模糊控制大作业
模糊控制作业

D(k,l)=C(i); end k=k+1; end l=l+1; end k=1; for i=1:13:13*104
E(k,o)=((-6)*D(i)+(-5)*D(i+1)+(-4)*D(i+2)+(-3)*D(i+3)+(-2)*D(i+4)+(-1)*D(i+ 5)+D(i+7)+2*D(i+8)+3*D(i+9)+4*D(i+10)+5*D(i+11)+6*D(i+12))/(D(i)+D(i+1)+D(i +2)+D(i+3)+D(i+4)+D(i+5)+D(i+6)+D(i+7)+D(i+8)+D(i+9)+D(i+10)+D(i+11)+D(i+12 )); k=k+1; end o=o+1; end end H=E'; for k=1:40:40*104 for i=1:40 for j=k:k+39-i if H(j)>=H(j+1) t=H(j); H(j)=H(j+1); H(j+1)=t; end end end end for i=1:13
6 0 0 0 0.1 1 1
表 3. 模糊变量 B 的赋值表
5. 制定模糊控制规则并建立模糊控制表 基于操作者手动控制策略,得出如下表所示的 40 条控制规则。 A/B/T VN N M F VF T1 S S S S S T2 LF LF L L S T3 RF RF R S S T4 LF LF L S S
系统的模糊控制MATLAB实现

智能控制大作业第一次大作业:周庆强学号:1140810106工业大学2017年5月25日题目:对一个系统,假设给系统一个阶跃值r=30,采样时间为1s,系统的初始值为r(0)=0,利用常规的模糊控制器对系统进行控制。
思路:在仿真系统中,不需要考虑信号的A/D和D/A转换,模糊控制系统框图如下:1、选择观测量和控制量将偏差e,即当前位置-目标目标,作为观察量(输入量)1,%将偏差的变化量ec,即e(t)-e(t-1),作为观察量(输入量)2,选取阀门开度u为控制量。
2、输入量和输出量的模糊化将偏差e划分为5个模糊集,负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB),e为负表示当前水位低于目标水位,e为正表示当前水位高于目标水位。
设定e的取值围为[-3,3],隶属度函数如下。
同理,将偏差的变化量ec划分为5个模糊集,负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB),ec为负表示该时刻水位比上一时刻水位小,ec 为表示该时刻水位比上一时刻水位大,。
设定ec的取值围为[-3,3],隶属度函数如下。
同样将控制量u划分为5个模糊集,负大(NB)、负小(NS)、零(ZO)、正小(PS)、正大(PB),u为负表示减小控制量,u为正表示增大控制量。
设定u的取值围为[-4,4],隶属度函数如下。
3、制定模糊规则模糊规则的制定是模糊控制的核心容,控制性能的好坏很大程度上由模糊规则决定,本文主要是根据经验来制定相应的规则。
PB PB PB PB PB PB PB PS PS ZO PB PS ZO NS NB ZO PS NS NB NB NB NB NB NB NB PS PB NBNSZOPSPB ecueNB NS ZO将上述用语言描述的规则转化为“IF A ,THEN B ”的语句如下:1. If (e is NB) and (ec is NB) then (u is PB) 。
模糊控制实例

模糊控制实例模糊控制大作业一.基本模糊控制系统的matlab辅助设计、分析二.某温度恒定系统。
系统输出位掌控冷却电流的掌控电压信号u。
输入为炉温t设e的论域为x,量化为7个等级x={-3,-2,-1,0,1,2,3}掌控量u的论域为y,定量为7个等级y={-3,-2,-1,0,1,2,3}pbps0nsnb-20000.50.6-1000.5101010.50020.60.5000ife=nbthenu=pbife=nsthenu=psife=0thenu=0ife=psthenu=nsife=pbthenu=nb系统采用最大隶属度判决,试计算控制系统的模糊控制表。
求解:r1:r2:r3:r4:r5:ife=nbthenu=pbife=nsthenu=psife=0thenu=0ife=psthenu=nsife=pbthenu=nbpb=(0ps=(00=(0ns=(0nb=(100.60.60.6101000.6000000)0)0)首先,谋每条规则所叙述的模糊不清关系ri,然后谋总的模糊不清关系r,即r=r1∨r2∨r3∨r4∨r5r1=nb×pb=nb。
pb000=000000000.6100000.60.6000000000000000000000000000000r2=ns×ps=ns。
ps000=00000000.60.6000010.60000000000000000000000000r3=0×0=0。
0000=000000000000.60.60.60000.610.60000.60.60.600000000000000r4=ps×ns=ps。
ns=000000.61000.60.600000000000000000000000000r5=pb×nb=pb。
nb000=0000000.60.6010.60000000000000000000000000∴r=r1∨r2∨r3∨r4∨r500000.61000000.60.60.6000.60.610.60=000.610.60000.610.60.6000.60.60.5000010.600000下面展开模糊推理和模糊不清裁决u=e*。
模糊控制大作业

作业一:模糊控制作业(40分):以双输入—单输出系统为例,1、画出模糊控制程序流程图;2、计算出模糊控制器的查询表,写出必要的计算步骤。
假设控制器输入为误差e 和误差变化率ec,输出为控制量u ,其基本论域分别为[e min ,e max ],[ec min ,ec max ],[u min ,u max ],对应的语言变量E 、EC 和U 的论域为{-6,-5,…,-1,0,1,…,5,6},E 、EC 和U 都选7个语言值{NB ,NM ,NS ,Z ,PS ,PM ,PB},各语言值的隶属函数采用三角函数,其分布可用表1表示,控制规则如表2所示。
注意:u 的去模糊化要采用与你的学号ID 的奇偶性对应的方法,设ID=奇数者用最大隶属度法,ID=偶数者用重心法。
表1 语言变量E 、EC 和U 的赋值表10.5PB0 0.5 1 0.5 0 0 0 0 0 0 0 0 0 PM 0 0 0 0.5 1 0.5 0 0 0 0 0 0 0 PS 0 0 0 0 0 0.5 1 0.5 0 0 0 0 0 Z 0 0 0 0 0 0 0 0.5 1 0.5 0 0 0 NS 0 0 0 0 0 0 0 0 0 0.5 1 0.5 0 NM 0 0 0 0 0 0 0 0 0 0 0 0.5 1 NB 6 5 4 3 2 1 0 -1 -2 -3 -4 -5 -6表2模糊控制规则表PBPBPBPBPMZZPBPB PB PB PB PM Z Z PM PM PM PM PM Z NS NS PS PM PM PS Z NS NM NM Z PS PS Z NM NM NM NM NS Z Z NM NB NB NB NB NM Z Z NM NB NB NB NB NB EPB PM PS Z NS NM NBECU10月24-27日交纸质版到新主楼A405一、控制算法流程图(1)模糊控制算法一般双输入—单输出模糊控制器的控制规则可写成条件语句:if and E=B then U=C ,i=1,2,,;1,2,,;i j ijE A n j n =∆=式子中,、B 、C i j ijA 为定义在误差、误差变化率和控制量论域X 、Y 、Z 上的模糊集合。
智能控制-模糊控制

智能控制大作业报告模糊部分姓名:学号:专业:2011年06月03日题目:已知()()0.5250.528sG e s s s -=+++,分别设计PID 控制与模糊控制,使系统达到较好性能,并比较两种方法的结果。
PID/FCG(s)yr_e具体要求:1、采用Fuzzy 工具箱实现模糊控制器。
2、分析量化因子和比例因子对模糊控制器控制性能的影响。
3、分析系统阶数发生变化时模糊控制和PID 控制效果的变化。
4、分析系统在模糊控制和PID 控制作用下的抗干扰能力(加噪声干扰)、抗非线性能力(加死区和饱和特性)以及抗时滞的能力(对时滞大小加以改变)。
一 原系统仿真分析原系统是一个带有时滞环节的三阶系统,系统的三个极点均在s 域左半平面,系统是稳定的。
利用Matlab/Simulink 工具箱搭建系统框图,对原系统进行阶跃响应分析。
原系统框图如图1所示:图1 原系统框图设定仿真时间为10秒,其它为默认设置,运行程序,可以得到如图2所示仿真结果。
0123456789100.10.20.30.40.50.60.7t/s原系统阶跃响应图2 原系统阶跃响应曲线由图可以看出,原系统是稳定的,但是稳态误差比较大。
二 PID控制器设计根据上述仿真分析,可以知道系统性能比较差,因此设计初步设计PID控制器以在一定程度上改善系统性能。
PID参数的整定采用尝试的方法,遵循先比例后积分再微分的整定顺序,达到保持两个周期、前后超调比约为1:4的理想响应波形。
带PID控制器的系统框图如图3所示:图3 PID控制系统框图其中PID控制器参数如图4所示:图4 PID参数设置设定仿真时间为20s ,运行程序,可以得到如图5所示仿真结果:246810121416182000.20.40.60.811.21.4t/sS t e pPID 控制响应图5 PID 控制阶跃响应曲线由图可以看出,增加PID 控制的系统能够完全消除稳定误差,且具有较小的超调和较短的调节时间,极大程度地改善了系统的性能。
智能控制

智能控制大作业姓名:何成东学号:S0703234专业:导航、制导与控制模糊控制器部分大作业已知()()0.525123s G e s s s -=+++,分别设计PID 控制与模糊控制,使系统达到较好性能,并比较两种方法的结果。
具体要求:1、分别采用fuzzy 工具箱和编程实现模糊控制器。
2、分析量化因子和比例因子对模糊控制器控制性能的影响。
3、分析系统在模糊控制和PID 控制作用下的抗干扰能力(加噪声干扰)、抗非线性能力(加死区和饱和特性)以及抗时滞的能力(对时滞大小加以改变)。
4、讨论系统在模糊控制和PID 控制作用下的时间参数和结构变化下的抗干扰能力。
模糊控制部分大作业旨在利用模糊控制器和PID 控制器实现对已知系统的控制,分别得到较好的控制效果。
然后改变系统的参数、结构或者加入非线性环节,以验证模糊控制器的鲁棒性能。
以下是作业过程:1、PID 控制考虑到系统中存在纯延迟环节,使得系统的稳定性大大降低。
如果系统的反馈信号没有延迟,系统的响应特性将会得到很好的改善。
因此,对于存在纯滞后环节的系统,特别是大延迟过程,一般采用Smith 预估控制,即将纯滞后补偿模型与PID 控制器并接。
本题中,延迟环节的时间常数不是很大,仅为0.2,因此基本上不会影响系统的稳定,采用常规PID 控制也基本可以达到很好的控制效果。
常规PID 控制框图如图1-1(相应文件:PID.mdl )图1-1 常规PID 控制框图PID 参数选取:38.0=p K ,285.0=i K ,1.0=d K 常规PID 控制的单位阶跃响应曲线:图1-2 常规PID 控制响应曲线2.模糊控制模糊控制规则(相应文件:zdh.fis )表1.1 模糊控制规则各变量论域输入变量:E :[-6 6];EC :[-6 6]; 输出变量:U :[0 7] 语言变量E : NB 、NM 、NS 、NZ 、PZ 、PS 、PM 、PB (8个) EC :NB 、NM 、NS 、ZE 、PS 、PM 、PB (7个) U : NB 、NM 、NS 、ZE 、PS 、PM 、PB (7个) 各变量隶属度函数:三角形函数(trimf )模糊推理:Mamdani 推理法去模糊化:中位数法(bisector )模糊控制框图(相应文件:mohu.mdl )图1-3 模糊控制框图选取量化因子:7.1=e K ,5.0=ec K 选取比例因子:171.0=u K 模糊控制响应曲线图1.4 模糊控制响应曲线在模糊控制器的设计过程中,选择合适的论域和量化因子、比例因子是至关重要的。
模糊控制PID设计大作业 -

参考教材中例子设计一包含了模糊技术与PID 技术的混合智能控制器,其被控对象为:2 4.23()( 1.648.46)p G s s s =++采样时间为1ms ,编写matlab 仿真程序,确定其在阶跃输入的响应结果,并与经典PID 控制仿真结果相比较。
要求详细描述控制系统的设计,控制系统工作流程,模糊系统中的输入输出的隶属函数设计及其采用的模糊规则,分析仿真结果并进行总结。
表1 Δkp 的模糊规则表表2 Δki 的模糊规则表表3 Δkd的模糊规则表Kp,ki,kd的模糊控制规则表建立好以后,可根据以下方法进行kp,ki,kd的自适应校正。
将系统误差e和误差变化ec变化范围定义为模糊集上的论域,即e,ec = {-3,-2,-1,0,1,2,3},其模糊子集为e,ec = {NB,NM,NS,ZO,PS,PM,PB},子集中元素分别代表负大,负中,负小,零,正小,正中,正大。
应用模糊合成推理设计PID参数的整定算法。
第k个采样时间的整定为Kp(k)=kp0+Δkp(k)Ki(k)=ki0+Δki(k)Kd(k)=kd0+Δkd(k)在线运行过程中,控制系统通过对模糊逻辑规则的结果处理、查表和运算,完成对PID参数的在线自校正。
其工作流程图如下图所示。
图1 误差的隶属函数图2 误差变化率的隶属函数图3 kp的隶属函数图4 ki的隶属函数图5 kd的隶属函数图6 模糊系统fuzzpid.fis的结构图7 模糊推理系统的动态仿真环境在程序PID_b.m中,利用所设计的模糊系统fuzzpid.fis进行PID控制参数的整定,并利用模糊PID控制进行阶跃响应,在第300个采样时间时控制器输出端加上1.0的干扰,响应结果及PID控制参数的自适应变化如图8到13所示。
图8 模糊PID控制阶跃响应图9 模糊PID控制误差响应图10 控制器输入u图12 ki的自适应调整在对三阶线性系统的控制中,利用稳定边界法进行参数整定的经典PID控制的超调量比模糊PID控制的超调量要大,但模糊PID控制存在一定的稳态误差。
智能控制大作业-模糊控制

智能控制与应用实验报告模糊控制器设计一、 实验内容考虑一个单连杆机器人控制系统,其可以描述为:0.5sin()Mqmgl q y qτ+==(1)其中 20.5M kgm =为杆的转动惯量,1m kg =为杆的质量,1l m =为杆长,29.8/g m s =,q 为杆的角位置,q为杆的角速度,q 为杆的角加速度,τ为系统的控制输入。
实验具体要求:1. 分别采用fuzzy 工具箱设计模糊控制器跟踪期望的角位置信号。
2. 分析量化因子和比例因子对模糊控制器控制性能的影响。
3. 分析系统在模糊控制和PID 控制作用下的抗干扰能力(加噪声干扰)和抗非线性能力(加死区和饱和特性)。
4. 为系统设计模糊PID 控制器。
二、 对象模型建立根据公式(1),令状态量121=,x q x x =得到系统状态方程为:121210.5**sin()x x mgl x x My x τ=-==(2)由此建立单连杆机器人的模型如图1所示。
图1 单连杆机器人模型三、模糊控制算法实现及仿真本次实验设计一个二维模糊控制器,令误差*=-,误差变化E q q= ,模糊控制器输出语言变量为U。
EC E1)三个变量E、EC和U的模糊词集为:﹛NB,NM,NS,ZO,PS,PM,PB﹜模糊论域为:E和EC:{-6,-5,-4,-3,-2,-1,0, 1, 2, 3, 4, 5, 6}U:{-7,-6,-5,-4,-3,-2,-1, 0, 1, 2, 3, 4, 5, 6, 7}2)模糊控制规则为:表1 模糊控制规则表3)确定E,EC和U的控制表4)建立模糊控制表5)建立SIMULINK模型在Matlab/Simulink中建立单连杆机器人模糊控制系统模型如图2所示:图2 单连杆机器人控制系统模型6) 仿真结果给定正弦参考信号,取量化因子5,1Ke Kec ==,比例因子50Ku =,得到系统角度跟踪为图3。
51015-1-0.8-0.6-0.4-0.200.20.40.60.81t/sa n g l e /r a d图3 正弦角度跟踪由图3可知,该模糊控制器能使得单连杆机器人控制系统实现很好的角度跟踪。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
模糊控制器设计-洗衣机模糊控制
控制要求:开环决策过程,模糊控制按以下步骤进行。
(1)模糊控制器的结构
选用单变量二维模糊控制器。
控制器的输入为衣物的污泥和油脂,输出为洗涤时间。
打开Matlab软件,显示如下图的界面:
在Command window框里面输入Juzzy,显示模糊控制箱,如下图所示:
按照要求,增加一个输入,且分别定义两个输入为“油脂”“污泥”,输出定义为“洗涤时间”,如下图所示:
(2)定义输入输出模糊集 将污泥分为三个模糊集:SD (污泥少),MD (污泥中),LD (污泥多),取值范围为[0,100],选用如下隶属函数:
⎪⎪
⎩⎪
⎪
⎨⎧≤<-=⎩⎨
⎧≤<-≤≤=≤≤-==100
5050/)50()(1005050/)100(50050/)(50050/)50()(x x x x x x x x x x x LD
MD SD μμμμ污泥
根据隶属函数,可在Matlab 中如下定义,如下图所示:
将油脂分为三个模糊集:NG (无油脂),MG (油脂中),LG (油脂多),取值范围为[0,100]。
选用如下隶属函数:
⎪⎪
⎩⎪
⎪
⎨⎧≤≤-=⎩⎨
⎧≤<-≤≤=≤≤-==100
5050/)50()(1005050/)100(50050/)(50050/)50()(y y y y y y y y y y y LG
MG NG μμμμ油脂
根据隶属函数,可在Matlab 中如下定义,如下图所示:
将洗涤时间分为三个模糊集:VS (很短),S (短),M (中等),L (长),VL (很长),取值范围为[0,60]。
选用如下隶属函数:
⎪
⎪⎪⎪⎪
⎩⎪⎪
⎪⎪⎪
⎨⎧≤≤-=⎩⎨⎧≤<-≤≤-=⎩⎨
⎧≤<-≤≤-=⎩⎨⎧≤<-≤≤=≤≤-==60
4020
/)40()(604020/)60(402515/)25()(402515/)40(251015/)10()(251015/)25(10010
/)(10010/)10()(z z z z z z z z z z z z z x z z z z z z z VL L M S VS μμμμμμ洗涤时间
根据隶属函数,可在Matlab 中如下定义,如下图所示:
(3)建立模糊控制规则
根据人的操作经验设计模糊规则,模糊规则设计的标准为:“污泥越多,油脂越多,洗涤时间越长”;“污泥适中,油脂适中,洗涤时间适中”;“污泥越少,油脂越少,洗涤时间越短”。
Matlab的模糊控制规则如下图所示:
(5)建立模糊控制表
根据模糊规则的设计标准,建立模糊规则表如下。
模糊洗衣机的洗涤规则
(6)模糊推理
分以下几步进行:
① 规则匹配。
假定当前传感器测得的信息为:
60)(0=污泥x 70
)(0=油脂y ,
分别带入所属的隶属函数中求隶属度:
5
4
)60(=MD μ51)60(=
LD μ
5
3
)70(=
MG μ52)70(=L G μ
通过上述四种隶属度,可得到四条相匹配的模糊规则。
模糊推理结果
② 规则触发。
由上表可知,被触发的规则有4条:
Rule 1:IF y is MD and x is MG THEN z is M Rule 2:IF y is MD and x is LG THEN z is L Rule 3:IF y is LD and x is MG THEN z is L Rule 4:IF y is LD and x is LG THEN z is VL
③ 规则前提推理。
在同一条规则内,前提之间通过“与”的关系得到规则结论,前提之间通过取小运算,得到每一条规则总前提的可信度:
规则1前提的可信度为:min (4/5,3/5)=3/5 规则2前提的可信度为:min (4/5,2/5)=2/5 规则3前提的可信度为:min (1/5,3/5)=1/5 规则4前提的可信度为:min (1/5,2/5)=1/5
由此得到洗衣机规则前提可信度表,即规则强度表。
规则前提可信度
④ 将上述两个表进行“与”运算,得到每条规则总的输出。
规则总的可信度
⑤ 模糊系统总的输出
模糊系统总的输出为各条规则推理结果的并,即:
⎭
⎬
⎫
⎩⎨⎧=⎭
⎬
⎫
⎩
⎨⎧
=))(,51m in()),(,52m in()),(,53m in(m ax ))(,5
1m in()),(,51m in()),(,52m in()),(,53
m in(m ax )(z z z z z z z z VL L M VL L L M agg μμμμμμμμ
以下为Matlab模糊控制结果仿真:
以下为Matlab的程序代码:。