模糊控制在液位控制器中的应用

· 48 ·

Software 软件2011年第32卷 第4期国际IT 传媒品牌

模糊控制在液位控制器中的应用

孟志刚1　巴力登1　刘丽芳2

（1.新疆大学电气工程学院，新疆 乌鲁木齐 830047；2.太原理工大学信息工程学院，山西 太原 030024）

摘　要：在模糊控制原理的基础上设计出模糊控制器，利用模糊推理的方法实现了对液位系统的控制，本文详细介绍了模糊控制器设计思路和步骤。并在MATLAB 仿真软件上进行仿真研究，结果表明，模糊控制能使液位控制系统的控制效果大大提高，对进一步的研究应用提供了一定的参考价值。

关键词：模糊控制；液位；仿真

中图分类号：TP273+.4 文献标识码：A DOI: 10.3969/j.issn.1003-6970.2011.04.016

The Application of Fuzzy Control in the Liquid Level Controler

MENG Zhi-gang 1, BA Li-deng 2, LIU Li-fang 2

(1.College of electrical engineering , Xinjiang University , 830047; 2.College of Information Engineering , Taiyuan University of Technology , Taiyuan 030024, China )

【Abstract 】

On the basis of fuzzy control theory, a fuzzy controller is designed and using the fuzzy reasoning method, the liquid level system control is realized. This paper introduces the method and steps of fuzzy controller design, and researches the simulation on MATLAB software showing that the fuzzy control can greatly improve the effects of liquid level control system which provides a certain reference value to further research and application.

【Key words 】

Fuzzy Control; Liquid Level; Simulate 作者简介：孟志刚，男，新疆大学电气工程学院研究生，研究方向： 控制理论与控制工程；巴力登，男，教授，研究方向：计算机信息技术与控制；刘丽

芳，女，河南濮阳人，太原理工大学信息工程学院研究生，研究方向：控制科学与工程

0　引言

液位控制的使用十分广泛， 特别是在石油化工等工业生产中的应用。传统的自动控制需要被控对象有准确的数学模型，而在实际的工业生产中影响系统的因素很多，而且由于被控对象的时变性、非线性和时滞性大，建立精确的数学模型就显得特别困难。近年来随着控制技术的不断发展，出现新的控制算法，如模糊控制、神经网络控制和自适应控制等。模糊控制由于不需要建立被控对象数学模型，只需要根据控制规则表来决定控制量的大小。因此采用模糊控制技术设计液位控制器会取得良好的控制效果。

1　模糊控制的基本原理

首先把工业现场中各系统所测得到的数据信

息的偏差由数字量转换成适合模糊控制运算的模糊量，然后把模糊量送入控制器中按照制定好的模糊控制规则进行模糊推理运算，最后把推理运算结果的模糊量转化成系统能够接受的精确量去控制执行机构。

2　模糊控制的基本结构

从控制的角度看，模糊控制系统与一般的计算机控制系统基本相同，不同之处在于控制器的结构和功能。模糊控制系统

包括参考输入、模糊控制器和被控对象。模糊控制器主要有四部分组成：模糊化、知识库、模糊推理和去模糊化。通常以系统输出的误差e 和误差变化率Δe 作为输入，这是最典型的模糊控制器，本文采用这种方式，如图1所示。

图1 典型模糊控制结构图

3　模糊控制器的设计步骤

3.1　确定输入输出变量和模糊分割

本文选择误差e 和误差变化率Δe 作为模糊控制器的输入量，控制量u 作为输出变量，如图2所示。

图2　设计阶段模糊控制结构图

其中误差量化因子K1=n/e;误差变化率量化因子K2=n/Δe;控制量量化因子K3=n/u;其中n 一般取为6。

· 49 ·

它们的论域分别是E、C、U，表示为：E={-6，-5，-4，-3，-2，-1, 0, 1, 2, 3, 4, 5, 6}；C={-6，-5，-4，-3，-2，-1, 0, 1, 2, 3, 4, 5, 6}；U={40,50,60,70,80,90,100,110,120}各论域上的模糊子集是：F(E)={NL, NM, NS, Z, PS, PM, PL}；分别表F(C)={NL,NM,NS,Z,PS,PM,PL};F(U)={NL,NM,NS,Z,PS,PM,PL}示为负大、负中、负小、零、正小、正中、正大。隶属函数的形状有多种，但实际应用中采用三角形居多，为了便于计算本文也采用三角形形式。图3图4图5分别为误差e 和误差变化率Δe 及控制量u 的隶属函数。

图3 误差e 的隶属函数

图 4 误差变化率Δe 隶属函数

图5 控制量u 的隶属函数

3.2　模糊控制规则的建立

模糊控制规则可以通过专家经验来建立，在有些场合下，无法找到这样的专家，而被控对象的模糊模型却已知。那么就可以根据对象的模糊模型来推断相应的控制规则，即通过一组模糊条件语句构成模糊控制规则，然后求出模求糊控制规则所确定的模糊关系，经过模糊推理，可求出模糊控制器的输出。

本文采用Mamdani 模糊推理模型。由U=（E×C）·R，已知输入量E、C 和输出U，可求出模糊关系R；反之，由模糊关系R 和输入量E、C 就可求出输出量U。

模糊控制规则的形式为： If(E is A1) and (C is A2) then (U is A3)

模糊控制规则:

1)if(E is NL)and(C is NL)then(U is NL)2)if(E is NL)and(C is NM)then(U is NL)3)if(E is NL)and(C is NS)then(U is NL)4)if(E is NL)and(C is Z)then(U is NM)…

46)if(E is PL)and(C is Z)then(U is PM)47)if(E is PL)and(C is PS)then(U is PL)48)if(E is PL)and(C is PM)then(U is PL)49)if(E is PL)and(C is PL)then(U is PL)

3.3　输出量的清晰化

模糊推理得出的结论一般都是模糊量，但是控制器输出到具体的执行机构的信号必须是清晰的精确量，因此，必须将模糊推理结果转变为清晰量。这一过程与输入模糊化相反，故称为清晰化或去模糊化。常用的方法有：最大隶属度法、加权平均法和面积等分法。其中加权平均法是应用最广泛的一种去模

糊法。本文采用这种方法，其计算公式为：

4 仿真结果与分析

本文所用的仿真环境是MATLAT 7.6.0(R2008a)。MATLAT 仿真软件提供了模糊逻辑工具箱，根据本文所设计的模糊控制器结构和各变量的隶属度函数及模糊控制规则，建立系统仿真模型如图6所示。

图6 系统仿真模型

在MATLAB 命令窗口中输入fuzzy，启动模糊推理系统编辑器，在其中增加一条输入变量，把误差输入变量和误差变化率输入变量的名称定义为：E 和C，把输出量变量定义为U。打开隶属度函数编辑器，把输入语言变量E 的取值范围和显示范围设置为[-6 6]，隶属度函数类型设置为三角函数。输入语言变量C 的设置与E 相同。输出语言变量U 的取值范围和显示范围设置为[ 40 120 ]，隶属度函数也设置为三角函数。隶属度函数编辑器如图7所示。

然后将模糊规则规则表中的49条规则输入到模糊规则编辑器中，如图8所示。最后保存模糊推理系统的设置并导入到工作空间。

在Simulink 仿真系统中，逻辑模糊控制器的参数名称要和模糊推理系统的保存名称相一致，否则会提示出错，仿真曲