学习笔记2：船舶动力定位艏向模糊控制Matlab仿真

%动力定位模糊控制算法：仅控制艏向的情况
%艏向角偏差X实际论域[-0.6,0.6]
%艏向偏转角速度偏差Y实际论域[-0.2,0.2]
%控制量为转矩T，其实际论域为[-2,2]
%新建名为“dynamic”的模糊推理系统
a = newfis('dynamic');
%在新建推理系统中，添加名为“X”，论域为[-0.6,0.6]的输入变量，
a = addvar(a,'input','X',[-0.6,0.6]);
%为X添加模糊集合，数字1代表是第一个输入，如果是多输入，第二个输入则为2，以此类推。
a = addmf(a,'input',1,'NB','zmf',[-0.6,-0.2]);
a =addmf(a,'input',1,'NS','trimf',[-0.6,-0.2,0.2]);
a =addmf(a,'input',1,'ZO','trimf',[-0.4,0,0.4]);
a =addmf(a,'input',1,'PS','trimf',[-0.2,0.2,0.6]);
a = addmf(a,'input',1,'PB','smf',[0.2,0.6]);
%在新建推理系统中，添加名为“Y”，论域为[-0.2,0.2]的输入变量，
a = addvar(a,'input','Y',[-0.2,0.2]);
%为Y添加模糊集合，数字1代表是第一个输入，如果是多输入，第二个输入则为2，以此类推。
a = addmf(a,'input',2,'NB','zmf',[-0.2,-0.1]);
a =addmf(a,'input',2,'NS','trimf',[-0.2,-0.1,0]);
a =addmf(a,'input',2,'ZO','trimf',[-0.1,0,0.1]);
a =addmf(a,'input',2,'PS','trimf',[0,0.1,0.2]);
a = addmf(a,'input',2,'PB','smf',[0.1,0.2]);

%在新建推理系统中，添加名为“T”，论域为[-2,2]的输出变量
a = addvar(a,'output','T',[-2,2]);
%为T添加模糊集合，数字1代表是第一个输出，如果是多输出，第二个输出则为2，以此类推。
a = addmf(a,'output',1,'NB','zmf',[-2,-1]);
a =addmf(a,'output',1,'NS','trimf',[-2,-1,0]);
a =addmf(a,'output',1,'ZO','trimf',[-1,0,1]);
a =addmf(a,'output',1,'PS','trimf',[0,1,2]);
a = addmf(a,'output',1,'PB','smf',[1,2]);
 
%建立模糊规则，列数=输入变量的数量+输出变量的数量+2：如下
%第一列代表第一个输入变量的各个模糊集合，若是多变量，则后续输入变量随其后
%第二列代表输出变量的模糊集合。
%行数：多输入：行数=各输入变量的模糊集合数量的乘积。
%倒数第二列表示规则权重，其值介于0-1之间，通常保留为1
%最后一列表示该条规则的先行项的模糊运算符，1 表示 AND，2 表示 OR
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;
         2 1 1 1 1;
         2 2 2 1 1;
         2 3 2 1 1;
         2 4 3 1 1;
         2 5 4 1 1;
         3 1 2 1 1;
         3 2 2 1 1;
         3 3 3 1 1;
         3 4 4 1 1;
         3 5 4 1 1;
         4 1 2 1 1;
         4 2 3 1 1;
         4 3 4 1 1;
         4 4 4 1 1;
         4 5 5 1 1;
         5 1 3 1 1;
         5 2 4 1 1;
         5 3 4 1 1;
         5 4 5 1 1;
         5 5 5 1 1;];
a = addrule(a,rulelist);
%设置反模糊化算法:DefuzzMethod
%centroid：面积重心法；
% bisector：面积等分法；
% mom：最大隶属度平均法；
% som：最大隶属度取最小法；
% lom：最大隶属度取最大法
a1 = setfis(a,'DefuzzMethod','mom');
%生成dynamic.fis文件
writefis(a1,'dynamic');
%读出.fis文件
a2 = readfis('dynamic');
figure(1);
plotfis(a2);
figure(2);
plotmf(a,'input',1);
figure(3);
plotmf(a,'input',2);
figure(4);
plotmf(a,'output',1);
 
showrule(a);
ruleview('dynamic');
%模糊推理，并输出对应输入的模糊推理结果
b=evalfis([-0.3,-0.15],a2);
fprintf(' %d ',b);

模糊规则：

输出：-1