好的网络进行训练，测试结果如表4-4所示。
表4-4 测试样本及测试结果
测试样本P_test 输入样本
P
测试输出样本
T_test 目标样本T
对应洗涤
时间
1 0.6 0.1 0.1 0 0 0 1 0.5 0 0.1 0 0 0 1 0.6 0.1 0 0 0 0
1 0.5 0 0 0 0 0
0.9948 0.6316
0.0280 0.0244
0.0170 0.1136
0.0311 0.0149
1 0.5
0 0
0 0
0 0
短
1 0.5 0.1 0 0 0 0 0 0.5 1 0.3 0 0 0 1 0.6 0.1 0 0 0 0
0 0.5 1 0.4 0 0 0
0.0094 0.0066
0.0078 0.1242
0.7070 0.9968
0.5106 0.2179
0 0
0 0.2
0.6 1
0.6 0.2
标准
0 0.7 0.5 0 0 0 0
1 0.4 0 0.1 0 0 0 0 0.6 0.6 0 0 0 0
1 0.5 0 0 0 0 0
0.6469 0.9391
0.9466 0.6594
0.2923 0.1674
0.0385 0.0112
0.4 0.8
1 0.8
4 0.2
0 0
较短
0 0.5 0.6 0.1 0 0 0 0 0.1 0 0.3 1 0.6 0 0 0.6 0.6 0 0 0 0
0 0 0 0.4 1 0.6 0
0.0005 0.0012
0.0034 0.0278
0.0554 0.4956
0.5979 0.7811
0 0
0 0
0 0.2
0.5 0.8
长
由上表可见，网络的测试性能满足要求，可以实现模糊控制，完成洗衣机对衣物的浑浊度和浑浊度变化率的智能识别过程，并做出准确的决策。
4.4 本章小结
本章研究了神经网络模糊控制的原理和神经控制模糊控制器的设计，并以神经模糊控制洗衣机为例，演示了神经网络在模糊控制中的应用。
总的来说，基于神经网络的模糊控制具有以下特点：
(1)可以直接从经验中获取知识，自动建立模糊规则和隶属函数。
(2)无需查表，节省内存空间，只需通过在线计算，便可得到控制器输出。
(3)具有较强的适应能力和联想能力，对于未出现过的样本，神经模糊控制器可通过记忆，联想产生合适的输出量对系统进行控制。
第5章总结与展望
本设计运用了人工神经网络和典型的神经网络算法BP算法基本知识，参考相关的文献，实现了一个简单的洗衣机智能识别系统。此系统采用了模糊控制手段，能通过输入的模糊参量，如衣物的浑浊度以及浑浊度变化率来实现智能识别及控制，较精确的输出洗衣机的洗涤时间。本设计将神经网络和模糊控制结合，利用离线训练好的网络，通过在线计算得到最佳输出，这种控制模式反应速度快，而且神经网络又具有自学能力和联想能力。对于未在训练中出现的样本，也可以通过联系记忆的功能，做出控制决策，表现非常灵活，很好的解决了一般模糊控制洗衣机的问题。
但是本设计中还存在着许多的欠缺和不足，还有待改进。例如，在输入测试样本后，所得的输出结果只能达到较精确，可以进行模糊识别，但是未能达到精确，这样容易使洗衣机在识别过程中造成识别错误，若能提高识别的精确度，改善识别速度，则能大大增进这种洗衣机智能识别系统的性能。
附录
本论文编程软件为MA TLABR2010a，运行环境为Intel(R) Pentium(R) Dual CPU T3400 @ 2.16GHz，1G RAM。
本论文中代码如下：
1.训练网络代码
P=[1 0.6 0.1 0 0 0 0 1 0.5 0 0 0 0 0;
1 0.6 0.1 0 0 0 0 0 0.5 1 0.4 0 0 0;
1 0.6 0.1 0 0 0 0 0 0 0 0.4 1 0.6 0;
1 0.6 0.1 0 0 0 0 0 0 0 0 0 0 0.8;
0 0.6 0.6 0 0 0 0 1 0.5 0 0 0 0 0;
0 0.6 0.6 0 0 0 0 0 0.5 1 0.4 0 0 0;
0 0.6 0.6 0 0 0 0 0 0 0 0.4 1 0.6 0;
0 0.6 0.6 0 0 0 0 0 0 0 0 0 0 0.8;
0 0 0.6 1 0 0 0 1 0.5 0 0 0 0 0;
0 0 0.6 1 0 0 0 0 0.5 1 0.4 0 0 0;
0 0 0.6 1 0 0 0 0 0 0 0.4 1 0.6 0;
0 0 0.6 1 0 0 0 0 0 0 0 0 0 0.8;
0 0 0 0 1 0.6 0 1 0.5 0 0 0 0 0;
0 0 0 0 1 0.6 0 0 0.5 1 0.4 0 0 0;
0 0 0 0 1 0.6 0 0 0 0 0.4 1 0.6 0;
0 0 0 0 1 0.6 0 0 0 0 0 0 0 0.8]';
T=[1 0.5 0 0 0 0 0 0;
0 0 0 0.2 0.6 1 0.6 0.2;
0 0 0 0.2 0.6 1 0.6 0.2;
0 0 0 0.2 0.6 1 0.6 0.2;
0.4 0.8 1 0.8 0.4 0.2 0 0;
0 0 0 0.2 0.6 1 0.6 0.2;
0 0 0 0 0 0.2 0.5 0.8;
0 0 0 0.2 0.6 1 0.6 0.2;
0 0 0 0.2 0.6 1 0.6 0.2;
0 0 0 0.2 0.6 1 0.6 0.2;
0 0 0 0 0 0.2 0.5 0.8;
0 0 0 0 0 0.2 0.5 0.8;
0 0 0 0.2 0.6 1 0.6 0.2;
0 0 0 0.2 0.6 1 0.6 0.2;
0 0 0 0 0 0.2 0.5 0.8;
0 0 0 0 0 0.2 0.5 0.8]';
net.trainParam.epochs=1000;
net.trainParam.goal=0.001;
[net,tr]=train(net,P,T);
net=newff(minmax(P),[29,8],{'tansig','logsig'},'traingdx');
%根据Kolmogorov定理，输入层有14个节点，所以中间层有29个节点
%中间层神经元的传递函数为'tansig'
%输出层有8个节点，其神经元传递函数为'logsig'
%训练函数采用'traingdx'
%minmax(P_train)得到矩阵P_train的最小和最大值（找到每行的最小和最大，有多少行就有多少对最小和最大）
%训练步数为1000次
%训练目标误差为0.001
%调用算法训练BP网络
save('aaa.mat', 'net');
%保存训练好的网络在当前工作目录下的aaa 文件中，net为网络名
洗衣机模糊控制仿真 1.模糊控制背景 美国教授查徳（L.A.Zandeh）在1965年首先提出模糊集合的概念，由此打开了模糊数学及其应用的大门。 1974年英国教授马丹尼（ E.H.Mamdani）首先将模糊集合理论应用于加热器的控制，创造了模糊控制的基本框架。 1980年，Sugeno开创了日本的首次模糊应用——控制一家富士电子水 净化厂。1983年他又开始研究模糊机器人。 随着模糊控制技术的不断发展，模糊控制逐渐被应用到日用家电产品的控制，例如电饭锅﹑照相机﹑吸尘器﹑洗衣机等。 2.仿真目的 本次仿真的主要目的是设计一个比较合理的洗衣机模糊控制器，它能够根据被洗涤衣物的污泥多少和油脂多少，综合得到洗涤时间，从而达到最佳的洗涤效果。 3.仿真方法 本次仿真借助matlab中集成的模糊控制工具箱，使用图形界面进行模 糊控制器的设计。最后随意给定几组输入，得到输出并作出简单分析。 4.模糊控制器的设计 4.1模糊控制器理论设计方法 ①选择合适的模糊控制器类型； ②确定输入输出变量的实际论域； ③确定e,e,u的模糊集个数及各模糊集的隶属度函数； ④输出隶属度函数选为单点，可使解模糊简单； ⑤设计模糊控制规则集； ⑥选择模糊推理方法； ⑦解模糊方法。
4.2实际设计过程 ①模糊控制器类型：选用两输入单输出模糊控制器，控制器输入为衣物的污泥和油脂，输出为洗涤时间。 ②确定输入输出变量的实际论域：输入为Mud(污泥)和Grease （油脂），设置Range=[0 100]（输入变化范围为[0,100]）；输出为Time(洗涤时间)，Range=[0 60]（输出变化范围为[0,60]）。对应matlab 中模糊控制模块： ③确定模糊集个数及各模糊集的隶属度函数：将污泥分为3个模糊集：SD （污泥少）MD （污泥中）LD(污泥多)；將油脂分为三个模糊集：NG （油脂少）MG （油脂中）LG （油脂多）；将洗涤时间非为5个模糊集：VS （很短）S （短）M （中等）L （长）VL （很长）。 输入﹑输出隶属度函数都定为三角形隶属函数。结合④输出隶属度函数选为单点，可使解模糊简单；定义污泥隶属函数如下 50 ) 50() (x x SD 0≤x ≤50 50 x 0≤x ≤50 Mad ) (x MD 50 ) 100(x 50＜x ≤100 50 ) 50() (x x LD 50＜x ≤100 对应matlab 中隶属度函数仿真图如下：
工业洗衣机模糊控制系统技术策略及实现 摘要]介绍了模糊控制这一被称为“21世纪的核心技术”的研究背景;提出了工业洗衣机模糊控制系统开 发的技术策略和设计框架;综述了模糊控制知识库的建立和模糊控制器的设计以及系统的硬件设计和软件 设计. [关键词]工业洗衣机;模糊控制;模块化设计;多任务编程 1 研究的背景和意义 模糊数学和模糊控制的概念是加利福尼亚大学 教授扎德(L A Zadeb)在他的《Fuzzy Sets》、《Algo- rithm》和《A Rationale For Fuzzy Control》等论著 中首先提出[1].1974年英国伦敦大学教授E H Manidani首先应用模糊控制逻辑研制成功模糊控 制器.1979年,英国I J Procyk和E H Manidani研 制成功自组织模糊控制器,标志着模糊控制器“智能 化”程度的进一步提高.1984年年底国际模糊系统 学会成立.模糊控制理论从提出至今虽然只有20 多年,但是无论在模糊理论的算法、模糊推理决策、 工业控制应用、模糊系统集成,以及自学习、自适应 和工程应用方面都取得了长足的进步[2]. 模糊控制是智能控制领域的重要发展方向,模 糊控制技术被称为“21世纪的核心技术”.模糊控制 技术进入商品化,使产品的自动化和智能化水平不 断提高. 工业洗衣机广泛应用于宾馆、饭店、医院、部队、 学校、车站、客运码头等洗涤衣物量大的场所,由于 洗涤容量大、洗涤效率高以及洗净度高等特点,赢得 了越来越大的市场. 对工业洗衣机模糊控制系统的研制与开发,旨 在进一步提高其自动化、智能化程度,将给工业洗衣 机以更强大的生命力.系统的研制开发是以XGQ- 25型全自动洗涤脱水机为原型机,实现洗涤过程的 模糊控制.原型机是程序控制洗涤脱水机,用户根 据不同洗涤物的布质、布量、脏污状况凭经验选择多 个功能键,决策因人而异,洗涤效果自然有差别.采 用模糊控制技术的全自动洗涤脱水机,用电脑全部 或部分代替人脑进行洗涤过程的决策,由计算机进 行模糊判断、推理和决策,并自动生成优化的洗涤方 案,使整个洗涤过程在无需人工干预的情况下自动 完成,而且可以节水、节电、省时、省心.经文献检索 确认,迄今,模糊控制工业洗衣机研制在国内外尚属 空白.因此,笔者的研制成果不仅具有重大的科学 意义,而且可以增强国产工业洗衣机的国内外市场 竞争力.
模糊控制全自动洗衣机 1.模糊控制简介 模糊控制是一种非线性的控制方法,主要针对那些无法取得数学模型或数学模型相当粗糙的系。首先要对被控对象按照人们的经验总结出模糊规则,采用模糊量,借助单片机对这些信息按照模糊规则转换为控制量,来完成自动控制。2.应用前景 近年来,模糊控制在家用电器控制中得到较广泛的应用,采用模糊控制的洗衣机,可具有自动识别衣质、衣量、脏污程度、脏污性质、自动决定水量、自动投入恰当的洗涤剂等功能,不仅实现了洗衣机的全面自动化,也大大提高了洗衣的质量。 3.基本原理 洗衣机的自动控制系统为一多输入多输出系统,输入量为衣质、衣量、脏污程度(即水的浑浊度)、脏污性质(浑浊度变化率);输出量为洗涤剂量、水位、水流、脱水时间、洗涤时间、漂洗方式等。从洗衣机的运行过程可以看出,洗涤剂量、水位、水流、脱水时间都可以通过输入量推理求得,而洗涤时间与漂洗方式为实时控制量,影响其主要因素是被洗物品的脏污程度,这两个量可以用水的浑浊度和浑浊度变化率来表示,油性脏污的浑浊度变化率小,泥性脏污的浑浊度变化率大。 4.模糊洗衣机的模糊推理 在模糊洗衣机中，浑浊度，布质，布量等都是通过对现行状态的检测，在通过模糊推理得出的．在模糊推理中，需要考虑推理的前件和后件，也就是推理的输入条件和输出结果．在模糊洗衣机中，主要是考虑布质，布量，水温和肮脏程度着几个条件，而从这些条件求取水位，洗涤时间和水流，漂洗方式和脱水时
间等．故而，模糊洗衣机的推理如图2所示。 图2模糊洗衣机的模糊推理 在模糊洗衣机中,布质和布量是无法通过物理传感器测出的;所以,它们的求取都是采用间接的方法.布质，布量和洗涤的过程有很大的关系.从一般人们的经验知道,布质是绵质,则洗涤会困难一些;布质如果是化学纤维,则困难会小一些.布量多一些,则洗涤过程要长一些,反之短一些.所以,除了肮脏度之外,模糊推理还考虑布质和布量. 从图2中可以看出,模糊洗衣机是一个多输入多输出的模糊推理和控制系统.在实际中,模糊推理的前件和后件之间的相关关系对于不同的因素而有所不同. 例如，肮脏程度和水温可以确定洗涤剂投放的量剂和洗涤时间，而布量、布质等可以确定水位和水流、脱水时间等。因此，在推理中把有关前件和后件进行处理。这种处理分成主要因素推理和顺序因素推理两种。通过这两种推理处理，不但使推理变得较为简单，而且可以在众多因素中清晰的区别出连锁关系的因素。 考虑到洗衣过程中的两种情况，一种是静态的，即洗涤剂浓度；另一种是动态的，即洗衣水流及时间。故而推理分两大部分，这也就是洗涤剂浓度推理和洗衣推理。 在洗涤剂浓度推理中，其规则如下：如果浑浊度高，则洗涤剂投入量大；如
模糊控制器的设计 PID控制器的设计 的PID控制方法设计控制器时，由于被控对象为零型系统，因此我们必须加 入积分环节保证其稳态误差为0。 首先，我们搭建simulink模型，如图1。 图1 simulink仿真模型 由于不知道Kp，Kd, Ki，的值的大致范围，我们采用signal constraints 模块进行自整定，输入要求的指标，找到一组Kp, Kd, Ki的参数值，然 后在其基础上根据经验进行调整。当选定Kp=2, Kd=0.95, Ki=0.8时，可 以得到比较好的响应曲线。调节时间较短，同时超调量很小。响应曲线如图2所示。 将数据输出到工作空间，调节时间ts=2.04s,超调量% 0。可以看出, PID控制器的调节作用已经相当好。 我们选定的被控对象的开环传递函数为G(s)厂中，采用经典 图2 PID控制响应曲线
模糊控制器的设计 1、模糊控制器的结构为： 图3模糊控制器的结构 2、控制参数模糊化 控制系统的输入为偏差e和偏差的变化率ec，输出为控制信号u。首先对他们进行模糊化处理。 量化因子的计算k X max X min * x max*X min 比例因子的计算k * u max * u min u max u min 其中，X；ax，X；in为输入信号实际变化范围的最大最小值；X max，X min为输入信号论域的最大最小值。U；ax，为控制输出信号实际变化范围的最大最小值， U max，U min输出信号论域的最大最小值。 表1被控参数的模糊化 相应的语言值为NB, NM，NS, ZO, PS PM，PB分别表示负大、负中、负小、零、正小、正中、正大。 3、确定各模糊变量的隶属函数类型 语言值的隶属度函数就是语言值的语义规则，可分为连续式隶属度函数和离散化的隶属度函数。本系统论域进行了离散化处理，所以选用离散量化的隶属度函数。
全自动洗衣机模糊控制器设计 1 简介 洗衣机自问世以来，经过一个多世纪的发展，现正呈现出全自动、多功能、大容量、高智能、省时节能的发展趋势。近年来，电子技术、控制技术、信息技术的不断完善、成熟，为上述发展趋势提供了坚强的技术保障。美国教授查徳（L.A.Zandeh）在1965年首先提出模糊集合的概念，由此打开了模糊数学及其应用的大门。1974年英国教授马丹尼（E.H.Mamdani）首先将模糊集合理论应用于加热器的控制，创造了模糊控制的基本框架。1980年，Sugeno开创了日本的首次模糊控制应用于一家富士电子水净化厂。1983年他又开始研究模糊机器人。随着模糊控制技术的不断发展，模糊控制逐渐被应用到日用家电产品的控制，例如电饭锅﹑照相机﹑吸尘器﹑洗衣机等。模糊控制全自动滚筒洗衣干衣机是通过模糊推理找出最佳洗涤烘干方案，以优化洗涤烘干时间、洗净程度、烘干效果，最终达到提高效率，简化操作，节水节电省时的效果。 2 模糊洗衣机的基本原理 洗衣机的自动控制系统为一多输入多输出系统,输入量为衣质、衣量、脏污程度(即水的浑浊度)、脏污性质(浑浊度变化率);输出量为洗涤剂量、水位、水流、脱水时间、洗涤时间、漂洗方式等。从洗衣机的运行过程可以看出,洗涤剂量、水位、水流、脱水时间都可以通过输入量推理求得,而洗涤时间与漂洗方式为实时控制量,影响其主要因素是被洗物品的脏污程度,这两个量可以用水的浑浊度和浑浊度变化率来表示,油性脏污的浑浊度变化率小,泥性脏污的浑浊度变化率大。实际分析证明:输入与输出之间很难用一定的数学模型来描述,系统的具体条件具有较大的不确定性,其控制过程在很大程度上依赖于操作者的经验,用常规的控制方法难以达到理想的效果。而采用模糊控制技术就能很容易解决问题。因而采用了模糊控制器设计全自动洗衣机。在洗涤衣物的过程中,衣物的多少、面料的软硬、衣物的脏污程度等都是模糊量,所以必须经过大量的实验,总结出人为的洗涤方式,从而形成模糊控制规则。再根据检测系统检测到的信息,判断出衣物多少、面料软硬、脏污程度、脏污性质等,计算出控制量,从而完成注水量、洗涤时间、水流强弱、洗涤方式、脱水时间、排水等一列的设置。根据上述分析和模糊控制技术的基本原理,可以确定洗衣机的模糊控制框如图。
模糊控制器的设计 一、 PID 控制器的设计 我们选定的被控对象的开环传递函数为3 27 ()(1)(3)G s s s = ++，采用经典的PID 控 制方法设计控制器时，由于被控对象为零型系统，因此我们必须加入积分环节保证其稳态误差为0。 首先，我们搭建simulink 模型，如图1。 图1simulink 仿真模型 由于不知道Kp ，Kd ，Ki ，的值的大致范围，我们采用signal constraints 模块进行自整定，输入要求的指标，找到一组Kp ，Kd ，Ki 的参数值，然后在其基础上根据经验进行调整。当选定Kp=2，Kd=，Ki=时，可以得到比较好的响应曲线。调节时间较短，同时超调量很小。响应曲线如图2所示。 图2 PID 控制响应曲线
将数据输出到工作空间，调节时间ts =，超调量%0σ=。可以看出，PID 控制器的调节作用已经相当好。 模糊控制器的设计 1、模糊控制器的结构为： 图3 模糊控制器的结构 2、控制参数模糊化 控制系统的输入为偏差e 和偏差的变化率ec ，输出为控制信号u 。首先对他们进行模糊化处理。 量化因子的计算max min ** max min x x k x x -= - 比例因子的计算**max min max min u u k u u -=- 其中，*max x ，* min x 为输入信号实际变化范围的最大最小值；max x ，min x 为输入信号论域的最大最小值。*max u ，*min u 为控制输出信号实际变化范围的最大最小值， max u ，min u 输出信号论域的最大最小值。 被控变量 基本论域 论域 量化/比例因子 e [-1,1] {-3,-2,-1,0,1,2,3} 3e k = ec [-1,1] {-3,-2,-1,0,1,2,3} 3ec k = u [-2,2] {-6,-4,-2,0,2,4,6} 1/3u k = 相应的语言值为NB ，NM ，NS ，ZO ，PS ，PM ，PB 。分别表示负大、负中、负小、零、正小、正中、正大。 3、确定各模糊变量的隶属函数类型 语言值的隶属度函数就是语言值的语义规则，可分为连续式隶属度函数和离散化的隶属度函数。本系统论域进行了离散化处理，所以选用离散量化的隶属度函数。
洗衣机模糊控制仿真1.模糊控制背景 1980年，Sugeno开创了日本的首次模糊应用——控制一家富士电子水净化厂。1983年他又开始研究模糊机器人。 随着模糊控制技术的不断发展，模糊控制逐渐被应用到日用家电产品的控制，例如电饭锅﹑照相机﹑吸尘器﹑洗衣机等。 2.仿真目的 本次仿真的主要目的是设计一个比较合理的洗衣机模糊控制器，它能够根据被洗涤衣物的污泥多少和油脂多少，综合得到洗涤时间，从而达到最佳的洗涤效果。 3.仿真方法 本次仿真借助matlab中集成的模糊控制工具箱，使用图形界面进行模糊控制器的设计。最后随意给定几组输入，得到输出并作出简单分析。 4.模糊控制器的设计 模糊控制器理论设计方法 ①选择合适的模糊控制器类型； ②确定输入输出变量的实际论域； ③确定e,e ?,u ?的模糊集个数及各模糊集的隶属度函数； ④输出隶属度函数选为单点，可使解模糊简单； ⑤设计模糊控制规则集； ⑥选择模糊推理方法； ⑦解模糊方法。 实际设计过程 ①模糊控制器类型：选用两输入单输出模糊控制器，控制器输入为衣物的污泥和油脂，输出为洗涤时间。 ②确定输入输出变量的实际论域：输入为Mud(污泥)和Grease（油脂），设置Range=[0
100]（输入变化范围为[0,100]）；输出为Time(洗涤时间)，Range=[0 60]（输出变化范围为[0,60]）。 对应matlab 中模糊控制模块： ③确定模糊集个数及各模糊集的隶属度函数：将污泥分为3个模糊集：SD （污泥少）MD （污泥中）LD(污泥多)；将油脂分为三个模糊集：NG （油脂少）MG （油脂中）LG （油脂多）；将洗涤时间非为5个模糊集：VS （很短）S （短）M （中等）L （长）VL （很长）。 输入﹑输出隶属度函数都定为三角形隶属函数。结合④输出隶属度函数选为单点，可使解模糊简单；定义污泥隶属函数如下 50)50()(x x SD -=μ 0≤x ≤50 50x 0≤x ≤50 50)100(x - 50＜x ≤100 50)50()(-=x x LD μ 50＜x ≤100 对应matlab 中隶属度函数仿真图如下： 由隶属函数设置污泥的3个模糊集参数为 [Input1] Name='Mud' NumMFs=3 MF1='SD':'trimf',[-50 0 50] MF2='MD':'trimf',[0 50 100] MF3='LD':'trimf',[50 100 150] 定义油脂隶属函数如下： 50)50()(y x SG -=μ 0≤y ≤50 50y 0≤y ≤50 50)100(y - 50＜y ≤100 50)50()(-=y x LG μ 50＜y ≤100 对应matlab 中隶属度函数仿真图如下： 由隶属函数设置油脂3个模糊集参数为 [Input2] Name='Grease' NumMFs=3 MF1='SG':'trimf',[-50 0 50] MF2='MG':'trimf',[0 50 100] MF3='LG':'trimf',[50 100 150] 定义输出时间隶属函数如下： μ VS (Z)=(10-Z)/10 0≤Z ≤10
LabVIEW的模糊控制系统设计(DOC 8页)
基于LabVIEW的模糊控制系统设计 摘要 本文以LabVIEW为开发环境进行设计模糊控制器，将设计出的模糊控制器应用到温度控制系统中，实现了在有干扰作用的情况下对烤箱温度的控制，取得较好的控制效果。 关键词：虚拟仪器模糊控制热电偶Abstract This paper is design issue is the use of LabVIEW fuzzy control, through the design of fuzzy control procedures to control the plant (oven) temperature. Finally, it comes ture control the temperature of oven even if there has disturb. Keywords: 1引言 虚拟仪器（LabVIEW），就是在以通用计算机为核心的硬件平台上，由用户设计定义虚拟面板，测控功能由软件实现的一种计算机仪器系统。虚拟仪器的实质是利用计算机显示器的显示功能来模拟传统的控制面板，以多种形式表达输出结果，利用计算机强大的软件功能实现数据的运算、分析、处理和保存，利用I／O接口设备完成信号采集、测量与控制。 模糊控制的基本思想是利用计算机来实现人的控制经验，而这些经验多是用语言表达的具有相当模糊性的控制规则。因为引入了人类的逻辑思维方式，使得模糊控制器具有一定的自适应控制能力，有很强的鲁棒性和稳定性，因而特别适用于没有精确数学模型的实际系统。 本文将模糊控制的基本思想应用到基于虚拟仪器的温度控制系统中。通过热电偶测量烤箱实际温度，与给定值比较。当测量温度与设定温度之间存在较大的偏差(e≥6℃)时，定时器产生占空比较大的脉冲序列，全力加热。当系统温度与设定温度之间偏差小于6摄氏度，采用模糊控制算法。模糊控制器根据误差和误差变化率，经过模糊推理输出脉冲序列的占空比的大小,经过固态继电器控制烤箱电源得通断,从而实现对烤箱温度的控制。 2系统组成
基于MATLAB的洗衣机模糊控制设计
基于MATLAB的洗衣机模糊控制设计 摘要：模糊洗衣机是一种智能型的洗衣机，它和传统的洗衣机相比，是一种全新的家用电器。传统的全自动化洗衣机有两种，一种是机械控制式，一种是单片机控制式。无论采用什么方式，它们都需要进行人为的洗涤程序选择，衣质和衣量选择，然后才能投入工作。在本质上讲，这种洗衣机还称不上是全自动的，最多只能称为半自动的。 用单片机控制的模糊洗衣机和传统的洗衣机有很大的区别，它能自动化识别衣质、衣量、自动识别肮脏程度、自动化决定水量、自动投入恰当的洗涤剂，从而全部自动地完成整个洗染过程。由于洗涤程序是经过模糊推理而决定的，有着极高的洗涤效能，从而不但大大提高洗衣机的全自动化程度，也大大提高了洗衣的质量。 用单片机控制的模糊洗衣机能够说是真正的全自动洗衣机。在整个控制过程中，单片机和模糊控制软件起了决定作用。 关键词：洗衣机、智能型、模糊控制、自动化
1 课题背景及意义 洗衣机自问世以来，经过一个多世纪的发展，现正呈现出全自动、多功能、大容量、高智能、省时节能的发展趋势。近年来，电子技术、控制技术、信息技术的不断完善、成熟，为上述发展趋势提供了坚强的技术保障。L·A·Zadeh教授最早提出了模糊集合理论，由此产生了模糊控制技术，其突出的优点是：不需要对被控对象建立精确的数学模型。对于复杂的、非线性的、大滞后的、时变的系统来说，建立数学模型是非常困难的。全自动滚筒洗衣干衣机的自动化、智能化控制正是一种难以建立精确数学模型的控制问题，采用模糊控制技术，能够很方便的控制洗衣干衣过程。模糊控制全自动滚筒洗衣干衣机是经过模糊推理找出最佳洗涤烘干方案，以优化洗涤烘干时间、洗净程度、烘干效果，最终达到提高效率，简化操作，节水节电省时的效果。模糊控制全自动滚筒洗衣干衣机属于创新项目，填补国内空白，达到国际先进水平。它的研制成功，必将大大推动中国乃至世界洗衣
-- １课题背景及意义 现代洗衣机是利用电能产生机械作用来洗涤衣物的清洁电器。洗衣机主要由箱体、洗涤脱水桶、传动和控制系统等组成,有的还装有加热装置。洗衣机一般专指使用水作为主要的清洗液体,有别于使用特制清洁溶液及通常由专人负责的干洗。洗衣机的出现,将人们从诸如手搓、棒打等重复而又令人疲劳的简单劳动中解放出来，提高了清洗衣物的工作效率,继而提高了人们的生活质量。随着科学技术的不断进步，人们对洗衣机的制造水平和性能指标也日益提升,基于模糊控制的智能洗衣机便是顺应时代发展的科技产物之一。 回顾洗衣机的发展史,１8５8年,一个叫汉密尔顿·史密斯的美国人在匹茨堡制成了世界上第一台洗衣机,标志着用机器洗衣的开端。次年在德国出现了一种用捣衣杵作为搅拌器的洗衣机。18７４年,“手洗时代”受到了前所未有的挑战,美国人比尔·布莱克斯发明了木制手摇洗衣机。1８80年,美国又出现了蒸气洗衣机,蒸气动力开始取代人力。蒸汽洗衣机之后,水力洗衣机、内燃机洗衣机也相继出现。1910年，美国的费希尔在芝加哥试制成功世界上第一台电动洗衣机。电动洗衣机的问世，标志着人类家务劳动自动化的开端。１９２２年,美国玛塔依格公司改造了洗衣机的洗涤结构,把拖动式改为搅拌式，使洗衣机的结构固定下来，这也就是第一台搅拌式洗衣机的诞生。1９32年,美国本德克斯航空公司宣布,他们研制成功第一台前装式滚筒洗衣机，洗涤、漂洗、脱水在同一个滚筒内完成。第一台自动洗衣机于1９３7年问世。这是一种"前置"式自动洗衣机。195５年,日本研制出独具风格、并流行至今的波轮式洗衣机。60年代的日本出现了带干桶的双桶洗衣机，人们称之为“半自动型洗衣机”。70年代,生产出波轮式套桶全自动洗衣机。70年代后期，以电脑（实际上微处理器）控制的全自动洗衣机在日本问世,开创了洗衣机发展史的新阶段。 197４年英国学者Ｅ.Ｈ.Mamdａni首次把模糊集合理论成功地应用在锅炉和蒸汽机的控制之中，在自动控制领域中首开模糊控制在实际工程上应用之先河[1］。到了80年代，以模糊控制和神经网络为代表的智能控制技术广泛地运用到洗衣机的制造过程中。90年代初，模糊家电风靡日本,给日本企业带来了巨大的商业利润，同时也推动欧美和其它国家,进一步促进了模糊技术的发展[2]。上个世纪80年代末期到90年代中期先后提出了模糊近似推理、模糊自适应控制、模糊神经元网络和模糊自适应推理系统等。给模糊技术的应用注入了新的活力， --
简易模糊控制器的设计及仿真 摘要：模糊控制（Fuzzy Control ）是以模糊集理论、模糊语言和模糊逻辑推理为基础的一种控制方法，它从行为上模仿人的模糊推理和决策过程。本文利用MATLAB/SIMULINK 与FUZZY TOOLBOX 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，用MATLAB 实现模糊控制的仿真。 关键词：模糊控制 参数整定 MATLAB 仿真 二阶动态系统模型： ()()1140130120 ++s s 采用simulink 图库，实现常规PID 和模糊自整定PID 。 一．确定模糊控制器结构 模糊自整定PID 为2输入3输出的模糊控制器。在MATLAB 的命令窗口中键入fuzzy 即可打开FIS 编辑器，其界面如下图所示。此时编辑器里面还没有FIS 系统，其文件名为Untitled ，且被默认为Mandani 型系统。默认的有一个输入，一个输出，还有中间的规则处理器。在FIS 编辑器界面上需要做一下几步工作。 首先，模糊自整定PID 为2输入3输出的模糊控制器，因此需要增加一个输入两个输出，进行的操作为：选择Edit 菜单下的Add Variable/Input 菜单项。
如下图。 其次，给输入输出变量命名。单击各个输入和输出框，在Current Variable 选项区域的Name文本框中修改变量名。如下图 最后，保存系统。单击File菜单，选择Export下的To Disk项。这里将创建的系统命名为PID_auot.fi。 二．定义输入、输出模糊集及隶属函数
第5章 模糊控制器设计的基本方法 5.1 模糊控制器的结构设计 结构设计：确定输入、输出变量的个数（几入几出）。 5.2 模糊控制规则设计 1. 语言变量词集 {}PB PM PS O NS NM NB ,,,,,, 2. 确立模糊集隶属函数（赋值表） 3. 建立模糊控制规则，几种基本语句形式： 若A 则B c R A B A E =?+? 若A 则B 否则C c R A B A C =?+? 若A 或B 且C 或D 则E ()()R A B E C D E =+?+????????? 4. 建立控制规则表 5.3 模糊化方法及解模糊化方法 模糊化方法 1. 将[]b a ,内精确量离散化为[]n n +-,内的模糊量 2. 将其区间精确量x 模糊化为一个单点集，即0)(,1)(==x x μμ 模糊推理及非模糊化方法 1. MIN-MAX ——重心法 11112222n 00R and R and R and and '? n n n A B C A B C A B C x y c →→→→= 三步曲： 取最小 1111'()()()()c A o B o C z x y z μμμμ=∧∧ 取最大 12''''()()()()n c c c c z z z z μμμμ=∨∨∨ 2. 最大隶属度法 例： 10.3 0.80.5 0.511234 5 C =+----- ＋＋＋，选3-=*u
20.30.80.40.21101234 5 C =+ ＋＋＋ ＋ ，选 5.12 21=+=*u 5.4 论域、量化因子及比例因子选择 论域：模糊变量的取值范围 基本论域：精确量的取值范围 误差量化因子：e e x n k /= 比例因子：e y k u u /= 误差变化量化因子：c c x m k /= 5.5 模糊控制算法的流程 m j n i C u B EC A E ij j i ,,2,1;,,2,1 then then if ===== 其中 i A 、 j B 、ij C 是定义在误差、误差变化和控制量论域X 、Y 、Z 上的模糊集合，则该语句所表示的模糊关系为 j i ij j i C B A R ,??= m j n i j i C B A R z y x z y x ij j i ===== ,1 ,1)()()(),,(μμμ μ 根据模糊推理合成规则可得：R B A U )(?= Y y X x B A R U y x z y x z ∈∈=)()(),,()(μμμμ 设论域{}{}{}l m n z z z Z y y y x x x X ,,,,,,,Y ,,,,212121 ===，则X ，Y ，Z 上的模糊集合分别为一个n ，m 和l 元的模糊向量，而描述控制规则的模糊关系R 为一个m n ?行l 列矩阵。 由i x 及i y 可算出ij u ，对所有X ，Y 中元素所有组合全部计算出相应的控制量变化值，可写成矩阵()ij n m u ?，制成的表即为查询表或称为模糊控制表。 * 模糊控制器设计举例（二维模糊控制器） 1. 结构设计：二维模糊控制器，即二输入一输出。 2. 模糊控制规则：共21条语句，其中第一条规则为 t h e n o r and or if :1 PB u NM NB EC NM NB E R === 3. 对模糊变量E ，EC ，u 赋值（见教材中的表）
实验一基于MATLAB的模糊控制系统设计 1.1实验内容 （1）基于MATLAB图形模糊推理系统设计，小费模糊推理系统； （2）飞机下降速度模糊推理系统设计； （3）水箱液位模糊控制系统设计及仿真运行。 1.2实验步骤 1小费模糊推理系统设计 （1）在MATLAB的命令窗口输入fuzzy命令，打开模糊逻辑工具箱的图形用户界面窗口，新建一个Madmdani模糊推理系统。 （2）增加一个输入变量，将输入变量命名为service、food，输出变量为tip，这样建立了一个两输入单输出模糊推理系统框架。 （3）设计模糊化模块：双击变量图标打开Membership Fgunction Editor 窗口，分别将两个输入变量的论域均设为[0,10],输出论域为[0,30]。 通过增加隶属度函数来进行模糊空间划分。 输入变量service划分为三个模糊集：poor、good和excellent，隶属度函数均为高斯函数，参数分别为[1.5 0]、[1,5 5]和[1.5 10]； 输入变量food划分为两个模糊集：rancid和delicious，隶属度函数均为梯形函数，参数分别为[0 0 1 3]和[7 9 10 10]； 输出变量tip划分为三个模糊集：cheap、average和generous，隶属度函数均为三角形函数，参数分别为[0 5 10]、[10 15 20]和[20 25 30]。
（4）设置模糊规则：打开Rule Editor窗口，通过选择添加三条模糊规则： ①if (service is poor) or (food is rancid) then (tip is cheap) ②if (service is good) then (tip is average) ③if (service is excellent) or (food is delicious) then (tip is generous) 三条规则的权重均为 1.
智能控制课程作业 模糊控制理论实验报告 题目洗衣机系统模糊控制建模与仿真班级 姓名 学号 2014年3月13日
一．实验目的 通过设计洗衣机洗涤时间的模糊控制系统，理解模糊控制的基本原理。掌握模糊控制系统MATLAB建模与仿真的方法。 二．实验原理 洗衣机洗涤时间的模糊控制是一个开环模糊决策过程，其基本原理框图如图1-1所示。它的核心部分是模糊控制器，模糊控制器的控制律由计算机程序来实现。 图1-1 系统原理框图 系统选用两输入单输出的模糊控制器。控制器的输入为衣物的污泥量x和油脂量y，输出为洗涤时间z。 将污泥分为3个模糊集：SD（污泥少），MD（污泥中），LD（污泥多）；将油脂分为3个模糊集：NG（油脂少），MG（油脂中），LG（油脂多）；将洗涤时间分为5个模糊集：VS（很短），S（短），M（中等），L（长），VL很长。 首先，定义输入x，y变量，输出z变量的隶属函数。根据“污泥越多，油脂越多，洗涤时间越长”；“污泥适中，油脂适中，洗涤时间适中”；“污泥越少，油脂越少，洗涤时间越短”的规律建立洗衣机模糊规则表。然后，根据模糊规则进行模糊推理并得到洗涤时间的模糊集合。最终，利用重心法对模糊系统反模糊化，将洗涤时间的推理结果转化成精确值z输出。 三．实验内容 利用MATLAB软件实现上述洗衣机系统模糊控制的建模与仿真。 1.建立x,y,z的隶属函数 洗衣机系统变量x,y,z的隶属函数分段表达式，如式1-1所示。
()()()()()()()()()()() ()()()()()SD MD LD NG MG LG VS 50/50050/50 050100/505010050/505010050/50050/5005011100/505010050/505010010/10010S x x x x x x x x x x x y y y y y y y y y y y z z z z μμμμμμμμμμμ=-≤≤?? ≤≤???==?? -<≤??? ?=-<≤?=-≤≤?? ≤≤??? ==-?? -<≤??? ?=-<≤?=-≤≤=污泥 油脂 洗涤时间()()()()()()()()()VL /1001025/15102510/15102540/15254025/15254060/20 406040/204060 M L z z z z z z z z z z z z z z z z z μμμ??≤≤???=??-<≤??? ?-≤≤??? =?? -<≤??? ? -≤≤? ??=??-<≤??? ?=-≤≤? 在MATLAB 中，定义本系统为一个Mamdani （普通）型模糊控制系统，命名为a 。根据式1-1，分段建立系统a 的x,y,z 变量隶属函数，如图1-2所示。
基于matlab 的洗衣机模糊控制器的设计及仿真 以洗衣机洗涤时间的模糊控制系统设计为例，其控制原理是根据衣物上污泥和油脂的程度，调节洗涤时间，该控制是一个开环的模糊决策过程，模糊控制按以下步骤进行： 1. 确定模糊控制器的结构 选用两输入单输出的模糊控制器。控制器的输入为衣物的污泥和油脂，输出 为洗涤时间。 2. 定义输入、输出的模糊集 将污泥分为3个模糊集：SD （污泥少），MD （污泥中），LD （污泥多），取 值为[0,100];将油脂分为3个模糊集：NG （油脂少），MG （油脂中），LG （油脂多），取值为[0,100];将洗涤时间分为5个模糊集：VS （很短），S （短），M （中等），L （长），VL （很长），取值为[0,60]。 3. 定义输入、输出隶属函数 选用如下三角形隶属函数可实现污泥的模糊化。 采用Matlab 进行仿真，污泥隶属函数仿真结果如图1所示。 选用如下三角形隶属函数实现油脂的模糊化，如图2所示。 ?? ?? ? ??≤<-=?? ?≤<-≤≤=≤≤-==100 5050/)50()(1005050/)100(50050/)(50050/)50()(x x x x x x x x x x x LD MD SD μμμμ污泥 ?? ?? ? ??≤≤-=?? ?≤<-≤≤=≤≤-==100 5050/)50()(1005050/)100(50050/)(50050/)50()(y y y y y y y y y y y LG MG NG μμμμ油脂
图1污泥隶属函数 图2油脂隶属函数 选用如下三角形隶属函数实现洗涤时间的模糊化，如图3所示。
基于MATLAB的模糊控制洗衣机的设计与 仿真 卫瑶瑶,王胜红 （南京农业大学工学院，210031） 摘要：根据模糊控制的原理对传统洗衣机进行改造，设计了模糊控制系统。通过MA TLAB仿真，采用取最大隶属度法得到清晰化结果，所得结果与理论计算结果一致。 关键词：模糊控制；洗衣机；MA TLAB Design and Simulation of Fuzzy Control System of Washing Machine Based on MATLAB Wei yaoyao, Wang Shenghong (College of Engineering，Nanjing Agricultural University，210031) Abstract: This paper designed a fuzzy control system for washing machine based on the theory of fuzzy control. This paper conducted the simulation of MATLAB, and took maximum membership degree method to get the results of clarity. Finally, it’s proved that the simulation results is the same with theory calculation. Keywords: fuzzy control; washing machine; MATLAB 自动控制从最早的开环控制起步，然后是反馈控制、最优控制、随机控制，再到自适应控制、自学习控制、自组织控制，一直发展到自动控制的最新阶段——智能控制。智能控制的几个重要分支有：专家系统、模糊控制、神经网络控制等。作为人类思维外壳的自然语言，本身就带有模糊性，这是计算机所不能理解的。模糊控制是以模糊集合理论和模糊逻辑推理为基础，把专家用自然语言表述的知识和控制经验，通过模糊理论转换成数学函数，再用计算机进行处理。传统控制方法对一个系统进行控制时，首先要建立控制系统的数学模型，即描述系统内部物理量（或变量）之间关系的数学表达式，必须得知道系统模型的结构、阶次、参数等。然而在工程实践中人们发现，有些复杂的控制系统，虽然不能建立起数学模型，无法用传统控制方法进行控制，但是凭借丰富的实际操作经验，技术工人却能够通过相应操作得到满意的控制效果【1】。 模糊控制之所以被人们广泛接受，是因为其有以下优点：（1）模糊控制器的设计不依赖于被控对象的精确数学模型；（2）模糊控制易于被操作人员接受；（3）便于用计算机软件实现；（4）鲁棒性和适应性好。 1 洗衣机模糊控制系统的原理 传统洗衣机从控制角度看，实际上是一台按事先设定好的参数进行顺序控制的机器，它不能根据情况和条件的变化来改变参数。而模糊逻辑控制的智能洗衣机，它能够完成除开启电源、放取衣物之外的全部功能，智能洗衣机的核心是单片机控制板，它具有检测和控制
物理与电子工程学院 《人工智能》 课程设计报告 课题名称模糊控制系统的设计与实现专业自动化 班级 2班 学生姓名梁检满 学号 指导教师崔明月 成绩 2014年6月18日
模糊控制系统的设计与实现 摘要 自然界与人类社会有关系的系统绝大部分是模糊系统，这类系统的数学模型不能由经典的物理定律和数学描述来建立。本文在模糊控制理论基础上设计模糊温控系统，利用专家经验建立模糊系统控制规则库，由规则库得到相应的控制决策，并分析系统隶属度函数，利用matlab与simulink结合进行仿真。仿真结果表明，该系统的各项性能指标良好，具有一定的自适应性。模糊控制算法不但简单实用，而且响应速度快，超调量小，控制效果良好。 关键词：模糊逻辑;隶属度函数;模糊控制; 控制算法
1引言 在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。随着社会及科技的发展，现代工程实践对系统的控制要求也在不断地提高，但对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，随着人类生产、生活对控制的精细需求，传统的控制理论已渐渐不能满足工艺要求。虽然于是工程师利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了，因此便尝试着以模糊数学来处理这些控制问题。 “模糊”是人类感知万物、获取知识、思维推理、决策实施的重要特征。模糊并非是将这个世界变得模糊，而是让世界进入一个更现实的层次。“模糊”比“清晰”所拥有的信息量更大，内涵更丰富，更符合客观世界。“模糊控制理论”是由美国学者加利福尼亚大学著名教授L. A. Zadeh于1965年首先提出，至今已有50多年的历史。模糊控制是用模糊数学的知识模仿人脑的思维方式，对模糊现象进行识别和判决，给出精确的控制量，对被控对象进行控制，它是用语言规则描述知识和经验的方法，结合先进的计算机技术，通过模糊推理进行判决的一种高级控制策略。它含有人工智能所包括的推理、学习和联想三大要素；它不是采用纯数学建模的方法，而是将相关专家的知识和思维、学习与推理、联想和决策过程，有计算机来实现辨识和建模并进行控制。因此，它无疑是属于智能控制范畴，而且发展至今已发展成为人工智能领域中的一个重要分支。其理论发展之迅速，应用领域之广泛，控制效果之显著，实为世人关注。 在工业生产过程中，温度控制是重要环节，控制精度直接影响系统的运行和产品质量。在传统的温度控制方法中，一般采取双向可控硅装置，并结合简单控制算法（如PID算法），使温度控制
1课题背景及意义 现代洗衣机是利用电能产生机械作用来洗涤衣物的清洁电器。洗衣机主要由箱体、洗涤脱水桶、传动和控制系统等组成，有的还装有加热装置。洗衣机一般专指使用水作为主要的清洗液体，有别于使用特制清洁溶液及通常由专人负责的干洗。洗衣机的出现，将人们从诸如手搓、棒打等重复而又令人疲劳的简单劳动中解放出来，提高了清洗衣物的工作效率，继而提高了人们的生活质量。随着科学技术的不断进步，人们对洗衣机的制造水平和性能指标也日益提升，基于模糊控制的智能洗衣机便是顺应时代发展的科技产物之一。 回顾洗衣机的发展史，1858年，一个叫汉密尔顿·史密斯的美国人在匹茨堡制成了世界上第一台洗衣机，标志着用机器洗衣的开端。次年在德国出现了一种用捣衣杵作为搅拌器的洗衣机。1874年,“手洗时代”受到了前所未有的挑战，美国人比尔·布莱克斯发明了木制手摇洗衣机。1880年，美国又出现了蒸气洗衣机，蒸气动力开始取代人力。蒸汽洗衣机之后，水力洗衣机、内燃机洗衣机也相继出现。1910年，美国的费希尔在芝加哥试制成功世界上第一台电动洗衣机。电动洗衣机的问世，标志着人类家务劳动自动化的开端。1922年，美国玛塔依格公司改造了洗衣机的洗涤结构，把拖动式改为搅拌式，使洗衣机的结构固定下来，这也就是第一台搅拌式洗衣机的诞生。1932年，美国本德克斯航空公司宣布，他们研制成功第一台前装式滚筒洗衣机，洗涤、漂洗、脱水在同一个滚筒内完成。第一台自动洗衣机于1937年问世。这是一种"前置"式自动洗衣机。1955年，日本研制出独具风格、并流行至今的波轮式洗衣机。60年代的日本出现了带干桶的双桶洗衣机，人们称之为“半自动型洗衣机”。70年代，生产出波轮式套桶全自动洗衣机。70年代后期，以电脑（实际上微处理器）控制的全自动洗衣机在日本问世，开创了洗衣机发展史的新阶段。 1974年英国学者E.H.Mamdani首次把模糊集合理论成功地应用在锅炉和蒸汽机的控制之中，在自动控制领域中首开模糊控制在实际工程上应用之先河[1]。到了80年代，以模糊控制和神经网络为代表的智能控制技术广泛地运用到洗衣机的制造过程中。90年代初，模糊家电风靡日本，给日本企业带来了巨大的商业利润，同时也推动欧美和其它国家，进一步促进了模糊技术的发展[2]。上个世纪80年代末期到90年代中期先后提出了模糊近似推理、模糊自适应控制、模糊神经元网络和模糊自适应推理系统等。给模糊技术的应用注入了新的活力， - 1 -