模糊控制期末作业

1、机械工程学院20152015学年第二学期2014级研究生模糊控制试题姓名 王浦舟 成绩 一、综述模糊控制技术的发展概况和发展趋势（从任何一个方面论述均可）。（10分）答：模糊控制技术的发展概况：模糊控制系统已经应用于各个行业和各类实际应用中，同时也出现广不少开发模糊控制系统的软件工具，甚至应用于社会科学领域。模糊控制在各种过程控制中都有应用，工业炉方面，退火炉、电弧炉、水泥窑、热风炉、煤粉炉一般采用模糊控制；石化方面，蒸馏塔、废水pH值、污水处理等也采用计算机进行模糊控制；煤矿行业，选矿破晬过程、煤矿供水等也是进行模糊控制。模糊控制的控制系统的优点有：模糊控制是一种基于规则的控制，在设计中不需

2、要建立被控对象的精确数学模型，对于具有一定操作经验而非控制专业的工作者，模湖控制方法易于掌握，系统机观和策略易于接受与理解，设计简单，便于应用。模糊控制座接采用语言型控制规则，在工业过程从定性认识出发，比较容易建立语言控制规 则，而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化显著的对象非常适用。模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，允其适合于非 线性、时变及纯滞后系统的控制。基于模型的控制箅法及系统设计方法，由于出发点和性能指标的不同、容易导致较大差异，但一个系统的语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，采用模糊控

3、制设计的系统动态响应品质优于常规的P1D控制，并且过程参数的变化具奋较强的适应性。模糊控制算法是基于启发性的知识及语言决策规则设计的，这使得操作人员易于通过人的自然语言进行人机界面联系，这些模糊条件语言很容易加入到过程控制环节上。通过模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。模糊控制的缺点有：信息简单的模糊处理将导致系统的控制精度降低和动态品质变差。模糊控制的设计尚缺乏系统性，这对复杂系统的控制是难以奏效的。获得模糊规则及隶属函数的方法即为系统的设计办法，在目前完全凭经验进行。糊控制理论需解决的问题主要是尽管模糊控制理论已经取得了可观的进展，但与常规控制理论相比

4、仍不成熟。模糊模控制系统的分析和设计尚未建立起有效的方法，在很多场合下仍然需要依靠经验和试凑。另方面，常规模糊控制需要不断改进稳态控制情度和提高智能水平与适应能力。从大量文献中可以看出，在实际应用中往住是将模糊控制或模糊推理的思想.与其他相对成熟的控制理论或方法结合起来，发挥各自的长处，从而获得押想的控制效果。模糊控制与神经网络相结合的方法已成为研究的热点， 二者的结合有效地推动了自学习模糊控制的发展。二、设电炉温度设定值为3000度，温度误差的控制精度为4，误差的论域为-6 +6，误差的模糊集合的量化等级为= -6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6；误差变化率的控制精

5、度为5，误差变化率的论域取-5，5，误差变化率的模糊集合的量化等级为= -5，-4，-3，-2，-1，0，1，2，3，4,5，控制量的实际控制范围为010mA，控制量的基本论域为0 +10，控制量的模糊集合的量化等级为= 0，1，2，3，4，5，6，7，8， 9，10，采用模糊控制（FC）。完成1）计算三个量化因子、？2）计算三个量化值、和？（15分）解：根据题意，误差的论域范围为，=-6,6,误差的实际调整范围为3000*5，即，=-15,15；误差变化率的论域范围为，=-5,5,误差变化率的实际控制精度为5，即，=-5,5；控制量u*的实际控制范围为，=0,10，基本论域为，=0,10。所

6、以：1)量化因子： 2) 量化值:三、已知双输入单输出模糊系统，其输入量为和，输出量为，设模糊子集=、=、=，其输入输出关系可用如下两条模糊规则描述：（15分）：if 是 and 是，then 是现已知输入为：是 and 是，求输出量的模糊集合.=，=，=，=要求：用手工计算，并编程进行验算。（编程语言任意选取）。1、计算部分：解：(1) 计算模糊关系：(a) 计算与的笛卡尔积：=(b) 将写成列向量： (c) 由和计算模糊关系： (2) 基于模糊合成规则，求:(a) 计算与的笛卡尔积： (b) 将写成列向量： (c) 由和模糊关系计算出输出模糊集合： 即，。2、编程部分（MATLAB）：a=

7、0.9;0.5;0.2;b=0.7 0.6 0.3;c=0.8 0.4 0.1;a2=0.6;0.4;0.3;b2=0.6 0.8 0.6;m=size(a,1);n=size(b,2);for i=1:n for j=1:m ab(i,j)=min(a(i,:);b(:,j); endendz=ab;e=z(:);t=size(e,1);s=size(c,2);for i=1:t for j=1:s k(i,j)=min(e(i,:);c(:,j); endendm=size(a2,1);n=size(b2,2);for i=1:n for j=1:m a2b2(i,j)=min(a2(i,

8、:);b2(:,j); endendh=a2b2;x=h(:);y=x;p=size(k,2); for j=1:p f(1,j)=max(min(y(1,:);k(:,j); end i=f验证结果：四、利用模糊逻辑工具箱的图形用户界面GUI建立模糊推理系统FIS。考虑两个输入、一个输出的模糊推理问题。要求：（1）模糊推理对象自己设定（不能用上课讲解的推理对象），所有模糊语言变量、论域、隶属度函数及其模糊控制规则自己定义，模糊推理方法和解模糊方法自己选择。（2）整个设计过程采用截图方式进行叙述，并有相关的仿真结果。（30分）例如（课堂例子）：饭店用餐后，根据侍者的服务和菜肴好坏，付给小费。用

9、010分表示服务质量，服务的模糊语言有差、好、很好；用010分表示菜肴质量，菜肴的模糊语言有差、好；付给小费020元，小费的模糊语言有低、中等、高；有三条模糊规则：（1）if 服务差 or 菜肴差 then 小费低（2）if 服务好 then 小费中等（3）if 服务很好 or 菜肴好 then 小费高解：（1）假定某工厂根据机器工作的发热程度（X）和实时气温等级（Y）来控制降温装置的降温程度（Z），以保持机器在正常温度范围就行工作。用010表示发热程度，发热程度的模糊语言有正常（ZO），大（PS），很大（PB）；用010表示室温等级，温度等级的模糊语言变量有低（NS），正常（ZO），高（PS

10、）；降温等级用05表示，模糊语言有正常（ZO），低温（PS），超低温（PB）。模糊规则为：a) if (X=ZO) and (Y=NS) then (Z=ZO);b) if (X=ZO) and (Y=ZO)then (Z=ZO);c) if (X=ZO) and (Y=PS)then (Z=PS);d) if (X=PS) and (Y=NS) then (Z=ZO);e) if (X=PS) and (Y=ZO)then (Z=PS);f) if (X=PS) and (Y=PS)then (Z=PB);g) if (X=PB) and (Y=NS)then (Z=PS);h) if (X

11、=PB) and (Y=ZO)then (Z=PB);i) if (X=PB) and (Y=PS) then (Z=PB)。（2）建立模糊推理系统FIS：a 在MATLAB中输入fuzzy，弹出FIS编辑器：b 增加一个输入，并将input1和input2的名称分别改为“X”和“Y”，将outpu的名称改为“Z”:（3）确定隶属度函数：a.发热程度X的隶属度函数：发热程度X的论域改为0,10,将“mf1、mf2、mf3”分别改为“ZO、PS、PB”，均采用三角形隶属度函数，各模糊语言的隶属度如下图：b.室温等级Y的隶属度函数：发热程度Y的论域改为0,10,将“mf1、mf2、mf3”分别改为

12、“NS、ZO、PS”，均采用三角形隶属度函数，各模糊语言的隶属度如下图：c.降温等级Z的隶属度函数：发热程度X的论域改为0,5,将“mf1、mf2、mf3”分别改为“ZO、PS、PB”，均采用三角形隶属度函数，各模糊语言的隶属度如下图：（4）建立模糊推理规则（5）启动规则观察器（6）启动曲面观察器五、利用MATLAB的函数编程方法建立FIS，控制对象为二阶系统：设系统参考输入为=1，初步给定三个量化因子为，（其中、两个量化因子在仿真设计过程可以取不同的值，自己调定，使输出响应特性更好），误差、误差变化率和输出控制量的论域、模糊语言及其隶属度函数自己定义，设计模糊控制器，采用四阶龙格库塔法计算系

13、统输出，使系统输出跟随系统输入，并绘制模糊控制输出跟踪输入的曲线，要求计算步长为0.02，计算时间为10秒。（30分）解:MATLAB程序:clcclearnum=20;den=1.6,4.5,1;a,b,c,d=tf2ss(num,den);x=0;0;T=0.02;h=T;N=500;R=1*ones(1,N);w1=newfis(ff)w1=addvar(w1,input,e,-6,6);w1=addmf(w1,input,1,NB,trapmf,-6,-6,-5,-3);w1=addmf(w1,input,1,NS,trapmf,-5,-3,-2,0);w1=addmf(w1,inpu

14、t,1,ZR,trimf,-2,0,2);w1=addmf(w1,input,1,PS,trapmf,0,2,3,5);w1=addmf(w1,input,1,PB,trapmf,3,5,6,6);w1=addvar(w1,input,ec,-6,6)w1=addmf(w1,input,2,NB,trapmf,-6,-6,-5,-3);w1=addmf(w1,input,2,NS,trapmf,-5,-3,-2,0);w1=addmf(w1,input,2,ZR,trimf,-2,0,2);w1=addmf(w1,input,2,PS,trapmf,0,2,3,5);w1=addmf(w1,i

15、nput,2,PB,trapmf,3,5,6,6);w1=addvar(w1,output,u,-3,3);w1=addmf(w1,output,1,NB,trapmf,-3,-3,-3,-2);w1=addmf(w1,output,1,NS,trimf,-2,-1,0);w1=addmf(w1,output,1,ZR,trimf,-1,0,1);w1=addmf(w1,output,1,PS,trimf,0,1,2);w1=addmf(w1,output,1,PB,trapmf,2,3,3,3); rr=1 1 5 1 1 1 2 5 1 1 1 3 4 1 1 1 4 4 1 1 1 5

16、3 1 1 2 1 5 1 1 2 2 5 1 1 2 3 4 1 1 2 4 3 1 1 2 5 3 1 1 3 1 4 1 1 3 2 4 1 1 3 3 3 1 1 3 4 3 1 1 3 5 2 1 1 4 1 4 1 1 4 2 3 1 1 4 3 3 1 1 4 4 2 1 1 4 5 2 1 1 5 1 3 1 1 5 2 3 1 1 5 3 2 1 1 5 4 2 1 1 5 5 1 1 1;w1=addrule(w1,rr);e=0;ec=0;ke=25;kec=20;ku=1;for k=1:N e1=ke*e; ec=kec*ec; if e1=6 e1=6 elseif e1=6 ec=6; elseif ec=-6 ec=-6; end in=e ec; u=ku*evalfis(in,w1); k0=a*x+b*u; k1=a*(x+h*k0/2)+b*u; k2=a*(x+h*k1/2)+b*u; k3=