李朝阳控制作业.docVIP

智能控制 姓 名： 李朝阳 学 号： 107551400830 专 业： 电气工程 班 级： 2014电气工程学硕 基于模糊控制的温度控制器 常规控制首先要建立精确数学模型，但是对一些复杂的工业过程，建立精确的数学模型是非常困难的，或者是根本不可能的。于是常规控制技术在这里就遇到了不可逾越的障碍。但是，熟练的技术操作人员，通过感官系统进行现场观察，再根据自己的经验就能很容易地实现这类控制过程，于是就产生了一个问题，能否把人的操作经验总结为若干条控制规则，并设计一个装置去执行这些规则，从而对系统进行有效的控制呢?答案是肯定的。这种装置就是模糊控制器。 PID控制相比，模糊控制有其明显的优越性 由于模糊控制实质上是用计算机去执行操作人员的控制策略，因而可以避开复杂的数学模型。对于非线性，大滞后及带有随机干扰的复杂工业对象，由于数学模型难以建立，因而传统的PID控制也就失效，而对这样的系统，设计一个模糊控制器，却没有多大困难。PID控制难以进行调整，而模糊控制对过程参数改变不灵敏，在所有工作所有工作点上都能做到较稳定的控制，这说明模糊控制本质上是非线性的，并且对于对象的参数变化适应性强，即所谓的“鲁棒性”较好。{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}，把在这区间的连续量模糊化为7档： “正大”（PB）——多数取+6附近； “正中”（PM）——多数取+4附近； “正小”（PS）——多数取+2附近； “零”（ZO）——多数取0附近； “负小”（NS）——多数取-2附近； “负中”（NM）——多数取-4附近； “负大”（NB）——多数取-6附近。 这7档对应着7个模糊子集，如表1所示。 表中的数表示[-6，+6]之间13个元素在对应模糊集中的隶属度。当然，这只是一个示意性表，目的在于说明从精确量向模糊量的转换过程，实际的模糊集要根据具体问题来规定。 表 1 模糊变量不同等级的隶属度值 隶属度等级 模糊变量 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 PB 0 0 0 0 0 0 0 0 0.2 0.4 0.7 0.8 1 PM 0 0 0 0 0 0 0 0 0.2 0.7 1 0.7 0.2 PS 0 0 0 0 0 0 0.3 0.8 1 0.7 0.5 0.2 0 Z0 0 0 0 0 0.1 0.6 1 0.6 0.1 0 0 0 0 NS 0 0.2 0.5 0.7 1 0.8 0.3 0 0 0 0 0 0 NM 0.2 0.7 1 0.7 0.2 0 0 0 0 0 0 0 0 NB 1 0.8 0.7 0.4 0.2 0 0 0 0 0 0 0 0 规则库：用来存放全部模糊控制规则，在推理时为“推理机”提供控制规则。 模糊控制器的规则是基于专家知识或手动操作熟练人员长期积累的经验，它是按人的直觉推理的一种语言表示形式。模糊规则通常由一系列的关系词连接而成，如if—then，else，also，end，or等，关系词必须经过“翻译”才能将模糊规则数值化。例如，某温度模糊控制器，系统输入变量为温度的偏差e和温度偏差的变化率ec，输出量为温度控制信号u，它们对应的语言变量分别为E，EC和U，可给出如下模糊规则： R1：IF E is正大and EC is正大then U is负大 第一条模糊规则含义是若温度偏高，且温度上升较快，则调节温度控制信号使温度迅速下降。 R2：IF E is负大and EC is负大then U is正大 第二条模糊规则含义是若温度偏低，且温度下降较快，则调节温度控制信号使温度迅速上升。 在matlab仿真软件simulink环境下搭建基于模糊控制的温度控制器模型： 图1 仿真模型 2确定变量和隶属度 取输出误差e和误差变化ec作为模糊控制器的输入，模糊控制器的输出u作为被控对象的控制输入。误差e,误差变化量ec以及输出u所对应的模糊语言变量分别为E、EC和U。对应如下 E=[-3，-2，-1，0，+1，+2，+3] EC=[-3，-2，-1，0，+1，+2，+3] U={-3，-2，-1，0，+1，+2，+3} 每个变量取7个语言值：“正大（PB）”，中大（PM）“正小（PS）”,“零（ZO）”,“负小(NS)”,负中（NM）“负大(NB)”。 Matlab模糊控制工具箱为模糊控制器的设计提供了一种非常便捷的途径，通过它我们不需要进行复杂的模糊化、模糊推理及反模糊化运算，只需要设定相应参数，就可以很快得到我们所需要的控制器，而且修改也非常方便。 首先我们在Matlab的命令窗