系统的模糊控制MATLAB实现.docx

1、系统的模糊控制MATLAB实现智能控制大作业第一次大作业姓名： 周庆强 学号： 1140810106哈尔滨工业大学2017年5月25日题目：对一个系统，假设给系统一个阶跃值r=30，采样时间为1s，系统的初始值为r(0)=0，利用常规的模糊控制器对系统进行控制。思路：在仿真系统中，不需要考虑信号的A/D和D/A转换，模糊控制系统框图如下：1、选择观测量和控制量将偏差e，即当前位置-目标目标，作为观察量（输入量）1，%将偏差的变化量ec，即e(t)-e(t-1)，作为观察量（输入量）2，选取阀门开度u为控制量。2、输入量和输出量的模糊化将偏差e划分为5个模糊集，负大(NB)、负小(NS)、零(Z

2、O)、正小(PS)、正大(PB)，e为负表示当前水位低于目标水位，e为正表示当前水位高于目标水位。设定e的取值范围为-3，3，隶属度函数如下。 同理，将偏差的变化量ec划分为5个模糊集，负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB)，ec为负表示该时刻水位比上一时刻水位小，ec为郑表示该时刻水位比上一时刻水位大，。设定ec的取值范围为-3，3，隶属度函数如下。同样将控制量u划分为5个模糊集，负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB)，u为负表示减小控制量，u为正表示增大控制量。设定u的取值范围为-4，4，隶属度函数如下。3、制定模糊规则模糊规则的制定

3、是模糊控制的核心内容，控制性能的好坏很大程度上由模糊规则决定，本文主要是根据经验来制定相应的规则。将上述用语言描述的规则转化为“IF A ，THEN B”的语句如下：1. If (e is NB) and (ec is NB) then (u is PB) 。2. If (e is NB) and (ec is NS) then (u is PB) 。3. If (e is NB) and (ec is ZO) then (u is PB) 。4. If (e is NB) and (ec is PS) then (u is PB) 。5. If (e is NB) and (ec is PB

4、) then (u is PB) 。6. If (e is NS) and (ec is NB) then (u is PB) 。7. If (e is NS) and (ec is NS) then (u is PB) 。8. If (e is NS) and (ec is ZO) then (u is PS) 。9. If (e is NS) and (ec is PS) then (u is PS) 。10. If (e is NS) and (ec is PB) then (u is ZO) 。11. If (e is ZO) and (ec is NB) then (u is PB)

5、 。12. If (e is ZO) and (ec is NS) then (u is PS) 。13. If (e is ZO) and (ec is ZO) then (u is ZO) 。14. If (e is ZO) and (ec is PS) then (u is NS) 。15. If (e is ZO) and (ec is PB) then (u is NB) 。16. If (e is PS) and (ec is NB) then (u is ZO) 。17. If (e is PS) and (ec is NS) then (u is PS) 。18. If (e

6、is PS) and (ec is ZO) then (u is NS) 。19. If (e is PS) and (ec is PS) then (u is NB) 。20. If (e is PS) and (ec is PB) then (u is NB) 。21. If (e is PB) and (ec is NB) then (u is NB) 。22. If (e is PB) and (ec is NS) then (u is NB) 。23. If (e is PB) and (ec is ZO) then (u is NB) 。24. If (e is PB) and (

7、ec is PS) then (u is NB) 。25. If (e is PB) and (ec is PB) then (u is NB) 。4、进行模糊决策我们最终需要获得的控制量u即为模糊控制的输出，u可由两个输入量（偏差矩阵e和偏差矩阵ec）和模糊关系矩阵R合成得到。根据制定的模糊规则，通过相应的模糊集合运算，可得到模糊关系集合R。R定义为：即：输出模糊量：5、控制量的反模糊化我们模糊决策得到的控制量u是一个矩阵，并不能直接应用在工程上，因此需要将u解释为实际中的特定行为，即反模糊化操作。目前常用的反模糊化方法有以下几种：（1）最大隶属度法-计算简单控制要求不高场合（2）重心法-输

8、出更平滑（3）加权平均法-工业上应用最广泛本设计中采用第三种方法：加权平均法。6、matlab实现系统结构如图：通过matlab集成的模糊控制模块，我们能够更加方便地对应偏差e、偏差量ec和控制量u的关系，并可以调节e和ec在不同值下u的对应输出。7、系统响应与分析在系统中，发现随着时间的推移，系统快速到达距离标准位置很近的25左右，继而出现波动情况。分析出现这种现象的原因是模糊控制的调整太大，需要进行自适应调整，以便系统在到达e接近与0的情况下，仍能继续接近标准位置。老师，最近有些事，没时间做自适应调整了，对不起啊。8、代码clear;clc;%对接收阶跃信号的系统进行模糊控制% 构建模糊控

9、制器a = newfis(fuzzy tank);%输入量e的模糊化a = addvar(a,input,e,-3,3); %将偏差e，即当前位置-目标目标，作为观察量（输入量）a = addmf(a,input,1,NB,zmf,-3,-1);a =addmf(a,input,1,NS,trimf,-3,-1,1);a =addmf(a,input,1,ZO,trimf,-2,0,2);a =addmf(a,input,1,PS,trimf,-1,1,3);a = addmf(a,input,1,PB,smf,1,3);%输入量ec的模糊化a = addvar(a,input,ec,-3,3

10、); %将偏差的变化量ec，即e(t)-e(t-1)，作为观察量（输入量）a = addmf(a,input,2,NB,zmf,-3,-1);a =addmf(a,input,2,NS,trimf,-3,-1,1);a =addmf(a,input,2,ZO,trimf,-2,0,2);a =addmf(a,input,2,PS,trimf,-1,1,3);a = addmf(a,input,2,PB,smf,1,3);%输出量的模糊化a = addvar(a,output,u,-4,4);%选取阀门开度u为控制量a = addmf(a,output,1,NB,zmf,-4,-2);a =ad

11、dmf(a,output,1,NS,trimf,-4,-2,0);a =addmf(a,output,1,ZO,trimf,-2,0,2);a =addmf(a,output,1,PS,trimf,0,2,4);a = addmf(a,output,1,PB,smf,2,4);%建立模糊规则rulelist=1 1 5 1 1 1 2 5 1 1 1 3 5 1 1 1 4 5 1 1 1 5 5 1 1 2 1 5 1 1 2 2 5 1 1 2 3 4 1 1 2 4 4 1 1 2 5 3 1 1 3 1 5 1 1 3 2 4 1 1 3 3 3 1 1 3 4 2 1 1 3 5 1

12、 1 1 4 1 3 1 1 4 2 4 1 1 4 3 2 1 1 4 4 1 1 1 4 5 1 1 1 5 1 1 1 1 5 2 1 1 1 5 3 1 1 1 5 4 1 1 1 5 5 1 1 1;a = addrule(a,rulelist);%设置反模糊化算法a1 = setfis(a,DefuzzMethod,mom);writefis(a1,tank);a2 = readfis(tank); %可代入计算的figure(1);plotfis(a2);figure(2);plotmf(a,input,1);figure(3);plotmf(a,input,2);figure(

13、4);plotmf(a,output,1);%展示e、ec和u的对应关系showrule(a);ruleview(tank);% 实时调控r_t=0;%初始值r（0）=0；r_tf=0;Ulist=0;r_aim=30;%目标值n=50;%进行100次校核record=zeros(1,n);%记录r的变化for i=1:n r_t=r_tf+Ulist; e=(r_t-r_aim)*0.1;%获取差值并转化为偏差 ec=(r_t-r_tf)*0.75;%偏差的变化量的k=0.75； r_tf=r_t; Ulist=evalfis(e ec,a2);%输出 record(i)=r_t;endt=0:1:n-1;plot(t,record);%绘制r随时间变化的曲线xlabel(时间t);ylabel(r(t);title(相应随时间的变化);