智能控制实验.docx
《智能控制实验.docx》由会员分享,可在线阅读,更多相关《智能控制实验.docx(10页珍藏版)》请在冰豆网上搜索。
智能控制实验
南京航空航天大学
智能控制
年级:
0313级
班级:
0313501
专业:
探测制导与控制技术
二〇一六年五月
实验名称:
模糊控制
一、实验目的:
(1)了解在Simulink仿真环境下建立控制系统方框图的方法,熟悉Matlab和Simulink仿真环境
(2)掌握模糊控制器的设计方法。
(3)比较PID控制和模糊控制的特点。
二、实验内容和步骤
已知
,分别设计PID控制与模糊控制,使系统达到较好性能,并比较两种方法的结果。
结构如下图。
(1)设计未加PID或FUZZY控制器时,设计系统如下:
输入阶跃信号,观测与分析仿真结果。
分析:
由仿真结果可得原系统是发散的。
(3)加入PID控制器如下:
参数设置
PID控制的仿真曲线如下:
分析:
由仿真结果可看出,通过PID三参数的设置,使原来发散的系统变的收敛。
系统的动态性能得到极大的改善。
(4)设计FUZZY控制器
在simulink仿真环境下,设计模糊控制系统,包括模糊控制规则、隶属函数、比例因子、量化因子、论域等参数设计。
FUZZY控制仿真结构图如下:
其中黄色部分具体为:
利用simulink设计的模糊控制的仿真结构图为:
其中参数设置为0.30.6-1.62
模糊控制器的设计
(一)三角形:
首先利用模糊推理系统(FIS)设计模糊控制器,在Matlab左下角Start菜单选项中,用鼠标双击模糊逻辑系统(FuzzyLogic)工具箱中的FISEditor项,可以打开模糊推理系统编辑器(FISEditor)
(1)确定模糊控制器的类型和结构。
将模糊控制器设计为一个二输入单输出的控制器,并选择Mamdani推理规则。
在FIS编辑窗口中,选择“Edit”菜单下的“AddInput”命令,增加一个输入,并将两个输入语言变量和一个输出语言变量的名称分别定义为E,EC,U.模糊推理系统的基本属性设定如下图所示。
模糊推理系统基本属性设定
(2)编辑输入、输出变量的隶属度函数。
在FIS编辑窗口,分别双击输入、输出模块。
然后在弹出的隶属度函数编辑窗口对输入、输出变量进行编辑。
设置输入变量和控制量的变化范围[-6,6],选择三角型隶属函数。
输入变量、输出变量的隶属度函数编辑窗口如下图所示:
其中对于模糊控制器的设计:
E=[-66]EC=[-66]U=[-66],并且其隶属函数分别为:
输出变量U的隶属函数
(3)编辑模糊控制规则。
在FIS编辑窗口,利用“File→Rules”菜单命令,打开控制规则编辑器。
根据题给模糊控制规则在模糊规则编辑器中编写控制规则,如下图所示。
模糊规则编辑器
控制规则:
EC
E
NB
NM
NS
ZE
PS
PM
PB
NB
PB
PB
PB
PB
PM
ZE
ZE
NM
PB
PB
PB
PB
PM
ZE
ZE
NS
PM
PM
PM
PM
ZE
NS
NS
ZE
PM
PM
PS
ZE
NS
NM
NM
PS
PS
PS
ZE
NM
NM
NM
NM
PM
ZE
ZE
NM
NB
NB
NB
NB
PB
ZE
ZE
NM
NB
NB
NB
NB
利用编辑器的“view-rules”和“view-surface”菜单命令,可得模糊推理系统的模糊规和输入/输出特性曲面,分别如下图所示。
完成以上三步后,将设计好的模糊控制器利用FIS编辑器的“File→ExporttoWorkspace”,将当前的模糊推理系统以名字FC2(系统自动将其扩展名为.fis)保存到Matlab工作空间的FC.fis模糊推理矩阵中,以供Simulink仿真时调用。
在simulink仿真系统中,打开FuzzyLogicController模糊逻辑控制器模块,在“FISFileorstructure”参数对话框中输入“FC2”,如下图所示。
模糊逻辑控制器对话框
启动仿真,可以看到如下图所示的系统输出曲线。
(steptime=1):
模糊控制的仿真曲线
(二)高斯型
模糊控制的仿真曲线
(三)更改控制规则
其中参数设置为1.20.6-1.62
控制规则:
模糊控制的仿真曲线
由仿真可知,通过选择合适的PID参数可以达到较好的控制性能。
但是,由于PID控制是建立在已知精确的系统模型基础上的,所以当系统模型存在较大的不确定性时,PID的控制性能就会大大降低,甚至造成系统发散,而模糊控制则受系统模型影响较小。
由图可知,在此设计的模糊控制器的控制性能不是很好(没有PID的控制性能好),稳态时存在一定幅度的振荡。
这可能是由于量化因子、比例因子及模糊规则的选择不是很恰当所造成的。
但在此情况下,模糊控制器受系统模型的精确度影响已经很小,改变系统模型时,仍能够保证系统稳定。
仿真结果显示,两种控制方式下,系统的超调时间,超调量和稳态误差均较小,可见PID控制器和FUZZY控制器都能很好改善系统性能。
但是,可以验证:
PID对对象参数变化敏感,对模型结构基本没有适应能力,而FC对被控对象参数适应能力强,且在模型结构有较大改变时,也能有很好的控制效果。
通过仿真可发现Ke越大,上升速率越大,调节时间越长,超调量越大.通过仿真还可发现:
Ke取得过大时,系统产生较大的超调,调节时间增大,严重时会产生震荡,使系统不能稳定工作;Ke过小时,又使系统上升速率太小,系统调节隋性变大,系统的稳态精度降低,Kec增大,反应变迟钝,调节时间变短,超调量增大;Kec减小,反应加快,上升速率小,调节时间长,超调量小.通过仿真还可发现,Kec过小时,调节时间就会过长,严重时系统无法稳定工作.随着Ku增大,上升速率加快,响应时间减小.通过仿真还可得知:
Ku过大时,系统输出上升速率过大,从而产生过大的超调乃至振荡和发散,严重时将会影响系统的稳态工作;而Ku过小时,系统的前向增益很小,系统输出上升速率较小,调节速度变慢,即系统的过渡过程较长.
综合上面的分析,可得出如下的选择量化因子、比例因子的基本原则:
1)当误差e和误差变化率ec大时,取小的Ke、Kec,
2)当误差e和误差变化率ec较大时,取较小的Ke、Kec,较大的Ku;
3)当误差e和误差变化率ec较小时,取较大的Ke、Kec,较大的Ku;
4)当误差e和误差变化率ec小时,取大的Ke、Kec,小的Ku;
上述原则的2点解释:
1)当误差e和误差变化率ec较大时,应当取较小的Ke和Kec以降低对输入量e和ec的分辨率,同时取较大的Ku,增大控制量的变化,加快系统的过渡过程;2)当误差e和误差变化率ec较小时,应取较大的Ke和Kec以提高对输入量e和ec的分辨率,同时取较小的Ku,减小控制量的变化,抑制系统相应超调量的增加,使系统尽快达到稳态
六、思考题
(1)模糊控制规则的总结和简化方法。
对于二维模糊控制器,针对定位控制,并以性能指标为依据,总结出56条规则,根据模糊推理的逻辑关系可简化为28条。
(2)针对非线性模型,模糊控制为何获得较好的动态性能。
模糊控制是依据人的经验,基于模糊逻辑的一个控制方法,完全适应模型参数和结构的变化,具有较好的动态性能。
七、实验感想
本实验是通过simulink仿真进行控制,进行PID控制与模糊控制设计,使系统达到较好性能。
通过实验,熟悉了simulink的操作,了解了模糊控制工具箱的使用,也进一步体会到matlab在控制领域的广泛应用,本次实验试验了三种方法,三角形,高斯型,以及不同控制规则的对比,不过由于我们把那个不太了解那三个参数怎么设置,所以基本是试凑,慢慢也摸索到值改大改小对系统性能的影响,最后也出来比较令人满意的结果,虽然花了不少时间,但总的来说还是很有收获的,感谢王教授此次布置的作业,将理论知识应用于实践,而不仅仅在局限于书本。