模糊控制大作业汇总Word文档下载推荐.docx

1、图1 simulink仿真框图半输入为单位阶跃信号时，系统输出曲线如图2所示，此时系统的超调量为2.64%,调节时间为1.596s,山于积分环节的加入，此时系统稳态误差为0。Time offset: 0 图2阶跃响应曲线2、Mamdany型模糊控制器的设计语言变量E的论域为-1,-0.5,0,0.5,1,语言变量EC的论域为-1,-0.5,0,0.5。将PD控制器输入输出数据作为专家操作试验数据，得到控制规则为u（t） = Kpe（t） + Kde（t）将E, EC代人，可得u =2.05e + l.lec各对应e、ec下的u值，此模糊模型由表1给出。表1模糊模型-1-0.50.51-3.15

2、-2.6-2.05-1.5-0.95-2.125-1.575-1.025-0.4750.075-1.1-0.550.551.1-0.0750.4751.0251.5752.1250.951.52.052.63.15受位数限制，将上表中数据就近取近似，如表2所示。表2模糊模型化简1-3-2.5-222.53山表2可得至IJ语言变量U的论域为3,25厂2厂15,1厂05,0,05,1,1.5,2,25,3, 根据上述规则，可以得到输入输出语言变量的语言值分布图，如图3,以及模糊 控制规则表面图，如图4。（a）语言值E的语言值分布图（b）语言值EC的语言值分布图（c）语言值U的语言值分布图图3语言变

3、ME. EC和U的语言值分布图-1 1e图4模糊控制规则表而图搭建simulink仿真模块，并装载此文件，如图5,可得到阶跃输入下的系统 输出曲线如图6。根据此曲线,可以看出此时系统的超调量为4.5%,调节时间为2.05585s, 稳态误差为0。图5 simulink仿真框图 0图6阶跃响应曲线3. TS型模糊控制器的设计考虑到T-S模型中需要设置调节的参数较多，调节难度对个人来说较大，此 处减少输入语言变量取值个数，语言变量E的论域取为1,0, 1,语言变量EC 的论域取为卜1,0,1将PD控制器输入输出数据作为专家操作试验数据，得到 控制规则为u（t） = Kpe（t） + Kde（t）

4、将E, EC代人，可得u 二c + de + bec此时模糊模型可山表3给出。表3模糊模型2+1.lecl+2.05e2.05e+l.lec由表2可得到语言变量U的论域为ii 1,u2,u3，u4,u5,u6,ii7,u&ii9,根据上述 规则，可以得到输入输出语言变量的语言值分布图，如图7,以及模糊控制规则 表面图，如图8。UwU4u9u3u8u2u7u1u6output variable u图7语言变ME. EC和U的语言值分布图-1 1 ec图8模糊控制规则表而图根据搭建的simulink仿真模块，同图5,可得到阶跃输入下的系统输出曲线 如图9,根据此曲线，可以看出系统的超调量为4.58

5、%,调节时间为2.0631s,稳 态误差为0。图9阶跃响应曲线4. PD控制器.Mamdany型和TS型模糊控制器的性能对比将PD控制器、Mamdany型和T-S型模糊控制器的阶跃输岀放在同一仿真图 内，如图10o图10 PD控制器、Mamdany型和T$型模糊控制器对比图山图10可以粗略看出此时PD控制器控制效果最好,TS型模糊控制器次之, 最差的是Mamdany型模糊控制器。表4给出三种控制器的超调量、调节时间和稳态误差，可以更精确的说明当 模糊控制器选取文中所设参数时，三种方法都可基本满足给定性能指标：超调量 不大于5%,调节时间不大于2s；由于系统模型搭建时用加入积分环节，因此三 种方

6、法均不存在稳态误差。表4三者超调量、调卩时间和稳态误差对比对比参数控制器类超调量调节时间稳态误差PD控制器2.64%1.596sMamdany型模糊控制器4.5%2.05585sT-S型模糊控制器4.58%2.0631s值得说明的是:本文中PD控制器效果远好于模糊控制器,但这并不能说明 在实际应用中模糊效果不如经典PD控制效果良好,相反，正确的给出专家操作 数据,经过不断调试,一定存在着模糊控制的最优解,且其控制效果一定优于 PD控制。本文中只找到了近似满足给定性能指标的一组控制数据，但对于正确认识和 了解模糊控制过程，完成调试和仿真已起到很大的指导和训练作用。通过此次实 验仿真过程，本人正确了解了语言值的论域、分布，控制规则的建立、模糊控制 丄具箱的使用方法，也更深入的了解了模糊控制的强大，可谓受益匪浅。