模糊控制算法实例解析(含代码)
2017-09-12 08:46
579 查看
首先来看一个实例,控制进水阀S1和出水阀S2,使水箱水位保持在目标水位O处。
按照日常操作经验,有以下规则:
1、 若当前水位高于目标水位,则向外排水,差值越大,排水越快;
2、 若当前水位低于目标水位,则向内注水,差值越大,注水越快;
3、 若当前水位和目标水位相差很小,则保持排水速度和注水速度相等。
下面来设计一个模糊控制器
偏差e对应的模糊表如下:
同样将控制量u划分为5个模糊集,负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB),u为负表示增大进水阀门S1的开度(同时减小出水阀门S2的开度),u为正表示减小进水阀门S1的开度(同时增大出水阀门S2的开度)。设定u的取值范围为[-4,4],隶属度函数如下。
控制量u对应的模糊表如下:
(1)若e负大,则u负大;
(2)若e负小,则u负小;
(3)若e为零,则u为零;
(4)若e正小,则u正小;
(5)若e正大,则u正大;
将上述用语言描述的规则转化为’’IF A THEN B’’的语句如下:
(1)最大隶属度法—-计算简单控制要求不高场合
(2)重心法—-输出更平滑
(3)加权平均法—-工业上应用最广泛
具体方法的介绍请参照刘金琨《智能控制》一书P45-P46,博文最后会附上书籍相关链接。
通过matlab集成的模糊控制模块,我们能够更加方便地对应偏差e和控制量u的关系,并可以调节e在不同值下u的对应输出。
Matlab程序
备注:
1、模糊规则矩阵rulelist的含义:模糊矩阵是由模糊规则转化而来,这里矩阵规模为5*4,矩阵第一列表示输入e(5个模糊集合PB/PS/ZO/NS/NB依次对应1-5),矩阵第二列表示输出u(含义同理),第三列为规则的权重weight,第四列为AND模糊运算(1对应AND,2对应OR),如果是多输入多数出模糊控制器,规则列表的含义请参考:
The first mcolumns refer to the inputs of the system. Each column contains a number thatrefers to the index of the membership function for that variable.
The next n columns refer to the outputs of thesystem. Each column contains a number that refers to the index of themembership function for that variable.
The m + n + 1 column contains the weight that isto be applied to the rule. The weight must be a number between zero and one andis generally left as one.
The m + n + 2 column contains a 1 if the fuzzyoperator for the rule’s antecedent is AND. It contains a 2 if the fuzzyoperator is OR.
2、设置反模糊化方法setfis(a,’DefuzzMethod’,‘mom’);反模糊化方法不同最终输出控制量也不同。
mom 最大隶属度平均法
centroid 面积重心法
bisector 面积等分法
som 最大隶属度取小法
lom 最大隶属度去大法
3、如果要对决策结果取整有三种方法:round(四舍五入)、ceil(向上取整)、floor(向下取整)。
最后总结一下模糊控制器的设计步骤:
参考书籍:
刘金琨《智能控制》 PDF下载链接:http://pan.baidu.com/s/1dFxdoqt 密码:ehom
按照日常操作经验,有以下规则:
1、 若当前水位高于目标水位,则向外排水,差值越大,排水越快;
2、 若当前水位低于目标水位,则向内注水,差值越大,注水越快;
3、 若当前水位和目标水位相差很小,则保持排水速度和注水速度相等。
下面来设计一个模糊控制器
1、选择观测量和控制量
一般选择偏差e,即目标水位和当前水位的差值作为观察量,选取阀门开度u为控制量。2、输入量和输出量的模糊化
将偏差e划分为5个模糊集,负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB),e为负表示当前水位低于目标水位,e为正表示当前水位高于目标水位。设定e的取值范围为[-3,3],隶属度函数如下。偏差e对应的模糊表如下:
隶属度 | 变化等级 | |||||||
-3 | -2 | -1 | 0 | 1 | 2 | 3 | ||
模糊集 | PB | 0 | 0 | 0 | 0 | 0 | 0.5 | 1 |
PS | 0 | 0 | 0 | 0.5 | 1 | 0.5 | 0 | |
ZO | 0 | 0 | 0.5 | 1 | 0.5 | 0 | 0 | |
NS | 0 | 0.5 | 1 | 0.5 | 0 | 0 | 0 | |
NB | 1 | 0.5 | 0 | 0 | 0 | 0 | 0 |
控制量u对应的模糊表如下:
隶属度 | 变化等级 | |||||||||
-4 | -3 | -2 | -1 | 0 | 1 | 2 | 3 | 4 | ||
模糊集 | PB | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0.5 | 1 |
PS | 0 | 0 | 0 | 0 | 0 | 0.5 | 1 | 0.5 | 0 | |
ZO | 0 | 0 | 0 | 0.5 | 1 | 0.5 | 0 | 0 | 0 | |
NS | 0 | 0.5 | 1 | 0.5 | 0 | 0 | 0 | 0 | 0 | |
NB | 1 | 0.5 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
3、制定模糊规则
模糊规则的制定是模糊控制的核心内容,控制性能的好坏很大程度上由模糊规则决定,目前主要是根据经验来制定相应的规则。【后面可以结合神经网络来学习模糊规则】(1)若e负大,则u负大;
(2)若e负小,则u负小;
(3)若e为零,则u为零;
(4)若e正小,则u正小;
(5)若e正大,则u正大;
将上述用语言描述的规则转化为’’IF A THEN B’’的语句如下:
4、求解模糊关系
根据制定的模糊规则,通过相应的模糊集合运算,可得到模糊关系集合R。5、进行模糊决策
我们最终需要获得的控制量u即为模糊控制的输出,u可由偏差矩阵e和模糊关系矩阵R合成得到。6、控制量的反模糊化
我们模糊决策得到的控制量u是一个矩阵,并不能直接应用在工程上,因此需要将u解释为实际中的特定行为,即反模糊化操作。目前常用的反模糊化方法有以下几种:(1)最大隶属度法—-计算简单控制要求不高场合
(2)重心法—-输出更平滑
(3)加权平均法—-工业上应用最广泛
具体方法的介绍请参照刘金琨《智能控制》一书P45-P46,博文最后会附上书籍相关链接。
7、matlab实现
所幸的是,在matlab模糊控制工具箱中已经帮我们实现了4-6步求解矩阵运算的操作,只需要直接调用evalfis函数就可以得到相应的决策控制量。通过matlab集成的模糊控制模块,我们能够更加方便地对应偏差e和控制量u的关系,并可以调节e在不同值下u的对应输出。
Matlab程序
%水位模糊控制算法 clear all; close all; a = newfis('fuzzy tank'); a = addvar(a,'input','e',[-3,3]); a = addmf(a,'input',1,'NB','zmf',[-3,-1]); a =addmf(a,'input',1,'NS','trimf',[-3,-1,1]); a =addmf(a,'input',1,'ZO','trimf',[-2,0,2]); a =addmf(a,'input',1,'PS','trimf',[-1,1,3]); a = addmf(a,'input',1,'PB','smf',[1,3]); a = addvar(a,'output','u',[-4,4]); a = addmf(a,'output',1,'NB','zmf',[-4,-2]); a =addmf(a,'output',1,'NS','trimf',[-4,-2,0]); a =addmf(a,'output',1,'ZO','trimf',[-2,0,2]); a =addmf(a,'output',1,'PS','trimf',[0,2,4]); a = addmf(a,'output',1,'PB','smf',[2,4]); %建立模糊规则 rulelist=[1 1 1 1; 2 2 1 1; 3 3 1 1; 4 4 1 1; 5 5 1 1]; a = addrule(a,rulelist); %设置反模糊化算法 a1 = setfis(a,'DefuzzMethod','mom'); writefis(a1,'tank'); a2 = readfis('tank'); figure(1); plotfis(a2); figure(2); plotmf(a,'input',1); figure(3); plotmf(a,'output',1); showrule(a); ruleview('tank'); for i=1:1:7 e(i)=i-4; Ulist(i)=evalfis([e(i)],a2); end Ulist = round(Ulist); %对决策结果四舍五入取整 disp('------------------------------------------------------'); disp('----------模糊控制表:e =[-3,3], u = [-4,4]-----------'); disp('------------------------------------------------------'); fprintf('| a |'); fprintf(' %d |',e); fprintf('\n'); fprintf('| u |'); fprintf(' %d |',Ulist); fprintf('\n');
备注:
1、模糊规则矩阵rulelist的含义:模糊矩阵是由模糊规则转化而来,这里矩阵规模为5*4,矩阵第一列表示输入e(5个模糊集合PB/PS/ZO/NS/NB依次对应1-5),矩阵第二列表示输出u(含义同理),第三列为规则的权重weight,第四列为AND模糊运算(1对应AND,2对应OR),如果是多输入多数出模糊控制器,规则列表的含义请参考:
The first mcolumns refer to the inputs of the system. Each column contains a number thatrefers to the index of the membership function for that variable.
The next n columns refer to the outputs of thesystem. Each column contains a number that refers to the index of themembership function for that variable.
The m + n + 1 column contains the weight that isto be applied to the rule. The weight must be a number between zero and one andis generally left as one.
The m + n + 2 column contains a 1 if the fuzzyoperator for the rule’s antecedent is AND. It contains a 2 if the fuzzyoperator is OR.
2、设置反模糊化方法setfis(a,’DefuzzMethod’,‘mom’);反模糊化方法不同最终输出控制量也不同。
mom 最大隶属度平均法
centroid 面积重心法
bisector 面积等分法
som 最大隶属度取小法
lom 最大隶属度去大法
3、如果要对决策结果取整有三种方法:round(四舍五入)、ceil(向上取整)、floor(向下取整)。
最后总结一下模糊控制器的设计步骤:
参考书籍:
刘金琨《智能控制》 PDF下载链接:http://pan.baidu.com/s/1dFxdoqt 密码:ehom
相关文章推荐
- 模糊控制算法实例解析(含代码)
- Python异常对代码运行性能的影响实例解析
- Json 生成与解析详解及实例代码
- 红黑树结构算法原理与代码解析
- XML解析技术之VTD-XML 简介及代码实例
- 一组PHP可逆加密解密算法实例代码
- jQuery动态增减行的实例代码解析(推荐)
- python 解析XML python模块xml.dom解析xml实例代码
- Paxos算法之旅(四)zookeeper代码解析
- JavaScript 解析读取XML文档 实例代码
- 脚本代码:实例解析Js+XML的操作方法
- 以Python代码实例展示kNN算法的实际运用
- 归纳迁移学习算法---Adaboost 算法实例解析二
- Adaboost 算法实例解析
- 算法分析及实例解析(三)——回溯法
- Android使用OKHTTP解析JSON数据的实例代码
- JavaWeb将数据包装成JSON以及JSP通过ajax对JSON的获取与解析(代码实例)
- JavaScript实现跑马灯抽奖活动实例代码解析与优化(二)
- 不依赖第三方jar包的通过java sax解析本地xml文件的实例代码
- Java实现Shazam声音识别算法的实例代码