智能控制技术实验报告

《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

u

NB NS ZR PS PB

e

e’

NB PB PB PS PS ZR

NS PB PS PS ZR ZR

ZR PS PS ZR ZR NS

PS PS ZR ZR NS NS

PB ZR ZR NS NS NB

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:N

uu1(1,k)= -(kp*e+ki*ie+kd*de);%控制量生成

if k<=Nd %纯延迟

u=0;

else

u=uu1(1,k-Nd);

end

if abs(u)<=umin%死区和饱和环节

u=0

elseif abs(u)>umax

u=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e

a=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e

a=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u

a=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]);