用matlab针对以下系统，产生一组数据，然后利用模糊系统辨识方法，建立相应的模糊系统模型，并比较在相同输入下，实际系统输出与模糊系统模型输出的差异。x 为系统输入，输入范围为【-2pi，2pi】，y 为系统输出，z 为系统输出的测量值； 𝐹(𝑥) = 3 ∗ sin(x) + 2 ∗ cos(x^2)； v(t)为测量噪声，是二个白噪声之和，其一为标准差为 Q*y(t)、均值为 0 的白噪声，其二为 标准差为 R、均值为 0 的白噪声。Q 与 R 的值自行选取，Q 不小于 5%，R 不小于 0.5

以下是一种可能的解法，供参考：

首先，生成一组输入输出数据：

Q = 0.05;
R = 0.5;
t = linspace(-2*pi, 2*pi, 100);
F = 3*sin(t) + 2*cos(t.^2);
v = Q*F.*(rand(size(F))-0.5) + R*randn(size(F));
y = F + v;

然后，利用Fuzzy Logic Toolbox工具箱建立模糊系统模型。首先定义输入输出变量：

input = [-2*pi, 2*pi];
output = [-10, 10];

然后，设计模糊规则：

ruleList = [1 1 1 1; 1 2 2 1];

其中，ruleList的每一行表示一条规则，第一列和第二列分别表示输入变量x和输出变量y所属的模糊集的编号，第三列和第四列分别表示该规则的前提和结论的置信度，此处取值为1表示完全置信。

接着，定义模糊集：

inputMF(1) = fuzzyset('trimf', [-2*pi -2*pi -pi]);
inputMF(2) = fuzzyset('trimf', [-2*pi -pi 0]);
inputMF(3) = fuzzyset('trimf', [-pi 0 pi]);
inputMF(4) = fuzzyset('trimf', [0 pi 2*pi]);
inputMF(5) = fuzzyset('trimf', [pi 2*pi 2*pi]);

outputMF(1) = fuzzyset('trimf', [-10 -10 -5]);
outputMF(2) = fuzzyset('trimf', [-7.5 -5 -2.5]);
outputMF(3) = fuzzyset('trimf', [-3 0 3]);
outputMF(4) = fuzzyset('trimf', [2.5 5 7.5]);
outputMF(5) = fuzzyset('trimf', [5 10 10]);

其中，inputMF表示输入变量x所属的5个模糊集，outputMF表示输出变量y所属的5个模糊集。这里使用的是三角形隶属度函数。

最后，利用Fuzzy Logic Toolbox提供的fuzzy系统命令建立模糊系统：

fis = fuzzy(input, output, 'min', 'max', 'centroid');
fis = addInput(fis, inputMF, 'Name', 'x');
fis = addOutput(fis, outputMF, 'Name', 'y');
fis = addRule(fis, ruleList);

其中，fis是建立的模糊系统对象，'min'和'max'分别表示使用min-max合成法和max-min解析法进行模糊推理，'centroid'表示使用重心法进行模糊输出的解模糊。

最后，比较实际系统输出和模糊系统模型输出的差异：

yf = evalfis(fis, t);
plot(t, y, t, yf);
legend('Actual output', 'Fuzzy system output');

其中，evalfis命令可以用来计算模糊系统在给定输入下的输出值。plot命令用来绘制实际输出和模糊系统输出的曲线，以便比较它们之间的差异。

完整代码如下：

Q = 0.05;
R = 0.5;
t = linspace(-2*pi, 2*pi, 100);
F = 3*sin(t) + 2*cos(t.^2);
v = Q*F.*(rand(size(F))-0.5) + R*randn(size(F));
y = F + v;

input = [-2*pi, 2*pi];
output = [-10, 10];

ruleList = [1 1 1 1; 1 2 2 1];

inputMF(1) = fuzzyset('trimf', [-2*pi -2*pi -pi]);
inputMF(2) = fuzzyset('trimf', [-2*pi -pi 0]);
inputMF(3) = fuzzyset('trimf', [-pi 0 pi]);
inputMF(4) = fuzzyset('trimf', [0 pi 2*pi]);
inputMF(5) = fuzzyset('trimf', [pi 2*pi 2*pi]);

outputMF(1) = fuzzyset('trimf', [-10 -10 -5]);
outputMF(2) = fuzzyset('trimf', [-7.5 -5 -2.5]);
outputMF(3) = fuzzyset('trimf', [-3 0 3]);
outputMF(4) = fuzzyset('trimf', [2.5 5 7.5]);
outputMF(5) = fuzzyset('trimf', [5 10 10]);

fis = fuzzy(input, output, 'min', 'max', 'centroid');
fis = addInput(fis, inputMF, 'Name', 'x');
fis = addOutput(fis, outputMF, 'Name', 'y');
fis = addRule(fis, ruleList);

yf = evalfis(fis, t);
plot(t, y, t, yf);
legend('Actual output', 'Fuzzy system output');