模糊控制实验Word下载.docx

模糊控制实验Word下载.docx

《模糊控制实验Word下载.docx》由会员分享，可在线阅读，更多相关《模糊控制实验Word下载.docx（13页珍藏版）》请在冰豆网上搜索。

自动化043C方向

学号040401179

姓名:

王昊

成绩：

实验名称:

用MATLAB设计模糊控制器

指导教师：

车国霖

一、实验目的：

1．数据模糊控制器极其设计基本过程和原理

2．在MATLAB环境下设计模糊控制器

二、实验要求：

1．比较PID控制器与模糊控制器的性能

2．比较PID控制器与模糊控制器的量化因素

三、实验内容：

1．熟悉模糊控制器设计的基本原理，应用MATLAB的模糊逻辑工具箱进行模糊推理：

输入模糊化，获取输入，确定它们通过隶属函数而属于每个适当的模糊集合的隶属度、应用模糊算子等。

2．熟悉PID控制器设计和仿真的基本原理，应用MATLAB的SIMULINK进行仿真，通过修改Kp,Ki,Kd的参数调整控制器的性能。

3．应用SIMULINK比较PID控制器与模糊控制器的性能。

4、运行模糊控制器设计的M文件

%FuzzyController

clearall;

closeall;

a=newfis（'

fuzzf'

）;

f1=1;

a=addvar（a,'

input'

'

e'

[-3*f1,3*f1]）;

%Parametere

a=addmf（a,'

1,'

NB'

zmf'

[-3*f1,-1*f1]）;

NM'

trimf'

[-3*f1,-2*f1,0]）;

NS'

[-3*f1,-1*f1,1*f1]）;

Z'

[-2*f1,0,2*f1]）;

PS'

[-1*f1,1*f1,3*f1]）;

PM'

[0,2*f1,3*f1]）;

PB'

smf'

[1*f1,3*f1]）;

f2=1;

ec'

[-3*f2,3*f2]）;

%Parameterec

2,'

[-3*f2,-1*f2]）;

[-3*f2,-2*f2,0]）;

[-3*f2,-1*f2,1*f2]）;

[-2*f2,0,2*f2]）;

[-1*f2,1*f2,3*f2]）;

[0,2*f2,3*f2]）;

[1*f2,3*f2]）;

f3=1.5;

output'

u'

[-3*f3,3*f3]）;

%Parameteru

[-3*f3,-1*f3]）;

[-3*f3,-2*f3,0]）;

[-3*f3,-1*f3,1*f3]）;

[-2*f3,0,2*f3]）;

[-1*f3,1*f3,3*f3]）;

[0,2*f3,3*f3]）;

[1*f3,3*f3]）;

rulelist=[11111;

%Editrulebase

12111;

13211;

14211;

15311;

16311;

17411;

21111;

22211;

23211;

24311;

25311;

26411;

27511;

31211;

32211;

33311;

34311;

35411;

36511;

37511;

41211;

42311;

43311;

44411;

45511;

46511;

47611;

51311;

52311;

53411;

54511;

55511;

56611;

57611;

61311;

62411;

63511;

64511;

65611;

66611;

67711;

71411;

72511;

73511;

74611;

75611;

76711;

77711];

a=addrule（a,rulelist）;

%showrule（a）%Showfuzzyrulebase

a1=setfis（a,'

DefuzzMethod'

mom'

%Defuzzy

writefis（a1,'

%savetofuzzyfile"

fuzzf.fis"

whichcanbe

%simulatedwithfuzzytool

a2=readfis（'

disp（'

fuzzycontrollertable:

e=[-3,+3],ec=[-3,+3]'

Ulist=zeros（7,7）;

fori=1:

7

forj=1:

e（i）=-4+i;

ec（j）=-4+j;

Ulist（i,j）=evalfis（[e（i）,ec（j）],a2）;

end

end

Ulist=ceil（Ulist）

figure

（1）;

plotfis（a2）;

figure

（2）;

plotmf（a,'

1）;

figure（3）;

2）;

figure（4）;

5、运行SIMULINK，模糊控制器与PID控制器设计如图

（1）：

（1）、通过对比两个PID参数不同，说明三个参数对控制器性能的影响;

（2）、通过控制同一对象比较PID与模糊控制器的性能。

FigureNO.1

FigureNO.2

FigureNO.3

FigureNO.4

四、实验结果：

1、PID控制器三个参数对系统性能的影响

（1）Kp不同，其他相同（Kp1=60,Kp2=100）

（2）ki不同，其它相同（ki1=1，ki2=3）

（3）kd不同，其它相同（）

2、模糊控制器与PID控制器的比较

3、不同的量化因子下的模糊控制器的比较

（1）、Ke=0.5,kec=0.5,ku=0.75

（2）、ke=5,kec=5,ku=7.5

五、结果分析:

1、系数Ki可消除系统的静态误差，适用于有自平衡性的系统。

加大积分系数KI（减小TI）有利于减小系统静差，但过强的积分作用会使超调量加剧，甚至引起振荡;

微分系数KD的值对响应过程影响非常大。

若KP取得过小，能使系统减少超调量，稳定裕度增大，但会降低系统的调节精度，使过渡过程时间延长；

不同的量化因子对模糊控制器的影响很大，过大则精度过小，过小则控制系统速度过底；

2、若增加微分作用KD，有利于加快系统响应，使超调量减小，增加稳定性，但也会带来扰动敏感，抑制干扰能力减弱。

比例系数KP增大可以加快响应速度，减小系统稳态误差，提高控制精度。

但是KP过大会产生较大超调，甚至导致系统不稳定;

3、与传统的控制相比，模糊控制有以下优点：

（1）、模糊控制适用于，不易获得精确数学模型的被控对象，其结构参数不很清楚或难以获得，只要求掌握操作人员或领域专家的经验或知识；

（2）、模糊控制是一种语言变量控制器，其控制规则只用语言变量的形式定性的表达，构成了被空对象的模糊模型。

在经典控制中，系统模型是用传递函数来描述；

（3）、模糊控制系统的鲁棒性强，尤其适用于非线性、时变、滞后系统的控制。

六、实验总结：

模糊控制在实际的应用中是很广泛被运用的，无论是从模糊控制的模糊规则，还是模糊控制的模糊关系，无论从模糊控制的模糊推理，还是模糊控制的模糊判决，都只有在实践中摸索才能体会出其中的意义。

而运用MATLAB环境仿真模拟，使得模糊控制器的设计更加快洁。

在实践中一定要注意耐心，在MATLAB语言程序存在问题时一定要耐心的检查纠正，每一个函数都要验证。

在编程中思想一定要清晰，只有清晰了才能减少程序出错的可能。

还有一点是函数的命名，尽量与实际模糊控制联系，只有这样才能减少错误。

总之，模糊控制理论和MATLAB无论在以后的学习还是工作中都是十分有用的，在此次上机实验中我也学到了很多有用的东西，在以后我还将认真学习下去。