哈工大模糊控制课件2

哈工大模糊控制课件演示文稿当前第1页\共有44页\编于星期三\1点优选哈工大模糊控制课件当前第2页\共有44页\编于星期三\1点利用MATLAB工具箱设计模糊控制器MatlabSimulinkFuzzyToolBoxFuzzyDemoFuzzyInferenceSystem(FIS)定义隶属函数(输入,输出)确定Fuzzy推理方法控制规则库的建立选择解模糊方法Fuzzy控制器嵌入到控制系统当前第3页\共有44页\编于星期三\1点当前第4页\共有44页\编于星期三\1点当前第5页\共有44页\编于星期三\1点当前第6页\共有44页\编于星期三\1点当前第7页\共有44页\编于星期三\1点当前第8页\共有44页\编于星期三\1点当前第9页\共有44页\编于星期三\1点DemosdefuzzdmDefuzzificationmethods.fcmdemoFCMclusteringdemo(2-D).fuzdemosGUIforFuzzyLogicToolboxdemos.gasdemoANFISdemoforfuelefficiencyusingsubclustering.jugglerBall-jugglerwithRuleViewer.invkineInversekinematicsofarobotarm.irisfcmFCMclusteringdemo(4-D).noisedmAdaptivenoisecancellation.slbbBallandbeamcontrol(Simulink).slcpInvertedpendulumcontrol(Simulink).sltankWaterlevelcontrol(Simulink).sltankruleWaterlevelcontrolwithRuleViewer(Simulink).sltbuTruckbacker-upper(Simulink当前第10页\共有44页\编于星期三\1点Fuzzy控制器的设计过程演示当前第11页\共有44页\编于星期三\1点规则可调整的Fuzzy控制器在模糊控制系统中，模糊控制器的性能对系统的控制特性影响很大；模糊控制器的性能在很大程度上又取决于模糊控制规则的确定及其可调整性。当前第12页\共有44页\编于星期三\1点控制规则的解析描述上式描述的控制规则，控制作用取决于误差及误差变化，且二者处于同等加权程度。为了适应不同被控对象的要求，引进一个调整因子a,则可得到一种带有调整因子的控制规则当前第13页\共有44页\编于星期三\1点通过调整a值的大小，可以改变对误差和误差变化的不同加权程度。当被控对象阶次较低时，应该对误差的加权值大于对误差变化的加权值；当被控对象阶次较高时，对误差变化的加权值要大于对误差的加权值。当前第14页\共有44页\编于星期三\1点下面举例来说明调整因子a对控制性能的影响。被控对象为二阶环节当前第15页\共有44页\编于星期三\1点控制规则（a=0.625)当前第16页\共有44页\编于星期三\1点控制规则（a＝0.75)当前第17页\共有44页\编于星期三\1点a取不同值时，模糊控制系统对阶跃响应曲线的变化当前第18页\共有44页\编于星期三\1点a较大时（如a=0.75)，表明控制规则对误差E加权大，而对误差变化C加权小，因此阶跃响应曲线产生超调，拖长了调整时间；当a=0.5时，虽然对误差E及误差变化C加权一样，没有产生超调，但响应过程较慢；当a=0.625时，意味着控制规则中对误差加权稍大于对误差变化加权，这种情况不仅超调小，而且响应时间也较短。当被控对象采用带有调整因子的模糊控制器时，通过调整加权因子a可以获得较好的控制效果。当前第19页\共有44页\编于星期三\1点模糊规则的自整定与自寻优带有一个加权因子a调整模糊控制规则的模糊控制器，可以改变a的大小调整控制规则，

a值一旦选定，在整个控制过程中就不再改变，即在控制规则中，对误差与误差变化的加权固定不变。模糊控制系统在不同的状态下，对控制规则中误差E与误差变化C的加权程度一般说来应该有不同的要求。当前第20页\共有44页\编于星期三\1点对二维模糊控制系统而言，当误差较大时，控制系统的主要任务是消除误差，这时，对误差在控制规则中的加权应该大些；当误差较小时，此时系统已接近稳态，控制系统的主要任务是使系统尽快稳定，为此必须减小超调，这样就要求在控制规则中误差变化起的作用大些，即对误差变化加权大些。这些要求只靠一个固定的加权因子a难以满足，于是考虑在不同的误差等级引入不同的加权因子，以实现对模糊控制规则的自调整。当前第21页\共有44页\编于星期三\1点(1)．带有两个调整因子的控制规则根据上述思想，考虑两个调整因子口，a1及a2:，当误差较小时，控制规则由a1

，来调整；当误差较大时，控制规则由a2来调整。当前第22页\共有44页\编于星期三\1点控制规则（a1=0.4,a2=0.6)当前第23页\共有44页\编于星期三\1点控制规则（a1=0.5,a2=0.7)当前第24页\共有44页\编于星期三\1点结论：带两个调整因子模糊控制器的控制规则调整效果比较好，其响应曲线比较理想，这表明带两个调整因子的控制规则具有一定的优越性。当前第25页\共有44页\编于星期三\1点（2）带有多个调整因子的控制规则当前第26页\共有44页\编于星期三\1点加权因子取a0=0.45,a1=0.55，a2=0.65,a3=0.751:采用四个加权因子2：采用二个加权因子当前第27页\共有44页\编于星期三\1点(3).模糊控制规则的自寻优为了能对多个加权因子进行寻优，可以采用ITAE积分性能指标

ITAE积分性能指标能够综合评价控制系统的动态和静态性能，如响应快，调节时间短，超调量很小以及稳态误差也很小等。当前第28页\共有44页\编于星期三\1点根据上式的性能指标，作为目标函数，寻优过程则根据目标函数逐步减小的原则，不断地校正加权因子的取值，从而可以获得一组优选的加权因子。当前第29页\共有44页\编于星期三\1点例：

选定初始的控制规则的各个加权因子分别为当前第30页\共有44页\编于星期三\1点经过寻优后获得的一组加权因子为

a0=0.29,a1=0.55,a2=0.74,a3=0.89当前第31页\共有44页\编于星期三\1点当前第32页\共有44页\编于星期三\1点优化控制规则的单位阶跃响应曲线如图中的曲线②所示；初始控制规则的响应曲线如图中的曲线①所示。上述方法中给定的初始控制规则（或者说初始给定的加权因子）尽管比较粗糙，但是通过自寻优，还是可以找到一个比较理想的控制规则，从而获得令人满意的控制效果。当前第33页\共有44页\编于星期三\1点模糊系统建模与模糊预测要对一个复杂的被控对象或过程建立精确的数学模型一般是很困难的，甚至是不可能的。用模糊集合理论，从系统输入和输出量测值来辨识系统的模糊模型，也是系统辨识的又一有效途径。尽管这种模糊模型与通常的精确模型相比显得粗糙，但是它也能对复杂系统的基本特征给出严格的定量描述。主要介绍基于模糊关系模型的系统辨识和基于T一S模型的模糊系统辨识方法，以及自适应模糊预测、基于“模糊控制”系统的模型预报的基本方法。当前第34页\共有44页\编于星期三\1点（１）基于模糊关系模型的系统辨识一个模糊关系模型可以表示为

M(A,Y,U,F)

A―表示模糊算法；Y―表示过程的有限离散输出空间；U―表示过程的有限离散输入空间；F―表示过程的有限离散输入输出空间中所定义的所有基本模糊子集的集合。当前第35页\共有44页\编于星期三\1点在式中，如果取

k＝

l＝1，则该式表达的意义是根据(t-1)时刻的输入输出的量测值来预测t时刻输出的量测值。每一条规则，可以根据模糊集合运算规则写成如下形式：当前第36页\共有44页\编于星期三\1点计算得到的y(t)是一个模糊集合，从y(t)中选择确切的预测值一般有两种方法：(l）选择y(t)的隶属函数曲线下所围面积的平分点，称为面积中心法（记为COA);(2）选择y(t)的隶属函数的最大值的平均值，称为最大值平分法（记为MOM）。当前第37页\共有44页\编于星期三\1点模糊关系模型的品质指标衡量模糊模型的品质指标有两条：(1）建立模糊模型是根据系统的输入输出的量测值来构成一组描述系统特性的规则，而规则条数的多少反映了模糊算法的复杂程度。规则条数越少，计算越简单；条数越多，运算越复杂。(2）衡量模糊模型精确性的指标，可选取量测值

y(t)与输出预测之差的均方值当前第38页\共有44页\编于星期三\1点基于模糊关系模型的建模方法对系统输入输出量测值进行量化处理，建立输入和输出空间U和Y，选择U和Y中的模糊集合Bi和Ci，而Bi与Ci的隶属函数值主要由系统输入和输出量测值变化的特性确定。确定模糊关系模型的结构

[u(t-k),y(t-l),y(t)]

，即确定

k

和l

。

---为了确定模糊模型的结构，首先必须将输入和输出数据进行模糊化处理，构成输入和输出量测值的模糊集合.当前第39