模糊控制实验.docx
《模糊控制实验.docx》由会员分享，可在线阅读，更多相关《模糊控制实验.docx（13页珍藏版）》请在冰豆网上搜索。
模糊控制实验
《模糊控制理论》
——上机实验报告
学号：
040401179
姓名：
王昊
班级：
04级自动化3班
指导老师：
车国林
昆明理工大学信息工程自动化学院
2006年12月
昆明理工大学信息工程与自动化学院学生实验报告
（2006—2007学年第2学期）
课程名称：
模糊控制开课实验室：
34012006年12月
专业:
2004年级自动化
自动化043C方向
学号040401179
姓名:
王昊
成绩：
实验名称:
用MATLAB设计模糊控制器
指导教师：
车国霖
一、实验目的：
1．数据模糊控制器极其设计基本过程和原理
2．在MATLAB环境下设计模糊控制器
二、实验要求：
1．比较PID控制器与模糊控制器的性能
2．比较PID控制器与模糊控制器的量化因素
三、实验内容：
1．熟悉模糊控制器设计的基本原理，应用MATLAB的模糊逻辑工具箱进行模糊推理：
输入模糊化，获取输入，确定它们通过隶属函数而属于每个适当的模糊集合的隶属度、应用模糊算子等。
2．熟悉PID控制器设计和仿真的基本原理，应用MATLAB的SIMULINK进行仿真，通过修改Kp,Ki,Kd的参数调整控制器的性能。
3．应用SIMULINK比较PID控制器与模糊控制器的性能。
4、运行模糊控制器设计的M文件
%FuzzyController
clearall;
closeall;
a=newfis（'fuzzf'）;
f1=1;
a=addvar（a,'input','e',[-3*f1,3*f1]）;%Parametere
a=addmf（a,'input',1,'NB','zmf',[-3*f1,-1*f1]）;
a=addmf（a,'input',1,'NM','trimf',[-3*f1,-2*f1,0]）;
a=addmf（a,'input',1,'NS','trimf',[-3*f1,-1*f1,1*f1]）;
a=addmf（a,'input',1,'Z','trimf',[-2*f1,0,2*f1]）;
a=addmf（a,'input',1,'PS','trimf',[-1*f1,1*f1,3*f1]）;
a=addmf（a,'input',1,'PM','trimf',[0,2*f1,3*f1]）;
a=addmf（a,'input',1,'PB','smf',[1*f1,3*f1]）;
f2=1;
a=addvar（a,'input','ec',[-3*f2,3*f2]）;%Parameterec
a=addmf（a,'input',2,'NB','zmf',[-3*f2,-1*f2]）;
a=addmf（a,'input',2,'NM','trimf',[-3*f2,-2*f2,0]）;
a=addmf（a,'input',2,'NS','trimf',[-3*f2,-1*f2,1*f2]）;
a=addmf（a,'input',2,'Z','trimf',[-2*f2,0,2*f2]）;
a=addmf（a,'input',2,'PS','trimf',[-1*f2,1*f2,3*f2]）;
a=addmf（a,'input',2,'PM','trimf',[0,2*f2,3*f2]）;
a=addmf（a,'input',2,'PB','smf',[1*f2,3*f2]）;
f3=1.5;
a=addvar（a,'output','u',[-3*f3,3*f3]）;%Parameteru
a=addmf（a,'output',1,'NB','zmf',[-3*f3,-1*f3]）;
a=addmf（a,'output',1,'NM','trimf',[-3*f3,-2*f3,0]）;
a=addmf（a,'output',1,'NS','trimf',[-3*f3,-1*f3,1*f3]）;
a=addmf（a,'output',1,'Z','trimf',[-2*f3,0,2*f3]）;
a=addmf（a,'output',1,'PS','trimf',[-1*f3,1*f3,3*f3]）;
a=addmf（a,'output',1,'PM','trimf',[0,2*f3,3*f3]）;
a=addmf（a,'output',1,'PB','smf',[1*f3,3*f3]）;
rulelist=[11111;%Editrulebase
12111;
13211;
14211;
15311;
16311;
17411;
21111;
22211;
23211;
24311;
25311;
26411;
27511;
31211;
32211;
33311;
34311;
35411;
36511;
37511;
41211;
42311;
43311;
44411;
45511;
46511;
47611;
51311;
52311;
53411;
54511;
55511;
56611;
57611;
61311;
62411;
63511;
64511;
65611;
66611;
67711;
71411;
72511;
73511;
74611;
75611;
76711;
77711];
a=addrule（a,rulelist）;
%showrule（a）%Showfuzzyrulebase
a1=setfis（a,'DefuzzMethod','mom'）;%Defuzzy
writefis（a1,'fuzzf'）;%savetofuzzyfile"fuzzf.fis"whichcanbe
%simulatedwithfuzzytool
a2=readfis（'fuzzf'）;
disp（'fuzzycontrollertable:
e=[-3,+3],ec=[-3,+3]'）;
Ulist=zeros（7,7）;
fori=1:
7
forj=1:
7
e（i）=-4+i;
ec（j）=-4+j;
Ulist（i,j）=evalfis（[e（i）,ec（j）],a2）;
end
end
Ulist=ceil（Ulist）
figure
（1）;
plotfis（a2）;
figure
（2）;
plotmf（a,'input',1）;
figure（3）;
plotmf（a,'input',2）;
figure（4）;
plotmf（a,'output',1）;
5、运行SIMULINK，模糊控制器与PID控制器设计如图
（1）：
（1）、通过对比两个PID参数不同，说明三个参数对控制器性能的影响;
（2）、通过控制同一对象比较PID与模糊控制器的性能。
FigureNO.1
FigureNO.2
FigureNO.3
FigureNO.4
四、实验结果：
1、PID控制器三个参数对系统性能的影响
（1）Kp不同，其他相同（Kp1=60,Kp2=100）
（2）ki不同，其它相同（ki1=1，ki2=3）
（3）kd不同，其它相同（）
2、模糊控制器与PID控制器的比较
3、不同的量化因子下的模糊控制器的比较
（1）、Ke=0.5,kec=0.5,ku=0.75
（2）、ke=5,kec=5,ku=7.5
五、结果分析:
1、系数Ki可消除系统的静态误差，适用于有自平衡性的系统。
加大积分系数KI（减小TI）有利于减小系统静差，但过强的积分作用会使超调量加剧，甚至引起振荡;微分系数KD的值对响应过程影响非常大。
若KP取得过小，能使系统减少超调量，稳定裕度增大，但会降低系统的调节精度，使过渡过程时间延长；不同的量化因子对模糊控制器的影响很大，过大则精度过小，过小则控制系统速度过底；
2、若增加微分作用KD，有利于加快系统响应，使超调量减小，增加稳定性，但也会带来扰动敏感，抑制干扰能力减弱。
比例系数KP增大可以加快响应速度，减小系统稳态误差，提高控制精度。
但是KP过大会产生较大超调，甚至导致系统不稳定;
3、与传统的控制相比，模糊控制有以下优点：
（1）、模糊控制适用于，不易获得精确数学模型的被控对象，其结构参数不很清楚或难以获得，只要求掌握操作人员或领域专家的经验或知识；
（2）、模糊控制是一种语言变量控制器，其控制规则只用语言变量的形式定性的表达，构成了被空对象的模糊模型。
在经典控制中，系统模型是用传递函数来描述；
（3）、模糊控制系统的鲁棒性强，尤其适用于非线性、时变、滞后系统的控制。
六、实验总结：
模糊控制在实际的应用中是很广泛被运用的，无论是从模糊控制的模糊规则，还是模糊控制的模糊关系，无论从模糊控制的模糊推理，还是模糊控制的模糊判决，都只有在实践中摸索才能体会出其中的意义。
而运用MATLAB环境仿真模拟，使得模糊控制器的设计更加快洁。
在实践中一定要注意耐心，在MATLAB语言程序存在问题时一定要耐心的检查纠正，每一个函数都要验证。
在编程中思想一定要清晰，只有清晰了才能减少程序出错的可能。
还有一点是函数的命名，尽量与实际模糊控制联系，只有这样才能减少错误。
总之，模糊控制理论和MATLAB无论在以后的学习还是工作中都是十分有用的，在此次上机实验中我也学到了很多有用的东西，在以后我还将认真学习下去。
升级会员 