基于MATLAB的模糊控制洗衣机的设与仿真教案资料Word格式.docx

基于MATLAB的模糊控制洗衣机的设与仿真教案资料Word格式.docx

《基于MATLAB的模糊控制洗衣机的设与仿真教案资料Word格式.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的模糊控制洗衣机的设与仿真教案资料Word格式.docx（11页珍藏版）》请在冰豆网上搜索。

Thispaperdesignedafuzzycontrolsystemforwashingmachinebasedonthetheoryoffuzzycontrol.ThispaperconductedthesimulationofMATLAB,andtookmaximummembershipdegreemethodtogettheresultsofclarity.Finally,it’sprovedthatthesimulationresultsisthesamewiththeorycalculation.

Keywords:

fuzzycontrol;

washingmachine;

MATLAB

自动控制从最早的开环控制起步，然后是反馈控制、最优控制、随机控制，再到自适应控制、自学习控制、自组织控制，一直发展到自动控制的最新阶段——智能控制。

智能控制的几个重要分支有：

专家系统、模糊控制、神经网络控制等。

作为人类思维外壳的自然语言，本身就带有模糊性，这是计算机所不能理解的。

模糊控制是以模糊集合理论和模糊逻辑推理为基础，把专家用自然语言表述的知识和控制经验，通过模糊理论转换成数学函数，再用计算机进行处理。

传统控制方法对一个系统进行控制时，首先要建立控制系统的数学模型，即描述系统内部物理量（或变量）之间关系的数学表达式，必须得知道系统模型的结构、阶次、参数等。

然而在工程实践中人们发现，有些复杂的控制系统，虽然不能建立起数学模型，无法用传统控制方法进行控制，但是凭借丰富的实际操作经验，技术工人却能够通过相应操作得到满意的控制效果【1】。

模糊控制之所以被人们广泛接受，是因为其有以下优点：

（1）模糊控制器的设计不依赖于被控对象的精确数学模型；

（2）模糊控制易于被操作人员接受；

（3）便于用计算机软件实现；

（4）鲁棒性和适应性好。

1洗衣机模糊控制系统的原理

传统洗衣机从控制角度看，实际上是一台按事先设定好的参数进行顺序控制的机器，它不能根据情况和条件的变化来改变参数。

而模糊逻辑控制的智能洗衣机，它能够完成除开启电源、放取衣物之外的全部功能，智能洗衣机的核心是单片机控制板，它具有检测和控制功能。

检测功能是指通过一系列传感器来检测衣量、衣质、脏污程度、脏污性质等指标;

控制功能是指根据所检测到的信息模糊控制系统自动来决定水流方式、洗涤剂投放量和洗涤时间等，并可动态地改变参数，以达到在洗干净衣服的情况下还要尽量不伤衣服、省水和省时。

模糊控制系统的组成核心是具有智能性的模糊控制器，在控制原理上它应用模糊集合论、模糊语言变量和模糊逻辑推理知识，模拟人的模糊思维方法，对复杂过程进行控制。

洗衣机模糊控制系统基本结构如图1所示，模糊控制系统的主要部件是模糊化、模糊推理和决策（含知识库和规则库的形成）和清晰化【2】。

图1模糊控制系统

图1中虚线部分为系统的模糊控制器，它是控制系统的核心。

模糊控制器的确定量输入必须经过模糊化后，转换成一个模糊矢量才能用于模糊控制，具体可按模糊化等级进行模糊化；

推理就是根据输入模糊量和知识库（数据库、规则库）完成模糊推理，并求解模糊关系方程，从而获得模糊控制量的功能部分，模糊控制规则也就是模糊决策，它是人们在控制生产过程中的经验总结;

通过模糊决策所得到的输出是模糊量，要进行控制必须经过清晰化将其转化成精确量。

1.1确定输入量

考虑智能型模糊洗衣机应能自动判断洗涤衣物，选择最佳洗涤程序完成洗衣过程，在设计模糊控制器时，主要考虑衣质（指含棉量）、衣量、脏污程度（指污泥含量）及脏污性质（指油脂含量）这4个输入量。

这4个输入量的模糊子集隶属函数可定义为：

:

衣质，论域的语言值定义为棉、棉纤、纤3种；

衣量，论语的语言值定义为多、中多、中少、少4种；

污泥含量，论语的语言值定义为很脏、一般脏、不太脏3种；

油脂含量，论语的语言值定义为油性、中性和泥性3种【3】。

1.2模糊控制的输出量

模糊控制的输出是模糊推理的后件，对于全自动洗衣机模糊控制器而言，主要包括水位、洗涤时间、洗涤剂投放量和水流强度4个量。

这4个输出量的模糊子集隶属函数可定义为：

洗涤剂投放量。

论域的语言值定义为很少、少、中、多和很多5种;

洗涤时间。

论域的语言值定义为很短、短、中、长、很长5种;

水位高低。

论域的语言值定义为很低、低、高、很高4种；

水流强度，论域的语言值定义为弱、中和强4种。

1.3模糊控制规则

模糊控制器的规则库是基于专家知识和手动操作人员长期积累的经验，是按人的直觉推理的一种语言表示形式。

通常有一系列的关系词连接而成，如IF-THEN,ELSE等。

为了简明表示模糊规则，将上述模糊控制输出量用数字表示。

例如：

洗涤时间（很短、短、中、长、很长）=（1,2,3,4,5）。

其余3个输出量表示与此类似。

当输出量论域为3种时，则用3个数字表示。

根据专家的经验并结合衣物的实际洗涤情况，可得到如表1所示的模糊控制规则。

衣物很脏一般脏不太脏

衣质

衣量

油污

泥污

多

4553

4353

4343

棉

中多

3553

3453

3342

3332

3232

中少

2453

2342

2232

2122

少

1342

1232

1222

1111

4453

4342

4242

棉纤

3442

2442

2332

2221

2111

1332

1221

4442

4332

4232

纤

3552

3443

3432

3222

2222

2211

1331

1231

表1模糊控制规则

表1中每一项有4位数字，从左到右依次代表水位、洗涤剂投放量、冼涤时间、水流方式4个输出变量，每位数的取值代表相应的输出所取的模糊子集。

2MATLAB仿真

本文中以输入量为泥污和油脂，输出量为洗涤时间（其他输入、输出量控制与此类似）为例说明模糊控制如何在洗衣机中应用。

2.1确定模糊控制器的模糊分布

洗衣机利用分光光度计传感器，通过检测洗涤液的透明程度等方法，测出洗涤液中的污泥含量x

[0,lOO]％和油脂含量y

[0,100]％。

模糊控制器则根据z和Y的数据，选定洗涤时间t

[0,60]（分钟）。

因为只考虑洗涤时间，可以用双输入——单输出模糊控制器完成任务,如图2所示。

图2双输入单输出FIS表格

2.2定义输入、输出量的模糊分布

为了简便，所有模糊子集都选取三角形隶属函数。

（1）选定三个模糊子集：

污泥少（SD）、污泥中（MD）和污泥多（LD），用于涵盖输入量z的论域[0,100]，它们的隶属函数如下，其分布如图3所示。

（2）选定三个模糊子集：

油脂少（NG）、油脂中（MG）和油脂多（LG），用于涵盖输入量y的论域[0,100]，它们的隶属函数如下，其分布如图4所示。

图3污泥隶属函数图

图4油脂隶属函数图

（3）选定五个模糊子集涵盖输出量t的论域[0,60]；

很短（VS）、短（S）、中等（M）、长（L）和很长（VL），它们的隶属函数如下，其分布如图5所示。

图5洗涤时间隶属函数图

2.3建立模糊规则

根据人的操作经验可以归纳总结出下述三条模糊规则：

“污泥越多，油脂越多，洗涤时间就越长”；

“污泥适中，油脂适中，洗涤时间就适中”；

“污泥越少，油脂越少，洗涤时间就越短”。

污泥和油脂各分三档，进行组合搭配后，可设立九条模糊控制规则，如图6所示。

图6模糊规则图

2.4输出模糊量的清晰化

模糊量清晰化方法有很多，这里用最大隶属度方法计算。

（1）用（最大隶属度）最小值法（som）

在论域[10,60]上，最大隶属度为0.6，与其对应的时间点设为[

，

]。

它们应满足M（

）=M（

）=0.6，由隶属函数

可得方程（

-10）/15=0.6和（40-

）/15=0.6，解这两个方程得出

=19（分），

=31（分）

所以最大隶属度对应时间段从19分到31分一段。

（2）用（最大隶属度）最大值法（lom）

（3）用（最大隶属度）平均值法（mom）

平均值法洗涤时间为

（分）

仿真结果如图7、图8所示。

图7Rule观测窗

图8输出量曲面观测窗

3结束语

模糊控制技术在家用电器领域的运用有着广阔的前景，智能家电正成为模糊控制技术运用的一个新领域。

本文给出智能洗衣机模糊控制系统的基本原理以及设计方法，并应用MATLAB建立验证模糊洗衣机的推理系统，以及对该系统调试和仿真。

通过仿真得到结果为25分钟，与理论分析值一致。

随着模糊控制技术应用的广泛开展，以及家电智能化的社会需求，智能洗衣机日益成为洗衣机行业的主流产品[4]。

参考文献

[1]石辛民，郝整清.模糊控制及其MATLAB仿真[M].北京：

清华大学出版社，北京交通大学出版社.2015.3-8

[2]蒲会兰，丁世文.洗衣机模糊控制系统设计及模糊推理系统仿真［J］.信息技术，2013.（07）.055

[3]刘贺,余成波,张方方.全自动洗衣机的模糊控制分析[J].重庆工学院学报，2013.23.（5）

[4]卢晶，赵远东，杨雄．基于补偿模糊神经网络的洗衣机仿真研究［J］．微计算机信息，2006，22（10）:

295－298．