模糊算法的研究和C语言实现--包宇骅资料.docxVIP

模糊算法的研究和C语言实现-模糊算法是通过对现实对象的分析，处理数据并构建模糊型数学模型。用隶属关系将数据元素集合灵活成模糊集合，确定隶属函数，进行模糊统计多依据经验和人的心理过程，它往往是通过心理测量来进行的，它研究的是事物本身的模糊性。近年来，智能控制理论和方法的研究受到国内外众多专家和学者的高度重视，并取得了许多成功的实例。目前，对于工业过程控制，实用的智能控制方法主要有两种：专家式控制和模糊控制，它们的特点是基于“专家”经验设计控制器，而无需考虑工业对象具体物理模型，尤其是后一种方法，由于它利用了模糊推理，已形成了一套较为规范的设计程序，且成功实例较多，故目前模糊控制算法的研究较为活跃。模糊控制的特点①适用于不易获得精确数学模型的被控对象；②是一种语言变量控制器；③从属于智能控制的范畴。该系统尤其适于非线性，时变，滞后系统的控制；④抗干扰能力强，响应速度快，并对系统参数的变化有较强的鲁棒性。模糊控制的原理把由各种传感器测出的精确量转换成为适于模糊运算的模糊量,然后将这些量在模糊控制器中加以运算,最后再将运算结果中的模糊量转换为精确量,以便对各执行器进行具体的操作控制，在模糊控制中,存在着一个模糊量和精确量之间相互转化的问题。s:系统的设定值；x1,x2:模糊控制的输入(精确量)；X1,X2:模糊量化处理后的模糊量；U:经过模糊控制规则和近似推理后得出的模糊控制量；u:经模糊判决后得到的控制量(精确量)；y:对象的输出。也可以表示成：工作步骤：输入量模糊化、建立模糊规则、进行模糊推理、输出量反模糊。模糊控制的优点：传统的自动控制控制器的综合设计都要建立在被控对象准确的数学模型(即传递函数模型或状态空间模型)的基础上，但是在实际中，很多系统的影响因素很多，油气混合过程、缸内燃烧过程等)，很难找出精确的数学模型。这种情况下，模糊控制的诞生就显得意义重大。因为模糊控制不用建立数学模型不需要预先知道过程精确的数学模型。模糊算法的应用基于遗传算法的模糊滑模控制器设计及其在直流伺服系统中的应用滑模控制因其设计简单，对控制对象参数变化及外扰动的不变性等优点而被广泛用于工业生产过程，尤其在伺服系统的控制中取得了成功的应用［1～3］，但是传统滑模控制存在一个突出的缺点，即抖振。为解决这一问题出现了模糊滑模控制［4，5］，通过在边界层内根据滑动模变量s的模糊量，决定控制量u，进而实现对u的“柔化”，以消弱抖动。但是上述模糊滑模控制方案难以保证边界层内滑动模态的可达性，因而也就失去了滑模控制不变性的优点［6］。本文提出一种新的模糊滑模控制器设计方法，可充分保证滑动模态的可达性。由于模糊控制量与滑模变量之间无直接对应关系，按照专家经验采用启发式设计方案难度较大，而且难以保证设计参数的最优性，为此，本文通过采用遗传算法对控制器模糊项参数进行寻优设计。考虑如下动态系统　　x(n)=f(x,，…,x(n-1)）+bu　　b0　　(1)其中状态向量(x,，…,x(n-1)）=XT，假设f(.)=(.)+Δf(.)　　(2)其中是f的估计值，Δf为模型的不确定性，F是Δf的上界函数，即　　｜Δf(.)｜≤F(.)　　(3)为讨论方便，先假设b=1,u为系统输入，控制目标是在系统存在不确定性的情况下，使系统状态向量跟踪预先选定的轨迹Xr,XTr=(xr,r，…,x(n-1)r）。定义误差向量　　　　(4)于是系统(1)可以表示成如下状态方程　　　　(5)在传统SMC设计中，首先定义一个滑动平面　　(6)这里CT=(c1,c2,…,cn)是滑动平面系数，满足霍尔维兹多项式，不失一般性，取cn=1。滑模控制的一个基本思想是要求通过等价控制量ueq保持状态在滑动平面上，由　　Te-f(xTr-eT)-u+x(n)r=0　　(7)这里=(0,c1,c2,…,cn-1)，得到等价控制量ueq　　　　(8)可以保证系统状态到达滑动平面后，保持在滑动平面上，为实现滑动模态的存在及可达，还要求存在一不连续控制分量　　(9)以实现s.0，即满足可达性条件，因此整个控制量为u=ueq+ud　　(10)然而，由于系统具有不确定性，ueq难以精确获得，因此考虑不确定性后有ueq=Te-(xTr-eT)+x(n)r　　(11)把式(9)，式(11)代入式(6)得　　(12)由s.0，得　　ud=(F(.)+η)sgn(s)　　η0　　(13)考虑一般性，b≠1，且b具有不确定性，假设β-1≤/b≤β　　(14)其中为b的估计值，β大于或等于1，那么取式(10)控制律为　　u=-1(ueq+ud)=eq+d　　(15)进而得到　　ud=［β(F(.)+η)+(β-1)｜eq｜］sgn(s)　　(16)令Q=β(F(.)+η)+(β-1)｜eq｜，由前面有关参数的定义可知Q0，若不考虑