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。
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。
1、选择观测量和控制量爱心预支
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
-3-2-10123
模糊集PB000000.51 PS0000.510.50 ZO000.510.500 NS00.510.5000 NB10.500000
小鹿的玫瑰花教学设计同样将控制量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。陕西林业科技
控制量u对应的模糊表如下：
田野又是青纱帐
⾪属度变化等级
-4-3-2-101234
模糊集PB00000000.51 PS000000.510.50 ZO0000.510.5000 NS00.510.500000 NB10.50000000
风尚标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。
记住回家的路
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
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议