精华内容
下载资源
问答
  • 二输入模糊控制程序

    2018-06-05 19:12:52
    基于西门子的SCL编程语言编写的二输入模糊控制程序,可在支持该语言的PLC下使用,
  • 为解决单输入规则模块连接区间模糊控制器的设计缺少系统化方法的问题,提出了一种利用先验知识中所包含信息来系统化地构建单输入规则模块连接区间模糊控制器的方法。考虑了3种类型的关于被控系统的先验知识:...
  • 输入单输出模糊控制c语言程序.c文件,c语言编写,此程序原为本人用在模糊PID上
  • matlab模糊控制工具箱使用和模糊控制pid实例参考

    万次阅读 多人点赞 2019-02-28 13:26:17
    Matlab模糊控制工具箱为模糊控制器的设计提供了一种非常便捷的途径,通过它我们不需要进行复杂的模糊化、模糊推理及反模糊化运算,只需要设定相应参数,就可以很快得到我们所需要的控制器,而且修改也非常方便。...

    Matlab模糊控制工具箱为模糊控制器的设计提供了一种非常便捷的途径,通过它我们不需要进行复杂的模糊化、模糊推理及反模糊化运算,只需要设定相应参数,就可以很快得到我们所需要的控制器,而且修改也非常方便。下面将根据模糊控制器设计步骤,一步步利用Matlab工具箱设计模糊控制器。

    1、模糊控制工具箱使用

    首先我们在Matlab的命令窗口(command window)中输入fuzzy,回车就会出来这样一个窗口。

    下面我们都是在这样一个窗口中进行模糊控制器的设计。

    1确定模糊控制器结构:即根据具体的系统确定输入、输出量。

    这里我们可以选取标准的二维控制结构,即输入为误差e和误差变化ec,输出为控制量u。注意这里的变量还都是精确量。相应的模糊量为EECU,我们可以选择增加输入(Add Variable)来实现双入单出控制结构。

    2输入输出变量的模糊化:即把输入输出的精确量转化为对应语言变量的模糊集合。

    首先我们要确定描述输入输出变量语言值的模糊子集,如{NBNMNSZOPSPMPB},并设置输入输出变量的论域,例如我们可以设置误差E(此时为模糊量)、误差变化EC、控制量U的论域均为{-3-2-10123};然后我们为模糊语言变量选取相应的隶属度函数。

    在模糊控制工具箱中,我们在Member Function Edit中即可完成这些步骤。首先我们打开Member Function Edit窗口.

    4步教你学会使用matlab模糊控制工具箱

    4步教你学会使用matlab模糊控制工具箱

    然后分别对输入输出变量定义论域范围,添加隶属函数,以E为例,设置论域范围为[-3 3],添加隶属函数的个数为7.

     4步教你学会使用matlab模糊控制工具箱

    然后根据设计要求分别对这些隶属函数进行修改,包括对应的语言变量,隶属函数类型。

    4步教你学会使用matlab模糊控制工具箱

    3模糊推理决策算法设计:即根据模糊控制规则进行模糊推理,并决策出模糊输出量。

    首先要确定模糊规则,即专家经验。对于我们这个二维控制结构以及相应的输入模糊集,我们可以制定49条模糊控制规则(一般来说,这些规则都是现成的,很多教科书上都有),如图。

    4步教你学会使用matlab模糊控制工具箱

    制定完之后,会形成一个模糊控制规则矩阵,然后根据模糊输入量按照相应的模糊推理算法完成计算,并决策出模糊输出量。

    4对输出模糊量的解模糊:模糊控制器的输出量是一个模糊集合,通过反模糊化方法判决出一个确切的精确量,凡模糊化方法很多,我们这里选取重心法。

        4步教你学会使用matlab模糊控制工具箱

    5)然后Export to disk,即可得到一个.fis文件,这就是你所设计的模糊控制器。

    6)simulink中使用fis文件,首先加入fuzzy模块,然后写入模糊文件,注意应用格式加单引号: 'fuzzpid.fis'

     

    2、模糊控制pid实例

    模糊PID控制,即利用模糊逻辑并根据一定的模糊规则对PID的参数进行实时的优化,以克服传统PID参数无法实时调整PID参数的缺点。模糊PID控制包括模糊化,确定模糊规则,解模糊等组成部分。小车通过传感器采集赛道信息,确定当前距赛道中线的偏差E以及当前偏差和上次偏差的变化ec,根据给定的模糊规则进行模糊推理,最后对模糊参数进行解模糊,输出PID控制参数。

     

     

    KP的模糊规则控制表

    ∆kp

    EC

    NB

    NM

    MS

    ZO

    PS

    PM

    PB

    E

    NB

    PB

    PB

    PM

    PM

    PS

    ZO

    ZO

    NM

    PB

    PB

    PM

    PS

    PS

    ZO

    NS

    NS

    PM

    PM

    PM

    PS

    ZO

    NS

    NS

    ZO

    PM

    PM

    PS

    ZO

    NS

    NM

    NM

    PS

    PS

    PS

    ZO

    NS

    NS

    NM

    NM

    PM

    PS

    ZO

    NS

    NM

    NM

    NM

    NB

    PS

    ZO

    ZO

    NM

    NM

    NM

    NB

    NB

     KI的模糊规则控制表

    ∆ki

    EC

    NB

    NM

    NS

    ZO

    PS

    PM

    PB

    E

    NB

    NB

    NB

    NM

    NM

    NS

    ZO

    ZO

    NM

    NB

    NB

    NM

    NS

    NS

    ZO

    ZO

    NS

    NB

    NM

    NS

    NS

    ZO

    PS

    PS

    ZO

    NM

    NM

    NS

    ZO

    PS

    PM

    PM

    PS

    NM

    NS

    ZO

    PS

    PS

    PM

    PB

    PM

    ZO

    ZO

    PS

    PS

    PM

    PB

    PB

    PB

    ZO

    ZO

    PS

    PM

    PM

    PB

    PB

    KD的模糊规则控制表

    ∆kd

    EC

    NB

    NM

    NS

    ZO

    PS

    PM

    PB

    E

    NB

    PS

    NS

    NB

    NB

    NB

    NM

    PS

    NM

    PS

    NS

    NB

    NM

    NM

    NS

    ZO

    NS

    ZO

    NS

    NM

    NM

    NS

    NS

    ZO

    ZO

    ZO

    NS

    NS

    NS

    NS

    NS

    ZO

    PS

    ZO

    ZO

    ZO

    ZO

    ZO

    ZO

    ZO

    PM

    PB

    NS

    PS

    PS

    PS

    PS

    PB

    PB

    PB

    PM

    PM

    PM

    PS

    PS

    PB

     

    模糊推理系统结构图

    输入变量的隶属取三角形函数,如下:

    误差变量E的隶属函数

    误差变化变量EC的隶属函数

    输出变量的隶属同样取三角形函数,如下:

    输出变量KP的隶属函数

     

    输出变量KD的隶属函数

    输出变量KI的隶属函数

    确定了输入和输出隶属函数后,在模糊规则编辑器中,输入表格中的模糊推理规则,共49条,如下图

    模糊推理编辑器

    此时得到的三参数的变化如下图

    模糊推理KP变化图

    模糊推理KI变化图

    模糊推理KD变化图

     

    运行仿真得到结果

    PS:有定制开发需求,可以QQ联系:1762016542

    提供matlab simulink 培训 1v1教学 或者思路沟通 答疑等咨询服务,尤其擅长汽车控制、信号处理、数学建模、电机领域

    欢迎关注公众号:算法工程师的学习日志

     

    展开全文
  • 模糊控制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。  模糊控制的过程如下图所示。  上...
  • 输入单输出的模糊控制

    千次阅读 2019-12-19 11:29:06
    思考题:建立两输入单输出的模糊控制器(系统同上),其中一个输入是反馈值与设定的期望值之间的误差,另一输入为反馈值与设定的期望值之间的变化,调整量化因子和比例因子改变控制系统性能。 评价指标:最大偏差...

    思考题:建立两输入单输出的模糊控制器(系统同上),其中一个输入是反馈值与设定的期望值之间的误差,另一输入为反馈值与设定的期望值之间的变化,调整量化因子和比例因子改变控制系统性能。

    评价指标:最大偏差(最大超调) 尽量小(在作业中标出其值),控制时间 (过渡时间)尽量短(在作业中标出其值),余差(静差或残差)(在作业中标出其值)尽量小,达到稳定、快速、准确的控制的目的。

    ===========================================================

    ===========================================================

    1.打开matlab,在命令行窗口中输入fuzzy,回车,弹出窗口

    2.依次点击Edit-Add variable-input,新建输入,然后给两个输入改名为E和EC(也可以不改名)

    3.双击这个红框,弹出窗口

    4.先依次点击Edit-Remove All MFs, 然后Edit-Add MFs,填入7,点击OK

    5.单击左上方的E,修改Range和Display Range,单击右上方图中每条线修改名字NB,NM,NS直至PB(也可以不改)

    6.为EC和U做同样操作

    7.关闭窗口,单击中间标有mamdani字样的白框,通过选择E,EC和U的值并点击Add rule加入规则,一共49条

    8. 关闭,保存, 假设保存为‘myf49.fis’,然后在matlab命令行中输入myFLC=readfis(‘myf49.fis’),回车

    9. 在命令行中输入simulink,回车,然后新建Blank Model

    10. 在主面板或者view中找到Library Browser,点击

    11. 分别搜索step,add,gain,derivative,mux,fuzzy logic controller,transfer fcn,transport delay,scope加入其中,并连线

    12. 双击add,将其改为+-,双击gain改为相应的2和0.75。双击transfer fcn,修改分母,修改后可能不能正常显示,将图形放大即可。双击fuzzy logic controller输入刚才的myf49.fis,注意引号。

    transfer fcn:

    fuzzy logic controller:

    13.将时长调至30,点击绿色箭头运行

    14.双击scope,可观察到波形

    展开全文
  • 提出了一种简化的区间模糊控制器分析方法,该方法首先采用乘积推理,模糊规则的激发隶属度为输入变量隶属度的乘积,统一了控制器的表达式形式,避免了输入空间的划分过程,模糊控制器的结构分析更加简单。型...
  • 我在 simulink 中建立了规则,没有使用模糊逻辑工具箱。这个控制器是一个两输入一输出的模糊控制器第一个输入是错误=... 第输入是error_dot=y(误差的时间导数) 模糊控制器的输出是控制动作的变化而不是控制动作。
  • 基于LQR的级倒立摆模糊控制的论文基于LQR的级倒立摆模糊控制的论文
  • 针对城市交通具有不确定性、随机性和模糊性的特点,本文运用两输入单输出的模糊控制模型,对被控对象的输入量进行了具体的模糊化,并根据模糊集合理论计算结果得出了精确的模糊控制表,在此基础上进行绿灯延时的实时...
  • 模糊控制

    千次阅读 2019-09-27 10:56:19
    这篇与上篇有啥不同呢?上篇只是介绍了简单的单输入单输出的模糊控制器,而此篇介绍更加复杂的模糊控制器帮助大家理解~ 1、以课件中的模糊洗衣机的设计为例,其控制是... 选用单变量模糊控制器。控制器的输入为...

    这篇与上篇有啥不同呢?上篇只是介绍了简单的单输入单输出的模糊控制器,而此篇介绍更加复杂的模糊控制器帮助大家理解~

    1、以课件中的模糊洗衣机的设计为例,其控制是一个开环的决策过程。

    题目要求:①要求用模糊工具箱设计,最后的结果要求截图显示,截图包括模糊控制器模型设计图、模糊控制变量设计图,surface图。

    【答:】

    1)模糊控制器的结构

        选用单变量二维模糊控制器。控制器的输入为衣物的污泥和油脂,输出为洗涤时间。

    2)定义输入输出模糊集

       将污泥分为三个模糊集:SD(污泥少),MD(污泥中),LD(污泥多),取值范围为[0100]

    将油脂分为三个模糊集:NG(无油脂),MG(油脂中),LG(油脂多),取值范围为[0100]。选用如下隶属函数:

        将洗涤时间分为三个模糊集:VS(很短),S(短),M(中等),L(长),VL(很长),取值范围为[060]

    3)定义隶属函数

    4)建立模糊控制规则

    根据人的操作经验设计模糊规则,模糊规则设计的标准为:“污泥越多,油脂越多,洗涤时间越长”;“污泥适中,油脂适中,洗涤时间适中”;“污泥越少,油脂越少,洗涤时间越短”。

    5)建立模糊控制表

    根据模糊规则的设计标准,建立模糊规则表。

    6)模糊推理

        分以下几步进行:

    •  规则匹配。假定当前传感器测得的信息为:污泥为60,油脂为70
    • 规则触发。由上表可知,被触发的规则有4条:
    1. Rule 1IF y is MD and x is MG THEN z is M
    2. Rule 2IF y is MD and x is LG THEN z is L
    3. Rule 3IF y is LD and x is MG THEN z is L
    4. Rule 4IF y is LD and x is LG THEN z is VL

    相关截图

     

     

     

     

     

     

    2、访问以下链接,读《模糊控制在污水处理中的应用》这篇文献,https://wenku.baidu.com/view/1c0af2ef84868762caaed5de.html?sxts=1568941661381

    利用这篇文献中的数据,用模糊工具箱设计一个污水处理的模糊控制器。

    题目要求:①要求用模糊工具箱设计,每一步和最后的结果都要求截图显示,截图包括模糊控制器模型设计图、模糊控制变量设计图,surface图。

    【答:】

     

     

     

     

     

     

    展开全文
  • 模糊控制及自适应模糊控制实现

    万次阅读 多人点赞 2018-06-15 21:17:02
    模糊控制器与自适应模糊控制设计题一:已知某被控对象的传递函数为:(1) 采用维PD模糊控制器,输入变量 和 ,输出变量为 ,其模糊集论域均为[-5,5],语言变量取值[NL,NM,NS,ZO,PS,PM,PL],隶属函数为对称...

    模糊控制器与自适应模糊控制设计

    题一:已知某被控对象的传递函数为:

    (1) 采用二维PD模糊控制器,输入变量 和 ,输出变量为 ,其模糊集论域均为[-5,5],语言变量取值[NL,NM,NS,ZO,PS,PM,PL],隶属函数为对称三角形;规则前件及蕴涵均采用“取小”运算,采用COG反模糊化方法。用Simulink建立单位反馈仿真系统,适当调整模糊控制器的增益系数 , 及 ,求出系统的阶跃响应曲线;

    (2) 已知条件同条件(1),求系统单位斜坡输入时的系统响应曲线,分析系统响应曲线,分析系统响应曲线是否有静态偏差存在,为什么?

    (3) 已知条件同条件(1),针对单位斜坡输入,要求系统无静态偏差,该怎样设计模糊控制器?设计相应的模糊控制器并进行系统仿真。

    解:

    (1):建立系统Simulink模型及单位阶跃响应曲线:

    图1 模糊规则表

    图2 系统Simulink模型

    图3 不同参数下的阶跃响应曲线

    (2) 单位斜坡输入下的系统响应曲线

     

     

    图4 斜坡输入下不同参数系统响应

           结论:综合图3和图4可以看出,误差量化因子能够对系统的快速响应特性和超调量起到很好的控制作用,而误差变化率因子对系统的动态特性起到很好的调节作用,同时系统均存在稳态误差,所以整体上模糊控制器的作用类似与PD控制器。

    (3):加入积分环节

    图5 Simulink模型

    图6 斜坡响应输出

           结论:将积分因子加入模糊控制器后可以看出系统的稳态误差得到消除,整体上类似于PID控制器。

    题二:设被控对象的传递函数为

    式中 。参考模型为一阶系统。系统参考输入为

    (1) 针对 设计一个直接模糊控制器(非自适应),使得对象的输出尽可能接近参考模型的性能指标。模糊控制器为二维模糊控制器,其输入变量为偏差 , 为系统参考输入, 为被控对象输出;偏差变化 (用一阶后向差分近似)。

    (2) 针对 设计模糊模型参考学习自适应控制系统,使得对象输出跟踪参考模型输出并尽可能地靠近它。将(1)中所设计的模糊控制器作为初始模糊控制器并为FMRLC(模糊模型参考学习控制)所调整,进行系统仿真。

    解:

    (1).模糊控制器设计:

    (a) 设计步骤:输入变量e 和ec ,输出变量为 u,其模糊集论域分别为[-8,8],[-1.6,1.6],[-4,4],语言变量均为[NL,NM,NS,ZO,PS,PM,PL],隶属函数为对称三角形;规则前件及蕴涵均采用“取小”运算,采用COG反模糊化方法,模糊规则采用与图1相同。

    (b)  Simulink模型:

    图7 Simulink模型

    仿真结果:

    图8 模糊控制跟踪曲线

           结论:从结果可以看出单纯的模糊控制器输出存在很严重的相位滞后,控制系统的响应跟踪较差。

    (2) 模糊模型参考学习自适应(FMRLC)控制系统:

           设计方法1:根据模糊逆模型实际输出得到控制量校正kp,对原模糊控制器的输出隶属度函数位置进行平移,得到系统的实时响应曲线和误差变化。图9,10,11,分别为系统Simulink模型,系统实时跟踪响应和系统误差响应曲线。

           主要设计步骤为(核心代码说明见附录A.1):

        (a)     根据输入变量e和ec确定各自对应的模糊论域等级;

        (b)     查询规则表中由e和ec激活的规则,并获取在规则激活下输出u的论域等级;

        (c)     根据获取的逆模型输出校正量p,对激活输出下的u的隶属度函数进行平移,当p为正时向右平移,当p为负时向左平移,平移量均为p;

    图9 模糊参考模型自适应控制Simulink图

    图10 系统跟踪响应

    图11 系统跟踪误差

           可以看出,通过对模糊控制器规则的实时修改可以起到稳定跟踪的效果,系统的响应误差在0.004附近。

    设计方法2:在方法1的基础进一步对激活规则的权重进行修改,修改的原则在于,当模糊逆模型控制输出量p较大时,其激活规则的权重应该相应的增大以保证增大系统输出,减小跟踪误差,反之亦然。

    主要步骤(核心代码见附录A.2):

        (a)     根据输入变量e和ec确定各自对应的模糊论域等级;

        (b)     查询规则表中由e和ec激活的规则,并获取在规则激活下输出u的论域等级;

        (c)     根据获取的逆模型输出校正量p,对激活输出下的u的隶属度函数进行平移,当p为正时向右平移,当p为负时向左平移,平移量均为p;

        (d)     将激活的规则权重在原来的基础上增加p;

     

    图12 增加规则权重修改的模糊控制器Simulink模型

    图13 系统跟踪响应

    图14 系统跟踪误差

    图15 增加规则权重修改与规则修改误差跟踪曲线对比

    可以看出,在进一步引入权重修改后,其系统响应更加平滑,系统在波峰波谷处的跟踪效果有所提高。

    附录

    A.1:

    function u = adaptive_fuzzy(p, e, ec)

    coder.extrinsic('readfis');

    coder.extrinsic('writefis');

    coder.extrinsic('evalfis');

    coder.extrinsic('newfis');

    coder.extrinsic('addvar');

    coder.extrinsic('addmf');

    coder.extrinsic('addrule');

    coder.extrinsic('setfis');

    a = newfis('adapfuzzy');

    %确定e和ec的模糊论域等级

    dist_e = fix((e+1)*3);%截尾取整

    degleft_e = 1 + dist_e;

    degright_e = degleft_e + 1;

     

    dist_ec = fix((ec+1)*3);%截尾取整

    degleft_ec = 1 + dist_ec;

    degright_ec = degleft_ec +1;

     

    %规则列表

    rulelist = [1 1 1 1 1

        1 2 1 1 1

        1 3 1 1 1

        1 4 1 1 1

        1 5 2 1 1

        1 6 3 1 1

        1 7 4 1 1

     

        2 1 1 1 1

        2 2 1 1 1

        2 3 2 1 1

        2 4 2 1 1

        2 5 3 1 1

        2 6 4 1 1

        2 7 4 1 1

     

        3 1 1 1 1

        3 2 2 1 1

        3 3 2 1 1

        3 4 3 1 1

        3 5 4 1 1

        3 6 4 1 1

        3 7 3 1 1

     

        4 1 2 1 1

        4 2 3 1 1;

        4 3 3 1 1

        4 4 4 1 1

        4 5 5 1 1

        4 6 5 1 1

        4 7 6 1 1

     

        5 1 3 1 1

        5 2 4 1 1

        5 3 4 1 1

        5 4 5 1 1

        5 5 6 1 1

        5 6 6 1 1

        5 7 7 1 1

     

        6 1 4 1 1

        6 2 4 1 1

        6 3 5 1 1

        6 4 6 1 1

        6 5 6 1 1

        6 6 7 1 1

        6 7 7 1 1

     

        7 1 4 1 1

        7 2 5 1 1

        7 3 6 1 1

        7 4 7 1 1

        7 5 7 1 1

        7 6 7 1 1

        7 7 7 1 1];

    u_index = zeros(1,4);

    index = 1;

    %根据激活的规则获取对应输出u的论域等级

    for i=degleft_e:degright_e

        for j=degleft_ec:degright_ec

            ifrulelist(7*(i-1)+j,3)==u_index(1)||rulelist(7*(i-1)+j,3)==u_index(2)||rulelist(7*(i-1)+j,3)==u_index(3)||rulelist(7*(i-1)+j,3)==u_index(4)

                continue;

            else

               u_index(index)=rulelist(7*(i-1)+j,3);

                index=index+1;

            end

        end

    end

    %设置输入e的隶属度函数

    a = addvar(a,'input','e',[-1,1]);

    for i=1:7

       a = addmf(a,'input',1,i,'trimf',[-4/3+(i-1)/3,-1+(i-1)/3,-2/3+(i-1)/3]);

    end

    %设置输入ec的隶属度函数

    a = addvar(a,'input','ec',[-1,1]);

    for i=1:7

        a = addmf(a,'input',2,i,'trimf',[-4/3+(i-1)/3,-1+(i-1)/3,-2/3+(i-1)/3]);  

    end

    %根据控制量p设置输出隶属度函数

    a = addvar(a,'output','u',[-1,1]);

    for i=1:7

        %对相应的隶属度函数进行平移

        ifi==u_index(1)||i==u_index(2)||i==u_index(3)||i==u_index(4)

             a = addmf(a,'output',1,i,'trimf',[-4/3+(i-1)/3+p,-1+(i-1)/3+p,-2/3+(i-1)/3+p]);

        else

             a = addmf(a,'output',1,i,'trimf',[-4/3+(i-1)/3,-1+(i-1)/3,-2/3+(i-1)/3]);

        end

    end

    a = addrule(a,rulelist);

    adapfuzzy = setfis(a,'DefuzzMethod','centroid');%面积重心法去模糊化·¨

    u = 0.0;

    u =evalfis([e,ec],adapfuzzy);

     

     

    A.2 在A.1的基础上增添以下代码

    %根据修改激活规则权重

    for i=degleft_e:degright_e

        for j=degleft_ec:degright_ec

           rulelist(7*(i-1)+j,4)=rulelist(7*(i-1)+j,4) + p;

        end

    end

     

     

    展开全文
  • 模糊控制器的分类 ...但是维数选择太高,模糊控制规律就过于复杂,这是人们在设计模糊控制系统时,多数采用维控制器的原因。 模糊控制器的组成 (1)选择语言变量 针对模糊控制器的每个输入、输...
  • 输入单输出模糊控制代码C51

    千次阅读 2015-09-12 10:13:28
    基于8位单片机的模糊控制算法程序,实现2输入1输出模糊控制输入为偏差e,偏差变化率ec,输出为阀门开度,此程序以中央空调制冷控制为例。 以下为模糊算法源程序: /*********************************************...
  • 模糊控制 MATLAB 仿真

    万次阅读 多人点赞 2018-12-11 23:25:34
     选用单变量模糊控制器。控制器的输入为衣物的污泥和油脂,输出为洗涤时间。 (2)定义输入输出模糊集  X:将污泥分为三个模糊集:SD(污泥少),MD(污泥中),LD(污泥多),取值范围为[0,100]。  Y:...
  • 模糊控制控制器设计

    千次阅读 2020-12-29 22:31:42
    模糊控制设计控制器 模糊控制的具体过程不详细介绍,具体参考例子参考博客:https://www.cnblogs.com/long5683/p/9963488.html 问题 使用一个具体的问题来解释模糊控制器的设计:设计一个模糊控制器,通过控制进水...
  • 利用最优反馈矩阵加权模糊控制器的输入变量,并对系统的状态进行了综合处理。该方法减少了模糊控制器的输入,降低了控制器的设计难度。仿真结果表明:该模糊控制器结构简单,系统响应稳态误差较小,调节时间和超调量符合...
  • 系统的指令信号为恒定值,通过模糊控制器消除外界对系统的扰动作用,使系统的输出跟踪输入的恒定值。也称为“自镇定模糊控制系统”,如温度模糊控制系统。 (2)随动模糊控制系统 系统的指令信号为时间函数,...
  • 模糊控制应用实例——洗衣机的模糊控制详解 模糊控制的一般流程(以洗衣机为例) (1)确定模糊控制器的结构 控制器的输入为衣物的污泥和油脂 控制器的输出为洗涤时间 (2)定义输入、输出的模糊集 污泥定义为3个...
  • 模糊控制

    千次阅读 2019-10-22 15:57:07
    模糊控制 基本内容 模糊逻辑指模仿人脑的不确定性概念判断、推理思维方式,对于模型未知或不能确定的描述系统,以及强非线性、大滞后的控制对象,应用模糊集合和模糊规则进行推理,表达过渡性界限或定性知识经验,...
  • 模糊控制

    千次阅读 2018-10-08 17:44:43
    假如控制一辆小车,输入量为距离dst,角度 phi,输出为线速度v,角速度w, 这里共有6个变量;输入有4个:距离,距离偏差,角度,角度偏差,输出2个,线速度,角速度 假设线速度的变化范围为线速度0.07m/s~0.8m/s,...
  • 针对两输入(e,△e)一输出(e)的典型模糊控制器,输入隶属函数为三角形、全交迭、不均匀分布,输出隶属函数为单点、均匀分布,当采用线性控制规则和Sum-Product推理方法时,证明了输出的解析表达式是一个全局的维多...
  • 模糊控制介绍

    万次阅读 2018-11-18 01:03:51
    模糊控制介绍
  • 级倒立摆系统是一个多变量、非线性、不稳定的快速系统,在对其进行传统的模糊控制时,由于多变量输入而容易造成“规则爆炸”。为解决这一问题,提出了基于粒度计算的级倒立摆模糊控制策略。根据粒度空间结构,将...
  • 模糊控制原理

    万次阅读 2016-10-26 16:22:38
    模糊控制原理(转载) 我们通常可以用“模糊计算”笼统地代表诸如模糊推理(FIS,Fuzzy Inference System)、模糊逻辑(Fuzzy Logic)、模糊系统等模糊应用领域中所用到的计算方法及理论。在这些系统中,广泛地...
  • 模糊控制系统实现

    千次阅读 2019-10-22 16:03:05
    模糊控制器的构成我们知道,输入模糊化,模糊推理,解模糊化,是实施模糊控制的三个主要环节。 模糊化:选定模糊控制器的输入量,将其转换为系统可识别的模糊量。 规则库:根据经验建立模糊规则库。包含众多控制...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 58,886
精华内容 23,554
关键字:

二输入模糊控制