初学者可参考——模糊控制工具箱的详细使用

通过算例熟悉MATLAB模糊控制工具箱设计一个二维模糊控制器控制一个一阶被控对象1()1G sTs=+，然后改变控制对象参数的大小，观察模糊控制的鲁棒性。

1、模糊推理的五个步骤1)输入变量的模糊化这是模糊推理的第一步，是获取输入变量，并确定它们的隶属函数，从而确定属于每个模糊集合的隶属度。

2) 应用模糊算子完成了输入模糊化，就知道了对于每个模糊规则，前提中每一个部分被满足的程度。

如果一个给定规则的前提有多个部分，则要应用模糊算子来获得一个数值，这个数值表示前提对于该规则的满足程度。

3) 应用推理方法推理的类型有mamdani和sugeno 推理。

Mamdani推理法是一种在模糊控制中普遍使用的方法，它本质上仍然是一种合成推理方法，只不过对模糊蕴涵关系取不同的形式而已。

Mamdani型推理，从每个规则的结果中得到的模糊集通过聚类运算后得到结果模糊集，被反模糊化后得到系统输出。

Sugeon型推理：其中每个规则的结果是输入的线性组合，而输出是结果的加权线性组合。

4) 输出的聚类由于决策是在对模糊推理系统中所有规则进行综合考虑的基础上做出的，因此必须以某种方式将规则结合起来以做出决策。

聚类就是这样一个过程，它将表示每个规则输出的模糊集结合成一个单独的模糊集。

聚类方法有max，probor（概率乘），sum。

其中，sum执行的是各规则输出集的简单相加。

5) 解模糊化解模糊化过程也叫反模糊化过程，它的输入是一个模糊集，既上一步的聚类输出模糊集，其输出为一个单值。

模糊集的聚类中包含很多输出值，因此必须进行反模糊化，以从集合中解析出一个单输出值。

2、模糊逻辑工具箱的介绍模糊逻辑工具箱提供的图形用户界面（GUI）工具有五个：模糊推理系统（FIS）编辑器；隶属函数编辑器；模糊规则编辑器；模糊规则观察器；输出曲面观察器。

1）FIS编辑器：Matlab的FIS界面如图1所示。

FIS处理系统有多少个输入变量，输出变量，名称是什么，模糊算子“与”(min，prod乘积，custom自定义)，“或”(max大，probor 概率统计方法，custom)，推理方法（min，prod，custom），聚类方法（max，probor，sum，custom），解模糊的方法（centroid质心法，bisector中位线法，middle of maximum，largest of maximum，smallest of maximum）。

一、模糊控制的产生在传统控制领域，对于明确系统有强而有力的控制能力，即被控系统的动态信息越详细，越能达到精确控制的目的。

然而，在多变量、非线性的复杂系统中，往往难以完全描述系统的动态信息。

此时，传统的控制理论则显得无能为力，而有经验的专家或工作人员仍能根据长期实践观察和操作经验进行有效控制。

据此引申，是否可将人的操作经验总结为若干条控制规则以避开复杂模型的建立过程？模糊控制最重要的特征是反应人们的经验及推理规则，而这些经验和推理规则是通过自然语言来表达的，如“水温上升过快，则关小燃气阀”。

在控制系统初期，由于对系统缺乏了解，控制效果可能不好，但若干次探索后终能实现预期的控制，这就是经验对模糊控制系统的重要性。

由于模糊控制实质上是用计算机去执行人的控制策略，因而可以避开复杂模型的建立，对人们关于某个控制问题的成功和失败经验加工，总结出知识，从中提炼出控制规则，实现复杂系统的控制。

PS：“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”比“清晰”所拥有的信息量更大，更符合客观世界。

二、模糊逻辑的理论基础模糊逻辑是指模仿人脑不确定性的概念判断和推理思维，对于定性的知识和经验，借助隶属度概念、模糊集合，来处理模糊关系。

模糊逻辑实质上是要对模糊性对象进行精确描述和处理。

模糊逻辑的目的是将一个输入空间映射到一个输出空间，主要要靠一系列的if－then规则。

这些规则包含变量和描述这些变量的形容词，被平行评估，因此它们的顺序不重要。

在进行模糊推理之前，先要定义好输入和输出变量以及描述它们的形容词。

模糊推理的流程如下图所示。

1）模糊集合普通情况下，元素a属于集合A（1）或不属于集合A（0），如下图所示，星期一和星期三都是工作日，而苹果和星星则不是。

这就是经典集合，完全包括或完全不包括某个元素。

而模糊集合没有明确的界限，把只取0和1二值的普通集合概念推广到在［0，1］区间上无穷多值的模糊集合概念，并用“隶属度”这一概念来精确刻画元素和模糊集合之间的关系。

⽅法⼆⽤MATLAB的模糊逻辑⼯具箱（Fuzzytoolbox）实现.⽅法⼆：⽤MATLAB的模糊逻辑⼯具箱(Fuzzy toolbox)实现（陈⽼师整理）⼀、模糊逻辑推理系统的总体特征模糊控制由于不依赖对象的数学模型⽽受到⼴泛的重视，计算机仿真是研究模糊控制系统的重要⼿段之⼀。

由Math Works公司推出的Matlab软件，为控制系统的计算机仿真提供了强有⼒的⼯具，特别是在Matlab4.2以后的版本中推出的模糊⼯具箱(Fuzzy Toolbox)，为仿真模糊控制系统提供了很⼤的⽅便。

由于这样的模块都是由相关领域的著名学者开发的，所以其可信度都是很⾼的，仿真结果是可靠的。

在Simulink环境下对PID控制系统进⾏建模是⾮常⽅便的，⽽模糊控制系统与PID控制系统的结构基本相同，仅仅是控制器不同。

所以，对模糊控制系统的建模关键是对模糊控制器的建模。

Matlab软件提供了⼀个模糊推理系统（FIS）编辑器，只要在Matlab命令窗⼝键⼊Fuzzy就可进⼊模糊控制器编辑环境。

⼆、Matlab模糊逻辑⼯具箱仿真1.模糊推理系统编辑器（Fuzzy）模糊推理系统编辑器⽤于设计和显⽰模糊推理系统的⼀些基本信息，如推理系统的名称，输⼊、输出变量的个数与名称，模糊推理系统的类型、解模糊⽅法等。

其中模糊推理系统可以采⽤Mandani或Sugeuo两种类型，解模糊⽅法有最⼤⾪属度法、重⼼法、加权平均等。

打开模糊推理系统编辑器，在MATLAB的命令窗（command window）内键⼊：fuzzy 命令，弹出模糊推理系统编辑器界⾯，如下图所⽰。

因为我们⽤的是两个输⼊，所以在Edit菜单中，选Add variable… ->input,加⼊新的输⼊input,如下图所⽰。

选择input(选中为红框),在界⾯右边⽂字输⼊处键⼊相应的输⼊名称，例如,温度输⼊⽤tmp-input, 磁能输⼊⽤ mag-input，等。

第一章绪论1.1课题的提出和意义随着我国电力事业的发展，电网管理日趋现代化。

负荷预测问题的研究逐渐引起了人们的关注，在电力系统学科中占据了重要的地位，是一个重要的组成部分。

在实际中，制定电力系统规划以及实现电力系统自动化这两项重要的工作，对它们进行应有的负荷预测都是基本要求。

众所周知，电力系统的作用应当是为各类的用户提供可靠而合乎质量要求的电能，使得各种客户的要求得到满足，而所有用户所使用的电能即为负荷。

负荷的大小与特性，对于系统的运行研究以及系统的设计，都是重中之中。

所以，对负荷的变化与特性，有一个事先的估计，是电力系统发展与运行研究的重要内容。

电力系统运行管理现代化中最看重的就是负荷预测，其水平决定了现代化的程度以及技术的高度，能够保证整个系统能够在正确的思维指导下调度和运行。

精准而优良的预测系统不仅在电力系统的安全、可靠、经济运行中起着支柱的作用，在节约能源方面也有着不俗的发挥。

负荷预测会受到很多方面的影响，不单单由以往的数据所决定，还要各方面非电力系统负荷的影响。

那整个系统为什么会要对将来的用电进行预测？因为系统内的可用发电容量，在正常运行的情况下，无论什么时候都要满足客户的需求，即满足所要提供的负荷。

发电容量一旦不够，则必须采取相应的措施来增加其发电容量，比如新增发电机组或从相邻的电网借来所差容量；反之，若发电容量过剩，则也应该采取必要的措施，如有选择性的止某台电机的运行或者向相邻的网络输出多余的电容量。

为了对选择对应的机组，确定所要具备的电源的结构，以及对于燃料的需求等，我们就应该要做到对负荷有一个准确的预测。

负荷曲线的预测可为研究电力系统的峰值、抽水蓄能电站的容量以及发输电设备的协调运行提供数据支持。

电力用户是电力工业的服务对象，电力负荷的不断增长是电力工业发展的根据。

正确地预测电力负荷，既是为了保证无条件供应国民经济各部门及人民生活以充足的电力的需要，也是电力工业自身健康发展的需要。

模糊控制介绍及Matlab模糊控制工具箱使用目录•一、模糊控制的产生•二、模糊逻辑的理论基础•三、模糊控制Matlab工具箱示例•四、模糊控制的基本思想•五、模糊控制器的基本结构•六、模糊控制器的优缺点一、模糊控制的产生在传统控制领域，对于明确系统有强而有力的控制能力，即被控系统的动态信息越详细，越能达到精确控制的目的。

然而，在多变量、非线性的复杂系统中，往往难以完全描述系统的动态信息。

此时，传统的控制理论则显得无能为力，而有经验的专家或工作人员仍能根据长期实践观察和操作经验进行有效控制。

据此引申，是否可将人的操作经验总结为若干条控制规则以避开复杂模型的建立过程？模糊控制最重要的特征是反应人们的经验及推理规则，而这些经验和推理规则是通过自然语言来表达的，如“水温上升过快，则关小燃气阀”。

在控制系统初期，由于对系统缺乏了解，控制效果可能不好，但若干次探索后终能实现预期的控制，这就是经验对模糊控制系统的重要性。

由于模糊控制实质上是用计算机去执行人的控制策略，因而可以避开复杂模型的建立，对人们关于某个控制问题的成功和失败经验加工，总结出知识，从中提炼出控制规则，实现复杂系统的控制。

PS：“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”比“清晰”所拥有的信息量更大，更符合客观世界。

二、模糊逻辑的理论基础模糊逻辑是指模仿人脑不确定性的概念判断和推理思维，对于定性的知识和经验，借助隶属度概念、模糊集合，来处理模糊关系。

模糊逻辑实质上是要对模糊性对象进行精确描述和处理。

模糊逻辑的目的是将一个输入空间映射到一个输出空间，主要要靠一系列的if－then规则。

这些规则包含变量和描述这些变量的形容词，被平行评估，因此它们的顺序不重要。

在进行模糊推理之前，先要定义好输入和输出变量以及描述它们的形容词。

模糊推理的流程如下图所示。

模糊推理流程2.1、模糊集合普通情况下，元素a属于集合A（1）或不属于集合A（0），如下图所示，星期一和星期三都是工作日，而苹果和星星则不是。

ps里模糊工具怎么用ps这个软件我们都知道，但是ps里面的模糊工具大家了解吗?其实photoshop的模糊工具还内含三个工具，它们分别是模糊工具、锐化工具、涂抹工具，这个工具的快捷键是字母R。

下面就跟店铺来了解一下吧!ps里模糊工具的用法技巧模糊工具：顾名思义，一种通过笔刷使图像变模糊的工具。

它的工作原理是降低像素之间的反差。

模糊工具的任务栏：photoshop的模糊工具的工具属性栏画笔：选择画笔的形状。

模式：色彩的混合方式。

压力：画笔的压力。

用于所有图层：可以使模糊作用于所有层的可见部分。

锐化工具与模糊工具相反，它是一种使图像色彩锐化的工具，也就是增大像素间的反差。

锐化工具的任务栏：photoshop的锐化工具的工具属性栏涂抹工具使用时产生的效果好像是用干笔刷在未干的油墨上擦过。

也就是说笔触周围的像素将随笔触一起移动。

涂抹工具的任务栏与前相同，在这里只队手指绘画加以解释：勾选此项后，可以设定图痕的色彩，好像用蘸上色彩在未干的油墨上绘画一样。

实践练习：我们在摄影照片中经常可以看到一种虚化背景的效果，这种照片一般是使用大光圈的DC来拍摄，但如果遇到主体与背景非常接近也很难达到虚化效果。

为了是主体更突出,可以可以用PS中的模糊工具来对背景进行处理。

原图效果图1.在原图上右键，保存到本地计算机2.在photoshop中打开这张图片。

(文件/打开)3.给这张图片复制图层，快捷键(CTRL+J)。

4.在工具箱中选择模糊工具5.设置模糊工具的属性6.使用模糊工具在想要模糊的地方涂抹。

7.如果我不小心把小猫的头也给模糊了怎么办?很简单，选择前面学的历史记录画笔工具，在擦出来就可以了。

8.同样，如果觉得猫的眼睛不够锐利。

可以用锐化工具稍微锐化一下。

9.最后效果如图，关于涂抹工具我们在后面讲手绘的时候会详细讲解。

模糊控制由于不依赖对象的数学模型而受到广泛的重视，计算机仿真是研究模糊控制系统的重要手段之一。

由Math Works公司推出的Matlab软件，为控制系统的计算机仿真提供了强有力的工具，特别是在Matlab4.2以后的版本中推出的模糊工具箱(Fuzzy Toolbox)，为仿真模糊控制系统提供了很大的方便。

由于这样的模块都是由相关领域的著名学者开发的，所以其可信度都是很高的，仿真结果是可靠的。

在Simulink环境下对控制系统进行建模是非常方便的，而模糊控制系统与常见控制系统的结构基本相同，仅仅是控制器不同。

所以，对模糊控制系统的建模关键是对模糊控制器的建模。

Matlab软件提供了一个模糊推理系统（FIS）编辑器，只要在Matlab命令窗口键入fuzzy命令就可进入模糊控制器编辑环境。

一、模糊推理系统编辑器（Fuzzy）模糊推理系统编辑器用于设计和显示模糊推理系统的一些基本信息，如推理系统的名称，输入、输出变量的个数与名称，模糊推理系统的类型、解模糊方法等。

其中模糊推理系统可以采用Mandani或Sugeuo两种类型，解模糊方法有最大隶属度法、重心法、加权平均等。

打开模糊推理系统编辑器，在MATLAB的命令窗（command window）内键入：“fuzzy”命令，弹出模糊推理系统编辑器界面，如下图所示。

首先确定输入、输出变量的个数，在Edit菜单中，选Add variableÆinput，加入新的输入input；选Add variableÆoutput,加入新的输出output。

修改名称二、隶属度函数编辑器(Mfedit)该编辑器提供一个友好的人机图形交互环境，用来设计和修改模糊推理系中各语言变量对应的隶属度函数的相关参数，如隶属度函数的形状、范围、论域大小等，系统提供的隶属度函数有三角、梯形、高斯形、钟形等，也可用户自行定义。

双击任一个输入或输出模块，进入成员函数编辑界面。