实验一 模糊控制器的MATLAB仿真

实验一基于Matlab的单容液位模糊控制系统仿真一、实验目的1、熟悉Matlab基础知识和模糊推理系统编辑器。

2、加深对模糊控制的理解。

3、加强模糊控制在实践中的应用。

二、基础知识1.单容器在工业中用途广泛，对其液位的控制十分普遍，大家在以往的实验中也常常会碰到，这里主要关注模糊控制的控制系统方面，对水箱不进行建模和仿真，只需要用到容器的液位和变化率。

控制原理图2.模糊推理系统编辑器（FIS Editor）是Matlab中关乎模糊系统框架、主体结构等总体大局设计的编辑器，他可以编辑、设计、修改整个系统框架，增减系统输入输出量等，所以设计任何模糊控制，都应该先用FIS设计整体架构，再对细目进行编辑、完善。

FIS编辑器的图形界面使用起来很方便，请同学们认真体会。

在Matlab命令窗口键入fuzzy就可以进入FIS Editor界面，如下图示。

图1三、实验内容1.打开模糊逻辑工具箱的图形界面，新建一个Mamdani模糊推理模型。

键入fuzzy打开图形界面，默认即为Mamdani模型。

2.增加一个输入变量，将输入变量命名为level、rate，输出变量为valve，这样就定义了两输入单输出模糊推理系统，保存为tank0.fis。

3.设计模糊化模块：将输入变量rate的论域设为[-0.1,0.1],另外两个变量采用默认论域[-1,1]不变。

通过增加隶属度函数来划分模糊空间:（1）输入变量level划分三个模糊集:low、okay和high，隶属度函数均为高斯函数，参数分别为[0.3 -1]、[0.3 0]、[0.3 1]。

（2）输入变量rate划分三个模糊子集：negative、zore和positive，隶属度函数均为高斯函数，参数分别[0.03 -0.1]、[0.03 0]、[0.03 1]。

（3）输出变量valve划分为五个模糊集：close_fast、close_slow、no_change、open_slow和open_fast,隶属度函数均为三角形函数，参数分别为[-1 -0.9-0.8]、[-0.6 -0.5 -0.4]、[-0.1 0 0.1]、[0.2 0.3 0.4 ]、[0.8 0.9 1]。

模糊控制系统的仿真实验实验目的：现有被控对象一：G(s)=1/(s2+2s+1)被控对象二：G(s)=K /【(T1s+1)(T2s+1) 】试设计一个模糊控制系统来实现对它的控制，并完成以下任务：任务一：通过仿真分析模糊控制器的参数的变化（主要讨论控制器解模方法和量化因子的变化）对系统性能的影响。

任务二：在控制器参数一定的情况下改变被控对象的参数，分析对象参数变化时fuzzy controller的适应能力。

任务三：在控制器参数一定的情况下改变被控对象的结构，分析对象结构变化时fuzzy controller的适应能力。

实验分析：要完成以上任务应分两个步骤：一设计模糊控制器，二用matlab的模糊逻辑工具箱建立模糊推理系统，并在simulink中实现对模糊系统的仿真。

接下来就以对象一为例说明模糊控制系统的仿真。

一、模糊控制器的设计模糊控制器的设计步骤为：1、选择控制器的输入输出：选择误差e及误差变化量ec为输入，u作为输出用于控制对象，这样模糊控制器具有二输入一输出的结构。

2、模糊集及论域的定义：z输入e的模糊子集为{NB NM NS NO PO PS PM PB}z输入ec和输出u的模糊子集均为{NB NM NS ZO PS PM PB}z e的论域为{-6 -5 -4 -3 -2 -1 －0 ＋0 1 2 3 4 5 6 }z ec的论域为{-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 }z u的论域为{-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 }我们选择三角形作为隶属度函数的形状，e的隶属度函数如下图所示：图1－1 ec的隶属度函数如下图所示：图1－2 u的隶属度函数如下图所示图1-3表1-14、选择输入输出变量的量化因子：这里暂时选定输入输出的量化因子Ke＝Kc＝Ku＝1，接下来的仿真过程还可以调整。

5、择模糊规则前提交的方法为min，模糊推理方法为min，而反模糊化方法可以在仿真过程中设置。

模糊控制Matlab仿真说明：a.控制对象为一阶系统，目的是为了简单，调通后可以修改控制对象，控制参数体会各个量对控制效果的影响。

b.一阶系统直接施加输入，如图1所示的控制对象，上升时间会很大。

完全可以使用PID 控制使控制效果满足需要。

这里使用模糊控制来代替PID控制器。

比较一下！模糊控制器设计模糊控制器的计算量是非常大的，我不从数学推导介绍。

讲一下利用matlab的模糊工具箱（Fuzzy logical toolbox)建立基本模糊控制器的方法。

在命令行输入fuzzy,就可以进入模糊推理系统编辑器（fis editor）。

利用这个工具制作一个*.fis的文件。

这个文件就是模糊控制器的核心！在simulink中和以往进行PID控制一样建立模型。

如图1，在simulink 的库里点击Fuzzy Logical toolbox，拖一个Fuzzyl logical controller with rule viewer，双击这个环节，在弹出的对话框的fis Matrix里填入你自己起的*.fis的名字，不需输入后缀fis。

在设计模糊控制器（*.fis)前，要想好，你设计的控制器需要几个输入，几个输出。

比如，本例中拟采用偏差E和偏差变化率Ec这两个量作为模糊控制器的输入，模糊控制器有一个输出。

很明显，这是利用模糊控制器代替PD控制的。

对应的模糊控制器的设计也要具有两个输入一个输出。

利用matlab的Fuzzy logical toolbox 设计模糊控制器(生成*.fis文件）的关键步骤：a.添加输入输出。

图3.fis编辑器默认的具有一个输出，添加第二个输入，并且分别命名为E，Ec，U。

b.确定隶属函数。

双击黄色和绿色的方框就可以进入隶属函数编辑对话框了。

设置E,Ec 的range为[-6,6]，u的range为[-1,1]。

然后每一个变量再添加4个输入隶属函数，总共7个。

matlab提供了11种隶属函数，第一次用选择常用的三角形trimf，区别不大的。

实验报告本课程名称：MATLAB模糊控制上机实验2013~2014学年第一学期广东石油化工学院计算机与电子信息学院实验目的：1、了解MATLAB中各种仿真工具。

2、掌握MATLAB仿真工具中图形化界面以及模糊逻辑工具箱函数的仿真方法。

上机实验一：设计一个温度模糊控制器，具体要求见课本P59要求采用下面两种MATLAB工具进行仿真。

1、工具箱提供的图形化界面2、模糊逻辑工具箱函数仿真方法：1、采用MATLAB语言根据具体的控制算法编程2、利用MATLAB提供的模糊逻辑工具箱函数3、利用模糊逻辑工具箱的图形界面与Simulink动态仿真环境在matlab工作窗口输入：fuzzy+回车或fuzzy + 文件名（.fis）进入图形界面编辑增加输入变量输入mfedit或选择编辑隶属度函数菜单输入误差e的隶属度函数输入误差变化de的隶属度函数输出u的隶属度函数输入ruleedit，或选择编辑模糊规则菜单浏览模糊规则模糊推理输入输出曲面视图，完成模糊推理系统的构建。

仅供个人用于学习、研究；不得用于商业用途。

For personal use only in study and research; not for commercial use.Nur für den persönlichen für Studien, Forschung, zu kommerziellen Zwecken verwendet werden.Pour l 'étude et la recherche uniquement à des fins personnelles; pas à des fins commerciales.толькодля людей, которые используются для обучения, исследований ине должны использоваться в коммерческих целях.以下无正文。

基于MATLAB的模糊控制器的设计与仿真摘要：本文对模糊控制器进行了主要介绍。

提出了一种模糊控制器的设计与仿真的实现方法，该方法利用MA TLB模糊控制工具箱中模糊控制器的控制规则和隶属度函数，建立模型，并进行模糊控制器设计与仿真。

关键词：模糊控制，隶属度函数，仿真，MA TLAB1 引言模糊控制是一种特别适用于模拟专家对数学模型未知的较复杂系统的控制，是一种对模型要求不高但又有良好控制效果的控制新策略。

与经典控制和现代控制相比，模糊控制器的主要优点是它不需要建立精确的数学模型。

因此，对一些无法建立数学模型或难以建立精确数学模型的被控对象，采用模糊控制方法，往往能获得较满意的控制效果。

模糊控制器的设计比一般的经典控制器如PID控制器要复杂，但如果借助MATLAB则系统动态特性良好并有较高的稳态控制精度，可提高模糊控制器的设计效率。

本文在MATLAB环境下针对某个控制环节对模糊控制系统进行了设计与仿真。

2 模糊控制器简介模糊控制器是一种以模糊集合论，模糊语言变量以及模糊推理为数学基础的新型计算机控制方法。

显然，模糊控制的基础是模糊数学，模糊控制的实现手段是计算机。

本章着重介绍模糊控制的基本思想，模糊控制的基本原理，模糊控制器的基本设计原理和模糊控制系统的性能分析。

随着科学技术的飞速发展，在那些复杂的，多因素影响的严重非线性、不确定性、多变性的大系统中，传统的控制理论和控制方法越来越显示出局限性。

长期以来，人们期望以人类思维的控制方案为基础，创造出一种能反映人类经验的控制过程知识，并可以达到控制目的，能够利用某种形式表现出来。

而且这种形式既能够取代那种精密、反复、有错误倾向的模型建造过程，又能避免精密的估计模型方程中各种方程的过程。

同时还很容易被实现的，简单而灵活的控制方式。

于是模糊控制理论极其技术应运而生。

3 模糊控制的特点模糊控制是以模仿人类人工控制特点而提出的，虽然带有一定的模糊性和主观性，但往往是简单易行，而且是行之有效的。

模糊控制MATLAB仿真
实验报告本课程名称：MATLAB模糊控制上机实验
2013~2014学年第⼀学期
⼴东⽯油化⼯学院计算机与电⼦信息学院
实验⽬的：
1、了解MATLAB中各种仿真⼯具。

2、掌握MATLAB仿真⼯具中图形化界⾯以及模糊逻辑⼯具箱函数的仿真⽅法。

上机实验⼀：
设计⼀个温度模糊控制器，具体要求见课本P59要求采⽤下⾯两种MATLAB⼯具进⾏仿真。

1、⼯具箱提供的图形化界⾯
2、模糊逻辑⼯具箱函数
仿真⽅法：
1、采⽤MATLAB语⾔根据具体的控制算法编程
2、利⽤MATLAB提供的模糊逻辑⼯具箱函数
3、利⽤模糊逻辑⼯具箱的图形界⾯与Simulink动态仿真环境
在matlab⼯作窗⼝输⼊：fuzzy+回车或fuzzy + ⽂件名（.fis）进⼊图形界⾯编辑
增加输⼊变量
输⼊mfedit或选择编辑⾪属度函数菜单输⼊误差e的⾪属度函数
输⼊误差变化de的⾪属度函数
输出u的⾪属度函数
输⼊ruleedit，或选择编辑模糊规则菜单
浏览模糊规则
模糊推理输⼊输出曲⾯视图，完成模糊推理系统的构建。

一阶倒立摆模糊控制仿真实验分析报告%mainclearclose all%load table.matglobal Table;global RULE;global UCenter;global Width;global num;global RuleMatch; %前件匹配方式0 取小；1乘积global Defuzzy; %反模糊化方法0: COG ; 1:COA; 2:MAXglobal g0;global g1;global h;x=[0.4,0,0];RuleMatch = 1; %前件匹配方式0 取小；1乘积Defuzzy = 0;%反模糊化方法0: COG ; 1:COA; 2:MAXg0=1.5;g1=0.1;h=1;% u=0;% Table = u;% [m,n]=size(u);% num = (m-1)/2;%u=[];RULE =[2, 2, 2, 1, 0; ...2, 2, 1, 0,-1;...2, 1, 0,-1,-2;...1, 0,-1,-2,-2;...0,-1,-2,-2,-2];%% RULE =[2,2,1,1,0; ...% 2,1,1,0,-1;...% 1,1,0,-1,-1;...% 1,0,-1,-1,-2;...% 0,-1,-1,-2,-2];RULE=RULE + 3*ones(size(RULE));%原始的%UCenter=[-20,-10,0,10,20];%改进的%UCenter=[-25,-15,0,15,25];UCenter=[-20,-15,0,15,20];Width(1)=(UCenter(5)-UCenter(4))/2;Width(2)=(UCenter(5)-UCenter(3));Width(3)=(UCenter(4)-UCenter(3))*2;Width(4)=Width(2);Width(5)=Width(1);x=x';[t,y]= ode45('P_Pendulum',[0,5],x);% [t,y]= ode45('P_Pendulum_tab',[0,10],x);% y2=y.*y;% inty = intnum(t,y2)%% int_e2 = inty(1)+inty(2);% int_u2 = inty(3);%int_y2 = sum(y.^2);%int_e2 = int_y2(1)+int_y2(2);%int_u2 = int_y2(3);figuresubplot(2,1,1)plot(t,y(:,1 ),'r',t,y(:,2),'k')%xlabel('t(sec)')% str1 = sprintf('x(0)=[%2.2f,%2.2f]',x(1),x(2)); % Title(str1,'Interpreter','latex','fontsize',14)%% str1=sprintf('t(sec)---index:$\\int{e^{T}(t)e(t)dt}=$ %f', int_e2);%str1 = '$\int{e^2}dt$'% text(6,0,str1,'Interpreter','latex','fontsize',14)%% xlabel(str1,'Interpreter','latex','fontsize',14)legend('x1(rad)', 'x2(rad/s)')title('输出隶属函数中心值：[-20,-15,0,15,20]')subplot(2,1,2)plot(t,y(:,3),'r')xlabel('t(sec)')ylabel('u(N)')% str1=sprintf('t(sec)--index:$\\int{u^{2}(t)dt}$= %f', int_u2);% %H = Title(str1,'Interpreter','latex','fontsize',14)% xlabel(str1,'Interpreter','latex','fontsize',14)% inverted pendulum stabilized% program on 2006,10,26function xdot = P_Pendulum(t,x)global RULE;global UCenter;global step;global k;global Kc;global QQ;global Width;global RuleMatch; %前件匹配方式0 取小；1乘积global Defuzzy; %反模糊化方法0: COG ; 1:COA; 2:MAXglobal g0;global g1;global h;M = 1;m =0.5;g = 9.8;l = 0.5;a = 1/(m+M);%计算隶属度mu_e= emembershipdegree(-x(1)*g0);mu_de = demembershipdegree(-x(2)*g1);%pausemu_e_id = find(mu_e>0);mu_de_id = find(mu_de>0);eLen= length(mu_e_id);deLen = length(mu_de_id);mu_pre= zeros(1,4);fuzzy_out = zeros(1,4);weight = zeros(1,4);in =1;%规则匹配for (i=1:eLen)for(j=1:deLen)switch RuleMatchcase 0%前件采用取小推理mu_pre(in)= min(mu_e(mu_e_id(i)),mu_de(mu_de_id(j)));case 1%前件采用乘积推理mu_pre(in)= mu_e(mu_e_id(i))*mu_de(mu_de_id(j));end%计算规则匹配度fuzzy_out(in) = RULE(mu_e_id(i),mu_de_id(j));in=in+1;endendnRule = eLen *deLen;u = 0;summu =0;%反模糊化for(i=1:nRule)switch Defuzzycase 0%按照重心法计算(COG)weight(i)= Width(fuzzy_out(i))*(mu_pre(i)-mu_pre(i)*mu_pre(i)/2);case 1% 按照中心平均法weight(i)=mu_pre(i);case 2% 取大法(大中求中)[max_v,max_id] = max(mu_pre);weight(max_id)=1;endu = weight(i)*UCenter(fuzzy_out(i))+u;summu =summu + weight(i);end%u=0;u=h*u/summu;if (u>20)u=20;endif (u<-20)u=-20;endt% if(t>2.5 && t<2.6 )% u=u+20;% end% if (u>20)% u=20;% end%% if (u<-20)% u=-20;% end% xdot(1)=x(2);% xdot(2)=(g*sin(x(1))-a*m*l*x(2)*x(2)*sin(2*x(1))/2-a*cos(x(1))*x(3))/(4*l/3-a*m*l*cos(x(1))*cos(x(1))); % xdot(3)=-100*x(3)+100*u;% x(3) = u;xdot(1)=x(2);xdot(2)=(g*sin(x(1))-a*m*l*x(2)*x(2)*sin(2*x(1))/2-a*cos(x(1))*x(3))/(4*l/3-a*m*l*cos(x(1))*cos(x(1))); xdot(3)=-100*x(3)+100*u;xdot = xdot';y=zeros(1,5);if (x<= -pi/2)y(1) =1 ;elseif (x<=-pi/4)y(1) = abs(x+pi/4)/(pi/4);y(2) = 1-abs(x+pi/4)/(pi/4); elseif (x<= 0)y(2) = 1-abs(x+pi/4)/(pi/4);y(3) = 1- abs(x)/(pi/4);elseif (x<=pi/4)y(3) = 1- abs(x)/(pi/4);y(4) = 1-abs(x-pi/4)/(pi/4); elseif (x<=pi/2)y(4) = 1-abs(x-pi/4)/(pi/4);y(5) = abs(x-pi/4)/(pi/4);elseif (x>pi/2)y(5) =1;endfunction y = demembershipdegree(x) y=zeros(1,5);if (x<= -pi/4)y(1) =1 ;elseif (x<=-pi/8)y(1) = abs(x+pi/8)/(pi/8);y(2) = 1-abs(x+pi/8)/(pi/8); elseif (x<= 0)y(2) = 1-abs(x+pi/8)/(pi/8);y(3) = 1- abs(x)/(pi/8);elseif (x<=pi/8)y(3) = 1- abs(x)/(pi/8);y(4) = 1-abs(x-pi/8)/(pi/8); elseif (x<=pi/4)y(4) = 1-abs(x-pi/8)/(pi/8);y(5) = abs(x-pi/8)/(pi/8);elseif (x>pi/4)y(5) =1;endy=zeros(1,5); if (x<= -30) y(1) =0 ; elseif (x<=-20)y(1) = 1-abs(x+20)/(10); elseif (x<=-10)y(1) = 1-abs(x+20)/(10); y(2) = 1-abs(x+10)/(10); elseif (x<= 0)y(2) = 1-abs(x+10)/(10); y(3) = 1- abs(x)/(10); elseif (x<=10)y(3) = 1- abs(x)/(10); y(4) = 1-abs(x-10)/(10); elseif (x<=20)y(4) = 1-abs(x-10)/(10); y (5) = 1-abs(x-20)/(10); elseif (x>30) elseif (x<=30)y(5) = 1-abs(x-20)/(10); elseif (x>30) y(5) =0; end不同的推理方式，反模糊化方法初始值：x0=[0.1 0]’t(sec)u (N )t(sec)u (N )t(sec)u (N )t(sec)u (N )t(sec)u (N )t(sec)u (N )不同的初始条件前件隶属度函数计算方法：乘积模糊蕴含关系计算方法：取小 反模糊化方法：COGt(sec)u (N )t(sec)u (N )t(sec)u (N )t(sec)u (N )结论：当初始角达到一定程度时，控制力趋向饱和，系统不稳定。