2模糊控制查询表的MATLAB实现

利用Matlab进行模糊逻辑和模糊控制的基本原理Matlab是一种强大的数学计算软件，广泛应用于各个领域的工程和科学研究。

在现实生活中，我们经常会遇到一些模糊不清、不确定的情况，而模糊逻辑和模糊控制正是用来处理这些模糊问题的有效工具。

本文将介绍利用Matlab进行模糊逻辑和模糊控制的基本原理，并通过一些具体案例来说明其在实际应用中的价值。

首先，我们需要了解模糊逻辑和模糊控制的基本概念和原理。

模糊逻辑是Lotfi Zadeh教授于1965年提出的一种处理模糊信息的形式化逻辑系统。

与传统的布尔逻辑只有两个取值（真和假）不同，模糊逻辑引入了模糊概念，可以处理多个取值范围内的逻辑判断。

其基本原理是将模糊的语言描述转化为数学上的模糊集合，然后通过模糊运算进行推理和决策。

在Matlab中，可以使用Fuzzy Logic Toolbox工具箱来进行模糊逻辑的建模和模拟。

该工具箱提供了一系列的函数和工具，可以帮助我们创建模糊逻辑系统、定义模糊集合和模糊规则，并进行输入输出的模糊化和去模糊化运算。

一个典型的模糊逻辑系统包括三个主要组成部分：模糊集合、模糊规则和模糊推理。

模糊集合用于描述模糊化的输入和输出变量，可以是三角形、梯形、高斯等形状。

模糊规则定义了模糊逻辑系统的推理过程，通常由一系列的if-then规则组成，如“如果温度较低，则输出加热”，其中“温度较低”和“加热”为模糊集合的标签。

模糊推理根据输入变量的模糊值和模糊规则，计算出输出变量的模糊值。

为了更好地理解模糊逻辑的原理和应用，我们以一个简单的案例来说明。

假设我们需要设计一个自动化灯光控制系统，使得灯光的亮度能够根据环境光线的强弱自动调节。

首先，我们需要收集一些实际的数据来建立模糊逻辑系统。

通过传感器测量到的环境光强度作为输入变量，设定的亮度值作为输出变量。

在Matlab中，可以使用Fuzzy Logic Designer来创建一个模糊逻辑系统。

首先，我们需要定义输入和输出变量，以及它们的模糊集合。

如何利用Matlab进行模糊控制引言近年来，随着科技的不断发展，模糊控制作为一种重要的控制方法，在各个领域得到了广泛的应用。

而Matlab作为一款功能强大的数学工具软件，对于模糊控制的实现提供了便捷的支持。

本文将介绍如何利用Matlab进行模糊控制，以及其在实际应用中的优势和局限性。

一、模糊控制简介模糊控制是一种基于模糊逻辑的控制方法，它通过将模糊规则应用于控制系统，使其能够对不确定性和模糊信息进行处理。

与传统的精确控制方法相比，模糊控制更适用于处理复杂系统或无法精确建模的系统。

二、Matlab中的模糊控制工具箱Matlab提供了专门的模糊控制工具箱，可以方便地实现模糊控制系统的建模、仿真和优化等操作。

在Matlab的模糊控制工具箱中，主要包括两个核心部分：模糊推理引擎和模糊控制器。

1. 模糊推理引擎模糊推理引擎是模糊控制系统的核心部分，它负责根据输入和模糊规则，对系统进行推理和输出控制量。

在Matlab中，可以使用命令"newfis"来创建一个新的模糊控制系统，然后通过定义输入和输出变量、设定隶属函数和模糊规则等步骤，来构建一个完整的模糊控制系统。

2. 模糊控制器模糊控制器是模糊控制系统的具体实现，它将模糊推理引擎与输入输出之间的映射关系结合起来。

在Matlab中，可以使用命令"newfis"创建一个新的模糊控制系统，然后使用"addInput"和"addOutput"来添加输入和输出变量，最后通过设定隶属函数和模糊规则等步骤，来实现模糊控制器的搭建。

三、模糊控制的实际应用模糊控制在实际应用中有着广泛的应用领域，例如机器人控制、汽车导航、电力系统等。

下面将以一个模拟小车控制的实例来介绍如何利用Matlab进行模糊控制。

假设有一个小车需要根据距离和角度来控制其行驶方向和速度。

首先要定义输入和输出变量，这里我们将距离划分为近、中、远三个模糊集，角度划分为左、中、右三个模糊集，行驶方向划分为左转、直行、右转三个模糊集，行驶速度划分为慢、中、快三个模糊集。

引用如何在MATLAB下把模糊推理系统转化为查询表(原创)Matlab 2009-12-26 22:05:01 阅读161 评论0 字号：大中小订阅引用foundy的如何在MATLAB下把模糊推理系统转化为查询表(原创)李会先摘要：该文论述了将MATLAB下调试成功的模糊逻辑转换为查询表的一种技巧，这种技巧不直接使用MATLAB的矩阵计算方法，操作者多数情况下只需点击鼠标就可完成任务，效率比较高，该方法使用MATLAB下的系统测试工具，收集构造查询表所需的数据资料，文中以MATLAB中的水位模糊控制演示模型为例，把该系统的模糊控制推理模块用在其基础上生成的查询表代替后再进行水位控制仿真，控制效果与模糊推理模块在线推理控制是一致的。

关键词：模糊控制;查询表;MATLAB;Simulink; 系统测试Abstract：This article discuss a skill that make a translation from fuzzy logic system to Lookup Table in Matlab,It doesn't use matrix computing, user need only to drag and draw the mouse completing this task,It's a efficiency method which to collect data for Lookup Table construction from a fuzzy controller by SystemTest Toolbox in Matlab,in the article,I will discuss the skill by a demo which is the Water Level Control in Tank in the Fuzzy logic Toolbox,at last,I simulate the Water Control in Tank instead of the Fuzzy Controller with the Lookup Table which I have constructed,the test results is verywell.Keywords: Fuzzy Logic, Matlab,Simulink,Lookup Table,SystemTest1. 引言在MATLAB/Simulink下，构建模糊逻辑系统模型和调试其推理规则都是很方便的[3][4]，我们当然不希望在MATLAB下的仿真工作仅仅用于仿真目的，如果实际产品设计能继承仿真的工作成果，将事半功倍。

模糊控制matlab模糊控制是一种基于模糊数学理论的控制方法，它可以有效地处理非线性系统和模糊系统的控制问题。

在模糊控制中，通过将输入、输出和中间变量用模糊集合表示，设计模糊逻辑规则以实现控制目标。

本文将介绍如何用Matlab实现模糊控制，并通过实例讲解其应用和效果。

1. 模糊集合的表示在Matlab中，我们可以使用fuzzy工具箱来构建和操纵模糊系统。

首先，我们需要定义输入和输出的模糊集合。

例如，如果我们要控制一个直线行驶的自动驾驶汽车，可以定义速度和方向作为输入，定义方向盘角度作为输出。

我们可以将速度和方向分别划分为缓慢、中等、快速三个模糊集合，将方向盘角度划分为左转、直行、右转三个模糊集合。

可以使用Matlab的fuzzy工具箱中的fuzzy集合函数实现：slow = fuzzy(fis,'input',[-10 -10 0 20]);gap = fuzzy(fis,'input',[0 20 60 80 100]);fast = fuzzy(fis,'input',[60 80 110 110]);其中，fis为模糊系统对象，输入和输出的模糊集合分别用fuzzy函数定义，分别用输入或输出、模糊集合变量名、模糊集合界限参数表示，如fuzzy(fis,'input',[-10 -10 0 20])表示定义一个输入模糊集合，变量名为slow，其界限参数为[-10 -10 0 20]，即表示此模糊集合上下界是[-10,-10]和[0,20]。

2. 设计模糊控制规则在Matlab中，可以使用fuzzy工具箱的ruleviewer函数来设计模糊控制的规则库。

规则库由模糊条件和模糊结论构成，用if-then形式表示。

例如，定义类别均为slow和keep的输入，输出为类别均为left的控制操作的规则如下：rule1 = "if (slow is slow) and (keep is keep) then (left is left);";其中，slow和keep为输入的模糊变量名，left为输出的模糊变量名。

0 引言模糊控制隶属于智能控制，是一种基于规则的近似推理的非线性智能控制。

如果说，传统的控制方式需要被控对象精确的数学模型，而模糊控制则是以人类智能活动的角度为基础实施控制，因此，在实际中，传统控制方法无能为力的非线性场合，模糊控制却能起到很好的控制作用。

因此，实际应用中，由于系统复杂、很难建立精确数学模型的非线性系统，模糊控制已经成为一种最有效的控制方法。

模糊控制规则表是模糊控制的核心，其描述的是输入的偏差、偏差变化量与控制的输出之间的对应关系，采用手工计算方式，量大且费时；采用在线计算方式，往往又影响系统被控对象的实时控制效果。

因此，在应用模糊控制时，首先针对输入的不同组合，采用离线计算方式算出相应的控制输出量，构成模糊控制规则查询表，实际控制时再将模糊控制规则查询表嵌入在各种控制平台，如单片机、PLC 等，实现离线计算、在线查表，这样，一方面减少了模糊控制的在线运算量，同时又实现了模糊控制的实时控制效果。

实际应用中发现，对模糊控制规则表的生成，在离散论域分档较少的条件下，多采用手工计算，而在离散论域分档较多的条件下，手工计算量太大，用MATLAB 软件编程实现，对MATLAB 软件的编程能力要求又较高，因此，本文以二维温度模糊控制规则查询表的生成为例来说明如何简单有效的利用MATLAB 软件生成模糊控制规则离线查询表。

1 实例分析应用MATLAB2014a 软件说明生成模糊规则离线查询表的过程。

设二维温度模糊控制器[1 2]的输入为温度偏差E 和温度偏差变化率EC，输出为温控器输出电压U。

模糊控制器模型见图1。

2 模糊控制规则离线查询表生成步骤[34 5]（1）利用模糊逻辑控制工具箱生成温度模糊推理系统在MATLAB2014a 命令窗口中输入fuzzy 打开模糊控制工具箱，编辑输入输出变量的隶属度函数和模糊控制规则，然后将模糊推理系统保存为mytest.fis。

设温度偏差E、偏差变化率EC 和温控器输出电压U 的模糊论域为[-6 6]，三者的语言变量赋值均为{NB，NM，NS，Z，PS，PM，PB}，各语言值的隶属函数均采用三角函数，如图2所示，并根据温度模糊控制规则表1逐条添加模糊控制规则，清晰化采用加权平均法。

使用Matlab技术进行模糊控制的基本方法随着科技的不断发展，控制系统越来越广泛地应用于各个领域，帮助我们解决实际问题。

在控制系统中，模糊控制技术因其适应性强、鲁棒性好等特点而备受关注。

而Matlab作为一个强大的计算工具，为我们提供了许多实现模糊控制的功能。

本文将介绍使用Matlab技术进行模糊控制的基本方法。

一、模糊控制的基本理论在介绍使用Matlab进行模糊控制的方法之前，我们先来了解一下模糊控制的基本理论。

模糊控制是一种基于模糊逻辑的控制方法，它模拟人类的思维方式进行控制，通过建立模糊规则库来实现对系统的控制。

在模糊控制中，输入和输出之间的关系由一组模糊规则来描述，这些模糊规则可以通过模糊推理进行计算得到系统的输出。

模糊控制主要有三个基本步骤：模糊化、模糊推理和去模糊化。

模糊化是将输入的实际值通过模糊隶属函数映射成模糊集合。

模糊推理则是根据模糊规则库进行推理计算，得到模糊输出。

最后，去模糊化将模糊输出转换为实际的控制量。

二、使用Matlab进行模糊控制的步骤1. 定义模糊集合和模糊规则库使用Matlab进行模糊控制的第一步是定义模糊集合和模糊规则库。

模糊控制中的模糊集合可以通过Matlab的fuzzymf函数来定义，它可以根据实际问题选择三角形、梯形、高斯函数等不同形状的隶属函数。

模糊规则库则是描述输入和输出之间关系的集合，它由一组模糊规则构成。

在Matlab中，可以使用fuzzylut函数来定义模糊规则库。

这个函数需要指定输入和输出的隶属函数以及规则的后件。

2. 模糊化和模糊推理定义好模糊集合和模糊规则库之后，接下来就是进行模糊化和模糊推理的计算了。

在Matlab中，可以使用fuzzy函数进行模糊化的计算。

这个函数需要输入模糊集合、输入的隶属函数和对应的输入值，然后计算得到模糊输入。

模糊推理可以通过fuzzy函数结合模糊规则库进行计算。

这个函数需要输入模糊规则库、模糊输入和输出的隶属函数，然后计算得到模糊输出。

模糊控制在MATLAB中的实现模糊控制是一种基于模糊逻辑的控制方法，可以处理输入模糊或模糊输出的问题。

在MATLAB中，模糊控制可以通过Fuzzy Logic Toolbox实现。

Fuzzy Logic Toolbox提供了一套用于设计、模拟和分析模糊逻辑系统的工具。

它允许用户定义模糊集、模糊规则和模糊推理过程，从而实现模糊控制。

在实现模糊控制之前，首先需要确定输入和输出的模糊集以及它们之间的关系。

可以通过定义模糊集合的成员函数来描述输入和输出的模糊集。

常见的成员函数有三角形、梯形、高斯等。

例如，对于一个温度控制系统，可以定义三个模糊集:"冷"，"舒适"和"热"用于描述温度的状态。

每个模糊集可以具有不同的成员函数。

接下来，需要定义模糊规则，规则用于描述输入和输出之间的关系。

例如，当温度"冷"时，可以设定输出为"加热"，当温度"舒适"时，输出为"保持"，当温度"热"时，输出为"冷却"。

在MATLAB中，可以使用Fuzzy Logic Toolbox的命令createFIS来创建一个模糊逻辑系统(FIS)，并使用addInput和addOutput命令来定义输入和输出的模糊集。

例如，以下代码片段演示了如何创建一个简单的模糊逻辑系统：```MATLABfis = createFIS('fuzzy_system');fis = addInput(fis, [0 100], 'Temperature');fis = addOutput(fis, [0 10], 'Control');fis = addMF(fis, 'input', 1, 'cold', 'trimf', [-10 0 10]);fis = addMF(fis, 'input', 1, 'hot', 'trimf', [40 100 160]);fis = addMF(fis, 'output', 1, 'cool', 'trimf', [-5 0 5]);fis = addMF(fis, 'output', 1, 'maintain', 'trimf', [0 5 10]);fis = addMF(fis, 'output', 1, 'heat', 'trimf', [5 10 15]);ruleList = [1 1 2 3 1;22221;33211];fis = addRule(fis, ruleList);```在定义模糊逻辑系统之后，可以使用evalfis命令对系统进行模糊推理和模糊控制。

使用MATLAB进行模糊控制设计导言：模糊控制是一种基于模糊逻辑的自适应控制方法，它使用模糊规则来处理难以准确建模的系统。

MATLAB作为一款功能强大的数学计算软件，在模糊控制设计中发挥着重要的作用。

本文将介绍使用MATLAB进行模糊控制设计的基本原理、步骤以及一些实际的应用案例。

一、模糊控制基本原理1.1 模糊逻辑模糊逻辑是基于模糊集的一种数学逻辑推理方法。

与传统的布尔逻辑不同，模糊逻辑考虑了中间状态的存在，可以用模糊集的隶属度来描述事物之间的模糊关系。

模糊逻辑的基本运算包括模糊与、模糊或、模糊非等。

1.2 模糊控制器的基本结构模糊控制系统由模糊化、模糊推理和去模糊化三个主要部分组成。

模糊化将输入转换为模糊集，模糊推理基于预定义的模糊规则进行逻辑推理，得到输出的模糊集，然后通过去模糊化将模糊结果转换为实际的控制信号。

二、使用MATLAB进行模糊控制设计的步骤2.1 建立模糊逻辑系统在MATLAB中，可以使用fuzzy工具箱来建立模糊逻辑系统。

首先，需要定义输入和输出的模糊集，可以选择三角形、梯形或高斯函数等形状。

然后，定义模糊规则，设置每个输入和输出之间的关系。

最后，确定输入和输出的范围，以便后续模糊控制器的设计和仿真。

2.2 设计模糊控制器在MATLAB中，可以使用fuzzy工具箱中的fuzzy控制器对象来设计模糊控制器。

首先，需要将前一步中建立的模糊逻辑系统与fuzzy控制器对象相关联。

然后，设置输入的变化范围和输出的变化范围。

接下来，可以选择使用模糊控制器设计方法来优化模糊规则和模糊集的参数。

最后，可以进行控制系统的仿真和性能评估。

2.3 优化模糊控制器优化模糊控制器是为了使模糊控制系统能够更好地适应实际环境变化和控制要求。

在MATLAB中，可以使用模糊控制器的仿真结果进行性能评估和参数调整。

可以通过修改模糊规则、模糊集的参数或输入输出的变化范围等方式来优化模糊控制器。

三、模糊控制设计的实际应用案例3.1 模糊温度控制模糊温度控制是一个常见的实际应用案例。

模糊控制在matlab中的实例模糊控制是一种基于经验知识的控制方法，与传统的精确控制方法不同，它允许对系统的行为进行模糊描述，并通过一套模糊规则来对系统进行控制。

在实际应用中，模糊控制常常用于处理非线性、复杂和不确定的系统，例如温度控制、汽车制动系统等。

在MATLAB中，可以通过使用Fuzzy Logic Toolbox工具箱来实现模糊控制。

下面以一个简单的温度控制系统为例，来介绍如何在MATLAB中进行模糊控制的实现。

首先，需要定义模糊控制器的输入和输出变量，以及它们的模糊集合。

在温度控制系统中，可以定义温度作为输入变量，定义加热功率作为输出变量。

可以将温度的模糊集合划分为"冷"、"适中"和"热"三个模糊集合，将加热功率的模糊集合划分为"低"、"中"和"高"三个模糊集合。

```temperature = readfis('temperature.fis');temp_input = [-10, 40];temp_output = [0, 100];temperature_inputs = ["冷", "适中", "热"];temperature_outputs = ["低", "中", "高"];```然后，需要定义模糊规则。

模糊规则用于根据输入变量的模糊集合和输出变量的模糊集合之间的关系来确定控制规则。

例如，当温度为"冷"时，加热功率应该为"高"。

可以根据经验知识定义一系列模糊规则。

```rules = ["冷", "高";"适中", "中";"热", "低";];```接下来，需要定义模糊控制器的输入和输出变量值。

如何在MATLAB中进行模糊控制模糊控制是一种基于模糊逻辑理论的控制方法，它通过建立模糊规则、模糊集合和模糊推理等步骤，实现对复杂系统的控制。

在MATLAB中，我们可以利用模糊控制工具箱进行模糊控制设计和仿真。

本文将从模糊控制的基本原理、MATLAB中的模糊控制工具箱的使用以及实例应用等方面进行讨论。

一、模糊控制基本原理模糊控制的基本原理是将人类的经验和模糊逻辑理论应用于系统控制中。

它不需要准确的数学模型，而是通过模糊集合、模糊规则和模糊推理等方法来描述和制定控制策略。

下面我们将简要介绍一下模糊控制中的基本概念。

1. 模糊集合模糊集合是一种可以容纳不确定性的集合。

与传统集合论不同，模糊集合中的元素可以部分地、模糊地属于该集合。

在模糊控制中，我们通常使用隶属度函数来描述元素对模糊集合的隶属程度。

2. 模糊规则模糊规则是一种将输入和输出间的关系表示为一组语义规则的方法。

它基于专家的经验和知识，将输入变量的模糊集合与输出变量的模糊集合之间建立映射关系。

模糊规则通常采用IF-THEN的形式表示，例如：“IF 温度冷 AND 湿度高 THEN 空调制冷”。

3. 模糊推理模糊推理是基于模糊规则进行推理和决策的过程。

它通过对模糊集合的隶属度进行运算，计算出输出变量的模糊集合。

常用的推理方法有模糊关联、模糊交集和模糊合取等。

二、MATLAB中的模糊控制工具箱MATLAB提供了一套完整的模糊控制工具箱，包括模糊集合的创建、模糊规则的定义、模糊推理和模糊控制系统的仿真等功能。

下面我们将逐步介绍这些功能的使用方法。

1. 模糊集合的创建在MATLAB中，我们可以使用fuzzymf函数来创建模糊集合的隶属度函数。

该函数可以根据用户指定的类型和参数生成不同形状的隶属度函数。

常用的隶属度函数有三角型函数、梯形函数和高斯型函数等。

2. 模糊规则的定义在MATLAB中，我们可以使用addrule函数来定义模糊规则。

该函数将用户指定的输入变量、模糊集合和输出变量、模糊集合之间的关系转化为模糊规则，并添加到模糊推理系统中。

模糊控制在matlab中的实例以下是一个简单的模糊控制实例，使用Matlab进行实现：假设有一辆小车，需要通过模糊控制来控制它的速度。

1. 首先，我们需要定义输入（error）和输出（delta），并且规定它们的范围：```inputRange = [-2 2];outputRange = [-1 1];```其中，inputRange表示error的范围为-2到2，outputRange表示delta的范围为-1到1。

2. 接下来，我们需要定义模糊变量：```error = fisvar("input", "error", "range", inputRange); delta = fisvar("output", "delta", "range", outputRange); ```这里我们定义了两个模糊变量：输入变量error和输出变量delta。

3. 然后，我们需要用隶属函数来描述模糊变量：```errorFuncs = [fisGaussmf(error, -1, 0.5) % NBfisGaussmf(error, 0, 0.5) % ZOfisGaussmf(error, 1, 0.5) % PB];deltaFuncs = [fisGaussmf(delta, -1, 0.25) % NBfisGaussmf(delta, 0, 0.25) % ZOfisGaussmf(delta, 1, 0.25) % PB];```在这个例子中，我们使用了高斯隶属函数来描述模糊变量。

NB 表示“negative big”（负大），ZO表示“zero”（零），PB表示“positive big”（正大）。

4. 接下来，我们需要定义规则：```ruleList = [1 1 1 3 % NB -> PB2 1 1 2 % ZO -> NB3 1 1 1 % PB -> ZO];```这个规则表达式的意思是：如果error是NB，则delta是PB；如果error是ZO，则delta是NB；如果error是PB，则delta是ZO。

如何进行模糊控制的Matlab实现模糊控制是一种基于模糊逻辑的控制方法，它能够在复杂的环境下进行精确的控制。

在现实世界中，很多问题存在不确定性和模糊性，传统的控制方法很难解决这些问题。

而模糊控制通过建立模糊规则来模拟人的思维过程，能够灵活地应对这些问题。

Matlab是一种功能强大的科学计算软件，它提供了丰富的工具箱和函数，可以帮助我们快速实现模糊控制算法。

本文将介绍如何使用Matlab进行模糊控制的实现，并结合一个实际案例进行说明。

首先，我们需要了解模糊控制的基本原理。

模糊控制是基于模糊逻辑进行推理和决策的一种方法。

它将输入和输出的模糊集合表示为隶属度函数，并通过模糊规则对模糊输入进行推理，得到模糊输出。

最后，将模糊输出通过去模糊化方法转换为具体的控制量。

在Matlab中，可以使用Fuzzy Logic Toolbox工具箱来实现模糊控制。

首先，需要定义输入和输出的模糊集合。

可以使用trimf函数来定义三角形隶属度函数，也可以使用gaussmf函数来定义高斯隶属度函数。

然后，需要定义模糊规则。

可以使用fuzarith函数来定义规则的操作，如AND、OR、NOT等。

最后，使用evalfis 函数对输入进行推理，得到模糊输出。

接下来，我们以温度控制为例，介绍如何使用Matlab进行模糊控制的实现。

假设我们要设计一个模糊控制器来控制一个房间的温度，使其尽可能接近一个设定的目标温度。

首先，定义输入的模糊集合和隶属度函数。

假设输入是当前的温度，模糊集合包括"冷"、"舒适"和"热"三个隶属度函数。

可以使用trimf函数来定义这些隶属度函数。

然后，定义输出的模糊集合和隶属度函数。

假设输出是空调的功率，模糊集合包括"低"、"中"和"高"三个隶属度函数。

同样，可以使用trimf函数来定义这些隶属度函数。

模糊控制查询表的MATLAB实现
叶高文
【期刊名称】《工业控制计算机》
【年(卷),期】2010(023)011
【摘要】通过建立一个工业自动化控制中经常使用的模糊PI控制器模型,详细论述了运用MATLAB语言编写模糊控制查询表的方法,该控制表可以表格形式存放于计算机,从而大大提高了如PLC等内存小的工业控制器的运行效率,也可实现在线推理控制.
【总页数】3页(P64-66)
【作者】叶高文
【作者单位】厦门海洋职业技术学院,福建,厦门,361012
【正文语种】中文
【相关文献】
1.利用DCS常规功能模块搭建模糊控制查询表 [J], 张文波
2.基于查询表的一维比例积分模糊控制器的实现 [J], 韩亚军;黄贻培;梁雪峰;
3.动态查询表模糊控制器的开发与应用 [J], 刘光磊;江彤;阳春华;吴同茂
4.基于查询表的一维比例积分模糊控制器的实现 [J], 韩亚军;黄贻培;梁雪峰
5.基于MATLAB生成模糊控制规则离线查询表 [J], 刘淑荣;金波
因版权原因，仅展示原文概要，查看原文内容请购买。