关于fuzzy Controller的用法.docx
《关于fuzzy Controller的用法.docx》由会员分享，可在线阅读，更多相关《关于fuzzy Controller的用法.docx（12页珍藏版）》请在冰点文库上搜索。
关于fuzzyController的用法
调用fuzzy工具箱，生成的是一个.fis的文件，文件名就是你在工具箱里边定义的名字，如图中的4位置。
通过调用file—import—fromfile可以导入使用文本编辑其编辑好的fis文件，进行修改。
可以把编辑好的模糊推理器导出到文件中。
File—export
如图中1位置，当选中一个模块的时候，相应的模块边框会变色。
双击就可以对他进行编辑，输入的模糊话，输出（图总位置3）的去模糊。
双击图中2位置的模块添加相应的模糊推理规则，对应生成的fis文件当中的[rules]下边的东东。
图中位置5和位置6对应的地方的内容基本不用变，目前模糊推理一般都用的这种方法。
图中位置7的位置是选中上边的模块的时候，相应的信息，可以修改名字，但不能编辑其他的内容。
这个图是模糊推理输入输出成员函数（membershipfunction）的编辑其，选中位置1的其中一个，就可以编辑对应的隶属度函数。
AddMFS是成组添加隶属度函数。
这种方式添加的时候，隶属度函数的类型是一样的，比如都用三角函数，或都用高斯函数。
用三角的多。
Addcustommf这个是单独添加一个隶属度函数。
其中涉及到得几个变量是：
模糊语言变量名称。
如图总共的mf1，mf2，对应实际用的NBNM之类的。
还有就是隶属度函数类型。
再一个就是隶属函数对应的几个端点。
高斯和三角都有三个，s型函数和z型函数有两个。
当然添加隶属度函数的时候，可以先确定形状，选用什么类型的函数，然后是用几个，完了先粗略的添加进来。
之后可以在上图位置2对应要修改的隶属函数，选中以后，移动各个小方块，再细改。
注意位置2右上角的，那个是函数曲线显示的点数，显示的越多，越精细，但是可能就越耗cpu。
我见过的一般都用三角，计算简单。
顶多最左边用z型函数，最右边用s函数。
中间用一个高斯。
输入输出隶属度函数确定后，完了就是编辑模糊规则
位置1为添加好的规则。
位置2为输入组合逻辑，mf1，mf2对应各个输入的模糊语言变量，具体看实际是定的名字。
如NB,NM。
。
。
。
。
可以对某个模糊语言变量执行not逻辑。
输入组合的时候可以选择and或者是or。
权重一般都是1。
。
。
。
位置3的地方是对应的左边的2的每个阻隔逻辑，输出要输出的那个模糊语言变量。
最红点addrule就可以在位置1看到相应的新添加的模糊规则。
完了点最上边模糊工具箱的file---export---toworkspace导入模糊推力器到工作空间
File—export—tofile是到出到文件。
最好导出到文件，这样下次还可以用，文件名就是你在simulink调用模糊逻辑块是要写的名字，加后缀，然后用单引号括起来。
到此，一个完整的模糊推理机（模糊控制器）就完成了。
下边是我用到的2输入3输出，输入、输出每个都有7个模糊语言变量，共有7*7共49条rules，下边是抓图。
下边是生成的fis文件。
在这个里边修改也可以达到同样的效果。
在fis文件当中，不能有注释什么的。
[System]这个是关键字
Name='fuzzypid'模糊推理机名字，这个最好和文件名字统一
Type='mamdani'类型，不用变
Version=2.0版本
NumInputs=2输入变量个数，按实际的来
NumOutputs=3输出变来那个个数，按实际的来
NumRules=49rules个数
AndMethod='min'不用变
OrMethod='max'不用变
ImpMethod='min'不用变
AggMethod='max'不用变
DefuzzMethod='centroid'不用变，解模糊方法
[Input1]不能变，第一个输入变量
Name='e'输入变量的名字
Range=[-33]论域范围
NumMFs=7模糊语言个数
MF1='NB':
'zmf',[-31]第一个模糊语言变来那个对应的隶属度函数，改后边的就成，分别是模糊语言变量名，隶属函数形状，关键点。
下同，输入变量，输出变量
MF2='NM':
'trimf',[-3-20]
MF3='NS':
'trimf',[-3-11]
MF4='Z':
'trimf',[-202]
MF5='PS':
'trimf',[-113]
MF6='PM':
'trimf',[023]
MF7='PB':
'smf',[-13]
[Input2]第二个输入
Name='ec'
Range=[-33]
NumMFs=7
MF1='NB':
'zmf',[-31]
MF2='NM':
'trimf',[-3-20]
MF3='NS':
'trimf',[-3-11]
MF4='Z':
'trimf',[-202]
MF5='PS':
'trimf',[-113]
MF6='PM':
'trimf',[023]
MF7='PB':
'smf',[-13]
[Output1]第一个输出
Name='kp'
Range=[-0.30.3]
NumMFs=7
MF1='NB':
'zmf',[-0.3-0.1]
MF2='NM':
'trimf',[-0.3-0.20]
MF3='NS':
'trimf',[-0.3-0.10.1]
MF4='Z':
'trimf',[-0.200.2]
MF5='PS':
'trimf',[-0.10.10.3]
MF6='PM':
'trimf',[00.20.3]
MF7='PB':
'smf',[0.10.3]
[Output2]
Name='ki'
Range=[-0.060.06]
NumMFs=7
MF1='NB':
'trimf',[-0.06-0.06-0.02]
MF2='NM':
'trimf',[-0.06-0.040]
MF3='NS':
'trimf',[-0.06-0.020.02]
MF4='Z':
'trimf',[-0.0400.04]
MF5='PS':
'trimf',[-0.020.020.06]
MF6='PM':
'trimf',[00.040.06]
MF7='PB':
'trimf',[0.020.060.06]
[Output3]
Name='kd'
Range=[-33]
NumMFs=7
MF1='NB':
'zmf',[-31]
MF2='NM':
'trimf',[-3-20]
MF3='NS':
'trimf',[-3-11]
MF4='Z':
'trimf',[-202]
MF5='PS':
'trimf',[-113]
MF6='PM':
'trimf',[023]
MF7='PB':
'smf',[-13]
[Rules]这个是模糊推理规则分别是输入，输出，
（1）:
1这两个不用变。
比如用的是NB,NM,NS,Z,PS,PM,PB的话，NB就是1，依次类推7*7=49条模糊规则，主要是要遍历两个输入，每个输入有7个，就是49条了…..
11,715
（1）:
1
12,713
（1）:
1
13,621
（1）:
1
14,621
（1）:
1
15,531
（1）:
1
16,442
（1）:
1
17,445
（1）:
1
21,715
（1）:
1
22,713
（1）:
1
23,621
（1）:
1
24,532
（1）:
1
25,532
（1）:
1
26,443
（1）:
1
27,344
（1）:
1
31,614
（1）:
1
32,623
（1）:
1
33,623
（1）:
1
34,532
（1）:
1
35,443
（1）:
1
36,353
（1）:
1
37,354
（1）:
1
41,624
（1）:
1
42,623
（1）:
1
43,533
（1）:
1
44,443
（1）:
1
45,353
（1）:
1
46,263
（1）:
1
47,264
（1）:
1
51,524
（1）:
1
52,534
（1）:
1
53,444
（1）:
1
54,354
（1）:
1
55,354
（1）:
1
56,264
（1）:
1
57,274
（1）:
1
61,547
（1）:
1
62,445
（1）:
1
63,355
（1）:
1
64,255
（1）:
1
65,265
（1）:
1
66,275
（1）:
1
67,177
（1）:
1
71,447
（1）:
1
72,447
（1）:
1
73,256
（1）:
1
74,266
（1）:
1
75,265
（1）:
1
76,175
（1）:
1
77,177
（1）:
1
用m文件进行模糊仿真的话，你那个pid书里边就有程序，大概过程是：
a=newfis（'fuzzypid'）;添加模糊推理器a
a=addvar（a,'input','e',[-3,3]）;给推力器a添加变量，input或output，变量名字，范围，下边这句是添加membershipfunction。
a=addmf（a,'input',1,'NB','zmf',[-3,1]）;哪个模糊推理器，变量类型IN/OUT，顺序（在rule中用到），语言变量，函数类型，关键点。
输入输出都一样。
添加完输入输出变量得隶属度函数，下边就是添加模糊规则。
rulelist=[1171511;
1271311;
…….
7717711];
a=addrule（a,rulelist）;
先输入模糊规则，然后调用addrule把模糊规则添加到指定的模糊推理器a。
a=setfis（a,'defuzzmethod','centroid'）;解模糊方法
writefis（a,'fuzzypid'）;保存模糊推理器a，到文件fuzypid后缀为.FIS
a=readfis（'fuzzypid'）;可用可不用。
如果有现成的，上边的可以不用，直接用readfis就可以把保存的fis文件送给a
k_pid=evalfis（[e_1,ec_1],a）;这句是在仿真时候，进行模糊推理，送一组输入，经模糊推理后，得到一组输出。
模糊控制器的设计我认为最麻烦的是：
输入输出的匹配问题，隶属函数的划分，关键点的处理，还有模糊规则，没有可参照的程序，是个很麻烦的工作，得反复看曲线，然后修改，最终才可能得到有效的曲线。
升级会员 