j用Matlab的Fuzzy工具箱实现模糊控制-Fuzzy_Control.rar [url=http://blog.daviesliu.net/article/entry20050328-153616]用 Matlab 的 Fuzzy 工具箱实现模糊控制 [/url] 用 Matlab 中的 Fuzzy 工具箱做一个简单的模糊控制，流程如下： 1、创建一个 FIS 对象， a = newfis一般只用提供第一个参数即可，后面均用默认值。 2、增加模糊语言变量 a = addvar模糊变量有两类：input 和 output。在每增加模糊变量，都会按顺序分配一个 index，后面要通过该 index 来使用该变量。 3、增加模糊语言名称，即模糊集合。 a = addmf每个模糊语言名称从属于一个模糊语言。Fuzzy 工具箱中没有找到离散模糊集合的隶属度表示方法，暂且用插值后的连续函数代替。参数 mfType 即隶属度函数，它可以是 Gaussmf、trimf、trapmf等，也可以是自定义的函数。每一个语言名称也会有一个 index，按加入的先后顺序得到，从 1 开始。 4、增加控制规则，即模糊推理的规则。 a = addrule 其中 ruleList 是一个矩阵，每一行为一条规则，他们之间是 ALSO 的关系。 假定该 FIS 有 N 个输入和 M 个输出，则每行有 N M 2 个元素，前 N 个数分别表示 N 个输入变量的某一个语言名称的 index，没有的话用 0 表示，后面的 M 个数也类似，最后两个分别表示该条规则的权重和个条件的关系，1 表示 AND，2 表示 OR。例如，当“输入1” 为“名称1” 和 “输入2” 为“名称3” 时，输出为 “ 输出1” 的“状态2”，则写为：[1 3 2 1 1] 5、给定输入，得到输出，即进行模糊推理。 output = evalfis其中 fismat 为前面建立的那个 FIS 对象。一个完整的例子如下： matlab程序在附件里

模糊控制与神经网络（经典），非常适合初学者，一本兼备理论和哲学的书，讲解的透彻。

运动模糊参数计算..

恢复极度模糊或退化的图像。 由于许多因素，例如相机和行驶中的汽车之间的相对运动（例如超速行驶的汽车的图像），图像变得模糊。 逆滤波器、维纳滤波器和露西-理查森滤波器用于恢复图像。 光流分析，即模糊长度和模糊角度等模糊参数的估计也是其中的一部分。 包含帮助文件以帮助您。 如果有人觉得这个文件有用，请留下评论。 它非常令人鼓舞。

fcm Matlab中的模糊c均值聚类算法

基于模糊控制器

模糊均值聚类算法。

相对比较法的具体步骤： ① 设论域U中的一对元素(v1, v2)， 在v1和v2的二元对比中， v1具有某特征的程度用gv2(v1)表示，v2具有某特征的程度用gv1(v2)表示。 且满足： 0 gv2(v1)  1 、 0 gv1(v2) 1 ② 令： 且定义g(vi /vj ) =1，当i=j时。 ③以g(vi /vj ) (i , j=1,2)为元素构造相及矩阵G:

摘 要：对于实用的有源电力滤波器，无论是启动过程还是在正常工作中对于直流侧电容电压均有着严格的要求。因此，针对直流侧电压闭环控制以及均压闭环控制分别进行了建模和分析，本文设计模糊PI混合控制器。模糊PI混合控制器与常规PI控制不同，模糊控制本质上是一种非线性控制，对控制对象的参数变化或非线性具有较好的适应能力，对干扰或噪声具有更强的抑制功能，即更强的鲁棒性。但是，模糊控制也有不足之处，模糊控制本身消除系统稳态误差的性能比较差，难以达到较高的控制精度。 　　有源滤波器（APF）直流母线上接的直流电容器作为逆变器的电源，为逆变器工作提供能量。逆变器正常工作需要稳定的直流母线电压，但是由于靠电容器

加权叠加摘要：使用常用测量比例叠加多个栅格数据，并根据各栅格数据的重要性分配权重。