《智能控制》-模糊控制实验报告..docVIP

课程名称：智能控制 实验名称：模糊控制 一、实验目的： （1）了解在Simulink仿真环境下建立控制系统方框图的方法，熟悉Matlab和Simulink仿真环境 （2）掌握模糊控制器的设计方法。 （3）比较PID控制和模糊控制的特点。 二、实验内容和步骤 已知，分别设计PID控制与模糊控制，使系统达到较好性能，并比较两种方法的结果。结构如下图。 （1）模糊控制规则设计 针对该定位系统，设计二维模糊控制规则，使性能达到最佳。模糊控制规则如下： EC E NB NM NS ZE PS PM PB NB PB PB PB PB PM ZE ZE NM PB PB PB PB PM ZE ZE NS PM PM PM PM ZE NS NS NZ PM PM PS ZE NS NM NM PZ PM PM PS ZE NS NM NM PS PS PS ZE NM NM NM NM PM ZE ZE NM NB NB NB NB PB ZE ZE NM NB NB NB NB （2）设计未加PID或FUZZY控制器时，设计系统如下： 输入阶跃信号，观测与分析仿真结果。 （3）加入PID控制器如下： 对应的仿真结构图为： 调整参数，观测与分析仿真结果。PID控制的仿真曲线如下： （4）设计FUZZY控制器 在simulink仿真环境下，设计模糊控制系统，包括模糊控制规则、隶属函数、比例因子、量化因子、论域等参数设计。 FUZZY控制仿真结构图如下： 其中黄色部分具体为： 利用simulink设计的模糊控制的仿真结构图为： 其中对于模糊控制器的设计： E=[-6 6] EC=[-6 6] U=[-6 6]，并且其隶属函数分别为： E的隶属函数 EC的隶属函数 U的隶属函数 再将其中一个学生的比较好的实验结果作为参考实例： 首先仿真图如下： 模糊控制器的设计： E=[-6 6] EC=[-6 6] U=[-6 6]，并且其隶属函数分别为： E和EC的隶属函数 U的隶属函数 控制规则： EC E NB NM NS ZE PS PM PB NB PB PB PB PB PM ZE ZE NM PB PB PB PB PM ZE ZE NS PM PM PM PM ZE NS NS ZE PM PM PS ZE NS NM NM PS PS PS ZE NM NM NM NM PM ZE ZE NM NB NB NB NB PB ZE ZE NM NB NB NB NB 设计好模糊控制器后，运行仿真图形，得到的仿真曲线如下（step time＝1）： 模糊控制的仿真曲线 由仿真可知，通过选择合适的PID参数可以达到较好的控制性能。但是，由于PID控制是建立在已知精确的系统模型基础上的，所以当系统模型存在较大的不确定性时，PID的控制性能就会大大降低，甚至造成系统发散，而模糊控制则受系统模型影响较小。由图可知，在此设计的模糊控制器的控制性能不是很好（没有PID的控制性能好），稳态时存在一定幅度的振荡。这可能是由于量化因子、比例因子及模糊规则的选择不是很恰当所造成的。但在此情况下，模糊控制器受系统模型的精确度影响已经很小，改变系统模型时，仍能够保证系统稳定。 仿真结果显示，两种控制方式下，系统的超调时间，超调量和稳态误差均较小，可见PID控制器和FUZZY控制器都能很好改善系统性能。但是，可以验证：PID对对象参数变化敏感，对模型结构基本没有适应能力，而FC对被控对象参数适应能力强，且在模型结构有较大改变时，也能有很好的控制效果。 五、本实验的难点和知识点 模糊控制器的设计，要在模糊控制箱的集成环境下进行，然后在Simulink工作空间中连接。 模糊控制规则的简化和调整，常规的定位系统模糊控制规则（二维输入），共有56条，一般可以简化。 隶属函数的选择，一般选三角或正态分布形状，其参数可调整。 模糊控制中的比例和量化因子在模糊控制设计中的作用，并比较PID控制参数的作用。 六、思考题 （1）模糊控制规则的总结和简化方法。 对于二维模糊控制器，针对定位控制，并以性能指标为依据，总结出56条规则，根据模糊推理的逻辑关系可简化为28条。 （2）针对非线性模型，模糊控制为何获得较好的动态性能。 模糊控制是依据人的经验，基于模糊逻辑的一种控制方法，完全适应模型参数和结构的变化，具有较好的动态性能。 七、实验过程中的常见问题 1在模糊控制设计中，多数人的matlab会报错，是格式不兼容问题，将simulink里面的设置修改一下就可以，具体方法是：simulink－simulation-simulatio