① 模糊數學演算法軟體
matlab裡面沒有模糊軟體包嗎? http://www.mathworks.com/procts/fuzzylogic/
用 Matlab 中的 Fuzzy 工具箱做一個簡單的模糊控制,流程如下:1、創建一個 FIS (Fuzzy Inference System ) 對象,a = newfis(fisName,fisType,andMethod,orMethod,impMethod, aggMethod,defuzzMethod)一般只用提供第一個參數即可,後面均用默認值。2、增加模糊語言變數a = addvar(a,'varType','varName',varBounds)模糊變數有兩類:input 和 output。在每增加模糊變數,都會按順序分配一個 index,後面要通過該 index 來使用該變數。3、增加模糊語言名稱,即模糊集合。a = addmf(a,'varType',varIndex,'mfName','mfType',mfParams)每個模糊語言名稱從屬於一個模糊語言。Fuzzy 工具箱中沒有找到離散模糊集合的隸屬度表示方法,暫且用插值後的連續函數代替。參數 mfType 即隸屬度函數(Membership Functions),它可以是 Gaussmf、trimf、trapmf等,也可以是自定義的函數。每一個語言名稱也會有一個 index,按加入的先後順序得到,從 1 開始。4、增加控制規則,即模糊推理的規則。a = addrule(a,ruleList)
其中 ruleList 是一個矩陣,每一行為一條規則,他們之間是 ALSO 的關系。假定該 FIS 有 N 個輸入和 M 個輸出,則每行有 N+M+2 個元素,前 N 個數分別表示 N 個輸入變數的某一個語言名稱的 index,沒有的話用 0 表示,後面的 M 個數也類似,最後兩個分別表示該條規則的權重和個條件的關系,1 表示 AND,2 表示 OR。例如,當「輸入1」 為「名稱1」 和 「輸入2」 為「名稱3」 時,輸出為 「 輸出1」 的「狀態2」,則寫為:[1 3 2 1 1]5、給定輸入,得到輸出,即進行模糊推理。output = evalfis(input,fismat)其中 fismat 為前面建立的那個 FIS 對象。一個完整的例子如下: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)其結果為:u = 4.221
② MATLAB中fuzzy輸入和輸出的轉換關系是怎樣的是按照怎樣的規則運算的急!!!
最佳答案 1.語言特點:
1)。語言簡潔緊湊,使用方便靈活,庫函數極其豐富。MATLAB程序書寫形式自由,利用起豐富的庫函數避開繁雜的子程序編程任務,壓縮了一切不必要的編程工作。由於庫函數都由本領域的專家編寫,用戶不必擔心函數的可靠性。可以說,用MATLAB進行科技開發是站在專家的肩膀上。
2)運算符豐富。由於MATLAB是用C語言編寫的,MATLAB提供了和C語言幾乎一樣多的運算符,靈活使用MATLAB的運算符將使程序變得極為簡短。
3)MATLAB既具有結構化的控制語句(如for循環,while循環,break語句和if語句),又有面向對象編程的特性。
4)程序限制不嚴格,程序設計自由度大。例如,在MATLAB里,用戶無需對矩陣預定義就可使用。
5)程序的可移植性很好,基本上不做修改就可以在各種型號的計算機和操作系統上運行。
6)MATLAB的圖形功能強大。在FORTRAN和C語言里,繪圖都很不容易,但在MATLAB里,數據的可視化非常簡單。MATLAB還具有較強的編輯圖形界面的能力。
7)MATLAB的缺點是,它和其他高級程序相比,程序的執行速度較慢。由於MATLAB的程序不用編譯等預處理,也不生成可執行文件,程序為解釋執行,所以速度較慢。
8)功能強大的工具箱是MATLAB的另一特色。MATLAB包含兩個部分:核心部分和各種可選的工具箱。核心部分中有數百個核心內部函數。其工具箱又分為兩類:功能性工具箱和學科性工具箱。功能性工具箱主要用來擴充其符號計算功能,圖示建模模擬功能,文字處理功能以及與硬體實時交互功能。功能性工具箱用於多種學科。而學科性工具箱是專業性比較強的,如control,toolbox,signl proceessing toolbox,commumnication toolbox等。這些工具箱都是由該領域內學術水平很高的專家編寫的,所以用戶無需編寫自己學科範圍內的基礎程序,而直接進行高,精,尖的研究。
9)源程序的開放性。開放性也許是MATLAB最受人們歡迎的特點。除內部函數以外,所有MATLAB的核心文件和工具箱文件都是可讀可改的源文件,用戶可通過對源文件的修改以及加入自己的文件構成新的工具箱。
2.工具箱
功能型工具箱 —— 通用型
功能型工具箱主要用來擴充matlab的數值計算、符號運算功能、圖形建模模擬功能、文字處理功能以及與硬體實時交互功能,能夠用於多種學科。
領域型工具箱 —— 專用型
領域型工具箱是學科專用工具箱,其專業性很強,比如控制系統工具箱( Control System Toolbox);信號處理工具箱(Signal Processing Toolbox);財政金融工具箱( Financial Toolbox)等等。
Matlab Main Toolbox——matlab主工具箱
Control System Toolbox——控制系統工具箱
Communication Toolbox——通訊工具箱
Financial Toolbox——財政金融工具箱
System Identification Toolbox——系統辨識工具箱
Fuzzy Logic Toolbox——模糊邏輯工具箱
Higher-Order Spectral Analysis Toolbox——高階譜分析工具箱
Image Processing Toolbox——圖象處理工具箱
LMI Control Toolbox——線性矩陣不等式工具箱
Model predictive Control Toolbox——模型預測控制工具箱
μ-Analysis and Synthesis Toolbox——μ分析工具箱
Neural Network Toolbox——神經網路工具箱
Optimization Toolbox——優化工具箱
Partial Differential Toolbox——偏微分方程工具箱
Robust Control Toolbox——魯棒控制工具箱
Signal Processing Toolbox——信號處理工具箱
Spline Toolbox——樣條工具箱
Statistics Toolbox——統計工具箱
Symbolic Math Toolbox——符號數學工具箱
Simulink Toolbox——動態模擬工具箱
System Identification Toolbox——系統辨識工具箱
Wavele Toolbox——小波工具箱
等等
3.
輸入命令如下:
>>A=[1 2 3
4 5 6]
>>B=[2 3 4
5 6 7]
>>A+B
>>A-B
>>A.^2
>>A*B
>>inv(A)
③ 模糊神經網路的摘要
模糊神經網路結合了神經網路系統和模糊系統的長處,它在處理非線性、模糊性等問題上有很大的優越性,在智能信息處理方面存在巨大的潛力;使得越來越多的專家學者投入到這個領域中來,並做出了卓有成效的研究成果。但是,對模糊神經網路的研究,大都是基於演算法的創新、改進和完善,少有綜述性的文獻對它進行概述,使初接觸這一領域的人往往無所適從,很難在短時間內理解模糊神經網路的概念,也很難實際應用它。作者在閱讀了大量文獻的基礎上,對各種相關理論知識進行整理、歸納和研究,旨在對模糊神經網路做一個系統的概述和一些初步的探索。本文實際上由兩部分組成:第一部分是對模糊神經網路的概述;第二部分是一種演算法的提出及其實現過程。模糊神經網路是一個較新的概念,文章從神經網路系統與模糊系統的歷史論述到它的起源與發展,論證了它產生的可能性與必要性,並簡要介紹了國內外模糊邏輯神經網路軟體硬體。在模糊神經元概念的基礎上,定義了模糊神經網路;從函數映射角度上,討論了神經網路系統和模糊系統的函數逼近能力;二者都能以任意精度逼近任何連續實函數;對理論成熟的演算法和模型,作了簡潔的介紹。針對模糊神經網終(絡)實觀時的具體問題,對網終(絡)的學習能力、容量、結構分布等細節逆行了探討。本文提出了一種模糊神經網路的二步混合演算法:第一步,採用模糊推理系統結合遺傳演算法根據訓練樣本確定隸屬函數的參數,通過遺傳演算法搜索定義域范圍內的參數最優解。文中選用S-T模型作為模糊推理系統中的推理模型。第二步,確定網路結構,根據訓練樣本採用BP演算法訓練網路,調整網路權值和偏差,為了避免局部最小觀象和加快網路收斂速度,選用加動量因子變學習率的改進BP演算法為訓練演算法。為了更廣泛地應用遺傳演算法,文中用C++,實現了通用遺傳演算法類庫,在實觀過程中結合使用了類模板,抽象類等技術。該類庫支持一維和多維函數的最優化。對多維函數可以採用統一長度的或者各維長度不同的基因;支持固定和可變變異率,支持固定迭代代數結束迭代和滿足一定條件結束迭代。作者用MATLAB的Fuzzy Toolbox及NNetToolbox實現了演算法,模擬結果表明,該演算法效率高、收斂速度快、模型精度高
④ pid or fuzzy logic控制溫度具體演算法
自己問唄
⑤ 關於溫度的模糊控制演算法
你看看這篇文章《SRM直接轉矩模糊PI控制系統研究》的第四章是否有用,Matlab若採用查表實現,其模型為untiltled.mdl。若採用Simulink里的模糊控制箱其實現方式參考書《模煳控制及其MATLAB模擬》,例子見fuzzy_PID_delay63.mdl,運行這個首先要在命令窗口輸入命令:Fuzzy_PID_delay63=readfis('Fuzzy_PID_delay63'),打開的模糊控制箱的命令為fuzzyFuzzy_PID_delay63。所有文件見附件
⑥ 模糊計算的簡介
人們通常可以用「模糊計算」籠統地代表諸如模糊推理(FIS,Fuzzy Inference System)、模糊邏輯(Fuzzy Logic)、模糊系統等模糊應用領域中所用到的計算方法及理論。在這些系統中,廣泛地應用了模糊集理論,並揉和了人工智慧的其他手段,因此模糊計算也常常與人工智慧相聯系。由於模糊計算方法可以表現事物本身性質的內在不確定性,因此它可以模擬人腦認識客觀世界的非精確、非線性的信息處理能力。亦此亦彼的模糊邏輯。
⑦ sugeno fuzzy logic method是什麼演算法
功能型工具箱主要用來擴充MATLAB的符號計算功能、圖形...5)模糊邏輯工具箱(Fuzzy Logic Toolbox)。 * ...* 自適應神經—模糊學習、聚類以及Sugeno推理
⑧ 什麼是fuzzy rules
模糊規則
模糊控制演算法的一個過程
⑨ 什麼是模糊預測演算法啊
模糊預測控制演算法
Fuzzy Prediction Control Algorithm
翟春艷 李書臣
摘 要:模糊預測控制(FPC)是近年來發展起來的新型控制演算法,是模糊控制與預測控制相結合的產物.文章在預測控制的模型預測、滾動優化、反饋校正機理下,對模糊預測控制模型及其優化控制演算法作了歸納,並對模糊預測控制今後的發展進行了展望.
模糊表的一部分,就是個數組,多少個輸入就做個幾維數組就可以了(3514字)liyu2005[28次]2004-3-20 18:16:07
unsigned char outputs[MF_TOT], // 模糊輸出mu值
fuzzy_out; // 模糊控制值
unsigned char input[INPUT_TOT] ={ // 模糊輸入
0, 0
};
unsigned char code input_memf[INPUT_TOT][MF_TOT][256]={
// 輸入功能函數
{
{ // velocity: VSLOW
0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF,
0xFF,
0xFF, 0xFF,
0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF,
0xFF,
0xFF, 0xF6,
0xED, 0xE4, 0xDB, 0xD2, 0xC9, 0xC0, 0xB7, 0xAE, 0xA5, 0x9C, 0x93, 0x8A, 0x81,
0x78,
173
0x6F, 0x66,
0x5D, 0x54, 0x4B, 0x42, 0x39, 0x30, 0x27, 0x1E, 0x15, 0x0C, 0x03, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00,
0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
0x00,
0x00, 0x00
}
http://www.newcyber3d.com/cds/ch_cd05/intro_cga.htm
⑩ MATLAB FUZZY 計算問題
這個我看是說,A,B,C都是input,也就是輸入,然後,在這個模塊裡面計算產生的D。
也就是說D是output,並且由原始給出的數據計算而成。
這是fuzzy模塊的計算結果。在裡面可能有演算法實現。
我覺得這是概念的問題,要回去查書查資料,然後找fuzzy臨界判斷函數(我也忘了叫什麼了,就是判斷是否增減的函數ABC這個)。然後看D是如何疊加出來的了。
希望對你有所幫助。謝謝。