先进过程控制报告.doc

研究生课程（论文类）,增加了很多实用性，研究模糊建模与自适应控制具有重要的理论和实际意义。 本文主要工作和结构安排 本文将模糊控制系统和自适应模糊控制系统作对比，搭建简单的传统模糊控制系统和自适应模糊控制系统，通过Matlab软件对这两种系统分别进行仿真，将传统的简单模糊控制系统的运行结果与自适应模糊控制系统的结果作比较，并得出结论，说明加入自适应之后系统有得到改善。 模糊控制系统的设计 模糊控制器的设计是模糊控制系统设计的核心，通常我们在模糊控制器的设计过程中，构建好模糊控制器的基本框架、编写模糊控制规则是两步重要的工作，同时也得选择模糊子集的隶属函数、设计模糊化模块、设计清晰化模块，相应的还有选择清晰化的方法。在这些中间，我们依据平常工作中的实际经验来建立模糊控制规则是模糊控制器设计中关键的工作，同时也是我们模糊控制系统设计的基本基础。由于模糊控制系统的设计是针对实际应用对象进行的，所以这一设计过程与被控对象紧密相关。我们在此选择被控对象是由晶闸管控制的直流电动机。 图1 设计模糊控制器的主要流程示意图 4.1 系统结构的设计 由直流传动驱动模块可知此对象为一个纯延时的惯性环节设传递函数为e-0.25s /(s+1)，我们为了控制系统运行，要做一个简单的模糊控制器，根据要求，直流传动速度控制系统可以设计成如下系统，其结构如下图所示。其中输入语言变量是误差e′、误差变化de′和控制输出增量Du′，输出的语言变量同输入一样。 图2 直流传动速度控制系统的模糊控制结构图 4.2 模糊化设计 上面提到的三个语言变量，在它们的论域内确认变量的语言值个数以及它们语言值的隶属度函数。考虑到此系统控制精度要求不高、允许有一定的误差裕度，故我们对误差变量只取到两个语言值：负偏差(NZ)和正偏差(PZ)，同时我们对误差变化变量也取两个语言值：负偏差变化率(NZ)和正偏差变化率(PZ)。我们的控制量使用增量方式，就是为了达到满意的预期控制。所以用增量方式对控制量进行模糊化。正增量(PS)、负增量(NS)和零增量(ZE)作为它们的论域内取到三个语言值，它们的隶属度函数图如图3所示： 图3 变量e′、de′、Du′的隶属度函数图 4.3 模糊控制规则设计 模糊控制规则是根据我们实际工作中总结的控制经验，然后经过一些修整后得到的。被控制系统的精度、输入输出变量数目以及每一变量的语言值数目等等因素决定了控制规则的数量多少。我们此次设计的系统控制相对简单，它的控制规则设计为4条： 规则1如果误差e′是NZ、且误差变化de′是NZ,则控制Du′为ZE; 规则2如果误差e′是NZ、且误差变化de′是PZ,则控制Du′为NS; 规则3如果误差e′是PZ、且误差变化de′是NZ,则控制Du′为PS; 规则4如果误差e′是PZ、且误差变化de′是PZ,则控制Du′为ZE; 图4 模糊控制规则 图5 模糊控制规则 我们可以根据这几个模糊控制器、模糊化算法以及模糊规则来对每一个输入状态进行逻辑推理，然后我们就可以得出输出控制增量的模糊子集。设某一时刻，e′=3,de′=1。则有： μNZ （3） =0.2 , μPZ （3） =0.8 , μNZ （1） =0.33 , μPZ （3） =0.67 由第一条规则可得Du′1=（μNZ （3）∧ μNZ（1））/ZE =0.2/ZE； 由第二条规则可得Du′2=（μNZ （3）∧ μPZ（1））/NS =0.2/NS； 由第三条规则可得Du′3=（ μPZ（3）∧ μNZ（1））/PS =0.33/PS； 由第四条规则可得Du′4=（ μPZ（3）∧ μPZ（1））/ZE =0.67/ZE； 最后的输出控制增量为四条推理结果的合成，即 Du′=Du′1 ∪ Du′2 ∪ Du′3∪ Du′4 = 0.2/NS + 0.67/ZE + 0.33/PS 此时此刻由模糊控制器推理得出的模糊控制增量Du′的形状如图3的点线所示。 4.4 精确化计算 由模糊控制推理机制得出的模糊控制增量是一个模糊子集，它无法对精确的模拟或数字系统进行控制。因此，要得到模糊子集中的确定值作为系统的控制输出，我们肯定得进行精确化计算才能得出来。本次设计我们采用重心法进行精确化计算。我们选择有限个点来计算以便之后计算方便，我们还可以抵消增量面积：（PS）大于7和（NS）小于-7的那部分。我们就可以选择点线的拐点处做离散点 (a1=-7,a2=-5.6,a3=-2.31,a4=2.31,a5=4.69,a6=7)来计算。即