下载文档原格式
PID控制原理和特点143401010529 二班李卓奇工程实际中，应用最为广泛调节器控制规律为比例、积分、微分控制，简称PID 控制，又称PID调节。
PID控制器问世至今已有近70年历史，它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制主要技术之一。
当被控对象结构和参数不能完全掌握，或不到精确数学模型时，控制理论其它技术难以采用时，系统控制器结构和参数必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便。
即当我们不完全了解一个系统和被控对象﹐或不能有效测量手段来获系统参数时，最适合用PID控制技术。
PID控制，实际中也有PI和PD控制。
PID 控制器就是系统误差，利用比例、积分、微分计算出控制量进行控制。
1、比例控制（P）：比例控制是最常用的控制手段之一，比方说我们控制一个加热器的恒温100度，当开始加热时，离目标温度相差比较远，这时我们通常会加大加热，使温度快速上升，当温度超过100度时，我们则关闭输出，通常我们会使用这样一个函数e(t) = SP – y(t)-u(t) = e(t)*PSP——设定值e(t)——误差值y(t)——反馈值u(t)——输出值P——比例系数滞后性不是很大的控制对象使用比例控制方式就可以满足控制要求，但很多被控对象中因为有滞后性。
也就是如果设定温度是200度，当采用比例方式控制时，如果P选择比较大，则会出现当温度达到200度输出为0后，温度仍然会止不住的向上爬升，比方说升至230度，当温度超过200度太多后又开始回落，尽管这时输出开始出力加热，但温度仍然会向下跌落一定的温度才会止跌回升，比方说降至170度，最后整个系统会稳定在一定的范围内进行振荡。
如果这个振荡的幅度是允许的比方说家用电器的控制，那则可以选用比例控制2、比例积分控制（PI）：积分的存在是针对比例控制要不就是有差值要不就是振荡的这种特点提出的改进，它常与比例一块进行控制，也就是PI控制。
模糊自适应PID 控制的Matlab 仿真设计研究姓名：陈明学号：201208070103班级：智能1201一、 模糊控制思想、PID 控制理论简介：在工业生产过程中，许多被控对象受负荷变化或干扰因素很多基于模糊自适应控制理论, 设计了一种模糊自适应PID 控制器, 具体介绍了这种PID 控制器的控制特点及参数设计规则, 实现PID 控制器的在线自整定和自调整。
通过matlab 软件进行实例,仿真表明, , 提高控制系统实时性和抗干扰能力,易于实现．便于工程应用。
1.1 模糊控制的思想：应用模糊数学的基本理论和方法, 控制规则的条件、操作用模糊集来表示、并把这些模糊控制规则以及有关信息, 诸如PID 控制参数等作为知识存入计算机知识库, 然后计算机根据控制系统的实际情况(系统的输入, 输出) , 运用模糊推理。
1.2 PID 算法：u(t)=k p * e(t)+k i * ∫e(t)t 0dt +k d *de(t)dt= k p *e(t)+ k i *∑e i (t) + k d * e c (t)其中, u (t) 为控制器输出量, e(t) 为误差信号, e c (t)为误差变化率, k p , k i , k d 分别为比例系数、积分系数、微分数。
然而，课本中，为了简化实验难度，只是考虑了kp ，ki 参数的整定。
1.3 模糊PID 控制器的原理图：二、基于Matlab的模糊控制逻辑模块的设计关于模糊逻辑的设计，主要有隶属函数的编辑，参数的选型，模糊规则导入，生成三维图等观察。
2.1 模糊函数的编辑器的设定：打开matlab后，在命令窗口输入“fuzzy”，回车即可出现模糊函数编辑器，基本设置等。
基于课本的实验要求，我选的是二输入（e, e c）二输出（k p ,k i）。
需要注意的是，在命名输入输出函数的时候，下标字母需要借助下划线的编辑，即e_c 能够显示为e c。
2.2四个隶属函数的N, Z, P 函数设定：在隶属函数的设定中，N 选用的是基于trimf（三角形隶属函数） , Z是基于zmf（Z型隶属函数），P是基于smf（S型隶属函数）。
PID控制原理和特点143401010529 二班李卓奇工程实际中，应用最为广泛调节器控制规律为比例、积分、微分控制，简称PID 控制，又称PID调节。
PID控制器问世至今已有近70年历史，它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制主要技术之一。
当被控对象结构和参数不能完全掌握，或不到精确数学模型时，控制理论其它技术难以采用时，系统控制器结构和参数必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便。
即当我们不完全了解一个系统和被控对象﹐或不能有效测量手段来获系统参数时，最适合用PID控制技术。
PID控制，实际中也有PI和PD控制。
PID 控制器就是系统误差，利用比例、积分、微分计算出控制量进行控制。
1、比例控制（P）：比例控制是最常用的控制手段之一，比方说我们控制一个加热器的恒温100度，当开始加热时，离目标温度相差比较远，这时我们通常会加大加热，使温度快速上升，当温度超过100度时，我们则关闭输出，通常我们会使用这样一个函数e(t) = SP – y(t)-u(t) = e(t)*PSP——设定值e(t)——误差值y(t)——反馈值u(t)——输出值P——比例系数滞后性不是很大的控制对象使用比例控制方式就可以满足控制要求，但很多被控对象中因为有滞后性。
也就是如果设定温度是200度，当采用比例方式控制时，如果P选择比较大，则会出现当温度达到200度输出为0后，温度仍然会止不住的向上爬升，比方说升至230度，当温度超过200度太多后又开始回落，尽管这时输出开始出力加热，但温度仍然会向下跌落一定的温度才会止跌回升，比方说降至170度，最后整个系统会稳定在一定的范围内进行振荡。
如果这个振荡的幅度是允许的比方说家用电器的控制，那则可以选用比例控制2、比例积分控制（PI）：积分的存在是针对比例控制要不就是有差值要不就是振荡的这种特点提出的改进，它常与比例一块进行控制，也就是PI控制。
基于BP神经网络的模糊PID控制器的设计【摘要】工业过程控制中广泛采用PID控制，但传统PID控制因其控制参数的固定，在线整定难等问题。
为此本文研究了一种新的自适应模糊PID控制方法，为了解决模糊推理没有学习能力的问题，本文又提出了一种基于BP神经网络的自适应模糊控制方法。
此方法是模糊控制、神经网络和PID控制的有效结合。
仿真实验表明，这种基于BP神经网络的模糊PID控制算法具有良好的控制效果。
【关键词】PID控制;BP神经网络;模糊PID控制Abstruct：PID control are widely used in industrial process control，but the traditional PID control because of its control parameters are fixed，and it is difficult to adjust its parameters online.So this paper studies a new adaptive fuzzy PID control method，to solve problem without the ability to learn，and put forward a kind of adaptive fuzzy control method based on BP neural network in this paper.It is the effective combination of fuzzy control，neural network and PID control.Simulation results show that this fuzzy PID control method based on BP neural network has good control effect.Keywords：PID control;BP neural network;Fuzzy PID control1.引言常规PID在控制领域被广泛应用，利用数学算法来整定参数。
模糊pid控制实例
（原创版）
目录
一、模糊 PID 控制的概述
二、模糊 PID 控制的优势
三、模糊 PID 控制的实例分析
四、模糊 PID 控制的应用前景
正文
一、模糊 PID 控制的概述
模糊 PID 控制是一种基于模糊逻辑理论和 PID 控制理论的控制方法，它将 PID 控制器的精度和模糊控制器的智能化相结合，提高了控制的准确性和灵活性。
模糊 PID 控制主要应用于工业控制领域，如电机控制、温度控制等。
二、模糊 PID 控制的优势
相较于传统 PID 控制，模糊 PID 控制具有以下优势：
1.适应性强：模糊 PID 控制可以根据被控对象的特性进行自适应调整，提高了控制的适应性。
2.智能化程度高：模糊 PID 控制利用模糊逻辑理论，可以对控制对象进行智能化识别和控制，提高了控制的准确性。
3.稳定性好：模糊 PID 控制结合了 PID 控制器的稳定性和模糊控制器的智能化，使得控制系统具有较好的稳定性。
三、模糊 PID 控制的实例分析
以电机控制为例，模糊 PID 控制可以根据电机的负载情况和转速变化，自动调整电机的输出功率，实现精确控制。
在实际应用中，模糊 PID
控制可以根据不同的控制需求进行调整，实现对电机的精确控制。
四、模糊 PID 控制的应用前景
随着工业自动化技术的发展，对控制精度和控制速度的要求越来越高。
模糊 PID 控制作为一款具有高精度、高智能化的控制方法，在工业控制
领域具有广泛的应用前景。
模糊pid控制实例以下是一个模糊PID控制的简单实例：假设我们要控制一台电机的转速，目标是使电机转速尽可能稳定在设定值附近。
根据模糊PID控制器的工作原理，我们可以进行以下步骤：1. 设定目标值和初始设定值：设定电机转速的目标值，例如1000转/分钟。
同时设置初始的PID参数。
- 设定值（SP，Set Point）= 1000 RPM- 比例增益 (Kp) = 1- 积分时间(Ti) = 1- 微分时间(Td) = 0.12. 测量电机转速：使用传感器或编码器来测量电机当前的转速，得到当前的反馈值。
3. 模糊控制规则建立：基于当前误差（设定值减去反馈值）和误差的变化率，建立一组模糊逻辑规则，例如： - 如果误差为"NB"并且误差变化率为"PB"，则输出为"NB"。
- 如果误差为"NB"并且误差变化率为"NM"，则输出为"NM"。
- ...4. 模糊推理和模糊输出：根据模糊逻辑规则，进行模糊推理，即将当前的误差和误差变化率映射到模糊输出的隶属度值上。
5. 解模糊：将模糊输出映射回具体的控制量，例如根据模糊输出计算PID控制器的输出量。
6. 更新PID参数：根据误差的变化和模糊输出的结果来更新PID控制器的参数，例如根据误差的大小和变化率来调整PID参数，以使控制更加精确。
7. 反馈控制：将PID控制器的输出量应用于电机，调整电机的转速。
8. 循环控制：循环执行上述步骤，不断更新PID参数和反馈控制，使得电机转速尽可能稳定在设定值附近。
需要注意的是，以上是一个简单的示例，实际的模糊PID控制根据具体的应用情况和系统特点会有所差异。
参数的选择和模糊规则的建立都需要根据具体的控制对象进行优化和调整。
此外，在实际应用中，还需要考虑到系统的鲁棒性、性能指标等因素。
13个基于PID控制器的设计实例
PID 控制器(比例-积分-微分控制器)是一个在工业控制应用中常见的反馈回路部件，由比例单元比例P(proportion)、积分单元I(integration)和微分单元D(differentiation)组成。
PID 控制器作为最早实用化的控制器已有近百年历史，现在仍然是应用最广泛的工业控制器。
PID 控制器简单易懂，使用中不需精确
的系统模型等先决条件，因而成为应用最为广泛的控制器。
PID 控制的原理及常用口诀总结
基于AT89S51 单片机的PID 温度控制系统设计
本文对系统进行硬件和软件的设计，在建立温度控制系统数学模型的基
础之上，通过对PID 控制的分析设计了系统控制器，完成了系统的软、硬件调试工作。
算法简单、可靠性高、鲁棒性好，而且PID 控制器参数直接影响控制效果。
基于ARM 与PID 算法的开关电源控制系统
本文将SAMSUNC 公司的嵌入式ARM 处理器S3C4480 芯片，应用到开关电源的控制系统的设计中，采用C 语言和少量汇编语言，就可以实现一种以嵌入式ARM 处理器为核心、具有智能PID 控制器以及触摸屏、液晶显示器等
功能的开关电源控制系统。
基于DSP 的电子负载：模糊自适应整定PID 控制策略
本系统引入模糊控制理论设计一个模糊PID 控制器，根据实时监测的电压或电流值的变化，利用模糊控制规则自动调整PID 控制器的参数。
基于FPGA 的高速PID 控制器设计与仿真
本设计使用Altera 公司的Cyclone 系列FPGA 器件EP1C3 作为硬件开发平台，对运动控制中常用的增量式数字PID 控制算法进行优化处理，提高了运。
模糊pid滤波系数摘要：1.PID 控制器及其作用2.PID 滤波的重要性3.模糊PID 滤波的原理4.模糊PID 滤波系数的确定5.模糊PID 滤波的应用实例正文：一、PID 控制器及其作用PID 控制器（Proportional-Integral-Derivative，比例- 积分- 微分控制器）是一种广泛应用于工业控制系统的闭环控制算法。
其主要作用是根据系统误差，通过比例、积分、微分三个部分的调节，使被控对象达到或维持在期望的状态。
PID 控制器具有结构简单、稳定性好、调节速度快等优点，适用于多种控制场合。
二、PID 滤波的重要性在实际应用中，由于被控对象存在各种不确定性因素，如时变性、非线性、时延等，单纯使用PID 控制器往往难以达到理想的控制效果。
为了提高控制系统的稳定性和鲁棒性，需要对PID 控制器进行滤波处理。
三、模糊PID 滤波的原理模糊PID 滤波是一种基于模糊逻辑的PID 控制器优化方法。
模糊逻辑是一种模拟人类推理过程的数学理论，它将事物的模糊性用模糊集合表示，通过模糊推理得到结论。
模糊PID 滤波通过引入模糊逻辑，使得PID 控制器能够在面对不确定性因素时，具有更好的自适应性和智能化程度。
四、模糊PID 滤波系数的确定模糊PID 滤波的关键在于如何合理地确定模糊因子和比例、积分、微分参数。
一般来说，可以通过实验法、经验法、解析法等方法来确定这些参数。
实验法是在实际控制系统中进行试验，根据试验结果调整参数；经验法是根据已有的工程经验，选取合适的参数；解析法是通过建立数学模型，求解最优参数。
五、模糊PID 滤波的应用实例模糊PID 滤波在实际应用中具有广泛的应用前景。
例如，在机器人控制、工业过程控制、汽车电子稳定程序等领域，模糊PID 滤波都能显著提高控制系统的性能。
综上所述，模糊PID 滤波作为一种有效的控制方法，可以提高PID 控制器的稳定性和鲁棒性，适用于多种实际控制场合。
matlab模糊pid实例在MATLAB中，模糊PID控制器是一种使用模糊逻辑来调节PID控制器参数的方法。
模糊PID控制器可以在系统具有非线性、时变或难以建模的特性时发挥作用。
下面我将给出一个简单的模糊PID控制器实例。
假设我们有一个以模糊PID控制器来控制的直流电机系统。
首先，我们需要定义模糊逻辑系统。
在MATLAB中，可以使用Fuzzy Logic Toolbox来创建模糊逻辑系统。
我们可以定义输入和输出的模糊集合，以及模糊化、规则和解模糊化过程。
接下来，我们需要定义PID控制器。
在MATLAB中，可以使用pid函数来创建PID控制器对象。
我们可以设置PID控制器的比例增益、积分时间和微分时间等参数。
然后，我们将模糊逻辑系统和PID控制器结合起来。
在MATLAB 中，可以使用fuzzyPIDController函数来创建模糊PID控制器对象。
这个函数将模糊逻辑系统和PID控制器进行整合，从而实现模糊PID控制器。
接着，我们可以使用模糊PID控制器来控制直流电机系统。
在MATLAB中，可以使用sim函数来模拟系统的响应。
我们可以将模糊PID控制器作为系统的控制器，并将系统的模型传递给sim函数，从而得到系统的响应结果。
最后，我们可以对模糊PID控制器进行调参优化。
在MATLAB中，可以使用fuzzyPIDControllerTuner函数来进行模糊PID控制器的参数调节。
这个函数可以根据系统的性能指标自动调节模糊PID控制器的参数，从而使系统达到更好的控制效果。
总的来说，使用MATLAB实现模糊PID控制器需要以下步骤，定义模糊逻辑系统、创建PID控制器、整合模糊逻辑系统和PID控制器、模拟系统响应以及调参优化。
通过这些步骤，我们可以实现模糊PID控制器，并将其应用于实际控制系统中。
模糊pid控制实例【原创实用版】目录一、引言二、模糊 PID 控制的概念和原理三、模糊 PID 控制的实例应用四、模糊 PID 控制的优势和局限性五、结论正文一、引言在工业控制领域，PID 控制器是一种常用的闭环控制系统，它通过比较实际输出值和期望输出值之间的误差，然后对控制量进行调整，以达到期望的输出值。
然而，在面对一些非线性、时变性、不确定性的系统时，传统的 PID 控制器可能无法满足控制需求。
因此，为了解决这些问题，模糊 PID 控制应运而生。
二、模糊 PID 控制的概念和原理模糊 PID 控制结合了传统 PID 控制和模糊控制的优点，它利用模糊控制理论对 PID 控制器进行改进，使其具有更强的适应性和鲁棒性。
模糊 PID 控制的原理主要基于模糊逻辑和 PID 控制算法，通过将连续的输入值转换为模糊集合，然后根据模糊规则进行推理，最后得到模糊输出，再通过模糊 - 清晰转换得到清晰的控制量。
三、模糊 PID 控制的实例应用模糊 PID 控制在许多实际应用中都取得了良好的效果，例如温度控制系统、液位控制系统、速度控制系统等。
以温度控制系统为例，当实际温度与期望温度存在偏差时，模糊 PID 控制器会根据偏差的大小、方向和变化趋势，调整加热器的功率，从而使实际温度逐渐接近期望温度。
四、模糊 PID 控制的优势和局限性模糊 PID 控制相较于传统 PID 控制具有以下优势：1.适应性强：模糊 PID 控制能够适应不同类型的控制系统，尤其适用于非线性、时变性、不确定性的系统。
2.鲁棒性好：模糊 PID 控制具有较强的抗干扰能力，能够有效地抑制外部干扰对控制系统的影响。
3.自适应性：模糊 PID 控制可以根据系统的变化自动调整控制参数，无需人工干预。
然而，模糊 PID 控制也存在一定的局限性：1.模型依赖性强：模糊 PID 控制需要建立相应的数学模型，对于一些复杂的系统，建立准确的模型较为困难。
2.规则设计复杂：模糊 PID 控制需要设计合适的模糊规则，这需要对系统的动态特性有深入的了解，设计过程较为复杂。
模糊pid控制实例摘要：I.模糊PID 控制简介A.传统PID 控制概述B.模糊控制的引入C.模糊PID 控制的发展II.模糊PID 控制原理A.模糊控制器的设计B.模糊PID 控制算法C.模糊PID 控制器的参数调整III.模糊PID 控制应用实例A.温度控制B.流量控制C.电机控制IV.模糊PID 控制的优缺点A.优点1.更好的控制性能2.更强的鲁棒性3.更简单的参数调整B.缺点1.计算复杂度较高2.实际应用中可能存在一定的不稳定性正文：模糊PID 控制是一种在传统PID 控制的基础上，引入模糊控制理论的控制方法。
相比传统的PID 控制，模糊PID 控制具有更好的控制性能、更强的鲁棒性以及更简单的参数调整等优点。
近年来，随着模糊控制理论的不断发展，模糊PID 控制在各个领域都得到了广泛的应用。
一、模糊PID 控制简介PID 控制是一种经典的控制方法，其全称为比例- 积分- 微分控制。
传统PID 控制主要依靠比例、积分、微分三个环节的组合来达到控制目的。
尽管传统PID 控制在很多领域都取得了较好的控制效果，但是也存在一些问题，如参数调节困难、对噪声敏感等。
为了克服传统PID 控制的这些缺点，模糊控制理论应运而生。
模糊控制是一种基于模糊逻辑的控制方法，它将连续的输入值转换为模糊集合，从而在一定程度上降低了系统的复杂性。
将模糊控制理论引入PID 控制，便形成了模糊PID 控制。
模糊PID 控制不仅保留了传统PID 控制的优秀特性，而且在一定程度上降低了控制器的计算复杂度，提高了控制性能。
因此，模糊PID 控制在各个领域都得到了广泛的应用。
二、模糊PID 控制原理1.模糊控制器的设计模糊控制器是模糊PID 控制的核心部分，其设计主要包括输入模糊化、模糊规则设计、输出模糊化等步骤。
首先，将连续的输入值转换为模糊集合，以便进行模糊运算；然后，根据实际需求设计模糊规则，从而确定控制器的输出；最后，将输出值转换为实际控制量。
模糊控制的应用实例与分析模糊控制是一种针对模糊系统进行控制的方法，它通过运用模糊逻辑和模糊规则来进行控制决策。
模糊控制广泛应用于各个领域，以下是几个不同领域的模糊控制应用实例和相关分析。
1.模糊控制在温度控制系统中的应用：温度控制系统是模糊控制的一个常见应用领域。
传统的温度控制系统通常使用PID控制器，但是由于环境和外部因素的干扰，PID控制器往往不能很好地应对这些复杂情况。
而模糊控制可以通过建立模糊规则来实现对温度的精准控制。
例如，如果设定的温度为25度，模糊控制系统可以根据当前的温度和温度变化率等信息，通过判断当前温度是偏低、偏高还是处于目标温度范围内，然后根据这些模糊规则来决定是否增加或减少加热器的功率，从而实现温度的稳定控制。
2.模糊控制在交通信号灯控制中的应用：交通信号灯控制是一个动态复杂的系统，传统的定时控制往往不能适应不同时间段、不同拥堵程度下的交通流需求。
而模糊控制可以通过模糊规则来根据交通流的情况进行动态调整。
例如，交通信号灯的绿灯时间可以根据路口的车辆数量和流动情况进行自适应调整。
当车辆较多时，绿灯时间可以延长，以减少拥堵；当车辆较少时，绿灯时间可以缩短，以提高交通效率。
模糊控制可以将车辆数量和流动情况等模糊化，然后利用模糊规则来决策绿灯时间，从而实现交通信号灯的优化控制。
3.模糊控制在飞行器自动驾驶中的应用：飞行器自动驾驶是一个高度复杂的系统，传统的控制方法往往不能满足复杂的空中飞行任务。
模糊控制可以通过模糊规则来根据飞行器的状态和目标任务要求进行决策。
例如，飞行器的高度控制可以利用模糊控制来应对不同高度要求的任务。
通过将目标高度和当前高度模糊化处理，然后利用模糊规则来决策飞行器的升降舵和发动机功率等参数，从而实现对飞行器高度的精准控制。
综上所述，模糊控制作为一种针对模糊系统进行控制的方法，具有很大的应用潜力。
它可以通过建立模糊规则来解决传统控制方法难以解决的复杂问题。
虽然模糊控制存在一些问题，如规则的设计和调试等工作比较困难，但是随着计算机技术的发展和模糊控制理论的不断完善，模糊控制在各个领域中的应用将会越来越广泛。
被控对象：
Ts = 0.1;
Plant = c2d(zpk([],[-1 -3 -5],1),Ts); %零极点模型，并离散化
根据对象Plant，确定PID参数：
C0 = pid(1,1,1,'Ts',Ts,'IF','B','DF','B'); % 定义PID结构
C = pidtune(Plant,C0) %对PID参数进行优化[Kp, Ki, Kd] = piddata(C); % 输出参数
得出PID结构及其参数值：
接下来根据求出的PID参数确定GCE、GE 、GCU 和GU的取值：由模糊PID控制结构可得如下等式：
Kp = GCU * GCE + GU * GE
Ki = GCU * GE
Kd = GU * GCE
形式转换如下：
GE = 10; %根据模糊控制的论语直接确定GCE = GE*(Kp-sqrt(Kp^2-4*Ki*Kd))/2/Ki=3.4285; GCU = Ki/GE=2.8631;
GU = Kd/GCE=2.0138;
模糊PID控制系统结构（连续模糊控制器）：
模糊控制器输入输出结构：
模糊控制器输入输出隶属度函数：
模糊控制器规则表：
模糊控制器规则曲面图：
连续模糊PID控制器，仿真结果：
模糊PID控制系统结构（离散模糊控制器）：
离散模糊控制器查询表：
离散模糊PID控制器，仿真结果：
主要代码如下：
（1）、对象模型：
Ts = 0.1;
Plant = c2d(zpk([],[-1 -3 -5],1),Ts);
（2）、PID参数优化：
C0 = pid(1,1,1,'Ts',Ts,'IF','B','DF','B');
C = pidtune(Plant,C0)
[Kp, Ki, Kd] = piddata(C);
（3）、比例因子确定：
GE = 10;
GCE = GE*(Kp-sqrt(Kp^2-4*Ki*Kd))/2/Ki;
GCU = Ki/GE;
GU = Kd/GCE;
（4）、连续模糊PID控制建立：
FIS = newfis('FIS','sugeno');
%%
% 定义输入E:
FIS = addvar(FIS,'input','E',[-10 10]);
FIS = addmf(FIS,'input',1,'Negative','gaussmf',[7 -10]);
FIS = addmf(FIS,'input',1,'Positive','gaussmf',[7 10]); %%
% 定义输入CE:
FIS = addvar(FIS,'input','CE',[-10 10]);
FIS = addmf(FIS,'input',2,'Negative','gaussmf',[7 -10]); FIS = addmf(FIS,'input',2,'Positive','gaussmf',[7 10]); %%
% 定义输出u:
FIS = addvar(FIS,'output','u',[-20 20]);
FIS = addmf(FIS,'output',1,'Min','constant',-20);
FIS = addmf(FIS,'output',1,'Zero','constant',0);
FIS = addmf(FIS,'output',1,'Max','constant',20);
% 定义规则:
%
% # If |E| is Negative and |CE| is Negative then |u| is -20 % # If |E| is Negative and |CE| is Positive then |u| is 0
% # If |E| is Positive and |CE| is Negative then |u| is 0
% # If |E| is Positive and |CE| is Positive then |u| is 20 ruleList = [1 1 1 1 1;... % Rule 1
1 2 2 1 1;... % Rule 2
2 1 2 1 1;... % Rule 3
2 2
3 1 1]; % Rule 4
FIS = addrule(FIS,ruleList);
gensurf(FIS) %生成模糊控制器
（5）、离散模糊控制器查询表：
Step = 2;
E = -10:Step:10;
CE = -10:Step:10;
N = length(E);
LookUpTableData = zeros(N);
for i=1:N
for j=1:N
% compute output u for each combination of break points LookUpTableData(i,j) = evalfis([E(i) CE(j)],FIS);
end
end
更多资料请访问：
徐文力新浪博客
/mybigdata。
