没有合适的资源?快使用搜索试试~ 我知道了~
模糊控制器设计.doc
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 182 浏览量
2021-10-05
11:28:31
上传
评论
收藏 306KB DOC 举报
温馨提示
试读
11页
模糊控制器设计.doc
资源推荐
资源详情
资源评论
. -
模糊控制器设计
模糊控制是以模糊集合论、模糊语言变量及模糊逻辑推理为根底的一种计算机数字控制。从线性控制与非线性控制的角度
分类,模糊控制是一种非线性控制。从控制器的智能性看,模糊控制属于智能控制的 X 畴,而且它已成为目前实现智能控制的
一种重要而又有效的形式。
1 模糊控制的根本思想
在自动控制技术产生之前,人们在生产过程中只能采用手动控制方式。
手动控制过程首先是通过观测被控对象的输出,其次是根据观测结果做出决策,然后手动调整输入量,操作工人就是这样
不断地完成从观测、决策到调整,实现对生产过程的手动调整输入量,操作工人就是这样不断地完成从观测、决策到调整,实
现对生产过程的手动控制。这三个步骤分别是由人的眼-脑-手来完成的。
后来,由于科学技术的进步,人们逐渐采用各种测量装置〔如传感器〕代替人眼,完成对被控制量的观测任务;利用各种
控制器〔如 PID 调节器〕取代人脑的作用,实现比拟、综合被控制量与给定量之间的偏差,控制器所给出的输出信号相当于手
动控制过程中人脑的决策;使用各种执行机构〔如电动机〕对被控对象施加某种控制作用,这就起到了手动控制中手的调整作
用。
上述由测量装置、控制器、被控对象及执行机构组成的自动测控系统,就是人们所熟知的常规负反应控制系统。
常规控制首先要建立准确数学模型,但是对一些复杂的工业过程,建立准确的数学模型是非常困难的,或者是根本不可能
的。于是常规控制技术在这里就遇到了不可逾越的障碍。但是,熟练的技术操作人员,通过感官系统进展现场观察,再根据自
己的经历就能很容易地实现这类控制过程,于是就产生了一个问题,能否把人的操作经历总结为假设干条控制规那么,并设计
一个装置去执行这些规那么,从而对系统进展有效的控制呢?答案是肯定的。这种装置就是模糊控制器。
与传统的 PID 控制相比,模糊控制有其明显的优越性。
由于模糊控制实质上是用计算机去执行操作人员的控制策略,因而可以避开复杂的数学模型。
对于非线性,大滞后及带有随机干扰的复杂工业对象,由于数学模型难以建立,因而传统的 PID 控制也就失效,而对这样
的系统,设计一个模糊控制器,却没有多大困难。
实践结果说明,在两种系统均调到最正确状态下,当工作条件大幅度变化时,经典的 PID 控制难以进展调整,而模糊控制
对过程参数改变不灵敏,在所有工作所有工作点上都能做到较稳定的控制,这说明模糊控制本质上是非线性的,并且对于对象
的参数变化适应性强,即所谓的“鲁棒性〞较好。
2 模糊控制系统的组成
模糊控制属于计算机数字控制的一种形式,通常由 5 个局部组成,其系统框图如图 1 所示。
图 1
〔1〕模糊控制器
实际上是一台 PC 机或单片机及其相应软件。
〔2〕输入/输出接口
模糊控制器通过输入接口获取信号,并经输出接口转变为模拟信号去控制被控对象。
〔3〕执行机构
主要包括电动和气动调节装置,如伺服电机、气动调节阀等。
〔4〕被控对象
可以是缺乏准确数学模型的对象,也可以是有较准确数学模型的对象。
〔5〕变送器
由传感器和信号调理电路组成,传感器是将被控对象转换为电信号的装置,传感器的精度直接影响整个模糊控制系统的精
度。
模糊控制系统与通常的计算机控制系统的主要区别是采用了模糊控制器。模糊控制器是模糊控制系统的核心。一个模糊系
统性能的优劣,主要取决于模糊控制器的构造、所采用的模糊规那么、合成推理算法以及模糊决策的方法等因素。
3 模糊控制器的组成及各局部工作原理
模糊控制器主要包括输入量模糊化接口、知识库、推理机、输出清晰化接口四个局部,如图 2 所示。
图 2
〔1〕模糊化接口
模糊控制器的输入变量〔通常为偏差和偏差的变化率〕的实际变化 X 围叫做这些变量的根本论域,显然根本论域内的量为
准确量,当计算机实现模糊控制算法进展模糊控制时,每次采样得到的被控制量需经计算机计算,以便得到模糊控制器的输入
变量。为了进展模糊化处理,必须将输入变量从根本论域转换到相应的模糊集论域。
. .zj.
A/D
模糊控制器
D/A
执行机构
被控对象
变送器
+
-
r(t)
e(t)
u(k)
e(k) u(t) g(t)
y(t)
. -
设输入变量的根本论域为[-x,x],输入变量的模糊集论域为{-n,-n+1,…,0,…,n-1,n},即可以给出准确量模
糊化的量化因子
k = n/x
把输入变量乘以量化因子,就能实现输入变量从根本论域到模糊集论域的转换。
通常,习惯上把输入变量的模糊集论域设定为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},把在这区间的连
续量模糊化为 7 档:
“正大〞〔PB〕——多数取+6 附近;
“正中〞〔PM〕——多数取+4 附近;
“正小〞〔PS〕——多数取+2 附近;
“零〞〔0〕——多数取 0 附近;
“负小〞〔NS〕——多数取-2 附近;
“负中〞〔NM〕——多数取-4 附近;
“负大〞〔NB〕——多数取-6 附近。
这 7 档对应着 7 个模糊子集,如表 1 所示。
表中的数表示[-6,+6]之间 13 个元素在对应模糊集中的隶属度。当然,这只是一个示意性表,目的在于说明从准确量向
模糊量的转换过程,实际的模糊集要根据具体问题来规定。
表 1 模糊变量不同等级的隶属度值
隶属度
等级
模糊变量
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
PB 0 0 0 0 0 0 0 0 0.2 0.4 0.7 0.8 1
PM 0 0 0 0 0 0 0 0 0.2 0.7 1 0.7 0.2
PS 0 0 0 0 0 0 0.3 0.8 1 0.7 0.5 0.2 0
Z0 0 0 0 0 0.1 0.6 1 0.6 0.1 0 0 0 0
NS 0 0.2 0.5 0.7 1 0.8 0.3 0 0 0 0 0 0
NM 0.2 0.7 1 0.7 0.2 0 0 0 0 0 0 0 0
NB 1 0.8 0.7 0.4 0.2 0 0 0 0 0 0 0 0
〔2〕知识库
① 数据库:存放所有输入输出变量的全部模糊子集的隶属度矢量值,假设论域为连续域,那么为隶属度函数。对于以上例
子,须将表 6-7 中内容存放于数据库,在规那么推理的模糊关系方程求解过程中,向推理机提供数据。
② 规那么库:用来存放全部模糊控制规那么,在推理时为“推理机〞提供控制规那么。
模糊控制器的规那么是基于专家知识或手动操作熟练人员长期积累的经历,它是按人的直觉推理的一种语言表示形式。模
糊规那么通常由一系列的关系词连接而成,如 if—then,else,also,end,or 等,关系词必须经过“翻译〞才能将模糊规
那么数值化。例如,某温度模糊控制器,系统输入变量为温度的偏差 e 和温度偏差的变化率 ec,输出量为温度控制信号 u,
它们对应的语言变量分别为 E,EC 和 U,可给出如下模糊规那么:
R1:IF E is 正大 and EC is 正大 then U is 负大
第一条模糊规那么含义是假设温度偏高,且温度上升较快,那么调节温度控制信号使温度迅速下降。
R2:IF E is 负大 and EC is 负大 then U is 正大
第二条模糊规那么含义是假设温度偏低,且温度下降较快,那么调节温度控制信号使温度迅速上升。
〔3〕推理机
推理机在模糊控制器中的功能是:根据输入的模糊量和知识库〔数据库、规那么库〕完成模糊推理,并求解模糊关系方程,
从而获得模糊控制量。例如,假设偏差 E 和偏差的变化率 EC 的模糊集,那么控制量的模糊集 U 可由模糊推理的合成算法获得,
即
式中,× —模糊直积运算;
· —模糊合成运算;
R — 模糊关系。
〔4〕清晰化接口
通过推理机进展模糊决策所得到的输出是模糊量,而被控对象只能承受一个控制量,因此要进展控制必须经过清晰化接口
将模糊量转换为准确量。
将模糊量转换为准确量通常采用以下三种方法:
① 最大隶属度判决法:假设对应的模糊决策的模糊集中,元素 u*∈U,且满足
那么取 u* 〔准确量〕作为输出控制量。u*就是该模糊子集中隶属度最大的那个元素。如果这样的隶属度最大点 u*不唯
一,就取它们的平均值 作为执行量。
例如,假设 =0.3/2+0.7/3+1/4+0.6/5+0.2/6,在 中,元素 4 的隶属度最大,那么按最大隶属度
原那么,应取执行量 u*=4;假设 =0.3/2+1/3+1/4+0.5/5 +0.2/6,在 中,隶属度最大有两个,它们
分别为元素 3 和 4,那么取 u* =〔3+4〕/2=3.5。
. .zj.
. -
最大隶属度判决法的优点是简单易行,算法实时性好,突出了隶属度最大元素的控制作用;缺点是它概括的信息量少,对
隶属度较小元素的控制作用没有考虑。
② 加权平均判决法:该方法的输出量 u*的值由下式来决定
例如,假设 ,那么
③ 取中位数法:在最大隶属度判决法中,只考虑了最大隶属数,而忽略了其它信息的影响。中位数判决法是将隶属函数曲
线与横坐标所围成的面积平均分成两局部,以分界点所对应的论域元素作为判决输出。
图 6-19 为模糊控制量隶属函数曲线,根据中位数判决,得输出量 u*=1。
中位数判决法虽然比拟充分地利用了模糊子集提供的信息量,但在计算时比拟烦琐,而且缺乏对隶属度较大元素提供的主
导信息的充分重视,因此这种方法在实际应用中受到一定限制。
模糊控制算法可概括为下述 4 个步骤:
采样系统的被控量,得到输入变量;
将输入变量的准确值变为模糊量;
根据输入变量〔模糊量〕及模糊控制规那么,按模糊推理合成规那么计算控制量〔模糊量〕;
由上述得到的控制量〔模糊量〕计算准确的控制量。
2 模糊控制器设计
1 模糊控制器的构造设计
确定模糊控制器的构造是设计模糊控制器的第一步,所谓“构造〞是指确定哪些变量作为模糊控制器的输入变量和输出变量
模糊控制器的构造分为单输入单输出。构造和多输入多输出构造两类。由于单输入单输出构造用的较多,这里只对该构造给予
介绍。在单输入单输出构造的模糊控制器中,将其输入变量的个数定义为模糊控制器的维数,如图 6-20 所示。
一维模糊控制器如图 6-20〔a〕所示。输入变量往往选择为被控量和输入给定量的偏差 e。由于仅仅采偏差值,很难反映
受控过程的动态特性品质,因此,所能获得的系统动态性能是不能令人满意的。
. .zj.
剩余10页未读,继续阅读
资源评论
pyhm63
- 粉丝: 6
- 资源: 20万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功