matlab模糊隶属度函数,Matlab关于模糊PID隶属度函数 (求教)

matlab模糊隶属度函数,Matlab关于模糊PID隶属度函数 (求教)FuzzyTunning clearall a newfis fuzzpid a addvar a input e 3 3 Parameterea addmf a input 1 NB zmf 3 1 a addmf a input 1 NM trimf

%Fuzzy Tunning PID Control

clear all;

clear all;

a=newfis(‘fuzzpid’);

a=addvar(a,’input’,’e’,[-3,3]);                 %Parameter e

a=addmf(a,’input’,1,’NB’,’zmf’,[-3,-1]);

a=addmf(a,’input’,1,’NM’,’trimf’,[-3,-2,0]);

a=addmf(a,’input’,1,’NS’,’trimf’,[-3,-1,1]);

a=addmf(a,’input’,1,’Z’,’trimf’,[-2,0,2]);

a=addmf(a,’input’,1,’PS’,’trimf’,[-1,1,3]);

a=addmf(a,’input’,1,’PM’,’trimf’,[0,2,3]);

a=addmf(a,’input’,1,’PB’,’smf’,[1,3]);

a=addvar(a,’input’,’ec’,[-3,3]);                 %Parameter ec

a=addmf(a,’input’,2,’NB’,’zmf’,[-3,-1]);

a=addmf(a,’input’,2,’NM’,’trimf’,[-3,-2,0]);

a=addmf(a,’input’,2,’NS’,’trimf’,[-3,-1,1]);

a=addmf(a,’input’,2,’Z’,’trimf’,[-2,0,2]);

a=addmf(a,’input’,2,’PS’,’trimf’,[-1,1,3]);

a=addmf(a,’input’,2,’PM’,’trimf’,[0,2,3]);

a=addmf(a,’input’,2,’PB’,’smf’,[1,3]);

a=addvar(a,’output’,’kp’,[-0.3,0.3]);                 %Parameter kp

a=addmf(a,’output’,1,’NB’,’zmf’,[-0.3,-0.1]);

a=addmf(a,’output’,1,’NM’,’trimf’,[-0.3,-0.2,0]);

a=addmf(a,’output’,1,’NS’,’trimf’,[-0.3,-0.1,0.1]);

a=addmf(a,’output’,1,’Z’,’trimf’,[-0.2,0,0.2]);

a=addmf(a,’output’,1,’PS’,’trimf’,[-0.1,0.1,0.3]);

a=addmf(a,’output’,1,’PM’,’trimf’,[0,0.2,0.3]);

a=addmf(a,’output’,1,’PB’,’smf’,[0.1,0.3]);

a=addvar(a,’output’,’ki’,[-0.06,0.06]);                 %Parameter ki

a=addmf(a,’output’,2,’NB’,’zmf’,[-0.06,-0.02]);

a=addmf(a,’output’,2,’NM’,’trimf’,[-0.06,-0.04,0]);

a=addmf(a,’output’,2,’NS’,’trimf’,[-0.06,-0.02,0.02]);

a=addmf(a,’output’,2,’Z’,’trimf’,[-0.04,0,0.04]);

a=addmf(a,’output’,2,’PS’,’trimf’,[-0.02,0.02,0.06]);

a=addmf(a,’output’,2,’PM’,’trimf’,[0,0.04,0.06]);

a=addmf(a,’output’,2,’PB’,’smf’,[0.02,0.06]);

a=addvar(a,’output’,’kd’,[-3,3]);                 %Parameter kd

a=addmf(a,’output’,3,’NB’,’zmf’,[-3,-1]);

a=addmf(a,’output’,3,’NM’,’trimf’,[-3,-2,0]);

a=addmf(a,’output’,3,’NS’,’trimf’,[-3,-1,1]);

a=addmf(a,’output’,3,’Z’,’trimf’,[-2,0,2]);

a=addmf(a,’output’,3,’PS’,’trimf’,[-1,1,3]);

a=addmf(a,’output’,3,’PM’,’trimf’,[0,2,3]);

a=addmf(a,’output’,3,’PB’,’smf’,[1,3]);

rulelist=[1 1 7 1 5 1 1;

1 2 7 1 3 1 1;

1 3 6 2 1 1 1;

1 4 6 2 1 1 1;

1 5 5 3 1 1 1;

1 6 4 4 2 1 1;

1 7 4 4 5 1 1;

2 1 7 1 5 1 1;

2 2 7 1 3 1 1;

2 3 6 2 1 1 1;

2 4 5 3 2 1 1;

2 5 5 3 2 1 1;

2 6 4 4 3 1 1;

2 7 3 4 4 1 1;

3 1 6 1 4 1 1;

3 2 6 2 3 1 1;

3 3 6 3 2 1 1;

3 4 5 3 2 1 1;

3 5 4 4 3 1 1;

3 6 3 5 3 1 1;

3 7 3 5 4 1 1;

4 1 6 2 4 1 1;

4 2 6 2 3 1 1;

4 3 5 3 3 1 1;

4 4 4 4 3 1 1;

4 5 3 5 3 1 1;

4 6 2 6 3 1 1;

4 7 2 6 4 1 1;

5 1 5 2 4 1 1;

5 2 5 3 4 1 1;

5 3 4 4 4 1 1;

5 4 3 5 4 1 1;

5 5 3 5 4 1 1;

5 6 2 6 4 1 1;

5 7 2 7 4 1 1;

6 1 5 4 7 1 1;

6 2 4 4 5 1 1;

6 3 3 5 5 1 1;

6 4 2 5 5 1 1;

6 5 2 6 5 1 1;

6 6 2 7 5 1 1;

6 7 1 7 7 1 1;

7 1 4 4 7 1 1;

7 2 4 4 6 1 1;

7 3 2 5 6 1 1;

7 4 2 6 6 1 1;

7 5 2 6 5 1 1;

7 6 1 7 5 1 1;

7 7 1 7 7 1 1];

a=addrule(a,rulelist);

a=setfis(a,’DefuzzMethod’,’mom’);

writefis(a,’fuzzpid’);

a=readfis(‘fuzzpid’);

%PID Controller

ts=0.001;

sys=tf(5.235e005,[1,87.35,1.047e004,0]);

dsys=c2d(sys,ts,’tustin’);

[num,den]=tfdata(dsys,’v’);

u_1=0.0;u_2=0.0;u_3=0.0;

y_1=0;y_2=0;y_3=0;

x=[0,0,0]’;

error_1=0;

e_1=0.0;

ec_1=0.0;

kp0=0.40;

kd0=1.0;

ki0=0.0;

for k=1:1:500

time(k)=k*ts;

rin(k)=1;

%Using fuzzy inference to tunning PID

k_pid=evalfis([e_1,ec_1],a);

kp(k)=kp0+k_pid(1);

ki(k)=ki0+k_pid(2);

kd(k)=kd0+k_pid(3);

u(k)=kp(k)*x(1)+kd(k)*x(2)+ki(k)*x(3);

if k==300    %Adding disturbance(1.0v at time 0.3s)

u(k)=u(k)+1.0;

end

if u(k)>=10

u(k)=10;

end

if u(k)<=-10

u(k)=-10;

end

yout(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(1)*u(k)+num(2)*u_1+num(3)*u_2+num(4)*u_3;

error(k)=rin(k)-yout(k);

%%%%%%%%%%%%%%%%Return of PID parameters%%%%%%%%%%%%%%

u_3=u_2;

u_2=u_1;

u_1=u(k);

y_3=y_2;

y_2=y_1;

y_1=yout(k);

x(1)=error(k);              %Calculating P

x(2)=error(k)-error_1;              %Calculating D

x(3)=x(3)+error(k);              %Calculating I

e_1=x(1);

ec_1=x(2);

error_2=error_1;

error_1=error(k);

end

showrule(a)

figure(1);plot(time,rin,’b’,time,yout,’r’);

xlabel(‘time(s)’);ylabel(‘rin,yout’);

figure(2);plot(time,error,’r’);

xlabel(‘time(s)’);ylabel(‘error’);

figure(3);plot(time,u,’r’);

xlabel(‘time(s)’);ylabel(‘u’);

figure(4);plot(time,kp,’r’);

xlabel(‘time(s)’);ylabel(‘kp’);

figure(5);plot(time,ki,’r’);

xlabel(‘time(s)’);ylabel(‘ki’);

figure(6);plot(time,kd,’r’);

xlabel(‘time(s)’);ylabel(‘kd’);

figure(7);plotmf(a,’input’,1);

figure(8);plotmf(a,’input’,2);

figure(9);plotmf(a,’output’,1);

figure(10);plotmf(a,’output’,2);

figure(11);plotmf(a,’output’,3);

plotfis(a);

fuzzy fuzzpid.fis

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/227673.html原文链接:https://javaforall.net

(0)
上一篇 2026年3月16日 下午8:48
下一篇 2026年3月16日 下午8:48


相关推荐

  • 推荐算法中的MF, PMF, BPMF[通俗易懂]

    推荐算法中的MF, PMF, BPMF[通俗易懂]1.矩阵分解(MF)目前推荐系统中用的最多的就是矩阵分解方法,在NetflixPrize推荐系统大赛中取得突出效果。以用户-项目评分矩阵为例,矩阵分解就是预测出评分矩阵中的缺失值,然后根据预测值以某种方式向用户推荐。常见的矩阵分解方法有基本矩阵分解(basicMF),正则化矩阵分解)(RegularizedMF),基于概率的矩阵分解(PMF)等。利用代数中SVD方法对矩阵进行分解。奇异值

    2022年5月22日
    42
  • padStart()与padEnd()「建议收藏」

    padStart()与padEnd()「建议收藏」padStart()padStart()方法用另一个字符串填充当前字符串(如果需要的话,会重复多次),以便产生的字符串达到给定的长度。从当前字符串的左侧开始填充。语法str.padStart(targetLength[,padString])参数:targetLength:当前字符串需要填充到的目标长度。如果这个数值小于当前字符串的长度,则返回当前字符串本身。padString:可选填充字符串。如果字符串太长,使填充后的字符串长度超过了目标长度,则只保留最左侧的部分,其他部分会被截

    2025年9月5日
    7
  • php中网页生成图片的方式,类似长微博图片生成器「建议收藏」

    php中网页生成图片的方式,类似长微博图片生成器「建议收藏」导读:因媒体站微博传播需要,需在转发文章至新浪微博时能将文章正文已图片形式传播出去,用以提高微博内容转发积极性,顾需要在原有php项目代码中加入网页转图片功能。 在java中网页转图片有已经开源的转换工具,较为简单,php中网页转图片的开源工具很少,少到只有一个半成品(只能通过命令行调用,无法使用php代码生成)html2image(http://www.guangmingsoft.n…

    2022年5月21日
    40
  • db2中You can’t specify target table for update in FROM clause错误

    db2中You can’t specify target table for update in FROM clause错误db2中You can’t specify target table for update in FROM clause错误

    2022年4月23日
    73
  • TCP的拥塞控制(详解)「建议收藏」

    TCP的拥塞控制(详解)「建议收藏」在某段时间,若对网络中某一资源的需求超过了该资源所能提供的可用部分,网络性能就要变坏,这种情况就叫做网络拥塞。在计算机网络中数位链路容量(即带宽)、交换结点中的缓存和处理机等,都是网络的资源。若出现拥塞而不进行控制,整个网络的吞吐量将随输入负荷的增大而下降。当输入的负载到达一定程度吞吐量不会增加,即一部分网络资源会丢失掉,网络的吞吐量维持在其所能控制的最大值,转发节点的缓存不够大这造成分…

    2022年6月24日
    28

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号