模糊控制哈工大教程.ppt

利用MATLAB工具箱设计模糊控制器 Matlab Simulink?Fuzzy ToolBox Fuzzy Demo Fuzzy Inference System (FIS) 定义隶属函数 (输入, 输出) 确定Fuzzy推理方法 控制规则库的建立 选择解模糊方法 Fuzzy控制器嵌入到控制系统 Demos defuzzdm Defuzzification methods. fcmdemo FCM clustering demo (2-D). fuzdemos GUI for Fuzzy Logic Toolbox demos. gasdemo ANFIS demo for fuel efficiency using subclustering. juggler Ball-juggler with Rule Viewer. invkine Inverse kinematics of a robot arm. irisfcm FCM clustering demo (4-D). noisedm Adaptive noise cancellation. slbb Ball and beam control (Simulink ). slcp Inverted pendulum control (Simulink ). sltank Water level control (Simulink). sltankrule Water level control with Rule Viewer (Simulink). sltbu Truck backer-upper (Simulink Fuzzy 控制器的设计过程演示 规则可调整的Fuzzy控制器 在模糊控制系统中，模糊控制器的性能对系统的控制特性影响很大； 模糊控制器的性能在很大程度上又取决于模糊控制规则的确定及其可调整性。 控制规则的解析描述 上式描述的控制规则，控制作用取决于误差及误差变化，且二者处于同等加权程度。为了适应不同被控对象的要求，引进一个调整因子 a , 则可得到一种带有调整因子的控制规则 通过调整 a 值的大小，可以改变对误差和误差变化的不同加权程度。 当被控对象阶次较低时，应该对误差的加权值大于对误差变化的加权值； 当被控对象阶次较高时，对误差变化的加权值要大于对误差的加权值。 下面举例来说明调整因子 a 对控制性能的影响。被控对象为二阶环节 控制规则（ a = 0.625 ) 控制规则（ a ＝0.75 ) a 取不同值时，模糊控制系统对阶跃响应曲线的变化 a较大时（如 a=0.75 ) ，表明控制规则对误差 E 加权大，而对误差变化 C 加权小，因此阶跃响应曲线产生超调，拖长了调整时间； 当 a=0.5 时，虽然对误差 E 及误差变化 C 加权一样，没有产生超调，但响应过程较慢； 当 a=0.625 时，意味着控制规则中对误差加权稍大于对误差变化加权，这种情况不仅超调小，而且响应时间也较短。 当被控对象采用带有调整因子的模糊控制器时，通过调整加权因子 a 可以获得较好的控制效果。 模糊规则的自整定与自寻优 带有一个加权因子 a 调整模糊控制规则的模糊控制器，可以改变 a 的大小调整控制规则， a 值一旦选定，在整个控制过程中就不再改变，即在控制规则中，对误差与误差变化的加权固定不变。 模糊控制系统在不同的状态下，对控制规则中误差 E 与误差变化 C 的加权程度一般说来应该有不同的要求。 对二维模糊控制系统而言，当误差较大时，控制系统的主要任务是消除误差，这时，对误差在控制规则中的加权应该大些； 当误差较小时，此时系统已接近稳态，控制系统的主要任务是使系统尽快稳定，为此必须减小超调，这样就要求在控制规则中误差变化起的作用大些，即对误差变化加权大些。 这些要求只靠一个固定的加权因子 a 难以满足，于是考虑在不同的误差等级引入不同的加权因子，以实现对模糊控制规则的自调整。 (1)．带有两个调整因子的控制规则 根据上述思想，考虑两个调整因子口，a1及 a2: ，当误差较小时，控制规则由 a1 ，来调整；当误差较大时，控制规则由a2来调整。 控制规则（ a1=0.4 , a2 =0.6 ) 控制规则（ a1=0.5 , a2=0.7 ) 结论：带两个调整因子模糊控制器的控制规则调整效果比较好，其响应曲线比较理想，这表明带两个调整因子的