T-S模糊模型与状态反馈控制trollerypayload模型Matlab仿真

共5个文件

m：5个

需积分: 49 105 浏览量 2022-03-16 18:53:59 上传评论 2 收藏 2KB ZIP 举报

在本项目中，我们关注的是T-S模糊模型与状态反馈控制在Trollery Payload系统中的应用，通过Matlab进行仿真。T-S模糊模型是一种将模糊逻辑理论与线性系统理论结合的方法，它允许我们将复杂的非线性系统近似为一组线性的模糊子系统。状态反馈控制则是一种广泛应用的控制策略，旨在稳定系统的动态行为并优化其性能。让我们深入理解T-S模糊模型。T-S模糊模型由Takagi-Sugeno于1985年提出，它是基于模糊逻辑的系统建模方法。这种模型将一个非线性系统分解为多个线性部分，每个部分对应一个模糊规则，模糊规则的结论部分是线性函数。通过模糊推理，我们可以将输入变量转换为相应的线性子系统，进而对整个非线性系统进行控制。接下来，我们讨论状态反馈控制。状态反馈是一种反馈控制策略，它根据系统的当前状态来调整控制输入。在这种情况下，我们通常设计一个控制器，使得闭环系统的特征值位于期望的区域，从而实现系统的稳定性。在Trollery Payload系统中，状态反馈控制可以确保负载的精确移动和定位，同时抑制可能的动态不稳定。在Matlab中进行仿真，我们需要编写一系列的M文件。"trolly_sim.m"很可能是主仿真脚本，它调用其他辅助函数，设置仿真参数，并显示结果。"trolly_affine_ctrl.m"和"trolly_affine.m"可能涉及到线性部分的控制设计和系统描述，它们处理T-S模糊模型的线性子系统。而"trolly_fuzzy_ctrl.m"和"trolly_fuzzy.m"则是模糊控制相关的代码，它们包含了模糊规则的定义、模糊推理过程以及基于这些规则的状态反馈控制器的设计。在进行Matlab仿真时，我们通常会先设定系统的输入和初始条件，然后调用控制器计算控制输入，接着更新系统状态，并重复这个过程直到达到预设的仿真时间。仿真结果可以帮助我们分析系统的动态行为，如稳态误差、超调量、上升时间和调节时间等，从而评估控制策略的效果。为了进一步优化控制性能，我们可能需要调整模糊规则的数量、形状、隶属函数的类型以及状态反馈控制器的参数。此外，还可以考虑引入自适应或滑模控制策略，以增强系统的鲁棒性和适应性。 T-S模糊模型与状态反馈控制的结合提供了一种有效的方法来处理Trollery Payload系统这样的非线性动态问题。通过Matlab仿真，我们可以深入研究系统的动态特性，设计并优化控制策略，以满足负载搬运过程中的精度和稳定性要求。

资源详情

资源评论

资源推荐

收起资源包目录

trolly_sim.zip （5个子文件）

trolly_fuzzy_ctrl.m 250B

trolly_affine_ctrl.m 473B

trolly_affine.m 292B

trolly_fuzzy.m 202B

trolly_sim.m 2KB

clear all;close all; t0=0;tf=30;step=0.1; x0(1:4)=[10 1 pi/10 0.1]'; global M m l u g; global A0 A1 A2 B0 B1 B2 x3 K0 K1 K2; M=100;m=50;l=4;g=9.81;u=100; syms x1 x2 x3 x4; x00=[0 0 0 0]';x01=[5 0 pi/6 pi/20]';x02=[5 -1 -pi/6 0]'; x=[x1;x2;x3;x4]; f=[x2;(m*l*x4^2*sin(x3)+m*g*sin(x3)*cos(x3))/(M+m*sin(x3)*sin(x3));x4;-(m*l*x4^2*sin(x3)*cos(x3)+(M+m)*g*sin(x3))/l/(M+m*sin(x3)*sin(x3))]; gx=1/(M+m*sin(x3)*sin(x3))*[0;1;0;-cos(x3)/l]; J=jacobian(f,x); Ai=J+(f-J*x)*x'/(x'*x); A0=double(subs(J,x,x00));B0=double(subs(gx,x,x00)); A1=double(subs(Ai,x,x01));B1=double(subs(gx,x,x01)); A2=double(subs(Ai,x,x02));B2=double(subs(gx,x,x02)); [t,x_fuzzy]=ode45('trolly_fuzzy',[t0:step:tf], x0); [t,x_affine]=ode45('trolly_affine',[t0:step:tf], x0); figure(1); subplot(2,2,1);plot(t, x_fuzzy(:,1),'b-.',t,x_affine(:,1),'b:');xlabel('时间(秒)');ylabel('x1'); subplot(2,2,2);plot(t, x_fuzzy(:,2),'b-.',t,x_affine(:,2),'b:');xlabel('时间(秒)');ylabel('x2'); subplot(2,2,3);plot(t, x_fuzzy(:,3),'b-.',t,x_affine(:,3),'b:');xlabel('时间(秒)');ylabel('x3'); subplot(2,2,4);plot(t, x_fuzzy(:,4),'b-.',t,x_affine(:,4),'b:');xlabel('时间(秒)');ylabel('x4'); a0=[-1.1 -1.5 -1.8 -2.1]; a1=[-1.3 -1.6 -1.9 -2.2]; a2=[-1.5 -1.6 -1.8 -1.9]; K0=place(A0,B0,a0);K1=place(A1,B1,a1);K2=place(A2,B2,a2); [t,x_fuzzy_ctrl]=ode45('trolly_fuzzy_ctrl',[t0:step:tf], x0); [t,x_affine_ctrl]=ode45('trolly_affine_ctrl',[t0:step:tf], x0); figure(2); subplot(2,2,1);plot(t, x_fuzzy_ctrl(:,1),'b-.',t,x_affine_ctrl(:,1),'b:');xlabel('时间(秒)');ylabel('x1'); subplot(2,2,2);plot(t, x_fuzzy_ctrl(:,2),'b-.',t,x_affine_ctrl(:,2),'b:');xlabel('时间(秒)');ylabel('x2'); subplot(2,2,3);plot(t, x_fuzzy_ctrl(:,3),'b-.',t,x_affine_ctrl(:,3),'b:');xlabel('时间(秒)');ylabel('x3'); subplot(2,2,4);plot(t, x_fuzzy_ctrl(:,4),'b-.',t,x_affine_ctrl(:,4),'b:');xlabel('时间(秒)');ylabel('x4');