风电机组控制与优化运行 风力发电系统的转速和功率控制(课件)

1、风电机组控制与优化运行长沙理工大学 能源与动力工程学院第3章 风力发电机组的转速、 转矩和功率控制第3章 风力发电机组的转速、 转矩和功率控制风力发电机组转速、转矩和功率控制根本原理模糊控制根底风力发电机组模糊控制系统风力发电机组的其它控制方法3.1 风力发电机组转速、转矩 和功率控制根本原理 在大型风电机组控制系统中，其转速、转矩和功率控制系统最为重要，也最为复杂。因为该系统几乎涉及到风力发电系统中的所有重要部件如风力机、传动系统、发电机、变流器、桨距伺服系统等等。3.1.1 风力发电机组的调节方式 风力发电机组的调节方式是围绕着如何控制风力机接近风速模型的理想功率曲线运行。在不同的运行区域

2、，其调节手段不同：定速/变速和定桨/变桨都是常见的方法。故调节方式可分成四类： 定速定桨距调节 定速变桨距调节 变速定桨距调节 变速变桨距调节3.1.1 风力发电机组的调节方式定速定桨距调节方式的主要特点是：桨叶和轮毂的连接是固定的，其桨距角固定不变；将FSIG直接接到电网上，发电机的转速由电网频率确定，风能转换系统在固定速度下运行；控制简单，本钱低；在额定风速以下运行区域内，由于电机转速恒定，不能到达功率的最大获取，捕获能力低于理想的功率曲线；在额定风速以上运行区域内，其功率调节能力弱，功率不稳定，电压波动也大，电能质量不好。鉴于这些缺点，该类型的风力发电机正逐渐淘汰，取而代之的是更先进调节

3、方式的风力发电机。一、 定速定桨距调节方式3.1.1 风力发电机组的调节方式 安装在轮毂上的叶片，可以通过桨距伺服系统改变其桨距角的大小。其优点是桨叶受力较小，桨叶可以做的比较轻巧。 当风速在额定风速以上时，通过改变桨距角的控制，从而改变作用在风轮上的气动扭矩，使功率保持在恒定值。 当风速在额定风速以下时，恒定转速运行使得转换效率不能优化，即一种非优化的稳态能量获取，且结构比较复杂，故障率较高，发电品质较差。二、 定速变桨距调节方式3.1.1 风力发电机组的调节方式 发电机的转速可以随风速而变化，在风力发电系统中应用较普遍，特别适合低风速下运行。 在风速低于额定风速时表达在能量的捕获能力提高，

4、机械振荡减小，电能的质量也有所改善。 在风速高于额定风速时，采用变速被动失速控制方式和变速辅助失速控制两种根本操作方式，可能会引起瞬间载荷增大和电压起伏，发电品质还有待提高。三、 变速定桨距调节方式3.1.1 风力发电机组的调节方式 变速变桨距控制结合了变速定桨控制和定速变桨距控制的优点，风电机组的发电品质相对采用其它几种调节方式的风电机组发电品质更高、更好，是目前国际流行的控制方式。 当风速低于额定风速时，以变速模式运行，风能捕获效率高于采用失速控制的风电机组，具有优化的气动特性； 当风速高于额定风速时，采用变桨距调节，通过桨距角的改变，改变作用在风轮上的气动转矩，使功率保持在恒定值。四、

5、变速变桨距调节方式3.1.1 风力发电机组的调节方式 变速变桨距风能转换系统的主要特点是： 与定桨距相比，具有在额定风速以上输出功率平稳。 在额定点具有较高的功率系数。 桨距角是由发电机输出功率的反响信号跟踪额定功率来确定的，不受气流密度的影响。 在额定风速以下时，桨叶节距可以调整到适宜的角度，使风轮具有更大的起动力矩；当需要脱离电网时，可以调整叶片桨距角使功率逐渐减小到零，减小了发电机与电网断开时对电网的冲击。 低风速时能根据风速变化，调整发电机运行工作点，保持最正确叶尖速比以捕获最大风能。 高风速时利用风轮转速的变化，储存或释放局部能量，提高传动系统的柔性，使功率输出更加平稳。四、 变速变

6、桨距调节方式3.1.2 风力发电机组的运行区域vinvNvout风速vPN最优功率P0ABDECv1转速桨距角Nmin900 区域A： vvin 风速低于切入风速，风能太小，不能带动风机转动或虽能带动风机旋转，但发电量太少，缺乏以补偿风机运行本钱，故不能发电。 区域B： vinvv1 桨距角保持不变，控制发电机转速，使转速跟随风速而变化，保持恒定叶尖速比，以寻求最大风能捕获。该区域也称为恒CPmax工作区或最大风能捕获区。3.1.2 风力发电机组的运行区域vinvNvout风速vPN最优功率P0ABDECv1转速桨距角Nmin900 区域C： v1vvN 风速到达v1时，风力机转速已升至额定转

7、速，受旋转部件机械强度的限制，转速须保持额定转速不变，故该区域也称为转速恒定区。叶尖速比随风速增加而减小，但功率仍随着风速的提高而增大。 区域D： vNvvout 风速高于切出风速，调整节距角至90，叶片不再捕获风能，转速也下降到0。为防止强风损坏风力机，风力机将被锁定并进入停机模式。 3.1.3 风力发电机组在各运行区域的控制策略一、最大风能捕获区控制策略3.1.3 风力发电机组在各运行区域的控制策略不同风速下风力机捕获的功率(转矩)-转速特性曲线MATLAB仿真代码：colors=c,b,g,m,r;R=35;B=0;i=1;Pmax= ;ind= ;Wt=0:0.4:50*(2*pi/6

8、0);for v=4:2:12lambda=Wt*R/v;lambda1=1./(1./(lambda+0.08*B)-0.035./(B.3+1);Cp=0.5176*(116./lambda1-0.4*B-5).*exp(-21./lambda1)+0.0068*lambda;figure(5)P=1/2*1.225*pi*R2*v.3*Cp;Pmax(i) ind(i)=max(P);plot(Wt,P/1e6,colors(i),LineWidth,2);title(Power (MW)legend(v=4,v=6,v=8,v=10,v=12,MaxPower,Location,Nor

9、thWest)axis(0,5,0,2)ylabel(Power (MW)xlabel(Rotor Speed (rad/s)3.1.3 风力发电机组在各运行区域的控制策略不同风速下风力机捕获的功率(转矩)-转速特性曲线MATLAB仿真代码(续)：hold ongrid on figure(6)T=P./(Wt);plot(Wt,T,colors(i),LineWidth,2);title(Torque (Nm)legend(v=4,v=6,v=8,v=10,v=12,Location,NorthWest)axis(0,5,0,80*104)ylabel(Torque (N*m)xlabel(

10、Rotor Speed (rad/s)grid onhold oni=i+1;endfigure(5)hold onplot(ind+1)/25,Pmax/1e6,k-o,LineWidth,2)legend(v=4,v=6,v=8,v=10,v=12,MaxPower,Location,NorthWest) 在同一风速下，不同的转速会使风力机输出不同的功率。 有一个最正确的转速，风力机运行于最正确转速时，就会到达最正确叶尖速比，从而捕获最大的风能，输出最大功率。一、最大风能捕获区控制策略 连接不同风速下与最正确转速对应的最大功率点Maximum Power Point,MPP就可形成一条最正

11、确功率曲线即图中的MaxPower曲线。 最大功率、最大转矩与发电机转速有如下关系： 一、最大风能捕获区控制策略式中，g为发电机旋转角速度；R为叶轮半径；n为齿轮箱传动比；Kopt为转矩的最正确控制系数， 。 风力机的机械功率、转矩和转速之间的关系，可用于确定最正确转速或转矩，并可据此实现发电机的控制和最大功率运行。 为了实现最大功率点跟踪Maximum Power Point Tracking, MPPT,人们研究了多种有效的控制方案，如：最正确叶尖速比法、功率信号反响法、爬山搜索法、最大功率小信号扰动法、三点比较法、实时追踪最大风能法等等。 这里主要介绍两种：最正确叶尖速比法和功率信号反响

12、法。一、最大风能捕获区控制策略 最正确叶尖速比法控制器风能转换系统R除法器功率转速风速vopt- 最正确叶尖速比法要求先找到叶尖速比的最正确值。通过检测装置测量得到风速和发电机转速，经计算得到实际叶尖速比，如果其值不等于最正确值，那么通过发电机子控制系统产生用于变流器的控制信号，改变发电机功率进而调整发电机转速，使实际的叶尖速比等于最正确叶尖速比，从而获得最大风能。是一种直接转速控制方法，控制目标明确、原理简单。 但由于风轮叶片迎风扫掠面积很大，各点风速均不同，使得风场中风速的准确测量较为困难，存在很多实际技术问题，而风速检测的误差更会降低最大风能追踪的效果。另外，不同的风力机系统其最正确叶尖

13、速比值也是不同的，控制算法不可通用。因此该控制方法在实际工程上很少采用。 一、最大风能捕获区控制策略 最正确叶尖速比法 这种控制方式不以转速控制为目标，而是以风力机运行于最正确的功率曲线为直接的目标。在整个运行过程中，不断检测风电机组的转速，由此计算得到该转速下的最正确功率Popt，以Popt作为风电机组控制系统的有功功率指令，控制的最终结果是获得了最正确转速和最正确叶尖速比。 一、最大风能捕获区控制策略 功率信号反响法控制器风能转换系统最大功率曲线Popt电磁功率反馈转速风速PoptPem-一、最大风能捕获区控制策略 功率信号反响法ABCPAPBPCPoptPmechAC0v2v3v1DE一

14、、最大风能捕获区控制策略 功率信号反响法 设在某一时刻的风速为v2，风力机运行于该风速下的最正确功率点A，此时风力机所获得的机械功率及发电机的电磁功率均为PA不考虑阻力矩，风力机转速为A。 当风速由v2突然增加到v3时，由于风电机组的转动惯量很大，故机组转速仍会暂时维持为A不突变，但风力机获得的机械功率已由PA突变到PB，但发动机的电磁功率仍为PA，这个功率差会使机组转速上升。 在转速上升的过程中，风力机输出的机械功率沿着v3曲线由B点向C点移动，而发电机的电磁功率那么沿着Popt曲线由A点向C点移动。随着转速的上升，功率差值越来越小，到达C点后功率差为0，二者重新到达平衡，风电机组稳定运行于

15、C点风速v3下的最正确功率点，该工作点所对应的转速为C，功率为PC。 3.1.3 风力发电机组在各运行区域的控制策略二、恒转速区控制策略 如果一直保持CPmax(或opt)恒定，随着风速的增加，风电机组即使没有到达额定功率，但其转速最终将到达其转速极限。为了保证风电机组的平安运行，不再进行最大风能捕获控制，而是进入恒转速控制方式。在这个区域，随着风速的增大，风电机组的转速保持恒定，风力机在较小的区工作，但功率在到达额定功率之前一直在增大，控制系统按转速控制方式工作。 3.1.3 风力发电机组在各运行区域的控制策略二、恒转速区控制策略1时，H称为集中化算子；当1时，H称为松散化算子。语气算子H只

16、对模糊概念有作用，对清晰概念将不起作用。各类前缀词所对应的见下表：集中化算子松散化算子极4.00比较0.75很、非常2.00略、有点0.50相当1.25稍微0.25(二 模糊语句 模糊直言语句 模糊直言语句的句型为“A是A1，其中A是对象的名称，A1是论域U的一个模糊子集。 例如“A是非常小便是一个模糊直言语句。其中，模糊子集“非常小可由论域U=1,2,3,4,5上的模糊子集求得：假设定义：那么有：(二 模糊语句 模糊条件语句 设计模糊控制算法时，常遇到的模糊条件语句的句型有： “假设A那么B，简记为“if A then B 例如，对于加热炉的炉温控制来说，该句型与“假设温度偏低，那么增加燃料

17、量的控制策略相对应。其中，A和B为不同论域上的模糊集合。 “假设A那么B否那么C，简记为“if A then B else C 这对应于“假设温度偏低，那么增加燃料量，否那么减少燃料量的炉温控制策略。其中B与C隶属同一论域，而A的论域与B、C的不同。 “假设A且B那么C，简记为“if A and B then C 例如，“假设温度偏低，且温度具有继续下降的趋势，即温度量的导数为负，那么大增燃料量便属于这种类型的模糊条件语句。其中，模糊集合A、B和C分属三个不同论域。(三) 模糊推理系统(Fuzzy Inference System ,FIS) 常规的逻辑推理方法如演绎推理、归纳推理等都是严格的

18、。用传统二值逻辑进行推理时，只要推理规那么是正确的，小前提是肯定的，那么就一定会得到确定的结论。 但在自动控制系统中，人的控制经验规那么常常是用模糊概念来表示的。例如，驾驶经验规那么是“假设位置偏离越大，那么调整角度越大，现在位置偏离1米，那么调整角度应该为多少？ 对这样一类问题利用传统二值逻辑是无法得到结果的，而人的思维却能够对其进行推理和判断。 模糊推理是不确定性推理方法的一种，其根底是模糊逻辑，它是在二值逻辑三段论的根底上开展起来的，可以解决自动控制中应用模糊规那么的问题。(三) 模糊推理系统(Fuzzy Inference System ,FIS) 模糊推理系统的模糊推理方法主要有Ma

19、mdani推理、Takagi-Sugeno推理、Zadeh推理等。 Mamdani模糊推理是英国曼丹尼E. H. Mamdani博士在1974年提出，并成功应用于模糊控制系统，是最常用的模糊推理方法之一。Mamdani推理通常也被称为传统模糊推理方法，相应的控制器也被称为传统的模糊控制器。 而Takagi-Sugeno推理也简称T-S模糊推理，是由日本学者Takagi和Sugeno在1985年首先提出来的。 以下主要介绍Mamdani传统模糊推理方法。 模糊假言推理 设X和Y是两个各自具有根底变量x和y的论域，其模糊集合AX及BY的隶属度函数分别为A(x)及B(y)。又设RAB是XY论域上描述

20、模糊条件语句“假设A那么B的模糊蕴含关系，其隶属度函数为：按上式计算后可得到模糊关系矩阵RAB。(三) 模糊推理系统(Fuzzy Inference System ,FIS)注：以上运算也称为模糊蕴含关系运算，扎德和曼丹尼等学者提出了不同的定义，在模糊控制中常用的是曼丹尼提出的取小“运算如上式和拉尔森(P. M. Larsen)提出的乘积运算。而扎德提出的运算关系那么如下式： 模糊假言推理 模糊假言推理具有如下逻辑结构： 假设A那么B； 如今A1； 结论B1=A1RAB其中B1=A1RAB表征推理合成规那么，算符“代表合成运算。(三) 模糊推理系统(Fuzzy Inference System

21、 ,FIS)注：对于合成运算，也有多种不同选择，如“(取小取大)、“(取大乘)、“(有界和取小)、“(有界和乘)等。这里选择“(取小取大)算法。 模糊假言推理(三) 模糊推理系统(Fuzzy Inference System ,FIS) 例3-9 论域U=1,2,3，V=5,6,7,8,9，对于论域U上的A=“小、B=“较小、论域V上的X=“高描述为模糊控制规那么为“假设输入小，那么输出高，试求当输入为较小时，输出为多少？解：思路：先根据模糊规那么，求得输入小输出高的模糊关系矩阵R，然后再将输入B较小与R合成 模糊假言推理 先用扎德推理法计算根据合成推理方法，求输入为B=“较小时的输出Y： 模

22、糊假言推理 再用Mamdani推理法计算 模糊假言推理 两种推理方法计算结果比照扎德推理法结果：Mamdani推理法结果：按模糊控制规那么要求：“假设输入小，那么输出高当输入为较小时，输出应为“较高比较以上两种推理法所得到的不同结果，似乎Mamdani推理结果更接近“较高。 模糊条件推理 介绍两类模糊条件语句：if A then B else C和if A and B then C的模糊条件推理。(三) 模糊推理系统(Fuzzy Inference System ,FIS) “if A then B else C的模糊条件推理 设A是论域X上的模糊子集，B及C为论域Y上的模糊子集，那么“if

23、A then B else C在论域XY上的模糊关系R为： 基于推理合成规那么，根据以上模糊关系可求得与模糊集合A1对应的模糊集合B1为： 所得集合B1便是在A=A1及“if A then B else C前提下，得到的模糊条件推理结论。 模糊条件推理例3-10 有论域X=a1,a2,a3,a4,a5及Y=b1,b2,b3,b4,b5，并定义试确定模糊控制规那么“if x轻 then y重 else y不非常重所决定的模糊关系R，以及分别计算模糊直言语句x非常轻、x重、x极重时所对应的模糊集合y。 模糊条件推理解：通过语气算子和“补运算，求取如下模糊集合 模糊条件推理解：确定模糊条件语句“if

24、 x轻 then y重 else y不非常重所决定的模糊关系R。根据 以及“轻、“重、“不非常重等模糊集合的定义，求得ABC 模糊条件推理解：计算输入为“x非常轻所对应的模糊推理结果，就是以“A1=x非常轻作为输入，按推理合成规那么计算以模糊关系R为控制规那么的模糊控制器的输出B1，即将B1写成扎德表示法：将B1与的模糊集合“重比较，可得输出近似于“重的结论。 模糊条件推理解：按同样方法计算输入为“x重所对应的模糊推理结果B2，即可见，输出B2近似于“不非常重的结论。 模糊条件推理解：按同样方法计算输入为“x极重所对应的模糊推理结果B3，即可见，输出B3近似于“比较轻的结论。 模糊条件推理(三

25、) 模糊推理系统(Fuzzy Inference System ,FIS) “if A and B then C的模糊条件推理 其中A、B是模糊控制器的输入模糊集合，C是其输出模糊集合。例如，A是系统偏差信号论域上的模糊子集E，B是其偏差变化率信号论域上的模糊子集EC，C是其模糊控制器输出信号论域上的模糊子集U。 模糊条件语句“if A and B then C所决定的为三元模糊关系R，即：其中， 为由模糊关系矩阵 构成的nm维列向量即nm行1列，n和m分别为模糊集合A与B的论域元素个数。 模糊条件推理 “if A and B then C的模糊条件推理 基于推理合成规那么，根据模糊关系R求取

26、与给定输入模糊集合A1及B1所对应的输出模糊集合C1为：其中， 为由模糊关系矩阵 构成的nm维行向量即1行nm列。 模糊条件推理 “if A and B then C的模糊条件推理例3-11 两输入单输出系统，输入变量为x1、x2，输出变量为y。输入变量x1的论域为U=0，1，2，x2的论域为V=-1，+1，输出变量y的论域为W=-3，-2，-1,0,1,2,3，对于各论域上的模糊集S小、N负和B大定义为：有模糊规那么“if x1 is S and x2 is N then y is B假设x1是小，且x2是负，那么y是大。求输入输出模糊关系。并求当x1为S1=(0,0.8), (1,0.7)

27、, (2,0.1)(略小)、x2为N时，输出模糊变量是多少？ “if A and B then C的模糊条件推理 先根据模糊规那么，求取模糊关系矩阵R：解： 再根据合成推理方法，求输入x1为S1、x2为N时的输出Y：即当输入x1为S1 (略小)、x2为N时，输出模糊量 可以理解为“较大。3.2 模糊控制3.2.2 模糊控制器一、模糊控制器的典型结构(一) 模糊控制器的根本结构和组成模糊控制器知识库模糊化解模糊模糊推理控制对象参考输入ry(一) 模糊控制器的根本结构和组成 模糊化 这局部的作用是将模糊控制器输入的精确量转化成模糊化量。其中输入量包括参考输入r、系统的输出y或状态等。模糊化的具体过

28、程如下： 首先对这些输入量进行处理以变成模糊控制器所要求的输入量。例如，最常见的情况是通过输入量r和y计算出误差e=r-y和误差变化率 。有时为了减小噪声干扰，常常对误差变化率进行滤波后再使用，如用实际微分代替理想微分。 将上述经过处理后的输入量进行尺度变换，使其变换到各自的论域范围一般为离散论域。 将已经变换到论域范围的输入量进行模糊处理，使其变换成模糊量，并用相应的模糊集合来表示。(一) 模糊控制器的根本结构和组成 知识库 知识库中包含了具体应用领域中的知识和要求的控制目标。它通常由数据库和模糊控制规那么库两局部组成。 数据库主要包括各语言变量的隶属度函数、尺度变换因子以及模糊空间的分割级

29、数等。 规那么库包括了用模糊条件语句表示的一系列控制规那么，它们反映了控制专家的经验和知识。 模糊推理 模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力。 解模糊(清晰化) 这局部的作用是将模糊推理得到的控制量(模糊量)变换成实际用于控制的清晰量。它包含以下两局部内容： 将模糊的控制量经解模糊后变换成论域范围内的清晰量。 将论域范围内的清晰量经尺度变换变成实际的控制量。(二) 常用的模糊控制器 模糊控制系统的结构是在传统反响控制系统的根底上增加了模糊推理系统而组成的。 模糊控制系统根据被控对象的输入输出变量的多少分为单输入单输出(SISO)系统和多输入多输出(MIMO)系统。

30、对于MIMO系统，由于涉及多变量控制系统的问题比较复杂，且目前还没有公认有效的方法，所以这里不展开讨论。 单输入单输出模糊控制系统根据模糊控制器输入变量的个数多少可分为一维模糊控制器、二维模糊控制器和多维模糊控制器。典型的一维模糊控制器的输入变量为系统的误差，二维模糊控制器的输入变量为系统的误差和误差变化率。 这里要注意的，所谓单输入单输出模糊控制系统是指被控对象是单输入单输出系统，而模糊控制器的维数指的是模糊控制器条件部中语言变量的多少。 一维模糊控制器 一维模糊控制器是最简单的模糊控制器，控制器的输入和输出语言变量都只有一个。输入变量一般采用误差e，输出为控制量u，模糊控制规那么一般有以下

31、形式： Ri： if e is Ei then u is Ui , (i=1,2,N)其中，Ei、Ui分别为模糊控制器输入输出论域上的模糊子集。 一维模糊控制器结构简单明了，它面对的大多数实际控制问题是诸如跟踪控制系统、设定值控制系统等误差控制系统。但由于此类一维控制器的规那么只考虑系统的误差，没有考虑误差的变化趋势，只要误差近似，即使误差变化的趋势完全相反，其控制输出的结果也会是近似的，这样必然会影响到模糊控制器的性能。所以，需在模糊控制器设计中考虑更多的因素。 二维和多维模糊控制器就是针对此类情况而提出来的。(二) 常用的模糊控制器 二维模糊控制器 二维模糊控制器的输入变量有两个(如误差e

32、和误差变化率de)，而控制器的输出变量仍然只有一个，被控对象仍然是单输入单输出系统。这类模糊控制器的模糊规那么一般可描述为： Ri： if e is Ei and de is DEi then u is Ui , (i=1,2,N)其中，Ei、DEi、Ui分别为模糊控制器输入输出论域上的模糊子集。 二维模糊控制器考虑了系统的误差和误差的变化趋势，因此在跟踪控制系统、设定值控制系统的应用中有着相当大的潜力，其控制性能明显优于一维模糊控制器。在目前大量的模糊控制系统中采用的就是这种模糊控制器结构。(二) 常用的模糊控制器 多维模糊控制器 在有些控制要求更高的场合，仅依赖于系统的误差和误差的变化趋势

33、还缺乏以实现高精度的控制。参照经典PID调节器的控制思想，将系统的误差、误差的变化率以及误差的积累(或误差的二阶微分)作为模糊控制器的输入信号，这就是多维模糊控制器的设计思想。 从理论上来分析，提高模糊控制器输入变量的个数会提高控制器的控制性能。但是，由于输入维数的增加导致了控制规那么、推理算法的复杂化。如何解决多维模糊控制系统规那么的冗余性、兼容性等，还没有有效的方法。因此，目前很少采用多维模糊控制器。(二) 常用的模糊控制器二、模糊控制的快速查表法 在实际控制工程应用中，模糊关系矩阵R是一个高阶矩阵，如果对于任何瞬间的系统误差e和误差变化率de都通过合成运算来计算得到即时模糊控制，再经解模

34、糊运算得到精确的控制输出值，需要花费大量的计算时间，将导致系统的实时控制性能变差。 为了克服模糊控制器实时计算量大的缺点，常规模糊控制在实际应用中通常采用快速查表法。快速查表法的前提是必须将输入输出变量离散量化为有限个取值。 快速查表法的根本思想是通过离线计算产生一个模糊控制表，将该控制表保存在计算机内存中。当模糊控制器工作时，计算机只需直接根据采样得到的误差离散量化值和误差变化率误差的差分的量化值通过查表即可得到针对当前输入的模糊控制输出值。二、模糊控制的快速查表法 对于现代计算机数字控制系统和数字化仪表，量化常常在对象状态检测时就已完成。 最后，计算机将根据此量化值经尺度变换得到最终的输出

35、控制量，也可将尺度变换局部直接放到模糊控制表中。对误差值和误差的差分值离散量化时，也需要进行比例尺度变换，一般量化为-6,+6共13级离散整数。控制值控制动作对象状态检测量化量化差分查询模糊控制表执行机构被控对象r+-edeey二、模糊控制的快速查表法例3-12 利用电加热器的电压变化控制其加热速度，来实现控制对象的温度控制。温度误差e的论域范围为-5,5，误差变化率de的论域范围为-10,10，控制输出u的论域范围为0,220。设计模糊控制表，查询根据当前的温度误差e和误差变化率de应采取的控制电压输出u的值。解：系统结构如上图所示，考虑控制精度要求，将输入输出变量均量化为-4，+4共9级离

36、散整数。该模糊控制表设计步骤为： 确定模糊控制器的输入输出变量及其量化因子 模糊控制器选用系统的实际温度y与温度给定值r之间的误差e=y-r及其误差变化率de作为输入变量，把控制加热装置的供电电压u选作输出变量，由此构造一个二维模糊控制器。二、模糊控制的快速查表法 确定模糊控制器的输入输出变量及其量化因子 各输入输出变量的量化因子为： 可得系统各输入输出变量的离散量化表如下：二、模糊控制的快速查表法 确定模糊控制器的输入输出变量及其量化因子 表3-3 输入输出变量离散量化表量化值-4-3-2-101234e-5,-3.9)-3.9,-2.8)-2.8,-1.7)-1.7,-0.6)-0.6,0

37、.6)0.6,1.7)1.7,2.8)2.8,3.9)3.9,5)de-10,-7.8)-7.8,-5.6)-5.6,-3.3)-3.3,-1.1)-1.1,1.1)1.1,3.3)3.3,5.6)5.6,7.8)7.8,10)u12.2236.6761.1185.56110134.44158.89183.33207.78二、模糊控制的快速查表法 输入输出变量的模糊空间分割 在各输入输出变量的量化域内定义模糊子集。首先确定各语言变量论域内模糊子集的个数。本例都取5个模糊子集，即NB、NS、ZE、PS、PB。各语言变量模糊子集通过隶属度函数来定义。为了提高稳态点控制的精度，本例的量化采用非线性量

38、化，隶属度如表3-4所示。空白单元格隶属度为0。表3-4 输入输出模糊集合的隶属度函数 元素模糊集-4-3-2-101234NB1.00.35NS0.41.00.4ZE0.21.00.2PS0.41.00.4PB0.351.0二、模糊控制的快速查表法 模糊控制规那么确实定 模糊控制规那么实质上是将操作员的控制经验加以总结而得出一条条模糊条件语句的集合。确定模糊控制规那么的原那么是必须保证控制器的输出能使系统输出响应的动静态特性到达最正确。 考虑误差e=y-r为负的情况实际温度低于给定值。当e为负大NB时，无论de的值如何，为了消除偏差应控制电压u增大，所以控制量u应取正大PB。即有如下控制规那

39、么： 规那么1：如果误差e是NB，那么控制量u为PB。 当误差为负小NS或0ZE时，主要矛盾那么转化为系统的稳定性问题。为防止超调过大并使系统调节过渡过程尽快结束，就要根据误差的变化率de来确定控制量的变化。二、模糊控制的快速查表法 模糊控制规那么确实定 假设de为正，说明实际温度在下降，误差有减小的趋势，所以控制电压u不必太高，以防止输出量y出现反复振荡，可取比PB稍低的控制电压如PS、ZE、甚至NS； 假设de为负，说明实际温度还在降低，误差有增大的趋势，那么应使控制电压增加，防止偏差进一步增大，视变化趋势的大小故可取PB或PS。 类似如此分析可建立全部控制规那么。 总体来说，根据控制经验

40、，无须建立控制对象的数学模型，就可以建立模糊控制规那么如表3-5所示。二、模糊控制的快速查表法 模糊控制规那么确实定表3-5 模糊控制规那么表 edeNBNSZEPSPBNBPBPBPBPSNBNSPBPSPSZENBZEPBPSZENSNBPSPBZENSNSNBPBPBNSNSNBNB二、模糊控制的快速查表法 建立模糊控制表 模糊控制表是最简单快速的模糊控制器实现方法。它根据当前时刻模糊控制器的输入变量量化值如误差e和误差变化率de的量化值查询所对应的控制输出值作为模糊逻辑控制器的最终输出，从而实现快速实时控制。 对所有的输入变量量化后的各种组合必须根据模糊控制规那么表通过模糊逻辑推理离线

41、计算出每一个状态的模糊控制器输出，这样才能生成一张模糊控制表。 设某时刻模糊控制器输入的变量是e0和de0，输出的变量是u0，而对应的模糊控制规那么是: R1：If e is A11 and de is A12，then u is U1 R2：If e is A21 and de is A22，then u is U2二、模糊控制的快速查表法 建立模糊控制表 设某时刻模糊控制器输入的变量是e0和de0，输出的变量是u0，而对应的模糊控制规那么是: R1：If e is A11 and de is A12，then u is U1 R2：If e is A21 and de is A22，the

42、n u is U2 此时，输入变量e和de的两个模糊子集分别为A11、A21与A12、A22。输出变量u的两个模糊子集为U1与U2。可知其隶属度函数Ai1(e0)和Ai2(de0)(i=l，2)，推出其合成度i是：那么对规那么Ri：两条规那么一起推出时：二、模糊控制的快速查表法 建立模糊控制表 下面以某一时刻的输入状态为例说明其中一个输入状态的模糊推理计算输出过程。 设当前时刻系统误差e的量化值为1；误差变化率de的量化值为-2，那么由表3-4可知相应的隶属度为： 对于误差e： 对于误差变化率de： 根据此时此刻的输入状态，由模糊控制规那么库表3-5可知，只有两条规那么有效： 第一条：如果e是

43、ZE，且de是NS，那么u是PS； 第二条：如果e是PS，且de是NS，那么u是ZE。二、模糊控制的快速查表法 建立模糊控制表 那么两条规那么的合成度分别为：根据表3-4，输出变量u的两个模糊子集PS和ZE分别为：当两条规那么一起推出时，可得控制量u0的输出模糊集为：二、模糊控制的快速查表法 建立模糊控制表 由控制量u0的输出模糊集为：最后再由重心法也称加权平均法计算出模糊控制输出的精确量u0：对输入空间论域中其他的输入状态组合，按同样的方法计算出相应的输出控制量u，就可以建立该模糊控制器的模糊控制查询表，如表3-6所示。二、模糊控制的快速查表法 建立模糊控制表 表3-6 模糊控制查询表 ed

44、e-4-3-2-101234-4433322100-3333221100-2332211000-1222110-1-2-3022110-1-1-2-203210-1-1-2-2-22000-1-1-2-2-3-3300-1-1-2-2-3-3-3400-2-2-2-3-3-3-4三、常用的模糊控制系统 模糊控制与常规控制如PID调节器相比具有无须建立被控对象的数学模型、对被控对象的非线性和时变性具有一定的适应能力，即鲁棒性较好等特点。 但它也有一些需要进一步改进和提高的地方，例如模糊控制器的稳态控制精度差，因为控制动作欠细腻，稳态精度欠佳是经典模糊控制的一个弱点。 为了改善模糊控制系统的稳态性

45、能和提高控制精度，将模糊控制与传统PID控制相结合提出了很多改进方法。 下面主要介绍两种方法： 一种是将模糊控制与传统PID控制相结合的双模控制或复合控制； 另一种是通过模糊推理自适应整定、调整PID控制参数。三、常用的模糊控制系统 常规的二维模糊控制器是以误差e和误差的变化率de作为输入变量的，因此，常规模糊控制器具有比例微分控制作用，但缺少积分作用。因而常规模糊控制系统的稳态性能较差。 积分控制作用能消除稳态误差，但动态响应慢，比例控制作用动态响应快。故比例积分控制作用既能获得较高的稳态精度，又具有较快的动态响应。 根据积分控制作用的特点，把积分控制引入模糊控制系统，构成模糊PI/PID复

46、合控制，是改善模糊控制器稳态性能的一种有效方法。引入积分控制的方式主要有以下两种：(一 模糊PID复合控制 模糊PI/PID双模控制的策略是：在大偏差范围内采用模糊控制，在小偏差范围内转换成PI或PID控制，或者说由模糊控制负责粗调、由PI/PID控制器负责细调，两者的转换由计算机程序根据事先给定的偏差阀值来自动实现。 这种改进模糊控制的出发点主要是因为模糊控制器本身消除其系统稳态误差的能力比较差，难以到达较高的控制精度，尤其是在离散有限论域设计时更为明显。 常规的模糊控制器，对于误差输入信号e，将其转化为误差论域上的离散点，设离散量化等级n=13，那么量化误差为：(一 模糊PID复合控制 模

47、糊PI/PID双模控制 也就是说， 在误差量程最大值emax的大约3.85%以内时，模糊控制器已经把它当作0来对待了，因此对 的稳态误差，模糊控制器无法消除，这是控制点附近的一个控制上的盲区和死区。 模糊PI/PID双模控制的结构如下： 模糊PI/PID双模控制 当误差 超过设定的某一个阀值时，采用模糊控制，以获得良好的瞬态性能；当 降低到阀值以内的范围时，那么采用PI/PID控制，以获得良好的稳态性能。PI/PID模 糊控制器被控 对象+-rey 模糊I复合控制的结构如下： 模糊I复合控制 控制系统总的控制作用是模糊控制器的控制作用与积分控制器的控制作用之和。这相对于一个具有变参数的比例微分

48、控制作用和固定参数的积分控制作用的PID调节器，它比单个的模糊控制器或单个的PID调节器具有更好的控制性能。被 控对 象I模 糊控制器+-rey 在实际工程控制过程中，许多被控对象随着负荷变化或受干扰因素的影响，其特征参数或结构会发生改变。自适应控制运用现代控制理论在线辨识对象特征参数，实时改变控制策略或参数，使控制系统性能指标保持在最正确范围内。但自适应控制效果的好坏又取决于模型辨识的精确度，这对于复杂系统是非常困难的。由于PID控制针对清晰的数学模型控制效果好、性能稳定，因此，在实际工业控制系统中，仍然大量采用PID控制。PID参数的整定方法很多，但大多数都以对象特性为根底。 将操作人员的PID参数整定经验作为知识存入计算机中，根据现场实际运行情况，计算机自动调整PID参数，这样就出现了模糊自适应PID控制器。这种控制器把经典的PID控制与先进的模糊推理相结合，实现系统的最正确控制。(二) 模糊自适应PID控制 模糊自适应PID控制器将根据误差e和误差变化率de来确定PID参数的经验用模糊规那么表示；在实际控制系统中，根据实时误差e和误差变化率de来进行模糊推理以确定PID参数的变化，将参数传递给PID控制器。 所以自适应模糊PID控制器是在经典PID控制器的根底上，另外加上一个模糊推理器来调整PID控制器的三个参数。模糊推理器以误差e和误差变化率de作