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，后面均用默認值。

2、增加模糊語言變量

a = addvar(a,'varType','varName',varBounds)

模糊變量有兩類：input 和 output。在每增加模糊變量，都會按順序分配一個 index，后面要通過該 index

來使用該變量。

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于一個模糊語言。Fuzzy

工具箱中沒有找到離散模糊集合的隸屬度表示方法，暫且用插值后的連續函數代替。

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，按加入的先后順序得到，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

個輸入變量的某一個語言名稱的 index，沒有的話用 0 表示，后面的 M

個數也類似，最后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

總結

以上是生活随笔為你收集整理的matlab画图模糊,[转载]matlab中模糊工具箱的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。