运动控制系统第六章

6．2MATLAB/SIMULINK在运动控制系统CAD中的应用MATLAB是美国MathWorks公司推出的一套高性能的数值计算和可视化软件，集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的系统仿真和CAD的平台。MATLAB提供的图形界面仿真手段Simulink既保留了编程方式的优点，又克服了编程方式的缺点，用户只要从模块库中拖放合适的模块，组合在一起即可实现系统仿真，方便易学。利用SIMULINK提供的功能来对系统进行分析和仿真将一个复杂模型的输入变得相当容易且直观，具有更直观、方便、灵活的优点SIMULINK包含有Sinks(输出方式)、Source(输入源)、Linear(线性环节)、Nonlinear(非线性环节)、Connection(连接与接口)、Discrete(离散环节)和Extra(其它环节)子模型库，而且每个子模型库中包含有相应的功能模块。我们可根据需要混合使用各库中的功能模块，也可封装自己的模块、自定义模块库，从而实现全图形化仿真MATLAB/SIMULINK的使用方法以建立智能型直接转矩控制系统的仿真模型为例，介绍用SIMULINK软件进行封装、S函数设计及用模糊工具箱设计模糊控制器、用神经网络工具箱设计神经网络控制器的具体方法。6.2.1用SIMULINK创建模型SIMULINK是一个开放的编程环境，允许用户开发自己的仿真模型，可以采用以下几种方法建立新模型：

（1）用SIMULINK提供的功能模块建立新模型。

（2）通过编写S函数建立新模型。

（3）调用MATLAB函数建立新模型。在复杂系统仿真时,需要多种方法交叉使用。由这三种方法建立的模糊直接转矩控制系统仿真图模糊直接转矩控制系统仿真结构图

图6.2模糊直接转矩控制系统仿真结构图

神经网络直接转矩控制系统仿真结构图

图6.3神经网络直接转矩控制系统仿真结构图

1．转矩、磁通观测器及磁通幅值、相角计算单元(DMC)

图6.5磁链幅值、相角计算单元图6.4转矩、磁链观测器uαsuβsiαsiβs

2．S函数的设计S函数有三种表现形式:（1）框图形式，（2）M文件形式，（3）MEX文件形式。这三种方式各有优缺点，框图表示比较直观，容易构造，运行速度比较快；MATLAB文件编写灵活，适用面宽，运行较慢；MEX文件运行最快。因此，用何种方式视具体情况而定，可单独使用，也可交叉使用此三种方法。

3.S函数的运行是由sys参数控制的，而变量flag取不同的整数值时函数返回值具有下面不同的含义；

Flag=0:S函数返回维数及初始条件

Flag=1:S函数返回各状态变量的一阶导数dx/dt

Flag=2:S函数返回离散的下一状态值

Flag=3:S函数返回输出向量sys

Flag=4:S函数返回下一时刻的更新离散状态值

6.2.2采用模糊工具箱设计模糊控制器澳大利亚Queensland大学的A.Lot教授开发了基于MATLAB环境的“模糊推理系统工具箱”（FuzzyInterenceSystemToolboxforMATLAB）。该工具箱集成度高，内容丰富，基本包括了模糊集合理论的各个方面，其主要内容有：

（1）

模糊集合的各种运算；

（2）

模糊逻辑推理；

（3）

非模糊化；

（4）

模糊集合理论在自动控制中的应用。

1.控制器的输入、输出与模糊化过程

图6.6模糊工具箱的初始化窗口

2控制规则、决策与解模糊化过程图6.8模糊控制规则编辑器

3控制器的参数调整在确定了隶属度函数与控制规则后，如果控制器工作完好，则控制器的设计工作就完成了。然而在大多数情况下，需要根据不同的情况改变隶属度函数与控制规则。首先要调整标度，第二步再调整隶属度函数，第三步调整控制规则，最后调整非模糊化的方法与其它可以改变的模糊控制器的参数。6.2.3采用神经网络工具箱设计神经网络控制器

神经网络工具箱是进行神经网络训练和仿真的平台，它是以人工神经网络理论为基础，用MATLAB语言构造出典型神经网络的激活函数，如S型、线性、竞争层、饱和非线性等激活函数，使设计者对所选网络输出的计算，变成对激活函数的调用。网络的设计者可以根据自己的需要去调用工具箱中有关神经网络的设计与训练的子程序。

1.BP网络在神经网络的实际应用中，80%～90%的人工神经网络是采用BP网络或它的变化形式，它也是前向网络的核心部分，体现了人工神经网络最精华的部分。

图6.9BP神经网络示意图

2.设计神经网络的结构在动手编写网络的程序之前，必须首先设计的神经网络结构,根据具体的问题给出输入矢量P与目标矢量T，并选定所，其中包括以下内容：

（1）

网络的层数；

（2）

每层的神经元数；

（3）

每层的激活函数。3.神经网络工具箱提供了两层、三层的BP训练程序，其函数名是相同的，都是trainbp.m，用户可根据层数来选择不同的参数。另外，工具箱中还提供了BP网络的各种改进算法，根据设计任务和要求，采取灵活的方式。

4.BP神经网络仿真结构图网络离线训练完成后，采用SIMULINK提供的神经网络工具箱选择相应的元件，输入训练后的权值和阈值，这样就完成了神经网络控制器的设计。

图6.10BP神经网络仿真结构图

6.2.4系统仿真当以上工作完成后，针对所要解决的实际问题，在SIMULINK提供的多种仿真用的数值算法中选择一个合适的算法，然后输入仿