智能控制技术实验报告汇总

《智能控制技术》实验报告书学院：专业：学号：姓名：实验一：模糊控制与传统PID控制的性能比较一、实验目的通过本实验的学习，使学生了解传统PID控制、模糊控制等基本知识，掌握传统PID控制器设计、模糊控制器设计等知识，训练学生设计控制器的能力，培养他们利用MATLAB进行仿真的技能，为今后继续模糊控制理论研究以及控制仿真等学习奠定基础。

二、实验内容本实验主要是设计一个典型环节的传统PID控制器以及模糊控制器，并对他们的控制性能进行比较。

主要涉及自控原理、计算机仿真、智能控制、模糊控制等知识。

通常的工业过程可以等效成二阶系统加上一些典型的非线性环节，如死区、饱和、纯延迟等。

这里，我们假设系统为：H(s)=20e0.02s/(1.6s2+4.4s+1) 控制执行机构具有0.07的死区和0.7的饱和区，取样时间间隔T=0.01。

设计系统的模糊控制，并与传统的PID控制的性能进行比较。

三、实验原理、方法和手段1.实验原理：1)对典型二阶环节，根据传统PID控制，设计PID控制器，选择合适的PID 控制器参数k p、k i、k d；2)根据模糊控制规则，编写模糊控制器。

2.实验方法和手段：1)在PID控制仿真中，经过仔细选择，我们取k p=5，k i=0.1，k d=0.001；2)在模糊控制仿真中，我们取k e=60，k i=0.01，k d=2.5，k u=0.8；3)模糊控制器的输出为：u= k u×fuzzy(k e×e, k d×e’)－k i×∫edt其中积分项用于消除控制系统的稳态误差。

4)模糊控制规则如表1-1所示：在MATLAB程序中，Nd用于表示系统的纯延迟（Nd=t d/T）,umin用于表示控制的死区电平，umax用于表示饱和电平。

当Nd=0时，表示系统不存在纯延迟。

5)根据上述给定内容，编写PID控制器、模糊控制器的MATLAB仿真程序，并记录仿真结果，对结果进行分析。

表1-1 FC的模糊推理规则表四、实验组织运行要求根据本实验的综合性、设计性特点以及要求学生自主设计MATLAB仿真程序的要求以及我们实验室的具体实验条件，本实验采用以学生自主训练为主的开放模式组织教学。

五、实验条件1.装有MATLAB6.5的计算机；2.智能控制技术教材；3.模糊控制教材；4.智能控制技术实验指导书。

六、实验步骤1.学生熟悉实验内容，并根据实验内容、实验要求，查阅、学习相关知识；2.设计典型二阶环节的PID控制器以及模糊控制器；3.编写MATLAB仿真程序4.上机调试程序，修改程序修改控制器的参数等；5.对实验程序仿真，并记录仿真结果；6.对实验结果进行分析，书写实验报告书。

七、实验程序num=20;den=[1.6,4.4,1];[a1,b,c,d]=tf2ss(num,den);%将传递函数转化为状态模型 x=[0;0];T=0.01;h=T; %T为采样时间umin=0.07;umax=0.7;td=0.02;Nd=td/T; %Nd延迟时间N=500;R=1.5*ones(1,N);%参考值e=0; de=0;ie=0;kp=5;ki=0.1;kd=0.001; %设定的比例，积分，微分常数 for k=1:Nuu1(1,k)= -(kp*e+ki*ie+kd*de);%控制量生成if k<=Nd %纯延迟u=0;elseu=uu1(1,k-Nd);endif abs(u)<=umin%死区和饱和环节u=0elseif abs(u)>umaxu=sign(u)*umax;end%龙格-库塔算法求对象的输出k1=a1*x+b*u;k2=a1*(x+h*k1/2)+b*u;k3=a1*(x+h*k2/2)+b*u;k4=a1*(x+h*k3)+b*u;x=x+(k1+2*k2+2*k3+k4)*h/6;y=c*x+d*u;%计算误差.微分和积分e1=e;e=y(1,1)-R(1,k);de=(e-e1)/T;ie=e*T+ie;yy1(1,k)=y;end;kk=[1:N]*T;figure(1);plot(kk,yy1);a=newfis('simple');% 建立模糊推理系统a=addvar(a,'input','e',[-6 6]);%增加第一个输入变量ea=addmf(a,'input',1,'NB','trapmf',[-6 -6 -5 -3]);%添加隶属函数 a=addmf(a,'input',1,'NS','trapmf',[-5 -3 -2 0]);a=addmf(a,'input',1,'ZR','trimf',[-2 0 2]);a=addmf(a,'input',1,'PS','trapmf',[0 2 3 5]);a=addmf(a,'input',1,'PB','trapmf',[3 5 6 6]);a=addvar(a,'input','de',[-6 6]);%增加第二个输入变量ea=addmf(a,'input',2,'NB','trapmf',[-6 -6 -5 -3]); %添加隶属函数 a=addmf(a,'input',2,'NS','trapmf',[-5 -3 -2 0]);a=addmf(a,'input',2,'ZR','trimf',[-2 0 2]);a=addmf(a,'input',2,'PS','trapmf',[0 2 3 5]);a=addmf(a,'input',2,'PB','trapmf',[3 5 6 6]);a=addvar(a,'output','u',[-3 3]);%添加输出变量ua=addmf(a,'output',1,'NB','trapmf',[-3 -3 -2 -1]);%添加隶属函数 a=addmf(a,'output',1,'NS','trimf',[-2 -1 0]);a=addmf(a,'output',1,'ZR','trimf',[-1 0 1]);a=addmf(a,'output',1,'PS','trimf',[0 1 2]);a=addmf(a,'output',1,'PB','trapmf',[1 2 3 3]);%建立模糊规则矩阵rr=[5 5 4 4 3;5 4 4 3 3;4 4 3 3 2;4 3 3 2 2;3 3 2 2 1];r1=zeros(prod(size(rr)),3);%得到一个25X3的0阶矩阵k=1;for i=1:size(rr,1)for j=1:size(rr,2)r1(k,:)=[ i,j,rr(i,j)];k=k+1;endend[r,s]=size(r1);r2=ones(r,2);rulelsit=[r1,r2];a=addrule(a,rulelsit);%rulelist 为25X(2+1+2)矩阵,每一行代表一个规则,某一%行的前2列为输入,接着一列为输出,最后两列为控制所有均%为1e=0;de=0;ie=0;x=[0;0];ke=60;kd=2.5;ku=0.8;%定义e de u的量化因子for k=1:Ne1=ke*e;de1=kd*de;if e1>=6e1=6;elseif e1<-6e1=-6;endif de1>=6de1=6;elseif de1<-6de1=-6;endin=[e1 de1];uu(1,k)=ku*evalfis(in,a);if k<=Ndu=0;elseu=uu(1,k-Nd);endif abs(u)<=uminu=0elseif abs(u)>umaxu=sign(u)*umax;end%龙格-库塔算法求对象的输出k1=a1*x+b*u;k2=a1*(x+h*k1/2)+b*u;k3=a1*(x+h*k2/2)+b*u;k4=a1*(x+h*k3)+b*u;x=x+(k1+2*k2+2*k3+k4)*h/6;y=c*x+d*u;e1=e;e=y-R(1,k);de=(e-e1)/T;ie=ie+e*T;yy(1,k)=y;end%绘制结果曲线kk=[1:N]*T;figure(1);plot(kk,R,'k',kk,yy,'r',kk,yy1,'b');xlabel('时间(0.01秒)');ylabel('输出');gtext('模糊控制');gtext('PID控制');%end八、实验结果九、思考题1.模糊控制器的控制性能是否一定优于传统PID控制器？不一定，若要求反应速度那么可以选择模糊控制方式。

若要求控制精度高则可以选择pid方式2.如果选用模糊控制工具箱，如何进行设计、仿真？答：在matlab的主窗口中输入fuzzy即可调出模糊工具箱界面，退出界面的时候会提示保存，保存格式为fis，如果我们将文件保存为njust.fis，那么下次使用这个文件的时候在主窗口中输入fuzzy njust即可。

模糊控制器的建立过程如下：（1）设定误差E、误差变化率EC和控制量U的论域为，一般为[-6 6]。

（2）设定E、EC、U的模糊集。

一般可设为{NB、NM、NS、ZO、PS、PM、PB}。

（3）设定隶属度函数。

有高斯型隶属度函数、三角型隶属度函数等。

（4）设定模糊控制规则。

常用的模糊控制规则如图1所示，当然可以根据特定的控制对象和要求进行相应的调整。

实验二：神经元自适应PID 控制仿真研究一、实验目的通过本实验的学习，使学生了解传统PID 控制、神经元自适应控制等基本知识，掌握传统PID 控制器设计、掌握基于二次型性能指标学习算法的单神经元自适应PID 控制等知识，训练学生设计控制器的能力，培养他们利用MATLAB 进行仿真的技能，为今后继续神经网络控制理论的研究以及控制仿真等学习奠定基础。