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。由于洗涤程序是通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可以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，可以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。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，必将大大推动我国乃至世界洗衣机行业的发展。 模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它是从行为上模仿人的模糊推理和决策过程的一种智能控制方法。该方法首先将操作人员或专家经验编成模糊规则，然后将来自传感器的实时信号模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，将推理后得到的输出量加到执行器上。
a=zeros(1,N) %创建空矩阵加入excel里的数据
X=[unnamed]
I=ones(31,31);
for i=1:31
for j=1:31
Y(i,j)=(abs(X(i,1)- X(j,1))+abs(X(i,2)- X(j,2))+ abs(X(i,3)- X(j,3)));
end
end
R=round((I-0.005*Y)*100)/100
B=zeros(31);
flag=0;
C=R;
while flag==0
for i=1:31
for j=1:31
for k=1:31
B(i,j)=max(min(C(i,k),C(k,j)),B(i,j));
end
end
end
if B==C
flag=1;
else
C=B;
end
end
B
t = B
L=unique(B)';
D=zeros(31);
for m=length(L):-1:1
k=L(m);
for i=1:31
for j=1:31
if B(i,j)>=k
D(i,j)=1;
else D(i,j)=0;
end
end
end
fprintf('当分类系数k=：\n');
disp(L(m));
fprintf('所得截距阵为：\n');
disp(D);
end
《农业网络信息））２ｏ０４年第５期 交流园地
析算法的
Ｌ Ａ Ｂ语言实现
所，南宁５３０００４）
摘要：在Ｍａｔｌａｂ平台上实现了模糊聚类分析算法的编制，并通过此程序对南宁华侨投资区农业经济类型进行区划，
为模糊聚类分析的应用提供了一种简便运算的方法。
关键词：模糊聚类分析；Ｍａｔｌａｂ；区划
模糊聚类是数理统计中研究多元统计分析方法，
它可根据样本的属性或特征，用数学方法定量确定样
本间的类同关系，从而客观的分型划类。它已广泛应用
于天气预报、地震预测、地质勘探、环境保护、图像及语
言识别、故障诊断、经济规划以及农业、林业、化学、医
学等领域中。但是该方法中的某些算法需要进行复杂
的矩阵运算，容易出差错，增加了数据处理的难度。
Ｍａｔｌａｂ是美国Ｍａｔｈｗｏｒｋｓ公司出品的矩阵分析软件，
可以方便的对矩阵进行运算，是矩阵运算的最佳平
台。现以南宁华侨投资区农业经济类型区划为例，介绍
用Ｍａｔｌａｂ来实现模糊聚类分析的编程算法。
１ 模糊聚类分析一般步骤
１．１数据标准化
对原始指标数据矩阵Ｘｎｍ作如下两种变换
（１）平移★标准差变换：
Ｘｉｋ－ Ｘｌｋ／ｎ
√私
其中ｉ＝１，２…，ｎ；ｋ＝１，２，…，ｍ
（２）平移★极差变换：
， ｍｉｇｔ ｒ ，１
一 兰 二＝ 量 ！ ｌ
ｊ 似 Ｉｘ ）一 ＩｘｉＮ ｉｋ ｉ ｋ） ｊ＜ ｎ Ｊ—ｊ＜ｆ
其中ｋ＝１，２，．．，ｍ
１．２建立模糊相似矩阵
应用数量积法求出被分类对象间相似程度的相似 系数ｒｉｉ，建立模糊相似矩阵Ｒ＝（ｒｉｉ）。数量积法计算公
式为
ｆ ｌ， ｉ＝ｊ
．ｉ≠ｊ
其中 ＝ （∑ －ｘｊ ）
（Ｘ为上述标准化矩阵的元素）
１．３ 建立模糊等价关系矩阵
由模糊相似矩阵，用平方法求Ｒ的传递闭包ｔ（Ｒ）
＝Ｒ★。求Ｒ２＝ＲＲ，Ｒ４＝Ｒ２Ｒ２，……经ｎ次褶积运
算后，得到Ｒ２ｎ＝Ｒｎ。则Ｒ★＝Ｒｎ，即是所求的模糊
等价矩阵。
１．４ 模糊聚类
第３３卷第４期 河北理工大学学报（自然科学版） Ｖｏ１．３３ Ｎｏ．４
２０１ １年１ １月 Ｊｏｕｒｎａｌ ｏｆ Ｈｅｂｅｉ Ｐｏｌｙｔｅｃｈｎｉｃ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ） Ｎｏｖ．２０１ １
文章编号：１６７４－０２６２（２０１１）０４－００８５－０４
基于主成分的模糊聚类分析及应用
张永利 ，朱艳伟
（１．河北联合大学轻工学院，河北唐山０６３０００；２．唐山师范学院数学与信息科学系，河北唐山ｏ６３ｏｏ０）
关键词：主成分分析；聚类分析；模糊聚类分析 摘要：提出了基于主成分的模糊聚类分析方法的明确步骤，并以实际问题为例，验证了此方
法的可行性。该方法不仅克服了实际分类问题中的模糊性，同时又克服了由于样本分类指标 过多，而引起的计算量增大，特别是由于指标间的相关性可能造成分类不准确等问题。
中图分类号：０２９文献标志码：Ａ
０ 引 言
社会经济领域中存在大量的分类问题，实际分类问题中影响样本分类的指标很多，不同指标之间又可能 具有一定的相关性，如果不加以处理，必将引起计算量的增大，甚至导致分类的不准确。而人为地选择分类
指标，会带有一定的主观性，影响分类的科学性。为了解决这个问题，本文利用主成分分析对分类指标进行 线性组合，得到能够替代原来指标的少数几个相互无关的综合指标，进而达到了优化模糊聚类法的目的。
１ 主成分分析法
在处理多元样本数据时，首先遇到的问题是观测数据很多。如从总体（总体 ＝（ 一， 。）， 是一个 Ｐ维随机向量，每个 是要考察的数量指标， ’１，…，Ｐ）中获得了几个样品 ， ，…， ，共有／／，ｘｐ个数据，
如何从这些数据中抓住主要规律，从而分析样本或总体的主要性质呢？如果多个指标是相互独立的，则可以 把问题化为Ｐ个单指标来处理，这是简单而罕见的情况。所以提出了主成分分析的方法，主成分分析是将多 指标化为少数几个综合指标的一种统计分析方法，在实际问题中，研究多指标的问题是经常遇到的问题，多 元统计分析处理的是多变量（多指标）问题…。其机理可以简单的陈述如下：借助一个正交变换 ，将其分 量相关的原随机变量 ＝（ 一， ） ，转化成其分量不相关的新随机向量 ＝（ 。， ：，…，／２ｐ）。，在代数上表 现为将 的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本 点散布最开的Ｐ个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量 系统 刮
