智能控制技术实验报告

1、智能控制技术实验报告书学院:专业:学号:姓名:实验一：模糊控制与传统PID控制的性能比较一、实验目的通过本实验的学习，使学生了解传统PID控制、模糊控制等基本知识，掌握 传统PID控制器设计、模糊控制器设计等知识，训练学生设计控制器的能力，培 养他们利用MATLA进行仿真的技能，为今后继续模糊控制理论研究以及控制仿 真等学习奠定基础。二、实验内容本实验主要是设计一个典型环节的传统PID控制器以及模糊控制器，并对他们的控制性能进行比较。主要涉及自控原理、计算机仿真、智能控制、模糊控制 等知识。通常的工业过程可以等效成二阶系统加上一些典型的非线性环节，如死区、饱和、纯延迟等。这里，我们假设系统为：

2、H（s）=20e0.02V（1.6s 2+4.4s+1）控制执行机构具有0.07的死区和0.7的饱和区，取样时间间隔 T=0.01。 设计系统的模糊控制，并与传统的PID控制的性能进行比较。三、实验原理、方法和手段1. 实验原理：1）对典型二阶环节，根据传统 PID控制，设计PID控制器，选择合适的PID 控制器参数kp、ki、kd ；2）根据模糊控制规则，编写模糊控制器。2. 实验方法和手段：1）在PID控制仿真中，经过仔细选择，我们取 kp=5，ki =0.1，kd=0.001 ；2）在模糊控制仿真中，我们取 ke=60，ki=0.01，kd=2.5，ku=0.8 ;3）模糊控制器的输出为

3、：u= kuXfuzzy（k eX e, k dX e ） ki x/ edt其中积分项用于消除控制系统的稳态误差。4）模糊控制规则如表1-1所示：在MATLAB!序中，Nd用于表示系统的纯延迟（Nd=td/T） ,umin用于表示控 制的死区电平，umax用于表示饱和电平。当 Nd=0时，表示系统不存在纯延迟。5）根据上述给定内容，编写PID控制器、模糊控制器的MATLA仿真程序， 并记录仿真结果，对结果进行分析。表1-1 FC 的模糊推理规则表ANBNSZRPSPBNBPBPBPSPSZRNSPBPSPSZRZRZRPSPSZRZRNSPSPSZRZRNSNSPBZRZRNSNSNB四、实

4、验组织运行要求根据本实验的综合性、设计性特点以及要求学生自主设计MATLA仿真程序的要求以及我们实验室的具体实验条件，本实验采用以学生自主训练为主的开放 模式组织教学。五、实验条件1. 装有MATLAB6.5I勺计算机；2. 智能控制技术教材；3. 模糊控制教材；4. 智能控制技术实验指导书。六、实验步骤1. 学生熟悉实验内容，并根据实验内容、实验要求，查阅、学习相关知识；2. 设计典型二阶环节的PID控制器以及模糊控制器；3. 编写MATLA仿真程序4. 上机调试程序，修改程序修改控制器的参数等；5. 对实验程序仿真，并记录仿真结果；6. 对实验结果进行分析，书写实验报告书。七、实验程序nu

5、m=20;den=1.6,4.4,1;a1,b,c,d=tf2ss( num,de n);%将传递函数转化为状态模型x=0；0；T=0.01;h=T; %Tumin=0.07;umax=0.7;td=0.02;Nd=td/T; %NdN=500;R=1.5* on es(1,N);% e=0; de=0;ie=0;kp=5;ki=0.1;kd=0.001; %for k=1:Nuu1(1,k)= -(kp*e+ki*ie+kd*de);% if k=Nd %纯延迟u=0;elseu=uu1(1,k-Nd);endif abs(u)umaxu=sig n( u)*umax;end%龙格-库塔算法

6、求对象的输出k1=a1*x+b*u;k2=a1*(x+h*k1/2)+b*u;k3=a1*(x+h*k2/2)+b*u;k4=a1*(x+h*k3)+b*u; x=x+(k1+2*k2+2*k3+k4)*h/6; y=c*x+d*u;%计算误差.微分和积分 e1=e;e=y(1,1)-R(1,k);de=(e-e1)/T;ie=e*T+ie;yy1(1,k)=y;e nd;kk=1:N*T;figure(1);plot(kk,yy1);a=n ewfis(simple);%建立模糊推理系统增加第一个输入变量ea=addvar(a,i nput,e,-6 6);%添加隶属函数添加隶属函数a=ad

7、dmf(a,i nput,1,NB,trapmf,-6 -6 -5 -3);% a=addmf(a,i nput,1,NS,trapmf,-5 -3 -2 0);a=addmf(a,i nput,1,ZR,trimf,-2 0 2);a=addmf(a,i nput,1,PS,trapmf,0 2 3 5);a=addmf(a,i nput,1,PB,trapmf,3 5 6 6);增加第二个输入变量ea=addvar(a, in put,de,-6 6);% a=addmf(a,i nput,2,NB,trapmf,-6 -6 -5 -3); % a=addmf(a,i nput,2,NS,

8、trapmf,-5 -3 -2 0);a=addmf(a,i nput,2,ZR,trimf,-2 0 2);a=addmf(a,i nput,2,卩S,trapmf,0 2 3 5);a=addmf(a,i nput,2,卩B,trapmf,3 5 6 6);a=addvar(a,output,u,-3 3);%添加输出变量 ua=addmf(a,output,1,NB,trapmf,-3 -3 -2 -1);%添加隶属函数a=addmf(a,output,1,NS,trimf,-2 -1 0);a=addmf(a,output,1,ZR,trimf,-1 0 1);a=addmf(a,ou

9、tput,1,PS,trimf,0 1 2); a=addmf(a,output,1,PB,trapmf,1 2 3 3);%建立模糊规则矩阵rr=5 5 4 4 3;5 4 4 3 3;4 4 3 3 2;4 3 3 2 2;3 3 2 2 1;r1=zeros(prod(size(rr),3);% 得到一个 25X3 的 0 阶矩阵k=1;for i=1:size(rr,1)for j=1:size(rr,2)r1(k,:)= i,j,rr(i,j);k=k+1;endend r,s=size(r1);r2=on es(r,2);rulelsit=r1,r2;为25X(2+1+2)矩阵,每

10、一行代表一个规则行的前2列为输入，接着一列为输出a=addrule(a,rulelsit);%rulelist 某一%最后两列为控制所有均%e=O;de=O;ie=O;x=0;0;ke=60;kd=2.5;ku=0.8;% 定义 e de u 的量化因子for k=1:Ne1=ke*e;de1= kd*de;if e1=6e仁6;elseif e1=6de 1=6;elseif de1-6de1=-6;endin=e1 de1;uu(1,k)=ku*evalfis(i n,a);if k=Ndu=0;elseu=uu(1,k-Nd);endif abs(u)umaxu=sig n( u)*um

11、ax;end%龙格-库塔算法求对象的输出k1= a1*x+b*u;k2=a1*(x+h*k1/2)+b*u;k3=a1*(x+h*k2/2)+b*u; k4=a1*(x+h*k3)+b*u;x=x+(k1+2*k2+2*k3+k4)*h/6; y=c*x+d*u;e仁e;e=y-R(1,k);de=(e-e1)/T;ie=ie+e*T;yy(1,k)=y;end%绘制结果曲线kk=1:N*T;figure(1); plot(kk,R,k,kk,yy,r,kk,yy1,b); xlabel(时间(0.01 秒); ylabel(输出);gtext（模糊控制）; gtext（PID 控制）;%e

12、nd八、实验结果九、思考题1. 模糊控制器的控制性能是否一定优于传统 PID控制器？不一定，若要求反应速度那么可以选择模糊控制方式。若要求控制精度高则可以 选择pid方式2. 如果选用模糊控制工具箱，如何进行设计、仿真？答：在matlab的主窗口中输入fuzzy即可调出模糊工具箱界面，退出界面的时 候会提示保存，保存格式为fis，如果我们将文件保存为njust.fis，那么下次使用这个文件的时候在主窗口中输入fuzzy njust 即可。模糊控制器的建立过程如下：（1）设定误差E、误差变化率EC和控制量U的论 域为，一般为-6 6。（2）设定E、EC U的模糊集。一般可设为NB、NM NS Z

13、O PS PM PB（3 ）设定隶属度函数。有高斯型隶属度函数、三角型隶属度 函数等。（4）设定模糊控制规则。常用的模糊控制规则如图 1所示，当然可以 根据特定的控制对象和要求进行相应的调整。*NM5ISPbSB、已dnwIIIw制MiZiZTfNilMlP5pyZ0aNiFM呼1/a-Hl怦冋阳710u(k)=10;endif u(k)-10u(k)=-10;enderror_2=error_1;error_1=error(k);u_7=u_6;u_6=u_5;u_5=u_4;u_4=u_3; u_3=u_2; u_2=u_1; u_1=u (k);wkp_1=wkp(k);wkd_1=wk

14、d(k);wki_1=wki(k);y_2=y_1;y_ 仁 yout(k); endfigure(1);plot(time, rin, r,time,yout,b); xlabel(time(s);ylabel(ri n,yout);figure(2);plot (time, u, r);xlabel( time(s) ;ylabel( u);figure);subplot (311);plot (time, wkp, r);xlabel ( time(s) ;ylabel( wkp);subplot(312);plot (time, wki, r);xlabel ( time (s) );ylabel (wki);subplot (313);plot (time, wkd, r);xlab