2023年模糊控制PID设计大作业

参考教材中例子设计一包含了模糊技术与PID技术的混合智能控制器，其被控对象

为：

4.23

Gp(s)=

(52+1.645+8.46)

采样时间为1ms,编写mat1ab仿真程序，拟定其在阶跃输入的响应结果，并与

经典PID控制仿真结果相比较。规定具体描述控制系统的设计,控制系统工作流程，

模糊系统中的输入输出的从属函数设计及其采用的模糊规则，分析仿真结果并进行

总结。

表1Akp的模糊规则表

NBNMNSZ0PSPMPB

NBPBPBPMPMPSZ0Z0

NMPBPBPMPSPSZ0NS

NSPMPMPMPSZ0NSNS

Z0PMPMPSZ0NSNMNM

PSPSPSZ0NSNSNMNM

PMPSZ0NSNMNMNMNB

PBZ0Z0NMNMNMNBNB

表2Aki的模糊规则表

^AkiX\ec^

NBNMNSzoPSPMPB

NBNBNBNMNMNSZOZO

NMNBNBNMNSNSZOzo

NSNBNMNSNSzoPSPS

zoNMNMNSZOPSPMPM

PSMNNSZOPsPSPMPB

PMZOZ0PSPSPMPBPB

PBZOzoPSPMPMPBPB

表3Akd的模糊规则表

NBNMNSZOPSPMPB

NBPSNSNBNBNBNMPS

NMPsNSNBNMNMNSZO

NSZ0NSNMNMNSNSZO

ZOZONSNSNSNSNSZO

PSZOZOZOZOZOZOZO

PMPBNSPSPSPSPSPB

PBPBPMPMPSPSPSPB

Kp,ki,kd的模糊控制规则表建立好以后，可根据以下方法进行kp,ki,kd

的自适应校正。

将系统误差e和误差变化ec变化范围定义为模糊集上的论域，即e,ec=

{-3,-2,-1,0,1,2,3},其模糊子集为e,ec={NB,NM,NS,ZO,PS,PM,P

B},子集中元素分别代表负大,负中，负小，零,正小，正中,正大。应用模糊合成

推理设计PID参数的整定算法。第k个采样时间的整定为

Kp(k)=kpO+Akp(k)

Ki(k)=ki0+Aki(k)

Kd(k)=kdO+Akd(k)

在线运营过程中，控制系统通过对模糊逻辑规则的结果解决、查表和运算,

完毕对PID参数的在线自校正。其工作流程图如下图所示。

返回

MFigure1[o叵]]去

FileEditViewInsertToolsDesktopWindowHelp

-3-2-10123

e

图1误差的从属函数

QFigure2〜

FileEditViewInsertToolsDesktopWindowHelp

口巴。蛤|Q|久久已电要/」国|口用〔■口一

图2误差变化率的从属函数

|o回次I

FileEditViewInsertToolsDesktopWindowHelp，

5m总出公；*、-、朽⑥^x•豆口因■0

-025-02-015-01-00500050101502025

kp

图3kp的从属函数

回应一

QFigure4|D1

FileEditViewInsertToolsDesktopWindowHelp

口已iu◎底+、-、争@唱X•皂口国■国

-0.06-0.04-0.0200.020.040.06

图4ki的从属函数

RJFigure5I。回辽I

FileEditViewInsertToolsDesktopWindowHelpa

口目a1诗［V话皂T□画—0

-3-2-10123

kd

图5kd的从属函数

图6模糊系统fuzzpid.fis的结构

PJRuleViev/er:fuzzpid=回S3

oeco

kp=-0.04

1

2

3

4

5

6

7

8

9

用

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

图7模糊推理系统的动态仿真环境

在程序PID_b.m中，运用所设计的模糊系统fuzzpid.fis进行PID控制

参数的整定，并运用模糊PID控制进行阶跃响应，在第300个采样时间时控

制器输出端加上L。的干扰，响应结果及PID控制参数的自适应变化如图8到

13所示。

图8模糊PID控制阶跃响应

图9模糊PID控制误差响应

图10控制器输入u

图11kp的自适应调整

图12ki的自适应调整

图13kd的自适应调整

在对三阶线性系统的控制中，运用稳定边界法进行参数整定的经典PID控

制的超调量比模糊PID控制的超调量要大，但模糊PID控制存在一定的稳态误

差。模糊控制用模糊集合和模糊概念描述过程系统的动态特性，根据模糊集和模

糊逻辑来做出控制决策,它在解决复杂控制问题方面有很大的潜力,可以动态地

适应外界环境的变化。

附录1模糊系统设计程序PID_a

%FuzzyTurnningPIDControl

c1eara11；

closeall;

a=newfis(*fuzzpid');

z

a=addvar(azinput',[-3,3])；

11

a=addmf(a,inputzmf*t[-3,-1]);

z

a=addmf(a,'input*z1,NM',*trimf',[—3,-2Z0]);

11111

a=addmf(a,inputz1zNSz1rimf\[-3,-1,0])；

a=addmf(a,'input'z1,trimf\[-2z0z2])；

z

a=addmf(az»input，1/PS「trimf[-1,1,3])；

a=addmf(a,'input',1,'PM',rtrimf',[0,2,3]);

T111

a=addmf(az*inputf1,PBzsmf't[1,3]);

71

a=addvar(a,'inputf*ec>[-3,3]);

a=addmf(a,'input',2,'NB',，zmf，，[—3,-11);

a=addmf(a,'input',2,'NM',1trimfz，[-3,—2,0])；

,,/

a=addmf(a,*input'z2zNS,trimf',[-3,-1,0])；

1

a=addmf(a,'input',2,'Z'rtrimf',[-2,0,2])；

1

a=addmf(az*input',2,*PS*,*trimf,[-1,1,3]);

11Tz

a=addmf(a,'input\2,PMztrimf,[0,2,3]);

a=addmf(a,rinput*,2,'PB*Jsmf',[1,3])；

a=addvar(af*output'z*kp',[—0.3,0,3]);

1

a=addmf(a,'output',1,'NBr*zmf*z[-0.3,-0.1]);

1Tz

a=addmf(azoutput,lzNM','trimf'z[-0.3,-0.2,0]);

a=addmf(a,*output',1,'NS'，*trimf1,[—0.3,一0.1,0]);

111T

a=addmf(a,output',1,'Zz1rimf,[-0.2,0,0.2]);

a=addmf(a,1output'trimf1,[-0.1,0.1,0.3]);

71

a=addmf(a,*output,1,'PM'z'trimfz[0,0.2,0.3]);

1z

a=addmf(a^output*,1fPB'，*smf,[0.1,0.3])；

a=addvar(az'output*r*ki*,[-0.06,0.06])；

1Z1

a=addmf(azoutput',2,*NB,'zmf,[-0.06,-0.02])；

17

a=addmf(a,'output2rNM','trimf，[—0.06,-0.04,0]);

Tf1z

a=addmf(a,output',2fNS,ztrimf,[-0.06,—0.02,0.02])；

a=addmf(az'output*,2,'Zl'trimf',[-0.04,0,0.04]);

11T

a=addmf(a,outputr2z*PS,'trim*,[-0.02,0.02z0.06]);

a=addmf(a,*output*,2,'PM','trimf',[0,0.04,0.06])；

a=addmf(a,'output',2,'PBZ[O.02,0.06])；

1z

a=addvar(azoutput'kdI[-3,3])；

a=addmf(a,*output7,3,'NB','zmf',3,-11);

1111

a=addmf(az*output'z3,NMrtrimf,[-3,-2,。])；

a=addmf(a,'output*,3,'NS',1trimf',[-3,-1,0]);

17T

a=addmf(a,'output\3,Z'ztrimf,[-2,0,2]);

111

a=addmf(a,outPut*,3zPS,'trimf\[-1,1,3])；

1

a=addmf(azoutput',3,'PM'/trimf',[0,2,3])；

f

a=addmf(a,*outputz3z'PB','smf',[1,3])；

rulelist[1171511;

1231311;

1362111；

1462111;

1553111;

1644211；

1744511；

2171511;

2271311;

2362111;

2453211；

2553211;

2644311;

2734411；

3161411;

3262311;

3363211;

3453211；

3544311;

3635311；

3735411;

4162411；

4262411；

4353311；

4444311；

4535311；

4626311；

4726411;

5152411;

5253411;

5344411;

5435411；

5535411;

5626411;

5727411;

6154711;

6244511;

6335511;

6425511;

6526511;

6627511；

6717711;

7144711;

7244611;

7325611；

7426611;

7526511；

7617511;

7717711];

aaddrule(a,rulelist)；

a=setfis(a,*DefuzzMethod','centroid1)；

writefis(a,'fuzzpid');

a=readfis('fuzzpid1)；

figure(1)；

plotmf(a,'input',1)；

figure(2)；

plotmf(a,'input',2)；

figure(3);

f

plotmf(a,*outputz1);

figure(4);

1

plotmf(az*output,2);

figure(5)；

rT

plotmf(azoutputz3);

figure(6);

plotfis(a)；

fuzzyfuzzpid;

showrule(a);

ruleviewfuzzpid;

附录2模糊控制程序PID_b

%FuzzyPIDControl

closeall;

clearall；

a=readfis(*fuzzpid1);

ts=0.001；

sys=tf(4.23f[lf1.64,8.46])；

Tr

days=c2d(sys,tsztustin)；

[num,den]=tfdata(days,'vf);

u_l=0.0;u_2=0.0;u_3=0.0;

y_l=0；y_2=0;y—3=0;

x=[0,0,03';

e_l=0;

ec_l=0；

kp0=0.40;

kd0=l.0；

ki0=0.0；

fork=l:1:3000;

time(k)=k*ts;

r(k)=1.0；

%UsingfuzzyinferencetotuningPID

k_pid=evalfis([e_l,ec_1]za);

kp(k)=kp0+k