模糊控制算法程序

㈠ 如何用代码在dsp上实现模糊控制

编写模糊控制算法。

㈡ 模糊控制中解模糊的方法有哪些罗列即可，不用长篇大论！

模糊量的清晰化的实现方法有很多，我现在刚好接触到三种，正好告诉你，
1、最大隶属度法
2、加权平均法（重心法）
3、中位数法
我正在着重研究重心法解模糊。

㈢ 模糊控制的模糊推论

模糊控制理论发展至今，模糊推论的方法大致可分为三种，第一种推论法是依据模糊关系的合成法则，第二种推论法是根据模糊逻辑的推论法简化而成，第三种推论法和第一种相类似，只是其后件部分改由一般的线性式组成的。模糊推论大都采三段论法，可表示如下：
条件命题：If x is A then y is B
事实：x is A’
结论：y is B’
表示法中的条件命题相当于模糊控制中的模糊控制规则，前件部和后件部的关系，可以用模糊关系式来表达；至于推论演算，则是将模糊关系和模糊集合A’进行合成演算，得到模糊集合B’。推论算法可以下式表示：
B’=A’。R
若前件部分含有多个命题时，则可表示如下：
条件命题：If x1 is A1 …. and xn is An
then y is B
事实：x is A’1 and ….and xn is A’n
结论：y is B’
这种模糊推论法其前件部用“”连结各命题，推论演算的过程则以模糊逻辑来结合前件部中各命题的模糊集合，故前件部的集合A可表示如下：
A=A1∩A2∩…. ∩An
=∩iAi
由(3.7)式可得到模糊集合A和后件部的模糊集合B，利用2.5节中模糊关系R的定义来求得条件命题的模糊关系，其隶属度函数可用μR(x1,x2,….,xn,y)来表示。同样地，事实部分的模糊集合A’，亦可表为：
A’=∩iAi
因此，以合成算法可得到推论结果如下：
μB’(y)=μA’(x)。μR(x1,x2,….,xn,y)
本章将针对第一种和第三种推论法做介绍：
（1） 第一种推论法
为Mamdani教授最初所使用的方法，其所用的控制规则如下所述：
R1:If x1 is A11 and … and xn is A1n then y1 is B1
R2:If x1 is A21 and … and xn is A2n then y2 is B2
‧ ‧
‧ ‧
‧ ‧
Rn:If x1 is Am1 and … and xn is Amn then ym is Bm
其中Aij ,B i代表论域中的模糊集合。若使用模糊关系Rc和最大－最小合成的模糊推论，则推论结果可得到模糊集合Bi’的隶属函数为：
(3.12)式中的值称为前件部的适合度，因此借由各条件命题的前件部，便可计算出各条模糊控制规则相对应的适合度。
在实行模糊控制时，将许多条适合的规则进行上述的推论演算，然后结合各个由算法得到的推论结果来获得模糊集合B’，在此先不谈论解模糊化的方法，于下一小节再做讨论。
(2)第三种推论法
此种推论法为日本Takagi和Sugano所提出，将Mamdani模糊推论法的命题后件部改为控制器输出入的线性函数式，其模糊控制规则型式表示如下：
此种型态的模糊控制规则其前件部大多使用梯形隶属度函数，而后件部的线性函数式亦可使用非线性函数式取代。若算法则为Max-Min合成，则可得到如(3.12)式之适合度；若改采Max-proct合成，则可得到上模糊控制规则Ri对应条件命题前件部之适合度，如下所示：
控制规则Ri后件之值Yi可由下列求得：
综合上述各控制规则得到的推论结果，经解模糊化程序后，便可得到明确的控制器输出值。
这种模糊控制推论借由多个线性函数式表示控制器的输出入关系。将输入变量空间作模糊分割，并平滑各分割空间接续的地方，而被平滑化的地方即模糊的区域。 在实行模糊控制时，将许多控制规则进行上述推论演算，然后结合各个由演算得到的推论结果获得控制输出；为了求得受控系统的输出，必须将模糊集合B’解模糊化，在此将对三种常用解模糊化的方法做简单的介绍：
(1)重心法
为模糊控制中段常用的方法，其定义为：
其中y°相当于模糊控制集合B’重心位置，图3.5、3.6为图解模糊关系Rc和最大－最小合成及重心法的推论演算过程。
(2) 高度法
亦为时常使用之解模糊化的方法之一，其定义为：
图3.7为图解使用高度法计算解模糊化值。
(3) 面积法
与重心法相类似，其定义为：

㈣ 模糊控制算法是不是公认成熟算法

用MATLAB编写的离散模糊控制程序，结合本程序，我相信能能更快更好的理解模糊控制算法。算法在MATLAB Version: 7.14.0.739 (R2012a)运行无误。 function [FCU_T1,FCU_T2,FCU_T3,FCU_T4]=fuzzy_table(Me,Mec,Mu,UC) % Me 隶属度表1 % Mec 隶属度表2 % Mu 隶属度表3 % UC 模糊规则 % FCU_T1 重心加权法，输出精确值 % FCU_T2 重心加权法，输出离散值 % FCU_T3 重心加权法（对隶属度平方），输出离散值 % FCU_T4 最大隶属度法 function [R,n,nE,nEC,nU,nfe,nfec,nfu]=fuzzy_relation(Me,Mec,Mu,UC) % Me 隶属度表1 % Mec 隶属度表2 % Mu 隶属度表3 % UC 模糊规则 % R 表示全体规则构成的模糊关系 % n=nfe×nfec % nE 模糊变量E的语言值个数 % nEC 表示模糊变量EC的语言值个数 % nU 表示模糊变量U的语言值个数 % nfe 表示E的等级量个数,示例1中其论域为{-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6} % nfec 表示EC的等级量个数,示例1中其论域为{-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6} % nfu 表示U的等级量个数,示例1中其论域为{-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7} % Me 表示E的隶属度表 % Mec 表示EC的隶属度表 % Mu表示U的隶属度表 % UC表示规则表 。。。

㈤ 求模糊控制算法，汇编语言编写的，关于温度控制的！感谢

模糊控制比较常用的两种算法；普通模糊控制算法，模糊PID控制算法
普通模糊控制算法：建立在人工经验知识的基础上，需要明确控制要求，并结合人工控制经验，然后才可以做出实用的模糊控制算法。虽然有很多样板经验表可以使用，但还需要根据实际控制对象做些修改，才可使用。
模糊PID控制算法：对人工经验要求的比较少，但需要结合PID控制经验和现场试验数据，才能做出好的控制算法。
编程原理：只讲普通模糊控制算法，模糊PID自己去找资料，模糊PID太容易实现，故不再赘述。
下面一至六步，我只说了一些计算过程，它们可以使用matlab完成，实现起来比较简单，只把matlab计算得到的表格放到模糊控制程序里即可，也就是说借助matlab编写模糊控制算法只需要进行第一、二、七步的操作。
第一步：收集模糊经验，分条列出，可以暂时使用样板经验表（经验表和分条列出的经验是相通的）。
第二步：确定各模糊集合隶属度函数
第三步：取一组输入输出数据组合，它们中的各元素，按照一条模糊规则中模糊变量组合和各自隶属度函数分别模糊化，然后各变量通过模糊运算得到一个值，这个值就是当前组合对当前规则的匹配度。同样，算出这个数据组合对其余各条模糊规则的匹配程度，也就是匹配值。最后对每个匹配值，进行模糊或运算，得到的数据u
第四步：分别取各输入输出数据组合进行第三步操作，然后得到一个n维表（n为输入，输出变量个数），每个单元对应一个数据组合，单元中的取值对应数据组合的u值（u的算法参考第三步）
第五步：任取一组输入组合，遍历输出值，根据第四步的表格得到对应的一组u值，根据下面公式计算输出：y=/其中yi是第i个可能的输出量取值，ui是与yi对应的u值。
第六步：对每一组可能的输入组合，得到各自的输出值y，然后把他们列出一个表，大功即成。这个表就是输入与输出的映射表。前几步的目的就是得到这个表，我们称之为模糊控制查询表。
第七步：编写模糊控制查询表的查询程序，亦可以看成模糊控制算法计算程序，其实就是一个查表程序。到此模糊控制算法编写完成。
模糊控制过程中，首先采集数据，离散化，查表得到输出值，输出查表所得的输出值，模糊控制器工作完成。
其实对复杂控制系统，模糊控制的难点在于模糊经验的收集与修正。

㈥ 模糊控制算法是什么

模糊控制技术是利用模糊控制算法控制变频器的电压和频率的一种技术，通过模糊控制技术可使被控电动机的升速时间得到控制，以避免升速过快对电动机使用寿命的影响以及升速过慢而影响工作效率。

㈦ 什么叫模糊控制算法

模糊控制技术是利用模糊控制算法控制变频器的电压和频率的一种技术，通过模糊控制技术可使被控电动机的升速时间得到控制，以避免升速过快对电动机使用寿命的影响以及升速过慢而影响工作效率。

㈧ 单片机与模糊控制算法

哈哈，这不用模糊算法也能做哦：P
如果要求不高，就根本不需要反馈控制
1,
加低通滤波器。其实加一个大电容就行。
2,
在这开关电源之后还需要接一个可调稳压电路，如果电流不大(1A以内)可用可调三端集成稳压器LM317，应用电路网上有很多，麻烦你找找吧~你可以看见它调节输出电压要用一个可变电阻。用单片机控制电压输出时，把这个可变电阻换成数字电位计(应用电路网上有很多，麻烦你找找吧~)就好了~
如果电流更大，用线性稳压器会严重发热，只好用单片机和外围元件做DC-DC降压了。如果有不懂的欢迎再问。