船舶航向模糊控制matlab仿真代码非simulink搭建

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Fuzzy Model Reference Learning Control （FMRLC） System for a Tanker Ship
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%
% By: Kevin Passino 
% Version: 4/26/01
%
% Notes: This program has evolved over time and uses programming 
% ideas of Andrew Kwong Jeff Layne and Brian Klinehoffer.
%
% This program simulates an FMRLC for a tanker
% ship.  It has a fuzzy controller with two inputs the error
% in the ship heading （e） and the change in that error （c）.  The output
% of the fuzzy controller is the rudder input （delta）.  The FMRLC 
% adjusts the fuzzy controller to try to get tanker ship heading （psi） 
% to track the output of a “reference model“ （psi_m） that has as an 
% input the reference input heading （psi_r）. We simulate the tanker 
% as a continuous time system that is controlled by an FMRLC that 
% is implemented on a digital computer with a sampling interval of T=1 sec.  
%
% This program can be used to illustrate:
%  - How to code an FMRLC （for two inputs and one output 
%    for the controller and “fuzzy inverse model“）.
%  - How to tune the input and output gains of an FMRLC.
%  - How changes in plant conditions （“ballast“ and “full“ and speed） 
%    can affect performance and how the FMRLC can adapt to improve
%    performance when there are such changes.
%  - How the effects of sensor noise （heading sensor noise） and plant 
%    disturbances （wind hitting the side of the ship） can be reduced
%    over the case of non-adaptive fuzzy control.
%  - The shape of the nonlinearity synthesized by the FMRLC
%    by plotting the input-output map of the fuzzy controller at the
%    end of the simulation （and providing the output membership function
%    centers）.
%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
clear		% Clear all variables in memory

% Initialize ship parameters 

ell=350;			% Length of the ship （in meters）
abar=1;             % Parameters for nonlinearity
bbar=1;

% Define the reference model （we use a first order transfer function 
% k_r/（s+a_r））:

a_r=1/150;
k_r=1/150;

% Initialize parameters for the fuzzy controller

nume=11; 	% Number of input membership functions for the e 
			% universe of discourse （can change this but must also
			% change some variables below if you make such a change）
numc=11; 	% Number of input membership functions for the c 
			% universe of discourse （can change this but must also
			% change some variables below if you make such a change）

% Next we define the scaling gains for tuning membership functions for 
% universes of discourse for e change in e （what we call c） and 
% delta.  These are g1 g2 and g0 respectively
% These can be tuned to try to improve the performance. 

% First guess: 
g1=1/pi;g2=100;g0=8*pi/18; % Chosen since: 
		% g1: The heading error is at most 180 deg （pi rad） 
		% g2: Just a guess - that ship heading will change at most
		%     by 0.01