《温度系统模糊控制器仿真设计 附录3.doc》由会员分享，可在线阅读，更多相关《温度系统模糊控制器仿真设计 附录3.doc（13页珍藏版）》请在金锄头文库上搜索。
1、附录3：外文资料翻译 运用MATLAB进行水位仿真设计1 MATLAB在模糊控制仿真中的应用模糊控制通过模糊逻辑和近似推理方法，让计算机把人的经验形式化、模型化，根据所取得的语言控制规则进行模糊推理，给出模糊输出判决，并将其转化为精确量作为反馈送到被控对象(或过程)的控制作用。经过多年的实践，模糊控制器已逐渐形成了一种规范形式。模糊控制表是模糊控制算法在计算机中的表达方式，它是根据系统的输人输出个数、隶属函数及控制规则等决定的。目的是把人工操作控制过程表达成计算机能够接受，并便于计算的形式。模糊控制规则一般具有如下形式：If E = Ai and C = Ci then U = Ci ，i =
2、1，2，3 ，n其中E、C和U分别为误差e、误差变化c和控制量u的语言变量，而Ai、Bi、Ci为其相应论域上的语言值(如NB，NM，NS，ZOPS，PM等)。首先我先介绍下典型的模糊控制器的设计流程。（1）系统分析对受控的工业对象进行系统分析，确定控制器的输入变量x1、x2与输出变量y及它们的数值变化范围和要求达到的控制精度等，根据实际过程的需要建立物理模型，确定控制器结构总体设计方案。（2）模糊化方法的选择与确定所谓模糊化，就是把输入变量数值，变换成模糊语言变量的语言值，在实际控制过程中，经常把一个物理量划分成正大（PL）、正中（PM）、正小（PS）、零（ZE）、负小（NS）、负中（NM）、
3、负大（NL）七级语言变量。每一个语言值对应一个模糊子集，其隶属函数通常选用三角形或梯形分布。由隶属函数图可确定输入数值相应的隶属度。 （3）模糊控制规则库的建立确定语言控制规则是模糊控制器设计的核心工作，规则的形式很像计算机程序设计语言常用的“IFTHEN”条件语句。控制规则的多少视输人及输出物理量数目及所需的控制精度而定。值得注意的是，规则的数目是以语言变量级数平方关系变化而迅速增加，规则越多，推理的质量就会越下降。因此，在规则库的设计时，需要确定合适的语言变量级数和控制规则的数目及建立正确的规则形式。推理规则的运算涉及到模糊算子的确定。常用的推理运算方法为最大最小（MAXMIN）和最大-乘
4、积（MAXPROD）这两种算子。 （4）输出数值的去模糊处理 所谓去模糊处理，就是将输出的语言模糊量，回复到精确的数值，也就是将输出的模糊子集的隶属度计算出确定的数值过程。去模糊处理有各种方法，其中最简单、最常用的有最大隶属度法与面积重心法。 （5）试验修正 为验证设计理论与方法的有效性与可靠性，所设计的模糊控制器需进行严格的试验检验和修正调整，可以在线进行适时测量，也可离线进行仿真试验或计算机仿真，以检验所设计的控制器是否达到预定的控制目标。如果没有达到要求，就要重新进行精心的设计。 2 MATLAB自带的tank模糊控制器模块sltank仿真介绍本次设计是基于MATLAB7.1版本的slt
5、ank示例进行的仿真设计。Sltank中模糊控制器模块是tank，其主界面如下： 图1 tank主界面其中level是水位误差（希望水位减去实际水位），rate是水位变化率，它的输出valve是阀开关的比率，以上各隶属度函数编辑器界面和曲面观察器界面如下：图2 level水位误差 图3 rate是水位变化率 图4 valve阀开关的比率 图5 tank曲面观察器界面为此系统设计的初步的模糊控制规则如下： 1. If (level is okay) then (valve is no_change) (1) 2. If (level is low) then (valve is open_fas
6、t) (1) 3. If (level is high) then (valve is close_fast) (1)模糊控制器工具箱的最大的优点之一是能够将模糊控制器模块放入Simulink中并在仿真环境下进行测试。其Simulink方框图如图6所示，包含了一个模糊控制器块（Fuzzy Logic Controller）。图6 sltank的Simulink仿真方框图同时，文件tank.fis装入FIS结构tank和workspace中。为了结合rate水位变化率，增加了如下的两条规则，其作用是当水位接近希望的水位时降低阀开关的变化频率： 4. If (level is okay) and
7、(rate is positive) then (valve is close_slow) (1) 5. If (level is okay) and (rate is negative) then (valve is open_slow) (1) 演示的sltank是用这五条规则建立起来的。其规则编辑器界面如下：图7 tank规则编辑器界面选取水位误差level,水位误差变化率rate和控制量valve的论域分别为:level=-3,-2,-1,0,1,2,3;rate=-2,-1,0,1,2;valve=-3,-2,-1,0,1,2,3;水位误差level,水位误差变化率rate和控制量v
8、alve的语言值分别选为:level= low ，okay ，high ;rate= positive ，negative ;valve= close_slow ，no_change ，open_slow ;在此引出FUZZY控制规则表：表1 FUZZY控制规则表levelratelowokayhighpositivenoneclose_slownonenoneopen_fastno_changeclose_fastnegativenoneopen_slownone然后依照表1对tank规则编辑器和各个隶属度函数编辑器进行编辑（编辑后的界面如图2、图3、图4和图5所示）。sltank水槽系统的
9、一个有趣性是水槽排空比填满要慢，这是因为出水管直径的特定值设置所致。我们可以通过设置close_slow（关闭慢）阀隶属度函数略微不同于open_slow（打开慢）的设置来处理。PID控制器没有这种能力，阀命令对应于水位变化率（描述水量）和相对水位变化（描述水位）关系的曲面如图5所示。仔细观察，你会发现曲面的轻微不对称性，这就是示例中利用了出水管直径的特定值设置所致。本演示中，当你启动Simulink仿真时同时打开了规则观察器。规则观察器提供在水槽仿真期间规则是如何起作用的动态过程。同时，打开规则观察器可用于打开隶属度函数编辑器、规则编辑器或其它任何图形用户界面（GUI）。仿真时的打开的窗口如
10、图9所示。图8 sltank仿真时打开规则观察器和水位控制界面在仿真中我们打开了水位控制界面（Water Level Control），它是由一个水槽，一个进水管，一个出水管组成的。我们可以通过改变阀来控制水量，在仿真时不难发现系统是具有非线性特性的，其出水速率rate取决于出水管直径（常数）和水槽的压力（随水位变化），图9是其水位控制（水槽）界面。图9 水位控制（水槽）界面The water level simulation design using MATLAB1 MATLAB in the Simulation of Fuzzy ControlFuzzy control through
11、fuzzy logic and approximate reasoning methods, allow the computer to the human experience of formalized modeling, based on the acquired language control rules of fuzzy reasoning, judgment given fuzzy output, and translate them into precise amount. As feedback to the controlled object (or process) co
12、ntrol action. After years of practice, the fuzzy controller has gradually formed a canonical form. Fuzzy control table is a fuzzy control algorithm in the computer of expression, which is based on the number of input and output systems, membership function and control rules such decision. Purpose is
13、 to express a manual control process is capable of accepting and form convenient for calculation. Fuzzy control rules generally have the following form:If E = Ai and C = Ci then U = Ci, i = 1,2,3 ., nWherein E, C and U, respectively, the error e, c, and error control u change the language variables,
14、 and Ai, Bi, Ci to its corresponding language on the value of the domain (such as NB, NM, NS, ZO.PS, PM etc.). First, I first introduced the typical fuzzy controller design process.(1) systematic analysis of industrial objects of controlled system analysis to determine the controller input variables
15、 x1, x2 and the output variable y and their numerical range and precision required to achieve control, according to the actual need to create a physical model of the process to determine the overall structure of the controller design.(2) the selection and fuzzy method to determine the so-called fuzzy, is to enter the variable values are converted into the language of fuzzy linguistic variable values in the actual control process, often a physical quantity into CP (PL), middle (PM) , is small (PS), zer
