matlab下模糊控制器设计步骤Word文档下载推荐.docx

1、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NB，NM，NS，ZO，PS，PM，PB，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，-1，0，1，2，3；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.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

2、例，设置论域范围为-3 3，添加隶属函数的个数为7.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。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。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

3、们这里选取重心法。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。下面我们检验一下，看看我们的控制器到底怎么样。以一个简单的电机控制为例，我们在Simulink中建立了它的模糊控制系统如下：在用这个控制器之前，需要用readfis指令将fuzzy1.fis加载到matlab的工作空间，比如我们用这样的指令：myFLC=readfis（fuzzy1.fis）；就创建了一个叫myFLC的结构体到工作空间，并在fuzzy logic controller中参数设为：myFLC。可以看到，在模糊控制器的输入和输出均有一个比例系数，我们叫它量化因子，它反映的是模

4、糊论域范围与实际范围之间的比例关系，例如，模糊控制器输入输出的论域范围均为-3，3，而实际误差的范围是-10，10，误差变化率范围是-100，100，控制量的范围是-24，24，那么我们就可以算出量化因子分别为0.3，0.03，8。量化因子的选取对于模糊控制器的控制效果有很大的影响，因此要根据实际情况认真选取哦。好，现在我们可以设定仿真步长，比如定步长的10ms，就可以运行了。运行后，产生这样一个错误：MinMax blocks do not accept boolean signals. The input signal（s） of block test_fuzzy/Fuzzy Logic

5、Controller/FIS Wizard/Defuzzification1/Max （COA） must be one of the MATLAB uint8, uint16uint32int8int16int32single, or double data types我想很多朋友做模糊控制的时候都会遇到这个情况。没关系，这里提供两个解决办法：1直接在Defuzzification1这个模块中的那个比较环节后加入数据类型转换模块，将boolean转化为double型，或者双击那个比较模块，选中show additional parameters，将输出数据类型改为specify via dialog，然后选uint（8）即可；但是在仿真之后，又会发现很多地方都存在这个问题，因此你不得不一个一个去修改，如果你不怕累的话。2第二个方法是最简单的，直接在simulation parameters-advanced将boolean logic signals选为off，强烈推荐你用这个。好了，这些都解决了，我们就可以仿真了，例如给个方波信号，可以得到仿真曲线如下