模糊pid控制器畢業(yè)設計

1、<p><b>　　第一章 緒論</b></p><p>　　1.1 課題研究的背景及學術(shù)意義</p><p>　　隨著越來越多的新型自動控制應用于實踐，其控制理論的發(fā)展也經(jīng)歷了經(jīng)典控制理論、現(xiàn)代控制理論和智能控制理論三個階段。智能控制的典型實例是模糊全自動洗衣機。自動控制系統(tǒng)可分為開環(huán)控制系統(tǒng)和閉環(huán)控制系統(tǒng)。一個控制系統(tǒng)包括控制器、傳感器、變送器、執(zhí)行機

2、構(gòu)、輸入輸出接口?？刂破鞯妮敵鼋?jīng)過輸出接口、執(zhí)行機構(gòu)加到被控系統(tǒng)上；控制系統(tǒng)的被控量，經(jīng)過傳感器、變送器通過輸入接口送到控制器。不同的控制系統(tǒng)，傳感器、 變送器、執(zhí)行機構(gòu)是不一樣的。比如壓力控制系統(tǒng)要采用壓力傳感器；電加熱控制系統(tǒng)要采用溫度傳感器[1]。</p><p>　　目前，PID控制及其控制器或智能PID控制器（儀表）已經(jīng)很多，產(chǎn)品已在工程實際中得到了廣泛的應用。比如，工業(yè)生產(chǎn)過程中，對于生產(chǎn)裝置的溫度、

3、壓力、流量、液位等工藝變量常常要求維持在一定的數(shù)值上，或按一定的規(guī)律變化，以滿足生產(chǎn)工藝的要求。PID控制器可以根據(jù)PID控制原理對整個控制系統(tǒng)進行偏差調(diào)節(jié)，從而使被控變量的實際值與工藝要求的預定值一致。</p><p>　　經(jīng)典PID控制的調(diào)節(jié)器控制規(guī)律為比例、積分、微分控制，簡稱PID控制，又稱PID調(diào)節(jié)。PID控制器問世至今已有近70年歷史，它因結(jié)構(gòu)簡單、穩(wěn)定性好、工作可靠、調(diào)整方便而成為工業(yè)控制的主要技術(shù)

4、之一，現(xiàn)今也在很多領(lǐng)域有應用。尤其是當被控對象的結(jié)構(gòu)和參數(shù)不能完全掌握或得不到精確的數(shù)學模型，控制理論的其它技術(shù)難以采用，系統(tǒng)控制器的結(jié)構(gòu)和參數(shù)又必須依靠經(jīng)驗和現(xiàn)場調(diào)試來確定時，應用PID控制技術(shù)最為方便。</p><p>　　根據(jù)統(tǒng)計數(shù)據(jù)：全世界過程控制領(lǐng)域使用的控制器84%仍是純PID調(diào)節(jié)器，若改進型包含在內(nèi)則超過90%。</p><p>　　1.2 經(jīng)典PID控制系統(tǒng)的分類與簡介&l

5、t;/p><p><b>　　1.2.1 P控制</b></p><p>　　這類控制輸出的變化與輸入控制器的偏差成比例關(guān)系，輸入偏差越大輸出越大。單純的比例控制適用于擾動不大，滯后較小，負荷變化小，要求不高，允許有一定剩余誤差存在的場合。在工業(yè)生產(chǎn)中，比例控制規(guī)律使用較為普遍，它是控制規(guī)律中最基本的、應用最普遍的一種，其最大優(yōu)點就是控制及時、迅速。只要有偏差產(chǎn)生，控制器

6、立即產(chǎn)生控制作用。但是不能最終消除剩余誤差的缺點限制了它的單獨使用。 </p><p>　　1.2.2 PI控制</p><p>　　克服剩余誤差的辦法是在比例控制的基礎上加上積分控制。積分控制器的輸出與輸入偏差對時間的積分成正比。它的輸出不僅與輸入偏差的大小有關(guān)，而且還與偏差存在的時間有關(guān)。只要偏差存在，輸出就會不斷累積，一直到偏差為零，累積才會停止。所以，積分控制可以消除剩余誤差。&l

7、t;/p><p>　　1.2.3 PD控制</p><p>　　當被控對象受到擾動作用后，被控變量沒有立即發(fā)生變化，而是有一個時間上的延遲。因此要引入比例、微分作用，即PD控制。它比單純的比例作用更快。尤其是對容量滯后大的對象，可以減小偏差的幅度，節(jié)省控制時間，顯著改善控制質(zhì)量。</p><p>　　1.2.4 比例積分微分（PID）控制</p><

8、p>　　最為理想的控制當屬比例-積分-微分控制。它集三者之長：既有比例作用的及時迅速，又有積分作用的消除剩余誤差能力，還有微分作用的超前控制功能。當偏差擾動出現(xiàn)時，微分立即大幅度動作，抑制偏差的這種躍變；比例也同時起消除偏差的作用，使振蕩幅度減小。由于比例作用是持久和起主要作用的控制規(guī)律，積分作用可以慢慢把剩余誤差克服掉，因此可使系統(tǒng)比較穩(wěn)定；只要三個作用的控制參數(shù)選擇得當，便可充分發(fā)揮三種控制規(guī)律的優(yōu)點，得到較為理想的控制效果。

9、即當我們不完全了解一個系統(tǒng)和被控對象，或不能通過有效的測量手段來獲得系統(tǒng)參數(shù)時，最適合用PID控制技術(shù)。</p><p>　　然而伴隨著新的控制系統(tǒng)的不斷涌現(xiàn)，PID控制策略在控制非線性、時變、強耦合及參數(shù)和結(jié)構(gòu)不確定的復雜過程時，控制效果不理想。因此，它的應用受到了很大程度上的限制。</p><p>　　1.3 模糊邏輯與模糊控制的概念</p><p>　　1.3

10、.1 模糊控制相關(guān)概念</p><p>　　“模糊邏輯”的概念，其根本在于區(qū)分布爾邏輯或清晰邏輯，用來定義那些含混不清，無法量化或精確化的問題，對于馮?諾依曼開創(chuàng)的基于“真－假”推理機制，以及因此開創(chuàng)的電子電路和集成電路的布爾算法，模糊邏輯填補了特殊事物在取樣分析方面的空白。在模糊邏輯為基礎的模糊集合理論中，某特定事物具有特色集的隸屬度，他可以在“是”和“非”之間的范圍內(nèi)取任何值。而模糊邏輯是合理的量化數(shù)學理論，

11、是以數(shù)學基礎為根本去處理這些不確定、不精確的信息。</p><p>　　模糊控制是基于模糊邏輯描述的一個過程的控制算法。它是用模糊數(shù)學的知識模仿人腦的思維方式，根據(jù)模糊現(xiàn)象進行識別和判決，給出精確控制量，進而對被控對象進行控制的。對于參數(shù)精確已知的數(shù)學模型，我們可以用波特圖或奈克斯特圖來分析其過程以獲得精確的設計參數(shù)。而對一些復雜系統(tǒng)，如粒子反應，氣象預報等設備，建立一個合理而精確的數(shù)學模型是非常困難的。對于電力

12、傳動中的變速矢量控制問題，盡管可以通過測量得知其模型，但由于其多變量且非線性變化的特點，精確控制也是非常困難的。</p><p>　　模糊控制技術(shù)依據(jù)與操作者的實踐經(jīng)驗和直觀推斷，也依靠設計人員和研發(fā)人員的經(jīng)驗和知識積累。它無需建立設備模型，因此基本上是自適應的，具有很強的魯棒性。歷經(jīng)多年發(fā)展，已有許多成功應用模糊控制理論的案例，如Rutherford、Carter應用于冶金爐和熱交換器的控制裝置。</p&

13、gt;<p>　　1.3.2 模糊控制的優(yōu)點</p><p>　　對比常規(guī)控制辦法，模糊控制有以下幾點優(yōu)勢：</p><p>　　（1）模糊控制完全是在操作人員經(jīng)驗控制基礎上實現(xiàn)對系統(tǒng)的控制，無需建立數(shù)學模型，是解決不確定系統(tǒng)的一種有效途徑。</p><p>　?。?）模糊控制具有較強的魯棒性，被控對象參數(shù)的變化對模糊控制的影響不明顯，可用于非線性、時

14、變、時滯的系統(tǒng)，并能獲得優(yōu)良的控制效果。</p><p>　　（3）由離散計算得到控制查詢表，提高了控制系統(tǒng)的實時性、快速性。</p><p>　　（4）控制的機理符合人們對過程控制作用的直觀描述和思維邏輯，是人工智能的再現(xiàn)，屬于智能控制。</p><p>　　1.4 模糊控制技術(shù)的應用概況</p><p>　　國內(nèi)在模糊控制方面也同樣取得了

15、顯著成果。1986年，都志杰等人用單片機研制了工業(yè)用模糊控制器。隨后，何鋼、能秋思、劉浪舟等人相繼將模糊控制方法成功地應用在堿熔釜反應溫度、玻璃窯爐等控制系統(tǒng)中。</p><p>　　在社會生活領(lǐng)域中，體現(xiàn)在模糊控制技術(shù)在家電中的應用，所謂模糊家電，就是根據(jù)人的經(jīng)驗，在電腦或者芯片的控制下實現(xiàn)可模仿人的思維進行操作的家用電器。幾種典型的模糊家電產(chǎn)品如下：</p><p><b>

16、　　⑴ 模糊電視機</b></p><p>　　這類電視機可根據(jù)室內(nèi)光線的強弱調(diào)整電視機的亮度，根據(jù)人與電視機的距離自動調(diào)整音量，同時能夠自動調(diào)節(jié)電視機的色度、清晰度和對比度。</p><p><b>　　⑵ 模糊空調(diào)器</b></p><p>　　模糊空調(diào)器可以靈敏地控制室內(nèi)的溫度。日本研制了一種模糊空調(diào)器，利用紅外線傳感器識別房

17、間信息（人數(shù)、溫度、大小、門開關(guān)等），從而快速調(diào)整室內(nèi)溫度，提高了舒適感。</p><p><b>　?、?模糊微波爐</b></p><p>　　日本夏普公司生產(chǎn)的RE-SEI型微波爐，內(nèi)部裝有12個傳感器，這些傳感器能對食物的重量、高度、形狀和溫度進行測量，并利用這些信息自動選擇化霜、再熱、燒烤和對流4種工作方式，并自動決定烹制時間。</p><

18、;p><b>　?、?模糊洗衣機</b></p><p>　　以我國生產(chǎn)的小天鵝模糊控制全自動洗衣機為例，它能夠自動識別洗衣物人重量、質(zhì)地、污臟性質(zhì)和程度，采用模糊控制技術(shù)來選擇合適的水位、洗滌時間、水流程序等，其性能已經(jīng)達到國外同類產(chǎn)品的水平。</p><p><b>　?、?模糊電動剃刀</b></p><p>

19、　　日本三洋、松下公司推出了模糊控制電動剃刀，通過利用傳感器分析胡須的生長情況和面部輪廓，自動調(diào)整刀片，并選擇最佳的剃削速度。</p><p>　　在工業(yè)爐方面、石化方面、煤礦行業(yè)、食品加工行業(yè)領(lǐng)域，模糊控制應用也很廣泛。</p><p>　　1.5 本文的研究目的和內(nèi)容</p><p>　　論文將以學習PID控制理論、模糊控制理論、模糊PID控制器開發(fā)、MATLA

20、B下的仿真建模為研究方向，具體內(nèi)容安排如下：</p><p>　　第二章：研究經(jīng)典PID控制器的工作原理，控制算法及其相應的特點。尋求PID各個控制參數(shù)對系統(tǒng)輸出的作用規(guī)律以及參數(shù)整定方法。</p><p>　　第三章：著重掌握模糊控制理論，掌握模糊原理、模糊推理過程和模糊控制器的結(jié)構(gòu)和工作方式。</p><p>　　第四章：利用模糊控制器和傳統(tǒng)的PID控制器結(jié)合來

21、形成模糊自適應的PID控制器，通過模糊系統(tǒng)、模糊決策系統(tǒng)和精確化環(huán)節(jié)來在線確定PID控制器的比例、積分、微分系數(shù)，再利用MATLAB仿真程序，通過SIMULINK模塊搭建系統(tǒng)，實現(xiàn)控制系統(tǒng)的仿真。</p><p>　　分析仿真結(jié)果，計算所建立模糊系統(tǒng)的各項指標。</p><p>　　第二章 PID控制</p><p>　　2.1 PID的算法和參數(shù)</p&g

22、t;<p>　　2.1.1 位移式PID算法</p><p>　　算法在連續(xù)控制系統(tǒng)中，常常采用如圖2-1所示的PID控制。</p><p>　　圖2-1 PID控制流程</p><p>　　其控制原則如公式2-1所示。</p><p><b>　?。?-1）</b></p><p&g

23、t;<b>　　其中，</b></p><p><b>　　KP——比例系數(shù)；</b></p><p>　　TI——積分時間常數(shù)；</p><p>　　TD——微分時間常數(shù)；</p><p><b>　　e（t）——偏差；</b></p><p>　　u

24、（t）——控制量；</p><p>　　經(jīng)過離散化，獲得位置PID的離散算法，如公式2-2所示。</p><p><b>　?。?-2）</b></p><p>　　調(diào)節(jié)器輸出u(k)與跟過去所有偏差信號有關(guān)，計算機需要對e（i）進行累加，運算工作量很大，而且計算機故障可能使u(k)做大幅振蕩，這種情況往往使控制很不方便，在有些場合可能會造成嚴

25、重的事故。另外，控制器的輸出u(k)對應的是執(zhí)行機構(gòu)的實際位置；如果計算機出現(xiàn)故障，u(k)的大幅度變化會引起執(zhí)行機構(gòu)位置的大幅度變化。因此，在實際的控制系統(tǒng)中不太常用這種方法。</p><p>　　2.1.2 增量式PID算法</p><p>　　依據(jù)位移式PID算法，推理得公式2-3。 </p><p><b>　　(2-3

26、)</b></p><p>　　式中，e(k)——第k次采樣時的偏差值；e(k-1)——第（k-1）次采樣時的偏差值；u(k)——第k次采樣時調(diào)節(jié)器的輸出；KP——比例系數(shù)；</p><p><b>　　，。</b></p><p>　　依據(jù)算法形式，顯然可以看出增量式PID算法和位置式算法相比具有以下幾個優(yōu)點：</p&

27、gt;<p>　　首先，增量式算法只與e（k）、e（k-1）、e（k-2）有關(guān)，不需要進行累加，不易引起積分飽和，因此能獲得較好的控制效果。</p><p>　　其次，在位置式控制算法中，由手動到自動切換時，必須首先使計算機的輸出值等于閥門的原始開度，才能保證手動到自動的無擾動切換，這將給程序設計帶來困難。而增量式設計只與本次的偏差值有關(guān)，與閥門原來的位置無關(guān)，因而易于實現(xiàn)手動自動的無擾動切換。&l

28、t;/p><p>　　再次，增量式算法中，計算機只輸出增量，誤動作影響小。必要時可加邏輯保護，限制或禁止故障時的輸出。</p><p>　　為適應更多的應用領(lǐng)域，PID控制器也有了多種算法。</p><p>　　2.1.3 積分分離PID算法</p><p>　　積分分離PID算法基本思想是：設置一個積分分離閾值β，當|e(k)|≤|β|時，采用

29、PID控制，以便于消除靜差，提高控制精度；當|e(k)|＞|β|時，采用PD控制。其對應的算法如公式2-4所示。 </p><p><b>　?。?-4）</b></p><p>　　其中，α為邏輯變量，其取值原則為：</p><p>　　對同一控制對象，分別采用普通PID控制和積分分離PID控制，見圖2-2。</p><

30、p>　　圖2-2 PID控制和積分分離PID控制比較 </p><p>　　其中1-普通PID控制效果 2-積分分離PID控制效果</p><p>　　顯然，積分分離的PID比普通的PID的控制效果好。</p><p>　　2.1.4 不完全微分PID算法</p><p>　　在PID控制器的輸出端再串聯(lián)一階慣性環(huán)節(jié)（比如低通濾

31、波器）來抑制高頻干擾，平滑控制器的輸出，這樣就組成了不完全微分PID控制，見圖2-3。 </p><p>　　圖2-3 不完全微分PID控制器</p><p>　　其控制算法，如公式2-5所示。</p><p><b>　?。?-5）</b></p><p><b>　　其中</b></p&

32、gt;<p>　　通過這樣的算法，可以延長微分作用的時間，見圖2-4。</p><p>　　圖2-4 不完全微分PID和完全微分PID控制特性比較</p><p>　　不完全微分PID控制中的微分作用能緩慢地維持多個采樣周期，使一般的工業(yè)執(zhí)行機構(gòu)能較好地跟蹤微分作用的輸出。因此，抗干擾能力較強，在一些擾動頻繁的場合應用十分普遍。</p><p>　　

33、2.2 PID參數(shù)對系統(tǒng)控制性能的影響</p><p>　　2.2.1 比例系數(shù)KP對系統(tǒng)性能的影響</p><p>　　比例系數(shù)加大，使系統(tǒng)的動作靈敏，速度加快，穩(wěn)態(tài)誤差減小。KP偏大，振蕩次數(shù)加多，調(diào)節(jié)時間加長。KP太大時，系統(tǒng)會趨于不穩(wěn)定。KP太小，又會使系統(tǒng)的動作緩慢。KP可以選負數(shù)，這主要是由執(zhí)行機構(gòu)、傳感器以控制對象的特性決定的。如果KD的符號選擇不當，對象狀態(tài)就會距離目標狀態(tài)

34、越來越遠，如果出現(xiàn)這樣的情況KP的符號就一定要取反。</p><p>　　2.2.2 積分時間常數(shù)Ti對系統(tǒng)性能的影響</p><p>　　積分作用使系統(tǒng)的穩(wěn)定性下降，Ti?。ǚe分作用強）會使系統(tǒng)不穩(wěn)定，但能消除穩(wěn)態(tài)誤差，提高系統(tǒng)的控制精度。</p><p>　　2.2.3 微分時間常數(shù)Td對系統(tǒng)性能的影響</p><p>　　微分作用可以改

35、善動態(tài)特性。Td偏大時，超調(diào)量較大，調(diào)節(jié)時間較短；Td偏小時，超調(diào)量也較大，調(diào)節(jié)時間也較長。只有Td合適，才能使超調(diào)量較小，減短調(diào)節(jié)時間。</p><p>　　2.3 PID控制器的選擇與PID參數(shù)整定</p><p>　　2.3.1 PID控制器的選擇</p><p>　　在引入PID之前要確定用哪種類型，即選定PID控制器的基本類型。通常依據(jù)表2-1原則確定。&

36、lt;/p><p>　　表2-1 PID控制類型選定原則</p><p>　　*K：當工業(yè)對象具有較大的滯后時，可引入微分作用；但如果測量噪聲較大，則應先對測量信號進行一階或平均濾波。</p><p>　　2.3.2 PID控制器的參數(shù)整定</p><p>　　PID控制器的參數(shù)整定是控制系統(tǒng)設計的核心內(nèi)容。它是根據(jù)被控過程的特性確定PID控制

37、器的比例系數(shù)、積分時間和微分時間的大小。</p><p>　　PID控制器參數(shù)整定的方法很多，概括起來有兩大類：</p><p>　　一是理論計算整定法。它主要是依據(jù)系統(tǒng)的數(shù)學模型，經(jīng)過理論計算確定控制器參數(shù)。這種方法所得到的計算數(shù)據(jù)未必可以直接用，還必須通過工程實際進行調(diào)整和修改。</p><p>　　二是工程整定方法，它主要依賴工程經(jīng)驗，直接在控制系統(tǒng)的試驗中進

38、行，且方法簡單、易于掌握，在工程實際中被廣泛采用。PID控制器參數(shù)的工程整定方法，主要有臨界比例法、反應曲線法和衰減法。三種方法各有其特點，其共同點都是通過試驗，然后按照工程經(jīng)驗公式對控制器參數(shù)進行整定。但無論采用哪一種方法所得到的控制器參數(shù)都需要在實際運行中進行最后調(diào)整與完善。現(xiàn)在一般采用的是臨界比例法。</p><p>　　第三章 模糊控制器及其設計</p><p>　　3.1 模糊

39、控制器的基本結(jié)構(gòu)與工作原理</p><p>　　模糊控制器有如下結(jié)構(gòu)，圖3-1呈現(xiàn)了其基本控制流程。</p><p>　　圖3-1 模糊控制器控制流程</p><p>　　為了了解模糊控制器的工作原理，圖3-2列出其結(jié)構(gòu)框圖。</p><p>　　圖3-2 模糊控制器結(jié)構(gòu)</p><p>　　顯然，模糊控制器主要由

40、模糊化接口、知識庫、模糊推理機、解模糊接口四部分組成，通過單位負反饋來引入誤差，并以此為輸入量進行控制動作。</p><p>　　3.2 模糊控制器各部分組成</p><p>　　3.2.1 模糊化接口</p><p>　　模糊化接口接受的輸入只有誤差信號e（t），由e（t）再生成誤差變化率或誤差的差分Δe（t），模糊化接口主要完成以下兩項功能：</p>

41、<p><b>　?、?論域變換 </b></p><p><b>　　⑵ 模糊化 </b></p><p><b>　　3.2.2 知識庫</b></p><p>　　知識庫中存儲著有關(guān)模糊控制器的一切知識，它們決定著模糊控制器的性能，是模糊控制器的核心。</p><

42、;p>　?、?數(shù)據(jù)庫（Data Base）</p><p>　　數(shù)據(jù)庫中存儲著有關(guān)模糊化、模糊推理、解模糊的一切知識，包括模糊化中的論域變換方法、輸入變量各模糊集合的隸屬度函數(shù)定義等，以及模糊推理算法、解模糊算法、輸出變量各模糊集合的隸屬度函數(shù)定義等。</p><p>　?、?規(guī)則庫（Rule Base）</p><p>　　模糊控制規(guī)則集，即以“if…the

43、n…”形式表示的模糊條件語句，如</p><p>　　R1：If e* is A1, then u* is C1,</p><p>　　R2：If e* is A2, then u* is C2,</p><p><b>　　…</b></p><p>　　其中，e*就是前面所說的模糊語言變量，A1，A2，…，An是et

44、*的模糊子集，C1，C2，…，Cn是u*的模糊子集。</p><p>　　規(guī)則庫中的n條規(guī)則是并列的，它們之間是“或”的邏輯關(guān)系，整個規(guī)則集合的總模糊關(guān)系為：。</p><p>　　3.2.3 模糊推理機</p><p>　　模糊控制應用的是廣義前向推理。即通過模糊規(guī)則對控制決策進行推斷，以確定模糊輸出子集。</p><p>　　3.2.4

45、解模糊接口</p><p><b>　　⑴ 解模糊 </b></p><p><b>　?、?論域反變換 </b></p><p><b>　　3.3模糊推理方式</b></p><p>　　3.3.1 Mamdani模糊模型（邁達尼型）</p><p>

46、;　　Mamdani型的模糊推理方法最先將模糊集合的理論用于控制系統(tǒng)[7]。它是在1975年為了控制蒸汽發(fā)動機提出來的。其采用極小運算規(guī)則定義表達的模糊關(guān)系。如R：If x is A then y is B。式中：x為輸入語言變量；A為推理前件的模糊集合；y為輸出語言變量；B模糊規(guī)則的后件。用RC表示模糊關(guān)系，如公式3-1。</p><p><b>　?。?-1）</b></p>

47、<p>　　當x為，且模糊關(guān)系的合成運算采用“極大—極小”運算時，模糊推理的結(jié)論計算如公式3-2所示。</p><p><b>　?。?-2）</b></p><p>　　3.3.2 Takagi-Sugeno模糊模型(高木-關(guān)野)</p><p>　　Sugeno模糊模型也稱TSK模糊模型，旨在開發(fā)從給定的輸入—輸出數(shù)據(jù)集合產(chǎn)生

48、模糊規(guī)則的系統(tǒng)化方法。此類方法將解模糊也結(jié)合到模糊推理中，故輸出為精確量。這是因為Sugeno型模糊規(guī)則的后件部分表示為輸入量的線性組合。它是最常用的模糊推理算法。</p><p>　　與Mamdani型類似；其中輸入量模糊化和模糊邏輯運算過程完全相同，主要差別在于輸出隸屬函數(shù)的形式。典型的零階Sugeno型模糊規(guī)則的形式：If x is A and y is B then z =k。</p>&l

49、t;p>　　式中：x和y為穿入語言變量；A和B為推理前件的模糊集合；z為輸出語言變量；k為常數(shù)。</p><p>　　更為一般的一階Sugeno模型規(guī)則形式為：If x is A and y is B then z= px+qy+r。</p><p>　　當然，以上兩種解模糊方法各有千秋。由于Mamdani型模糊推理規(guī)則的形式符合人們的思維和語言表達的習慣。因而能夠方便地表達人類的知

50、識，但存在計算復雜、不利于數(shù)學分析的缺點；Sugeno型模糊推理則具有計算簡單，利于數(shù)學分析的優(yōu)點，是具有優(yōu)化與自適應能力的控制器或模糊建模工具。</p><p>　　3.4模糊控制器的維數(shù)確定</p><p><b>　?、?一維模糊控制器</b></p><p>　　見圖3-3，它的輸入變量往往選擇為受控變量和輸入給定值的偏差e，但卻很難反

51、映過程的動態(tài)特性品質(zhì)，因而往往被用于一階被控對象。 </p><p><b>　?、?二維模糊控制器</b></p><p>　　見圖3-4，它的兩個輸入變量基本上都選用受控變量值和輸入給定值的偏差e和偏差變化ec，由于它們能夠嚴格地反映受控過程中輸出量的動態(tài)特性，故在控制效果上要比一維控制器好得多，目前采用較廣泛。</p><p><b

52、>　　⑶ 三維模糊控制器</b></p><p>　　見圖3-5，它的三個輸入分別為系統(tǒng)偏差量e，偏差微分ec，偏差的二階微分ecc。但由于這種模糊控制器結(jié)構(gòu)復雜，推理運算時間長。因此，適用于動態(tài)特性的要求特別高的場合。</p><p>　　圖3-3 一維模糊控制器 圖3-4 二維模糊控制器 </p><p&

53、gt;　　圖3-5 三維模糊控制器</p><p>　　從理論上講，模糊控制系統(tǒng)所選用的模糊控制器維數(shù)越高，系統(tǒng)的控制精度也就越高。但是維數(shù)選擇太高，模糊控制律就過于復雜，基于模糊合成推理的控制算法也就更困難。</p><p>　　3.5 模糊控制器的隸屬函數(shù)</p><p>　　典型的隸屬函數(shù)有11種，即雙S形隸屬函數(shù)、聯(lián)合高斯型隸屬函數(shù)、高斯型隸屬函數(shù)、廣義鐘

54、形隸屬函數(shù)、雙S形乘積隸屬函數(shù)、S狀隸屬函數(shù)、梯形隸屬函數(shù)、三角隸屬函數(shù)、Z形隸屬函數(shù)。在模糊控制中應用較多的隸屬函數(shù)有以下6種：</p><p><b>　?、?高斯型隸屬函數(shù)</b></p><p>　　見圖4-2，它的MATLAB表示為gaussmf(x,[σ,c])。</p><p>　　圖4-2 高斯型隸屬函數(shù)</p>

55、<p>　　⑵ 廣義鐘形隸屬函數(shù)</p><p>　　見圖4-3，它的MATLAB表示為gbellmf(x,[a,b,c])。</p><p>　　圖4-3 廣義鐘形隸屬函數(shù)</p><p><b>　?、?S形隸屬函數(shù)</b></p><p>　　見圖4-4，它的MATLAB表示為sigmf(x,[a,c

56、])。</p><p>　　圖4-4 S形隸屬函數(shù)</p><p><b>　?、?梯形隸屬函數(shù)</b></p><p>　　見圖4-5，它的MATLAB表示為trapmf(x,[a,b,c,d])。</p><p>　　圖4-5 梯形隸屬函數(shù)</p><p><b>　?、?三角形

57、隸屬函數(shù)</b></p><p>　　見圖4-6，它的MATLAB表示為trimf(x,[a,b,c])。</p><p>　　圖4-6 三角形隸屬函數(shù)</p><p><b>　?、?Z形隸屬函數(shù)</b></p><p>　　見圖4-7，它的MATLAB表示為zmf(x,[a,b])。</p>

58、<p>　　圖4-7 Z形隸屬函數(shù)</p><p>　　3.6模糊控制器的解模糊過程</p><p><b>　　⑴ 重心法</b></p><p><b>　?、?最大隸屬度法</b></p><p>　　在推理結(jié)論的模糊集合中取隸屬度最大的那個元素作為輸出量即可。</p&g

59、t;<p><b>　?、?系數(shù)加權(quán)平均法</b></p><p>　　3.7 模糊PID控制器的工作原理</p><p>　　模糊PID控制器是運用模糊數(shù)學的基本理論和方法，把控制規(guī)則的條件、操作用模糊集表示，并把這些模糊控制規(guī)則及有關(guān)專家的控制信息作為知識存入計算機知識庫中[8]，然后計算機根據(jù)控制系統(tǒng)實際響應狀況，運用模糊控制規(guī)則表中的相關(guān)的規(guī)則進

60、行模糊推理。它能自動調(diào)整PID參數(shù)，實現(xiàn)對PID控制器參數(shù)的最優(yōu)配備，從而讓PID控制具有更強的適應性，優(yōu)化了控制效果。</p><p>　　模糊PID控制器有多種結(jié)構(gòu)和形式，但是其原理都是基本一致的。</p><p>　　第四章 模糊PID控制器的設計</p><p>　　模糊PID控制器是以操作人員手動控制經(jīng)驗總結(jié)出的控制規(guī)則為核心，通過辨識系統(tǒng)當前的運行狀態(tài)

61、；經(jīng)過模糊推理，模糊判決，解模糊過程得到確定的控制量以實現(xiàn)對被控對象的在線控制。</p><p>　　4.1 模糊PID控制器組織結(jié)構(gòu)和算法的確定</p><p>　　論文中，模糊PID控制器的設計選用二維模糊控制器。即，以給定值的偏差e和偏差變化ec為輸入；ΔKP，ΔKD，ΔKI為輸出的自適應模糊PID控制器，見圖4-1。</p><p>　　圖4-1 自適應模

62、糊PID控制器</p><p>　　其中PID控制器部分采用的是離散PID控制算法，如公式4-1。</p><p><b>　?。?-1）</b></p><p>　　4.2 模糊PID控制器模糊部分設計</p><p>　　4.2.1 定義輸入、輸出模糊集并確定個數(shù)類別</p><p>　　依據(jù)

63、模糊PID控制器的控制規(guī)律以及經(jīng)典PID的控制方法[9]，同時兼顧控制精度。論文將輸入的誤差(e)和誤差微分(ec)分為7個模糊集：NB(負大)，NM(負中)，NS(負小)，ZO(零)，PS（正?。?，PM(正中)，PB(正大)。</p><p>　　即，模糊子集為e，ec={NB,NM,NS,ZO,PS,PM,PB}。</p><p>　　將輸出的ΔKP，ΔKD，ΔKI也分為7個模糊集：N

64、B(負大)，NM(負中)，NS(負小)，ZO(零)，PS（正?。琍M(正中)，PB(正大)。</p><p>　　即，模糊子集為ΔKP，ΔKD，ΔKI=｛NB,NM,NS,ZO,PS,PM,PB｝。</p><p>　　4.2.2 確定輸入輸出變量的實際論域</p><p>　　根據(jù)控制要求，對各個輸入，輸出變量作如下劃定：</p><p>

65、;　　e，ec論域：｛-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6｝</p><p>　　ΔKP，ΔKD，ΔKI論域：｛-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6｝</p><p>　　應用模糊合成推理PID參數(shù)的整定算法。第k個采樣時間的整定為</p><p>　　式中為經(jīng)典PID控制器的初始參數(shù)。</p>&l

66、t;p>　　為了便于系統(tǒng)輸入，輸出參數(shù)映射到論域內(nèi)。根據(jù)實驗和相關(guān)文獻，確定模糊化因子為：ke=kec=0.01；解模糊因子為：K1=0.5,K2=K3=0.01。</p><p>　　4.2.3 定義輸入、輸出的隸屬函數(shù)</p><p>　　誤差e、誤差微分及控制量的模糊集和論域確定后，需對模糊變量確定隸屬函數(shù)。即對模糊變量賦值，確定論域內(nèi)元素對模糊變量的隸屬度。</p>

67、;<p>　　參考輸入、輸出變量的變化規(guī)律，依據(jù)第三章中3.5節(jié)相關(guān)內(nèi)容。通過實驗、試湊。最終作如下規(guī)定：</p><p>　　對于輸入量誤差(e),誤差微分(ec)都采用高斯型的隸屬函數(shù)(gaussmf)，同時為體現(xiàn)定義的7個模糊子集，見圖4-8和圖4-9。</p><p>　　圖4-8 偏差隸屬函數(shù) 圖4-9 偏差微分隸屬函數(shù)</

68、p><p>　　對于輸出量KP變化量（ΔKP），KD變化量(ΔKD)，KI變化量(ΔKI)采用三角形隸屬函數(shù)(trimf)，同時為體現(xiàn)定義的7個模糊子集，見圖4-10，4-11，4-12。</p><p>　　圖4-10 KP變化量隸屬函數(shù)</p><p>　　圖4-11 KD變化量隸屬函數(shù)</p><p>　　圖4-12 KI變化量隸屬函

69、數(shù)</p><p>　　4.2.4 確定相關(guān)模糊規(guī)則并建立模糊控制規(guī)則表</p><p>　　根據(jù)參數(shù)KP、KI、KD對系統(tǒng)輸出特性的影響情況，可以歸納出系統(tǒng)在被控過程中對于不同的偏差和偏差變化率參數(shù)KP、KI、KD的自整定原則：</p><p>　?、?當偏差較大時，為了加快系統(tǒng)的響應速度，并防止開始時偏差的瞬間變大可能引起的微分過飽和而使控制作用超出許可范圍，應

70、取較大的KP和較小的KD。另外為防止積分飽和，避免系統(tǒng)響應較大的超調(diào)，KI值要小，一般取KI=0。</p><p>　?、?當偏差和變化率為中等大小時，為了使系統(tǒng)響應的超調(diào)量減小和保證一定的響應速度，KP應取小些。在這種情況下KD的取值對系統(tǒng)影響很大，應取小一些，KI的取值要適當。</p><p>　?、钱斊钭兓^小時，為了使系統(tǒng)具有較好的穩(wěn)態(tài)性能，應增大KP、KI值，同時為避免輸出響應

71、在設定值附近振蕩，以及考慮系統(tǒng)的抗干擾能力，應適當選取KD。原則是：當偏差變化率較小時，KD取大一些；當偏差變化率較大時，KD取較小的值，通常為中等大小。</p><p>　　參考以上自整定原則，總結(jié)工程設計人員的技術(shù)知識和實際操作經(jīng)驗，建立合適的關(guān)于e、ec、ΔKP、ΔKD、ΔKI的模糊規(guī)則，如：</p><p>　　1.If (e is NB) and (ec is NB) then

72、(KP is PB)(KI is NB)(KD is PS)</p><p>　　2.If (e is NB) and (ec is NM) then (KP is PB)(KI is NB)(KD is NS)</p><p>　　3.If (e is NB) and (ec is NS) then (KP is PM)(KI is NM)(KD is NB)</p>&l

73、t;p><b>　　......</b></p><p>　　49.If (e is PB) and (ec is PB) then (KP is NB)(KI is PB)(KD is PB)</p><p>　　將以上規(guī)則定義成模糊規(guī)則控制表,見表4-1，4-2，4-3。</p><p>　　表4-1 ΔKP模糊規(guī)則表</p&

74、gt;<p>　　表4-2 ΔKI模糊規(guī)則表</p><p>　　表4-3 ΔKD模糊規(guī)則表</p><p>　　4.2.5 模糊推理</p><p>　?、?選擇模糊推理方法 </p><p>　　權(quán)衡PID控制自身的諸多特點。例如，它的控制規(guī)則形式符合人們的思維和語言表達的習慣，控制策略能夠方便地表達，控制算法簡單等

75、。</p><p>　　論文中，選用的是Mamdani型的模糊推理辦法。</p><p><b>　　⑵ 規(guī)則匹配和觸發(fā)</b></p><p>　　給定輸入的誤差和誤差微分后，分別代入隸屬函數(shù)中，并求出關(guān)于所建立七個模糊子集的隸屬度，統(tǒng)計輸入的誤差和誤差微分隸屬度不為零的模糊子集對數(shù)，依照模糊控制規(guī)則表，查得并統(tǒng)計輸出對應的模糊子集。<

76、/p><p><b>　　⑶ 規(guī)則前提推理</b></p><p>　　在同一條規(guī)則內(nèi)，前提之間通過“與”的關(guān)系得到規(guī)則結(jié)論。對前提的可信度之間通過取小運算來確定，之后統(tǒng)計出規(guī)則總的可信度。</p><p>　?、?模糊系統(tǒng)總的輸出</p><p>　　模糊系統(tǒng)總的可信度為各條規(guī)則可信度推理的并集。通過統(tǒng)計，可以得到被觸發(fā)的

77、若干條規(guī)則。</p><p><b>　?、?解模糊</b></p><p>　　參考第三章中3.6節(jié)，兼顧模糊PID系統(tǒng)的要求，此系統(tǒng)利用重心平均法進行解模糊操作。</p><p>　　以e=-0.455,ec=0.738為例，解模糊過程見圖4-13。</p><p>　　圖4-13 解模糊示例</p>

78、<p>　　如上，利用重心平均法，在e=-0.455，ec=0.738時可推得：ΔKP=0.35，ΔKD=-2.44，ΔKI=0.246。將以上參數(shù)與初始參數(shù)整合的值KP=20.35，KD=1.26， KI=1.596。將其送至經(jīng)典PID控制器，就可以在這一暫態(tài)獲得理想的控制效果。</p><p>　　第五章 模糊PID控制器的MATLAB仿真</p><p>　　5.1

79、模糊控制部分的fuzzy inference system仿真</p><p>　　5.1.1 定義輸入輸出變量并命名</p><p>　　在MATLAB提示符下鍵入下列名字啟動系統(tǒng)“Fuzzy”。打開一個標記為input1的單輸入，標記為output1的單輸出的一個沒有標題的FIS編輯器[10]。打開Edit菜單并選擇Add Variable...分別添加輸入、輸出，并分別命名為E，EC

80、，ΔKP，ΔKI，ΔKD。將控制器命名為“graduate2”,見圖5-1。</p><p>　　圖5-1 設置好的FIS編輯器</p><p>　　5.1.2 編輯隸屬函數(shù)</p><p>　　在上圖所示窗口中，打開View下拉式菜單并選擇Edit Membership Functions...通過雙擊各個變量，設置Range和Display Range。以定

81、義其論域和每支隸屬函數(shù)的范圍。從Edit菜單中選擇Add MFs...分別對系統(tǒng)的輸入輸出變量按照設計書對隸屬函數(shù)的類型、數(shù)量進行定義，見圖5-2。</p><p>　　圖5-2 隸屬函數(shù)編輯器</p><p>　　5.1.3 編輯模糊規(guī)則庫</p><p>　　在上圖所示窗口中,點擊“Edit”,選中“Rules...”按照任務書中的關(guān)于e、ec、ΔKP、ΔKD

82、、ΔKI的模糊規(guī)則，參照編輯器的提示，將規(guī)則一條一條的錄入其中，見圖5-3。</p><p>　　圖5-3 模糊規(guī)則庫</p><p>　　綜上，對模糊控制器的各部分設置完成，將其保存為“graudate2.fis”。通過調(diào)用曲面觀察器，所設計的模糊系統(tǒng)如圖5-4。</p><p>　　圖5-4 曲面觀察器</p><p>　　通過分析圖

83、形特點，可以看到它有明顯的梯度分布，說明所設計的模糊系統(tǒng)從誤差和誤差變化到三個PID參數(shù)變化量的模糊映射與理論設計匹配良好。</p><p>　　因而，所設計的模糊控制器合格。</p><p>　　5.2 對模糊控制器的SIMULINK建模</p><p>　　MATLAB提供的SIMULINK是一個用來對動態(tài)系統(tǒng)進行建模，仿真與分析的軟件包[11]。它功能強大，使

84、用簡單，支持連續(xù)，離散和二者混合的系統(tǒng)，同時還可用于線性系統(tǒng)和非線性系統(tǒng)的分析。SIMULINK包含多個子模型庫，每個子模型庫里又包含多個功能模塊。利用這些資源直接進行系統(tǒng)仿真，最后用模擬示波器將仿真動態(tài)結(jié)果予以顯示。</p><p>　　5.2.1 將模糊系統(tǒng)載入SIMULINK</p><p>　　SIMULINK可以與模糊邏輯工具箱結(jié)合。在MATLAB中建立一個M文件，命名為“gra

85、duate2.m”，其內(nèi)容為: matrix=readfis(‘graduate1.fis’)，這樣就完成了模糊邏輯組件和SIMULINK相關(guān)模塊的連接。</p><p>　　5.2.2 在SIMULINK中建立模糊子系統(tǒng)</p><p>　　在MATLAB 的命令窗口里鍵入“SIMULINK”可建立一個新的SIMULINK仿真模型。打開的SIMULINK庫中選擇“Fuzzy Logic

86、Toolbox”項，將選項“Fuzzy Logic Controller”拖到SIMULINK仿真系統(tǒng)中。確定模糊化因子為：ke=kec=0.01;解模糊因子為：K1=0.5，K2=K3=0.01[12]。</p><p>　　建立如下模型，并將其封裝成子系統(tǒng)。見圖5-5。</p><p>　　圖5-5 模糊控制器 </p>&

87、lt;p>　　5.3 PID部分的SIMULINK建模</p><p>　　首先，在MATLAB提示符下鍵入下“SIMULINK”，啟動SIMULINK模塊。由于在Matlab7.11.0.584(R2010b)的版本中，PID控制器有獨立的SIMULINK模塊，它的KP、KD、KI可直接設置。建立“五入單出”的PID控制器。見圖5-6。</p><p>　　圖5-6 五輸入PID

88、控制器</p><p>　　5.4 模糊PID控制器的SIMULINK建模</p><p>　　完成各個部分的SIMULINK仿真后。依據(jù)模糊PID控制器原理，利用剛剛封裝的子系統(tǒng)進行模糊PID控制器的仿真。為了預置初始參數(shù)，利用SIMULINK中“Commonly Used Blocks”下的“Constant模塊”和“Sum模塊”。</p><p>　　針對被控

89、對象，把經(jīng)典PID控制器的預置參數(shù)KP=20，KD=3.7，KI=1.35設置給“Constant模塊”，將模糊控制器的輸出控制信號ΔKP、ΔKI、ΔKD與預置參數(shù)加和一起送到經(jīng)典PID控制器，并在輸出的PID參數(shù)位置分別加入SIMULINK中“Sinks”下的“Scope模塊”，用來觀察模糊PID控制器的在線參數(shù)整定的情況。依照以上要求，建立如圖5-7模型。</p><p>　　圖5-7 模糊PID控制器&l

90、t;/p><p>　　5.5 利用子系統(tǒng)對控制系統(tǒng)進行SIMULINK建模</p><p>　　先將各個部分封裝成子系統(tǒng)，再把控制器與被控對象進行連接，設定單位負反饋回路以形成閉環(huán)系統(tǒng)。</p><p>　　論文中，選擇單位階躍信號為系統(tǒng)輸入；被控對象為；控制系統(tǒng)分三個支路進行輸出：1.單位階躍信號直接作為系統(tǒng)輸出</p><p>　　2.模糊P

91、ID控制系統(tǒng)輸出</p><p>　　3.經(jīng)典PID控制系統(tǒng)輸出</p><p>　　論文采用同一個示波器同時顯示經(jīng)典PID控制器、模糊PID控制器的系統(tǒng)輸出圖像和輸入信號的方式來顯示輸出波形，建立如圖5-8的控制系統(tǒng)模型。</p><p>　　圖5-8 控制系統(tǒng)SIMULINK模型</p><p>　　5.6 控制系統(tǒng)的SIMULINK仿

92、真研究</p><p>　　在MATLAB中先載入"graduate2.m"文件，按“F5”進行運行，這里工作空間包含了名為“matrix”的矩陣，其表達了模糊控制規(guī)則的相關(guān)信息，在MATLAB的命令欄中顯示如下：</p><p><b>　　matrix = </b></p><p>　　name: 'gradua

93、te1'</p><p>　　type: 'mamdani'</p><p>　　andMethod: 'min'</p><p>　　orMethod: 'max'</p><p>　　defuzzMethod: 'centroid'</p><p&

94、gt;　　impMethod: 'min'</p><p>　　aggMethod: 'max'</p><p>　　input: [1x2 struct]</p><p>　　output: [1x3 struct]</p><p>　　rule: [1x49 struct]</p><p

95、>　　在模糊控制器的SIMULINK模型中的“Fuzzy Logic Controller模塊”上雙擊鼠標左鍵，在彈出的窗口中將“FIS file or structure:”的值設定為：matrix。</p><p>　　保存上述模型文件。其文件名為：new.mdl。</p><p>　　將視圖切換至整個控制系統(tǒng)的SIMULINK模型，這里我們采用默認的仿真參數(shù)。用鼠標點擊“Sta

96、rt simulation按鍵”。稍等片刻，聽到“?！钡囊宦暫螅蜷_“Scope模塊”，可以直觀的看到系統(tǒng)的輸出波形，見圖5-9。</p><p>　　圖5-9 控制系統(tǒng)的輸出波形</p><p>　　其中，黃色線表示輸入(單位階躍信號)；綠色表示經(jīng)典PID控制器的系統(tǒng)輸出；紫色表示模糊PID控制器的系統(tǒng)輸出。</p><p>　　依據(jù)系統(tǒng)圖像，分析系統(tǒng)的暫態(tài)性能

97、，見表5-1。模糊PID控制器較經(jīng)典PID控制器有更短的調(diào)節(jié)時間，能夠更為平穩(wěn)的進入穩(wěn)態(tài)。而且模糊PID控制器幾乎沒有超調(diào)量（0.16%），它約是經(jīng)典PID控制器的1/33。</p><p>　　表5-1 控制器性能比對</p><p>　　針對模糊控制部分，進一步觀察模糊控制器的暫態(tài)輸出，即，ΔKP、ΔKI、ΔKD變化過程，如圖5-10，5-11，5-12所示</p>&

98、lt;p>　　圖5-10 KI的暫態(tài)特性圖</p><p>　　圖5-11 KD的暫態(tài)特性圖</p><p>　　圖5-12 KP的暫態(tài)特性圖</p><p>　　可見，模糊控制器的控制輸出在波動產(chǎn)生后較短的時間內(nèi)，重新進入收斂狀態(tài)。反應靈敏，動作迅速，可靠性比較高。</p><p>　　綜上，模糊PID控制器具有優(yōu)良的控制效果，