PID模糊全自动洗衣机的控制系统设计.doc

《PID模糊全自动洗衣机的控制系统设计.doc》由会员分享，可在线阅读，更多相关《PID模糊全自动洗衣机的控制系统设计.doc（33页珍藏版）》请在沃文网上搜索。

1、无 锡 职 业 技 术 学 院毕业设计说明书目录第一章 绪论10第二章 PID控制15第三章 模糊控制器及其设计20第四章 模糊PID控制器的设计28 选择模糊推理方法32第五章 模糊PID控制器的MATLAB仿真34第一章 绪论1.1 课题研究的背景及学术意义随着越来越多的新型自动控制应用于实践，其控制理论的发展也经历了经典控制理论、现代控制理论和智能控制理论三个阶段。智能控制的典型实例是模糊全自动洗衣机。自动控制系统可分为开环控制系统和闭环控制系统。一个控制系统包括控制器、传感器、变送器、执行机构、输入输出接口。控制器的输出经过输出接口、执行机构加到被控系统上；控制系统的被控量，经过传感器

2、、变送器通过输入接口送到控制器。不同的控制系统，传感器、 变送器、执行机构是不一样的。比如压力控制系统要采用压力传感器；电加热控制系统要采用温度传感器1。目前，PID控制及其控制器或智能PID控制器（仪表）已经很多，产品已在工程实际中得到了广泛的应用。比如，工业生产过程中，对于生产装置的温度、压力、流量、液位等工艺变量常常要求维持在一定的数值上，或按一定的规律变化，以满足生产工艺的要求。PID控制器可以根据PID控制原理对整个控制系统进行偏差调节，从而使被控变量的实际值与工艺要求的预定值一致。经典PID控制的调节器控制规律为比例、积分、微分控制，简称PID控制，又称PID调节。PID控制器问世

3、至今已有近70年历史，它因结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一，现今也在很多领域有应用。尤其是当被控对象的结构和参数不能完全掌握或得不到精确的数学模型，控制理论的其它技术难以采用，系统控制器的结构和参数又必须依靠经验和现场调试来确定时，应用PID控制技术最为方便。根据统计数据：全世界过程控制领域使用的控制器84%仍是纯PID调节器，若改进型包含在内则超过90%。1.2 经典PID控制系统的分类与简介1.2.1 P控制这类控制输出的变化与输入控制器的偏差成比例关系，输入偏差越大输出越大。单纯的比例控制适用于扰动不大，滞后较小，负荷变化小，要求不高，允许有一定剩余误差

4、存在的场合。在工业生产中，比例控制规律使用较为普遍，它是控制规律中最基本的、应用最普遍的一种，其最大优点就是控制及时、迅速。只要有偏差产生，控制器立即产生控制作用。但是不能最终消除剩余误差的缺点限制了它的单独使用。 1.2.2 PI控制克服剩余误差的办法是在比例控制的基础上加上积分控制。积分控制器的输出与输入偏差对时间的积分成正比。它的输出不仅与输入偏差的大小有关，而且还与偏差存在的时间有关。只要偏差存在，输出就会不断累积，一直到偏差为零，累积才会停止。所以，积分控制可以消除剩余误差。1.2.3 PD控制当被控对象受到扰动作用后，被控变量没有立即发生变化，而是有一个时间上的延迟。因此要引入比例

5、、微分作用，即PD控制。它比单纯的比例作用更快。尤其是对容量滞后大的对象，可以减小偏差的幅度，节省控制时间，显著改善控制质量。1.2.4 比例积分微分（PID）控制最为理想的控制当属比例-积分-微分控制。它集三者之长：既有比例作用的及时迅速，又有积分作用的消除剩余误差能力，还有微分作用的超前控制功能。当偏差扰动出现时，微分立即大幅度动作，抑制偏差的这种跃变；比例也同时起消除偏差的作用，使振荡幅度减小。由于比例作用是持久和起主要作用的控制规律，积分作用可以慢慢把剩余误差克服掉，因此可使系统比较稳定；只要三个作用的控制参数选择得当，便可充分发挥三种控制规律的优点，得到较为理想的控制效果。即当我们不

6、完全了解一个系统和被控对象，或不能通过有效的测量手段来获得系统参数时，最适合用PID控制技术。然而伴随着新的控制系统的不断涌现，PID控制策略在控制非线性、时变、强耦合及参数和结构不确定的复杂过程时，控制效果不理想。因此，它的应用受到了很大程度上的限制。1.3 模糊逻辑与模糊控制的概念1.3.1 模糊控制相关概念“模糊逻辑”的概念，其根本在于区分布尔逻辑或清晰逻辑，用来定义那些含混不清，无法量化或精确化的问题，对于冯诺依曼开创的基于“真假”推理机制，以及因此开创的电子电路和集成电路的布尔算法，模糊逻辑填补了特殊事物在取样分析方面的空白。在模糊逻辑为基础的模糊集合理论中，某特定事物具有特色集的隶

7、属度，他可以在“是”和“非”之间的范围内取任何值。而模糊逻辑是合理的量化数学理论，是以数学基础为根本去处理这些不确定、不精确的信息。模糊控制是基于模糊逻辑描述的一个过程的控制算法。它是用模糊数学的知识模仿人脑的思维方式，根据模糊现象进行识别和判决，给出精确控制量，进而对被控对象进行控制的。对于参数精确已知的数学模型，我们可以用波特图或奈克斯特图来分析其过程以获得精确的设计参数。而对一些复杂系统，如粒子反应，气象预报等设备，建立一个合理而精确的数学模型是非常困难的。对于电力传动中的变速矢量控制问题，尽管可以通过测量得知其模型，但由于其多变量且非线性变化的特点，精确控制也是非常困难的。模糊控制技术

8、依据与操作者的实践经验和直观推断，也依靠设计人员和研发人员的经验和知识积累。它无需建立设备模型，因此基本上是自适应的，具有很强的鲁棒性。历经多年发展，已有许多成功应用模糊控制理论的案例，如Rutherford、Carter应用于冶金炉和热交换器的控制装置。1.3.2 模糊控制的优点对比常规控制办法，模糊控制有以下几点优势：（1）模糊控制完全是在操作人员经验控制基础上实现对系统的控制，无需建立数学模型，是解决不确定系统的一种有效途径。（2）模糊控制具有较强的鲁棒性，被控对象参数的变化对模糊控制的影响不明显，可用于非线性、时变、时滞的系统，并能获得优良的控制效果。（3）由离散计算得到控制查询表，提

9、高了控制系统的实时性、快速性。（4）控制的机理符合人们对过程控制作用的直观描述和思维逻辑，是人工智能的再现，属于智能控制。1.4 模糊控制技术的应用概况国内在模糊控制方面也同样取得了显著成果。1986年，都志杰等人用单片机研制了工业用模糊控制器。随后，何钢、能秋思、刘浪舟等人相继将模糊控制方法成功地应用在碱熔釜反应温度、玻璃窑炉等控制系统中。在社会生活领域中，体现在模糊控制技术在家电中的应用，所谓模糊家电，就是根据人的经验，在电脑或者芯片的控制下实现可模仿人的思维进行操作的家用电器。几种典型的模糊家电产品如下： 模糊电视机这类电视机可根据室内光线的强弱调整电视机的亮度，根据人与电视机的距离自动

10、调整音量，同时能够自动调节电视机的色度、清晰度和对比度。 模糊空调器模糊空调器可以灵敏地控制室内的温度。日本研制了一种模糊空调器，利用红外线传感器识别房间信息（人数、温度、大小、门开关等），从而快速调整室内温度，提高了舒适感。 模糊微波炉日本夏普公司生产的RE-SEI型微波炉，内部装有12个传感器，这些传感器能对食物的重量、高度、形状和温度进行测量，并利用这些信息自动选择化霜、再热、烧烤和对流4种工作方式，并自动决定烹制时间。 模糊洗衣机以我国生产的小天鹅模糊控制全自动洗衣机为例，它能够自动识别洗衣物人重量、质地、污脏性质和程度，采用模糊控制技术来选择合适的水位、洗涤时间、水流程序等，其性能已

11、经达到国外同类产品的水平。 模糊电动剃刀日本三洋、松下公司推出了模糊控制电动剃刀，通过利用传感器分析胡须的生长情况和面部轮廓，自动调整刀片，并选择最佳的剃削速度。在工业炉方面、石化方面、煤矿行业、食品加工行业领域，模糊控制应用也很广泛。1.5 本文的研究目的和内容论文将以学习PID控制理论、模糊控制理论、模糊PID控制器开发、MATLAB下的仿真建模为研究方向，具体内容安排如下：第二章：研究经典PID控制器的工作原理，控制算法及其相应的特点。寻求PID各个控制参数对系统输出的作用规律以及参数整定方法。第三章：着重掌握模糊控制理论，掌握模糊原理、模糊推理过程和模糊控制器的结构和工作方式。第四章：

12、利用模糊控制器和传统的PID控制器结合来形成模糊自适应的PID控制器，通过模糊系统、模糊决策系统和精确化环节来在线确定PID控制器的比例、积分、微分系数，再利用MATLAB仿真程序，通过SIMULINK模块搭建系统，实现控制系统的仿真。分析仿真结果，计算所建立模糊系统的各项指标。42无 锡 职 业 技 术 学 院毕业设计说明书第二章 PID控制2.1 PID的算法和参数2.1.1 位移式PID算法算法在连续控制系统中，常常采用如图2-1所示的PID控制。图2-1 PID控制流程其控制原则如公式2-1所示。 （2-1）其中，KP比例系数；TI积分时间常数；TD微分时间常数；e（t）偏差；u（t）

13、控制量；经过离散化，获得位置PID的离散算法，如公式2-2所示。 （2-2）调节器输出u(k)与跟过去所有偏差信号有关，计算机需要对e（i）进行累加，运算工作量很大，而且计算机故障可能使u(k)做大幅振荡，这种情况往往使控制很不方便，在有些场合可能会造成严重的事故。另外，控制器的输出u(k)对应的是执行机构的实际位置；如果计算机出现故障，u(k)的大幅度变化会引起执行机构位置的大幅度变化。因此，在实际的控制系统中不太常用这种方法。2.1.2 增量式PID算法依据位移式PID算法，推理得公式2-3。 (2-3)式中，e(k)第k次采样时的偏差值；e(k-1)第（k-1）次采样时的偏差值；u(k)

14、第k次采样时调节器的输出；KP比例系数； ，。依据算法形式，显然可以看出增量式PID算法和位置式算法相比具有以下几个优点：首先，增量式算法只与e（k）、e（k-1）、e（k-2）有关，不需要进行累加，不易引起积分饱和，因此能获得较好的控制效果。其次，在位置式控制算法中，由手动到自动切换时，必须首先使计算机的输出值等于阀门的原始开度，才能保证手动到自动的无扰动切换，这将给程序设计带来困难。而增量式设计只与本次的偏差值有关，与阀门原来的位置无关，因而易于实现手动自动的无扰动切换。再次，增量式算法中，计算机只输出增量，误动作影响小。必要时可加逻辑保护，限制或禁止故障时的输出。为适应更多的应用领域，P

15、ID控制器也有了多种算法。2.1.3 积分分离PID算法积分分离PID算法基本思想是：设置一个积分分离阈值，当|e(k)|时，采用PID控制，以便于消除静差，提高控制精度；当|e(k)|时，采用PD控制。其对应的算法如公式2-4所示。 （2-4）其中，为逻辑变量，其取值原则为：对同一控制对象，分别采用普通PID控制和积分分离PID控制，见图2-2。图2-2 PID控制和积分分离PID控制比较 其中1-普通PID控制效果 2-积分分离PID控制效果显然，积分分离的PID比普通的PID的控制效果好。2.1.4 不完全微分PID算法在PID控制器的输出端再串联一阶惯性环节（比如低通滤波器）来抑制高频

16、干扰，平滑控制器的输出，这样就组成了不完全微分PID控制，见图2-3。 PID调节器图2-3 不完全微分PID控制器其控制算法，如公式2-5所示。 （2-5）其中通过这样的算法，可以延长微分作用的时间，见图2-4。图2-4 不完全微分PID和完全微分PID控制特性比较不完全微分PID控制中的微分作用能缓慢地维持多个采样周期，使一般的工业执行机构能较好地跟踪微分作用的输出。因此，抗干扰能力较强，在一些扰动频繁的场合应用十分普遍。2.2 PID参数对系统控制性能的影响2.2.1 比例系数KP对系统性能的影响比例系数加大，使系统的动作灵敏，速度加快，稳态误差减小。KP偏大，振荡次数加多，调节时间加长

17、。KP太大时，系统会趋于不稳定。KP太小，又会使系统的动作缓慢。KP可以选负数，这主要是由执行机构、传感器以控制对象的特性决定的。如果KD的符号选择不当，对象状态就会距离目标状态越来越远，如果出现这样的情况KP的符号就一定要取反。2.2.2 积分时间常数Ti对系统性能的影响积分作用使系统的稳定性下降，Ti小（积分作用强）会使系统不稳定，但能消除稳态误差，提高系统的控制精度。2.2.3 微分时间常数Td对系统性能的影响微分作用可以改善动态特性。Td偏大时，超调量较大，调节时间较短；Td偏小时，超调量也较大，调节时间也较长。只有Td合适，才能使超调量较小，减短调节时间。2.3 PID控制器的选择与

18、PID参数整定2.3.1 PID控制器的选择在引入PID之前要确定用哪种类型，即选定PID控制器的基本类型。通常依据表2-1原则确定。表2-1 PID控制类型选定原则被控参数控制器备注温度/成分流量/压力液位/料位PIDPIP*K*K：当工业对象具有较大的滞后时，可引入微分作用；但如果测量噪声较大，则应先对测量信号进行一阶或平均滤波。2.3.2 PID控制器的参数整定PID控制器的参数整定是控制系统设计的核心内容。它是根据被控过程的特性确定PID控制器的比例系数、积分时间和微分时间的大小。PID控制器参数整定的方法很多，概括起来有两大类：一是理论计算整定法。它主要是依据系统的数学模型，经过理论

19、计算确定控制器参数。这种方法所得到的计算数据未必可以直接用，还必须通过工程实际进行调整和修改。二是工程整定方法，它主要依赖工程经验，直接在控制系统的试验中进行，且方法简单、易于掌握，在工程实际中被广泛采用。PID控制器参数的工程整定方法，主要有临界比例法、反应曲线法和衰减法。三种方法各有其特点，其共同点都是通过试验，然后按照工程经验公式对控制器参数进行整定。但无论采用哪一种方法所得到的控制器参数都需要在实际运行中进行最后调整与完善。现在一般采用的是临界比例法。无 锡 职 业 技 术 学 院毕业设计说明书第三章 模糊控制器及其设计3.1 模糊控制器的基本结构与工作原理模糊控制器有如下结构，图3-

20、1呈现了其基本控制流程。模 糊 化模 糊 推 理知 识 库解 模 糊被 控 对 象图3-1 模糊控制器控制流程为了了解模糊控制器的工作原理，图3-2列出其结构框图。模 糊 化模 糊 推 理知 识 库解 模 糊被 控 对 象图3-2 模糊控制器结构显然，模糊控制器主要由模糊化接口、知识库、模糊推理机、解模糊接口四部分组成，通过单位负反馈来引入误差，并以此为输入量进行控制动作。3.2 模糊控制器各部分组成3.2.1 模糊化接口模糊化接口接受的输入只有误差信号e（t），由e（t）再生成误差变化率或误差的差分e（t），模糊化接口主要完成以下两项功能： 论域变换 模糊化 3.2.2 知识库知识库中存储着

21、有关模糊控制器的一切知识，它们决定着模糊控制器的性能，是模糊控制器的核心。 数据库（Data Base）数据库中存储着有关模糊化、模糊推理、解模糊的一切知识，包括模糊化中的论域变换方法、输入变量各模糊集合的隶属度函数定义等，以及模糊推理算法、解模糊算法、输出变量各模糊集合的隶属度函数定义等。 规则库（Rule Base）模糊控制规则集，即以“ifthen”形式表示的模糊条件语句，如R1：If e* is A1, then u* is C1,R2：If e* is A2, then u* is C2,其中，e*就是前面所说的模糊语言变量，A1，A2，An是et*的模糊子集，C1，C2，Cn是u*

22、的模糊子集。规则库中的n条规则是并列的，它们之间是“或”的逻辑关系，整个规则集合的总模糊关系为：。3.2.3 模糊推理机模糊控制应用的是广义前向推理。即通过模糊规则对控制决策进行推断，以确定模糊输出子集。3.2.4 解模糊接口 解模糊 论域反变换 3.3模糊推理方式3.3.1 Mamdani模糊模型（迈达尼型）Mamdani型的模糊推理方法最先将模糊集合的理论用于控制系统7。它是在1975年为了控制蒸汽发动机提出来的。其采用极小运算规则定义表达的模糊关系。如R：If x is A then y is B。式中：x为输入语言变量；A为推理前件的模糊集合；y为输出语言变量；B模糊规则的后件。用RC

23、表示模糊关系，如公式3-1。 （3-1）当x为，且模糊关系的合成运算采用“极大极小”运算时，模糊推理的结论计算如公式3-2所示。 （3-2）3.3.2 Takagi-Sugeno模糊模型(高木-关野)Sugeno模糊模型也称TSK模糊模型，旨在开发从给定的输入输出数据集合产生模糊规则的系统化方法。此类方法将解模糊也结合到模糊推理中，故输出为精确量。这是因为Sugeno型模糊规则的后件部分表示为输入量的线性组合。它是最常用的模糊推理算法。与Mamdani型类似；其中输入量模糊化和模糊逻辑运算过程完全相同，主要差别在于输出隶属函数的形式。典型的零阶Sugeno型模糊规则的形式：If x is A

24、and y is B then z =k。式中：x和y为穿入语言变量；A和B为推理前件的模糊集合；z为输出语言变量；k为常数。更为一般的一阶Sugeno模型规则形式为：If x is A and y is B then z= px+qy+r。当然，以上两种解模糊方法各有千秋。由于Mamdani型模糊推理规则的形式符合人们的思维和语言表达的习惯。因而能够方便地表达人类的知识，但存在计算复杂、不利于数学分析的缺点；Sugeno型模糊推理则具有计算简单，利于数学分析的优点，是具有优化与自适应能力的控制器或模糊建模工具。3.4模糊控制器的维数确定 一维模糊控制器见图3-3，它的输入变量往往选择为受控变

25、量和输入给定值的偏差e，但却很难反映过程的动态特性品质，因而往往被用于一阶被控对象。 二维模糊控制器见图3-4，它的两个输入变量基本上都选用受控变量值和输入给定值的偏差e和偏差变化ec，由于它们能够严格地反映受控过程中输出量的动态特性，故在控制效果上要比一维控制器好得多，目前采用较广泛。 三维模糊控制器见图3-5，它的三个输入分别为系统偏差量e，偏差微分ec，偏差的二阶微分ecc。但由于这种模糊控制器结构复杂，推理运算时间长。因此，适用于动态特性的要求特别高的场合。 图3-3 一维模糊控制器 图3-4 二维模糊控制器 图3-5 三维模糊控制器从理论上讲，模糊控制系统所选用的模糊控制器维数越高，

26、系统的控制精度也就越高。但是维数选择太高，模糊控制律就过于复杂，基于模糊合成推理的控制算法也就更困难。3.5 模糊控制器的隶属函数典型的隶属函数有11种，即双S形隶属函数、联合高斯型隶属函数、高斯型隶属函数、广义钟形隶属函数、双S形乘积隶属函数、S状隶属函数、梯形隶属函数、三角隶属函数、Z形隶属函数。在模糊控制中应用较多的隶属函数有以下6种： 高斯型隶属函数见图4-2，它的MATLAB表示为gaussmf(x,c)。图4-2 高斯型隶属函数 广义钟形隶属函数见图4-3，它的MATLAB表示为gbellmf(x,a,b,c)。图4-3 广义钟形隶属函数 S形隶属函数见图4-4，它的MATLAB表

27、示为sigmf(x,a,c)。图4-4 S形隶属函数 梯形隶属函数见图4-5，它的MATLAB表示为trapmf(x,a,b,c,d)。图4-5 梯形隶属函数 三角形隶属函数见图4-6，它的MATLAB表示为trimf(x,a,b,c)。图4-6 三角形隶属函数 Z形隶属函数见图4-7，它的MATLAB表示为zmf(x,a,b)。图4-7 Z形隶属函数3.6模糊控制器的解模糊过程 重心法 最大隶属度法在推理结论的模糊集合中取隶属度最大的那个元素作为输出量即可。 系数加权平均法3.7 模糊PID控制器的工作原理模糊PID控制器是运用模糊数学的基本理论和方法，把控制规则的条件、操作用模糊集表示，并

28、把这些模糊控制规则及有关专家的控制信息作为知识存入计算机知识库中8，然后计算机根据控制系统实际响应状况，运用模糊控制规则表中的相关的规则进行模糊推理。它能自动调整PID参数，实现对PID控制器参数的最优配备，从而让PID控制具有更强的适应性，优化了控制效果。模糊PID控制器有多种结构和形式，但是其原理都是基本一致的。无 锡 职 业 技 术 学 院毕业设计说明书第四章 模糊PID控制器的设计模糊PID控制器是以操作人员手动控制经验总结出的控制规则为核心，通过辨识系统当前的运行状态；经过模糊推理，模糊判决，解模糊过程得到确定的控制量以实现对被控对象的在线控制。4.1 模糊PID控制器组织结构和算法

29、的确定论文中，模糊PID控制器的设计选用二维模糊控制器。即，以给定值的偏差e和偏差变化ec为输入；KP，KD，KI为输出的自适应模糊PID控制器，见图4-1。图4-1 自适应模糊PID控制器其中PID控制器部分采用的是离散PID控制算法，如公式4-1。 （4-1）4.2 模糊PID控制器模糊部分设计4.2.1 定义输入、输出模糊集并确定个数类别依据模糊PID控制器的控制规律以及经典PID的控制方法9，同时兼顾控制精度。论文将输入的误差(e)和误差微分(ec)分为7个模糊集：NB(负大)，NM(负中)，NS(负小)，ZO(零)，PS（正小），PM(正中)，PB(正大)。即，模糊子集为e，ec=N

30、B,NM,NS,ZO,PS,PM,PB。将输出的KP，KD，KI也分为7个模糊集：NB(负大)，NM(负中)，NS(负小)，ZO(零)，PS（正小），PM(正中)，PB(正大)。即，模糊子集为KP，KD，KI=NB,NM,NS,ZO,PS,PM,PB。4.2.2 确定输入输出变量的实际论域根据控制要求，对各个输入，输出变量作如下划定：e，ec论域：-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6KP，KD，KI论域：-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6应用模糊合成推理PID参数的整定算法。第k个采样时间的整定为式中为经典PID控制器的初始参数。为了便于系

31、统输入，输出参数映射到论域内。根据实验和相关文献，确定模糊化因子为：ke=kec=0.01；解模糊因子为：K1=0.5,K2=K3=0.01。4.2.3 定义输入、输出的隶属函数误差e、误差微分及控制量的模糊集和论域确定后，需对模糊变量确定隶属函数。即对模糊变量赋值，确定论域内元素对模糊变量的隶属度。参考输入、输出变量的变化规律，依据第三章中3.5节相关内容。通过实验、试凑。最终作如下规定：对于输入量误差(e),误差微分(ec)都采用高斯型的隶属函数(gaussmf)，同时为体现定义的7个模糊子集，见图4-8和图4-9。 图4-8 偏差隶属函数 图4-9 偏差微分隶属函数对于输出量KP变化量（

32、KP），KD变化量(KD)，KI变化量(KI)采用三角形隶属函数(trimf)，同时为体现定义的7个模糊子集，见图4-10，4-11，4-12。 图4-10 KP变化量隶属函数 图4-11 KD变化量隶属函数 图4-12 KI变化量隶属函数4.2.4 确定相关模糊规则并建立模糊控制规则表根据参数KP、KI、KD对系统输出特性的影响情况，可以归纳出系统在被控过程中对于不同的偏差和偏差变化率参数KP、KI、KD的自整定原则： 当偏差较大时，为了加快系统的响应速度，并防止开始时偏差的瞬间变大可能引起的微分过饱和而使控制作用超出许可范围，应取较大的KP和较小的KD。另外为防止积分饱和，避免系统响应较大

33、的超调，KI值要小，一般取KI=0。 当偏差和变化率为中等大小时，为了使系统响应的超调量减小和保证一定的响应速度，KP应取小些。在这种情况下KD的取值对系统影响很大，应取小一些，KI的取值要适当。当偏差变化较小时，为了使系统具有较好的稳态性能，应增大KP、KI值，同时为避免输出响应在设定值附近振荡，以及考虑系统的抗干扰能力，应适当选取KD。原则是：当偏差变化率较小时，KD取大一些；当偏差变化率较大时，KD取较小的值，通常为中等大小。参考以上自整定原则，总结工程设计人员的技术知识和实际操作经验，建立合适的关于e、ec、KP、KD、KI的模糊规则，如：1.If (e is NB) and (ec

34、is NB) then (KP is PB)(KI is NB)(KD is PS)2.If (e is NB) and (ec is NM) then (KP is PB)(KI is NB)(KD is NS)3.If (e is NB) and (ec is NS) then (KP is PM)(KI is NM)(KD is NB).49.If (e is PB) and (ec is PB) then (KP is NB)(KI is PB)(KD is PB)将以上规则定义成模糊规则控制表,见表4-1，4-2，4-3。表4-1 KP模糊规则表ecKPeNBNMNSZOPSPMPB

35、NBNMNSZOPSPMPBPBPBPMPMPSPSZOPBPBPMPMPSZOZOPMPMPMPSZONSNMPMPSPSZONSNMNMPSPSZONSNSNMNMZOZONSNMNMNMNBZONSNSNMNMNBNB表4-2 KI模糊规则表ecKIeNBNMNSZOPSPMPBNBNMNSZOPSPMPBNBNBNBNMNMZOZONBNBNMNMNSZOZONMNMNSNSZOPSPSNMNSNSZOPSPSPMNSNSZOPSPSPMPMZOZOPSPMPMPBPBZOZOPSPMPBPBPB表4-3 KD模糊规则表ecKDeNBNMNSZOPSPMPBNBNMNSZOPSPMPB

36、PSPSZOZOZOPBPBNSNSNSNSZONSPMNBNBNMNSZOPSPMNBNMNMNSZOPSPMNBNMNSNSZOPSPSNMNSNSNSZOPSPSPSZOZOZOZOPBPB4.2.5 模糊推理 选择模糊推理方法 权衡PID控制自身的诸多特点。例如，它的控制规则形式符合人们的思维和语言表达的习惯，控制策略能够方便地表达，控制算法简单等。论文中，选用的是Mamdani型的模糊推理办法。 规则匹配和触发给定输入的误差和误差微分后，分别代入隶属函数中，并求出关于所建立七个模糊子集的隶属度，统计输入的误差和误差微分隶属度不为零的模糊子集对数，依照模糊控制规则表，查得并统计输出对应

37、的模糊子集。 规则前提推理在同一条规则内，前提之间通过“与”的关系得到规则结论。对前提的可信度之间通过取小运算来确定，之后统计出规则总的可信度。 模糊系统总的输出模糊系统总的可信度为各条规则可信度推理的并集。通过统计，可以得到被触发的若干条规则。 解模糊参考第三章中3.6节，兼顾模糊PID系统的要求，此系统利用重心平均法进行解模糊操作。以e=-0.455,ec=0.738为例，解模糊过程见图4-13。图4-13 解模糊示例如上，利用重心平均法，在e=-0.455，ec=0.738时可推得：KP=0.35，KD=-2.44，KI=0.246。将以上参数与初始参数整合的值KP=20.35，KD=1

38、.26， KI=1.596。将其送至经典PID控制器，就可以在这一暂态获得理想的控制效果。无 锡 职 业 技 术 学 院毕业设计说明书第五章 模糊PID控制器的MATLAB仿真5.1 模糊控制部分的fuzzy inference system仿真5.1.1 定义输入输出变量并命名在MATLAB提示符下键入下列名字启动系统“Fuzzy”。打开一个标记为input1的单输入，标记为output1的单输出的一个没有标题的FIS编辑器10。打开Edit菜单并选择Add Variable.分别添加输入、输出，并分别命名为E，EC，KP，KI，KD。将控制器命名为“graduate2”,见图5-1。图5-

39、1 设置好的FIS编辑器5.1.2 编辑隶属函数在上图所示窗口中，打开View下拉式菜单并选择Edit Membership Functions.通过双击各个变量，设置Range和Display Range。以定义其论域和每支隶属函数的范围。从Edit菜单中选择Add MFs.分别对系统的输入输出变量按照设计书对隶属函数的类型、数量进行定义，见图5-2。图5-2 隶属函数编辑器5.1.3 编辑模糊规则库在上图所示窗口中,点击“Edit”,选中“Rules.”按照任务书中的关于e、ec、KP、KD、KI的模糊规则，参照编辑器的提示，将规则一条一条的录入其中，见图5-3。图5-3 模糊规则库综上，

40、对模糊控制器的各部分设置完成，将其保存为“graudate2.fis”。通过调用曲面观察器，所设计的模糊系统如图5-4。图5-4 曲面观察器通过分析图形特点，可以看到它有明显的梯度分布，说明所设计的模糊系统从误差和误差变化到三个PID参数变化量的模糊映射与理论设计匹配良好。因而，所设计的模糊控制器合格。5.2 对模糊控制器的SIMULINK建模MATLAB提供的SIMULINK是一个用来对动态系统进行建模，仿真与分析的软件包11。它功能强大，使用简单，支持连续，离散和二者混合的系统，同时还可用于线性系统和非线性系统的分析。SIMULINK包含多个子模型库，每个子模型库里又包含多个功能模块。利用

41、这些资源直接进行系统仿真，最后用模拟示波器将仿真动态结果予以显示。5.2.1 将模糊系统载入SIMULINKSIMULINK可以与模糊逻辑工具箱结合。在MATLAB中建立一个M文件，命名为“graduate2.m”，其内容为: matrix=readfis(graduate1.fis)，这样就完成了模糊逻辑组件和SIMULINK相关模块的连接。5.2.2 在SIMULINK中建立模糊子系统在MATLAB 的命令窗口里键入“SIMULINK”可建立一个新的SIMULINK仿真模型。打开的SIMULINK库中选择“Fuzzy Logic Toolbox”项，将选项“Fuzzy Logic Cont

42、roller”拖到SIMULINK仿真系统中。确定模糊化因子为：ke=kec=0.01;解模糊因子为：K1=0.5，K2=K3=0.0112。建立如下模型，并将其封装成子系统。见图5-5。 图5-5 模糊控制器 5.3 PID部分的SIMULINK建模首先，在MATLAB提示符下键入下“SIMULINK”，启动SIMULINK模块。由于在Matlab7.11.0.584(R2010b)的版本中，PID控制器有独立的SIMULINK模块，它的KP、KD、KI可直接设置。建立“五入单出”的PID控制器。见图5-6。 图5-6 五输入PID控制器5.4 模糊PID控制器的SIMULINK建模完成各个

43、部分的SIMULINK仿真后。依据模糊PID控制器原理，利用刚刚封装的子系统进行模糊PID控制器的仿真。为了预置初始参数，利用SIMULINK中“Commonly Used Blocks”下的“Constant模块”和“Sum模块”。针对被控对象，把经典PID控制器的预置参数KP=20，KD=3.7，KI=1.35设置给“Constant模块”，将模糊控制器的输出控制信号KP、KI、KD与预置参数加和一起送到经典PID控制器，并在输出的PID参数位置分别加入SIMULINK中“Sinks”下的“Scope模块”，用来观察模糊PID控制器的在线参数整定的情况。依照以上要求，建立如图5-7模型。图

44、5-7 模糊PID控制器5.5 利用子系统对控制系统进行SIMULINK建模先将各个部分封装成子系统，再把控制器与被控对象进行连接，设定单位负反馈回路以形成闭环系统。论文中，选择单位阶跃信号为系统输入；被控对象为；控制系统分三个支路进行输出：1.单位阶跃信号直接作为系统输出2.模糊PID控制系统输出3.经典PID控制系统输出论文采用同一个示波器同时显示经典PID控制器、模糊PID控制器的系统输出图像和输入信号的方式来显示输出波形，建立如图5-8的控制系统模型。 图5-8 控制系统SIMULINK模型5.6 控制系统的SIMULINK仿真研究在MATLAB中先载入graduate2.m文件，按“F5”进行运行，这里工作空间包含了名为“matrix”的矩阵，其表达了模糊控制规则的相关信息，在MATLAB的命令栏中显示如下：matrix