智能控制指导作业

语言变量X ，Y ，Z 的隶属度函数.

设计带有纯延迟的一阶惯性环节（假设T=6,=0.02）：

G(s)=s

e s

6102.0+

的模糊控制器，观察仿真结果。

编程如下：

%被控系统建模 num=1; den=[6,1];

[a1,b,c,d]=tf2ss(num,den);%传递函数转换到状态空间 x=[0];

%系统参数

T=0.01;h=T;td=0.02;N=1000; nd=td/T;%系统纯延迟 R=ones(1,N);%参考输入

%定义输入和输出变量及隶属度函数

a=newfis('Simple');

a=addvar(a,'input','e',[-4 4]);

a=addmf(a,'input',1,'NB','trimf',[-4,-4,-2]); a=addmf(a,'input',1,'NS','trimf',[-4,-2,0]); a=addmf(a,'input',1,'ZO','trimf',[-2,0,2]);

a=addmf(a,'input',1,'PS','trimf',[0,2,4]);

a=addmf(a,'input',1,'PB','trimf',[2,4,4]);

a=addvar(a,'input','de',[-4 4]);

a=addmf(a,'input',2,'NB','trimf',[-4,-4,-2]); a=addmf(a,'input',2,'NS','trimf',[-4,-2,0]); a=addmf(a,'input',2,'ZO','trimf',[-2,0,2]);

a=addmf(a,'input',2,'PS','trimf',[0,2,4]);

a=addmf(a,'input',2,'PB','trimf',[2,4,4]);

a=addvar(a,'output','u',[-4 4]);

a=addmf(a,'output',1,'NB','trimf',[-4,-4,-2]); a=addmf(a,'output',1,'NS','trimf',[-4,-2,0]); a=addmf(a,'output',1,'ZO','trimf',[-2,0,2]); a=addmf(a,'output',1,'PS','trimf',[0,2,4]);

a=addmf(a,'output',1,'PB','trimf',[2,4,4]); %模糊规则矩阵

rr=[5 5 4 4 3

5 4 4 3 3

4 4 3 3 2

4 3 3 2 2

3 3 2 2 1];

r1=zeros(prod(size(rr)),3);k=1;

for i=1:size(rr,1)

for j=1:size(rr,2)

r1(k,:)=[i,j,rr(i,j)];

k=k+1;

end

end

[r,s]=size(r1);

r2=ones(r,2);

rulelist=[r1,r2];

a=addrule(a,rulelist);

%采用模糊控制器的二阶系统仿真

e=0;de=0;

ke=30;kd=5;ku=1;

for k=1:N

%输入变量变换至论域

e1=ke*e;

de1=kd*de;

if e1>=4

e1=4;

elseif e1<=-4

e1=-4;

end

if de1>=4

de1=4;

elseif de1<=-4

de1=-4;

end

%模糊推理，计算出被控对象的控制输入

in=[e1 de1];

u=ku*evalfis(in,a);

uu(1,k)=u;

if k<=nd

u=0;

else

u=uu(1,k-nd);

end

%控制作用于被控系统，计算系统输出；利用龙格—库塔法进行系统仿真k0=a1*x+b*u;

k1=a1*(x+h*k0/2)+b*u;

k2=a1*(x+h*k1/2)+b*u;

k3=a1*(x+h*k2)+b*u;

x=x+(k0+2*k1+2*k2+k3)*h/6;

y=c*x+d*u;

yy(1,k)=y;

%计算系统输出误差及误差导数

e1=e;e=y-R(1,k);

de=(e-e1)/T;

end

%典型二阶环节的模糊控制输出曲线

kk=[1:N]*T;

figure(1);

plot(kk,R,'k',kk,yy,'r');grid on

xlabel('时间（秒）');ylabel('输出');

智能控制大作业

姓名： 何成东 学号： S0703234 专业： 导航、制导与控制

模糊控制器部分大作业

已知()()

0.525

123s G e s s s -=

+++，分别设计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。

具体要求：

1、分别采用fuzzy 工具箱和编程实现模糊控制器。

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)。

4、讨论系统在模糊控制和PID 控制作用下的时间参数和结构变化下的抗干扰能力。

模糊控制部分大作业旨在利用模糊控制器和PID 控制器实现对已知系统的控制，分别得到较好的控制效果。然后改变系统的参数、结构或者加入非线性环节，以验证模糊控制器的鲁棒性能。以下是作业过程：

1、PID 控制

考虑到系统中存在纯延迟环节，使得系统的稳定性大大降低。如果系统的反馈信号没有延迟，系统的响应特性将会得到很好的改善。因此，对于存在纯滞后环节的系统，特别是大延迟过程，一般采用Smith 预估控制，即将纯滞后补偿模型与PID 控制器并接。本题中，延迟环节的时间常数不是很大，仅为0.2，因此基本上不会影响系统的稳定，采用常规PID 控制也基本可以达到很好的控制效果。常规PID 控制框图如图1-1（相应文件：PID.mdl ）

图1-1 常规PID 控制框图

PID 参数选取：38.0=p K ，285.0=i K ，1.0=d K 常规PID 控制的单位阶跃响应曲线：