浙江理工大学学报,第22卷,第4期,2005年12月
Journa l of Zhe jiang Sci -Tech University
V o.l 22,No .4,Dec .2005
文章编号:1009-4741(2005)04-0384-04
收稿日期:2005-06-15
作者简介:李雪芬(1981- ),女,浙江温岭人,硕士研究生,主要从事智能控制的研究。
模糊—PI D 复合控制在旋转伺服系统中的应用
李雪芬1,杨 洁2,许 力1
(1.浙江大学电气工程学院,杭州310027;2.浙江科技学院,杭州310012)
摘 要:在对旋转伺服系统的非线性和不确定性等特点分析基础之上,保留了P ID 控制静态稳定性能,结合模糊控制动态性能好的特点,提出了模糊、P I D 复合控制系统,即在误差大的时候,采用模糊控制,误差小的时候采用P I D 控制。实验曲线表明,该控制算法可以获得满意的控制效果。
关键词:模糊控制;P I D 控制;伺服系统;M atl ab ;非线性
中图分类号:TP 273 文献标识码:A
0 引 言
伺服系统作为典型的非线性控制系统在研究中,由于时间和器材上的限制,大都是用简单的PI D 或者粗略的模糊来演示理论对实际的指导意义。研究中出现的问题,要么是相应时间太长,要么是振荡过大。难以达到快速低振荡的理想控制效果。
本文的研究目的是为典型的非线性控制系统-旋转伺服系统寻找一个可以达到理想控制效果的控制策略,以便在教学过程中作为DE MO 算法提供给学生。
控制对象:浙江求是科教设备有限公司研制旋转伺服系统。其实物如图1所示,结构图如图2所示
。旋转位置控制伺服系统由力矩电机、电位器、弹簧和转盘等部件组成。采用直流伺服电机作为驱动机构,驱动旋转轴到指定的位置。采用粗弹簧作为传动轴用来增加非线性和不确定性。控制目标是通过控制直流伺服电机的转速,控制转盘在指定的角度范围[0°,90°]内来回摆动。本文设计的控制器采用了电位器1的电压值来控制转盘1的位置。
1 控制方案的提出
在考虑到电枢反应、机械摩擦、转矩波动、环境扰动等因素时,直流伺服电机是一个典型的非线性和不确定性系统,因此采用直流电动机作为驱动机构的一类伺服系统也具有典型的非线性和不确定性。随着环境
因素的变化及机械磨损,系统的非线性度也在不断变化。因此需要一种好的控制算法,才能使系统始终具有优良的伺服性能。
为了克服摩擦力的影响,提高低速时的伺服精度,可将摩擦力看作扰动处理,采用传统PI D 控制可以达到目的。但是,由于传统的PI D 控制不具有良好的动态性能,而且三个参数的优化在系统模型难以确定的情况下也是相当困难。因此,本文在系统中采用模糊—PI D 复合控制。即在误差大的时候,采用模糊控制,误差小的时候采用PI D 控制,从而既保证动态响应效果,又能改善稳态控制精度。实践证明该控制器的设计是有效的,达到了理想的控制效果。
旋转伺服系统的框图如图3所示,主要包括3部分,即被控对象、控制器和反馈环节
。
图3 系统框图
控制对象是一个24V 直流电机,控制电压为0～10V ,经过驱动电路转换为理想情况下-24～+24V 电枢电压。控制器由模糊控制器和PI D 控制器复合组成,位置误差及误差变化率作为控制器的输入量,控制电压为输出量。反馈环节:转盘的位置将由电位器以电压形式测得,传给PC I 卡,再通过M EX 接口返回S i m -u li n k 环境。
本控制系统中的M EX 接口程序使用的是VC ++语言编写的d ll 文件,PC I 卡采用研华板卡PC I1710。2 控制器设计
2.1 PI D 控制器设计
PI D 控制是基本的和应用最普通的控制方法。PI D 控制器常以拉普拉斯变换形式写出。
U (S )=(K p +K i S +K d S )E (S )(1)
其中,U (S )和E (S )分别是控制器的输出、输入信号;K p 是比例环节增益;K i 是积分环节增益;K d 是微分环节增益。
PI D 控制要取得好的控制效果,就必须对比例、积分和微分3种控制作用进行调整以形成相互配合相互制约的关系,这种关系不是简单的“线性组合”,可以变化无穷的非线性组合中找出最佳的关系。经过参数整定,确定P I D 控制参数:K p =1.5;K i =0.5;K d =0.1。
2.2 模糊控制器设计
采用Fuzzy log ic 工具箱的FI S 编辑器编辑模糊控制器。
旋转位置伺服系统是一个双输入单输出的被控对象。本文的模糊控制器把弹簧上端角度偏差e =θ1-θ0(其中θ0是期望位置,θ1是实际位置)及偏差变化率e c 作为输入量,力矩电机的控制电压U 为输出量。
2.2.1 输入输出变量的模糊分割
将模糊控制的输入变量e 及输出变量U 都分为7级:“负大”(NL ),“负中”(NM ),“负小”(NS ),“零”(ZE ),“正小”(PS ),“正中”(PM ),“正大”(PL );论域均为[-5,5]。输入变量e c 分为3级:“负”(N ),“零”(ZE ),“正”(P )论域为[-3,3]。
2.2.2 输入输出变量的模糊化
由于具有相同的论域和模糊分割,控制电压U 、角度偏差e 使用相同的铃形隶属度函数(be ll -shaped m em be r function )。
μA (x )=e
(x-x 0)2σ2,x ∈[-5,5],x 0∈{-5,-4,-3,-2,-1,0,1,2,3,4,5}(2)在选择模糊变量的隶属函数时,在误差较大的区域采用低分辨率的模糊集,在误差较小的区域采用较高分辨率的模糊集。从自动控制的角度,希望一个控制系统在要求的范围内都能够很好地实现控制。模糊控制385第4期李雪芬等:模糊—P I D 复合控制在旋转伺服系统中的应用
系统设计时也要考虑这个问题,因此在选择描述某一模糊变量的各个模糊子集时,要使它们在论域上合理分布,即它们应该较好地覆盖整个论域。在定义这些模糊子集时要注意使论域中任何一点对这些模糊子集的隶属度的最大值不能太小,否则会在这样的点附近出现不灵敏区,以至于造成失控,使模糊控制系统控制性能变坏。而且隶属函数必须满足凸模糊集要求。此外,各模糊子集之间也会相互影响。两个模糊子集的交集太大会降低控制精度,太小会使系统输出连续性下降。
考虑到上述限制,角度偏差e 、输出变量U 隶属函数均如图4所示。
输入变量e c 也是采用铃形隶属度函数(be ll -shaped m em be r function ),如图5所示
。
2.2.3 模糊控制规则
表1 模糊控制规则表
输出变量U
输入变量e PB P M PS ZE N S NM NB 输入变量e c
P
PB P M PM PS PS NS N S Z E
PM P M PS ZE N S NM NM N PS PS NS N S NM NM NB 3 M atlab 环境下的实时控制
本文中的模糊控制器的采样周期为10m s ,即每10m s 采样一次θ1、θ0的值,并给出控制信号U 。完整的旋转伺服系统在si m uli n k 环境下实时控制的模型如图6所示
。
图6 旋转伺服系统Si mu li nk 实时控制模型
图6中的曲线框1内包括的是系统的控制器,通过使用si m u li n k 里的s w itch 模块来实现模糊-PI D 复合控制。而|u |中的值为转换PI D 控制器和模糊控制器的分界线。曲线框2内是处理系统的非线性。左Si m u -link 模型中的“模拟输入”模块是数据采集卡S -Func tion 函数的子模块封装,得到转盘的角位置值θ1(0～5V ),“模拟输出”模块是数据采集卡S -Function 函数的子模块封装,输出电机的控制电压(0～10V )。两者均用VC ++编写的MEX 接口文件,si m u link 环境下的控制模型就是通过MEX 接口程序与数据采集卡进行数据交互,从而形成一个闭环系统的。控制效果如图7所示。其中方波是理想曲线,另外一条是实际控制效果。可以看到,模糊-PI D 复合控制在旋转伺服系统中取得了良好的控制效果。386 浙 江 理 工 大 学 学 报2005年 第22卷
图7 模糊—P I D 复合控制在旋转伺服系统中的控制效果
5 结 论
通过PI D 和模糊复合控制,解决了旋转伺服系统控制中响应时间长和容易出现振荡的问题,将快速性和准确性折中的基础上达到了理想的控制效果。并且就算法设计过程和实际调试过程形成了完备的文档,对学生在学习过程有很大的参考价值。
参考文献:
[1]冯冬青,谢宋和.模糊智能控制[M ].北京:化学工业出版社,1998.
[2]韦 巍.智能控制技术[M ].杭州:浙江大学出版社,2000.
[3]吴晓莉,林哲辉.MA TLAB 辅助模糊系统设计[M ].西安:西安电子科技大学出版社,2002.
The App li c ati o n of Fuzzy -P I D Contr o ll e r on Ser vo Syst em
L I X ue -fen ,YA NG J ie ,XU L i
(E lectrical and E lectric Engineeri n g Depart m ent ,Zhe jiang University ,H ang zhou 310027,Ch i n a )
Abstr act :B ased on t h e ana l y sis o f the revo l v ing se r vo syste m ,a co m bined contr o ll e r is developed.The con -tro ller keeps t h e str ong suitabilit y of the PI D contro ll e r ,which has a good static state perfo r m ance .And it also m akes use o f the f u zzy log ic con troller ,w hose dyna m ic perfor m ance is rather good .A fter using t h e co mb i n ed control -ler ,a sa tisf y ing contr o l perfor m ance o f the servo syste m can be gained .The experi m ent i m age definitely pr oves i.t
Key wor ds :Fuzzy -log ic con trol ;PI D contr o l ;Servo sy ste m ;M atlab ;Non -li n ea r
(责任编辑:杨元兆)
(上接第383页)
The Technol o gy of Constr ucti n g Dyna m i c Net w or k Security
Syst e m Based on AHP
ZHA O B i ng -w en 1,CHEN N i ng 2,LIANG Ho ng 3,ZHANG J i an -guo 4
(1.Zhe jiang Sci -Tec University ,H angzhou 310018,China ;2.Guyuan B r anch o f CCB ,
Guyuan 756000,China ;3.Zhejiang Financial Professional Co ll e ge ,H angzhou 310018,China ;
4.X i ’an University o fA rchitecture ＆Techno l o gy ,X i ’an 710055,Ch i n a )
Abstr act :No w adays t h e evalua ted t e chnology o f ne t w ork securit y is only used in a sing le co m pute r or no t sea -soned w it h t h e varie t y o f using environm ent o r ai m s .I n this thesis ,w e w ill tr y to constr uct a dyna m ic eva l u ated techno l o gy of ne t w ork security based on AH P .By thisw ay ,consequen tl y ,t h e techno l o gy w ill have agilit y and far -r anging fl e xibilit y .
Key wor ds :AH P (t h e A naly tica lH ie r a rchy Pr ocess );Co m pute r ne t w ork ;Securit y eva l u ation
(责任编辑:杨元兆)387
第4期李雪芬等:模糊—P I D 复合控制在旋转伺服系统中的应用
Fuzzy Logic Based Autonomous Skid Steering Vehicle Navigation L.Doitsidis,K.P.Valavanis,N.C.Tsourveloudis Technical University of Crete Department of Production Engineering and Management Chania,Crete,Greece GR-73100 {Idoitsidis ,kimonv,nikost}@dpem.tuc.gr Abstract-A two-layer fuzzy logic controller has been designed for 2-D autonomous Navigation of a skid steering vehicle in an obstacle filled environment. The first layer of the Fuzzy controller provides a model for multiple sonar sensor input fusion and it is composed of four individual controllers, each calculating a collision possibility in front, back, left and right directions of movement. The second layer consists of the main controller that performs real-time collision avoidance while calculating the updated course to be applicability and implementation is demonstrated through experimental results and case studies performed o a real mobile robot. Keywords - Skid steering, mobile robots, fuzzy navigation. Ⅰ.INTRODUCTION The exist several proposed solutions to the problem of autonomous mobile robot navigation in 2-D uncertain environments that are based on fuzzy logic[1],[2],evolutionary algorithms [3],as well as methods combining fuzzy logic with genetic algorithms[4] and fuzzy logic with electrostatic potential fields[5]. The paper is the outgrowth of recently published results [9],[10],but it studies 2-D environments navigation and collision avoidance of a skid steering vehicle. Skid steering vehicles are compact, light, require few parts to assemble and exhibit agility from point turning to line driving using only the motions, components, and swept volume needed for straight line driving. Skid steering vehicle motion differs from explicit steering vehicle motion in the way the skid steering vehicle turns. The wheels rotation is limited around one axis and the back of steering wheel results in navigation determined by the speed change in either side of the skid steering vehicle. Same speed in either side results in a straight-line motion. Explicit steering vehicles turn differently since the wheels are moving around two axes. The geometric configuration of a skid steering vehicle in the X-Y plane is shown in Fig1，while a t is the heading angle, W is the robot width, θthe sense of rotation and S1, S2 are the speeds in the either side of the robot. The derived and implemented planner a two-layer fuzzy logic based controller that provides purely” reactive behavior” of the vehicle moving in a 2-D obstacle filled environment, with inputs readings from a ring of 24 sonar sensors and angle errors, and outputs the updated rotational and translational velocities of the vehicle. Ⅱ.DESIGN OF THE FUZZY LOGIC CONTROL SYSTEM
1998年的IEEE 国际会议上机器人及自动化 Leuven ，比利时1998年5月 一种实用的办法--带拖车移动机器人的反馈控制 F. Lamiraux and J.P. Laumond 拉斯，法国国家科学研究中心 法国图卢兹 {florent ,jpl}@laas.fr 摘要 本文提出了一种有效的方法来控制带拖车移动机器人。轨迹跟踪和路径跟踪这两个问题已经得到解决。接下来的问题是解决迭代轨迹跟踪。并且把扰动考虑到路径跟踪内。移动机器人Hilare的实验结果说明了我们方法的有效性。 1引言 过去的8年，人们对非完整系统的运动控制做了大量的工作。布洛基[2]提出了关于这种系统的一项具有挑战性的任务，配置的稳定性，证明它不能由一个简单的连续状态反馈。作为替代办法随时间变化的反馈[10,4,11,13,14,15,18]或间断反馈[3]也随之被提出。从[5]移动机器人的运动控制的一项调查可以看到。另一方面，非完整系统的轨迹跟踪不符合布洛基的条件，从而使其这一个任务更为轻松。许多著作也已经给出了移动机器人的特殊情况的这一问题[6,7,8,12,16]。 所有这些控制律都是工作在相同的假设下：系统的演变是完全已知和没有扰动使得系统偏离其轨迹。很少有文章在处理移动机器人的控制时考虑到扰动的运动学方程。但是[1]提出了一种有关稳定汽车的配置，有效的矢量控制扰动领域，并且建立在迭代轨迹跟踪的基础上。 存在的障碍使得达到规定路径的任务变得更加困难，因此在执行任务的任何动作之前都需要有一个路径规划。 在本文中，我们在迭代轨迹跟踪的基础上提出了一个健全的方案，使得带拖车的
机器人按照规定路径行走。该轨迹计算由规划的议案所描述[17]，从而避免已经提交了输入的障碍物。在下面，我们将不会给出任何有关规划的发展，我们提及这个参考的细节。而且，我们认为，在某一特定轨迹的执行屈服于扰动。我们选择的这些扰动模型是非常简单，非常一般。它存在一些共同点[1]。 本文安排如下：第2节介绍我们的实验系统Hilare及其拖车：两个连接系统将被视为（图1）。第3节处理控制方案及分析的稳定性和鲁棒性。在第4节，我们介绍本实验结果。 图1带拖车的Hilare 2 系统描述 Hilare是一个有两个驱动轮的移动机器人。拖车是被挂在这个机器人上的，确定了两个不同的系统取决于连接设备：在系统A的拖车拴在机器人的车轮轴中心线上方（图1 ，顶端），而对系统B是栓在机器人的车轮轴中心线的后面（图1 ，底部)。A l= 0 。这个系统不过单从控制的角度来看，需要更对B来说是一种特殊情况，其中 r 多的复杂的计算。出于这个原因，我们分开处理挂接系统。两个马达能够控制机器人的线速度和角速度（v r，r ω)。除了这些速度之外，还由传感器测量，而机器人和拖车之间的角度?，由光学编码器给出。机器人的位置和方向（x r,y r,rθ）通过整合前的速度被计算。有了这些批注，控制系统B是：
译文 流体传动及控制技术已经成为工业自动化的重要技术，是机电一体化技术的核心组成之一。而电液比例控制是该门技术中最具生命力的一个分支。比例元件对介质清洁度要求不高，价廉，所提供的静、动态响应能够满足大部分工业领域的使用要求，在某些方面已经毫不逊色于伺服阀。比例控制技术具有广阔的工业应用前景。但目前在实际工程应用中使用电液比例阀构建闭环控制系统的还不多，其设计理论不够完善，有待进一步的探索，因此，对这种比例闭环控制系统的研究有重要的理论价值和实践意义。本论文以铜电解自动生产线中的主要设备——铣耳机作为研究对象，在分析铣耳机组各构成部件的基础上，首先重点分析了铣耳机的关键零件——铣刀的几何参数、结构及切削性能，并进行了实验。用电液比例方向节流阀、减压阀、直流直线测速传感器等元件设计了电液比例闭环速度控制系统，对铣耳机纵向进给装置的速度进行控制。论文对多个液压阀的复合作用作了理论上的深入分析，着重建立了带压差补偿型的电液比例闭环速度控制系统的数学模型，利用计算机工程软件，研究分析了系统及各个组成环节的静、动态性能，设计了合理的校正器，使设计系统性能更好地满足实际生产需要 水池拖车是做船舶性能试验的基本设备,其作用是拖曳船模或其他模型在试验水池中作匀速运动,以测量速度稳定后的船舶性能相关参数,达到预报和验证船型设计优劣的目的。由于拖车稳速精度直接影响到模型运动速度和试验结果的精度,因而必须配有高精度和抗扰性能良好的车速控制系统,以保证拖车运动的稳速精度。本文完成了对试验水池拖车全数字直流调速控制系统的设计和实现。本文对试验水池拖车工作原理进行了详细的介绍和分析,结合该控制系统性能指标要求,确定采用四台直流电机作为四台车轮的驱动电机。设计了电流环、转速环双闭环的直流调速控制方案,并且采用转矩主从控制模式有效的解决了拖车上四台直流驱动电机理论上的速度同步和负载平衡等问题。由于拖车要经常在轨道上做反复运动,拖动系统必须要采用可逆调速系统,论文中重点研究了逻辑无环流可逆调速系统。大型直流电机调速系统一般采用晶闸管整流技术来实现,本文给出了晶闸管整流装置和直流电机的数学模型,根据此模型分别完成了电流坏和转速环的设计和分析验证。针对该系统中的非线性、时变性和外界扰动等因素,本文将模糊控制和PI控制相结合,设计了模糊自整定PI控制器,并给出了模糊控制的查询表。本文在系统基本构成及工程实现中,介绍了西门子公司生产的SIMOREGDC Master 6RA70全数字直流调速装置,并设计了该调速装置的启动操作步骤及参数设置。完成了该系统的远程监控功能设计,大大方便和简化了对试验水池拖车的控制。对全数字直流调速控制系统进行了EMC设计,提高了系统的抗干扰能力。本文最后通过数字仿真得到了该系统在常规PI控制器和模糊自整定PI控制器下的控制效果,并给出了系统在现场调试运行时的试验结果波形。经过一段时间的试运行工作证明该系统工作良好,达到了预期的设计目的。 提升装置在工业中应用极为普遍,其动力机构多采用电液比例阀或电液伺服阀控制液压马达或液压缸,以阀控马达或阀控缸来实现上升、下降以及速度控制。电液比例控制和电液伺服控制投资成本较高,维护要求高,且提升过程中存在速度误差及抖动现象,影响了正常生产。为满足生产要求,提高生产效率,需要研究一种新的控制方法来解决这些不足。随着科学技术的飞速发展,计算机技术在液压领域中的应用促进了电液数字控制技术的产生和发展,也使液压元件的数字化成为液压技术发展的必然趋势。本文以铅电解残阳极洗涤生产线中的提升装置为研究
模糊控制理论 概述 模糊逻辑广泛适用于机械控制。这个词本身激发一个一定的怀疑,试探相当于“仓促的逻辑”或“虚假的逻辑”,但“模糊”不是指一个部分缺乏严格性的方法,而这样的事实,即逻辑涉及能处理的概念,不能被表达为“对”或“否”,而是因为“部分真实”。虽然遗传算法和神经网络可以执行一样模糊逻辑在很多情况下,模糊逻辑的优点是解决这个问题的方法,能够被铸造方面接线员能了解,以便他们的经验,可用于设计的控制器。这让它更容易完成机械化已成功由人执行。 历史以及应用 模糊逻辑首先被提出是有Lotfi在加州大学伯克利分校在1965年的一篇论文。他阐述了他的观点在1973年的一篇论文的概念,介绍了语言变量”,在这篇文章中相当于一个变量定义为一个模糊集合。其他研究打乱了,第二次工业应用中,水泥窑建在丹麦,即将到来的在线1975。 模糊系统在很大程度上在美国被忽略了,因为他们更多关注的是人工智能，一个被过分吹嘘的领域，尤其是在1980年中期年代,导致在诚信缺失的商业领域。 然而日本人对这个却没有偏见和忽略，模糊系统引发日立的Seiji Yasunobu和Soji Yasunobu Miyamoto的兴趣。,他于1985年的模拟,证明了模糊控制系统对仙台铁路的控制的优越性。他们的想法是被接受了,并将模糊系统用来控制加速、制动、和停车，当线于1987年开业。 1987年另一项促进模糊系统的兴趣。在一个国际会议在东京的模糊研究那一年,Yamakawa论证<使用模糊控制,通过一系列简单的专用模糊逻辑芯片,在一个“倒立摆“实验。这是一个经典的控制问题,在这一过程中,车辆努力保持杆安装在顶部用铰链正直来回移动。 这次展示给观察者家们留下了深刻的印象,以及后来的实验,他登上一Yamakawa酒杯包含水或甚至一只活老鼠的顶部的钟摆。该系统在两种情况下,保持稳定。Yamakawa最终继续组织自己的fuzzy-systems研究实验室帮助利用自己的专利在田地里的时候。
基于模糊控制的matlab simulink仿真 摘要：为提高工业上所需温度的控制精度，在本文中详细介绍如何设计模糊控制器，以及如何在在MA TLAB中建立模型，并使用模糊工具箱和SIMULINK在Matlab中实现参数的计算机模拟控制系统。在该系统中，通过采用模糊控制算法对温度实现了很好的控制，并且该系统正处于实际工业电阻炉温度控制的应用和试行阶段，也达到了满意的控制效果。实践表明，模糊控制方法提高了控制的实时性，稳定性和精确度，并且实现了操作过程的简化，对于工程实际应用具有较强的借鉴意义。 关键词：模糊控制，SIMULINK，MATLAB，仿真 1介绍系统 MATLAB / Simulink是一种世界通用的科学计算和仿真的语言, Simulink则是一个以系统级仿真环境为基础的系统框图和程序框图,这个环境提供了很多的专业模块库:如CDMA参考仿真、数字信号处理器(DSP)模块库等。它是一个动态的系统建模,仿真和仿真结果具有以下特点: (1)调用代理模块框图是连接到系统的工程,使建模和仿真系统的框图,更全面，研究信息系统具有高的开放性。 (2)使用户可以自由修改模块的参数,并可以无限的使用所有的MATLAB分析工具，因此MATLAB具有高互动性。 (3)仿真结果可以几乎跟在实验室里显示的图形或数据是一样的。 模糊逻辑控制、自动化的发展和它们未来的发展策略,是一种智能控制系统，已经受到了极大的关注。它使用语言规则和模糊集进行模糊推理。为了解决复杂的系统,包括非线性、不确定性和精确的数学模型难以建立的问题,就可以采用模糊控制技术,目前，此技术被广泛使用。温度控制通常采用传统的PID控制算法，但是控制效果较不明显的。当情况的变化时将改变系统参数,PID参数也需要及时调整,否则会产生更糟糕的动态特性,使控制精度下降。当温度偏差太大时,容易导致积分饱和的现象,导致控制时间太久和其他的问题。在同一时间,模糊工具箱和SIMULINK在用MATLAB来实现参数控制系统的计算机仿真技术,能提高效率和系统设计的精度。 整个系统以AT89S51单片机为核心、以温度数据采集电路,过零检测和触发电路、键盘和显示电路、记忆电路(CF卡)、声光报警电路、复位电路等组成硬件部分，还有相应的控制软件等构成了完整电阻炉温度控制系统，其系统框图如图1-1所示。
常规PID和模糊PID算法的分析比较 摘要：模糊PID控制器实际上跟传统的PID控制器有很大联系。区别在于传统的控制器的控制前提必须是熟悉控制对象的模型结构，而模糊控制器因为它的非线性特性，所以控制性能优于传统PID控制器。对于时变系统，如果能够很好地采用模糊控制器进行调节，其控制结果的稳定性和活力性都会有改善。但是，如果调节效果不好，执行器会因为周期振荡影响使用寿命，特别是调节器是阀门的场合，就必须考虑这个问题。为了解决这个问题，出现了很多模糊控制的分析方法。本文提出的方法采用一个固定的初始域，这样相当程度上简化了模糊控制的设定问题以及实现。文中分析了振荡的原因并分析如何抑制这种振荡的各种方法，最后，还给出一种方案，通过减少隶属函数的数量以及改善解模糊化的方法缩短控制信号计算时间，有效的改善了控制的实时性。 1 引言 模糊控制器的一个主要缺陷就是调整的参数太多。特别是参数设定的时候，因为没有相关的书参考，所以它的给定非常困难。众所周知，优化方法的收敛性跟它的初始化设定有很大关联，如果模糊控制器的初始域是固定的，那么它的控制就明显的简化了。而且我们要控制的参数大多有其实际的物理意义，所以模糊控制器完全可以利用PID算法的控制规律进行近似的调整。也就是说最简单的模糊PID控制器就是同时采用几种基本模糊控制算法（P+I+D或者PI+D），控制过程中它会根据控制要求，做出适当的选择，保证在处理跟踪以抗阶跃干扰问题上，其控制性能接近于任何一种PID控制。假设模糊集的初始域是对称的，两个调节器的参数采用Ziegler-Nichols方法。 为了改善上述设计的模糊控制器，我们有必要考模糊控制器的参数问题，有两种方法可以采纳，一种采用手动的方法改变，另一种就是采用一些相关的优化算法。其中遗传算法就是一种。控制器采用的参数不同，其收敛的优化值也会不一样。这些参数包括模糊集的分布，模糊集的个数，映射规则，基本模糊控制器的参数和不同的算法组合等。要注意的是在优化前必须选定模糊推理及解模糊的方法。很明显，优化过程很耗时，更有甚者，有些优化方法要已知系统的精确模型，但是实际过程中难以得到系统的精确模型，所以在大多数情况下，这些优化算法不能直接应用在实际过程。也就是说模型不精确直接影响优化成败。模糊控制的主要思想就是针对那些传递函数未知的或者结构难以辨识的系统进行控制，这也是模糊控制的性能为什么优于传统方法的原因。同时，把模糊控制和传统的PID控制算法结合起来，更能体现这种算法的优点，因为它大大简化实际过程的调整。 图1 隶属函数图图2映射规则图参数集的启发式优化法也适用于模糊PI控制器，它采用固定的定义域，其参数的选取和
LED点阵显示屏中英文对照外文翻译文献(文档含英文原文和中文翻译)
译文： 基于AT89C52单片机的LED显示屏控制系统的设计 摘要这篇文章介绍了基于AT89C52单片机的LED点阵显示屏的软件和硬件开发过程。使用一个简单的外部电路来控制像素是32×192的显示屏。用动态扫描，显示屏可以显示6个32×32的点阵汉字。显示屏也可以分为两个小的显示屏，它可以显示24个像素是16×16的汉字。可以通过修改代码来改变显示的内容和字符的滚动功能，而且可以根据需要调整字符的滚速或者暂停滚动。中文字符代码存储在外部存储寄存器中，内存的大小由需要显示的汉字个数决定。这种显示屏具有体积小，硬件和电路结构简单的优点。 关键词发光二极管汉字显示AT89C52单片机 1.导言 随着LED显示屏不断改善和美化人们的生活环境，LED显示屏已经成为城市明亮化，现代化、信息化的一项重要标志。在大的购物商场，火车站，码头，地铁，大量的管理窗口等，我们经常可以看到LED灯光。LED商业已成为一个快速增长的新产业，拥有巨大的市场空间和光明前景。文章，图片，动画和视频通过LED发光显示，并且内容可以变换。一些显示设备的模块化结构，通常有显示模块，控制系统和电源系统。显示模块是由LED管组成的点阵结构，进行发光显示，可以显示文章，图片，视频等。控制系统可以控制区域里LED的亮灭，电源系统为显示屏提供电压和电流。用电脑，取出字符字节，传送到微控制器，然后送到LED点阵显示屏上进行显示，很多室内和室外显示屏都是通过这个方法进行显示的。按显示的内容区分，LED点阵屏的显示可分为图形显示、图片显示和视频显示三个部分。与图片显示屏比较，不管是单色或者彩色的图形显示屏，都没有灰色色差，所以，图形显示不能反映丰富的色彩。视频显示屏不但可以显示运动、清楚和全彩的图像，也可以显示电视和计算机信号。虽然三者
CONTROL, PID CONTROL, AND ADVANCED FUZZY CONTROL FOR SIMULATING A NUCLEAR REACTOR OPERATION XIAOZHONG LI and DA RUAN* elgian Nuclear Research Centre (SCKoCEN Boeretang 200, 8-2400 Mol, Belgium (Received 15 March 1999) Based on the background of fuzzy control applications to the first nuclear reactor in Belgium (BRI) at the Belgian Nuclear Research Centre (SCK.CEN), we have made a real fuzzy logic control demo model. The demo model is suitable for us to test and com- pare some new algorithms of fuzzy control and intelligent systems, which is advantageous because it is always difficult and time-consuming, due to safety aspects, to do all experiments in a real nuclear environment. In this paper, we first report briefly on the construction of the demo model, and then introduce the results of a fuzzy control, a proportional-integral-derivative (PID) control and an advanced fuzzy control, in which the advanced fuzzy control is a fuzzy control with an adaptive function that can Self-regulate the fuzzy control rules. Afterwards, we present a comparative study of those three methods. The results have shown that fuzzy control has more advantages in terms of flexibility, robustness, and easily updated facilities with respect to the PID control of the demo model, but that PID control has much higher regulation resolution due to its integration term. The adaptive fuzzy control can dynamically adjust the rule base, therefore it is more robust and suitable to those very uncertain occasions. Keywords: Fuzzy control; PID control; fuzzy adaptive control; nuclear reactor I INTRODUCTION Today the techniques of fuzzy logic control are very mature in most engineering areas, but not in nuclear engineering, though some research has been done (Bernard, 1988; Hah and Lee, 1994; Lin et al. 1997; Matsuoka, 1990). The main reason is that it is impossible to do experiments in nuclear engineering as easily as in other industrial areas. For example, a reactor is usually not available to any individual. Even for specialists in nuclear engineering, an official licence for doing any on-line test is necessary. That is why we are still
基于神经网络和遗传算法的模糊系统的自动设计摘要 本文介绍了基于神经网络和遗传算法的模糊系统的设计，其目的在于缩短开发时间并提高该系统的性能。介绍一种利用神经网络来描绘的多维非线性隶属函数和调整隶属函数参数的方法。还提及了基于遗传算法的集成并自动化三个模糊系统的设计平台。 1 前言 模糊系统往往是人工手动设计。这引起了两个问题：一是由于人工手动设计是费时间的，所以开发费用很高；二是无法保证获得最佳的解决方案。为了缩短开发时间并提高模糊系统的性能，有两种独立的途径：开发支持工具和自动设计方法。前者包括辅助模糊系统设计的开发环境。许多环境已具有商业用途。后者介绍了自动设计的技术。尽管自动设计不能保证获得最优解，他们仍是可取的手工技巧，因为设计是引导走向和依某些标准的最优解。 有三种主要的设计决策模糊控制系统设计: (1)确定模糊规则数, (2)确定隶属度函数的形式。 (3)确定变化参数 再者,必须作出另外两个决定： (4)确定输入变量的数量 (5)确定论证方法 （1）和（2）相互协调确定如何覆盖输入空间。他们之间有高度的相互依赖性。（3）用以确定TSK（Takagi-Sugeno-Kang）模式【1】中的线性方程式的系数，或确定隶属度函数以及部分的Mamdani模型【2】。(4)符合决定最低套相关的输入变量,计算所需的目标决策或控制的价值观。像逆向消除（4）和信息标准的技术在此设计中经常被利用。(5)相当于决定使用哪一个模糊算子和解模糊化的方法。虽然由数种算法和模糊推理的方法已被提出,仍没有选择他们标准。[5]表明动态变化的推理方法,他依据这个推理环境的结果在性能和容错性高于任何固定的推理的方法。 神经网络模型（以更普遍的梯度)和基于遗传算法的神经网络(最常见的梯度的基础)和遗传算法被用于模糊系统的自动设计。基于神经网络的方法主要是用来设计模糊隶属度函数。这有两种主要的方法； (一)直接的多维的模糊隶属度函数的设计： 该方法首先通过数据库确定规则的数目。然后通过每个簇的等级的训练来确定隶属函数的形式。更多细节将在第二章给出。 (二)间接的多维的模糊隶属度函数的设计： 这种方法通过结合一维模糊隶属函数构建多维的模糊隶属度函数。隶属度函数梯度技术被用于调节试图减少模糊系统的期望产量和实际生产所需的产出总量的误差。 第一种方法的优点在于它可以直接产生非线性多维的模糊隶属度函数；没有必要通过结合一维模糊隶属函数构建多维的模糊隶属度函数。第二种方法的优点在于可通过监测模糊系统的最后性能来调整。这两种方法都将在第二章介绍。 许多基于遗传算法的方法与方法二在本质上一样；一维隶属函数的形式利用遗传算法
温度单向输入系统增益调整模糊控制器 Shiuh-jer huang and chen-chuan wang 1，台北国立科技大学，车辆工程部，台湾省台北市106号，chung-hsiao 东路1号。 2，台湾国立科技大学，机械工程部，台湾省台北市106号，keelung路43号。 在很多化工和半导体制造过程中，温度是控制所需产品质量的重要参数。一般来说，温度控制系统具有响应速度慢，时滞，和单向控制输入特性等非线性的时变特征。很难估计出准确的动力学模型和设计出一种能够取得良好的控制特性的温度控制器。在这里提出了一种针对密闭铁腔单向加热输入控制器的无模型智能模糊增益调整控制策略。这个概念在控制过程中被用来调整增益调度的模拟隶属函数映射的适用范围从而改善控制性能。实验表明该控制方案无超调，并且稳态误差的阶跃输入响应总小于0.28℃。该方案适用于工业温度控制系统。 关键词：模糊控制温度控制和增益调度单向输入 1简介 在化学，材料，半导体制造过程中，温度是一个重要的控制参数。例如：退火，薄膜材料玻璃熔化炉沉积和电视都需要适当的温度控制系统。一些温度控制系统具有加热和冷却控制阶段，而其他系统只有加热输入控制阶段。他们的动态特性有着显著差异。加热器输入的温度控制系统比有两个阶段的控制系统更难以取得良好的控制效果。如何设计一种具有响应速度快，稳态误差小，无超调的特点的通用温度控制器在工业实施控制研究领域仍然是一种挑战。目前，开关控制和PID控制方案用于商业产品。在1936年，一种PID控制器被设计出来。目前，PID控制器已经广泛应用于工业自动化的控制系统。然而，如何调整控制增益因素是实施PID控制器的关键。如果精确的动态模型对于控制系统是有效的，nichols和ziegler规则(nichols和ziegler，1942年)，和IMC控制策略(chien和fruehauf，1990；rivera等人1986年)可以计算出适当的收益。然而，供热厂有延时和温度依赖的非线性特性。对于一个PID控制器的设计很难建立精确的动态模型。一般来说，系统需要一个实验的过程来获得好的控制响应。当该系统具有外部干扰或设定值发生变化时，其瞬态响应也会变坏。这样的系统需要一个网络在线的工作人员来调整它或者切换到手动控制。然而这是一个不方便的应用，而且生产参数可能不保持在一个良好的成产水平上。因此，无模型智能控制方案已经得到了关注。 基于控制水浴加热温度提出了一种自整定PID控制策略(Yusof 等人，1994年)。采用频率loop-shaping技术来调整PID温度控制器的增益的一种化学气相
附录1 基于神经网络和遗传算法的模糊系统的自动设计摘要 本文介绍了基于神经网络和遗传算法的模糊系统的设计，其目的在于缩短开发时间并提高该系统的性能。介绍一种利用神经网络来描绘的多维非线性隶属函数和调整隶属函数参数的方法。还提及了基于遗传算法的集成并自动化三个模糊系统的设计平台。 1 前言 模糊系统往往是人工手动设计。这引起了两个问题：一是由于人工手动设计是费时间的，所以开发费用很高；二是无法保证获得最佳的解决方案。为了缩短开发时间并提高模糊系统的性能，有两种独立的途径：开发支持工具和自动设计方法。前者包括辅助模糊系统设计的开发环境。许多环境已具有商业用途。后者介绍了自动设计的技术。尽管自动设计不能保证获得最优解，他们仍是可取的手工技巧，因为设计是引导走向和依某些标准的最优解。 有三种主要的设计决策模糊控制系统设计: (1)确定模糊规则数, (2)确定隶属度函数的形式。 (3)确定变化参数 再者,必须作出另外两个决定： (4)确定输入变量的数量 (5)确定论证方法 （1）和（2）相互协调确定如何覆盖输入空间。他们之间有高度的相互依赖性。（3）用以确定TSK（Takagi-Sugeno-Kang）模式【1】中的线性方程式的系数，或确定隶属度函数以及部分的Mamdani模型【2】。(4)符合决定最低套相关的输入变量,计算所需的目标决策或控制的价值观。像逆向消除（4）和信息标准的技术在此设计中经常被利用。(5)相当于决定使用哪一个模糊算子和解模糊化的方法。虽然由数种算法和模糊推理的方法已被提出,仍没有选择他们标准。[5]表明动态变化的推理方法,他依据这个推理环境的结果在性能和容错性高于任何固定的推理的方法。 神经网络模型（以更普遍的梯度)和基于遗传算法的神经网络(最常见的梯度的基础)和遗传算法被用于模糊系统的自动设计。基于神经网络的方法主要是用来设计模糊隶属度函数。这有两种主要的方法； (一)直接的多维的模糊隶属度函数的设计： 该方法首先通过数据库确定规则的数目。然后通过每个簇的等级的训练来确定隶属函数的形式。更多细节将在第二章给出。 (二)间接的多维的模糊隶属度函数的设计： 这种方法通过结合一维模糊隶属函数构建多维的模糊隶属度函数。隶属度函数梯度技术被用于调节试图减少模糊系统的期望产量和实际生产所需的产出总量的误差。 第一种方法的优点在于它可以直接产生非线性多维的模糊隶属度函数；没有必要通过结合一维模糊隶属函数构建多维的模糊隶属度函数。第二种方法的优点在于可通过监测模糊系统的最后性能来调整。这两种方法都将在第二章介绍。 许多基于遗传算法的方法与方法二在本质上一样；一维隶属函数的形式利用遗传算法
附录 CONTROL, PID CONTROL, AND ADVANCED FUZZY CONTROL FOR SIMULATING A NUCLEAR REACTOR OPERATION XIAOZHONG LI and DA RUAN* elgian Nuclear Research Centre (SCKoCEN Boeretang 200, 8-2400 Mol, Belgium (Received 15 March 1999) Based on the background of fuzzy control applications to the first nuclear reactor in Belgium (BRI) at the Belgian Nuclear Research Centre (SCK.CEN), we have made a real fuzzy logic control demo model. The demo model is suitable for us to test and com- pare some new algorithms of fuzzy control and intelligent systems, which is advantageous because it is always difficult and time-consuming, due to safety aspects, to do all experiments in a real nuclear environment. In this paper, we first report briefly on the construction of the demo model, and then introduce the results of a fuzzy control, a proportional-integral-derivative (PID) control and an advanced fuzzy control, in which the advanced fuzzy control is a fuzzy control with an adaptive function that can Self-regulate the fuzzy control rules. Afterwards, we present a comparative study of those three methods. The results have shown that fuzzy control has more advantages in terms of flexibility, robustness, and easily updated facilities with respect to the PID control of the demo model, but that PID control has much higher regulation resolution due to its integration term. The adaptive fuzzy control can dynamically adjust the rule base, therefore it is more robust and suitable to those very uncertain occasions. Keywords: Fuzzy control; PID control; fuzzy adaptive control; nuclear reactor I INTRODUCTION Today the techniques of fuzzy logic control are very mature in most engineering areas, but not in nuclear engineering, though some research has been done (Bernard, 1988; Hah and Lee, 1994; Lin et al. 1997; Matsuoka, 1990). The main reason is that it is impossible to do experiments in nuclear engineering as easily as in other industrial areas. For example, a reactor is usually not available to any individual. Even for specialists in nuclear engineering, an official licence for doing any on-line test is necessary. That is why we are still conducting projects such as "fuzzy logic control application" in BRl (the first nuclear reactor in Belgium) (Li and Ruan, 1997a; Ruan, 1995; Ruan and Li, 1997; 1998; Ruan and van der Wal, 1998). In the framework of this project, we find that although there are already many fuzzy logic control applications, it is difficult to select the most sui- table for testing and comparison of our algorithms. Moreover, due to the safety regulations of the nuclear reactor, it is not realistic to perform many experiments in BRl. In this situation, we have to conduct part of the pre-processing experiments outside the reactor, e.g., com- parisons of different methods and the preliminary choices of the parameters. One solution is to make a simulation programme in a computer, but this has the disadvantage that in
智能交通信号灯 摘要：信号控制是一种必要的措施以确保的质量和安全,交通循环。现在的信号控制的进一步发展具有极大的潜力来减少运行时间、车辆、事故成本和整车排放。检测的发展和计算机技术改变了交通信号控制从定时开环规定自适应反馈控制。目前的自适应控制方法,像英国、瑞典MOV A SOS)和英国(孤立的信号(area-wide又控制),采用数学优化与仿真技术来调整信号波动的时间观察到的交通流实时的。优化是通过改变时间和周期长度的绿色的信号。在area-wide交叉口控制偏移是之间也发生了变化。已经开发为几种方法确定最优周期长度和最小延迟在十字路口,但基于不确定性和严格的交通信号控制的本质,全局最优是不可能找到的。 1．引文：由于越来越多的公众意识的环境影响道路交通许多当局现在所追求的政策来:，管理供求?拥挤，影响模式和路径选择?;贯彻“三个代表”重要思想,提高公共汽车?有轨电车和其他公共服务车辆;设施提供更好的、更安全,骑自行车和行人的道路使用者等脆弱;降低汽车排放?、噪声和视觉入侵;为所有道路改善安全?用户群。 在自适应交通信号控制的弹性增强的增加的数量在周期层叠的绿色阶段,从而使数学优化非常复杂和困难。因为这个原因,自适应信号控制在大多数情况下不是建立在精确的优化上,而是建立在绿色的扩展原理。在实践中,遵循的均匀性是最主要的交通信号控制安全的原因。这一规定的限制的周期时间和相位的安排。因此,在实践中是交通信号控制的针对性的解决方案和调整的基础上由交通规划者。现代可编程信号控制器以大量的可调参数是非常适合这一过程。对于好的结果,一个经验丰富的策划人和微调领域中是必要的。模糊控制已经被证明是成功的,在这些问题中,精确的数学建模是困难的或不可能的,但一名有经验的人可以控制的工艺操作。因此,交通信号控制是一种适合于任务特别为模糊控制。事实上,最古老的文化之一的潜力的例子是一个模拟的模糊控制在一个inter-section交通信号控制的两个单向的街道。即使在这个非常简单的情况下,模糊控制是至少在作为一个良好的传统的自适应控制。一般而言,模糊控制是发现在复杂问题都优于用多目标决策。在交通信号控制多种交通流竞争来自同一时间和空间,而且不同的优先选择往往不同交通流或车辆组。此外,优化标准,包括几个同时喜欢平均和最大车辆和行人延误、最大队列长度和百分比停止的车辆。所以,它很可能是很有竞争力的模糊控制在复杂真实的十字路口的地方传统的优化方法的使用是有问题的。 2．模糊逻辑：介绍了模糊逻辑,并成功地应用于大范围的自动控制任务。最大的好处模糊逻辑是有机会模型与不确定的模糊决策。此外,模糊逻辑有能力理解语言指令和控制策略的基础上产生的先验的沟通。这一点在利用模糊逻辑来控制理论的基础上,是模仿人类专家控制的知识,而不是为了构建过程本身。的确,模糊控制已经被证明是成功的,在这些问题中,精确的数学建模是困难的或不可能的,但一名有经验的操作员可以控制的过程。一般而言,模糊控制是发现在复杂问题都优于多目标决策。 目前,有大量的基于模糊推论系统技术。不过它们当中的主要部分,受含糊不清的根基;即使它们大都是古典数学方法表现更好,他们还带有黑色的盒子,如德模糊化,这是很难证明数学或逻辑的。例如,如果-然后模糊规则,它们在核心的模糊推理系统,经常报道的工作方式,是Ponens概括规则推理机制的经典,但随便起来就不是这样的,这之间的关系,这些规则和多值逻辑是任何已知的复杂和人工。此外,专家系统的性能应相当于人类专家:它应该得到同样的结果,专家给,但提醒当控制问题是如此模糊,专家是不确定适当的行为。现有的模糊专家系统很少满足这第二种情况。 然而,很多研究观察,模糊推理的方法是基于相似。Kosko,举个例子,写的模糊隶属……代表的相似性定义对象特性的imprecisely。以这句话严重,我们学习系统的多值等价,即模糊相