文档库 最新最全的文档下载
当前位置:文档库 › 四级倒立摆的变论域自适应模糊控制

四级倒立摆的变论域自适应模糊控制

四级倒立摆的变论域自适应模糊控制
四级倒立摆的变论域自适应模糊控制

一种基于双精度搜索算法的变论域模糊控制

Computer Engineering and Applications 计算机工程与应用 2015,51(19)1引言相对于传统控制方式,模糊控制(FC )凭借其不需对象模型、鲁棒性强、实时性好等优点广泛用于非线性、时变滞后系统中。然而模糊控制器实质上是插值器,插值精度与模糊规则数量紧密相关,提高精度必然以扩大规模为代价,导致其控制精度存在一定局限性[1]。变论 域模糊控制器(VUFC )不仅可以综合专家知识,而且在不增加规则数量的情况下,论域随误差变小而收缩并随误差增大而扩展,从一定程度上解决了控制精度和控制复杂度的矛盾[2]。理论上分析,VUFC 的决策速度与精一种基于双精度搜索算法的变论域模糊控制 刘培奇,田洋,孙阳阳 LIU Peiqi,TIAN Yang,SUN Yangyang 西安建筑科技大学信息与控制工程学院,西安710055 College of Information &Control Engineering,Xi ’an University of Architecture &Technology,Xi ’an 710055,China LIU Peiqi,TIAN Yang,SUN Yangyang.Variable universe fuzzy control based on double precision search https://www.wendangku.net/doc/8a10815360.html,puter Engineering and Applications,2015,51(19):260-264. Abstract :Aiming at the low accuracy and poor adaptation of variable universe fuzzy control,and when the control function is inherited to the offspring,there usually exists some distortion which lead to the error of the algorithms.A variable-universe fuzzy control method based on double precision search algorithm is put forward.With the global optimal solution of basic gravitational search algorithm,sequential quadratic programming is employed as a local search method to avoid being trapped into local optimum.This paper presents a double precision search algorithm with “global-local ”dual search mech-anism.Then the method adjusts the universe by the contraction-expansion factor and geometric proportional factors based on variable universe fuzzy control,and optimizes the parameters through double precision search algorithms to reduce the distortion of control function in the control process and improves the control https://www.wendangku.net/doc/8a10815360.html,parative experiments show that the stability of DPSA is prominent in the parameter optimization.The controller results in desirable convergence speed.The accuracy and effect are even better than those of other control ways. Key words :variable universe fuzzy control;double-precision search algorithm;contraction-expansion factor;geometric proportional factors 摘要:针对定式变论域模糊控制精度不高,自适应能力有限,控制函数在遗传到后代时存在畸变而造成算法本身误差等问题,设计了一种基于双精度搜索算法的变论域模糊控制器。在基本万有引力算法全局搜索的同时,采用序列二次规划进行局部搜索避免算法陷入局部最优,提出具有“全局-局部”双重搜索机制的双精度搜索算法。在变论域模糊控制基础上提出了一种利用伸缩因子、等比因子相互协调来调整论域的构想,且通过双精度搜索算法来寻优参数,降低控制过程中的函数畸变,从而进一步改善控制器性能。对比实验表明DPSA 在参数寻优中稳定性突出,控制器不但收敛速度快,且与其他控制方式相比,其精度和效果都有所提高。 关键词:变论域模糊控制;双精度搜索算法;伸缩因子;等比因子 文献标志码:A 中图分类号:TP273doi :10.3778/j.issn.1002-8331.1309-0211 基金项目:国家自然科学基金(No.51178373);陕西省教育厅自然科学计划项目(No.12JK0743)。 作者简介:刘培奇(1959—),男,博士,副教授,硕导,研究领域为人工智能,数据挖掘,计算机网络应用;田洋(1987—),女,硕士研 究生,研究领域为智能控制;孙阳阳(1987—),男,硕士研究生,研究领域为智能控制,先进控制在工业控制中的应用。E-mail :peiqiliu@https://www.wendangku.net/doc/8a10815360.html, 收稿日期:2013-09-16修回日期:2014-01-16文章编号:1002-8331(2015)19-0260-05 CNKI 网络优先出版:2014-02-24,https://www.wendangku.net/doc/8a10815360.html,/kcms/doi/10.3778/j.issn.1002-8331.1309-0211.html 260

关于模糊控制理论的综述

物理与电子工程学院 《人工智能》 课程设计报告 课题名称关于模糊控制理论的综述 专业自动化 班级 11级3班 学生姓名郑艳伟 学号 指导教师崔明月 成绩 2014年6月18日

关于模糊控制理论的综述 摘要:模糊控制方法是智能控制的重要组成部分,本文简要回顾了模糊控 制理论的发展,详细介绍了模糊控制理论的原理和模糊控制器的设计步骤, 分析了模糊控制理论的优缺点以及模糊控制需要完善或继续研究的内容,根 据各种模糊控制器的不同特点,对模糊控制在电力系统中的应用进行了分 类,并分析了各类模糊控制器的应用效能.最后,展望了模糊控制的发展趋 势与动态. 关键词:模糊控制;模糊控制理论;模糊控制系统;模糊控制理论的发展模糊控制是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法,从行为上模拟人的思维方式,对难建模的对象实施模糊推理和决策的一种控制方法.模糊控制作为智能领域中最具有实际意义的一种控制方法,已经在工业控制领域、电力系统、家用电器自动化等领域中解决了很多的问题,引起了越来越多的工程技术人员的兴趣. 模糊控制系统简介 模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术.1965年美国的扎德[1]创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理.1974 年英国的Mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生. 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域.从信息技术的观点来看, 模糊控制是一种基于规则的专家系统.从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器. 相对传统控制, 包括经典控制理论与现代控制理论.模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型, 应用CRI 等各类模糊推理方法,

一种基于变论域的模糊控制器的设计及仿真研究

一种基于变论域的模糊控制器的设计及仿真研究 针对常规PID控制和常规模糊控制的缺陷,文章设计了一种基于可变论域的模糊控制器.并针对带有纯滞后的二阶控制系统给出了MATLAB实验仿真结果,仿真结果表明,对于带有纯滞后的系统,变论域模糊控制器能够很好地改善纯滞后系统的缺点,与常规PID控制和常规的模糊控制器相比,其具有响应速度快、无超调、无振荡以及控制精度更高的优点,具有较强的应用前景. 标签:PID控制;模糊控制器;变论域;仿真 传统的PID控制算法具有算法简单、控制精度高、可靠性强,适用于可建立精确数学模型的确定性控制系统[1],传统的模糊控制器对论域的模糊划分就显得较为粗糙,需要通过适当的增加量化级数,以要提高控制精度,但会造成模糊规则进行搜索范围的扩大,降低了整体的决策速度,难以实现实时控制[2-4],可变论域是指模糊控制中输入变量的论域为可变的,用作为调节因子对输入变量的论域进行调整。 文章基于论域可变的思想,设计了一种基于可变论域的模糊控制器,在模糊控制规则不变的情况下,模糊化论域随输入进行相应的收缩或扩展,论域收缩能增加模糊语言的变量值和控制规则,并获得与增加模糊子集一致的控制效果,使控制精度提高。 1 模糊控制 1.1 模糊控制基本原理 模糊控制系統的基本结构框图如图1所示,由模糊控制器、输入/输出通道、广义对象和传感器组成[5]。 模糊控制器的组成结构如图2所示,为了精确控制被控对象,需要对模糊量u进行转化得到精确的控制量,即图2中采用的非模糊化处理,得到精确控制量后,经DA转换变为模拟量传送至执行机构对被控对象进行进一步控制。 1.2 模糊控制器的设计步骤 模糊控制器的设计主要包括如下几个步骤: (1)确定控制结构,确定控制器的输入变量E、EC与输出变量U及对应的变化范围和要求的控制精度,建立物理模型,确定控制器结构。 (2)模糊化方法的选择与确定。将实际输入变量的值变换成模糊语言变量的语言值,不同语言值对应相应的模糊子集,选用隶属函数确定输入变量的值相应的隶属度。

神经网络自适应控制

神经网络自适应控制 学院:电气工程与自动化学院 专业:控制科学与工程 姓名:兰利亚 学号: 1430041009 日期: 2015年6月25日

神经网络间接自适应控制 摘要:自适应模糊控制系统对参数变化和环境变化不敏感,能用于非线性和多变 量复杂对象,不仅收敛速度快,鲁棒性好,而且可以在运行中不断修正自己的控制 规则来改善控制性能,因而受到广泛重视。间接自适应控制是通过在线辨识的到 控制对象的模型。神经网络作为自适应控制器,具有逼近任意函数的能力。 关键词:神经网络间接自适应控制系统辨识 一、引言 自适应控制系统必须完成测量性能函数、辨识对象的动态模型、决定控制 器如何修改以及如何改变控制器的可调参数等功能。自适应控制有两种形式: 一种是直接自适应控制,另一种是间接自适应控制。直接自适应控制是根据实 际系统性能与理想性能之间的偏差,通过一定的方法来直接调整控制器的参 数。 二、间接自适应系统分析与建模 2.1系统的分析 系统过程动态方程:y(k+1)= -0.8y(k)/(1+y2(k))+u(k),参考系统模型 由三阶差分方程描述: ym(k+1)=0.8ym(k)+1.2ym(k-1)+0.2ym(k-2)+r(k) 式中,r(k)是一个有界的参考输入。如果输出误差ec(k)定义为 ec(k)=y(k)-ym(k),则控制的目的就是确定一个有界的控制输入u(k),当k趋于 正无穷时,ec(k)=0.那么在k阶段,u(k)可以从y(k)和它的过去值中计算得 到: u(k)=0.8y(k)/(1+y2(k))+0.8y(k)+1.2y(k-1)+0.2y(k-2)+r(k) (1) 于是所造成的误差方程为: ec(k+1)=0.8ec(k)+1.2ec(k-1)+0.2ec(k-2) (2) 因为参考模型是渐进稳定的,所以对任意的初始条件,它服从当k趋于无穷, ec(k)=0。在任何时刻k,用神经元网络N2计算过程的输入控制,即 u(k)=-N[y(k)]+0.8y(k)+1.2y(k-1)+0.2y(k-2)+r(k) (3) 由此产生非线性差分方程:y(k+1)=-0.8y(k)/(1+y2(k))+N[y(k)] +0.8y(k)+ 1.2y(k-1)+0.2y(k-2)+r(k) (4) 故设计的要点是设计一个神经网络来逼近0.8y(k)/(1+y2(k))。 2.2系统的建模设计过程 第一步,用BP神经网络逼近,神经网络的结构包含三层:输入层、隐含层 和输出层。BP网络的训练过程如下:正向传播是输入信号从输入层经隐层传向 输出层,若输出层得到了期望的输出,则学习算法结束;否则,转至反向传 播。 第二步,输入测试样本,对神经网络的逼近程度进行测试,将测试后的期

模糊控制算法的研究

模糊控制算法的研究 0842812128夏中宇 模糊控制概述 “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。 在日常生活中,人们的思维中有许多模糊的概念,如大、小、冷、热等,都没有明确的内涵和外延,只能用模糊集合来描述。人们常用的经验规则都是用模糊条件语句表达,例如,当我们拧开水阀往水桶里注水时,有这样的经验:桶里没水或水较少时,应开大水阀;桶里水较多时,应将水阀关小些;当水桶里水快满时,则应把阀门关得很小;而水桶里水满时应迅速关掉水阀。其中,“较少”、“较多”、“小一些”、“很小”等,这些表示水位和控制阀门动作的概念都具有模糊性。即有经验的操作人员的控制规则具有相当的模糊性。模糊控制就是利用计算机模拟人的思维方式,按照人的操作规则进行控制,实现人的控制经验。 模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策略。 1974年,英国伦敦大学教授Mamdani·E·H研制成功第一个模糊控制器,充分展示了模糊技术的应用前景。 模糊控制概况 模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control),是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年,美国的L.A.Zadeh 创立了模糊集合论;1973年他给出了模糊逻辑控制的定义和相关的定理。1974年,英国的E.H.Mamdani首先用模糊控制语句组成模糊控制器,并把它应用于锅炉和蒸汽机的控制,在实验室获得成功。这一开拓性的工作标志着模糊控制论的诞生。 模糊控制实质上是一种非线性控制,从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论,又有着大量实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力;然而在东方尤其是在日本,却得到了迅速而广泛的推广应用。近20多年来,模糊控制不论从理论上还是技术上都有了长足的进步,成为自动控制领域中一个非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面,例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等;在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制;在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。 模糊控制的基本理论 所谓模糊控制,就是在控制方法上应用模糊集理论、模糊语言变量及模糊逻辑推理的知识来模拟人的模糊思维方法,用计算机实现与操作者相同的控制。该理论以模糊集合、模糊语言变量和模糊逻辑为基础,用比较简单的数学形式直接将人的判断、思维过程表达出来,从而逐渐得到了广泛应用。应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。在自动控制领域,以模糊集理论为基础发展起来的模糊控制为将人的控制经验及推理过程纳入自动控制提供了一条便捷途径。 1.知识库

加工过程的复合自适应模糊控制

加工过程的复合自适应模糊控制 3 姚锡凡 副教授 姚锡凡 彭永红 陈统坚 彭 观 李春雄 摘要 设计了一种自适应模糊控制器,采用了模糊规则在线自调整和 输出比例因子在线自适应估计相结合的策略,应用于铣削加工过程的仿真结果表明,该控制器可适用于非最小相位系统,为加工过程的约束型控制提供一条有效途径。 关键词 加工过程 模糊控制 自适应 参数估计 中国图书资料分类法分类号 T P 273 3国家自然科学基金资助项目(59585006)收稿日期:1997—12—22 始于60年代初的加工过程自适应控制,可分为优化型自适应控制(A CO )和约束型自适应控制(A CC )两大类。但由于加工过程的不确定性、时变性和非线性,以及对加工性能要求越来越高,建立于对象的数学模型基础上的自适应控制难以获得满意的控制效果,甚至无能为力,加工过程的 控制至今仍未获得突破性的进展[1],为此发展不依赖或少依赖于数学模型的智能加工控制系统是必要的。但常规的模糊控制不具有自适应性,而且会出现零点极限环振荡现象,为此本文提出了一种复合的自适应模糊控制,对铣削加工过程进行控制。 1 自适应模糊控制 一般常规模糊控制涉及论域有3个,它们是误差E

K U = F r c s K P (4) 式中,c s 为常数(取0.5);F r 为力的设定值;K P 为被控对象的增益。 K P 可由下式估算得到E r (i )=F (i )-K P (i - 1)u (i -1) K P (i )=K P (i -1)+cE r (i ) (5) 式中,E r 为切削力的估计误差;F 为力的测量值;c 为常数(在下面仿真中取0.035);u (i )为进给速度(电压值)。 u (i )=K U (i )[U (i ) 12+0.5] (6) 2 仿真实验 本文以铣削加工为对象,在主轴转速恒定、铣削深度作阶跃变化下,通过检测切削力,自动调节铣削进给速度,使加工过程的切削力恒定。对于铣 削加工过程(包括伺服环节),其二阶模型可以表示为[5] F β+2ΝΞn F α+Ξ2n F =K (2ΝΞn u α+Ξ2n u )(7)式中,F 为实测的切削力;u 为进给速度(电压值)(见图1);Ν为阻尼系数;Ξn 为自然频率。 采用零阶保持器,当Ν<1时,式(7)的离散可表示为 G (z )= F (z ) u (z )=b 0z +b 1z 2 +a 1z +a 2 (8) 式中,a 1、a 2、b 0、b 1可由式(7)求得。 当采样周期T =0.05s,切削深度a p 分别为2.54mm 、1.91mm 、3.81mm 时,传递函数分别 为[6] G 1(z )=F (z )u (z )=1.3907z + 1.3257 z 2 -1.8218z +0.8409G 2(z )=F (z )u (z )=0.8346z + 0.8363z 2 -1.9642z +0.9773G 3(z )=F (z )u (z )=3.0861z + 2.8242z 2 -1.7461z + 0.7655 可以看出,传递函数随切削深度而变化,当切 削深度为1.91mm 时,已变为一个非最小相位系 统,有一个过程零点位于单位圆外(z =-b 1 b 0=-1.0021),此时常规的模型参考自适应控制(M odel R eference A dap tive Con tro l,M RA C )已 不能适用上述的非最小相位系统,要用修正的M RA C 进行控制,但修正算法较为复杂。一些研 究结果表明,模糊控制能较好地适用于非最小相位加工系统,本文采用复合自适应模糊控制(图1)实现铣削加工过程控制。 仿真实验时,取K E =0.4,K C =0.8,K U (0)=5.6338,F r =400N ,T =0.05s,结果见图2。仿 真时,首先取切削深度为2.54mm ,此时采用的加工模型为G 1(z ),在t =200T 时,让加工模型变为G 2 (z ),而在t =400T 时,让加工模型变为G 3(z )。同时对进给速度进行了限制,即0

matlab下模糊控制器设计--实用步骤.docx

真理惟一可靠的标准就是永远自相符合。土地是以它的肥沃和收获而被估价的;才能也是土地,不过它生产 的不是粮食,而是真理。如果只能滋生瞑想和幻想的话,即使再大的才能也只是砂地或盐池,那上面连 小草也长不出来的。 下面将根据模糊控制器设计步骤,一步步利用Matlab 工具箱设计模糊控制器。 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的命令窗口(command window)中输入fuzzy ,回车就会出来这样一个窗口。 下面我们都是在这样一个窗口中进行模糊控制器的设计。 1.确定模糊控制器结构:即根据具体的系统确定输入、输出量。

这里我们可以选取标准的二维控制结构,即输入为误差为控制量 u。注意这里的变量还都是精确量。相应的模糊量为以选择增加输入 (Add Variable) 来实现双入单出控制结构。e 和误差变化ec,输出E, EC 和 U,我们可 2.输入输出变量的模糊化:即把输入输出的精确量转化为对应语言变量的模 糊集合。 首先我们要确定描述输入输出变量语言值的模糊子集,如{NB ,NM ,NS,ZO,PS, PM,PB} ,并设置输入输出变量的论域,例如我们可以设置误差E(此时为模 糊量)、误差变化EC、控制量 U 的论域均为 {-3 , -2 ,-1 ,0, 1, 2,3} ;然后我们为模糊语言变量选取相应的隶属度函数。

在模糊控制工具箱中,我们在先我们打开Member Function Edit Member Function Edit 窗口 . 中即可完成这些步骤。首 然后分别对输入输出变量定义论域范围,添加隶属函数,以 范围为 [-3 3] ,添加隶属函数的个数为7. E 为例,设置论域

自适应模糊控制几个基本问题的研究进展

自适应模糊控制几个基本问题的研究进展 谢振华程江涛耿昌茂 (海军航空工程学院青岛分院航空军械系青岛 266041 ) 周德云 (西北工业大学西安 710072 ) [摘要] 综述了模糊控制系统的稳定性分析、系统设计及系统性能提高三个基本问题的研究 ,简述了应用研究 ,最后对自适应模糊控制的理论和应用进行了展望。 关键词模糊控制自适应控制鲁棒性稳定性 1 引言 自从 L. A. Zadeh提出模糊集合论以来 ,基于该理论形成一门新的模糊系统理论学科 ,在控制、信号处理、模式识别、通信等领域得到了广泛的应用。近年来 ,有关模糊控制理论及应用研究引起了学术界的极大兴趣 ,取得了一系列成功的应用和理论成果 ,与早期的模糊控制理论和应用相比有了很大的发展。模糊控制理论成为智能控制理论的一个重要分支。 一般来讲 ,模糊控制理论研究的核心问题在于如何解决模糊控制中关于稳定性和鲁棒性分析、系统的设计方法 (包括规则的获取和优化、隶属函数的选取等 )、控制系统的性能 (稳态精度、抖动及积分饱和度等 )的提高等问题 ,这己成为模糊控制研究中的几个公认的基本问题。其中 ,稳定性和鲁棒性问题的研究最为热烈 ,从早期基于模糊控制器的“多值继电器”等价模型的描述函数分析法 ,扩展到相平面法、关系矩阵分析法、圆判据、L yapunov稳定性理论、超稳定理论、基于滑模控制器的比较法、模糊穴 -穴映射及数值稳定性分析方法等非线性理论方法。设计方法的研究也倍受关注 ,主要表现在对规则的在线学习和优化、隶属函数参数的优化修正等应用了多种思想 ,如最优控制的二次型性能指标、自适应、神经网络、遗传算法等思想。稳态性能的改善一直是模糊控制学者所关注。 围绕上述几个基本问题 ,出现了多变量模糊控制[1 ,2 ] 、模糊神经网络技术 [3 ] 、神经模糊技术 [4 ] 、自适应模糊控制 [5] 、模糊系统辨识[6 ] 等热点研究领域。在模糊控制理论与应用方面 ,日本学者取得了很大的成就[7] ,我国学者在这方面也付出了不懈的努力 ,并取得了许多重要的成果。所有这些工作促进了模糊控制的理论和应用的快速发展。 本文拟对近几年自适应模糊控制几个基本问题的研究现状作一总结 ,希望能从这一侧面反映其研究情况和发展动向。主要内容包括 :( 1 )稳定性分析问题的研究 ;( 2 )系统设计方法的研究 ;( 3)系统性能提高的研 究 ;( 4 )应用研究情况。 2 稳定性分析 众所周知 ,任何一个自动控制系统 ,首先必须是稳定的 ,否则这个系统就无法工作。因此 ,在控制系统的分析和设计中 ,系统的稳定性研究占有重要的地位 ,模糊控制系统也是如此。由于模糊系统本质上的非线性和缺乏统一的系统描述 ,使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和

离散论域模糊控制表的离线计算

离散论域模糊控制表的离线计算 一、题目 已知单变量两维输入,一维输出模糊控制器,其两维输入为E,EC,一维输出为I,论域均为E,EC,I∈{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},E的论域划分为{NB,NM,NS,NZ,PZ,PS,PM,PB},共8个模糊子集,其各自的隶属度函数如表1所示。EC和I的论域划分为{NB,NM,NS,ZE,PS,PM,PB},共7个模糊子集,它们的隶属度函数都如表2所示。已知控制规则表如表3所示,试求解输出控制表(如当e=-6,ec=-6时,求输出i=?,最终输出的控制表格式如如表4所示)。其中输入采用单点模糊法,输出清晰量采用加权平均法进行解模糊,可以用MATLAB编程计算。 各变量的隶属度函数以及控制规则表如下: 表3 控制规则表

二、基本原理 这是一个二输入、单输出的模糊控制器的设计,主要包括输入模糊化、模糊推理、解模糊等基本过程,现在叙述如下: 1、输入模糊化 在本实验实际过程中采用单点模糊集合的方法实现输入的模糊化,例如e 为离散论域E={-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},则x *=,0的输入模糊集合可表示为: 00000010000006543210123456 A = ++++++++++++------ 2、模糊推理 设某一时刻偏差为e *,偏差变化量为ec *,则可根据由各条规则给出的模糊蕴含关系进行合成推理运算,得到相应的输出控制量的模糊值: * * * **1 1 1 **1 (){()}{()[()]} {[()][()]} m n m n m n l l l l l l l l m n l l l l l U e and ec R e and ec R e and ec A and B C e A C ec B C ???* ===?====→=→→ 其中,m 和n 分别表示e 和ec 的论域所划分的模糊自己的个数,在本实验中,m=8,n=7,对应着本题目中规定的56条控制规则。控制器设计的核心就是对上式进行编程。 3、解模糊 本实验采用加权平均的方式解模糊,其精确值的计算公式如下: 101 ()n i i i n i i z k z df z k ==== ∑∑ 三、实验程序: 实验最终采用的程序如文件program 中fuc1.m 所示,fuc1_1.m 和fuc1_2.m 为了说明程序优化使用。就本题目而言,三个程序都可以解决问题。Maxmin.m 是最大最小合成函数,供fuc1_1.m 运行时调用。各个excel 表格说明如下:Input1_Terms_Membership.xlsx 、Input2_Terms_Membership.xlsx 、Output_Terms_Membership.xlsx 分别为两个输入变量以及输出变量的隶属度函数表,用于在MA TLAB 执行程序的时候读入,Output_Result.xlsx 为程序运行结果。 本实验采用的程序如下:

模糊控制系统的应用

模糊控制系统的应用 一、模糊控制系统的应用背景 模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年美国的扎德创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理。1974 年英国的Mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生。 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域。从信息技术的观点来看, 模糊控制是一种基于规则的专家系统。从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器。 相对传统控制, 包括经典控制理论与现代控制理论。模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型, 应用CRI 等各类模糊推理方法,可以得到适合控制要求的控制量, 可以说模糊控制是一种语言变量的控制。 模糊控制具有以下特点: (1) 模糊控制是一种基于规则的控制。它直接采用语言型控制规则, 出发点是现场操作人员的控制经验或相关专家的知识, 在设计中不需要建立被控对象的精确数学模型, 因而使得控制机理和策略易于接受与理解, 设计简单, 便于应用; (2) 由工业过程的定性认识出发, 比较容易建立语言控制规则, 因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用; (3) 基于模型的控制算法及系统设计方法, 由于出发点和性能指标的不同, 容易导致较大差异; 但一个系统的语言控制规则却具有相对的独立性, 利用这些控制规律间的模糊连接, 容易找到折中的选择, 使控制效果优于常规控制器; (4) 模糊控制算法是基于启发性的知识及语言决策规则设计的, 这有利于模拟人工控制的过程和方法, 增强控制系统的适应能力, 使之具有一定的智能

完整版模糊控制技术的发展及前景展望

模糊控制技术的发展与 前 景

展 望 模糊控制技术发展现状与前景展望

1.引言 人的手动控制策略是通过操作者的学习,实验以及长期经验积累而形成的,他通过人的自然语言来叙述。由于自然语言具有模糊性,所以,这种语言控制也被称为模糊语言控制,简称模糊控制。 近年来,对于经典模糊控制系统稳态性能的改善,模糊集成控制,模糊自适应控制,专家模糊控制与多变量模糊控制的研究,特别是对复杂系统的自学习与参数自调整模糊系统方面的研究,受到各国学者的重视。人们将神经网络和模糊控制技术相结合,形成了一种模糊神经网络技术,他可以组成一组更接近于人脑的智能信息处理系统,其发展前景十分广阔。 2.模糊控制的热点问题 模糊控制技术是一项正在发展的技术,虽然近年来得到了蓬勃发展,但它也存在一些问题,主要有以下几个方面 (1) 还没有有形成完整的理论体系,没有完善的稳定性和鲁棒性分析、系统的设计方法(包括规则的获取和优化、隶属函数的选取等); (2) 控制系统的性能不太高(稳态精度较低,存在抖动及积分饱和等问题); (3) 自适应能力有限。目前,国内外众多专家学者围绕着这些问题展开了广泛的研究,取得了一些阶段性成果,下面介绍一下近期的主要研究热点。 2.1 模糊控制系统的稳定性分析 任何一个自动控制系统要正常工作,首先必须是稳定的。由于模糊系统本质上的非线性和缺乏统一的系统描述,使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和设计,因此,模糊控制理论的稳定性分析一直是一个难点课题,未形成较为完善的理论体系。正因为如此,关于模糊系统的稳定性分析近年来成为众人关注的热点,发表的论文较多,提出了各种思想和分析方法。目前模糊控制系统稳定性分析方法主要有以下几种: (1) 李亚普诺夫方法 基于李亚普诺夫直接方法,许多学者讨论了离散时间和连续时间模糊控建立了包括非Ying制系统的稳定性分析和设计。使用李亚普诺夫线性化方法, 线性对象的T-S模糊控制系统局部稳定性的必要和充分条件。另外,一种在大系统中使用的向量李亚普诺夫直接方法,被用于推导多变量模糊系统的稳定性条件;李亚普诺夫第二方法被用于判别模糊系统量比因子选择的稳定性;波波夫一李亚普诺夫方法被用于研究模糊控制系统的鲁棒稳定性。 但是,李亚普诺夫的一些稳定性条件通常比较保守,即当稳定性条件不满足时,控制系统仍是稳定的。 (2) 基于滑模变结构系统的稳定性分析方法 由于模糊控制器是采用语义表达,系统设计中不易保证模糊控制系统的稳定性和鲁棒性。而滑模控制有一个明显的特点,即能处理控制系统的非线性,而且是鲁棒控制。因此一些学者提出设计带有模糊滑模表面的模糊控制器,从而能用李亚普诺夫理论来获得闭环控制系统稳定性的证明。Palm和Driankov采用滑模控制的概念分析了增益规划的闭环模糊控制系统的稳定性和鲁棒性。另有一些学者用模糊推理来处理控制系统的非线性和减少控制震颤,使得基于李亚普诺夫方法可保证控制系统的稳定性。 基于变结构系统理论,可以得到控制系统的跟踪精度和模糊控制器的I/O 模糊集映射形状之间的关系,从而可以解释模糊控制器的鲁棒性和控制性能。文献等研究了基于变结构控制框架的模糊控制系统的稳定性,通过输出反馈的模糊

模糊控制2

模糊控制技术是近代控制理论中的一种高级策略和新颖技术。模糊控制技术基于模糊数学理论,通过模拟人的近似推理和综合决策过程,使控制算法的可控性、适应性和合理性提高,成为智能控制技术的一个重要分支。 模糊控制概述[1] “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。 在日常生活中,人们的思维中有许多模糊的概念,如大、小、冷、热等,都没有明确的内涵和外延,只能用模糊集合来描述。人们常用的经验规则都是用模糊条件语句表达,例如,当我们拧开水阀往水桶里注水时,有这样的经验:桶里没水或水较少时,应开大水阀;桶里水较多时,应将水阀关小些;当水桶里水快满时,则应把阀门关得很小;而水桶里水满时应迅速关掉水阀。其中,“较少”、“较多”、“小一些”、“很小”等,这些表示水位和控制阀门动作的概念都具有模糊性。即有经验的操作人员的控制规则具有相当的模糊性。模糊控制就是利用计算机模拟人的思维方式,按照人的操作规则进行控制,实现人的控制经验。 模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策略。 1974年,英国伦敦大学教授Mamdani·E·H研制成功第一个模糊控制器,充分展示了模糊技术的应用前景。 [编辑]模糊控制概况 模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control),是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年,美国的L.A.Zadeh创立了模糊集合论;1973年他给出了模糊逻辑控制的定义和相关的定理。1974年,英国的E.H.Mamdani首先用模糊控制语句组成模糊控制器,并把它应用于锅炉和蒸汽机的控制,在实验室获得成功。这一开拓性的工作标志着模糊控制论的诞生。 模糊控制实质上是一种非线性控制,从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论,又有着大量实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力;然而在东方尤其是在日本,却得到了迅速而广泛的推广应用。近20多年来,模糊控制不论从理论上还是技术上都有了长足的进步,成为自动控制领域中一个非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面,例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等;在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制;在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。 [编辑]模糊控制的基本理论[2] 所谓模糊控制,就是在控制方法上应用模糊集理论、模糊语言变量及模糊逻辑推理的知识来模拟人的模糊思维方法,用计算机实现与操作者相同的控制。该理论以模糊集合、模糊语言变量和模糊逻辑为基础,用比较简单的数学形式直接将人的判断、思维过程表达出来,从而逐渐得到了广泛应用。应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。在自动控制领域,以模糊集理论为基础发展起来的模糊控制为将人的控制经验及推理过程纳入自动控制提供了一条便捷途径。 1.模糊控制器的基本结构[3][4] 如下图所示,模糊控制器的基本结构包括知识库、模糊推理、输入量模糊化、输出量精确化四部分。 2.知识库 知识库包括模糊控制器参数库和模糊控制规则库。模糊控制规则建立在语言变量的基础上。语言变量取值为“大”、“中”、“小”等这样的模糊子集,各模糊子集以隶属函数表明基本论域上的精确值属于该模糊子集的程度。因此,为建立模糊控制规则,需要将基本论域上的精确值依据隶属函数归并到各模糊子集中,从而用语言变量值(大、中、小等)代替精确值。这个过程代表了人在控制过程中对观察到的变量和控制量的模糊划分。由于各变量取值范围各异,故首先将各基本论域分别以不同的对应关系,映射到一个标准化论域上。通常,对应关系取为量化因子。为便于处理,将标准论域等分离散化,然后对论域进行模糊划分,定义模糊

模糊控制器设计(含自适应)

院系:控制系 姓名:刘锋 学号:M201071802 指导老师:关治洪 一、PID 控制器的设计 1. PID 线性控制器至今在控制系统的应用中占有统治地位[3]。这是因为PID 控制器结构简 单,使用方便,控制对象面广,在理论上有成熟的稳定性设计和参数整定方法,在工程应用中积累了丰富的实践经验。 PID 参数的整定方法很多,主要有Ziegler-Nichols 整定法,临界比例度法,衰减曲线法。 首先通过实验获取控制对象的单位阶跃响应,得到响应曲线如下: 可以看到单位阶跃响应曲线看起来不是一条S 形的曲线,所以不能用Ziegler-Nichols 方法来整定参数[1]。 考虑用临界比例度法,由于临界比例法要求系统的阶数是三阶或者三阶以上,所以不可以使用临界比例度法。 下面考虑衰减曲线法 用Simulink 搭建系统仿真图如下: 图2 断开积分微分后的阶跃响应 逐渐增大比例增益K ,观察示波器,直到响应系统的第一次超调量和第二次超调量之比为4:1时,记下此时的增益K 值,可以得到K=290时,比例度大约为4:1,此时比例度Ps =0.00345,T s =0.0067s.

图3 K=290时系统的响应 有经验公式[2], 表1 经验公式 计算得Kp=362, Ti=0.002s, Td =0.00067s. 将子系统的参数按上述修改,得到仿真图如下: 图4 t=1s 时,施加阶跃信号后的系统响应 可以看到PID 控制能达到很好的控制效果。

系统的整体框图设计如下: 图5 系统的整体框图 其中子系统设计如下 图6 子系统框图 t=0时刻起施加给定R=20,t=1s时刻起施加负载扰动LOAD=5得到系统的响应曲线如下: 图7 系统响应 可以看到用PID设计的控制器使系统响应速度较快,具有一定的抗负载扰动能力,最终得到的输出误差在2%之内。但是系统最终有微小的扰动,为了消除这种扰动,我们可以采取使PID微分环节含有死区,这样使微分项对于小信号不太敏感,以消除这种微小的扰动对控制器输出的影响。

相关文档