模糊控制算法的C++实现

2023-12-12 17:08
文章标签 算法 c++ 实现 模糊控制

本文主要是介绍模糊控制算法的C++实现，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

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：

  1. 确定模糊控制器的输入和输出量
  2. 设计模糊控制器的控制规则
  3. 确立模糊化和非模糊化的方法
  4. 选择模糊控制器的输入变量和输出变量的论域并确定模糊控制器的参数（如量化因子，比例因子等）
  5. 编制模糊控制算法的应用程序
  6. 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：
模糊集合划分
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；
控制规则表
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：
公式1
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);elseu=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"<<endl;}u=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&&x<b)u=(x-a)/(b-a);else if(x>=b&&x<c)u=1;else if(x>=c&&x<=d)u=(d-x)/(d-c);elseu=0;return u;
}
//设置模糊规则
void Fuzzy_controller::setRule(int rulelist[N][N])
{for(int i=0;i<N;i++)for(int j=0;j<N;j++)rule[i][j]=rulelist[i][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;elsecout<<"Type of membership function must be \"trimf\" or \"gaussmf\" or \"trapmf\""<<endl;if(mf_type_de=="trimf"||mf_type_de=="gaussmf"||mf_type_de=="trapmf")mf_t_de=mf_type_de;elsecout<<"Type of membership function must be \"trimf\" or \"gaussmf\" or \"trapmf\""<<endl;if(mf_type_u=="trimf"||mf_type_u=="gaussmf"||mf_type_u=="trapmf")mf_t_u=mf_type_u;elsecout<<"Type of membership function must be \"trimf\" or \"gaussmf\" or \"trapmf\""<<endl;e_mf_paras=new float [N*3];de_mf_paras=new float [N*3];u_mf_paras=new float [N*3];for(int i=0;i<N*3;i++)e_mf_paras[i]=e_mf[i];for(int i=0;i<N*3;i++)de_mf_paras[i]=de_mf[i];for(int i=0;i<N*3;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;i<N;i++){u_e[i]=trimf(e,e_mf_paras[i*M],e_mf_paras[i*M+1],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;i<N;i++){u_de[i]=trimf(de,de_mf_paras[i*M],de_mf_paras[i*M+1],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："<<mf_t_e<<endl;cout<<"函数参数列表："<<endl;float *p=mf_paras;for(int i=0;i<N*(tab+1);i++){cout.width(3);cout<<p[i]<<"  ";if(i%3==tab)cout<<endl;}
}
void Fuzzy_controller::showInfo()
{cout<<"Info of this fuzzy controller is as following:"<<endl;cout<<"基本论域e：["<<-emax<<","<<emax<<"]"<<endl;cout<<"基本论域de：["<<-demax<<","<<demax<<"]"<<endl;cout<<"基本论域u：["<<-umax<<","<<umax<<"]"<<endl;cout<<"误差e的模糊隶属度函数参数："<<endl;showMf(mf_t_e,e_mf_paras);cout<<"误差变化率de的模糊隶属度函数参数："<<endl;showMf(mf_t_de,de_mf_paras);cout<<"输出u的模糊隶属度函数参数："<<endl;showMf(mf_t_u,u_mf_paras);cout<<"模糊规则表："<<endl;for(int i=0;i<N;i++){for(int j=0;j<N;j++){cout.width(3);cout<<rule[i][j]<<"  ";}cout<<endl;}cout<<endl;cout<<"误差的量化比例因子Ke="<<Ke<<endl;cout<<"误差变化率的量化比例因子Kde="<<Kde<<endl;cout<<"输出的量化比例因子Ku="<<Ku<<endl;cout<<"设定目标target="<<target<<endl;cout<<"误差e="<<e<<endl;cout<<endl;
}

此模糊控制的类，允许用户使用不同的模糊隶属度函数，如三角型，正态分布型和梯形。但是需要相应的给出适当的函数参数。用户可以修改模糊控制规则表，以提高模糊控制器的性能。但是用户需要首先明确误差e，误差变化率de和输出u的最大范围，因为这里需要依据他们来确定量化因子和缩放因子，如果给出的范围不合适，则很难达到理想的控制效果。
下面是一个测试的例子，仅供参考：

#include<iostream>
#include"fuzzy_controller.h"
#define NB -3
#define NM -2
#define NS -1
#define ZO 0
#define PS 1
#define PM 2
#define PB 3int main()
{float target=600;float actual=0;float u=0;int ruleMatrix[7][7]={{NB,NB,NM,NM,NS,ZO,ZO},{NB,NB,NM,NS,NS,ZO,PS},{NM,NM,NM,NS,ZO,PS,PS},{NM,NM,NS,ZO,PS,PM,PM},{NS,NS,ZO,PS,PS,PM,PM},{NS,ZO,PS,PM,PM,PM,PB},{ZO,ZO,PM,PM,PM,PB,PB}};//模糊规则表float e_mf_paras[21]={-3,-3,-2,-3,-2,-1,-2,-1,0,-1,0,1,0,1,2,1,2,3,2,3,3};//误差e的隶属度函数参数，这里隶属度函数为三角型，所以3个数据为一组float de_mf_paras[21]={-3,-3,-2,-3,-2,-1,-2,-1,0,-1,0,1,0,1,2,1,2,3,2,3,3};//误差变化率de的模糊隶属度函数参数float u_mf_paras[21]={-3,-3,-2,-3,-2,-1,-2,-1,0,-1,0,1,0,1,2,1,2,3,2,3,3};//输出量u的隶属度函数参数Fuzzy_controller fuzzy(1000,650,500);//控制器初始化，设定误差，误差变化率，输出的最大值fuzzy.setMf("trimf",e_mf_paras,"trimf",de_mf_paras,"trimf",u_mf_paras);//设定模糊隶属度函数fuzzy.setRule(ruleMatrix);//设定模糊规则cout<<"num   target    actual"<<endl;for(int i=0;i<100;i++){u=fuzzy.realize(target,actual);actual+=u;cout<<i<<"      "<<target<<"      "<<actual<<endl;}fuzzy.showInfo();system("pause");return 0;
}

运行结果：
结果
这里设定的目标值为600,可见，控制器在运行到9次时就稳定在了600,控制效果比较好。
代码已上传至我的CSDN，有兴趣的可以下载看看：
https://download.csdn.net/download/shuoyueqishilove/10433961

这篇关于模糊控制算法的C++实现的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/485341。

相关文章

SpringBoot3实现Gzip压缩优化的技术指南

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N
阅读更多...
SpringBoot实现数据库读写分离的3种方法小结

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一：基于AbstractRoutingDataSource实现动态
阅读更多...
Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整
阅读更多...
Java枚举类实现Key-Value映射的多种实现方式

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co
阅读更多...
使用Python实现快速搭建本地HTTP服务器

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》：本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.
阅读更多...
MySQL双主搭建+keepalived高可用的实现

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制，确认复制是否成功4.同
阅读更多...
Java实现文件图片的预览和下载功能

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件（图片）的预览和下载 @ApiOperation("访问文件") @GetMapping("
阅读更多...
使用Sentinel自定义返回和实现区分来源方式

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》：本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定
阅读更多...
Java实现时间与字符串互相转换详解

Java实现时间与字符串互相转换详解

《Java实现时间与字符串互相转换详解》这篇文章主要为大家详细介绍了Java中实现时间与字符串互相转换的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、日期格式化为字符串（一）使用预定义格式（二）自定义格式二、字符串解析为日期（一）解析ISO格式字符串（二）解析自定义
阅读更多...
opencv图像处理之指纹验证的实现

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2