智能控制调节器调节的设计及软件仿真.doc

学校代码： 10128学 号： 200810107037专业综合训练题 目： 智能控制调节器调节的设计及软件仿真学生姓名： 常伟学 院： 机械学院系 别： 测控系专 业： 测控技术与仪器班 级： 测控08-1指导教师： 徐永祥 徐 刚 二一二年一月四日内蒙古工业大学课程设计说明书摘要模糊控制器是一种仿人的智能控制器，适用于模型不确定的系统。其所采用的模糊控制规则是由模糊理论中模糊条件语句来描述的，因此模糊控制器是也一种语言型控制器，故也称为语言控制器。本设计简单的介绍了传统PID控制器参数的整定依据和整定方法，其最大特点是常常要面对有大滞后特性并且其控制参数随时间或工作状况而改变的非线性和高阶控制对象，而模糊控制器可大大的避免这些问题。本文是根据控制系统的控制要求及模糊控制器的设计原理，采用模糊控制理论，基于Matlab设计模糊控制器，并进行仿真的。本文立在通过本次设计证明模糊控制器较常规PID控制器具有更好的控制性能。关键词：模糊控制器；PID；Matlab；仿真目录第一章 引言1第二章 PID控制器的设计22.1 PID控制的基本原理22.2 PID控制器参数整定32.3 基于Matlab的仿真设计3第三章 模糊控制器的设计53.1 模糊控制器的原理与组成53.1.1 模糊接口53.1.2 知识库63.1.3 推理与解模糊接口63.2 基于Matlab的仿真设计63.2.1 设计模糊控制器的控制规则63.2.2 模糊控制器的设计步骤73.2.3 设计模糊控制器调节线路仿真图93.3 结论10参考文献11第一章 引言传统PID控制器以其结构简单、易于实现和强鲁棒性等特点在工业过程控制中的应用十分广泛。但是传统PID控制器的参数必须根据被控对象的数学模型来进行整定，而控制过程中常常要面对有大滞后特性并且其控制参数随时间或工作状况而改变的非线性、高阶控制对象，这时传统PID控制器就难以获得满意的控制效果。近年来，专家控制、模糊控制等智能控制技术发展相当迅速，受到了人的极大关注，这主要归结于模糊控制器的一些明显的特点1无需知道被控对象的数学模型。模糊控制是以人对被控系统的控制经验为依据而设计的控制器，故无需知道被控对象的数学模型。2是一种反映人类智慧思维的智能控制。模糊控制采用人类思维中的模糊量，如“高”、“中”、“低”、“大”、“小”等，控制量由模糊推理导出，这些模糊量和模糊推理是人类通常智能活动的体现。3易被人们所接受。模糊控制的核心是控制规则，模糊控制中的知识表示模糊规则和模糊推理是基于专家知识或熟练操作者的成熟经验。这些规则是以人类语言表示的。很明显这些规则易被一般人所接受和理解。如“衣服较脏，则投入较多的洗涤剂，洗涤时间较长”。4构造容易。用单片机等来构造模糊控制器，其结构与一般的数据字控制系统无异，模糊控制算法用软件实现也可以用专用模糊控制芯片直接构造控制器。5鲁棒性好。模糊控制系统无论被控对象是线性还是非线性的，都能执行有效控制，具有良好的鲁棒性和适应性。所以其理论上较常规PID控制器具有更好的控制性能。第二章 PID控制器的设计2.1 PID控制的基本原理受控对象在模拟控制系统中，控制器常用的控制规律是PID控制，PID控制系统原理框图如图2-1所示。比列作用积分作用微分作用 图2-1 PID控制系统原理框图PID控制是一种线性控制方法，它根据给定值和实际输出值构成控制偏差，即，对偏差进行比例、积分和微分运算，将三种运算结果相加，就得到PID可控制其输出，在连续时间域中，PID控制器算法的表达式如下：如果采样的时间T足够小，在第k个采样周期的误差的导数与积分可表示为：和 离散形式的PID控制器算法的表达式如下： 式中： 为比列系数； 为积分时间常数； 为微分时间常数。PID控制器各个校正环节的作用如下：比列环节：成比例的反应控制系统的偏差信号，偏差一产生，控制其立即产生作用，以减少偏差。积分环节：主要用于消除静差，提高系统的无差度，积分作用的强弱取决于积分时间常数，越大，积分作用越弱，反之，则越强。微分环节：反映偏差信号的变化趋势（变化速率），调节误差的微分输出，误差突变时，能及时控制，并能在偏差信号变得太大之前在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减少调节时间，通过组合三者的优势，就可以得到优化的控制性能。2.2 PID控制器参数整定ZieglerNichols整定法是一种基于频域设计PID控制器的方法。，它根据给定对象的瞬态响应特性来确定PID控制器的参数。首先通过实验获取控制对象单位阶跃响应，被控对象传递函数可近似为式中：L为延迟时间；K为放大系数；T为时间常数，根据表1-1确定、 和的值表2-1 ZieglerNichols法整定控制其参数控制类型比例度/%积分时间微分时间P0PI0.90PID1.22.20.52.3 基于Matlab的仿真设计对于被控对象为 ，测试信号为阶跃信号量15，滞后0.5s，在simulink中，把反馈线、微分器的输出线、积分器的输出线都断开，位置置为1，选定仿真时间，进行仿真，其仿真线路图如图2-2所示。图2-2 PID控制器仿真线路图经求得L=3.2,T=14.8,K=10根据表2-1，可知PID控制整定时 =0.12，积分时间常数=7.04,微分时间=1.6。仿真运行，得其仿真结果曲线图如图2-3所示。 图2-3 PID控制器仿真结果曲线图第三章 模糊控制器的设计3.1 模糊控制器的原理与组成模糊控制器也称为模糊逻辑控制器，由于采用的模糊控制规则是由模糊理论中模糊条件语句来描述的，因此模糊控制器是一种语言型控制器，故也称为语言控制器。它是有模糊化接口、知识库和推理与解模糊接口三部分组成，其基本原理框图如图3-1所示。数据库和规则库模糊化推理机精确化被控对象图3-1 模糊控制器基本原理框图3.1.1 模糊接口模糊控制器的输入必须通过模糊化才能用于控制输出的求解，因此它实际上是模糊控制器的输入接口，它的主要作用是将真实的确定量输入转换为一个模糊矢量，对于一个模糊变量，其对应的模糊子集分为：负大，负中，零，正小，正大对应于NB，NM，ZO，PS，PB负大，负中，负小，零，正小，正中，正大对应于NB，NM，NS，ZO，PS，PM，PB负大，负中，负小，零负，零正，正小，正中，正大对应于 NB，NM，NS，NZ，PZ，PS，PM，PB 3.1.2 知识库知识库是由数据库和规则库两部分组成。数据库：数据库所存放的是所有输入、输出变量的全部模糊子集的隶属的矢量值（即经过论域等级离散化以后对应值的集合），若论域为连续域则为隶属度函数。在规则推理的模糊关系方程求解过程，向推理机提供数据。规则库：模糊控制器的规则基于专家知识或手动操作人员长期积累的经验，它是按人的直觉推理的一种语言表达形式。模糊规则通常由一系列的关系词连接而成，如if-then、else、also、end、or等，关系词必须经过“翻译”才能将模糊规则数值化，最常用的关系词为if-then、also，对于多变量模糊控制系统还有and等，例如某模糊控制系统输入变量为误差和误差变化，它们对应的语言变量为和，可以给出一组模糊规则：R1：if is NB and is NB then u is PB;R2：if is NB and is NS then u is PM。规则库是用来存放全部模糊控制规则的，在推理时为“推理机”提供规则3.1.3 推理与解模糊接口推理是模糊控制器中根据输入模糊量，由模糊控制规则完成模糊推理来求解模糊关系方程，并获得模糊控制量的功能部分。推理结果的获得，表示模糊控制的规则推理功能已完成。但是至此所获得的结果仍是一个模糊矢量，不能直接用来作为控制量，还必须做一次转换，求得清晰的控制量输出，即为解模糊。通常把输出端具有转换功能的部分称为解模糊接口。3.2 基于Matlab的仿真设计3.2.1 设计模糊控制器的控制规则1选择描述输入和输出变量的语言变量（模糊变量）。根据精确程度和控制要求同样选择7个等级较合适，即负大，负中，负小，零，正小，正中，正大，用相应的英文词头缩写表示为NB，NM，NS，ZO，PS，PM，PB。2模糊变量的模糊子集的制定。偏差的变化是-0.1 +0.1,模糊量取为负大，负中，负小，零，正小，正中，正大。将模糊语言变量量化到整数论域为-3,-2,-1,0,1,2,3,量化因子。偏差变化率进行来年规划处理，选其范围为-0.06 +0.06，因此它的模糊量取7个：负大，负中，负小，零，正小，正中，正大。量化到整数论域为-3,-2,-1,0,1,2,3,量化因子。输出量的变化范围为-0.5 +0.5，模糊量取7个：负大，负中，负小，零，正小，正中，正大。量化到整数论域为-3,-2,-1,0,1,2,3,量化因子。3建立模糊控制规则。其控制规则表如表3-1所示。表3-1 模糊规则控制和表NBNMNSZOPSPMPBNBNBNBNBNBNMZOZONMNBNBNMNBNMZOZONSNMNMNMNMZONSNSZONMNMNSZOPSPMPMPSNSNSZOPMPMPMPMPMZOZOPMPBPBPBPBPBZOZOPMPBPBPBPB3.2.2 模糊控制器的设计步骤1打开MATLAB软件，进入界面，输入“fuzzy”指令，弹出模糊控制器建立界面，如图3-2所示。图3-2 图3-32打开菜单“Edit”中的“Add Variable”，可以添加输入输出。3点击“input”，进入如图3-3界面，输入模糊输入变量的隶属函数。4点击“output”，进入如下界面图3-4，输入输出控制量的隶属函数。图3-4 图3-55点击“untiled”，图3-5输入模糊规则。6以上输入完成后，点击“View”，分别选择“Rule”、“Surface”，显示规则图图3-6和表面图图3-7。图3-6 图3-77保存建立的模糊控制器。3.2.3 设计模糊控制器调节线路仿真图对于被控对象为 ，测试信号为阶跃信号量15，滞后0.5s，在simulink中设计的仿真线路图如图3-8所示。图3-8 模糊控制器调节线路仿真图经调试后量化因子，比例因子时，其仿真结果曲线图如图3-9所示。通过调试发现量化因子、的大小对系统动态性能的影响很大。其中当的取值较大时，系统就会出现较大的超调量，较长的过渡时间；当的取值较大时，系统的超调量会减小，但系统的响应速度变慢。而量化因子的大小会影响输入变量的误差和误差变化的加权程度，所以它们之间是相互影响的。比例因子的大小也影响着模糊控制系统的特性，取值较小时会使的系统的动态响应过程变长，而取值较大时会导致系统出现振荡。输出比例因子作为模糊控制器的总增益，它的大小会影响控制器的输出结果。因此在调试过程中通常采用改变量化因子和比例因子来调整整个控制过程的，以达到满意的控制效果。图3-9 模糊控制器的仿真结果曲线图3.2 结论据比较PID控制器与模糊控制器的仿真结果曲线图，可知PID调节有一定的超调量，而模糊控制器可以将超调量大大的减小，甚至调为零，但其又少量余差。这在