系统的模糊控制MATLAB实现.docx
《系统的模糊控制MATLAB实现.docx》由会员分享，可在线阅读，更多相关《系统的模糊控制MATLAB实现.docx（11页珍藏版）》请在冰豆网上搜索。
系统的模糊控制MATLAB实现
智能控制大作业
第一次大作业
姓名：
周庆强
学号：
1140810106
哈尔滨工业大学
2017年5月25日
题目：
对一个系统
，假设给系统一个阶跃值r=30，采样时间为1s，系统的初始值为r（0）=0，利用常规的模糊控制器对系统进行控制。
思路：
在仿真系统中，不需要考虑信号的A/D和D/A转换，模糊控制系统框图如下：
1、选择观测量和控制量
将偏差e，即当前位置-目标目标，作为观察量（输入量）1，%将偏差的变化量ec，即e（t）-e（t-1），作为观察量（输入量）2，选取阀门开度u为控制量。
2、输入量和输出量的模糊化
将偏差e划分为5个模糊集，负大（NB）、负小（NS）、零（ZO）、正小（PS）、正大（PB），e为负表示当前水位低于目标水位，e为正表示当前水位高于目标水位。
设定e的取值范围为[-3，3]，隶属度函数如下。
同理，将偏差的变化量ec划分为5个模糊集，负大（NB）、负小（NS）、零（ZO）、正小（PS）、正大（PB），ec为负表示该时刻水位比上一时刻水位小，ec为郑表示该时刻水位比上一时刻水位大，。
设定ec的取值范围为[-3，3]，隶属度函数如下。
同样将控制量u划分为5个模糊集，负大（NB）、负小（NS）、零（ZO）、正小（PS）、正大（PB），u为负表示减小控制量，u为正表示增大控制量。
设定u的取值范围为[-4，4]，隶属度函数如下。
3、制定模糊规则
模糊规则的制定是模糊控制的核心内容，控制性能的好坏很大程度上由模糊规则决定，本文主要是根据经验来制定相应的规则。
将上述用语言描述的规则转化为“IFA，THENB”的语句如下：
1.If（eisNB）and（ecisNB）then（uisPB）。
2.If（eisNB）and（ecisNS）then（uisPB）。
3.If（eisNB）and（ecisZO）then（uisPB）。
4.If（eisNB）and（ecisPS）then（uisPB）。
5.If（eisNB）and（ecisPB）then（uisPB）。
6.If（eisNS）and（ecisNB）then（uisPB）。
7.If（eisNS）and（ecisNS）then（uisPB）。
8.If（eisNS）and（ecisZO）then（uisPS）。
9.If（eisNS）and（ecisPS）then（uisPS）。
10.If（eisNS）and（ecisPB）then（uisZO）。
11.If（eisZO）and（ecisNB）then（uisPB）。
12.If（eisZO）and（ecisNS）then（uisPS）。
13.If（eisZO）and（ecisZO）then（uisZO）。
14.If（eisZO）and（ecisPS）then（uisNS）。
15.If（eisZO）and（ecisPB）then（uisNB）。
16.If（eisPS）and（ecisNB）then（uisZO）。
17.If（eisPS）and（ecisNS）then（uisPS）。
18.If（eisPS）and（ecisZO）then（uisNS）。
19.If（eisPS）and（ecisPS）then（uisNB）。
20.If（eisPS）and（ecisPB）then（uisNB）。
21.If（eisPB）and（ecisNB）then（uisNB）。
22.If（eisPB）and（ecisNS）then（uisNB）。
23.If（eisPB）and（ecisZO）then（uisNB）。
24.If（eisPB）and（ecisPS）then（uisNB）。
25.If（eisPB）and（ecisPB）then（uisNB）。
4、进行模糊决策
我们最终需要获得的控制量u即为模糊控制的输出，u可由两个输入量（偏差矩阵e和偏差矩阵ec）和模糊关系矩阵R合成得到。
根据制定的模糊规则，通过相应的模糊集合运算，可得到模糊关系集合R。
R定义为：
即：
输出模糊量：
5、控制量的反模糊化
我们模糊决策得到的控制量u是一个矩阵，并不能直接应用在工程上，因此需要将u解释为实际中的特定行为，即反模糊化操作。
目前常用的反模糊化方法有以下几种：
（1）最大隶属度法----计算简单控制要求不高场合
（2）重心法----输出更平滑
（3）加权平均法----工业上应用最广泛
本设计中采用第三种方法：
加权平均法。
6、matlab实现
系统结构如图：
通过matlab集成的模糊控制模块，我们能够更加方便地对应偏差e、偏差量ec和控制量u的关系，并可以调节e和ec在不同值下u的对应输出。
7、系统响应与分析
在系统中，发现随着时间的推移，系统快速到达距离标准位置很近的25左右，继而出现波动情况。
分析出现这种现象的原因是模糊控制的调整太大，需要进行自适应调整，以便系统在到达e接近与0的情况下，仍能继续接近标准位置。
老师，最近有些事，没时间做自适应调整了，对不起啊。
8、代码
clear;clc;
%对接收阶跃信号的系统进行模糊控制
%%构建模糊控制器
a=newfis（'fuzzytank'）;
%输入量e的模糊化
a=addvar（a,'input','e',[-3,3]）;%将偏差e，即当前位置-目标目标，作为观察量（输入量）
a=addmf（a,'input',1,'NB','zmf',[-3,-1]）;
a=addmf（a,'input',1,'NS','trimf',[-3,-1,1]）;
a=addmf（a,'input',1,'ZO','trimf',[-2,0,2]）;
a=addmf（a,'input',1,'PS','trimf',[-1,1,3]）;
a=addmf（a,'input',1,'PB','smf',[1,3]）;
%输入量ec的模糊化
a=addvar（a,'input','ec',[-3,3]）;%将偏差的变化量ec，即e（t）-e（t-1），作为观察量（输入量）
a=addmf（a,'input',2,'NB','zmf',[-3,-1]）;
a=addmf（a,'input',2,'NS','trimf',[-3,-1,1]）;
a=addmf（a,'input',2,'ZO','trimf',[-2,0,2]）;
a=addmf（a,'input',2,'PS','trimf',[-1,1,3]）;
a=addmf（a,'input',2,'PB','smf',[1,3]）;
%输出量的模糊化
a=addvar（a,'output','u',[-4,4]）;%选取阀门开度u为控制量
a=addmf（a,'output',1,'NB','zmf',[-4,-2]）;
a=addmf（a,'output',1,'NS','trimf',[-4,-2,0]）;
a=addmf（a,'output',1,'ZO','trimf',[-2,0,2]）;
a=addmf（a,'output',1,'PS','trimf',[0,2,4]）;
a=addmf（a,'output',1,'PB','smf',[2,4]）;
%建立模糊规则
rulelist=[11511
12511
13511
14511
15511
21511
22511
23411
24411
25311
31511
32411
33311
34211
35111
41311
42411
43211
44111
45111
51111
52111
53111
54111
55111];
a=addrule（a,rulelist）;
%设置反模糊化算法
a1=setfis（a,'DefuzzMethod','mom'）;
writefis（a1,'tank'）;
a2=readfis（'tank'）;%可代入计算的
figure
（1）;
plotfis（a2）;
figure
（2）;
plotmf（a,'input',1）;
figure（3）;
plotmf（a,'input',2）;
figure（4）;
plotmf（a,'output',1）;
%展示e、ec和u的对应关系
showrule（a）;
ruleview（'tank'）;
%%实时调控
r_t=0;%初始值r（0）=0；
r_tf=0;
Ulist=0;
r_aim=30;%目标值
n=50;%进行100次校核
record=zeros（1,n）;%记录r的变化
fori=1:
n
r_t=r_tf+Ulist;
e=（r_t-r_aim）*0.1;%获取差值并转化为偏差
ec=（r_t-r_tf）*0.75;%偏差的变化量的k=0.75；
r_tf=r_t;
Ulist=evalfis（[eec],a2）;%输出
record（i）=r_t;
end
t=0:
1:
n-1;
plot（t,record）;%绘制r随时间变化的曲线
xlabel（'时间t'）;
ylabel（'r（t）'）;
title（'相应随时间的变化'）;
升级会员 