搜索
MATLAB模糊工具箱使用指南IMUST2011-4-20WO4WUHUITING本文简单介绍了matlab模糊工具箱的使用，如何添加输入和输出变量，以及其论域和隶属度函数的编辑，模糊规则的建立。1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。2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。3AddMFS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4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。5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。67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8ImpMethod='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=79MF1='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=7MF1='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'10Range=[-0.060.06]NumMFs=7MF1='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=7MF1='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]11[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):112,713(1):113,621(1):114,621(1):115,531(1):116,442(1):117,445(1):121,715(1):122,713(1):123,621(1):124,532(1):125,532(1):126,443(1):127,344(1):131,614(1):132,623(1):133,623(1):134,532(1):11235,443(1):136,353(1):137,354(1):141,624(1):142,623(1):143,533(1):144,443(1):145,353(1):146,263(1):147,264(1):151,524(1):152,534(1):153,444(1):154,354(1):155,354(1):156,264(1):157,274(1):161,547(1):162,445(1):163,355(1):164,255(1):165,265(1):11366,275(1):167,177(1):171,447(1):172,447(1):173,256(1):174,266(1):175,265(1):176,175(1):177,177(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aa=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;14…….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.FISa=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ak_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。