《MATLAB建模与仿真应用教程 第2版 教学课件 ppt 作者 赵魁 电子教案 第11章》由会员分享，可在线阅读，更多相关《MATLAB建模与仿真应用教程 第2版 教学课件 ppt 作者 赵魁 电子教案 第11章（20页珍藏版）》请在金锄头文库上搜索。
1、第11章 模糊控制系统的设计与仿真,本章要点： 模糊PID控制器 模糊控制系统设计的一般步骤 模糊系统建模仿真实例,11.1 模糊控制系统概述,模糊理论是指人对事物在主观上理解的不确定性，例如长度、多少、冷热等。随着模糊逻辑和模糊数学不断地发展和完善，模糊理论逐渐地被应用于工业控制、机器人等领域并取得了大量的成果。 模糊控制不同于传统的控制理论那样对被控过程建立数学模型，而是试图从被控过程中提取语言控制规则以控制系统，通常使用If-Then格式表示专家控制知识，通过语言描述将条件和结果联系在一起。在计算机中，常用隶属度函数和近似推理以推导出一组恰当的语言规则。 模糊控制时一种非线性控制，属于智
2、能控制的范畴，已成为解决非线性系统控制的一种重要工具。,11.1 模糊控制系统概述,一. 模糊控制系统的组成 模糊控制系统主要由模糊控制器和被控对象组成，而模糊控制器主要包括： 1. 模糊化 2. 模糊推理 3. 知识库 4. 清晰化,11.1 模糊控制系统概述,一. 模糊控制系统的组成 1. 模糊化 模糊化是将输入的清晰量转换成模糊化量。首先将已知清晰的输入量变成模糊控制器所要求的输入量，用偏差E和导数偏差E作为模糊控制器所需要的输入量；然后将已转变的输入量变换到各自的论域内，最后通过单点模糊集合或者三角形模糊集合法将已进行尺度变换处理的清晰量进行模糊化。,所谓单点模糊集合法是在经典集合理论
3、的基础上将已知准确的输入量在形式上转变为模糊量，其模糊集合可以表示为：,11.1 模糊控制系统概述,一. 模糊控制系统的组成 2. 模糊推理 基于模糊逻辑关系及推理规则来模拟人类的推导判断能力，其推理规则的一般表达格式如下： IF 条件， THEN 结果 3. 知识库 由模糊数据库和模糊控制规则库两部分构成。 4. 清晰化 将从模糊数据库中选择一个恰当的点，通过解模糊计算转换成单值。,11.1 模糊控制系统概述,二. 模糊PID控制器 近年来，基于传统PID控制器而设计的模糊PID控制器较为流行，以偏差和偏差的导数为输入量，进行模糊化，再通过模糊规则在线整定输入量，以达到最优控制。,11.1
4、模糊控制系统概述,二. 模糊PID控制器 可以考虑采用如图所示的结构，这种PID控制器是将偏差和偏差导数进行模糊化，其规则最多仅需要49条，然后通过比例因子确定模糊PID的输入量，再将模糊PID的输出量和比例因子联合在一起构成被控对象的输入量。,11.2 模糊控制器及其MATLAB实现,模糊控制系统设计的过程主要是指模糊控制器的设计，主要由以下4部分组成： 1. 根据被控对象所要求的精度确定模糊系统结构 2确定论域、选择隶属度函数对输入量进行模糊化 3根据运算速度和精度确定模糊逻辑的控制算法 4通过解模糊计算将模糊量变为清晰量,11.2 模糊控制器及其MATLAB实现,模糊函数的MATLAB实
5、现 在MATLAB中用newfis( )函数创建新的模糊推理系统，其使用格式如下： newmat1=newfis(模糊系统名,模糊推理类型,与或运算操作符,蕴含方法,解模糊方法) 用readfis( )函数读取已有的模糊推理系统，其使用格式如下： oldmat=readfis(模糊系统存储名) 用getfis( )函数获取模糊推理系统的特性数据，其使用格式如下： getfis(模糊系统存储名),11.2 模糊控制器及其MATLAB实现,一. 模糊函数的MATLAB实现 用addvar( )函数添加模糊语言变量，其使用格式如下： newmat1=addvar(newmat1,语言变量类型,语言变
6、量名称,论域范围) 用rmvar( )函数删除模糊语言变量，其使用格式如下： newmat2=rmvar(newmat1,语言变量类型,语言值) 用addmf( )函数添加模糊语言变量的隶属度函数，其使用格式如下： newmat1=addmf(newmat1,语言变量类型,语言值,隶属度函数,隶属度函数类型和参数) 用addrule( )函数给模糊推理系统添加规则，其使用格式如下： addrule(模糊系统存储名,规则列表) 用plotfis( )函数显示模糊推理系统的输入输出特性，其使用格式如下： plotfis(模糊系统存储名),11.2 模糊控制器及其MATLAB实现,一. 模糊函数的M
7、ATLAB实现 例11-1：创建一个模糊推理系统，添加语言变量及模糊规则，并显示输入输出特性图。 s=newfis(tipper); s=addvar(s, input, 输入, 0 10); s=addmf(s, input, 1, 正小, gaussmf, 3 0); s=addmf(s, input, 1, 正中, gaussmf, 3 6); s=addmf(s, input, 1, 正大, gaussmf, 3 10); s=addvar(s, output, 温度, 0 15); s=addmf(s, output, 1, 热, trimf, 0 3 6); s=addmf(s,
8、output, 1, 冷, trimf, 8 12 15); rulelist=2 1 2 1 2; 1 2 1 2 1; s=addrule(s, rulelist); plotfis(s),11.2 模糊控制器及其MATLAB实现,二. 隶属度函数的MATLAB实现 模糊控制系统中的隶属度函数类型有很多种，如高斯型、三角型、梯形、S型、Z型等。MATLAB提供了大量的隶属度函数如表11-1所示，下面举例说明每一种类型的隶属度函数的创建。 例11-2：隶属度函数创建综合举例,11.2 模糊控制器及其MATLAB实现,二. 隶属度函数的MATLAB实现,11.2 模糊控制器及其MATLAB实现
9、,三. 模糊规则的MATLAB实现 使用addrule()函数给模糊推理系统添加规则，其使用格式如下： newmat2=addrule(newmat1,模糊规则列表) 使用showrule()函数显示模糊规则，其使用格式如下： Showrule(newmat,索引列表,格式),11.2 模糊控制器及其MATLAB实现,三. 模糊规则的MATLAB实现 例11-3：建立模糊规则,模糊推理规则编辑器界面 模糊推理规则观察器界面,11.2 模糊控制器及其MATLAB实现,四. 模糊推理系统的MATLAB实现 模糊推理计算包括推理机的计算和解模糊化计算，可以调用MATLAB函数命令执行计算，也可以通过
10、命令打开模糊推理系统的编辑界面图形化操作，或者自行设计程序执行既然。 1推理机的计算函数为evalfis() 输出=evalfis(输入,模糊推理系统存储名) 2解模糊化的计算函数为defuzz() 输出=defuzz(语言变量的论域,待解模糊的集合,解模糊化的方法),11.2 模糊控制器及其MATLAB实现,四. 模糊推理系统的MATLAB实现 3在命令窗口中直接键入fuzzy打开模糊推理系统编辑器，用鼠标双击输入、输出、mamdani部分可以直接对输入隶属度、模糊规则、输出隶属度进行编辑。,11.3 模糊控制系统仿真实例,一. 问题分析 设计一个模糊PI控制器对整流器侧的触发角进行控制仿真，控制流程框图如下所示。,11.3 模糊控制系统仿真实例,一. 问题分析 电流偏差（e）及其导数偏差（e）通过比例因子（GC、GD）校正模糊推理系统输入变量（E、E），为了便于程序设计及其仿真，暂时确定比例因子为GC=0.3，GD=0.01，GE=0.6，或者也可以通过遗传算法获得优化因子。 一个完整的模糊规则包括49条规则，该规则集合见下表。,11.3 模糊控制系统仿真实例,二. 程序清单（略）与仿真结果,此部分程序可以备份为二次开发函数，读者在下次使用时直接调用函数命令就可以方便地执行程序，感兴趣的读者还可以选择其它被控对象进行验证该程序的有效性。,
