模糊控制pid设计大作业 -.docx

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：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 kp的模糊规则表eckpenbnmnszopspmpbnbpbpbpmpmpszozonmpbpbpmpspszonsnspmpmpmpszonsnszopmpmpszonsnmnmpspspszonsnsnmnmpmpszonsnmnmnmnbpbzozonmnmnmnbnb表2 ki的模糊规则表kiecenbnmnszopspmpbnbnbnbnmnmnszozonmnbnbnmnsnszozonsnbnmnsnszopspszonmnmnszopspmpmpsmnnszopspspmpbpmzozopspspmpbpbpbzozopspmpmpbpb表3 kd的模糊规则表kdecenbnmnszopspmpbnbpsnsnbnbnbnmpsnmpsnsnbnmnmnszonszonsnmnmnsnszozozonsnsnsnsnszopszozozozozozozopmpbnspspspspspbpbpbpmpmpspspspbkp,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+kp(k)ki(k)=ki0+ki(k)kd(k)=kd0+kd(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。入口e(k),ec(k)模糊化e(k-1)=e(k)pid控制器输出计算当前kp,ki,kd模糊整定kp,ki,kdec(k)=e(k)-e(k-1)e(k)=r(k)-y(k)取当前采样值返回图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11 kp的自适应调整图12 ki的自适应调整图13 kd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。模糊控制用模糊集合和模糊概念描述过程系统的动态特性，根据模糊集和模糊逻辑来做出控制决策，它在解决复杂控制问题方面有很大的潜力，可以动态地适应外界环境的变化。附录1 模糊系统设计程序pid_a%fuzzy turnning pid controlclear all;close all;a=newfis(fuzzpid);a=addvar(a,input,e,-3,3); a=addmf(a,input,1,nb,zmf,-3,-1);a=addmf(a,input,1,nm,trimf,-3,-2,0);a=addmf(a,input,1,ns,trimf,-3,-1,0);a=addmf(a,input,1,z,trimf,-2,0,2);a=addmf(a,input,1,ps,trimf,-1,1,3);a=addmf(a,input,1,pm,trimf,0,2,3);a=addmf(a,input,1,pb,smf,1,3);a=addvar(a,input,ec,-3,3);a=addmf(a,input,2,nb,zmf,-3,-1);a=addmf(a,input,2,nm,trimf,-3,-2,0);a=addmf(a,input,2,ns,trimf,-3,-1,0);a=addmf(a,input,2,z,trimf,-2,0,2);a=addmf(a,input,2,ps,trimf,-1,1,3);a=addmf(a,input,2,pm,trimf,0,2,3);a=addmf(a,input,2,pb,smf,1,3);a=addvar(a,output,kp,-0.3,0.3);a=addmf(a,output,1,nb,zmf,-0.3,-0.1);a=addmf(a,output,1,nm,trimf,-0.3,-0.2,0);a=addmf(a,output,1,ns,trimf,-0.3,-0.1,0);a=addmf(a,output,1,z,trimf,-0.2,0,0.2);a=addmf(a,output,1,ps,trimf,-0.1,0.1,0.3);a=addmf(a,output,1,pm,trimf,0,0.2,0.3);a=addmf(a,output,1,pb,smf,0.1,0.3);a=addvar(a,output,ki,-0.06,0.06);a=addmf(a,output,2,nb,zmf,-0.06,-0.02);a=addmf(a,output,2,nm,trimf,-0.06,-0.04,0);a=addmf(a,output,2,ns,trimf,-0.06,-0.02,0.02);a=addmf(a,output,2,z,trimf,-0.04,0,0.04);a=addmf(a,output,2,ps,trimf,-0.02,0.02,0.06);a=addmf(a,output,2,pm,trimf,0,0.04,0.06);a=addmf(a,output,2,pb,smf,0.02,0.06);a=addvar(a,output,kd,-3,3);a=addmf(a,output,3,nb,zmf,-3,-1);a=addmf(a,output,3,nm,trimf,-3,-2,0);a=addmf(a,output,3,ns,trimf,-3,-1,0);a=addmf(a,output,3,z,trimf,-2,0,2);a=addmf(a,output,3,ps,trimf,-1,1,3);a=addmf(a,output,3,pm,trimf,0,2,3);a=addmf(a,output,3,pb,smf,1,3);rulelist = 1 1 7 1 5 1 1;1 2 3 1 3 1 1;1 3 6 2 1 1 1;1 4 6 2 1 1 1;1 5 5 3 1 1 1;1 6 4 4 2 1 1;1 7 4 4 5 1 1;2 1 7 1 5 1 1;2 2 7 1 3 1 1;2 3 6 2 1 1 1;2 4 5 3 2 1 1;2 5 5 3 2 1 1;2 6 4 4 3 1 1;2 7 3 4 4 1 1;3 1 6 1 4 1 1;3 2 6 2 3 1 1;3 3 6 3 2 1 1;3 4 5 3 2 1 1;3 5 4 4 3 1 1;3 6 3 5 3 1 1;3 7 3 5 4 1 1;4 1 6 2 4 1 1;4 2 6 2 4 1 1;4 3 5 3 3 1 1;4 4 4 4 3 1 1;4 5 3 5 3 1 1;4 6 2 6 3 1 1;4 7 2 6 4 1 1;5 1 5 2 4 1 1;5 2 5 3 4 1 1;5 3 4 4 4 1 1;5 4 3 5 4 1 1;5 5 3 5 4 1 1;5 6 2 6 4 1 1;5 7 2 7 4 1 1;6 1 5 4 7 1 1;6 2 4 4 5 1 1;6 3 3 5 5 1 1;6 4 2 5 5 1 1;6 5 2 6 5 1 1;6 6 2 7 5 1 1;6 7 1 7 7 1 1;7 1 4 4 7 1 1;7 2 4 4 6 1 1;7 3 2 5 6 1 1;7 4 2 6 6 1 1;7 5 2 6 5 1 1;7 6 1 7 5 1 1;7 7 1 7 7 1 1;a = addrule(a,rulelist);a = setfis(a,defuzzmethod,centroid);writefis(a,fuzzpid);a = readfis(fuzzpid);figure(1);plotmf(a,input,1);figure(2);plotmf(a,input,2);figure(3);plotmf(a,output,1);figure(4);plotmf(a,output,2);figure(5);plotmf(a,output,3);figure(6);plotfis(a);fuzzy fuzzpid;showrule(a);ruleview fuzzpid;附录2 模糊控制程序pid_b%fuzzy pid controlclose all;clear all;a=readfis(fuzzpid);ts=0.001;sys=tf(4.23,1,1.64,8.46);days=c2d(sys,ts,tustin);num,den=tfdata(days,v);u_1=0.0;u_2=0.0;u_3=0.0;y_1=0;y_2=0;y_3=0;x=0,0,0;e_1=0;ec_1=0;kp0=0.40;kd0=1.0;ki0=0.0;for k=1:1:3000;time(k)=k*ts;r(k)=1.0;%using fuzzy inference to tuning pidk_pid=evalfis(e_1,ec_1,a);kp(k)=kp0+k_pid(1);ki(k)=ki0+k_pid(2);kd(k)=kd0+k_pid(3);u(k)=kp(k)*x(1)+kd(k)*x(2)+ki(k)*x(3);if k=300 %adding disturbance(1.0v at time 0.3s) u(k)=u(k)+1.0;endy(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(1)*u(k)+num(2)*u_1+num(3)*u_2+num(4)*u_3;e(k)=r(k)-y(k);%return of pid parameters%u_3=u_2;u_2=u_1;u_1=u(k);y_3=y_2;y_2-y_1;y_1=y(k);x(1)=e(k); %calculating px(2)=e(k)-e_1; %calculating dx(3)=x(3)+e(k)*ts %calculating iec_1=x(2);e_2=e_1;e_1=e(k);endfigure(1);plot(time,r,b,time,y,r);xlabel(time(s);ylabel(rin,yout);figure(2)