模糊控制系统仿真

智能控制实验报告---模糊控制系统仿真一．实验内容运用matlab制作一个两个输入一个输出的模糊控制器。分别控制一阶二阶三阶系统查看其输出。二．实验分析1.模糊逻辑控制器的基本结构2.根据系统实际情况，选择e，de和u的论域erange:[-66]ecrange:[-66]urange:[-22]3.e，de和u语言变量的选取e7个：NB,NM,NS,ZERO,PS,PM,PBec7个：NB,NM,NS,ZERO,PS,PM,PBU7个：NB,NM,NS,ZERO,PS,PM,PB4.模糊规则确定规则解释：（1）以e=NB,并且ec=NB，输出DU=NB为例。偏差e为负大（NB），偏差变化率ec也为负大（NB）,说明反馈超调量很大，而且反馈超调增大eecNBNMNSZEROPSPMPBNBNBNBNBNBNMNSZERONMNBNBNMNMNSZEROPSNSNBNMNMNSZEROPSPMZERONBNMNSZEROPSPMPBPSNMNSZEROPSPMPMPBPMNSZEROPSPMPMPBPBPBZEROPSPMPBPBPBPB决策逻辑去模糊化知识库过程模糊化模糊控制器ee和计算+-模糊推理单元精确值模糊值模糊值精确值的变化趋势也很大，因此应该是最大幅度的减小控制量，即控制量为负大（NB）。（2）以e=PB并且ec=PB，则u=PB,为例。偏差e为正大(PB)，偏差变化率ec也为正大(PB)，说明被控量远远没有达到稳态值，同时原理稳态值的趋势很大，因此应该以最快的速度增加被控量，即输出u=PB。（3）以e=NS并且ec=PS，则u=ZERO为例。偏差为负小(NS)时，偏差的变化率为正小(PS)，说明被控量反馈值略小，即，略有超调，并且以较小的速度减小，因此可保持控制量不变，即控制增量为零（ZERO）。5.隐含和推理方法的制定•隐含采用‘mamdani’方法:‘max-min‘•推理方法，即‘min‘方法•去模糊方法：重心法。•选择隶属函数的形式：三角型三．实验步骤1.建立fuzzy（fis）文件。（1）在主窗口输入fuzzy，显示如下图所示（2）选择EditAddVariableInput，增加一个输入，使之成为两输入一输出。并将输入输出的名字分别改为e，ec，u。（3）双击输入e，修改e的范围（range）改为（-66），并且将其中的mfs全部删除，并且点击Edit，ADDMFS…添加七个mfs，并依次将名字改为NB,NM…PM,PB。同理编辑ec和u（4）建立规则，双击规则的图框，根据上图所示的规则表，建立规则。（5）查看规则及控制器的输出（6）保存文件并输出到工作空间2.建立一阶二阶三阶系统，进行仿真。注意在模糊控制模块，要将刚建立的ｆｉｓ文件添加到模糊控制器中。（1）一阶系统传递函数为：G(s)=1s+1其系统建模为：（2）二阶系统传递函数为：Ｇ(Ｓ)=１ｓ２+ｓ＋１其系统建模为：（3）三节系统传递函数为Ｇ(ｓ)＝１(ｓ＋１)（ｓ２＋ｓ＋１）其系统建模为：四．实验结果及分析１．一阶系统图一：系统经过模糊控制器后的输出：图二：系统未经过模糊控制后的输出：图三：模糊控制器的输入：图四：模糊控制器的输出：实验结果分析：由上图可知加入模糊控制后是的一阶系统的调节时间变长了。由于模糊规则划分的不是很细，而且，初学对于控制规则的掌握不是很深，导致加入模糊控制后使调节时间变长。２．二阶系统图一：经过模糊控制器的系统输出：图二：未经过模糊控制的系统的输出：图三：模糊控制器的输入：图四：模糊控制器的输出：实验结果分析：由上图可知,加入模糊控制后使得系统的超调量减小，并且使得调节时间变短了。３．三节系统图一：经过模糊控制器的系统输出：图二：未经过模糊控制器的系统输出：图三：模糊控制器的输入：图四：模糊控制器的输出：实验结果分析：右上图可知，加入模糊控制后使得系统的超调量及调节时间均减小了。五．实验总结模糊控制能较好的控制系统的输出，大幅度减小超调，调节时间等参数，使得系统能够更快，更稳，更准。模糊控制的突出优点是能够比较容易地将人的控制经验融入到控制器中，但若缺乏这样的控制经验，很难设计出高水平的模糊控制器。而且，由于模糊控制器采用了IF-THEN控制规则，不便于控制参数的学习和调整，使得构造具有自适应的模糊控制器较困难。六．实验中遇到的问题（1）输出的稳态误差非常大。原因：一些参数设置不合理（2）输出后一直不能稳定。原因：模糊规则出错（3）输出后震荡很厉害。原因：加入的一阶保持系统参数设置太大（4）由于不能熟悉掌握matlab的仿真功能，而导致不能导入模糊控制器，及时间出错等问题。