第6章 模糊系统辨识与模糊自适应控制 6.1 模糊系统辨识的建模方法 建立被控对象模型的方法一般有三种： 1. 基于机理的建模； 2. 基于试验的建模； 3. 基于系统辨识的建模。 Zadeh 于1962年曾给出系统辨识的定义：系统辨识是在对输入和输出观测的基础上，在指定的一类系统中，确定一个与被识别的系统等价的系统。 6.2 基于模糊系统模型的模糊系统辨识 1. 模糊关系模型的概念 一个模糊关系模型可以表示为：()F U Y A M ,,, 其中A 表示模糊算法；Y 表示过程的有限离散输出空间；U 表示过程的有限离散 输入空间； F 表示过程的有限离散输入输出空间中所定义的所有基本模糊子集的集合。 所谓模糊模型是描述系统特性的一组模糊条件语句，其形式如： E t y C l)y(t B A k t u ==-=-)( then D or and or )( if 2. 模糊关系模型的品质指标 (1) 规则数：不宜太多，否则太复杂；也不宜太少，否则精度低。 (2) []∑=-=L i t y t y L p 1 22)(?)(1，L 为测量次数，?()y t 为对t 时刻输出的估计值。 3. 建模方法 (1) 确定输入输出空间，选择模糊变量； (2) 确定模型结构 []y(t)l)y(t k t u ,),(--； (3) 建立模糊关系模型，即获得一组模糊条件语句。 6.3 自适应模糊系统预测 自适应模糊预测模型对预报值)(?t y 与实际值)(t y 比较得到误差 )(?)()(t y t y t e -=，根据此误差对预测表进行修正，从而提高预测精度。 举例，见教材301～306页。 *基于T-S 模型的模糊系统辨识
物理与电子工程学院 《人工智能》 课程设计报告 课题名称关于模糊控制理论的综述 专业自动化 班级 11级3班 学生姓名郑艳伟 学号 指导教师崔明月 成绩 2014年6月18日
关于模糊控制理论的综述 摘要：模糊控制方法是智能控制的重要组成部分，本文简要回顾了模糊控 制理论的发展，详细介绍了模糊控制理论的原理和模糊控制器的设计步骤， 分析了模糊控制理论的优缺点以及模糊控制需要完善或继续研究的内容，根 据各种模糊控制器的不同特点，对模糊控制在电力系统中的应用进行了分 类，并分析了各类模糊控制器的应用效能.最后，展望了模糊控制的发展趋 势与动态. 关键词：模糊控制；模糊控制理论；模糊控制系统；模糊控制理论的发展模糊控制是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法，从行为上模拟人的思维方式，对难建模的对象实施模糊推理和决策的一种控制方法.模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域、电力系统、家用电器自动化等领域中解决了很多的问题，引起了越来越多的工程技术人员的兴趣. 模糊控制系统简介 模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术.1965年美国的扎德[1]创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理.1974 年英国的Mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生. 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域.从信息技术的观点来看, 模糊控制是一种基于规则的专家系统.从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器. 相对传统控制, 包括经典控制理论与现代控制理论.模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型, 应用CRI 等各类模糊推理方法,
神经网络自适应控制 学院：电气工程与自动化学院 专业：控制科学与工程 姓名：兰利亚 学号： 1430041009 日期： 2015年6月25日
神经网络间接自适应控制 摘要：自适应模糊控制系统对参数变化和环境变化不敏感,能用于非线性和多变 量复杂对象,不仅收敛速度快,鲁棒性好,而且可以在运行中不断修正自己的控制 规则来改善控制性能,因而受到广泛重视。间接自适应控制是通过在线辨识的到 控制对象的模型。神经网络作为自适应控制器，具有逼近任意函数的能力。 关键词：神经网络间接自适应控制系统辨识 一、引言 自适应控制系统必须完成测量性能函数、辨识对象的动态模型、决定控制 器如何修改以及如何改变控制器的可调参数等功能。自适应控制有两种形式： 一种是直接自适应控制，另一种是间接自适应控制。直接自适应控制是根据实 际系统性能与理想性能之间的偏差，通过一定的方法来直接调整控制器的参 数。 二、间接自适应系统分析与建模 2.1系统的分析 系统过程动态方程：y(k+1)= -0.8y(k)/(1+y2(k))+u(k),参考系统模型 由三阶差分方程描述： ym(k+1)=0.8ym(k)+1.2ym(k-1)+0.2ym(k-2)+r(k) 式中，r(k)是一个有界的参考输入。如果输出误差ec(k)定义为 ec(k)=y(k)-ym(k),则控制的目的就是确定一个有界的控制输入u(k),当k趋于 正无穷时，ec(k)=0.那么在k阶段，u(k)可以从y(k)和它的过去值中计算得 到： u(k)=0.8y(k)/(1+y2(k))+0.8y(k)+1.2y(k-1)+0.2y(k-2)+r(k) （1） 于是所造成的误差方程为： ec(k+1)=0.8ec(k)+1.2ec(k-1)+0.2ec(k-2) （2） 因为参考模型是渐进稳定的，所以对任意的初始条件，它服从当k趋于无穷， ec(k)=0。在任何时刻k，用神经元网络N2计算过程的输入控制，即 u(k)=-N[y(k)]+0.8y(k)+1.2y(k-1)+0.2y(k-2)+r(k) （3） 由此产生非线性差分方程：y(k+1)=-0.8y(k)/(1+y2(k))+N[y(k)] +0.8y(k)+ 1.2y(k-1)+0.2y(k-2)+r(k) （4） 故设计的要点是设计一个神经网络来逼近0.8y(k)/(1+y2(k))。 2.2系统的建模设计过程 第一步，用BP神经网络逼近，神经网络的结构包含三层：输入层、隐含层 和输出层。BP网络的训练过程如下：正向传播是输入信号从输入层经隐层传向 输出层，若输出层得到了期望的输出，则学习算法结束；否则，转至反向传 播。 第二步，输入测试样本，对神经网络的逼近程度进行测试，将测试后的期
模糊控制算法的研究 0842812128夏中宇 模糊控制概述 “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。 在日常生活中,人们的思维中有许多模糊的概念,如大、小、冷、热等,都没有明确的内涵和外延,只能用模糊集合来描述。人们常用的经验规则都是用模糊条件语句表达,例如,当我们拧开水阀往水桶里注水时,有这样的经验:桶里没水或水较少时,应开大水阀;桶里水较多时,应将水阀关小些;当水桶里水快满时,则应把阀门关得很小;而水桶里水满时应迅速关掉水阀。其中,“较少”、“较多”、“小一些”、“很小”等,这些表示水位和控制阀门动作的概念都具有模糊性。即有经验的操作人员的控制规则具有相当的模糊性。模糊控制就是利用计算机模拟人的思维方式,按照人的操作规则进行控制,实现人的控制经验。 模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策略。 1974年,英国伦敦大学教授Mamdani·E·H研制成功第一个模糊控制器,充分展示了模糊技术的应用前景。 模糊控制概况 模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年，美国的L.A.Zadeh 创立了模糊集合论；1973年他给出了模糊逻辑控制的定义和相关的定理。1974年，英国的E.H.Mamdani首先用模糊控制语句组成模糊控制器，并把它应用于锅炉和蒸汽机的控制，在实验室获得成功。这一开拓性的工作标志着模糊控制论的诞生。 模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力；然而在东方尤其是在日本，却得到了迅速而广泛的推广应用。近20多年来，模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。 模糊控制的基本理论 所谓模糊控制,就是在控制方法上应用模糊集理论、模糊语言变量及模糊逻辑推理的知识来模拟人的模糊思维方法,用计算机实现与操作者相同的控制。该理论以模糊集合、模糊语言变量和模糊逻辑为基础,用比较简单的数学形式直接将人的判断、思维过程表达出来,从而逐渐得到了广泛应用。应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。在自动控制领域,以模糊集理论为基础发展起来的模糊控制为将人的控制经验及推理过程纳入自动控制提供了一条便捷途径。 1.知识库
东南大学自动控制实验室 实验报告 课程名称：热工过程自动控制原理 实验名称：采样控制系统的分析 院（系）：能源与环境学院专业：热能动力姓名：范永学学号：03013409 实验室：实验组别： 同组人员：实验时间：2015.12.15 评定成绩：审阅教师：
实验八 采样控制系统的分析 一、实验目的 1. 熟悉并掌握Simulink 的使用； 2. 通过本实验进一步理解香农定理和零阶保持器ZOH 的原理及其实现方法； 3. 研究开环增益K 和采样周期T 的变化对系统动态性能的影响； 二、实验原理 1. 采样定理 图2-1为信号的采样与恢复的方框图，图中X(t)是t 的连续信号，经采样开关采样后，变为离散信号)(*t x 。 图2-1 连续信号的采样与恢复 香农采样定理证明要使被采样后的离散信号X *(t)能不失真地恢复原有的连续信号X(t)，其充分条件为： max 2ωω≥S 式中S ω为采样的角频率，max ω为连续信号的最高角频率。由于T S πω2= ，因而式可为 m ax ωπ≤ T T 为采样周期。 2. 采样控制系统性能的研究 图2-2为二阶采样控制系统的方块图。 图2-2 采样控制系统稳定的充要条件是其特征方程的根均位于Z 平面上以坐标原点为圆心的单位圆内，且这种系统的动、静态性能均只与采样周期T 有关。 由图2-2所示系统的开环脉冲传递函数为： ]2 5.05.01[)1(25])2(2[)1(25])15.0()1(25[)(21212++--=+-=+-==---S S S Z Z S S Z Z S S e Z z G S T ]5.015.0)1([)1(25221T e Z Z Z Z Z TZ Z Z ---+----=
加工过程的复合自适应模糊控制 3 姚锡凡 副教授 姚锡凡 彭永红 陈统坚 彭 观 李春雄 摘要 设计了一种自适应模糊控制器,采用了模糊规则在线自调整和 输出比例因子在线自适应估计相结合的策略,应用于铣削加工过程的仿真结果表明,该控制器可适用于非最小相位系统,为加工过程的约束型控制提供一条有效途径。 关键词 加工过程 模糊控制 自适应 参数估计 中国图书资料分类法分类号 T P 273 3国家自然科学基金资助项目(59585006)收稿日期:1997—12—22 始于60年代初的加工过程自适应控制,可分为优化型自适应控制(A CO )和约束型自适应控制(A CC )两大类。但由于加工过程的不确定性、时变性和非线性,以及对加工性能要求越来越高,建立于对象的数学模型基础上的自适应控制难以获得满意的控制效果,甚至无能为力,加工过程的 控制至今仍未获得突破性的进展[1],为此发展不依赖或少依赖于数学模型的智能加工控制系统是必要的。但常规的模糊控制不具有自适应性,而且会出现零点极限环振荡现象,为此本文提出了一种复合的自适应模糊控制,对铣削加工过程进行控制。 1 自适应模糊控制 一般常规模糊控制涉及论域有3个,它们是误差E
K U = F r c s K P (4) 式中,c s 为常数(取0.5);F r 为力的设定值;K P 为被控对象的增益。 K P 可由下式估算得到E r (i )=F (i )-K P (i - 1)u (i -1) K P (i )=K P (i -1)+cE r (i ) (5) 式中,E r 为切削力的估计误差;F 为力的测量值;c 为常数(在下面仿真中取0.035);u (i )为进给速度(电压值)。 u (i )=K U (i )[U (i ) 12+0.5] (6) 2 仿真实验 本文以铣削加工为对象,在主轴转速恒定、铣削深度作阶跃变化下,通过检测切削力,自动调节铣削进给速度,使加工过程的切削力恒定。对于铣 削加工过程(包括伺服环节),其二阶模型可以表示为[5] F β+2ΝΞn F α+Ξ2n F =K (2ΝΞn u α+Ξ2n u )(7)式中,F 为实测的切削力;u 为进给速度(电压值)(见图1);Ν为阻尼系数;Ξn 为自然频率。 采用零阶保持器,当Ν<1时,式(7)的离散可表示为 G (z )= F (z ) u (z )=b 0z +b 1z 2 +a 1z +a 2 (8) 式中,a 1、a 2、b 0、b 1可由式(7)求得。 当采样周期T =0.05s,切削深度a p 分别为2.54mm 、1.91mm 、3.81mm 时,传递函数分别 为[6] G 1(z )=F (z )u (z )=1.3907z + 1.3257 z 2 -1.8218z +0.8409G 2(z )=F (z )u (z )=0.8346z + 0.8363z 2 -1.9642z +0.9773G 3(z )=F (z )u (z )=3.0861z + 2.8242z 2 -1.7461z + 0.7655 可以看出,传递函数随切削深度而变化,当切 削深度为1.91mm 时,已变为一个非最小相位系 统,有一个过程零点位于单位圆外(z =-b 1 b 0=-1.0021),此时常规的模型参考自适应控制(M odel R eference A dap tive Con tro l,M RA C )已 不能适用上述的非最小相位系统,要用修正的M RA C 进行控制,但修正算法较为复杂。一些研 究结果表明,模糊控制能较好地适用于非最小相位加工系统,本文采用复合自适应模糊控制(图1)实现铣削加工过程控制。 仿真实验时,取K E =0.4,K C =0.8,K U (0)=5.6338,F r =400N ,T =0.05s,结果见图2。仿 真时,首先取切削深度为2.54mm ,此时采用的加工模型为G 1(z ),在t =200T 时,让加工模型变为G 2 (z ),而在t =400T 时,让加工模型变为G 3(z )。同时对进给速度进行了限制,即0Matlab实现混沌系统的控制
基于MATLAB 的各类混沌系统的计算机模拟 混沌是非线性系统所独有且广泛存在的一种非周期运动形式, 其覆盖面涉及到自然科学和社会科学的几乎每一个分支。1972年12月29日，美国麻省理工学院教授、混沌学开创人之一E.N.洛伦兹在美国科学发展学会第139次会议上发表了题为《蝴蝶效应》的论文，提出一个貌似荒谬的论断：在巴西一只蝴蝶翅膀的拍打能在美国得克萨斯州产生一个龙卷风，并由此提出了天气的不可准确预报性。为什么会出现这种情况呢？这是混沌在作怪！ “混沌”译自英语中“chaos”一词，原意是混乱、无序，在现代非线性理论中，混沌则是泛指在确定体系中出现的貌似无规则的、类随机的运动。 混沌现象是普遍的，就在我们身边，是与我们关系最密切的现象，我们就生活在混沌的海洋中。一支燃着的香烟，在平稳的气流中缓缓升起一缕青烟，突然卷成一团团剧烈搅动的烟雾，向四方飘散；打开水龙头，先是平稳的层流，然后水花四溅，流动变的不规则，这就是湍流；一个风和日丽的夏天，突然风起云涌，来了一场暴风雨。一面旗帜在风中飘扬，一片秋叶从树上落下，它们都在做混沌运动。可见混沌始终围绕在我们的周围，一直与人类为伴。 1.混沌的基本概念 1. 混沌: 目前尚无通用的严格的定义, 一般认为,将不是由随机性外因引起的, 而是由确定性方程(内因)直接得到的具有随机性的运动状态称为混沌。 2. 相空间: 在连续动力系统中, 用一组一阶微分方程描述运动, 以状态变量(或状态向量)为坐标轴的空间构成系统的相空间。系统的一个状态用相空间的一个点表示, 通过该点有唯一的一条积分曲线。 3. 混沌运动: 是确定性系统中局限于有限相空间的高度不稳定的运动。所谓轨道高度不稳定, 是指近邻的轨道随时间的发展会指数地分离。由于这种不稳定性, 系统的长时间行为会显示出某种混乱性。 4. 分形和分维: 分形是 n 维空间一个点集的一种几何性质, 该点集具有无限精细的结构, 在任何尺度下都有自相似部分和整体相似性质, 具有小于所在空间维数 n 的非整数维数。分维就是用非整数维——分数维来定量地描述分形的基本性质。 5. 不动点: 又称平衡点、定态。不动点是系统状态变量所取的一组值, 对于这些值系统不随时间变化。在连续动力学系统中, 相空间中有一个点0x , 若满足当 t →∞时, 轨迹0()x t x →, 则称0x 为不动点。 6. 吸引子: 指相空间的这样的一个点集 s (或一个子空间) , 对s 邻域的几乎任意一点, 当t →∞时所有轨迹线均趋于s, 吸引子是稳定的不动点。 7. 奇异吸引子: 又称混沌吸引子, 指相空间中具有分数维的吸引子的集合。该吸引集由永不重复自身的一系列点组成, 并且无论如何也不表现出任何周期性。混沌轨道就运行在其吸引子集中。 8. 分叉和分叉点: 又称分岔或分支。指在某个或者某组参数发生变化时, 长时间动力学运动的类型也发生变化。这个参数值(或这组参数值)称为分叉点, 在分叉点处参数的微小变化会产生不同性质的动力学特性, 故系统在分叉点处是结构不稳定的。 9. 周期解: 对于系统1()n n x f x += , 当n →∞时,若存在n i n x x ξ+== , 则称该系统有周期i 解ξ 。不动点可以看作是周期为1的解, 因为它满足1n n x x +=。 10. 初值敏感性：对初始条件的敏感依赖是混沌的基本特征，也有人用它来定义混沌：混沌系统是其终极状态极端敏感地依赖于系统的初始状态的系统。敏感依赖性的一个严重后果就在于，使得系统的长期行为变得不可预见。
实验九采样控制系统动态性能和稳定性 分析的混合仿真研究 一．实验目的 1．学习用混合仿真方法研究采样控制系统。 2．深入理解和掌握采样控制的基本理论。 二．实验内容 1．利用实验设备设计并实现已知被控对象为典型二阶连续环节的采样控制混合仿真系统。 2．改变数字控制器的采样控制周期和放大系数，研究参数变化对采样控制系统的动态性能和稳定性的影响。 三．实验步骤 1．采样控制系统的混合仿真研究方法 （1）参阅本实验附录1（1）以及图9.1.1和图9.1.2，利用实验箱上的电模拟单元电路U9和U11，设计并连接已知传递函数的连续被控对象的模拟电路。 （2）将实验箱上的数据处理单元U3模拟量输出端“O1”与被控对象的模拟电路的输入端（对应图9.1.2的r(t)端）相连，同时将该数据处理单元U3的模拟量输入端口“I1”与被控对象的模拟电路的输出端（对应图9.1.2的c(t)端）相连。再将运放的锁零端“G”与电源单元U1的“-15V”相连。注意，实验中运放没有锁零，而模拟电路中包含“电容”，故每次实验启动前，必须对电容短接放电，以免影响实验结果。 （3）接线完成，经检查USB通讯线是否接好，再给实验箱上电后，启动上位机程序，进入主界面。界面上的操作步骤如下： ①通道接线设置”:将环节的输出端Uo接到U3单元的A/D输入端I1，U3单元的D/A信号发生端接到环节的输入端Ui。 ②硬件按上述接线完后，检查USB通讯连线是否接好和检查实验箱电源是否正常后，点击LabVIEW上位机界面程序中的“RUN”按钮运行实验界面，如果有问题则请求指导教师帮助。 ③进入实验界面后，先对实验类别进行设置（选择实验九或实验十），通过对界面下边开关来选择，点击开关向上（对应紫色信号灯亮）即选择采样控制混合仿真研究（即实验九）；点击开关向下（对应绿色信号灯亮）即选择采样控制系统串联校正混合研究（即实验十）。选择“采样时间”为“200Hz/5ms”。 ④完成实验类别设置，然后设置“测试信号设置”框内的参数项，设置“信号幅值”为“1”（根据实验曲线调整大小），设置“采样时间”为“200Hz/5ms”，“采样开关T”为“1 ms”，然后选择“采样控制系统混合仿真研究”，此时数字控制器是一比例放大器，可先设置Kp=1。 注意允许的采样周期最小值为1ms。小于此值即不能保证系统运行正常。 ⑤以上设置完成后，按“启动/暂停”键启动实验或暂停实验，动态波形得到显示，如上述参数设置合理就可以在主界面中间得到系统的“阶跃响应”。
２００８年９月第１５卷第５期 控制工程 ＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇｏｆＣｈｉｎａ Ｓｅｐ．２００８ Ｖ０１．１５．Ｎｏ．５ 文章编号：１６７１．７８４８（２００８）０５．０５７２．０４ 利用模糊系统的自适应模糊控制器 金宗华’，张龙茁２，李远昌２，姜根泽２ （１．华东理工大学信息学院，上海２００２３７；２＋釜庆大学电子系，釜山６０８—７”） 摘要：针对非缌｝生系统控制，设计了利用ＴＳＫ（Ｔａｋａｇｉ．Ｓｌｌｇｅｒｐｌ（ａｎｇ）模糊系统的自适应模糊控 制器。所设计的自适应控制方法是参考模型自适应控制方法，而且利用Ｌｙ删，ｖ函数保证了闭环系 统的稳定性，同时推导了最优的自适应控制规律。首先．根据控制对象的输入输出数据建立ｒＩＳＫ模 糊模型，然后，由ＴＳＫ模糊模型设计初期的ＴＳＫ模糊控制器，并根据自适应规律随时调整模糊控制 器参数。倒立摆系统的仿真实验验证了所设计的自适应模糊控制器的有效性。 关键词：自适应控制器；ＴＳＫ模糊系统；非线性系统 中图分类号：ＴＰ２７３文献标识码：Ａ ＡｄａｐｔｉｖｅＦｕｚｚｙＣｏｎｔｒｏｌｌｅｒｂｙＵｓｉｎｇＦｕｚｚｙＳｙｓｔｅｍｓ ｆｉＮＺｏｎｇ－ｈｕａｌ，ＪＡＮＧＹｏｎｇ－ｊｏｏｌ２，ＬＥＥＷｏｎ－ｃｈａｎ９２，ＫＡＮＧＣ，ｅｕｎ－ｔａｅｋ２ （１．ＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥＩｌｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅ，ＥａｓｔＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２００２３７，Ｃｈｉｎａ； ２．Ｄｅｔｍ／ｔｍｍｔ０ｆＥｌｅｃｔｒｏｎｉｃ，ＰｕｋｙｏｎｇＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙ，Ｐｕｓａｎ６０８—７３７，Ｋｏｒｅａ） Ａｂｓｔｒａｃｔ：ＡｄａｐｔｉｖｅｍｚｚｙｃｏｎｔｒｏｌｌｅｒｆｏｒｎｏｎｌｉｎｅａｒｓｙｓｔｅｍｓｉｓｄｅｓｉｇｎｅｄｂｙｕｓｉｎｇＴＳＫ（晰－Ｓｕｇｅｎｏ－Ｋ，ａ１１９）ｆｕｚｚｙｍｏｄｅｌ．Ｔｈｅａｄａｐｔｉｖｅｃｏｎｔｒｏｌｉｓｍｏｄｅｌｒｅｆｅｉｅｎｃｅａｄａｐｔｉｖｅｃｏｎｔｒ０１．Ｂｙ璐ｉｎｇＬｙａｐｕｎｏｖｆｕｎｃｔｉｏｎ，ｔｈｅｓｔａｂｉｌｉｔｙｏｆｃｌｏｓｅｄ－ｌｏｏｐｓｙｓｔｅｍｉｓａｓｓｕｒｅｄａｎｄｔｈｅｂｅｓｔａｄａｐｔｉｖｅｌａｗｉｓｃａｌｅｕ－ ｌａｔｅｄ．ＴｈｅＴＳＫ ｆｕｚｚｙｍｏｄｅｌｉｓｃｏｎｓｔｒｕｃｔｅｄｂａｓｅｄＯｉｌｔｈｅｉｎｐｕｔ－ｏｕｔｐｕｔｄａｔａｏｂｔａｉｎｅｄｆｒｏｍａｔａｒｇｅｔｐｌａｎｔ．Ｔｈｅｎ，ｔｈｅＴＳＫｆｈｚｚｙｃｏｎｔｒｏｌｌｅｒｉｓｄｅｔｅｒ—ｍｉｎｅｄｂａｓｅｄｏｎｔｈｅＴＳＫｆｕｒｙｍｏｄｅｌ．Ｐａｒａｍｅｔｅｒｓｏｆｔｈｅｆｈｚｚｙｃｏｎｔｒｏｌｌｅｒ咖ｂｅａｄｊｕｓｔｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅａｄａｐｔｉｖｅｒｕｌｅ．Ｔｈｅａｄａｐｔｉｖｅｆｕｚｚｙｃｏｎ—ｔｒｏｌｌｅｒｉｓａｐｐｌｊｅｄｔｏｃｏｎｔｒｏｌａｌｌｉｎｖｅｒｔｅｄｐｅｎｄｕｌｕｍｓｙｓｔｅｍ，ａｎｄｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ． Ｋｅｙｗｏｒｄｓ：ａｄａｐｔｉｖｅｃｏｎｔｒｏｌｌｅｒ；ＴＳＫｆｕｚｚｙｓｙｓｔｅｍ；ｎｏｎｌｉｎｅａｒｓｙｓｔｅｍ １引言２自适应模糊控制器设计 一般模糊控制方法适用于系统的数学模型比较复杂或很难求得的情况。另外，确定了模糊规则，它的参数一般不变，所以适用于系统没有参数变化或参数变化较小的情况。如果系统存在不确定参数或控制过程中系统存在大的参数变化时很难得到好的控制结果。为了弥补这些缺点，本文提出了自适应模糊控制方法。目前，Ｐｒｏｅｙｋ和Ｍａｍｄａｎｉ提出的自适应方法是没有具体的模糊模型，直接利用系统的输入输出数据直接产生模糊控制器参数。利用神经网络或遗传算法，通过学习的方法产生控制规律和固定模糊控制规律，调整隶属度函数等自适应控制方法ｕ叫Ｊ。这些自适应控制方法利用的模糊规则一般是常数或模糊集合，大部分依靠专家的经验获得的控制规律直接利用于模糊控制规律，利用模糊规则相对少。模糊模型和模糊控制器都是线性方程形式的ＴＳＫ模糊规则的自适应控制还没有进行研究。因此，本文提出了利用ＴＳＫ模糊系统的自适应模糊控制方法ｂ。¨。 本文提出的自适应模糊控制器是参考模型自适应模糊控制器。首先，求出控制对象的模糊模型，根据模糊模型求出初期模糊控制器；然后，为了系统的输出跟踪参考模型的输出随时调整模糊控制器参数。 设计的参考模型自适应模糊控制系统结构，如图１所示。 参考模型 厂型ｑ丽面群皇望隔≤盖ｙ爪（ｔ））一“０ 图１参考模型自适应模糊控制系统结构图 №．１Ｔｈｅｓｔｒｕｃｔｕｒｅｏｆｎｍｄｅｌｒｅｆｅｒｅｎｃｅａｄａｐｔｉｖｅ ｆｕｚｚｙｃｏｎｔｒｏｌｓｙｓｔｅｍ Ｉ）ＴＳＫ模糊控制器假设控制对象是ｒ／，维非线性系统： 收稿日期：２００７－０５．２３；收修定稿日期：２００７－０６—２２ 作者简介：金宗华（１９７４一），男，（朝鲜族），吉林延吉人，讲师，博士，主要从事模糊控制、智能控制、自适应控制及最优控制等方面 的教学与科研工作。 万方数据
1.3混沌控制 混沌控制一般分为：消除，抑制混沌现象的发生。即就是使系统稳定到期望的平衡点或周期轨道；另一个是使原混沌系统产生新的混沌现象或使原本稳定的系统产生混沌现象，这也就是所谓的“混沌反控制”问题，它的目的是诱导出有用的混沌现象。因为还没有建立系统的混沌理论，对混沌发生的机制理解的不够全面，混沌反控制问题是一个很有挑战的领域，我们在这里所将的混沌控制仅指对混沌的抑制。 因为混沌所呈现的运动是剧烈震荡的，它的出现常使系统处于不稳定的状态，这在工程中往往是有害的，因而快速地抑制混沌就是我们控制的一个目标。在混沌吸引子上镶嵌着无数的不稳定周期轨道，而这些周期轨道往往和系统的一些良好的性能相关，这也就成为混沌控制的另一目标。我们将周期1的轨道成为平衡点，对平衡点的镇定我们可以看做是一般非线性系统的的镇定。大于周期1的轨道我们常常称为不稳定周期轨道UPOs(Unstable Periodic Orbits)，对于一个混沌系统，如果我们能知道描述系统的动力学方程，其平衡点往往是能被求解出来的，并进行分析的；但是，我们却无法知道它的无稳定周期轨道的动力学特性，将混沌系统控制到自身所包含的一条不稳定周期轨道上，这也就成了混沌控制于其他控制的一个重要区别。 自从OGY法开辟了混沌控制的先河，已经发展了很多方法来进行混沌控制，如偶然正比反馈技术OPF (Occasional Proportional Feedback)[15]，变量反馈控制(V ariable Feedback Control)[16-18]，周期脉冲控制法,参数周期扰动法等[19-21]，但这些方法很多都是在一定条件下才有效的。现在很多学者开始将控制理论中的一些方法应用到对混沌的控制上面取得了非常好的效果，比如PID控制[22-24]，神经网络法[25-28]，模糊控制[29-31]，各种自适应控制[32-40]等，但是由于混沌系统的复杂性，并没有形成一种统一理论，大多数是对某一确定的混沌系统的控制，在这方面还需要大量深入的研究。对于将混沌系统稳定到平衡点或某一固定的点，也就是所谓的混沌抑制，已经发现能够应用于非线性系统的控制方法都能用于混沌抑制。而对于不稳定周期轨道的镇定，因为很难得到不稳定周期轨道的方程，所以一般要求知道控制目标动力学特性的控制方法难以达到目的，但是德国学者Pyragas.K 于1992提出的延迟反馈法，仅需要知道不稳定轨道的周期，就可以对其进行稳定，这有很大的实际应用价值[41-42]。 OGY方法是美国学着E.Ott,C.Grebogi和J.A.Y orke于1990年提出的混沌控制方法，成功地对混沌进行了控制，开辟了混沌控制的先河[9,43-44]。混沌吸引子上镶嵌无穷多个不稳定周期轨道（UPOs），混沌遍历性保证轨线可以到达期望不稳
北京联合大学 实验报告 实验名称：采样控制系统分析 学院：自动化专业：物流工程姓名：学号： 同组人姓名：学号： 班级：成绩： 实验日期：2014年12月18日
完成报告日期：2014年12月21日 实验5 采样控制系统分析 一．实验目的 1. 掌握判断采样控制系统稳定性的充要条件。 2. 掌握采样周期T对系统的稳定性的影响及临界值的计算。 3. 观察和分析采样控制系统在不同采样周期T时的瞬态响应曲线。 二、实验内容及步骤 1．闭环采样系统构成电路如图5-1所示。掌握采样周期T对系统的稳定性的影响及临界值的计算，观察和分析采样控制系统在不同采样周期T 时的瞬态响应曲线,填入表中。 2. 改变采样控制系统的被控对象，计算和测量系统的临界稳定采样周期T，填入表中。 图5-1 闭环采样系统构成电路 [a].闭环采样系统实验构成电路如图5-1所示，其中被控对象的各环节 参数： 积分环节（A3单元）的积分时间常数Ti=R2*C2=0.2S， 惯性环节（A5单元）的惯性时间常数T=R1*C1=0.5S，增益K=R1/R3=5。 实验步骤：注：（B5）单元的‘S ST’不能用‘短路套’短接！ （1）用函数发生器（B5）单元的方波输出作为系统振荡器的采样周期信号。 （D1）单元选择“方波”，（B5）“方波输出”孔输出方波。调节“设定电位器1”控制相应的输出频率。
(2 ) 用信号发生器（B1）的‘阶跃信号输出’和‘幅度控制电位器’构造输入信号R（t）： B1单元中电位器的左边K3开关拨下（GND），右边K4开关拨下（0/+5V 阶跃）。阶跃信号输出（B1单元的Y测孔）调整为2.5V（调节方法：调节电位器，用万用表测量Y测孔）。 （3）构造模拟电路：按图5-1安置短路套及测孔联线，表如下。 （4）运行、观察、记录： 三、数据处理（现象分析） ①运行LABACT程序，选择自动自动控制菜单下的采样系统分析实验项目，就会弹出虚拟示波器的界面，点击开始后将自动加载相应源文件，即可使用本实验机配套的虚拟示波器（B3）单元的CH1测孔测量波形。 ②调节“设定电位器1”，D1单元显示方波频率，将采样周期T（B5方波输出）依次调整为15ms(66.6Hz) 、30ms(33.3Hz)和90ms(11.1Hz)，按下信号发生器（B1）阶跃信号按钮（0→+2.5V阶跃），使用虚拟示波器CH1观察A6单元输出点OUT（C）的波形。观察相应实验现象，记录波形，并判断其稳定性，填入表5-1。 T=66.6Hz
自适应模糊控制几个基本问题的研究进展 谢振华程江涛耿昌茂 (海军航空工程学院青岛分院航空军械系青岛 266041 ) 周德云 (西北工业大学西安 710072 ) [摘要] 综述了模糊控制系统的稳定性分析、系统设计及系统性能提高三个基本问题的研究 ,简述了应用研究 ,最后对自适应模糊控制的理论和应用进行了展望。 关键词模糊控制自适应控制鲁棒性稳定性 1 引言 自从 L. A. Zadeh提出模糊集合论以来 ,基于该理论形成一门新的模糊系统理论学科 ,在控制、信号处理、模式识别、通信等领域得到了广泛的应用。近年来 ,有关模糊控制理论及应用研究引起了学术界的极大兴趣 ,取得了一系列成功的应用和理论成果 ,与早期的模糊控制理论和应用相比有了很大的发展。模糊控制理论成为智能控制理论的一个重要分支。 一般来讲 ,模糊控制理论研究的核心问题在于如何解决模糊控制中关于稳定性和鲁棒性分析、系统的设计方法 (包括规则的获取和优化、隶属函数的选取等 )、控制系统的性能 (稳态精度、抖动及积分饱和度等 )的提高等问题 ,这己成为模糊控制研究中的几个公认的基本问题。其中 ,稳定性和鲁棒性问题的研究最为热烈 ,从早期基于模糊控制器的“多值继电器”等价模型的描述函数分析法 ,扩展到相平面法、关系矩阵分析法、圆判据、L yapunov稳定性理论、超稳定理论、基于滑模控制器的比较法、模糊穴 -穴映射及数值稳定性分析方法等非线性理论方法。设计方法的研究也倍受关注 ,主要表现在对规则的在线学习和优化、隶属函数参数的优化修正等应用了多种思想 ,如最优控制的二次型性能指标、自适应、神经网络、遗传算法等思想。稳态性能的改善一直是模糊控制学者所关注。 围绕上述几个基本问题 ,出现了多变量模糊控制[1 ,2 ] 、模糊神经网络技术 [3 ] 、神经模糊技术 [4 ] 、自适应模糊控制 [5] 、模糊系统辨识[6 ] 等热点研究领域。在模糊控制理论与应用方面 ,日本学者取得了很大的成就[7] ,我国学者在这方面也付出了不懈的努力 ,并取得了许多重要的成果。所有这些工作促进了模糊控制的理论和应用的快速发展。 本文拟对近几年自适应模糊控制几个基本问题的研究现状作一总结 ,希望能从这一侧面反映其研究情况和发展动向。主要内容包括 :( 1 )稳定性分析问题的研究 ;( 2 )系统设计方法的研究 ;( 3)系统性能提高的研 究 ;( 4 )应用研究情况。 2 稳定性分析 众所周知 ,任何一个自动控制系统 ,首先必须是稳定的 ,否则这个系统就无法工作。因此 ,在控制系统的分析和设计中 ,系统的稳定性研究占有重要的地位 ,模糊控制系统也是如此。由于模糊系统本质上的非线性和缺乏统一的系统描述 ,使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和
第22卷第4期物理学进展Vol.22,No.4 2002年12月PROGRESS IN PHYSICS Dec.,2002文章编号:1000O0542(2002)04O0383O23 保守系统的混沌控制 许海波1,陈绍英2,3,王光瑞1,陈式刚1 (1.北京应用物理与计算数学研究所,北京100088; 2.中国工程物理研究院北京研究生部,北京100088; 3.呼伦贝尔学院物理系,呼伦贝尔021008) 摘要:保守系统的混沌控制是一个重要而富有挑战性的研究课题。由于L iouv ille定理 的限制和初始条件的特殊作用,使得适用于耗散系统的混沌控制方法不能直接用于保守系 统。本文通过对耗散系统和保守系统混沌运动的特征进行分析和比较,阐述了保守系统混沌 运动的规律,总结了近期研究过程中一些典型的基本理论和方法,综述了近年来保守系统混 沌控制的相关进展和我们在保守系统的混沌控制方面所做的工作,并对保守系统混沌控制的 应用和发展方向进行了展望。 关键词:混沌控制;保守系统;标准映象;KAM环 中图分类号:O415.5文献标识码:A 0引言 混沌运动的基本特征是运动轨道的不稳定性,表现为对初值的敏感依赖性,或对小扰动的极端敏感性。因此,混沌控制就成为混沌研究和应用的重要方向。混沌控制注重于分析混沌系统对外加驱动信号的响应,研究这种非线性响应规律,并考虑如何利用这种响应规律来影响和改造混沌运动将其引向人们所期望的目标。1989年,Hubler和L scher 发表了控制混沌的第一篇文章[1]。1990年,Ott,Grebogi和Yorke基于有无穷多的不稳定周期轨道嵌入在混沌吸引子中这一事实,通过对系统参数作小扰动并反馈给系统,实现了把系统的轨道稳定在无穷多不稳定周期轨道的一条特定轨道上。这就是著名的OGY 混沌控制方法(或称参数微扰法)[2]。之后,混沌控制的理论与应用研究蓬勃发展,人们提出了一系列控制混沌的方法[3~37]。混沌控制目标也由最初的不动点、低周期轨道的稳定发展到高周期轨道、准周期轨道的稳定;控制的对象也由最初的低维系统发展到高维系统,乃至于无穷维系统(时空混沌)[38~41]。混沌控制正在逐步形成系统化的理论体系。 收稿日期:2002O09O23 基金项目:国家重点基础研究专项经费资助,国家自然科学基金(Nos.19835020,19920003);国家自然科学基金理论物理专款(No.10147201);中国工程物理研究院基金资助项目(N o.20000440)
模糊自适应PID控制器 的设计
模糊自适应PID 控制器的设计 一、 模糊自适应原理 模糊控制是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机控制方法，作为智能控制的一个重要分支，在控制领域获得了广泛应用，模糊控制与传统控制方式相比具有以下突出优点: ·不需要精确的被控对象的数学模型； ·使用自然语言方法，控制方法易于掌握； ·鲁棒性好，能够较大范围的适应参数变化； ·与常规PID 控制相比，动态响应品质优良。 常规模糊控制器的原理如图1所示: 图1 模糊控制系统框图 PID 控制规律: 1 01()[()()()] p D I d u t k e t e t dt T e t T dt =++? 式中：p k ---比例系数； I T ---积分时间常数； D T ---微分时间常数。 在工业生产中过程中，许多被控对象随着负荷变化或干扰因素影响，其对象特性参数或结构发生改变。自适应控制运用现代控制理论在线辨识对象特征参 数，实时改变其控制策略，使控制系统品质指标保持在最佳范围内，但其控制效果的好坏取决于辨识模型的精确度，这对于复杂系统是非常困难的。因此，在工业生产中过程中，大量采用的仍然是PID 算法，PID 参数的整定方法很多，但大多数都以对象特性为基础。 随着计算机技术的以展，人们利用人工智能的方法将操作人员的调整经验作为知识存入计算机中，根据现场实际情况，计算机能自动调整PID 参数，这样就出现了智能PID.这种控制器把古典的PID 控制与先进的专家系统相结合，实现系统的最佳控制。这种控制必须精确地确定模型，首先将操作人员长期实践积累
模糊控制系统的应用 一、模糊控制系统的应用背景 模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年美国的扎德创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理。1974 年英国的Mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生。 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域。从信息技术的观点来看, 模糊控制是一种基于规则的专家系统。从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器。 相对传统控制, 包括经典控制理论与现代控制理论。模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型, 应用CRI 等各类模糊推理方法,可以得到适合控制要求的控制量, 可以说模糊控制是一种语言变量的控制。 模糊控制具有以下特点: (1) 模糊控制是一种基于规则的控制。它直接采用语言型控制规则, 出发点是现场操作人员的控制经验或相关专家的知识, 在设计中不需要建立被控对象的精确数学模型, 因而使得控制机理和策略易于接受与理解, 设计简单, 便于应用; (2) 由工业过程的定性认识出发, 比较容易建立语言控制规则, 因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用; (3) 基于模型的控制算法及系统设计方法, 由于出发点和性能指标的不同, 容易导致较大差异; 但一个系统的语言控制规则却具有相对的独立性, 利用这些控制规律间的模糊连接, 容易找到折中的选择, 使控制效果优于常规控制器; (4) 模糊控制算法是基于启发性的知识及语言决策规则设计的, 这有利于模拟人工控制的过程和方法, 增强控制系统的适应能力, 使之具有一定的智能