智能控制模糊控制的论文

智能控制大作业报告

模糊部分

姓 名： 学 号： 专 业：

2011年06月03日

题目：已知G?5?0.5s，分别设计e2?s?0.5??s?2s?8?PID控制与模糊

控制，使系统达到较好性能，并比较两种方法的结果。

r _ePID/FCG(s)y

具体要求：

1、采用Fuzzy工具箱实现模糊控制器。

2、分析量化因子和比例因子对模糊控制器控制性能的影响。 3、分析系统阶数发生变化时模糊控制和PID控制效果的变化。

4、分析系统在模糊控制和PID控制作用下的抗干扰能力(加噪声干扰)、抗非线性能力(加死区和饱和特性)以及抗时滞的能力(对时滞大小加以改变)。

一 原系统仿真分析

原系统是一个带有时滞环节的三阶系统，系统的三个极点均在s域左半平面，系统是稳定的。利用Matlab/Simulink工具箱搭建系统框图，对原系统进行阶跃响应分析。

原系统框图如图1所示：

图1 原系统框图

设定仿真时间为10秒，其它为默认设置，运行程序，可以得到如图2所示仿真结果。

原系统阶跃响应0.70.60.50.40.30.20.10012345678910t/s 图2 原系统阶跃响应曲线

由图可以看出，原系统

基于智能小车的模糊寻迹控制

垒！ｌ兰生！型竺

基于智能小车的模糊寻迹控制

Ｒｅｓｅａｒｃｈｏｎｔｒａｃｉｎｇｏｆｆｕｚｚｙｃｏｎｔｒｏｌｂａｓｅｄｏｎｔｈｅｉｎｔｅｌｌｉｇｅｎｔｃａｒ

冯华勇

ＦＥＮＧＨｕａ．ｙｏｎｇ

（四川工程职业技术学院，德阳６１８０００）

擒要：智能小车作为人工智能的一个缩影已经广泛应用到军事和民用生活。而对于智能小车按既定轨

迹行驶已成为其必备的一个重要条件。针对在黑白分明的轨迹上行驶的小车，为了提高其准确度和速度，设计了一套控制系统，依据经验采用了模糊控制策略，经实践证明小车的反应速度快，控制效果好。

关键词：智能小车；寻迹；模糊控制

中图分类号：ＴＨｌ６６

文献标识码：Ａ

文章编号：１００９－０１３４（２０１０）１０（上）－００４９－０３

Ｄｏｉ：１０．３９６９｝／Ｊ．ｉｓｓｎ．１００９－－０１３４．２０１０．１０（上）．１５

＾－●－ ●一

Ｕ

刖吾

随着科技的进步，智能小车作为一种新型的

两个光电传感器距离小于黑线宽度。当两个相邻传感器检测到电平信号的变化时按前一单一电平状态变化计算。例如：图２所示当车道位于接收管２、７上方时检测到电平的变化，小车与车道按逆时针方向偏移了一个夹角。此时按行驶经验需要电机９、１０反转倒车让车道回归到２、３之间。如

模糊PID在温度控制中的应用

摘要：目前大部分温度系统控制方法都需要建立比较精确的数学模型，但温度控 制系统内参数变化的非线性特性使建立的模型精度受到一定的影响；而模糊控制技术不需要建立精确的数学模型, 解决多变量非线性系统具有明显的优点。为此，针对温度系统的多变量、非线性和难建模等特性，将模糊控制与PID 控制的优势相结合, 实现了对温度控制系统参数的有效控制。该系统的各项性能指标良好，遇到干扰可以进行自我调整，具有一定的自适应性。仿真结果表明，模糊PID控制算法不但简单实用，而且响应速度快，超调量小，控制效果良好。 关键词：模糊控制 PID 温度控制

1、引言 常规PID 控制[1-2]由于具有原理结构简单、鲁棒性好，可靠性高，容易实现的特点，成为迄今为止应用最广泛的控制算法，并且取得了良好的效果。然而在温度控制系统中，由于被控对象具有非线性、时变、大滞后等特点，且受环境温度等外界诸多因素影响较大，导致难以建立精确的数学模型，难以确定最佳的控制器参数。此时，传统的PID 控制对进一步提高控制对象的质量和精度遇到了极大的困难，难以获得良好的效果。为了克服常规PID 调节器的不足，提高其性能，人们进行了进一步的研究。

模糊PID在温度控制中的应用

12电气2 张敬明 128320242

模糊控制的应用

摘要：

目前大部分温度系统控制方法都需要建立比较精确的数学模型，但温度控制系统内参数变化的非线性特性使建立的模型精度受到一定的影响；而模糊控制技术不需要建立精确的数学模型, 解决多变量非线性系统具有明显的优点。为此，针对温度系统的多变量、非线性和难建模等特性，将模糊控制与PID 控制的优势相结合, 实现了对温度控制系统参数的有效控制。该系统的各项性能指标良好，遇到干扰可以进行自我调整，具有一定的自适应性。仿真结果表明，模糊PID控制算法不但简单实用，而且响应速度快，超调量小，控制效果良好。 关键词：模糊控制 PID 温度控制 1、引言

常规PID 控制[1-2]由于具有原理结构简单、鲁棒性好，可靠性高，容易实现的特点，成为迄今为止应用最广泛的控制算法，并且取得了良好的效果。然而在温度控制系统中，由于被控对象具有非线性、时变、大滞后等特点，且受环境温度等外界诸多因素影响较大，导致难以建立精确的数学模型，难以确定最佳的控制器参数。此时，传统的PID 控制对进一步提高控制对象的质量和精度遇到了极大的困难，难

- 1 -

模糊PID在温度控制中的应用

以获得良好

模糊PID在温度控制中的应用

摘要：目前大部分温度系统控制方法都需要建立比较精确的数学模型，但温度控 制系统内参数变化的非线性特性使建立的模型精度受到一定的影响；而模糊控制技术不需要建立精确的数学模型, 解决多变量非线性系统具有明显的优点。为此，针对温度系统的多变量、非线性和难建模等特性，将模糊控制与PID 控制的优势相结合, 实现了对温度控制系统参数的有效控制。该系统的各项性能指标良好，遇到干扰可以进行自我调整，具有一定的自适应性。仿真结果表明，模糊PID控制算法不但简单实用，而且响应速度快，超调量小，控制效果良好。 关键词：模糊控制 PID 温度控制

1、引言 常规PID 控制[1-2]由于具有原理结构简单、鲁棒性好，可靠性高，容易实现的特点，成为迄今为止应用最广泛的控制算法，并且取得了良好的效果。然而在温度控制系统中，由于被控对象具有非线性、时变、大滞后等特点，且受环境温度等外界诸多因素影响较大，导致难以建立精确的数学模型，难以确定最佳的控制器参数。此时，传统的PID 控制对进一步提高控制对象的质量和精度遇到了极大的困难，难以获得良好的效果。为了克服常规PID 调节器的不足，提高其性能，人们进行了进一步的研究。

第二章 模糊控制数学基础

模糊概念 在经典集合论中，人们对事物的描述是精确的，这种集合论要 求一个事物对于一个集合要么属于，要么不属于，二者必居其一， 且仅居其一，绝不允许模棱两可。比如，一个学生要么属于“大 学生”,要么不属于。 但是在现实生活中，人们对事物的描述并非都可以精确的用 “属于”或“不属于”这两种截然不同的状态来进行划分。 模糊性普遍存在于人类思维和语言交流中，是一种不确定性的 表现。在实际生活中，经常听到这样的话“他很高”、“她很年 轻”、“她的成绩很好”等，其中的“高”、“年轻”、“成绩 好”都是模糊的概念，究竟多高才算高，究竟多少岁才算老，或 者说年轻和年老的分界线是多少岁，成绩多好才算好，都没有一 个十分确定的界限。

模糊概念

天气冷热

雨的大小

风的强弱

人的胖瘦

年龄大小

个子高低

模糊概念没有明确外延的概念，即没有明确符合某概念的 对象的全体，如“天气冷热”、“雨的大小”、 “风的强弱”、“人的胖瘦”、“年龄的大小”、 “个子高低”。是客观事物本质属性在人们头脑 中的反映。例：高温天气的定义， 按照经典集合理论的表示方式，高温={T∣T>36℃}。35.9℃不 属于高温35.9℃当然属于高温天气，温度已经相当高，无非属于高温 天

【关键词】倒立摆 模糊控制 PID控制 模糊PID控制 MATLAB仿真

【英文关键词】Inverted pendulum Fuzzy control PID control Fuzzy PID control MATLAB Simulation

倒立摆论文：基于PID的二级倒立摆控制器的设计

【中文摘要】二级倒立摆系统是一个具有多变量、强耦合性、高度非线性的不稳定的系统，它可以反应出控制界当中的很多问题，例如：鲁棒性、可镇定性、跟踪性等。在控制领域当中，有很多的不稳定系统以及非线性系统，而倒立摆系统能够对这样的系统进行检验，所以倒立摆系统是控制领域当中学者研究的热点之一。倒立摆的控制方法也在军事、机器人等领域中得到了广泛性的应用。第一章简单介绍了倒立摆系统研究的历史与现状，并阐述了在不同时期所取得的成果。因为本文设计的是模糊PID控制器，所以在接下来的章节中我们首先要做的就是相关理论的准备工作。准备的内容包括：PID理论、模糊理论等相关知识的介绍。之后用拉格朗日函数方法建立一个二级倒立摆的数学模型，根据这个模型求出它的状态与输出两个方程，用现代控制理论对该系统的稳定性、可控制性、能观测性进行分析，同

第2章模糊控制论－控制系统智能控制基础

目录www.themegallery.com2.1 引言2.2 模糊集合论基础2.3 模糊逻辑、模糊逻辑推理和合成2.4 模糊控制系统的组成2.5 模糊控制系统的设计2.6 模糊PID控制器2.7 模糊控制器的应用2/76

2.4 模糊控制系统www.themegallery.com?模糊控制系统是以模糊数学、模糊语言形式的知识表示和模糊逻辑推理为理论基础，采用计算机控制技术构成的一种具有闭环结构的数字控制系统。它的组成核心是具有智能性的模糊控制器。

3/76

基本结构www.themegallery.com4/76

2.4.1 模糊化（Fuzzification）过程www.themegallery.com?模糊化过程是将精确的测量值转化为模糊子集的过程。

?将输入量转化为语言值表示的隶属度。?语言值并不唯一?见图2－19

5/76

1.一个三阶系统

b0s?b1s?b2s?a1s?a2s?a3322 ，其中a,b的值由自己设定，该系统具有非

线性环节，如下图所示：

依据上述条件设计一个模糊控制器： ①用MATLAB仿真，得出仿真结果， ②并通过改变a、b值对仿真结果的影响；

③改变隶属度函数，从仿真结果图分析隶属度函数，模糊化对系统的影响； 解：①

（1）取b0=0,b1=0,b2=1.5,a1=4,a2=2,a3=0,在SIMULINK里建模如下图所示

（2）用GUI建立FIS

E和EC分别为系统输出误差和误差的变化量，U为控制输出，编辑其隶属度函数如下

1

2

编辑模糊推理规则如下

3

(3)仿真结果如下

4

2自己选定一个对象，设计一个神经网络控制系统。

解：被控对象为y(k)=0.3y(k-1)+0.2y(k-2)+0.1u(k-1)+0.6u(k-2),采用单神经元PID控制，控制结构如下图所示：

采用有监督的Hebb学习规则，控制算法及学习算法如下：

3u(k)?u(k?1)?K?wi?(k)xi(k)i?13wi?(k)?wi(k)/?wi(k)i?1w1(k)?w1(k?1)??Iz(k)u(k)x1(k)w2(k)?w2(k?1)??Pz(k)u(

第6章 Matlab在模糊控制中的应用

Matlab（是“Matrix Laboratory”的缩写）是由美国Mathworks公司于1984年正式推出的一套高性能的科学计算软件。针对模糊逻辑尤其是模糊控制的迅速推广应用，MathWork公司在其MATLAB版中添加了Fuzzy Logic工具箱。该工具箱由长期从事模糊逻辑和模糊控制研究与开发工作的有关专家和技术人员编制。MATLAB Fuzzy Logic 工具箱以其功能强大和方便易用的特点得到了用户的广泛欢迎。模糊逻辑的创始人Zadeh教授称赞该工具箱“在各方面都给人以深刻的印象，使模糊逻辑成为智能系统的概念与设计的有效工具”。

在本章中，以Matlab6.5为开发环境，基于模糊控制工具箱（Fuzzy Logic Toolbox），通过一些简单直观的例子，对模糊控制系统进行分析、设计与研究，并通过对部分例子的详细说明，使读者能够初步掌握模糊逻辑工具箱的使用。

6.1 模糊逻辑工具箱函数

一、模糊逻辑工具箱函数简介

Matlab的模糊逻辑工具箱函数为模糊控制系统的分析与设计提供了许多工具箱函数，它们可按主题分为如下几大类：GUI（图形用户界面）工具、隶属度函数、FIS（模糊推理系统）数