模糊数学模型Matlab实验

模糊数学模型Matlab 实验

1、画出下面这些模糊隶属函数的图形(要求：从下面三种分布类型的隶属函数中各选一个用Matlab 画出它们的图形)

偏小型梯形分布隶属函数：

令a=1,b=2

偏小型Г分布隶属函数：

令a=1,k=0.5,得：

x a b x A x a x b

b a

x b

1,(),0,??

k x a x a A x e

x a k ()1,(),(0)--?

偏小型正态分布隶属函数：

令a=1, σ=2

00.20.40.60.81 1.2 1.4 1.6 1.82

0.65

0.75

0.85

0.95

x a x a A x e

x a 2

()1,(),--σ≤??=??>?

2、用Matlab 编程计算下面两个矩阵A 和B 的模糊合成，得到矩阵C ，其中}1)max{(s k b a c kj ik ij ≤≤∧=

????

? ??=???? ??=6.04.02.05.03.01.0,3.06.02.05.01.04.0B A 1运行matlab ，先将模糊合成的函数synt 编写成M 文件

function ab=synt(a,b);

m=size(a,1);n=size(b,2);

for i=1:m

for j=1:n

ab(i,j)=max(min([a(i,:);b(:,j)']));

end

end

之后再在matlab 中输入如下：

A=[0.4,0.5,0.6;0.1,0.2,0.3]; %输入A 矩阵

B=[0.1,0.2;0.3,0.4;0.5,0.6]; %输入B 矩阵

C=synt(A,B) %A 、B 矩阵进行模糊合成C 矩阵

运行后得到如下结果：

C =

00.20.40.60.81 1.2 1.4 1.6 1.82

0.5000 0.6000

0.3000 0.3000

3、用Matlab 编程计算下面这个模糊关系矩阵的0.8—截集矩阵得到8.0A

??????

? ?

?=18.03.008.011.02.03.01.015.002.05.01A 在matlab 中运行如下程序：

A=[1,0.5,0.2,0;0.5,1,0.1,0.3;0.2,0.1,1,0.8;0,0.3,0.8,0.1];

for i=1:4

for j=1:4

if A(i,j)>=0.8

A(i,j)=1;

else A(i,j)=0;

end

end

end

A

运行后得到结果：

8.0A =

1 0 0 0

0 1 0 0

0 0 1 1

0 0 1 0

4、大气环境质量的模糊综合评价

实验过程：

1、按照题目要求，先编写四个隶属函数，并分别存为ri1,ri2ri3,ri4四个M 文件，以备之后运算需要（即将题目中所给的函数编码化）

ri1:

function Ri1=ri1(x1,a1,a2);

if x1<=a1

Ri1=1

elseif x1>a1&&x1

Ri1=(a2-x1)/(a2-a1);

else Ri1=0;

end

ri2:

function Ri2=ri2(x1,a1,a2,a3)

if x1a1

Ri2=(x1-a1)/(a2-a1);

elseif x1a2

Ri2=(a3-x1)/(a3-a2);

else Ri2=0;

end

ri3:

function Ri3=ri3(x1,a2,a3,a4);

if x1a2

Ri3=(x1-a2)/(a3-a2);

elseif x1a3

Ri3=(a4-x1)/(a4-a3);

else Ri3=0;

end

ri4:

function Ri4=ri3(x1,a3,a4);

if x1<=a3

Ri4=0;

elseif x1a3

Ri4=(x1-a3)/(a4-a3);

else Ri3=1;

end

2、做Fuzzy_Relational_Matrix主函数，主程序如下：

function R=Fuzzy_Relational_Matrix(SO2,TSP,NOx,CO,PM1,O3)

R=zeros(6,4); %建立6行4列空矩阵R

S=[0.05 0.15 0.25 0.5;0.12 0.30 0.5 1;0.1 0.1 0.15 0.3;4 4 6 10;0.05 0.15 0.25 0.5;0.12 0.16 0.2 0.4]; %大气污染物评价标准

T=zeros(1,6); %建立1行6列空矩阵

T(1,1)=SO2;T(1,2)=TSP;T(1,3)=NOx;T(1,4)=CO;T(1,5)=PM1;T(1,6)=O3;

for i=1:6 %将6种污染物的实际值填入表中

R(i,1)=ri1(T(i),S(i,1),S(i,2));

R(i,2)=ri2(T(i),S(i,1),S(i,2),S(i,3));

R(i,3)=ri3(T(i),S(i,2),S(i,3),S(i,4));

R(i,4)=ri4(T(i),S(i,3),S(i,4)); %将6种污染物数值带入隶属函数进行评价end

2、将以上4个分函数和1个主函数都编写好存成M文件后，在matlab主画面输入：

R=Fuzzy_Relational_Matrix(0.07,0.2,0.123,5,0.08,0.14)

得到综合评判矩阵：

R =

0.8000 0.2000 0 0

0.5556 0.4444 0 0

0 0.5400 0.4600 0

0 0.5000 0.5000 0

0.7000 0.3000 0 0

0.5000 0.5000 0 0

3、用Matlab编程将用层次分析法得到的各种污染物相对重要性权重向量

A=（0.1,0.2,0.3,0.3,0.05,0.05）

去和上面得到的模糊关系矩阵R做模糊合成。

借用实验二的结果直接进行模糊合成

A=[0.1 0.2 0.3 0.3 0.05 0.05]；%各污染物权重

C=synt(A,R); %A和R进行模糊合成

B=C./sum(C) %对模糊合成的矩阵进行归一化

运行后得到如下结果：

B =

0.2500 0.3750 0.3750 0

根据最终得到B矩阵我们可以分析出最大隶属度的值在第二级和第三级之间。

实验后的反思

一、本题在课件中已给出答案，但经过实际试验操作后发现与课件上答案不同，课

件上的B=（0.252 0.478 0.27 0），最开始认为二者差异是由于综合评价矩阵小数点保留位数不同造成的（实验中综合评价矩阵小数点后保留4位，课件中仅保留了2位），但当把小数点修改到相同后发现试验结果未发生变化，之后又仔细检查了整个程序，未发现问题，所以可以认为应该是课件上所给的答案是错误的

二、进行本题实验时总共编写了5个M文件，过于琐碎，如在这方面进行优化相

信实验会更加完美

基于模糊控制的速度跟踪控制问题(C语言以及MATLAB仿真实现)

基于模糊控制的速度控制 ——地面智能移动车辆速度控制系统问题描述 利用模糊控制的方法解决速度跟踪问题，即已知期望速度(desire speed)，控制油门(throttle output)和刹车(brake output)来跟踪该速度。已知输入：车速和发动机转速（值可观测）。欲控制刹车和油门电压（同一时刻只有一个量起作用）。 算法思想 模糊控制器是一语言控制器，使得操作人员易于使用自然语言进行人机对话。模糊控制器是一种容易控制、掌握的较理想的非线性控制器，具有较佳的适应性及强健性(Robustness)、较佳的容错性(Fault Tolerance)。利用控制法则来描述系统变量间的关系。不用数值而用语言式的模糊变量来描述系统，模糊控制器不必对被控制对象建立完整的数学模式。 Figure 1模糊控制器的结构图 模糊控制的优点： (1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。 (2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。 (3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 (4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。 简化系统设计的复杂性，特别适用于非线性、时变、模型不完全的系统上。 模糊控制的缺点

2015研究生数学建模MATLAB程序(完整版)

′ú??ò?￡o % ?a?ü1y3ì?°??ò??ü??í3?? clear clc fid1=fopen('mingwen1.txt','r'); str1=fgets(fid1); fclose(fid1); fid2=fopen('jiemihou1.txt','r'); str2=fgets(fid2); fclose(fid2); % é?è￥μ￥′ê????μ?????oí±êμ?·?o? ad=find(str2==',');str2(ad)='';ad=find(str2=='.');str2(ad)='';ad=find(str2==';') ;str2(ad)=''; ad=find(str2=='''');str2(ad)='';ad=find(str2=='?');str2(ad)='';ad=find(str2=='￡o');str2(ad)=''; ad=find(str2=='"');str2(ad)='';ad=find(str2=='-');str2(ad)='';ad=find(str2= ='/');str2(ad)=''; ad=find(str2==' ');str2(ad)=''; for i=0:25; ad=find(str1=='A'+i);str1(ad)='a'+i; end for i=0:25; ad=find(str2=='A'+i);str2(ad)='a'+i; end n1(1,26)=0; n2(1,26)=0; n1(1)=sum(str1=='a');n2(1)=sum(str2=='a'); n1(2)=sum(str1=='b');n2(2)=sum(str2=='b'); n1(3)=sum(str1=='c');n2(3)=sum(str2=='c'); n1(4)=sum(str1=='d');n2(4)=sum(str2=='d'); n1(5)=sum(str1=='e');n2(5)=sum(str2=='e'); n1(6)=sum(str1=='f');n2(6)=sum(str2=='f'); n1(7)=sum(str1=='g');n2(7)=sum(str2=='g'); n1(8)=sum(str1=='h');n2(8)=sum(str2=='h'); n1(9)=sum(str1=='i');n2(9)=sum(str2=='i'); n1(10)=sum(str1=='j');n2(10)=sum(str2=='j'); n1(11)=sum(str1=='k');n2(11)=sum(str2=='k'); n1(12)=sum(str1=='l');n2(12)=sum(str2=='l'); n1(13)=sum(str1=='m');n2(13)=sum(str2=='m'); n1(14)=sum(str1=='n');n2(14)=sum(str2=='n'); n1(15)=sum(str1=='o');n2(15)=sum(str2=='o');

MATLAB及在数学建模中的应用

第1讲MATLAB及 在数学建模中的应用 ? MatLab简介及基本运算?常用计算方法 ?应用实例

一、 MatLab简介及基本运算 1.1 MatLab简介 1.2 MatLab界面 1.3 MatLab基本数学运算 1.4 MatLab绘图

1.1 MatLab简介?MATLAB名字由MATrix和 LABoratory 两词组成。20世纪七十年代后期, 美国新墨西哥大学计算机科学系主任Cleve Moler教授为减轻学生编程负担，为学生设计了一组调用LINPACK和EISPACK库程序的“通俗易用”的接口，此即用FORTRAN编写的萌芽状态的MATLAB。

?经几年的校际流传，在Little的推动下，由Little、Moler、Steve Bangert合作，于1984年成立了MathWorks公司，并把MATLAB正式推向市场。从这时起，MATLAB的内核采用C语言编写，而且除原有的数值计算能力外，还新增了数据图视功能。

?1997年春，MATLAB5.0版问世，紧接着是5.1、5.2、5.3、6.0、6.1、6.5、7.0版。现今的MATLAB拥有更丰富的数据类型和结构、更友善的面向对象、更加快速精良的图形可视、更广博的数学和数据分析资源、更多的应用开发工具。 ?20世纪九十年代的时候，MATLAB已经成为国际控制界公认的标准计算软件。

?MATLAB具有用法简易、可灵活运用、程式结构强又兼具延展性。以下为其几个特色： ①可靠的数值运算和符号计算。在MATLAB环境中，有超过500种数学、统计、科学及工程方面的函 数可使用。 ②强大的绘图功能。 MATLAB可以绘制各种图形，包括二维和三维图形。 ③简单易学的语言体系。 ④为数众多的应用工具箱。

基于matlab的模糊控制器的设计与仿真

基于MATLAB的模糊控制器的设计与仿真 摘要：本文对模糊控制器进行了主要介绍。提出了一种模糊控制器的设计与仿真的实现方法，该方法利用MA TLB模糊控制工具箱中模糊控制器的控制规则和隶属度函数，建立模型，并进行模糊控制器设计与仿真。 关键词：模糊控制，隶属度函数，仿真，MA TLAB 1 引言 模糊控制是一种特别适用于模拟专家对数学模型未知的较复杂系统的控制，是一种对模型要求不高但又有良好控制效果的控制新策略。与经典控制和现代控制相比，模糊控制器的主要优点是它不需要建立精确的数学模型。因此，对一些无法建立数学模型或难以建立精确数学模型的被控对象，采用模糊控制方法，往往能获得较满意的控制效果。 模糊控制器的设计比一般的经典控制器如PID控制器要复杂，但如果借助MATLAB则系统动态特性良好并有较高的稳态控制精度，可提高模糊控制器的设计效率。本文在MATLAB环境下针对某个控制环节对模糊控制系统进行了设计与仿真。 2 模糊控制器简介 模糊控制器是一种以模糊集合论，模糊语言变量以及模糊推理为数学基础的新型计算机控制方法。显然，模糊控制的基础是模糊数学，模糊控制的实现手段是计算机。本章着重介绍模糊控制的基本思想，模糊控制的基本原理，模糊控制器的基本设计原理和模糊控制系统的性能分析。 随着科学技术的飞速发展，在那些复杂的，多因素影响的严重非线性、不确定性、多变性的大系统中，传统的控制理论和控制方法越来越显示出局限性。长期以来，人们期望以人类思维的控制方案为基础，创造出一种能反映人类经验的控制过程知识，并可以达到控制目的，能够利用某种形式表现出来。而且这种形式既能够取代那种精密、反复、有错误倾向的模型建造过程，又能避免精密的估计模型方程中各种方程的过程。同时还很容易被实现的，简单而灵活的控制方式。于是模糊控制理论极其技术应运而生。 3 模糊控制的特点 模糊控制是以模仿人类人工控制特点而提出的，虽然带有一定的模糊性和主观性，但往往是简单易行，而且是行之有效的。模糊控制的任务正是要用计算机来模拟这种人的思维和决策方式，对这些复杂的生产过程进行控制和操作。所以，模糊控制有以下特点： 1）模糊控制的计算方法虽然是运用模糊集理论进行的模糊算法，但最后得到的控制规律是确定

数学建模matlab例题参考及练习

数学实验与数学建模 实验报告 学院： 专业班级： 姓名： 学号： 完成时间：年月日

承 诺 书 本人承诺所呈交的数学实验与数学建模作业都是本人通过学习自行进行编程独立完成，所有结果都通过上机验证，无转载或抄袭他人，也未经他人转载或抄袭。若承诺不实，本人愿意承担一切责任。 承诺人： 年 月 日 数学实验学习体会 （每个人必须要写字数1200字以上，占总成绩的20%） 练习1 一元函数的图形 1． 画出x y arcsin =的图象. 2． 画出x y sec =在],0[π之间的图象. 3． 在同一坐标系中画出x y =，2x y =，3 x y = ，3x y =，x y =的图象. 4． 画出3 2 3 2)1()1()(x x x f + +-=的图象，并根据图象特点指出函数)(x f 的奇偶性. 5． 画出)2ln(1++=x y 及其反函数的图象. 6． 画出3 21+=x y 及其反函数的图象.

练习2 函数极限 1．计算下列函数的极限. (1) x x x 4 cos 1 2 sin 1 lim 4 - + π → . 程序： sym x; f=(1+sin(2*x))/(1-cos(4*x)); limit(f,x,pi/4) 运行结果： lx21 ans = 1 (2). 程序： sym x; f=(1+cos(x))^(3*sec(x)); limit(f,x,pi/2) 运行结果： lx22 ans = exp(3) (3) 2 2 ) 2 ( sin ln lim x x x - π π → . 程序： sym x; f=log(sin(x))/(pi-2*x)^2; limit(f,x,pi/2) 运行结果： lx23 ans = -1/8 (4) 2 1 2 lim x x e x →. 程序： x x x sec 3 2 ) cos 1( lim+ π →

matlab在数学建模中的应用

Matlab在数学建模中的应用 数学建模是通过对实际问题的抽象和简化，引入一些数学符号、变量和参数，用数学语言和方法建立变量参数间的内在关系，得出一个可以近似刻画实际问题的数学模型，进而对其进行求解、模拟、分析检验的过程。它大致分为模型准备、模型假设、模型构成、模型求解、模型分析、模型检验及应用等步骤。这一过程往往需要对大量的数据进行分析、处理、加工，建立和求解复杂的数学模型，这些都是手工计算难以完成的，往往在计算机上实现。在目前用于数学建模的软件中，matlab 强大的数值计算、绘图以及多样化的工具箱功能，能够快捷、高效地解决数学建模所涉及的众多领域的问题，倍受数学建模者的青睐。 1 Matlab在数学建模中的应用 下面将联系数学建模的几个环节，结合部分实例，介绍matlab 在数学建模中的应用。 1.1 模型准备阶段 模型准备阶段往往需要对问题中的给出的大量数据或图表等进行分析，此时matlab的数据处理功能以及绘图功能都能得到很好的应用。 1.1.1 确定变量间关系 例1 已知某地连续20年的实际投资额、国民生产总值、物价指数的统计数据（见表），由这些数据建立一个投资额模型，根据对未来国民生产总值及物价指数的估计，预测未来的投资额。

表1 实际投资额、国民生产总值、物价指数的统计表 记该地区第t年的投资为z(t)，国民生产总值为x(t)，物价指数为y(t)。 赋值： z=[90.9 97.4 113.5 125.7 122.8 133.3 149.3 144.2 166.4 195 229.8 228.7 206.1 257.9 324.1 386.6 423 401.9 474.9 424.5]' x=[596.7 637.7 691.1 756 799 873.4 944 992.7 1077.6 1185.9 1326.4 1434.2 1549.2 1718 1918.3 2163.9 2417.8 2631.6 2954.7 3073]' y=[0.7167 0.7277 0.7436 0.7676 0.7906 0.8254 0.8679 0.9145 0.9601 1 1.0575 1.1508 1.2579 1.3234 1.4005 1.5042 1.6342 1.7842 1.9514 2.0688]' 先观察x与z之间，y与z之间的散点图 plot(x,z,'*') plot(y,z,'*') 由散点图可以看出，投资额和国民生产总值与物价指数都近似呈

基于MATLAB的光伏电池通用数学模型

本文由qpadm贡献 pdf文档可能在WAP端浏览体验不佳。建议您优先选择TXT，或下载源文件到本机查看。 第 25 卷第 4 期 2009 年 4 月 电 力 For personal use only in study and research; not for commercial use 科 学 与 For personal use only in study and research; not for commercial use 工 程 Vol.25, No.4 Apr., 2009 11 For personal use only in study and research; not for commercial use Electric Power Science and Engineering 基于 MATLAB 的光伏电池通用数学模型 王长江 For personal use only in study and research; not for commercial use （华北电力大学电气与电子工程学院，北京 102206）摘要：针对光伏电池输出特性具有强烈的非线性，根据太阳能电池的直流物理模型，利用 MATLAB 建立了太阳能光伏阵列通用的仿真模型。利用此模型，模拟任意环境、太阳辐射强度、电池板参数、电池板串并联方式下的光伏阵列 I-V 特性。模型内部参数经过优化，较好地反应了电池实际特性。模型带有最大功率点跟踪功能，能很好地实现光伏发电系统最佳工作点的跟踪。关键词：光伏电池；MPPT；I-V 特性中图分类号：TM615 文献标识码：A 引 言 1 光伏电池特性 随着化石能源的消耗，全球都在面临能源危机，太阳能依靠其清洁、分布广泛等特点成为当今发展速度居第二位的能源 [1] 。光伏阵列由多个单体太阳能电池进行串并联封装而成，是光伏发电的能源供给中心，其 I V 特性曲线随日照强度和太阳能电池温度变化，即 I=f ( V, S, T ) 。目前而厂家通常仅为用户提供标准测试的短路电流 I sc 、开路电压 Voc、最大功率点电流 I m 、最大功率点电压 V m 值，所以如何根据已有的标准测试数据来仿真光伏阵列在不同日照、温度下的 I V，P V 特性曲线，在光伏发电系统分析研究中显得至关重要 [2] 。文献 [ 3~4 ] 介绍了一些光伏发电相关的仿真模型，但这些模型都需要已知一些特定参数，使得分析研究有一些困难。文献 [ 5 ] 介绍了经优化的光伏电池模型，但不能任意改变原始参数。文献 [ 6 ] 给出了光伏电池的原理模型，但参数选用典型值，会造成较大的误差。本文考虑工程应用因素，基于太阳能电池的物理模型，建立了适用于任何条件下的工程用光伏电池仿真模型。

matlab数学建模实例

第四周 3. 中的三个根。 ，在求8] [0,041.76938.7911.1-)(2 3=-+=x x x x f function y=mj() for x0=0:0.01:8 x1=x0^3-11.1*x0^2+38.79*x0-41.769; if (abs(x1)<1.0e-8) x0 end end 4.分别用简单迭代法、埃特金法、牛顿法求解方程，并比较收敛性与收敛速度（ε分别取10-3、10-5、10-8）。 简单迭代法： function y=jddd(x0) x1=(20+10*x0-2*x0^2-x0^3)/20; k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=(20+10*x0-2*x0^2-x0^3)/20;k=k+1; end x1 k 埃特金法： function y=etj(x0) x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0); k=1; while (abs(x3-x0)>=1.0e-3) x0=x3; x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=k+1; end 2 ,020102)(023==-++=x x x x x f

x3 k 牛顿法： function y=newton(x0) x1=x0-fc(x0)/df(x0); k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=x0-fc(x0)/df(x0);k=k+1; end x1 k function y=fc(x) y=x^3+2*x^2+10*x-20; function y=df(x) y=3*x^2+4*x+10; 第六周 1.解例6-4（p77)的方程组，分别采用消去法（矩阵分解）、Jacobi迭代法、Seidel迭代法、松弛法求解，并比较收敛速度。 消去法： x=a\d 或 [L,U]=lu(a); x=inv(U)inv(L)d Jacobi迭代法： function s=jacobi(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1); C=inv(D); B=C*(L+U); G=C*d; s=B*x0+G; n=1; while norm(s-x0)>=1.0e-8 x0=s; s=B*x0+G;

模糊控制系统及其MATLAB实现

模糊控制系统及其MATLAB实现 1. 模糊控制的相关理论和概念 1.1 模糊控制的发展 模糊控制理论是在美国加州伯克利大学的L.A.Zadeh教授于1965 年建立的模 糊集合论的数学基础上发展起来的。之后的几年间Zadeh又提出了模糊算法、模糊 决策、模糊排序、语言变量和模糊IF-THEN规则等理论，为模糊理论的发展奠定了 基础。 1975年，Mamdani和Assilian创立了模糊控制器的基本框架，并用于控制蒸 汽机。 1978年，Holmblad和Ostergaard为整个工业过程开发出了第一个模糊控制器——模糊水泥窑控制器。 20世纪80年代，模糊控制开始在工业中得到比较广泛的应用，日本仙台地铁 模糊控制系统的成功应用引起了模糊领域的一场巨变。到20世纪90年代初，市场 上已经出现了大量的模糊消费产品。 近30 年来, 因其不依赖于控制对象的数学模型、鲁棒性好、简单实用等优点, 模糊控制已广泛地应用到图像识别、语言处理、自动控制、故障诊断、信息并且渗透到社会科学和检索、地震研究、环境预测、楼宇自动化等学科和领域, 自然科学许多分支中去, 在理论和实际运用上都取得了引人注目的成果。 1.2 模糊控制的一些相关概念 用隶属度法来定义论域U中的集合A，引入了集合A的0-1隶属度函数， 用,()x表示，它满足: A xA,1, ,x(),,AxA,0,

用0-1之间的数来表示x属于集合A的程度，集合A等价与它的隶属度函 数,()x A 模糊系统是一种基于知识或基于规则的系统。它的核心就是由所谓的IF-THEN 规则所组成的知识库。一个模糊的IF-THEN规则就是一个用连续隶属度函数对所描述的某些句子所做的IF-THEN形式的陈述。例如: 如果一辆汽车的速度快，则施加给油门的力较小。 这里的“快”和“较小”分别用隶属度函数加以描述。模糊系统就是通过组合IF-THEN规则构成的。 构造一个模糊系统的出发点就是要得到一组来自于专家或基于该领域知识的模糊IF-THEN规则，然后将这些规则组合到单一系统中。不同的模糊系统可采用不用的组合原则。 用隶属度函数表征一个模糊描述后，实质上就将模糊描述的模糊消除了。 模糊控制系统设计的关键在于模糊控制器的设计。模糊控制器的设计主要有三个部分: (1) 输入量的模糊化 所谓模糊化(Fuzzification) 就是先将某个输入测量量的测量值作标准化处理,把该输入测量量的变化范围映射到相应论域中,再将论域中的各输入数据以相应的模糊语言值的形式表示,并构成模糊集合。这样就把输入的测量量转换为用 隶属度函数表示的某一模糊语言变量。 (2) 模糊逻辑推理 根据事先已定制好的一组模糊条件语句构成模糊规则库,运用模糊数学理论对 模糊控制规则进行推理计算,从而根据模糊控制规则对输入的一系列条件进行综合评估,以得到一个定性的用语言表示的量,即模糊输出量。完成这部分功能的过程就是模糊逻辑推理过程。

MATLAB及其在数学建模中的应用

Modeling and Simulation 建模与仿真, 2015, 4(3), 61-71 Published Online August 2015 in Hans. https://www.wendangku.net/doc/5b10245756.html,/journal/mos https://www.wendangku.net/doc/5b10245756.html,/10.12677/mos.2015.43008 Study of MATLAB and Its Application in Mathematical Modeling Chuanqi Qin, Ting Wang, Yuanfeng Jin School of Science, Yanbian University, Yanji Jilin Email: yfkim@https://www.wendangku.net/doc/5b10245756.html, Received: Jul. 22nd, 2015; accepted: Aug. 11th, 2015; published: Aug. 18th, 2015 Copyright ? 2015 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). https://www.wendangku.net/doc/5b10245756.html,/licenses/by/4.0/ Abstract This article firstly introduces the development and the features of MATLAB software. And then the concept and the process of mathematical modeling are explained. After, the article briefly intro-duces some MATLAB solution methods of mathematical modeling problems, giving several in-stances of some methods. At the last of this article, through a relatively complete example, it fo-cuses on the application of MATLAB in mathematical modeling. It has been found that the applica-tion of MATLAB in mathematical modeling can improve the efficiency and quality of mathematical modeling, enrich the means and methods of mathematical modeling, and play a very important role in the teaching of mathematical modeling course. Keywords MATLAB, Mathematical Modeling, Mathematic Model MATLAB及其在数学建模中的应用 秦川棋，王亭，金元峰 延边大学理学院，吉林延吉 Email: yfkim@https://www.wendangku.net/doc/5b10245756.html, 收稿日期：2015年7月22日；录用日期：2015年8月11日；发布日期：2015年8月18日

基于MATLAB的模糊控制洗衣机的设与仿真(谷风软件)

基于MATLAB的模糊控制洗衣机的设计与 仿真 卫瑶瑶,王胜红 （南京农业大学工学院，210031） 摘要：根据模糊控制的原理对传统洗衣机进行改造，设计了模糊控制系统。通过MA TLAB仿真，采用取最大隶属度法得到清晰化结果，所得结果与理论计算结果一致。 关键词：模糊控制；洗衣机；MA TLAB Design and Simulation of Fuzzy Control System of Washing Machine Based on MATLAB Wei yaoyao, Wang Shenghong (College of Engineering，Nanjing Agricultural University，210031) Abstract: This paper designed a fuzzy control system for washing machine based on the theory of fuzzy control. This paper conducted the simulation of MATLAB, and took maximum membership degree method to get the results of clarity. Finally, it’s proved that the simulation results is the same with theory calculation. Keywords: fuzzy control; washing machine; 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

基于MATLAB的数学建模题

1求1到20的阶乘和M文件 function p=fac(n) %fac函数由于阶乘 if n==0 p=1; else p=1; i=1; while i<=n p=p*i; i=i+1; end end clear sum=0; for i==1:20 sum=sum+fac(i) end sum （1）

（2）运行结果 2、用起泡法排数 clc clear all s=[9 8 4 2 7 10 6 1 5 3]; %要排序的数列Ls=length(s); for i=1:Ls-1 for j=1:Ls-i if s(j)>s(j+1) t=s(j); s(j)=s(j+1); s(j+1)=t; end

end end s %输出排序后结果 结果 3、matlab 有一函数 f(x,y)=x2+cos(xy)+2y ,写一程序,输入自变量的值,输出函数值. function z= yourfunc(x,y) % script for f(x,y)=x2+cos(xy)+2y % input scalar: x, y % output scalar: z % written by yourname % 10 May 2010 z=x^2+cos(x*y)+2*y;

end 运行结果 4、小球下落问题 h = zeros(11,1); h(1) = 100; for i = 2:11 h(i) = h(i-1)/2; end % 第10次反弹有多高？h(11)

% 它在第10次落地时，共经过多少米？ 2*sum(h(1:10))-h(1) 结果如下 5、矩阵问题 有一个4行5列的矩阵，编程求出其最大值以及最大值所处位置clc; clear all; A = rand(4, 5); m = A(1); ind = [1 1]; for i = 1 : size(A, 1) for j = 1 : size(A, 2) if m < A(i, j)

matlab数学建模实例

第四周3. 中的三个根。 ，在求8] [0,041.76938.7911.1-)(2 3=-+=x x x x f function y=mj()for x0=0:0.01:8 x1=x0^3-11.1*x0^2+38.79*x0-41.769;if (abs(x1)<1.0e-8)x0 end end 4.分别用简单迭代法、埃特金法、牛顿法求解方程，并比较收敛性与收敛速度（ε分别取10-3、10-5、10-8）。 简单迭代法： function y=jddd(x0) x1=(20+10*x0-2*x0^2-x0^3)/20;k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=(20+10*x0-2*x0^2-x0^3)/20;k=k+1;end x1k 埃特金法： function y=etj(x0) x1=(20-2*x0^2-x0^3)/10;x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=1; while (abs(x3-x0)>=1.0e-3) x0=x3; x1=(20-2*x0^2-x0^3)/10;x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=k+1;end 2 ,020102)(023==-++=x x x x x f

x3 k 牛顿法： function y=newton(x0) x1=x0-fc(x0)/df(x0); k=1; while(abs(x1-x0)>=1.0e-3) x0=x1; x1=x0-fc(x0)/df(x0);k=k+1; end x1 k function y=fc(x) y=x^3+2*x^2+10*x-20; function y=df(x) y=3*x^2+4*x+10; 第六周 1.解例6-4（p77)的方程组，分别采用消去法（矩阵分解）、Jacobi迭代法、Seidel迭代法、松弛法求解，并比较收敛速度。 消去法： x=a\d 或 [L,U]=lu(a); x=inv(U)inv(L)d Jacobi迭代法： function s=jacobi(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1); C=inv(D); B=C*(L+U); G=C*d; s=B*x0+G; n=1; while norm(s-x0)>=1.0e-8 x0=s; s=B*x0+G;

用matlab解决数学建模

2、已知速度曲线v(t) 上的四个数据点下表所示 t=[0.15,0.16,0.17,0.18]; v=[3.5,1.5,2.5,2.8]; x=0.15:0.001:0.18 y=i n t e r p1(t,v,x,'s p l i n e') S=t r a p z(x,y) p=p o l y f i t(x,y,5); d p=p o l y d e r(p); d p x=p o l y v a l(d p,0.18) 运行结果 S= 0.0687 Dpx=- 3、计算图片文件tu.bmp 给出的两个圆A，B 的圆心，和两个圆的两条外公切线和两条内公切线的切点的坐标。 （1）计算A 圆的圆心坐标 I=imread('tu.bmp'); [m,n]=size(I) BW=im2bw(I) BW(:,200:512)=1; figure, imshow(BW) ed=edge(BW); [y,x]=find(ed); x0=mean(x), y0=mean(y) r1=max(x)-min(x),r2=max(y)-min(y) r=(r1+r2)/4 x0 =109.7516 y0 =86.7495 r1 =162 r2 =158 r =80 （2）B圆的圆心坐标和半径 I=imread('tu.bmp'); BW=im2bw(I) BW(:,1:200)=1; imshow(BW) ed=edge(BW); [y,x]=find(ed); x0=mean(x), y0=mean(y) r1=max(x)-min(x),r2=max(y)-min(y) r=(r1+r2)/4 x0 =334.0943 y0 =245.7547 r1 =165 r2 =158 r = 80.7500

基于MATLAB的模糊控制系统设计

实验一基于MATLAB的模糊控制系统设计 1.1实验内容 （1）基于MATLAB图形模糊推理系统设计，小费模糊推理系统； （2）飞机下降速度模糊推理系统设计； （3）水箱液位模糊控制系统设计及仿真运行。 1.2实验步骤 1小费模糊推理系统设计 （1）在MATLAB的命令窗口输入fuzzy命令，打开模糊逻辑工具箱的图形用户界面窗口，新建一个Madmdani模糊推理系统。 （2）增加一个输入变量，将输入变量命名为service、food，输出变量为tip，这样建立了一个两输入单输出模糊推理系统框架。 （3）设计模糊化模块：双击变量图标打开Membership Fgunction Editor窗口，分别将两个输入变量的论域均设为[0,10],输出论域为[0,30]。 通过增加隶属度函数来进行模糊空间划分。 输入变量service划分为三个模糊集：poor、good和excellent，隶属度函数均为高斯函数，参数分别为[1.5 0]、[1,5 5]和[1.5 10]； 输入变量food划分为两个模糊集：rancid和delicious，隶属度函数均为梯形函数，参数分别为[0 0 1 3]和[7 9 10 10]； 输出变量tip划分为三个模糊集：cheap、average和generous，隶属度函数均为三角形函数，参数分别为[0 5 10]、[10 15 20]和[20 25 30]。

（4）设置模糊规则：打开Rule Editor窗口，通过选择添加三条模糊规则： ①if (service is poor) or (food is rancid) then (tip is cheap) ②if (service is good) then (tip is average) ③if (service is excellent) or (food is delicious) then (tip is generous) 三条规则的权重均为 1. （5）模糊推理参数均使用默认值，通过曲面观察器（Surface Viewer）查看

10909-数学建模-应用MATLAB建模的一个例子

应用MATLAB 的一个例子 ——数学也是一门技术 王天顺 整理 本来想用 “数学也是一门技术”作题目，主要是基于两点，一是从数学的应用角度，它的确具备了作为一门技术的特征，这也就是今天我要通过一个例子要表达的；二是咱们在座的大多数都是从事职业教育的老师，不知道我理解得是不是正确，职业教育与普通教育的区别是较为侧重于教授技术，我主观上感觉这个题目和大家的关系更紧密一些。但是，这个题目有点太大了！和领导商量了一下还是换个题目吧。 首先可以证明：数学确是一门技术，比如说要从技术的定义入手，流行的做法是：查查《辞海》，查查相关的如《科学学辞典》和《科技辞典》等等，看看他们是怎样给技术定义的；其次，论述一下数学的确是符合这些定义的。 实际上，我也确实查阅过这些资料，可以说没有问题，一定可以找到证据证明这个论断！ 注：“技术”一词的中文解释有两种，一种是以《辞海》为代表的解释，把技术定义为：（1 ）泛指根据生产实践经验和自然科学原理而发展成的各种工艺操作方法与技能；（2）除操作技能外， 广义的还包括相应的生产工具和其他物质设备，以及生产的工艺过程或作业程序、方法。另一种是以《科学学辞典》和《科技辞典》为代表的解释，把技术定义为：是为社会生产和人类物质文化生活需要服务的，供人类利用和改造自然的物质手段、智能手段和信息手段的总和。 可见， “技术”一词所包含的内容除了有形的物化形态之外，还包括无形的智能形态方面。无形的智能形态的技术是客观存在的，在某种意义上说，这方面技术的作用并不亚于物化形态的技术，更不能为物化形态技术所取代（背景资料）。因此，有关“技术”的涵义，有人概括为：指的是有形的物化技术和无形的智能技术的总和。 当然，容易想到我们把数学看作一门技术，可能更多的是从技术的无形“智能形态”角度论述的。我想这只是他的一个方面，今天先给各位介绍的是一个例子，展现他的另一个方面，用数学（包括相关的软件）去解决一个实际问题，其过程就像“传统的”、物化形态的技术一样；其次，结合上述例子，探讨有关数学建模及相关培训指导工作的一般原则和步骤，谈一点个人对此项工作的认识；最后，介绍我校的这些年数学建模培训工作的一些具体做法。 一、足球比赛中的吊门问题 1. 问题：只考虑如下的因素：球与球门的距离为a ，守门员与球门的距离为b （假设在调 门过程中，守门员不能移动），球门高h ，守门员最大摸高H ，球出脚的初速度为0v ，与水平方向的夹角为α（称为初射角）．针对下列数据求能吊门成功的α，h=2.44m ，H=3.20m ，s m v /300= ，重力加速度g=10m/s 2，针对下列几组数据分别给出具体能吊门成功的相应初射角范围，要求精度在小数点后第4位。 （1） a=6m ，b=1m ； （2） a=10m ，b=3m ； （3） a=20m ，b=5m ； 2. 问题分析 （1） 在不考虑空气阻力的情况下，抛射体的运动轨迹是抛物线：

基于MATLAB的温度模糊控制系统的设计

智能控制》课程论文 基于MATLAB的温度模糊控制系统的设计 成绩：任课教师：田志波班级：测控09-2 作者：胡 兵上交时间：2012.11.05 一、温度模糊控制 在工业生产过程中，温度控制是重要环节，控制精度直接影响系统的运行和产品质量。在传统的温度控制方法中，一般采取双向可控硅装置，并结合简单控制算法(如PID算法)，使温度控制实现自动调节。但由于温度控制具有升温单向性、大惯性、大滞后等特点，很难用数学方法建立精确的模型，因此用传统的控制理论和方法很难达到好的控制效果。鉴于此，本文拟以模糊控制为基础的温度智能控制系统，采用人工智能中的模糊控制技术，用 模糊控制器代替传统的PID控制器，以闭环控制方式实现对温度的自动控制。 二、方案设计 利用MATLA的模糊控制箱及Simulink内含的功能元件，建立温度箱温度模糊控制器及其系统的模型。 1. 建立模糊控制器 采用温度偏差，即实际测量温度与给定温度之差e及偏差变化率ed作为模糊控制器的输 入变量，输出p为“PW波(脉冲宽度调制)”控制发热电阻的功率，来调节温度箱内温度的升降，形成典型的双输入单输出二维模糊控制器。

运用MATLA中的FIS编辑器，建立温度箱的Mamdan型模糊控制器，如图1所示。温度偏差e、温度偏差变化率ed和输出变量IZ的语言变量E, Ed, P都选择为｛NB, NM NS Z, PS, PM PB｝，其中P和N分别表示正与负，B, M s分别表示大、中、小，z表示0。 图1模糊控制器模型 2. 建立控制决策及隶属函数 模糊控制决策及解模糊方法采用系统默认值，即极大极小合成运算与重心法解模糊。由模糊控制决策公式可求得输出变量的模糊集合为P =(E X Ed ) X R 本文都采用三角隶属函数，各变量的隶属函数如图2所示。其中，图2(a)为E和Ed,隶属 函数图，E和Ed的量化论域为［-6 , 6］;图2(b)为P隶属函数图，EQ的量化论域为［-6 , 6］。不同的系统，其模糊集的隶属函数是不同的，要根据实际情况和实践经验而定。

matlab数学建模实例

第四周 3. function y=mj() for x0=0:0.01:8 x1=x0^3-11.1*x0^2+38.79*x0-41.769; if (abs(x1)<1.0e-8) x0 end end 4.分别用简单迭代法、埃特金法、牛顿法求解方程，并比较收敛性与收敛速度（ 分别取10-3、10-5、10-8）。 简单迭代法： function y=jddd(x0) x1=(20+10*x0-2*x0^2-x0^3)/20; k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=(20+10*x0-2*x0^2-x0^3)/20;k=k+1; end x1 k 埃特金法： function y=etj(x0) x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0); k=1; while (abs(x3-x0)>=1.0e-3) x0=x3; x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=k+1; end x3 k 牛顿法： function y=newton(x0)

x1=x0-fc(x0)/df(x0); k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=x0-fc(x0)/df(x0);k=k+1; end x1 k function y=fc(x) y=x^3+2*x^2+10*x-20; function y=df(x) y=3*x^2+4*x+10; 第六周 1.解例6-4（p77)的方程组，分别采用消去法（矩阵分解）、Jacobi迭代法、Seidel迭代法、松弛法求解，并比较收敛速度。 消去法： x=a\d 或 [L,U]=lu(a); x=inv(U)inv(L)d Jacobi迭代法： function s=jacobi(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1); C=inv(D); B=C*(L+U); G=C*d; s=B*x0+G; n=1; while norm(s-x0)>=1.0e-8 x0=s; s=B*x0+G; n=n+1; end n Seidel迭代法： function s=seidel(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1);