模糊自整定pid控制器设计及仿真分析毕业论文(编辑修改稿)

模糊自整定pid控制器设计及仿真分析毕业论文(编辑修改稿)内容摘要：

(10) plotfis 功 能 : 作图显示模糊推理系统输入 /输出结构。 (11) plotmf 功 能 : 绘制隶属度函数曲线。 (12) rmmf 10 模糊自整定 PID 控制器设计及仿真分析 功 能 : 从模糊推理系统中删除隶属度函数。 (13) rmvar 功 能 : 从模糊系统中删除对象。 (14) setfis 功 能 : 设置模糊推理特性。 (15) showfis 功 能 : 显示添加了注释的模糊推理系统。 (16)showrule 功能 : 显示模糊规则。 (17) wri tefis 功 能 : 将模糊规则保存到磁盘中。 (18) addmf 功 能 : 向模糊推理系统添加隶属度函数。 (19)defuzz 功 能 : 隶属度函数的去模糊化。 去模糊化方法的 5 个可取的值如下 : ① Centroid : 面积重心法。 ② Bisector : 面积平分法。 ③ Mom : 平均最大隶属度法。 ④ Som : 最大隶属度取最小法。 11 模糊自整定 PID 控制器设计及仿真分析 ⑤ Lom : 最大隶属度取最大法。 (20) evalmf 功 能 : 通用隶属度函数估计。 (21) mf2mf 功 能 : 隶属度函数间的参数转换。 (22) newfis 功 能 : 建 立 新的模糊推理系统。 论域、量化因 子 、 比例因子的选择 论域及基本论域 模糊控制器把输入变量误 差 、 误 差 变 化的实际范围称为这 些变量的基本论域。 显然基本论域内的量为精确量。 被控对象实际要求的控制量的变化范围，称为模糊控制器输出变量 (控制量 )的 基本论域，控制量的基本论域内的量也是精确量。 若设误差变量所取的模糊子集的论域为 : {n ， 一 n+ 1， …， 0，…， n1， n} 误 差 变 化变量所取的模糊子集的论域为 : {m，吼 叫 ， …， 0， ，旷 1， m} 控制量所取的模糊子集的论域为 : {x ， x+1，…， 0， …， x1， x} 12 模糊自整定 PID 控制器设计及仿真分析 有关论域的选择问题 ， 一般选 误 差 的论 域 n 注 6 ， 选 误 差 变化的论域 m?::. 6 ， 选 控制量的论域 x 注 6。 值得指出的是 ， 从道理上讲 ， 增加论域中的元素个数 ， 即把等级细分 ， 可提高 控制精度 ， 但这受到计算机字长的限制 ， 另外也要增大计算量。 因此 ， 把等级分得 过 细 ， 对模糊控制显得必要性不大。 关于基本论域的选择 ， 由于事先对被控对象缺 乏经验知识 ， 所以 误 差 及 误 差 变化的基本论域只能做初步的选择 ， 待系统调整时再 进一步确定。 控制量的基本论域根据被控对象提供的数据选定川。 量化因子及比例因子 当 由计算机实现模糊控制算法进行模糊控制时 ， 每次采样得到的被控制量需经 计算机计算 ， 才能得到模糊控制器的输入变量误 差 及 误 差 变化。 为 了 进行模糊化处 理 ， 必须将输入变量从基本论域转换到相应的模糊集的论域 ， 这中间需将输入变量 乘以相应的因子 ， 这就是量化因子。 量化因子和比例因子均是考虑两个论域变换而引出的 ， 但对输入变量而言的量 化因子确实具有量化效应 ， 而对输出而言的比例因子只起比例作用。 设计一个模糊控制器除 了 要有一个好的模糊控制规则外 ， 合理地选择模糊控制 器输入变量的量化因子和输出控制量的比例因子也是非常重要的。 量化因子和比例 因子的大小及其不同量化因子之间大小的相对关系 ， 对模糊控制器的控制性能影响 极大。 合理地确定量化因子和比例因子要考虑所采用的计算机的字长 ， 还要考虑到计 算机的输入输出接口中 D/A 和 A/D转换的精度及其变化的范围。 因此 ， 选择量化因 13 模糊自整定 PID 控制器设计及仿真分析 子和比例因子要充分考虑与 D/A 和 A/D 转换精度相协调 ， 使得接口板的转换精度充 分发挥 ， 并使其变换范围充分被利用。 量化因子 Ke 及 Kec 的大小对控制系统的动态性能影响很大。 Ke 选的较大 时 ， 系 统的超调也较大 ， 过渡过程较长。 因为从理论上讲 Ke 增大 ， 相 当 于缩小了 误 差 的基 本论域，增大了误 差 变量的控制作用 ， 因此导致上升时间变 短 ， 但由于出现超调 ， 使得系统的迂渡过程变长。 Kec 选择较大时 ， 超调量减小 ， 但系统的响应速度变慢。 Kec 才对超调的遏制作用十分明显。 量化因子 Ke 和 Kec 的大小意味着对输入变量误 差和 误 差 变化的不同加权程度 ， 二者之间相互影响问川。 此外 ， 输出比例因子 Ku 的大小也影响着模糊控制系统的特点。 Ku 选择过小会使 系统动态响应过程变长 ， 而 Ku 选择过大会导致系统振荡。 输出比例因子 Ku 作为模糊控制器的总的增益 ， 它的大小影响着控制器的输出 ， 通过调整 Ku 可以改变对被控对象 (过程 )输入的大小川。 14 模糊自整定 PID 控制器设计及仿真分析 第 3 章基于 MATLAB 的模糊控制器的设计内容 阕锄空制器概主 模糊逻辑控制器 (Fuzzy Logic Controller) ，简称为模糊控制 器(Fuzzy Controller)。 因为模糊控制器的控制规则是基于模糊条件语句描述的语言控制规 则，所以模糊控制器又称为模糊语言控制器。 模糊控制器包含模糊接口、规则库、模糊推理、清晰化接口等部分。 输入变量 是过程实测变量与系统设定值之 差 值。 输出变量是系统的实时控制修正变量。 一维 模糊控制器的输入量是系统的偏 差 量 e ，它是确定数值的清晰量。 通过模糊化处 理 ， 用模糊语言 E 来描述 偏 差。 模糊推理输 出 U 是模糊量，在系统中 要 实施控制 时 ，模 糊量 U 还要转化为清晰值，因此要进行清晰化处理 ， 得到可操作的确定值 u， 这就是 模糊控制器的输出值，通过 U 的调整控制作用 ， 使偏差 e 尽量小例。 二维模糊控制器是目前广为采用的一类模糊控制器。 它的输 入 量 是 偏 差 e 和偏 差 变化率 ec ， 以控制量的变化值 u 作为输出量，它比一维控制器有较好的控制效 果 ， 且易于计算机的实现川。 模糊蹄。 器 知 十 F胞括的内容 (1) 确定模糊控制器的输入变量和输出变量 (即控制量 )。 (2) 设计模糊控制器的控制规则。 (3) 确立模糊化和非模糊化 (又称清晰化 )的方法。 (4) 选择模糊控制器的输入变量及输出变量的论域并确定模糊控制器的参数 (如 量化因子、比例因子 )。 15 模糊自整定 PID 控制器设计及仿真分析 (5) 模糊控制器的软硬件实现。 (6) 合理选择模糊控制算法的采样时间。 胡 锦 空 制 器 的结制知十 模糊控制器的结构设计是指确定模糊控制器的输入变量和输出变量 ， 究竞选择 哪些变量作为模糊控制器的信息量 ， 还必须深入研究在手动控制过程中，人如何获 取、输出信息 ， 因为模糊控制器的控制规则归根到底还是要模拟 人 脑的思维决策方 式。 在手动过程中 ， 人所能获得的信息量基本上为三个 :误 差 、 误 差 的变 化 、 误 差 变化的变化 ， 即 误 差 变化的速率。 一般来说 ， 人对 误 差 最敏 感 ， 其次是误 差 的变 化 ， 再次是 误 差 变化的速率。 从理论上讲 ， 模糊控制器的维数越高 ， 控制越精细。 但维数过高 ， 模糊控制规则变得过于复杂 ， 控制算法的实现相 当困难。 这或许是目 前人们广泛设计 和 应用二维模糊控制器的原因所在 ， 因 此 ， 本论文也采用二维模糊 控制器 ， 即以 误 差 、 误 差 的变化率作为输入川。 阕 棉空 制 器 规则的设计 控制规则的设计是设计模糊控制器的关键 ， 一般包括三部分设计内容 :选择描 述输入、输出变量的词集 ， 定义各模糊变量的模糊子集及建立模糊控制器的控制规 则。 (1) 选择描述输入和输出变量的词集。 模糊控制器的控制规则表现为一组模糊 条件语句 ， 在条件语句中描述输入输出变量状态的一些词汇 (侬女如口 正大 等 )的集合 ， 称为这些变量的词集 (亦可以称为变量的模糊状态 )。 16 模糊自整定 PID 控制器设计及仿真分析 选择较多的词汇描述输入、输出变量，可以便制定控制规则方便，但是控制规 则相应变得复杂。 选择词汇过少，使得描述变量变得粗糙，导致控制器的性能变 坏。 一般情况下都选择七个词汇，但也可以根据实际系统需要选择三个或五个语言 变量。 针对被控对象，改善模糊控制结果的目的之一是尽量减小稳态误 差。 因此，对 应于控制器输入 (误 差 、 误 差 的变化率 )之一的 误 差 采 用 : (负大，负 中 ， 负小， 零 ， 正小，正中，正大 ) 用英文字头缩写为 : {NB， NM， NS， ZO， PS， PM， PB} 另一个输 入 一 误 差 的变化率及控制器的输出采用 : (负大，负中，负 小 ， 零 ， 正小，正中，正大 ) 用英文字头缩写为 : {NB， NM， NS， ZO， PS， PM， PB} [1 2] (2) 定义各模糊变量的模糊子集。 定义一个模糊子集，实际 _D 就是要确定模糊 子集隶属函数曲线的形状。 将确定的隶属函数曲线离散化，就得到了有限个点上的 隶属度 ， 便构成了一个相应的模糊变量的模糊子集。 理论研究显示，在众多隶属函数曲线中，用正态型模糊变量来描述人进行控制 活动时的模糊概念是适宜的。 但在实际的工程中，机器对于正态型分布的模糊变量 的运算是相当复杂和缓慢的，而三角型分布的模糊变量的运算简单、迅速。 因此， 控制系统的众多控制器一般采用计算相对简单，控制效果迅速的三角型分布。 17 模糊自整定 PID 控制器设计及仿真分析 (3) 建立模糊控制器的控制规则。 模糊控制器的控制规则是基于手动控制策 略 ， 而手动控制策略又是人们通过学习、试验以及长期经验积累而逐渐形成的 ， 存 储在操作者头脑中的一种技术知识集合。 手动控制过程一般是通过对被控对象 (过程 ) 的一些观 测 ， 操作者再根据已有的经验和技术知识 ， 进行综合分析并做出控制决 策 ， 调整加到被控对象的控制作用，从而使系统达到预期的目标。 手动控制的作用 同自动控制系统中的控制器的作用是基本相同的 ， 所不同的是手动控制决策是基于 操作系统经验和技术知识 ， 而控制器的控制决策是基于某种控制算法的数值运算。 利用模糊集合理论和语言变量的概念 ， 可以把利用语言归纳的手动控制策略上升为 数值运算 ， 于是可以采用微型计算机完成这个任务以代替人的手动控制 ， 实现所谓 的模糊自动控 制 [1 3J。 精确量的模糊化 将精确量 (数字量 )转换为模糊量的过程称为模糊化 (fuzzification) ，或称为模 糊量化。 精确量只有经过模糊化处理 ， 变为模糊量 ， 才能便于实现模糊控制算法。 过程参数的变化范围是各不相同的 ， 为了统一到指定的论域中来 ， 模糊化的第 一个任务是进行论域变换，过程参数的实际变化范围成为基本论域。 可以通过变换 系数 (量化因子 )实现由基本论域到指定论域的变换。 模糊化的第二个任务是求得 输入对应语言变量的隶属度。 语言变量的隶属函数有两种表示方式 ， 即离散方式和 连续方式。 离散方式是指去论域中的离散点 (整数值 )及这些点的隶属度来描述一 个语言变量 ( 14]。 模糊化一般采用如下两种方法 : 18 模糊自整定 PID 控制器设计及仿真分析 U (1)把精确量离散化。 如把 在 [3， 3J 之间变化的连续量分为七个档次 ， 每 一 档 对 应 一 个模糊集 ， 这样处理使模糊化过程简 单。 否 则 ， 将每 一 精确量对应 一 个模糊 子集 ， 有无穷多个模糊子集 ， 使模糊化过程复杂化。 在 [斗 ， 3J 区间的离散 化 了 的精 确量与表示模糊语 言 的模糊。