智能控制之专家系统的设计.doc

1. 题目 题目一、需要对专家控制规则做出明确的设计、编写控制器程序并作解释。已知典型二阶系统的单位阶跃响应输出曲线和误差曲线如图1所示。假设某二阶系统的的传递函数为，对象采样时间为1ms，试设计一个专家PID控制器，根据其响应误差制定专家控制规则，以改善响应特性，并进行Matlab仿真。2. 专家PID控制过程分析专家控制的实质是基于受控对象和控制规律的各种知识，并以智能的方式利用这些知识来设计控制器。利用专家经验来设计PID参数便构成了专家PID控制。(1)首先通过传递函数离散取样，采样时间间隔为1ms。(2)然后取PID初始值：kp=0.6; ki=0.03; kd=0.01;(3)二阶系统阶跃过程分析如下，取阶跃信号rin（k）=1令e(k)表示离散化的当前采样时刻的误差值，e(k-1)、e(k-2)、分别表示前一个和前两个采样时刻的误差值，则有根据误差及其变化，对二阶系统单位阶跃响应误差曲线做如下定性分析：首先定义如下参数: 误差界限，;其中可取0.8，0.6，0.4，三值,M2=0.1增益抑制系数，；=0.5增益放大系数，；=2 第k次和第k-1次控制器输出;=0.001任意小正实数。.时,说明误差的绝对值已经很大。不论误差变化趋势如何，都应考虑控制器按定值0.7输出。以达到迅速调整误差，使得误差绝对值以最大速度减小，同时避免超调。此时，它相当于开环控制。同理，当，定值输出0.5；当，定值输出0.2。.当，说明误差很大，并且在朝着误差绝对值增大方向变化，这时可以考虑由控制器实施较强的控制作用，使得误差绝对值朝减小方向变化，迅速减小误差的绝对值，控制器的输出为当，说明误差一般大，并且在朝着误差绝对值增大的方向变化，这时可以考虑实施一般的控制作用，扭转误差变化的趋势，使其朝误差绝对值减小的方向变化，控制器的输出为.当时，即，说明误差向着绝对值减小的方向变化或者已经达到平衡状态。此时可以考虑保持控制器输出不变。u(k)= Kp*e(k)+Kd*(e(k)-e(k-1)/ts+Ki*(e(k)+e(k)*ts)。.当时，即且，说明误差处于极值状态并且误差绝对值较大，可以考虑实施较强的控制作用，即当时，说明误差处于极值状态并且误差绝对值较小，可以考虑实施较弱的控制作用，即 .当（精度）时，说明误差绝对值很小，此时加入积分环节，减小稳态误差。此时控制器输出为：u(k)=kp*e(k) +ki*(e(k)+e(k)*ts)。综上所述，（0，t1），（t2，t3），（t4，t5）这几个区域，误差朝绝对值减小的方向变化，此时可以采取等待措施，相当于实施开环控制；（t1，t2），（t3，t4）这几个区域，误差朝着绝对值增大的方向变化，根据误差的大小分别实施较强或者一般的控制作用，以抑制动态误差。、（4）最后写出线性模型及当前采样时刻的误差值：（5）循环以上(3)(4)步，循环次数为1000次。（6）画出专家PID控制阶跃响应曲线图（a）和误差响应曲线（b）。专家PID控制系统阶跃响应曲线图（a）误差响应曲线（b） (7)程序部分%Expert PID Controllerclear allclose allts=0.001; %采样周期sys=tf(133,1,25,0); %tf表示给出分子和分母系数生成一个传递函数sysdsys=c2d(sys,ts,z); %将连续形式sys转化为离散形式dsys，采样周期为1ms，z表示零阶保持器num,den=tfdata(dsys,v); %num表示分子，den表示分母，tfdata表示取离散形式dsys的分子分母，v表示取出的数据保存为行向量的形式u_1=0;u_2=0; y_1=0;y_2=0;x=0,0,0; %x(1) x(2) x(3)分别对应PID中比例、微分、积分项x2_1=0;kp=1.64;ki=0.03; kd=0.01;k1=2;k2=0.5;error_1=0;for k=1:1:1000time(k)=k*ts;r(k)=1; %单位阶跃输入u(k)=kp*x(1)+kd*x(2)+ki*x(3); %PID Controller%Expert control ruleif abs(x(1)0.8 %规律一 u(k)=0.7; elseif abs(x(1)0.60 u(k)=0.5;elseif abs(x(1)0.40 u(k)=0.20; end if (x(1)*x(2)0)|(x(2)=0) %规律二 if abs(x(1)=0.1 u(k)=u_1+k1*kp*x(1); else u(k)=u_1+k2*kp*x(1); endend if (x(1)*x(2)0)|(x(1)=0) %规律三 u(k)=kp*x(1)+kd*x(2)+ki*x(3);end if (x(1)*x(2)0)&(x(2)*x2_1=0.1 u(k)=u_1+k1*kp*x(1); else u(k)=u_1+k2*kp*x(1); endendif abs(x(1)=10 u(k)=10;endif u(k)=-10 u(k)=-10;end%Linear modely(k)=-den(2)*y_1-den(3)*y_2+num(1)*u(k)+num(2)*u_1+num(3)*u_2;%系统的差分方程error(k)=r(k)-y(k);%-Return of parameters-%完成叠代u_2=u_1;u_1=u(k);y_2=y_1;y_1=y(k); x(1)=error(k); % Calculating Px2_1=x(2);x(2)=(error(k)-error_1)/ts; % Calculating Dx(3)=x(1)+error(k)*ts; % Calculating Ierror_1=e