智能控制实验.docx

资源描述

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.docx

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：

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。

展开阅读全文