1、用 Matlab 的 Fuzzy 工具箱实现模糊控制用 Matlab 中的 Fuzzy 工具箱做一个简单的模糊控制，流程如下：1、创建一个 FIS (Fuzzy Inference System ) 对象，a = newfis(fisName,fisType,andMethod,orMethod,impMethod, aggMethod,defuzzMethod)一般只用提供第一个参数即可，后面均用默认值。2、增加模糊语言变量a = addvar(a,varType,varName,varBounds)模糊变量有两类：input 和 output。在每增加模糊变量，都会按顺序分配一个 inde
2、x，后面要通过该 index 来使用该变量。3、增加模糊语言名称，即模糊集合。a = addmf(a,varType,varIndex,mfName,mfType,mfParams)每个模糊语言名称从属于一个模糊语言。Fuzzy 工具箱中没有找到离散模糊集合的隶属度表示方法，暂且用插值后的连续函数代替。参数 mfType 即隶属度函数(Membership Functions)，它可以是 Gaussmf、trimf、trapmf 等，也可以是自定义的函数。每一个语言名称也会有一个 index，按加入的先后顺序得到，从 1 开始。4、增加控制规则，即模糊推理的规则。a = addrule(a,r
3、uleList)其中 ruleList 是一个矩阵，每一行为一条规则，他们之间是 ALSO 的关系。 假定该 FIS 有 N 个输入和 M 个输出，则每行有 N+M+2 个元素，前 N 个数分别表示 N 个输入变量的某一个语言名称的 index，没有的话用 0 表示，后面的 M 个数也类似，最后两个分别表示该条规则的权重和个条件的关系，1 表示 AND，2 表示 OR。例如，当“输入 1” 为“名称 1” 和 “输入 2” 为“名称 3” 时，输出为 “ 输出 1” 的“状态 2”，则写为：1 3 2 1 15、给定输入，得到输出，即进行模糊推理。output = evalfis(input,
4、fismat)其中 fismat 为前面建立的那个 FIS 对象。一个完整的例子如下：clear all;a = newfis(myfis); a = addvar(a,input,E,0 7);a = addmf(a,input,1,small,trimf,0 1 4.333);a = addmf(a,input,1,big,trimf,1.6667 6 7); a = addvar(a,output,U,0 7);a = addmf(a,output,1,small,trimf,0 1 4.333);a = addmf(a,output,1,big,trimf,1.6667 6 7); rulelist = 1 1 1 1;2 2 1 1;a = addrule(a,rulelist); u = evalfis(4,a)其结果为：u = 4.221
