模糊PID控制问题Word格式文档下载.docx

1、模糊PID的话改变Kp的就可 以。八、还有人问我为什么有的自适应模 糊PID里有相加的模块 而有的没有？相加的是与PID的初值相加。最后出来的各项参数Kp=Kp+Kp0，Ki=Ki+Ki0，Kd=Kd+Kd0。Kp0，Ki0，Kd0分别为PID的初 值。有的系统并没有设定PID的初值。九、我照着论文搭建的，什么都是正 确的，为什么最后就是结果不对？你修改下参数或者重新搭建一遍。哪一点出了点小 问题，都有可能导致失败。大家还有什么问题就在帖子后面留言哈，如果模型实在是搭建不成功的话可以给我看看，大家有问题一起 解决！附件里面是两个自适应模糊PID的程序，大家可以参考下！所含文件：1 模糊数学的基

2、本概念 集合是指具有某种共同属性且彼此间可以区别的事物的总体。组成集合的事物称为元或元素，元素与集合之间的关系是属于或不属于的关系，非此即彼。模糊集合是经典集合的拓展， 事物是否属于它所描述的概念，不能绝对地以“是”或“非”来加以区别。这里的属于与不属于之间无明显的界限，而是在某种程度上的属于，这是无法用经典集合来描述的，而只能用模糊集合来描述这种模糊概念。这里首先介绍用模糊集合来描述模糊概念的初步知识。 定义1 设给定域（指被讨论的全体对象）U，U到0，1闭区间的任一映射 都确定U的一个模糊子集A。 其中，称为模糊子集的隶属函数，称为u对于的隶属度。也就是说，论域u上的模糊子集A由隶属函数A

3、（u）来表征， A（u）的取值范围是0，1，A（u）的大小反映了u对于A从属程度的高低。正确地确定隶属函数是利用模糊集合解决实际问题的基础。定义2 设A、B是论域U上的两个模糊子集，对于U上的每一个元素，规定A与B的“并”运算AB、“交”运算AB及“补”运算的隶属函数分别如下：定义3 设A与B分别是X和Y上的模糊集，其隶属函数分别是A（x）和B（x）。模糊条件语句“若A则B”表示从X到Y的一个模糊关系，即AB，它的隶属函数为 2 基于模糊数学的软测量 1） 软测量在粮情测控系统中的应用 （1） 辅助变量的选择。选择粮食水分、 粮食温度以及空气湿度作为辅助变量， 粮食状态作为主导变量。（2） 测

4、量的输入数据的预处理。对粮食状态的预测不是根据粮仓中的某一点粮食的温度、水分以及空气湿度来进行的，因为这样的预测不能全面反映整个粮仓粮食的实际状态。 在这里我们采用复合滤波法，其原理是：先将N个采样点数据按照从小到大的顺序排列，即x1x2xN（N3），则可认为测量的数据为 这样就可比较客观地反映实际的粮食状态， 预测的结果也比较真实。根据水分传感器、温度传感器及湿度传感器所测得的数据来表示水分、 温度的高低和湿度的大小具有模糊性。通常用隶属度描述模糊集，通过隶属度的大小来反映模糊事物接近其客观事物的程度。 该系统中三种传感器分别测得的数据范围：水分为10%16%；温度为-3050；湿度为20%

5、98%RH。水分含量高的隶属度函数为 温度高的隶属度函数为 湿度大的隶属度函数为 由于任意模糊量的隶属度的大小都是在0,1之间,因此可将这一区间分为5段:00.2;0.20.4;0.40.6;0.60.8;0.81.0.凡是隶属度在00.2之间的属于“水分含量低/温度低/湿度低”;在0.20.4 之间的属于“水分含量较低/温度较低/湿度较低”;在0.40.6之间的属于“水分含量正常/温度正常/湿度正常”;在0.60.8之间的属于“水分含量较高/温度较高/湿度较高”;在0.81.0之间的属于“水分含量高/温度高/湿度高”。2） 软测量模型的建立 （1）基于模糊技术的软测量的输入变量和输出变量。为

6、了表达的方便，将粮食储备中粮食状态出现的所有模糊量表示如下： 高=PB； 较高=PM； 正常=ZR； 较低=NM； 低=NB 安全=D1； 较安全=D2； 较危险=D3； 危险=D4 输入模糊量A、B、C分别为粮食水分、粮食温度和空气湿度， 其论域都为-3，3，模糊子集=PB，PM，ZR，NM，NB。 其隶属度函数图如图7-19所示。图7-19 输入模糊量隶属度函数图 图7-20 输出模糊变量D（粮食状态）隶属度函数图（2） 模糊规则。根据模型特点最多可抽取125条规则，而实际上由于样本数据所包含的一定规律性和重叠性，再加上对模糊规则的进一步筛选，故抽取出了以下16条可信推理规则：1. If

7、A = PB and B = PB and C = PB then D = D42. If A = PB and B = PM and C = PM then D = D43. If A = PB and B = ZR and C = ZR then D = D34. If A = PB and B = NM and C = NM then D = D25. If A = PB and C = NB and D = NB then D = D16. If A = PM and B = PB and C = PB then D = D37. If A = PM and B = ZR and C

8、= ZR then D = D28. If A = PM and B = NM and C = NM then D = D2 9. If A = PM and B = NB and C = NB then D = D110. If A = ZR and B = PB and C = PB then D = D211. If A = ZR and B = PM and C = PM then D = D212. If A = ZR and B = ZR and C = ZR then D = D113. If A = NM and B = PB and C = PB then D = D214.

9、 If A = NM and B = PM and C = PM then D = D115. If A = NM and B = ZR and C = ZR then D = D116. If A = NB and B = PB and C = PB then D = D1 3） 模糊推理的实现 这里我们利用BP神经网络实现模糊推理。模糊输入变量A、 B、C的论域都为-3，3，模糊子集都为PB，PM，ZR，NM，NB，而模糊输出变量D 的论域为-2， 3，模糊子集为D1， D2， D3， D4， 则输入层神经元的个数为21个，输出层的神经元为6个，隐层神经元的个数为16个。由于网络输入层神经

10、元的个数太多， 故训练推理过程所需的时间太长，这里对A、B和C进行了“编码”。由于论域中各元素的隶属度有联系，故可用一个数字代替模糊集，模糊集编码表如表7-3所示。表7-3 BP神经网络的输入变量模糊集编码表 PBPMZRNBNM12345图7-21 输入为编码的BP网络结构图 4） 仿真 这里用MATLAB 6.1进行训练和预测。选取某粮食储备库2002年4月、6月以及8月中的50组测量数据经处理后对BP网络进行训练。训练完成后，对9月中的6组测量数据的储粮状态进行预测，这6组数据经数据处理后用模糊语言可分别描述为：（1） A=NB B=PB C=NM； （2） A=PB B=ZR C=NM

11、；（3） A=PM B=PB C=ZR； （4） A=PB B=PM C=NM；（5） A=NB B=ZR C=NB； （6） A=PB B=NM C=NB。对应的编码即神经网络的输入分别为：（1） 5 1 4 （2） 1 3 4 （3） 2 1 3 （4） 1 2 4 （5） 5 3 5 （6） 1 4 5 可得出输出D 的模糊集分别为:（1） 0.0002 0.0003 -0.0013 0.0544 0.5093 0.9670;（2） -0.0005 0.5004 0.9990 0.4993 0.0008 -0.0005 ;（3） 0.0043 0.4996 1.0012 0.5606 -

12、0.0022 -0.0014;（4） 0.5008 1.0024 -0.0002 0.0013 0.0019 -0.0042 ;（5 ） 0.0010 -0.0001 -0.0029 0.0206 0.4957 0.9834 ;（6） -0.0030 0.0002 0.0079 1.0027 0.49902 0.0078。2 模糊控制隶属函数高斯隶属函数函数 gaussmf格式 y=gaussmf（x,sig c）说明 高斯隶属函数的数学表达式为： ，其中 为参数，x为自变量，sig为数学表达式中的参数 。例6-1x=0:0.1:10;y=gaussmf（x,2 5）;plot（x,y）xla

13、bel（gaussmf, P=2 5）结果为图6-1。图6-16.1.2 两边型高斯隶属函数函数 gauss2mf格式 y = gauss2mf（x,sig1 c1 sig2 c2）说明 sig1、c1、sig2、c2为命令1中数学表达式中的两对参数例6-2x = （0:10）;y1 = gauss2mf（x, 2 4 1 8）;y2 = gauss2mf（x, 2 5 1 7）;y3 = gauss2mf（x, 2 6 1 6）;y4 = gauss2mf（x, 2 7 1 5）;y5 = gauss2mf（x, 2 8 1 4）;plot（x, y1 y2 y3 y4 y5）;set（gc

14、f, name, gauss2mfnumbertitleoff）;结果为图6-2。6.1.3 建立一般钟型隶属函数函数 gbellmf格式 y = gbellmf（x,params）说明 一般钟型隶属函数依靠函数表达式这里x指定变量定义域范围，参数b通常为正，参数c位于曲线中心，第二个参数变量params是一个各项分别为a，b和c的向量。例6-3y=gbellmf（x,2 4 6）;gbellmf, P=2 4 6结果为图6-3。图6-2 图6-36.1.4 两个sigmoid型隶属函数之差组成的隶属函数函数 dsigmf格式 y = dsigmf（x,a1 c1 a2 c2）说明 这里sig

15、moid型隶属函数由下式给出x是变量，a,c是参数。dsigmf使用四个参数a1，c1，a2，c2，并且是两个sigmoid型函数之差： ，参数按顺序 列出。例6-4y=dsigmf（x,5 2 5 7）;结果为图6-4图6-46.1.5 通用隶属函数计算函数 evalmf格式 y = evalmf（x, mfParams, mfType）说明 evalmf可以计算任意隶属函数，这里x是变量定义域，mfType是工具箱提供的一种隶属函数，mfParams是此隶属函数的相应参数，如果你想创建自定义的隶属函数，evalmf仍可以工作，因为它可以计算它不知道名字的任意隶属函数。例6-5mfparam

16、s = 2 4 6;mftype = gbellmfy=evalmf（x,mfparams,mftype）;结果为图6-5。图6-56.1.6 建立型隶属函数函数 primf格式 y = pimf（x,a b c d）说明 向量x指定函数自变量的定义域，该函数在向量x的指定点处进行计算，参数a,b,c,d决定了函数的形状，a和d分别对应曲线下部的左右两个拐点，b和c分别对应曲线上部的左右两个拐点。例6-6y=pimf（x,1 4 5 10）;pimf, P=1 4 5 10结果为图6-6。6.1.7 通过两个sigmoid型隶属函数的乘积构造隶属函数函数 psigmf格式 y = psigmf

17、（x,a1 c1 a2 c2）psigmf使用四个参数a1，c1，a2，c2，并且是两个sigmoid型函数之积：例6-7y=psigmf（x,2 3 -5 8）;psigmf, P=2 3 -5 8结果为图6-7。图6-6 图6-76.1.8 建立Sigmoid型隶属函数函数 sigmf格式 y = sigmf（x,a c）说明 ，定义域由向量x给出，形状由参数a和c确定。例6-8y=sigmf（x,2 4）;sigmf, P=2 4结果为图6-8。图6-8例6-90.2:10）;y1 = sigmf（x,-1 5）;y2 = sigmf（x,-3 5）;y3 = sigmf（x,4 5）;

18、y4 = sigmf（x,8 5）;subplot（2,1,1）,plot（x,y1 y2 y3 y4）;y1 = sigmf（x,5 2）;y2 = sigmf（x,5 4）;y3 = sigmf（x,5 6）;y4 = sigmf（x,5 8）;subplot（2,1,2）,plot（x,y1 y2 y3 y4）;结果为图6-9。图6-96.1.9 建立S型隶属函数函数 smf 格式 y = smf（x,a b） % x为变量，a为b参数，用于定位曲线的斜坡部分。例6-10y=smf（x,1 8）;结果为图6-10。图6-10例6-11x = 0:subplot（3,1,1）;plot（x

19、,smf（x,2 8）;subplot（3,1,2）;plot（x,smf（x,4 6）;subplot（3,1,3）;plot（x,smf（x,6 4）;结果为图6-11。图6-116.1.10 建立梯形隶属函数函数 trapmf 格式 y = trapmf（x,a b c d）说明 这里梯形隶属函数表达式：或 f（x;a,b,c,d） = max（min（ ，定义域由向量x确定，曲线形状由参数a,b,c,d确定，参数a和d对应梯形下部的左右两个拐点，参数b和c对应梯形上部的左右两个拐点。例6-12y=trapmf（x,1 5 7 8）;trapmf, P=1 5 7 8结果为图6-12。例

20、6-13y1 = trapmf（x,2 3 7 9）;y2 = trapmf（x,3 4 6 8）;y3 = trapmf（x,4 5 5 7）;y4 = trapmf（x,5 6 4 6）;plot（x,y1 y2 y3 y4）;结果为图6-13。图6-12 图6-136.1.11 建立三角形隶属函数函数 trimf格式 y = trimf（x,params） y = trimf（x,a b c）说明 三角形隶属函数表达式：或者f（x;a,b,c,） = max（min（定义域由向量x确定，曲线形状由参数a,b,c确定，参数a和c对应三角形下部的左右两个顶点，参数b对应三角形上部的顶点，这里

21、要求a ,生成的隶属函数总有一个统一的高度，若想有一个高度小于统一高度的三角形隶属函数，则使用trapmf函数。例6-14y=trimf（x,3 6 8）;trimf, P=3 6 8结果为图6-14。图6-14例6-15y1 = trimf（x,3 4 5）;y2 = trimf（x,2 4 7 ）;y3 = trimf（x,1 4 9）;subplot（2,1,1）,plot（x,y1 y2 y3 ）;y1 = trimf（x,2 3 5）;y2 = trimf（x,3 4 7）;y3 = trimf（x,4 5 9）;subplot（2,1,2）,plot（x,y1 y2 y3 ）;结果

22、为图6-15。图6-156.1.12 建立Z型隶属函数函数 zmf格式 y = zmf（x,a b） % x为自变量，a和b为参数，确定曲线的形状。例6-16y=zmf（x,3 7）;zmf, P=3 7结果为图6-16。例6-17plot（x,zmf（x,2 8）;plot（x,zmf（x,4 6）;plot（x,zmf（x,6 4）;结果为图6-17。图6-16 图6-176.1.13 两个隶属函数之间转换参数函数 mf2mf格式 outParams = mf2mf（inParams,inType,outType）图6-18说明 此函数根据参数集，将任意内建的隶属函数类型转换为另一种类型，inParams为你要转换的隶属函数的参数，inType为你要转换的隶属函数的类型的字符串名称，outType:你要转换成的目标隶属函数的字符串名称。例6-185;mfp1 = 1 2 3;mfp2 = mf2mf（mfp1,trimfplot（x,gbellmf（x,mfp1）,x,trimf（x,mfp2）结果为图6-18。