模糊控制算法的研究

课程设计的目的和要求目的：1.通过本次课程设计，进一步了解模糊控制的根本原理、模糊模型的建立和模糊控制器的设计过程；2.提高学生有关控制系统的程序设计能力；3.熟悉Matlab语言以及在智能控制设计中的应用。要求：首先选择课程设计的题目，充分理解设计内容，并独立完成实验和课程设计报告。课程设计报告要求：课程设计题目，课程设计具体内容及实现功能，结果分析、收获或缺乏，程序清单、参考资料。课程设计的根本内容假设系统的模型可以用二阶加纯滞后表示，即传递函数为。其中各参数分别为。用Matlab中的Simulink工具箱，组成一个模糊控制系统，如图1所示。图1模糊控制系统Simulink仿真模型图采用模糊控制算法，设计出能跟踪给定输入的模糊控制器，对被控系统进行仿真，绘制出系统的阶跃响应曲线。选择模糊控制器的设计此次选择两个语言变量e、ec和7个语言值NB、NM、NS、ZE、PS、PM、PS、PB。规那么表如下表1所示。EUEC

NB

NM

NS

ZE

PS

PM

PBNB

NM

NS

ZE

PS

PM

PBPS

NS

NM

NB

NB

NB

NBPS

PS

NS

NM

NM

NB

NBPS

PS

ZE

NS

NS

NM

NMPS

PS

ZE

ZE

ZE

NS

NSPM

PM

PS

PS

ZE

NS

NSPB

PM

PM

PM

PS

PS

NSPB

PB

PM

PM

PM

PS

NS表1模糊控制算法规那么表表1共有49条规那么，分别把规那么输入到模糊控制器中如图2。图2输入的语言变量e和ec的隶属函数设置如图3，4。其输入分布均是是｛-6，6｝隶属函数类型都选择trimf型。图3e的隶属函数参数设置图4ec的隶属函数参数设置输出的语言变量为u，其参数设置如图5。输出的分部为｛-7，7｝，隶属函数类型为trimf型。图5u的隶属函数参数设置输出的阶跃响应曲线选择各个放大器的参数，本次选取下面三组数据：ke=2.0，kec=1.5，ku=0.07；ke=2.5，kec=1.8，ku=0.07；3．ke=2.8，kec=1.8，ku=0.07。其阶跃响应曲线分别如图6，7，8所示。图6图7图8从上面三个图可以算出各种指标，具体如下：ke=2.0，kec=1.5，ku=0.07；如图6，超调量为Mp=7.7%，调节时间ts=103s。稳态误差为11%。ke=2.5，kec=1.8，ku=0.07；如图7，超调量为Mp=16%，调节时间ts=89s。稳态误差为9%。ke=2.8，kec=1.8，ku=0.07。如图8，超调量Mp=21%，调节时间ts=84s。稳态误差为8%。从上面三组数据可以看出，只有第三组数据比拟接近要求。应选择第三组数据，即：ke=2.8，kec=1.8，ku=0.07〔3〕改变模糊控制器中模糊变量的隶属度函数，分析隶属度函数和模糊控制规那么对模糊控制效果的影响。比拟那种情况下的控制效果较好。改变模糊控制器中的隶属度函数为trapmf型。设置过程如下图：图9变量e的隶属度函数图10变量ec的隶属度函数图11变量u的隶属度函数系统的阶跃响应曲线为：图12系统的阶跃响应曲线由图10中曲线可知道：QUOTEσp=22%Ess=13%,ts=75s,tr=26s由以上的仿真结果可以看出梯形隶属度函数的系统性能没有三角形隶属度函数的系统性能好。给系统加上扰动，观察此时的阶跃响应曲线，看系统是否仍然稳定，并与无扰动情况下的阶跃响应曲线进行比拟。并比拟模糊控制和PID控制的鲁棒性。在控制器之前、被控对象之前参加扰动，系统框图如图7所示：图13参加扰动后的系统框图在原控制系统仿真框图中控制器输出后位置加脉冲扰动，幅值为0.2，干扰作用于200s，得到图8所示阶跃响应曲线。图14参加扰动阶跃响应曲线因为是在模糊控制器之后加的干扰，控制效果不好，但是如果加在控制器之前的鲁棒性比一般的PID控制器的鲁棒性好改变系统的参数，了解模糊控制在系统参数发生变化时的控制效果。并与ＰＩＤ控制器作用下系统参数发生变化时的控制效果进行比拟，思考模糊控制相对于传统控制的优点。1.当被控对象比例系数为38.5和41.5时，得到的阶跃响应曲线为：图152.当被控对象惯性时间增加时，在此我们综合考虑T1,T2,它们的乘积从600变为570和630，得到的阶跃响应曲线为：图163.当纯滞后时间变为4或1时，得到的阶跃响应曲线为：图17由以上三个图可知，模糊控制算法对不同的控制对象的适应性很强，在一定范围内改变被控对象的参数，控制效果根本保持不变，较传统的PID控制器效果好，，当滞后时间增加到原来的两倍时，超调量有所增加，但系统还是稳定的，效果也比PID控制器的好总结:模糊控制的优缺点:模糊控制具有能够得到良好的动态响应性能，并且不需要知道被控对象的数学模型(当然本实验中是己知道的)，适应性强，上升时间快，鲁棒性好。与PID控制相比有着很大的优势，采用PID控制虽然稳态性能较好，但是难以得到满意的动态响应性能，并且鲁棒性差。当然，模糊控制也有着自身的缺点，容易受到模糊规那