dq009基于单片机的模糊PID温度控制系统设计
收藏
资源目录
压缩包内文档预览：(预览前20页/共55页)
编号：512332
类型：共享资源
大小：1.03MB
格式：RAR
上传时间：2015-11-11
上传人：QQ28****1120
认证信息
个人认证
孙**（实名认证）
辽宁
IP属地：辽宁
6
积分
- 关 键 词：
-
毕业设计
- 资源描述：
-
dq009基于单片机的模糊PID温度控制系统设计,毕业设计
- 内容简介：
-
毕业设计 (论文 ) 中英文资料 信 电 系 工业电气自动化 专业 03 级 1 班 课题名称： 基于单片机的模糊 PID 温度控制系统设计 毕业设计 (论文 )起止时间： 2006 年 2 月 15 日 6 月 8 日 (共 17 周 ) 学生姓名： 傅 俊 学号： 20 指导教师： 黄云龙 廖东进 朱秋琴 报告日期： 2006 年 6 月 8 日 nts信息与电子工程系 毕业设计（中英文资料） 1 常规 PID 和模糊 PID 算法的分析比较 摘要 ：模糊 PID 控制器实际上 跟传统的 PID 控制器有很大联系。区别在于传统的控制器的控制前提必须是熟悉控制对象的模型结构，而模糊控制器因为它的非线性特性，所以控制性能优于传统 PID 控制器。对于时变系统，如果能够很好地采用模糊控制器进行调节，其控制结果的稳定性和活力性都会有改善。但是，如果调节效果不好，执行器会因为周期振荡影响使用寿命，特别是调节器是阀门的场合，就必须考虑这个问题。为了解决这个问题，出现了很多模糊控制的分析方法。本文提出的方法采用一个固定的初始域，这样相当程度上简化了模糊控制的设定问题以及实现。文中分析了振荡的原因并分析如 何抑制这种振荡的各种方法，最后，还给出一种方案，通过减少隶属函数的数量以及改善解模糊化的方法缩短控制信号计算时间，有效的改善了控制的实时性。 1 引言 模糊控制器的一个主要缺陷就是调整的参数太多。特别是参数设定的时候，因为没有相关的书参考，所以它的给定非常困难。众所周知，优化方法的收敛性跟它的初始化设定有很大关联，如果模糊控制器的初始域是固定的，那么它的控制就明显的简化了。而且我们要控制的参数大多有其实际的物理意义，所以模糊控制器完全可以利用 PID 算法的控制规律进行近似的调整。也就是说最简单的模糊 PID控制器就是同时采用几种基本模糊控制算法（ P+I+D或者 PI+D），控制过程中它会根据控制要求，做出适当的选择，保证在处理跟踪以抗阶跃干扰问题上，其控制性能接近于任何一种 PID 控制。假设模糊集的初始域是对称的，两个调节器的参数采用Ziegler-Nichols 方法。 为了改善上述设计的模糊控制器，我们有必要考模糊控制器的参数问题，有两种方法可以采纳，一种采用手动的方法改变，另一种就是采用一些相关的优化算法。其中遗传算法就是一种。控制器采用的参数不同，其收敛的优化值也会不一样。这些参数包括模糊集的分布，模糊集的 个数，映射规则，基本模糊控制器的参数和不同的算法组合等。要注意的是在优化前必须选定模糊推理及解模糊的方法。很明显，优化过程很耗时，更有甚者，有些优化方法要已知系统的精确模型，但是实际过程中难以得到系统的精确模型，所以在大多数情况下，这些优化算法不能直接应用在实际过程。也就是说模型不精确直接影响优化成败。模糊控制的主要思想就是针对那些传递函数未知的或者结构难以辨识的系统进行控制，这也是模糊控制的性能为什么优于传统方法的原因。同时，把模糊控制和传统的 PID 控制算法结合起来，更能体现这种算法的优点，因为它大大简化 实际过程的调整。 图 1 隶属函数 图 图 2 映射规则图 nts信息与电子工程系 毕业设计（中英文资料） 2 参数集的启发式优化法也适用于模糊 PI 控制器，它采用固定的定义域，其参数的选取和传统的 PI 控制器都一样。我们采用的控制方法是结合模糊 PI 算法和 PD 算法并利用启发式优化法处理参数集，特别要注意这里的调节器出现了两个比例环节，所以它的控制可能不同于传统的 PID 算法。但是我们调整的参数它们本身具有实际的物理意义，值得一提的是前面所提到的控制可以通过改变采样时间而不 改变定义域的范围实现调整。 2 模糊 PI 控制器设计 控制信号由模糊控制器得到（参考文献 2）： 模糊 PI 控制器的一种实现过程如图 3 所示： 图 3 模糊 PI 控制器结构（区域单位化） 现在我们假设控制对象的传递函数如下描述，然后通过仿真图比较模糊 PI 控制器和传统 PI 控制器的控制性能： 采用 6中所用的调节方法，我们可得参数 ，其响应如图 4 和图 5 所示。干扰作用于系统的输入，模糊控制器如图 3 所示，映射规则如图 2 所示，隶属函数如图 1 所示。 图 4 传统 PI 控制 图 图 5 模糊 PI 控制 图 nts信息与电子工程系 毕业设计（中英文资料） 3 同理取相同的参数集合 ，但是采用不用的模糊推理和解模糊化方法进行优化，我们把最大值设为 10，即 ，采用周期 ，则，输出响应如图 5所示，下面的集合已经在 3中测试过了，模糊推理方法采用 Min-Max 和 Prod-Max，解模糊部分采用 COG 方法，隶属函数采用三角形分布或单值分布，把定义域单位化，然后从七个模糊集中任取三个，进行仿真，如果隶属函数是单值分布，也一样。 把传统的 PI 控制算法和模糊 PI 控制算法的结果进行比较并讨论。我们发现 采用模糊控制的系统输出超调量虽然很小，但是抗干扰能力并不比传统的 PI 控制器好。 图 6 有 7 个隶属函数的模糊控制 图 7 有 3 个隶属函数的模糊 PI 控制器采用最小 -最大模糊推理 参考文献 6，看图 5，发现给系统的输入端加上幅度为 0.05 的阶跃干扰，系统输出响应趋向振荡地很厉害。假设这里所有响应采用的集合都是一样的，我们看图 6，它的响应曲线没有明显的振荡。但是，我们还不能分析 6所提供导致振荡的可能原因，因为这里没有文 6提供的模糊控制的所需的实验数据集。 我们发现，即使采用遗传优化算法，其控制结果也没有远远胜过模糊 PI 控制的近似调整结果。但是我们可以通过减少隶属函数的个数达到缩短计算控制量所需时间。可是，减少隶属函数个数的同时，也会伴随着动态性能的降低，但是这种品质的降低完全可以通过适当调节参数来弥补。从仿真结果来看，文献 6中的结论没有理论证明。 nts信息与电子工程系 毕业设计（中英文资料） 4 3模糊 PD+PI 控制器的设计 让我们先给出一个模糊控制器，它是由模糊 PI 和模糊 PD 控制器并联在一起组合而成。 其中，图 9 是传统的 I-PD 控制器的输出，它采用 Ziegler-Nichols 方法 （ sTK I 8.2,28.7 sTD 7.0 ）。 而模糊 PI-PD 控制的设定参考文献 2 （ 4 DI KK ， sTI 2.2 ， sTD 2 ，10 DI MM ， sT 1.0 ，模糊推理采用最小 -最大法，解模糊采用 COG 方法，有 7 个隶属函数）。其中 PI 和 PD 的隶属函数的分布以及采用的模糊规则分别如图 1、 图 2 所示。唯一的区别在于控制增量的变化，如图 11 所示，图 10 是仿真结果，而图 12 给出了采用不同的三个集合的系统输出，实线表示采用前面文章所用的调整方法，但模糊推理方法采用 Prod-Max。虚线表示采用 3 个隶属函数，最小最大模糊推理、解模糊采用 COG（隶属函数为三角形分布）的仿真的结果，点划线表示采用 3 个隶属函数，最小最大模糊推理、解模糊采用 COG（隶属函数为单值分布）的仿真的结果。 nts信息与电子工程系 毕业设计（中英文资料） 5 图 13 表示系统输入加入 0.05 的阶跃干扰后对系统的输出影响。 采用模糊控制的系统输出或多或少都会有振荡，其 原因不仅仅受参数的调节的影响，还有所用的最小最大模糊推理的影响。但是如果采用 Prod-Max 的模糊推理，解模糊时采用单值法，这种振荡可以大大的抑制。但是造成振荡的另一个可能原因就是推理机构的错误动作。 从图 14 我们发现，如果两个相邻的隶属函数的最值的距离只有 0.01（所用的区域已经单位化 ,如图 15 所示），在没有其他干预的情况下，就会出现等幅振荡。众所周知， PD 控制会有初始误差， PI 控制会有振荡。但是如果采用单值隶属函数而不是三角形分布的隶属函数，上述的振荡现象就可以抑制。从图 14 中可以看出，采用单值隶属函 数，在刚开始，系统输出振荡最厉害的时候采用单值隶属函数，等到等幅数振荡输出之后就不采用单值隶属函数（虚线表示），之后采用三角形隶属函数和 COG 解模糊方法。（两种情况都没有稳定误差）。所以我们可以下结论：即使采用相同的解模糊方法（ COG），如果隶属函数不一样，控制结果也会不同的。 nts信息与电子工程系 毕业设计（中英文资料） 6 COMPARATIVE ANALYSIS OF CLASSICAL AND FUZZY PID CONTROL ALGORITHMS Abstract: A fuzzy PID controllers are physically related to classical PID controller. The settings of classical controllers are based on deep common physical background. Fuzzy controller can embody better behavior comparing with classical linear PID controller because of its non linear characteristics. Well tuned fuzzy controller can be also more stable and more robust for the time varying systems. On the other hand, when the fuzzy controller is tuned badly it can exhibit limit cycle which can decrease lifetime of the actuator. This phenomenon is critical especially when the actuator is valve. Knowing about these problems, more analytical methods of tuning fuzzy controllers can be found. The method with unified universe considerably simplifies the setting and realization of fuzzy controllers. This paper tries to analyze causes of oscillations and it outlines the possibilities how to reduce them. The paper also shows solution how to reduce time needed for computation of control signal by decreasing the number of membership functions and by changing defuzzification method. 1. INTRODUCTION One of the main drawbacks of fuzzy controllers is big amount of parameters to be tuned. It is especially difficult to make initial approximate adjustment because there is no cookery book how to do it. Also it is very well known that good convergence of optimum method is strongly dependent on initial settings. The adjustment of fuzzy controllers is considerably simplified when fuzzy controller with a unified universe is used. The parameters to be tune then have their physical meaning and fuzzy controller can be approximately adjusted using known rules for classical controllers. Probably the easiest way how to implement fuzzy PID controller is to create it as a parallel combination of basic fuzzy controllers (P+I+D 4 or PI+D 5). Suitable choice of inference method can ensure behavior which is close to one of classical PID controller for both the tracking problem and the step disturbance rejection. The fuzzy sets are assumed to have initially symmetrical layout and the parameters of both regulators are tuned using for example by Ziegler- Nichols method. To improve behavior of such designed fuzzy controller it is necessary either to manually change the quantities of fuzzy controller or to use some optimum methods which do this operation. One which can be implied are genetic algorithms. Different quantities can be changed to reach the optimum values. These quantities are fuzzy set layout, number of fuzzy sets, rule base mapping, the parameters of basic fuzzy controllers and their various combinations. Note that all the optimum must be always performed according to the chosen inference and defuzzification method. It is apparent that process of optimum can take a lot of time. Moreover this method is contingent on existence of accurate mathematical model of the process because in vast majority of the cases it is not possible to perform any kind of optimum directly on real process. The model usually does not correspond to real system which limits the success of optimum methods. The prime idea of fuzzy control was to apply it at the place where there is no deep knowledge of transfer function of controlled system and where this knowledge can be hardly identified. These are often the cases where the fuzzy control leads to better performance comparing with classical approach. Also for this instance it seems to be advantageous to have physical connection between fuzzy controller and its classical counterpart because it can significantly simplify the adjustment of regulator for real process. The heuristic optimum of parameters settings is also suitable for fuzzy PI controller with unified universe where the parameters are the same as the ones of classical PI controller. The parallel combination of fuzzy PI and PD controllers can be used for heuristic optimum of parameters settings but it should be noted that because of the presence of double proportional part in this regulator the adjusted parameters will differ from the ones of classical PID controller. But important thing is that the adjustment of this parameters is still in the same physical meaning. Note that for all previously nts信息与电子工程系 毕业设计（中英文资料） 7 mentioned controllers it is also possible to employ time transformation (sample time modification) without having to change the scope of universes. 2. FUZZY PI CONTROLLER DESIGN The control signal generated by fuzzy PI controller (according to 2) is A realization of the fuzzy PI controller is shown in Fig. 3. Let us assume plant described by following transfer function to illustrate and to compare behavior of fuzzy PI controller with classical continuous PI controller: Using the tuning method from 6 we obtain parameters K=2.14, TI = 5.8 s. The responses of controlled system using this control algorithm are shown in Fig. 4. The disturbance acts on the input of the system. Fuzzy controller was realized according to Fig. 3 with rule base mapping according to Fig. 2. The membership functions were distributed as shown in Fig.1. The similar settings of parameters K = 2.14, TI = 5 with respect to optimum for different methods of inference and defuzzification methods was used. The scale was settled to M = 10 and sample period was set to T = 0.1 s. The time responses for different inference and defuzzification methods are shown in Fig. 5. The following settings were tested according to 3. The inference method Min-Max and Prod-Max. Defuzzification was done using COG method with singletons or triangles as an output membership functions. The simulations were launched with either three of seven fuzzy sets in all the normalized universes. Also singletons were realized using normalized universe. The singletons were located in vertexes of original fuzzy sets (see Fig. 1). Comparing the results obtained using classical PI and fuzzy PI controllers following discussion can take place. The output of the system has very small overshoot when it is controlled with fuzzy nts信息与电子工程系 毕业设计（中英文资料） 8 regulator. The disturbance rejection using fuzzy controller is comparable with disturbance rejection of classical PI controller. In the reference 6 in Fig. 5 there was shown that the step disturbance in the input of the system with amplitude 0.05 brings the system to the significant oscillations. The same settings as in this article were used to obtain time responses. As it can be seen in Fig. 6, where there are corresponding time responses, there are no any oscillations visible. However, it was not possible to analyze potential causes of oscillations which were obtained in article 6 due to the lack of detailed settings of fuzzy controller. Significantly better results comparing with approximately adjusted fuzzy PI controller were not obtained even after the optimum using genetic algorithms. It is possible to shorten time required for computing the command by reducing the number of membership functions to three. Reduction of membership functions brings together small degradation of dynamical behavior (Fig. 7). This degradation can be almost eliminated by fine tuning of the parameters. As a result of these simulations we can state that the assertions in paper 6 were not proved. nts信息与电子工程系 毕业设计（中英文资料） 9 3. FUZZY PD+PI CONTROLLER DESIGN Let us create fuzzy controller as a parallel combination of fuzzy PI and PD controllers. Simulation results obtained using classical I-PD controller are shown in Fig. 9. This controller was adjusted using Ziegler-Nichols method (K = 7.28, TI = 2.8 s, TD = 0.7 s). The initial adjustment of fuzzy PI-PD controller is taken up from reference 2 (KI = KD = 4, TI = 2.2, TD = 2, MI = MD = 10, T = 0.1 s, Min-Max inference method, COG method for defuzzification, 7 membership functions). Membership function layout and rule base for both PI and PD parts are shown in Fig. 1 and Fig. 2 respectively. The only exception is in increment of command which is realized as shown in Fig. 11. Simulation results can be seen in Fig. 10. Fig. 12 shows the time responses with three different settings. Solid line uses the same adjustment as previously described simulation but inference method is Prod-Max. Dash-dot dot line represents the simulation with 3 membership functions, inference Min-Max and defuzzification using triangular membership functions with COG method. Dash-and-dot line shows simulation results with 3 membership functions, inference Min-Max and defuzzification using singletons. When the singletons are used they are placed into the vertex of original fuzzy membership functions. The influence of disturbance with small amplitude of 0.05 which acts at the input of the system is shown in Fig. 13. nts信息与电子工程系 毕业设计（中英文资料） 10 Fuzzy controller is generally inclinable to oscillation with relatively small amplitude. The origin of this oscillation is not only incorrect tuning of the parameters but also the inference method Min-Max. The oscillations are considerably eliminated when the Prod-Max inference method is employed and singletons for defuzzification are used. Another potential source of oscillations is wrong implementation of inference engine. Shift of the vertex point of middle membership function just for 0.01 on the normalized universe (illustrated in Fig. 15) causes the limit cycles to appear (see results in Fig. 14) without any other external intervention. The initial deviation is caused by PD controller and the oscillations by PI controller. When the singleton membership functions are used instead of triangular ones the described phenomena of oscillations disappear. Following the results in Fig. 14 it can be seen that the singletons as an output membership functions give at the beginning higher oscillation but after the time they disappear (dashed line). Triangular membership functions with COG defuzzification give after short transient response steady limit cycle. Note the nonzero steady state error in both cases. As a consequence we can say that there is a difference between defuzzification using singletons and triangular membership functions even if the COG method is used. nts毕业设计 (论文 )任务书 学生姓名 傅 俊 指导教师 _黄云龙、廖东进、朱秋琴 职称 副教授、助教 、 助教 系别 _信息与电子工程系 _专业 03 工自 年级 _三 _班级 1 课题名称 基于单片机的模糊 PID 温度控制系统设计 任务与要求： 一、 设计（论文）要求： 本课题 的主要任务是通过单片机控制 系统 ,实现对 温度的智能 控制。具体设计方案如下： 采用 温度 传感器完成对 温度 的数据采集，并把 温度值 转换为电压值，经过放大、A/D 转换为数字量进入单片机控制系统，与单片机中预置的参量进 行比较后，得到误差量，并与上一次采集的误差量进行比较，得到误差的变化量，把误差量和误差的变化量作为模糊 PID 控制器的输入，经过软件进行处理，输出控制量，经过 D/A 转换后控制驱动电路，得到加在电炉上的平均电压 。从而控制电炉的温度 ，实现 温度 的自动调节，使 得温度 稳定在设定值附近。 设计的主要内容和要求： 1、 根据所选的课题，参考一些优秀的学习网站，完成该课题的建设。 2、 参与该课题的各位同学必须分工合作。在设计中既要有自己一定的工作量，同时具备良好的团队合作精神。 3、 毕业设计论文体现了毕业设计的质 量，所以各位同学必须在论文中体现自己在毕业设计中所采用的方法、思想以及设计策略。论文的格式包括：（ 1）中英文摘要（ 2）目录（ 3）正文（ 4）致谢（ 5）参考文献（ 6）附录。论文书写要求语言精练、简洁，表达力求准确，字数 12000 以上，最后要求用 A4 开纸打印，并装订成册，形成书目结构。 4、 在整个设计当中要严格按照学校和系部的各种规章制度和要求，按时完成所要求完成的任务。 二、 设计（论文）条件： 提供 设计 所需的书籍 、 计算机 、 单片机 设计 所需的 设备 等 。 nts三、 设计（论文）资料： 提供 温度系统 、单片机设计等相关所需资料。 四、 设计（论文）教学要求：（可以同一专业相同） 要求同学们有较强的学习和自学能力，能根据需要查找资料，独立思考和设计 。 要 求同学 熟悉 温度系统 并 具有一定的单片机 设计能力 。 五、 设计（论文）进度安排：（可以同一专业相同） 第 01 周至第 02 周：查阅中文及英文资料（并翻译一篇外文资料），了解 温度系统以及单片机设计内容 ， 收集相关资料 ； 第 03 周至第 03 周：完成毕业设计（论文）开题报告，并开始进行毕业设计； 第 04 周至第 08 周： 完成控制系统的硬件设计 ； 第 09 周至第 12 周： 完成控制系统的软件设计 ； 第 13 周至第 13 周 ：软件和硬 件的调试； 第 14 周至第 15 周：整理相关资料，完成毕业设计（论文）手稿及最终电脑打印的毕业论文； 第 16 周至第 16 周：毕业设计（论文）小组答辩； 第 17 周至第 17 周：答辩。 六、 学生分组名单 傅俊 、 沈瑶 nts 毕业设计 (论文 )开题报告 信 电 系 工业电气自动化 专业 03 级 1 班 课题名称： 基于单片机的模糊 PID温度控制系统设计 毕业设计 (论文 )起止时间： 2006 年 2月 15日 6月 8日 (共 17 周 ) 学生姓名： 傅 俊 学号： 20 指导教师： 黄云龙 廖东进 朱秋琴 报告日期： 2006年 3 月 1 日 nts信息与电子工程系毕业设计（开题报告） 1 一、本课题所涉及的问题在国内 (外 )的研究现状综述 （模糊控制） 1、模糊控制国内外 发展动态 国外最早取得应用成果的是 1974年英国伦敦大学教授 E.H.Mamdani，首先利用模糊控制语句组的模糊控制器，应用于锅炉和气轮机的运行控制，在实验室获得成功，标志着模糊控制的诞生。随后， 1975 年，英国的 P.J.King 和 E. H. Mamdani 将模糊控制系统应用于工业发酵过程的温度控制中； 1979 年，英国的 I.J.Procyk 和 E.H.Mamdani 研究了一种自组织的模糊控制器，它在控制过程中不断修改和调整控制规则，使得控制系统的性能不断完善 ;1983年，日本学者 M. Sugeno和 Kurakani 将基于语言真值推理的模糊逻辑控制器，应用于汽车速度的控制，并且取得成功。 模糊控制技术与传统 PID技术相结合的研究国外也取得了许多成果。 Tang通过对常规模糊控制器机理的分析，最早提出了一般模糊控制器和 PI 控制器的相似性 ;Abdelnon:从PID 控制角度，提出了 Fuzzy-PI,Fuzzy-PD 和 Fuzzy-PID 三种形式的模糊控制器，随后各种模糊 PID控制器都证明是非线性 PID控制器， Ying最先提出模糊 PID控制器的解析结构，证明了各类 Mamdani 模糊控制器是可变增益的非线性 PI 控制器， Ying 和刘向杰等还采用各种方式得出了模糊控制器的量化因子和比例因子同 PID 控制器的 Kp , Ki 和 Kd 的之间的关系李洪兵分析了模糊控制器与 PID控制器之间的关系，提出了 SISO 模糊控制器是分段P调节器， DISO模糊控制器是具有 P与 D(或 P与 I)交互影响的分片 PD(或 PI)调节器，三输入单输出模糊控制器是具有 P、 I、 D之间交互影响的分片 PID调节器。总之，各种研究表明，模糊控制器是非线性 PI、 PD 或 PID 控制器，普通 PI, PD 或 PID 控制器在三维或四维空间中是一个通过原点的超平面，具有线性调 节特性，而模糊控制器在相应的空间则是一个过原点的分片二次或三次曲面，具有逼近非线性调节规律，因此，其整体控制效果好于 PI, PD 或 PID控制器。 我国模糊控制理论及其应用方面的研究工作是从 1979年开始的，大多数是在著名的高等院校和研究所中进行理论研究，如对模糊控制系统的结构、模糊推理算法、自学习或自组织模糊控制器，以及模糊控制稳定性等的研究，而其成果应用集中于工业炉窑方面，如火炉等。 80年代末期开始研究模糊控制器与 PID控制器的关系 ;1985年徐承伟就指出了模糊控制器输出与被控对象之间存在着积分作用 ;1987年胡家耀在此基础上提出了 Fuzzy-PI调节 nts信息与电子工程系毕业设计（开题报告） 2 器，并用于退火炉燃烧过程中 ;1988 年，河北廊纺市工具厂李利民、王金奎研制的高温盐浴炉微机控制系统以磁性调压器作为执行元件，采用 MPID调节方式，当炉温在 11001300范围内任意调节，误差小于土 20 ; 1989 年，武汉铝厂郑恭恒、沈协和用单片机实现炉温控制，采用 Bang-Bang 和 PID 相结合的控制算法，达到了升温速度快，超调量小的控温效果 ;1997年，吉林工业大学吕俊伟、王文成、黄海东研制的模糊一 PI一开关混合控制器用于渗炭炉温度控制系 统，缩短了升温时间，大大提高了控制精度，最大超调量小于 1 。 2、模糊控制的发展趋势 当代模糊控制技术己经进入新的发展阶段。 1984年美国推出“模糊决策支持系统” ;日本则进入模糊控制实用化时期： (1)过去将大型机械设备和生产过程作为对象，而目前已经面向大众，如电视摄像机自动调焦等家用电气设备。 (2)向复杂系统、智能系统、人类与社会系统以及自然系统等方向扩展。 (3)在硬件方面进一步研制模糊控制器、模糊推理等专用芯片，并且开发“模糊控制用的通用系统”。 模糊控 制技术发展至今，仍然存在以下主要问题 : (1)模糊控制在非线性复杂系统应用中的模糊建模、模糊规则的建立和模糊推理算法的深入研究。 (2)由于复杂模糊规则的相互作用，使得到的合成推理算法具有相当程度的非线性性能，致使模糊控制效果不够理想。 (3)模糊控制系统的稳定性理论探讨。 (4)自学习模糊控制策略和智能化系统结构及其实现。 (5)简单、适用且具有模糊推理功能的模糊集成芯片和模糊控制装置、通用模糊控制系统的开发和推广应用。 今后控制理论面临的突出问题是既要继续 发展自身的理论，又要在应用方面留下实实在在的成果。模糊控制模糊专家系统模糊控制工程将是构成未来系统的重要途径。 nts信息与电子工程系毕业设计（开题报告） 3 二、设计 (论文 )要解决的问题和拟采用的研究方法 本设计的主要解决的问题是通过单片机控制系统 ,实现对温度的智能控制。具体设计方案如下：采用温度传感器完成对温度的数据采集，并把温度值转换为电压值，经过放大、A/D转换为数字量进入单片机控制系统，与单片机中预置的参量进行比较后，得到误差量，并与上一次采集的误差量进行比较，得到误差的变化量，把误差量和误差的变化量作为模糊 PID 控制器的输入，经过软件 进行处理，输出控制量，经过 D/A 转换后控制驱动电路，得到加在电炉上的平均电压。从而控制电炉的温度，实现温度的自动调节，使得温度稳定在设定值附近。 解决问题过程中我们引路了模糊控制的概念。回顾了模糊控制理论的发展历史，指明了模糊控制在自动化控制领域的重要地位和作用 ;介绍模糊控制在国外的应用情况及国内模糊控制技术与 PID 控制技术在炉温控制系统中的成功应用 ;阐述模糊控制在应用中存在的问题及今后的发展趋势 ;提出了电炉模糊 PID温度控制系统的研究目标。 着重阐述温度控制系统的工作原理。在分析传统数字 PID 控制和模糊控 制策略的基础上，结合两者的优点，提出模糊控制与 PID 控制相结合的控制策略。下面简单介绍模糊控制和 PID控制的原理及特点： 1、模糊控制理论概述 传统的自动控制，包括经典理论和现代控制理论都有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型 (如微分方程，传递函数或状态方程 )的基础上。但是在实际工业生产中，建立精确的数学模型特别困难， 甚至是不可能的。特别是对于具有非线性、时变、纯滞后等特点的温度控制系统，常规 PID控制器不能适应系统参数变化，达不到较好的动态控制性能。这种情况下，模糊控制的诞生就显得意义重大。 2、模糊控制理论 模糊数学和模糊控制的概念是由美国加利福尼亚大学著名教授查德 (L.A.Zadeh)在他的 Fuzzy Sets , Fuzzy Algorithm和 A Retionnale for Fuzzy Control等著名论著中首先提出。 1972年 2月，日本以东京工业大学为中心，发起成立“模糊系统研究会”，1973年公开使用“模糊控制工程”这一概念； 1974 年在加利福尼亚大学的美日研究班上，开始了有关“模糊集合及其应用”的国际学术交流。 1978年国际上开始发行 Fuzzy Sets nts信息与电子工程系毕业设计（开题报告） 4 and Systems专业杂志。 1984年，在夏威夷首次召开国际会议，商讨成立国际学会事宜，同年年底“国际模糊系统学会” (IFSA-International Fuzzy System Association)成立，学会下设“智能系统” (Intelligent Systems)和“经营与生产中的模糊系统” (Fuzzy Systems in Business and Manufacturing)。首届 IFSA 国际学术会议于 1985 年在西班牙召开 ;1987 年在日本东京召开了第二届 IFSA 国际会议。 1992 年， IEEE Fuzzy Systems 国际会议开始举办，每年一次 ; 1993年， IEEE Trans. on Fuzzy Systems开始出版。 尽管 模糊控制理论的提出至今只有 30多年，但其发展迅速。在模糊控制理论与算法、模糊推理、工业控制应用、模户硬件与系统集成，以及稳定性理论研究等方面都取得了重大进展。应用范围日益广泛，并且不断与计算机技术、半导体技术相互融合 。 3、模糊控制的地位和作用 80 年代以来，自动控制系统被控对象日益复杂，它不仅表现在控制系统具有多输入一多输出的 强藕合性、参数时变性和严重的非线性特征，更突出的是从系统对象所能获得的知识信息量相对地减少，以及与此相反地对控制性能的要求却日益高度化。然而，正如Zadeh 教授于 1973 年所指出的 :“当一个系统复杂性增大时，人们能使它精确化的能力将降低，当达到一定的闭值时，复杂性和精确性将相互排斥” (即“不相容原理” )。 也就是说，在多变量、非线性、时变的大系统中，要想精确地描述复杂对象与系统的任何物理现象和运动状态，实际上是不可能的。关键的是如何使准确和简明之间取得平衡，而使问题的描述具有意义。 模糊控制理论的研究和应用在 现代自动控制领域中的地位和意义，可以用图来表示。图 1.1 模糊控制在控制领域中的重要地位和作用 nts信息与电子工程系毕业设计（开题报告） 5 图中表示了经典控制理论首先使用于线性小规模系统的自动化领域 ;而随着计算机技术的发展，现代控制理论在大规模线性多变量系统中得到广泛应用 ;但是，对于非线性复杂系统，这些控制策略却难以适用，它不仅算法及其复杂，而且无望获得满意的结果。近年来，采用专家知识的人工智能 (Artificial Intelligence)和智能信息处理技术，虽然引起了人们的重视，但它却不能作为模拟 控制，而且其知识库十分庞大，设计也十分困难。模糊控制不仅适用于小规模线性单变量系统，而且渐渐向大规模、非线性复杂系统扩展，从己经实现的控制系统来看，它具有易于熟悉、输出量连续、可靠性高、能发挥熟练专家操作的良好自动化效果等优点。 至今，研究“模糊”的学者越来越多，发表的论文上万篇，研究范围从单纯的模糊数学到模糊控制理论应用、模糊控制系统及其硬件集成，而与知识工程和控制方面有关的研究有模糊建模理论、模糊序列、模糊识别、模糊知识库、模糊语言规则、模糊近似推理等。近年来，针对复杂的系统的 自学习与参数自调整模糊控制系统方面的研究，深受各国学者的重视。目前，已经将神经网络和模糊控制技术互相结合，取长补短，形成一种模糊神经网络 (Fuzzy-Neural Network)技术，由此组成更接近人脑的智能控制系统。 4、 PID 控制的原理及特点 在工程实际中，应用最为广泛的调节器控制规律为比例、积分、微分控制，简称 PID控制，又称 PID调节。 PID 控制器问世至今已有近 70年历史，它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握，或得不到精确 的数学模型时，控制理论的其它技术难以采用时，系统控制器的结构和参数必须依靠经验和现场调试来确定，这时应用 PID 控制技术最为方便。即当我们不完全了解一个系统和被控对象或不能通过有效的测量手段来获得系统参数时，最适合用PID控制技术。 PID控制，实际中也有 PI和 PD控制。 PID控制器就是根据系统的误差，利用比例、积分、微分计算出控制量进行控制的。 1）比例（ P）控制 比例控制是一种最简单的控制方式。其控制器的输出与输入误差信号成比例关系。当仅有比例控制时系统输出存在稳态误差（ Steady-state error）。 nts信息与电子工程系毕业设计（开题报告） 6 2）积分（ I）控制 在积分控制中，控制器的输出与输入误差信号的积分成正比关系。对一个自动控制系统，如果在进入稳态后存在稳态误差，则称这个控制系统是有稳态误差的或简称有差系统（ System with Steady-state Error）。为了消除稳态误差，在控制器中必须引入“积分项”。积分项对误差取决于时间的积分，随着时间的增加，积分项会增大。这样，即便误差很小，积分项也会随着时间的增加而加大，它推动控制器的输出增大使稳态误差进一步减小，直到等于零。因此，比例 +积分 (PI)控制 器，可以使系统在进入稳态后无稳态误差。 3）微分（ D）控制 在微分控制中，控制器的输出与输入误差信号的微分（即误差的变化率）成正比关系。 自动控制系统在克服误差的调节过程中可能会出现振荡甚至失稳。其原因是由于存在有较大惯性组件（环节）或有滞后 (delay)组件，具有抑制误差的作用，其变化总是落后于误差的变化。解决的办法是使抑制误差的作用的变化“超前”，即在误差接近零时，抑制误差的作用就应该是零。这就是说，在控制器中仅引入“比例”项往往是不够的，比例项的作用仅是放大误差的幅值，而目前需要增加的是“微 分项”，它能预测误差变化的趋势，这样，具有比例 +微分的控制器，就能够提前使抑制误差的控制作用等于零，甚至为负值，从而避免了被控量的严重超调。所以对有较大惯性或滞后的被控对象，比例 +微分 (PD)控制器能改善系统在调节过程中的动态特性。 nts信息与电子工程系毕业设计（开题报告） 7 三本课题需要重点研究的、关键的问题及解决的思路 本课题需要重点研究的、关键的问题是模糊控制器的基本原理及特点 和 单片机温
- 温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
川公网安备: 51019002004831号