全部博文(396)
分类: 嵌入式
2018-08-03 11:22:22
之前写过一篇关于使用样本数据获取模糊规则的博文,原文 的地址是:http://blog.csdn.net/shuoyueqishilove/article/details/71908410,大家可以参考,本篇文章适合对模糊控制算法有一定了解的人阅读,给大家提供一种如何用C++实现模糊控制的方法,仅供参考。
实现模糊控制器需要以下步骤:
合理选择模糊控制算法的采样时间
本模糊控制器采用双输入单输出的形式,输入变量为误差e和误差的变化率de,输出为控制量u;e,de,u的量化论域范围为
[-3,-2,-1,0,1,2,3],划分的模糊子集为:[NB,NM,NS,ZO,PS,PM,PB].基本论域的范围选取需要根据实际情况来确定上
限值emax,demax,umax.
量化因子:Ke=3/emax, Kde=3/demax,
输出缩放因子:Ku=umax/3
为了减少计算量,e,de,u的隶属度函数都选用三角形隶属度函数。如下图所示:
模糊控制最重要的是要确定模糊控制规则,它可以通过专家经验获得,也可以通过采样数据获得,这里使用的模糊控制规则表如下;
在微处理器中实现模糊控制的一般采用离线查表的方法。首先模糊化输入到控制器中的e和de,计算他们的在每个模糊子集中的隶属度值,然后找出激活的模糊子集,存储起来,最后使用加权平均的方法计算输出值。具体的公式如下:
Zi为u的模糊隶属度函数的尖点所对应的横坐标值。
下面讲讲怎么用C++实现模糊控制器。
首先需要建立一个Fuzzy_controller的类:
class Fuzzy_controller
{ public: const static int N=7;//定义量化论域模糊子集的个数 private: float target;//系统的控制目标 float actual;//采样获得的实际值 float e; //误差 float e_pre; //上一次的误差 float de; //误差的变化率 float emax; //误差基本论域上限 float demax; //误差辩化率基本论域的上限 float umax; //输出的上限 float Ke; //Ke=n/emax,量化论域为[-3,-2,-1,0,1,2,3] float Kde; //Ke=n/demax,量化论域为[-3,-2,-1,0,1,2,3] float Ku; //Ke=umax/n,量化论域为[-3,-2,-1,0,1,2,3] int rule[N][N];//模糊规则表 string mf_t_e; //e的隶属度函数类型 string mf_t_de; //de的隶属度函数类型 string mf_t_u; //u的隶属度函数类型 float *e_mf_paras; //误差的隶属度函数的参数 float *de_mf_paras;//误差的偏差隶属度函数的参数 float *u_mf_paras; //输出的隶属度函数的参数 public: Fuzzy_controller(float e_max,float de_max,float u_max);
~Fuzzy_controller(); float trimf(float x,float a,float b,float c); //三角隶属度函数 float gaussmf(float x,float ave,float sigma); //正态隶属度函数 float trapmf(float x,float a,float b,float c,float d); //梯形隶属度函数 //设置模糊隶属度函数的参数 void setMf(const string & mf_type_e,float *e_mf,const string & mf_type_de,float *de_mf,const string & mf_type_u,float *u_mf); void setRule(int rulelist[N][N]); //设置模糊规则 float realize(float t,float a); //实现模糊控制 void showInfo(); //显示该模糊控制器的信息 void showMf(const string & type,float *mf_paras); //显示隶属度函数的信息 };
然后给出类方法的定义:
Fuzzy_controller::Fuzzy_controller(float e_max,float de_max,float u_max):
target(0),actual(0),emax(e_max),demax(de_max),umax(u_max),e_mf_paras(NULL),de_mf_paras(NULL),u_mf_paras(NULL)
{
e=target-actual;
e_pre=0;
de=e-e_pre;
Ke=(N/2)/emax;
Kde=(N/2)/demax;
Ku=umax/(N/2);
mf_t_e="trimf";
mf_t_de="trimf";
mf_t_u="trimf";
}
Fuzzy_controller::~Fuzzy_controller()
{ delete [] e_mf_paras; delete [] de_mf_paras; delete [] u_mf_paras;
} //三角隶属度函数 float Fuzzy_controller::trimf(float x,float a,float b,float c)
{ float u; if(x>=a&&x<=b)
u=(x-a)/(b-a); else if(x>b&&x<=c)
u=(c-x)/(c-b); else u=0.0; return u;
} //正态隶属度函数 float Fuzzy_controller::gaussmf(float x,float ave,float sigma)
{ float u; if(sigma<0)
{ cout<<"In gaussmf, sigma must larger than 0"<exp(-pow(((x-ave)/sigma),2)); return u;
} //梯形隶属度函数 float Fuzzy_controller::trapmf(float x,float a,float b,float c,float d)
{ float u; if(x>=a&&xelse if(x>=b&&x1; else if(x>=c&&x<=d)
u=(d-x)/(d-c); else u=0; return u;
} //设置模糊规则 void Fuzzy_controller::setRule(int rulelist[N][N])
{ for(int i=0;ifor(int j=0;j//设置模糊隶属度函数的类型和参数 void Fuzzy_controller::setMf(const string & mf_type_e,float *e_mf,const string & mf_type_de,float *de_mf,const string & mf_type_u,float *u_mf)
{ if(mf_type_e=="trimf"||mf_type_e=="gaussmf"||mf_type_e=="trapmf")
mf_t_e=mf_type_e; else cout<<"Type of membership function must be \"trimf\" or \"gaussmf\" or \"trapmf\""<if(mf_type_de=="trimf"||mf_type_de=="gaussmf"||mf_type_de=="trapmf")
mf_t_de=mf_type_de; else cout<<"Type of membership function must be \"trimf\" or \"gaussmf\" or \"trapmf\""<if(mf_type_u=="trimf"||mf_type_u=="gaussmf"||mf_type_u=="trapmf")
mf_t_u=mf_type_u; else cout<<"Type of membership function must be \"trimf\" or \"gaussmf\" or \"trapmf\""<new float [N*3];
de_mf_paras=new float [N*3];
u_mf_paras=new float [N*3]; for(int i=0;i3;i++)
e_mf_paras[i]=e_mf[i]; for(int i=0;i3;i++)
de_mf_paras[i]=de_mf[i]; for(int i=0;i3;i++)
u_mf_paras[i]=u_mf[i];
} //实现模糊控制 float Fuzzy_controller::realize(float t,float a)
{ float u_e[N],u_de[N],u_u[N]; int u_e_index[3],u_de_index[3];//假设一个输入最多激活3个模糊子集 float u; int M;
target=t;
actual=a;
e=target-actual;
de=e-e_pre;
e=Ke*e;
de=Kde*de; if(mf_t_e=="trimf")
M=3; //三角函数有三个参数 else if(mf_t_e=="gaussmf")
M=2; //正态函数有两个参数 else if(mf_t_e=="trapmf")
M=4; //梯形函数有四个参数 int j=0; for(int i=0;i1],e_mf_paras[i*M+2]);//e模糊化,计算它的隶属度 if(u_e[i]!=0)
u_e_index[j++]=i; //存储被激活的模糊子集的下标,可以减小计算量 } for(;j<3;j++)u_e_index[j]=0; if(mf_t_e=="trimf")
M=3; //三角函数有三个参数 else if(mf_t_e=="gaussmf")
M=2; //正态函数有两个参数 else if(mf_t_e=="trapmf")
M=4; //梯形函数有四个参数 j=0; for(int i=0;i1],de_mf_paras[i*M+2]);//de模糊化,计算它的隶属度 if(u_de[i]!=0)
u_de_index[j++]=i; //存储被激活的模糊子集的下标,可以减小计算量 } for(;j<3;j++)u_de_index[j]=0; float den=0,num=0; for(int m=0;m<3;m++) for(int n=0;n<3;n++)
{
num+=u_e[u_e_index[m]]*u_de[u_de_index[n]]*rule[u_e_index[m]][u_de_index[n]];
den+=u_e[u_e_index[m]]*u_de[u_de_index[n]];
}
u=num/den;
u=Ku*u; if(u>=umax) u=umax; else if(u<=-umax) u=-umax;
e_pre=e; return u;
} void Fuzzy_controller::showMf(const string & type,float *mf_paras)
{ int tab; if(type=="trimf")
tab=2; else if(type=="gaussmf")
tab==1; else if(type=="trapmf")
tab=3; cout<<"函数类型:"<cout<<"函数参数列表:"<float *p=mf_paras; for(int i=0;i1);i++)
{ cout.width(3); cout<" "; if(i%3==tab) cout<void Fuzzy_controller::showInfo()
{ cout<<"Info of this fuzzy controller is as following:"<cout<<"基本论域e:["<<-emax<<","<"]"<cout<<"基本论域de:["<<-demax<<","<"]"<cout<<"基本论域u:["<<-umax<<","<"]"<cout<<"误差e的模糊隶属度函数参数:"<cout<<"误差变化率de的模糊隶属度函数参数:"<cout<<"输出u的模糊隶属度函数参数:"<cout<<"模糊规则表:"<for(int i=0;ifor(int j=0;jcout.width(3); cout<" ";
} cout<cout<cout<<"误差的量化比例因子Ke="<cout<<"误差变化率的量化比例因子Kde="<cout<<"输出的量化比例因子Ku="<cout<<"设定目标target="<cout<<"误差e="<cout<