1、精選優(yōu)質文檔-傾情為你奉上精選優(yōu)質文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質文檔-傾情為你奉上專心-專注-專業(yè)模擬控制器的設計實例洗衣機的模糊控制傳統(tǒng)的洗衣機都是人們用肉眼觀看后，根據(jù)人的經(jīng)驗來調整洗衣時間和用水量，而模糊控制就是以人對被控對象的控制經(jīng)驗為依據(jù)而設計的控制器，這樣就能實現(xiàn)控制器模擬人的思維方式來控制洗衣機。以模糊洗衣機的設計為例其控制是一個開環(huán)的決策過程，模糊控制按以下步驟進行。1.模糊控制器的結構選用單變量二維模糊控制器。控制器的輸入為衣物的污泥和油脂，輸出為洗滌時間。2.定義輸入、輸出模糊集將污泥分為3個模糊集：SD(污泥少)，MD（污泥中），LD（污泥多）

2、；取值范圍為0,100。3.定義隸屬函數(shù)選用如下隸屬函數(shù) 采用三角形隸屬函數(shù)可實現(xiàn)污泥的模糊化。Matlab實現(xiàn)污泥隸屬度函數(shù)的設計，其仿真程序為0001.mClose all; N=2;x=0:0.1:100;for i=1:N+1f(i)=100/N*(i-1);endu=trimf(x,f(1),f(1),f(2);figure（1）；plot(x,u);for j=2:Nu=trimf(x,f(j-1),f(j),f(j+1);hold on;plot(x,u);endu=trimf(x,f(N),f(N+1),f(N+1);hold on;plot(x,u);xlabel(x);yl

3、abel(Degree of membership);污泥程序仿真結果：將油脂分為三個模糊集:NG（無油脂）MG（油脂中）LG(油脂多)，取值范圍為0，100選用如下隸屬度函數(shù) 采用三角形隸屬函數(shù)實現(xiàn)油脂的模糊化。Matlab實現(xiàn)油脂隸屬度函數(shù)的設計，其仿真程序為0002.Close all; N=2;x=0:0.1:100;for i=1:N+1f(i)=100/N*(i-1);endu=trimf(y,f(1),f(1),f(2);figure（1）；plot(y,u);for j=2:Nu=trimf(y,f(j-1),f(j),f(j+1);hold on;plot(y,u);endu

4、=trimf(y,f(N),f(N+1),f(N+1);hold on;plot(y,u);xlabel(y);ylabel(Degree of membership);油脂程序仿真結果：將洗滌時間分為五個模糊集：VS(很短)S（短）M（中等）L(很長)取值范圍為0,60選用如下隸屬函數(shù) 采用三角形隸屬函數(shù)實現(xiàn)洗滌時間的模糊化,其Matlab仿真程序如下：Close all;Z=0:0.1:60;U=trimf(z,0,0,10);Figure(1);Plot(z,u);U=trimf(z,0, 10,25);hold on;plot(z,u);U=trimf(z, 10,25,40);hol

5、d on;plot(z,u);U=trimf(z, 25,40,60);hold on;plot(z,u);U=trimf(z, 40,60,60);hold on;plot(z,u);xlabel(z)ylabel(“Degree of membership”);洗滌時間仿真程序結果：4.建立模糊控制規(guī)則根據(jù)人的操作經(jīng)驗設計模糊規(guī)則，模糊規(guī)則設計的標準為：“污泥越多，油脂越多，洗滌時間越長”；“污泥適中，油脂適中，洗滌時間適中”；“污泥越少，油脂越少，洗滌時將越短”。5.建立模糊控制表根據(jù)模糊規(guī)則設計標準，建立模糊規(guī)則表模糊洗衣機的洗滌規(guī)則洗 滌 時 間 z污 泥 xNGMGLG油脂ySDV

6、S*MLMDSMLLDMLVL第 * 條規(guī)則為：“IF衣物污泥少且沒有油脂THEN洗滌時間很短”。模糊推理：分以下幾步進行（1）規(guī)則匹配：假定當前傳感器測得的信息 （污泥）=60，（油脂）=70，分別代入所屬的隸屬函數(shù)中，求隸屬度為，通過上述4種隸屬度，可得到4條匹配的模糊規(guī)則模糊推理結果洗 滌 時 間 z污 泥 xNGMG(3/5)LG(2/5)油脂ySD000MD(4/5)0LG(1/5)0（2）規(guī)則觸發(fā)由表3-2可知，被觸發(fā)的規(guī)則有4條，即Rule 1：IF y is MD and x is MG THEN z is MRule 2：IF y is MD and x is LG THEN

7、 z is LRule 3：IF y is LD and x is MG THEN z is LRule 4：IF y is LD and x is LG THEN z is VL（3）規(guī)則前提推理在同一條規(guī)則內，前提之間通過“與”的關系得到規(guī)則結論。前提的可信度之間通過取小運算，得到每一條規(guī)則總前提的可信度為規(guī)則1前提的可信度為：min(4/5,3/5) = 3/5規(guī)則2前提的可信度為：min(4/5,2/5) = 2/5規(guī)則3前提的可信度為：min(1/5,3/5) = 1/5規(guī)則4前提的可信度為：min(1/5,2/5) = 1/5由此得到洗衣機規(guī)則前提可信度表，即規(guī)則強度表規(guī)則前提可信

8、度洗 滌 時 間 z污 泥 xNGMG(3/5)LG(2/5)油脂ySD000MD(4/5)03/52/5LD(1/5)01/51/5（4）將上述兩個表進行“與”運算得到每條規(guī)則總的可信度輸出規(guī)則總的可信度洗 滌 時 間 z污 泥 xSGMG(3/5)LG(2/5)油脂yND000MD(4/5)0min()min()LD(1/5)0min()min()（5）模糊系統(tǒng)的輸出模糊系統(tǒng)總的輸出為各條規(guī)則可信度推理結果的并集，即 =11可見，有3條規(guī)則被觸發(fā)。（6）反模糊化模糊系統(tǒng)總的輸出實際上是3個規(guī)則推理結果的并集，需要進行反模糊化才能得到更精確的推理結果。下面以最大平均法為例，進行反模糊化。洗衣

9、機的模糊推理過程如圖3-4和圖3-5所示。由圖可知，洗滌時間隸屬度最大值為。將代入洗滌時間隸屬度函數(shù)中的，得到規(guī)則前提隸屬度。與規(guī)則結論隸屬度的交點，即得到采用最大平均值法，可得精確輸出為即所需要的洗滌時間為25分鐘。1.04/5MDMG(a)規(guī)則一MMDLGLGLDLVL1.0(b)規(guī)則二(c)規(guī)則三100 x100y1.01.01.01.01.01.01.0100 x100 x060100y100yzz60z40201010000000004/53/53/52/52/51/51/52/5洗衣機的3個規(guī)則被觸發(fā)仿真實例采用Matlab中模糊控制工具箱等的模糊命令設計洗衣機模糊控制系統(tǒng)。采用本

10、節(jié)隸屬函數(shù)按上述步驟設計。取，反模糊化采用重心法，模糊推理結果為33.6853。利用模糊命令ruleview可實現(xiàn)模糊控制的動態(tài)仿真洗衣機模糊控制系統(tǒng)仿真程序如下：close all：a=newfis(fuzz-wash)；a=addvar(a，input，x，0，100)；%Fuzzy Staina=addmf(a，input，1，SD，trimf，0，0，50)；a=addmf(a，input，1，MD，trimf，0，50，100)；a=addmf(a，input，1，LD，trimf，50，100，100)；a=addvar(a，input，y，0，100)；%Fuzzy Axunge

11、a=addmf(a，input，2，NG，trimf，0，0，50)；a=addmf(a，input，2，MG，trimf，0，50，100)；a=addmf(a，input，2，LG，trimf，50，100，100)；a=addvar(a，output，z，0，60)；%Fuzzy Timea=addmf(a，output，1，VS，trimf，0，0，10)；a=addmf(a，output，1，S，trimf，0，10，25)；a=addmf(a，output，1，M，trimf，10，25，40)；a=addmf(a，output，1，L，trimf，25，40，60)；a=addm

12、f(a，output，1，VL，trimf，40，60，60)；rule list=1 1 1 1 1：1 2 3 1 1：1 3 4 1 1：2 1 2 1 1：2 2 3 1 1：2 3 4 1 1：3 1 3 1 1：3 2 4 1 1：3 3 5 1 1；a=addrule(a，rulelist)；showrule(a) % showfuzzyrule baseal=setfis(a，Defuzz Method，mom)；% Defuzzywritefis(al，wash)； % Save to fuzzy file “washfis”a2=readfis(wash)；figure(1)；plotfis(a2)；figure(2)；plotmf(a，intput，1)；figure(3)；plotmf(a，intput，2)；figure(4)；plotmf(a，output，1)；ruleview(wash)； % Dynamic Simulationx=60；y=70；z=ev