模糊PID控制器的MATLAB仿真程序

给你一个全MATLAB仿真的程序，没用到SIMULINK

close all

clear all

a=newfis('fuzzf')

f1=1

a=addvar(a,'input','e',[-3*f1,3*f1])

a=addmf(a,'input',1,'NB','zmf',[-3*f1,-1*f1])

a=addmf(a,'input',1,'NM','trimf',[-3*f1,-2*f1,0])

a=addmf(a,'input',1,'NS','trimf',[-3*f1,-1*f1,1*f1])

a=addmf(a,'input',1,'Z','trimf',[-2*f1,0,2*f1])

a=addmf(a,'input',1,'PS','trimf',[-1*f1,1*f1,3*f1])

a=addmf(a,'input',1,'PM','trimf',[0,2*f1,3*f1])

a=addmf(a,'input',1,'PB','smf',[1*f1,3*f1])

f2=1

a=addvar(a,'input','ec',[-3*f2,3*f2])

a=addmf(a,'input',2,'NB','zmf',[-3*f2,-1*f2])

a=addmf(a,'input',2,'NM','trimf',[-3*f2,-2*f2,0])

a=addmf(a,'input',2,'NS','trimf',[-3*f2,-1*f2,1*f2])

a=addmf(a,'input',2,'Z','trimf',[-2*f2,0,2*f2])

a=addmf(a,'input',2,'PS','trimf',[-1*f2,1*f2,3*f2])

a=addmf(a,'input',2,'PM','trimf',[0,2*f2,3*f2])

a=addmf(a,'input',2,'PB','smf',[1*f2,3*f2])

f3=1.5

a=addvar(a,'output','u',[-3*f3,3*f3])

a=addmf(a,'output',1,'NB','zmf',[-3*f3,-1*f3])

a=addmf(a,'output',1,'NM','trimf',[-3*f3,-2*f3,0])

a=addmf(a,'output',1,'NS','trimf',[-3*f3,-1*f3,1*f3])

a=addmf(a,'output',1,'Z','trimf',[-2*f3,0,2*f3])

a=addmf(a,'output',1,'PS','trimf',[-1*f3,1*f3,3*f3])

a=addmf(a,'output',1,'PM','trimf',[0,2*f3,3*f3])

a=addmf(a,'output',1,'PB','smf',[1*f3,3*f3])

rulelist=[1 1 1 1 1

1 2 1 1 1

1 3 2 1 1

1 4 2 1 1

1 5 3 1 1

1 6 3 1 1

1 7 4 1 1

2 1 1 1 1

2 2 2 1 1

2 3 2 1 1

2 4 3 1 1

2 5 3 1 1

2 6 4 1 1

2 7 5 1 1

3 1 2 1 1

3 2 2 1 1

3 3 3 1 1

3 4 3 1 1

3 5 4 1 1

3 6 5 1 1

3 7 5 1 1

4 1 2 1 1

4 2 3 1 1

4 3 3 1 1

4 4 4 1 1

4 5 5 1 1

4 6 5 1 1

4 7 6 1 1

5 1 3 1 1

5 2 3 1 1

5 3 4 1 1

5 4 5 1 1

5 5 5 1 1

5 6 6 1 1

5 7 6 1 1

6 1 3 1 1

6 2 4 1 1

6 3 5 1 1

6 4 5 1 1

6 5 6 1 1

6 6 6 1 1

6 7 7 1 1

7 1 4 1 1

7 2 5 1 1

7 3 5 1 1

7 4 6 1 1

7 5 6 1 1

7 6 7 1 1

7 7 7 1 1]

a=addrule(a,rulelist)

a1=setfis(a,'DefuzzMethod','mom')%Defuzzy

writefis(a1,'fuzzf')

a2=readfis('fuzzf')

Ulist=zeros(7,7)

for i=1:7

for j=1:7

e(i)=-4+i

ec(j)=-4+j

Ulist(i,j)=evalfis([e(i),ec(j)],a2)

end

end

figure(1)

plotfis(a2)

figure(2)

plotmf(a,'input',1)

figure(3)

plotmf(a,'input',2)

figure(4)

plotmf(a,'output',1)

这里简单说明一下：首先是编写2个输入，1个输出的隶属度函数；接下来的是模糊规则，一共49条；然后用解模糊函数得出控制量U，这里输出的U就直接是精确量了，解模糊用到得规则是取隶属度最大的那个数即MOM算法。

显示的三个图形窗口分别是：模糊控制器内部原理图，以及2个输入，1个输出的隶属度函数图。

不知道你有什么问题要问，按你的想法制作模糊自适应PID算法可以使用下面 *** 作方法来完成，e，ec在各自论域内模糊化，根据模糊规则，使用模糊推理建立三个表，分别用来查询Kp，Ki，Kd的变化量。模糊规则表的建立可以使用matlab模糊控制工具箱内的相关函数，或者自己编写模糊推理程序，建立在线更改模糊规则和在线修改模糊控制表的程序。其实模糊PID还有一种算法，比较简洁，不需查表，不过计算量偏大，它未必满足直流调速系统实时性要求，它的模糊推理计算过程其实是RBF神经网络计算过程，详情可参阅有关智能控制教材。

---