模糊PID控制方法研究 - 图文

烟台大学文经学院毕业论文（设计）

模糊PID控制方法研究 Fuzzy PID Controller

烟台大学文经学院毕业论文（设计）

2 模糊控制器的设计

2.1 模糊控制器的基本原理

2.1.1 模糊控制器的原理

模糊控制(Fuzzy Control)是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它从行为上模仿人的模糊推理和决策过程。模糊控制是先将操作人员或专家经验编成模糊规则，然后将来自传感器的实时信号通过模糊规则模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，进行解模糊化，最后将解模糊后得到的输出量加到执行器上。图2-1是模糊控制原理框图。

图2-1 模糊控制原理框图

2.1.2 模糊控制器的组成

在整个控制器中，模糊控制器是整个控制系统的核心，所采用的模糊规则、合成推理算法和模糊决策的方法等都是决定整个控制器优劣的因素。其组成如图2-2：

图2-2 模糊控制器的组成框图

烟台大学文经学院毕业论文（设计）

模糊化接口是模糊控制器的输入借口，主要作用是将真实的确定量输入转换为一个模糊矢量。

数据库和规则库共同组成了控制器的知识库，数据库中存放的是所有输入、输出变的的全部模糊子集的隶属度矢量值（即经过论域等级离散化以后对应值的集合）。在规则推理的模糊关系方程求解过程中，向推理机提供数据。规则库是对人类长期经验的总结，将其转化成模糊控制算法，为推理机提供控制规则。

推理是模糊控制器中，根据输入模糊量，模仿人类判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，而得到模糊控制讯号。此部分是模糊控制器的精髓所在。

解模糊借口是将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值。

2.2 模糊控制器的设计步骤

通过对模糊控制器原理的研究，得出设计模糊控制器主要包括以下几项内容： （1）确定模糊控制器的输入变量和输出变量（即控制量）。输入变量为误差e以及误差变化ec，输出变量为控制量u。e，ec，u的模糊集均为：｛NB,NM,NS,ZO,PS,PM,PB｝。e，ec的论域均为：｛-3，-2，-1，0，1，2，3｝。u的论域为：｛-4.5，-3，-1.5，0，1，3，4.5｝。

（2）定义输入、输出隶属函数。 （3）建立模糊控制规则。 （4）建立模糊控制表。 （5）模糊推理。 （6）反模糊化。

2.3 模糊控制器的程序仿真

2.3.1 输入量和输出量的程序及仿真

设定e的范围、隶属度函数的程序：

a=addvar(a,'input','e',[-3,3]); a=addmf(a,'input',1,'NB','zmf',[-3,-1]); a=addmf(a,'input',1,'NM','trimf',[-3,-2,0]); a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]); a=addmf(a,'input',1,'Z','trimf',[-2,0,2]); a=addmf(a,'input',1,'PS','trimf',[-1,1,3]); a=addmf(a,'input',1,'PM','trimf',[0,2,3]); a=addmf(a,'input',1,'PB','smf',[1,3]); 仿真的图形：

烟台大学文经学院毕业论文（设计）

图2-3 e的隶属度函数

设定ec的范围、隶属度函数的程序：

a=addvar(a,'input','ec',[-3,3]); a=addmf(a,'input',2,'NB','zmf',[-3,-1]); a=addmf(a,'input',2,'NM','trimf',[-3,-2,0]); a=addmf(a,'input',2,'NS','trimf',[-3,-1,1]); a=addmf(a,'input',2,'Z','trimf',[-2,0,2]); a=addmf(a,'input',2,'PS','trimf',[-1,1,3]); a=addmf(a,'input',2,'PM','trimf',[0,2,3]); a=addmf(a,'input',2,'PB','smf',[1,3]); 仿真后的图形：

图2-4 ec的隶属度函数

烟台大学文经学院毕业论文（设计）

设定kp的范围、隶属度函数的程序：

a=addvar(a,'output','kp',[-0.3,0.3]); a=addmf(a,'output',1,'NB','zmf',[-0.3,-0.1]); a=addmf(a,'output',1,'NM','trimf',[-0.3,-0.2,0]); a=addmf(a,'output',1,'NS','trimf',[-0.3,-0.1,0.1]); a=addmf(a,'output',1,'Z','trimf',[-0.2,0,0.2]); a=addmf(a,'output',1,'PS','trimf',[-0.1,0.1,0.3]); a=addmf(a,'output',1,'PM','trimf',[0,0.2,0.3]); a=addmf(a,'output',1,'PB','smf',[0.1,0.3]); 仿真后的图形：

图2-5 kp的隶属度函数

设定ki的范围、隶属度函数：

a=addvar(a,'output','ki',[-0.06,0.06]); a=addmf(a,'output',2,'NB','zmf',[-0.06,-0.02]); a=addmf(a,'output',2,'NM','trimf',[-0.06,-0.04,0]); a=addmf(a,'output',2,'NS','trimf',[-0.06,-0.02,0.02]); a=addmf(a,'output',2,'Z','trimf',[-0.04,0,0.04]); a=addmf(a,'output',2,'PS','trimf',[-0.02,0.02,0.06]); a=addmf(a,'output',2,'PM','trimf',[0,0.04,0.06]); a=addmf(a,'output',2,'PB','smf',[0.02,0.06]); 仿真后的图形：

本文来源：https://www.bwwdw.com/article/2o8d.html