Matlab模糊控制工具箱使用和模糊控制PID实例参考

创作时间:

作者:

@小白创作中心

Matlab模糊控制工具箱使用和模糊控制PID实例参考

引用

CSDN

https://blog.csdn.net/qingfengxd1/article/details/88023414

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。

1.1 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E，EC和U，我们可以选择增加输入(Add Variable)来实现双入单出控制结构。

1.2 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。

1.3 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。

1.4 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。

1.5 导出.fis文件

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。

1.6 在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。