实验三模糊自适应整定PID控制仿真实验 一、实验目的 1．通过实验了解数字PID控制的原理 2．通过实验实现离散系统的数字 PID 控制仿真 3．通过实验了解模糊自适应整定PID控制的原理 4．通过实验实现模糊自适应整定PID控制仿真 5．通过实验进一步熟悉并掌握Matlab软件的使用方法 二、实验内容 1．针对给定离散系统的输入信号的位置响应，设计离散PID控制器，编制相应的仿真程序。2．若采样时间为1ms ,采用模糊PID控制进行阶跃响应,在第300个采样时间时控制器输出加1.0 的干扰,编制该模糊自适应整定PID系统的Matlab仿真程序 三、实验步骤 1．针对给定离散系统的阶跃信号、正弦信号和方波信号的位置响应，设计离散PID控制器，编制相应的仿真程序。 2．确定模糊自整定PID的算法基础 3．针对 kp, ki , kd 三个参数分别建立合适的模糊规则表 4．画出PID参数的在线自校正工作程序流程图 5．编制该模糊自适应整定PID系统的Matlab仿真程序 四、实验要求 1．设被控对象为： 采样时间为1ms,采用Z变换进行离散化，经过Z变换后的离散化对象为： yout(k)=-den(2)yout(k-1)-den(3)yout(k-2)-den(4)yout(k-3)+num(2)u(k-1) +num(3)u(k-2)+num(4)u(k-3) 针对离散系统的阶跃信号、正弦信号和方波信号的位置响应，设计离散PID控制器。其中，S为 信号选择变量，S=1时为阶跃跟踪，S=2时为方波跟踪，S=3时为正弦跟踪。 2．采样时间为1ms ,采用模糊PID控制进行阶跃响应,在第300个采样时间时控制器输出加1.0的干扰,编制炉温模糊控制系统的Matlab仿真程序 五﹑自适应模糊控制的规则 1﹑控制规则：
北京工业大学 结课论文 课题名称：基于模糊控制的机器人避障 姓名：鑫元 12521121 唐堂 12521130 成绩： 引言
智能小车是移动机器人的一种，可通过计算机编程来实现其对行驶方向、启停以及速度的控制。要想让智能小车在行驶过程中能成功地避开障碍物，必须对其进行路径规划?，路径规划的任务是为小车规划一条从起始点到目标点的无碰路径。路径规划方法有：BP人工神经网络法（Back Propagation）、机器学习（Reinforcement Learning）、以及模糊控制（Fuzzy Control）方法等。模糊技术具有人类智能的模糊性和推理能力，在路径规划中，模糊推理的应用主要体现在基于行为的导航方式上，即将机器人的运动过程分解为避障、边界跟踪、调速、目标制导等基本行为，各基本行为的激活由不同的机构分别控制，机器人的最终操作由高层控制机构对基本行为进行平衡后作出综合反应。模糊控制方法将信息获取和模糊推理过程有机结合，其优点在于不依赖机器人的动力学、运动学模型，系统控制融入了人类经验，同时计算量小，构成方法较为简单，节省系统资源，实时性。本文探讨了模糊控制技术在避障路径规划中的应用，并对其进行了仿真设计。 摘要 基于MATLAB的仿真结果表明模糊逻辑推理方法在智能小车的导航控制中具有良好的效果。 目录
引言，摘要 (1) 1.模糊控制技术基本理 (3) 2模糊控制器设计 (4) 3.避障算法设计 (6) 4 仿真实验 (14) 5.实验截图 (17) 6. 结论 (19) 7.实验心得 (20) 8.参考文献 (22)
1模糊控制技术基本原理 环境中存在障碍物时，路径规划控制系统具有高度不确定性，是一个多输入多输出(MIMO)系统。对于这种具有高度不确定性的MIMO系统，传统的控制方法不能达到很好的控制效果。模糊推理控制方法将人类的驾驶经验融入系统控制之中，因此可以较好地满足系统自适应性、鲁棒性和实时性的要求。模糊控制方式借助模糊数学这一工具通过推理来实现控制。模糊逻辑模拟了人类思维的模糊性，它采用与人类语言相近的语言变量进行推理，因此借助这一工具可将人类的控制经验融人系统控制之中，使得系统可以像有经验的操作者一样去控制复杂、激励不明的系统。总的说来模糊控制具有以下特点： 1)不依赖于被控对象的精确数学模型，易于对不确定性系统进行控制； 2)易于控制、易于掌握的较理想非线性控制器，是一种语言控制器； 3)抗干扰能力强，响应速磨陕，并对系统参数的变化有较强的鲁棒性。 模糊控制器的基本结构由模糊输入接口、模糊推理以及模糊输出接口三个模块组成。模糊输入接口的主要功能是实现精确量的模糊化，即把物理量的精确值转换成语言变量值。语言变量的分档根据实际情况而定，一般分为3—7档，档数越多，控制精度越高，计算量也越大。模糊推理决策机构的主要功能是模仿人的思维特征，根据总结人工控制策略取得的语言控制规则进行模糊推理，并决策出模糊输出控制量。模糊输出接口的主要功能是把输出模糊量转化为精确量，施于被控对象。 2模糊控制器设计
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
《智能控制技术》平时作业题 2016年4月1日 学号______________ 姓名 题一： 设被控对象的传递函数为 21()1000441) G s s s =++ （1）针对阶跃输入()5/R s s =，设计模糊监督PID 控制系统，使 得系统输出的超调量2%δ≤，进行系统仿真。 （2）已知条件和性能指标同（1），设计模糊监督模糊控制系统，进行系统仿真，同（1）的仿真结果进行比较。 题二：设被控对象的传递函数为 p 22p p p ()2K G s s s ζωω=++ 式中，P 1K =，P 0.707ζ=，P 1ω=。参考模型为一阶系统 r r ()K M s s a =+，r 1K =，r 1a =。系统参考输入为()sin(0.6)r t t =。 （1）针对()G s 设计一个直接模糊控制器（非自适应），使得对 象的输出尽可能接近参考模型的性能指标。模糊控制器为二维模 糊控制器，其输入变量为偏差e r y =-，r 为系统参考输入，y 为被控对象输出；偏差变化()()()e kT e kT T e kT T --= （用一阶后向差分近似）。 （2）针对()G s 设计模糊模型参考学习自适应控制系统，使得对
象输出跟踪参考模型输出并尽可能地靠近它。将（1）中所设计的模糊控制器作为初始模糊控制器并为FMRLC（模糊模型参考学习控制）所调整，进行系统仿真。 题三：使用模糊逻辑工具箱建立以下模糊推理系统。 （1）单输入单输出模糊推理系统：输入、输出变量分别为e和u，其模糊集论域均为[-1，1]，语言变量取值[N，ZO，P]，隶属函数为对称三角形，规则为 If e is N Then u is N If e is ZO Then u is ZO If e is P Then u is P 画出该模糊推理系统输入输出关系曲线。 （2）两输入一输出模糊推理系统：输入变量e和e ，输出变量为u，其模糊集论域均为[-6，6]，语言变量取值[NL，NS，ZO，PS，PL]，隶属函数为对称三角形；规则前件及蕴涵均采用“取小”运算。设计25条控制规则；求出该推理系统的控制面。（3）采用高斯形隶属函数，重复上述（2）。 题四：已知某被控对象的传递函数为 2.5 () (101) G s s s = +。 （1）采用二维PD模糊控制器，输入变量e和e ，输出变量为u，其模糊集论域均为[-6，6]，语言变量取值[NL，NM，NS，ZO，PS，PM，PL]，隶属函数为对称三角形；规则前件及蕴涵均采用“取小”运算，采用COG反模糊化方法。用Simulink建立单位
万方数据
万方数据
万方数据
万方数据
液压伺服位置系统模型参考模糊自适应PID控制器的设计 作者：方一鸣， 黄镇海， 焦晓红 作者单位：燕山大学电气工程学院,河北,秦皇岛,066004 刊名： 自动化与仪器仪表 英文刊名：AUTOMATION & INSTRUMENTATION 年，卷(期)：2002(3) 被引用次数：12次 参考文献(7条) 1.王红君;赵辉;华岩模糊参数自适应PID控制器在同步发电机励磁系统中的应用[期刊论文]-电气传动 2000(02) 2.黎芳;梁慧冰一种模型参考模糊PI-PD控制器 1998 3.李卓;萧德云;何世忠基于Fuzzy推理的自调整PID控制器 1997(02) 4.吕建虹模糊PID控制器及在汽温控制系统中的应用 1995(01) 5.张琦;冯培恩模糊参数自整定PID控制技术推土机自动控制系统中的应用 1997(02) 6.张健民;杨华甬;路甬祥基于工程整定法的模糊PID[期刊论文]-信息与控制 1998(01) 7.章卫国;杨向忠模糊控制原理与应用 1999 本文读者也读过(4条) 1.潘永平.王钦若.严兴华.PAN Yong-ping.WANG Qin-ro.YAN Xing-hua液压伺服系统的模型参考自适应模糊控制新方法[期刊论文]-电气传动自动化2007,29(2) 2.潘永平.王钦若.严兴华.PAN Yongping.WANG Qinruo.YAN Xinghua液压伺服系统的模型参考自适应模糊控制新方法[期刊论文]-机床与液压2007,35(4) 3.尚智强液压伺服位置系统模型参考模糊自适应PID控制器的设计[期刊论文]-自动化与仪器仪表2002(3) 4.党开放.周瑞祥.林廷圻基于模型参考模糊自适应的电液位置伺服系统鲁棒控制研究[期刊论文]-机床与液压2003(4) 引证文献(12条) 1.郭秀丽.陆怀民采伐联合机设计与研究[期刊论文]-机械设计 2010(8) 2.仲伟峰.何小溪电液位置伺服系统的模糊神经网络控制[期刊论文]-电机与控制学报 2008(4) 3.王亮.王永利基于DSP的电液伺服机构控制[期刊论文]-液压与气动 2007(3) 4.孟利军.凡永华.杨军.李言俊地地导弹快速起竖装置的同步自动控制器设计[期刊论文]-弹箭与制导学报 2007(3) 5.凡永华.孟利军.李鑫.杨军地地导弹瞄准系统的模糊-PI复合控制器设计[期刊论文]-弹箭与制导学报 2007(2) 6.潘永平.王钦若.严兴华液压伺服系统的模型参考自适应模糊控制新方法[期刊论文]-机床与液压 2007(4) 7.潘永平.王钦若.严兴华液压伺服系统的模型参考自适应模糊控制新方法[期刊论文]-电气传动自动化 2007(2) 8.肖晨静.欧阳昌.凡永华.杨军地地导弹快速起竖装置的模糊控制器设计[期刊论文]-弹箭与制导学报 2007(5) 9.张飞热连轧综合AGC系统的研究[学位论文]博士 2007 10.刘占新舞钢宽厚板轧机液压AGC控制系统的研究[学位论文]硕士 2006 11.李兵酸洗开卷破鳞电液比例控制系统改造[学位论文]硕士 2005 12.牛巍4200mm轧机液压AGC控制系统研究[学位论文]硕士 2005
现代工业机器人模糊控制应用分析 摘要随着科学技术的不断发展，工业机器人在工业生产中的作用越来越明显，但工业机器人在工作中经常会出现各关节不精确、速度不平稳的现象，为此，应当对工业机器人的模糊进行严格的控制，模糊控制不需要建立被控对象的精确数学模型，只需要通过输入和输出信号的检测就可以达到机器人的控制要求，这在一定程度上大大提高了工业机器人工作的效率，因此，需要加强模糊控制在工业机器人中的应用，本文介绍了机器人模糊控制系统，并分析了机器人模糊控制过程与系统响应，为今后工业机器人更好的应用模糊控制提供一定的借鉴。 关键词模糊控制；工业机器人；应用 前言 在工业机器人中存在着不同的类别，在对其进行控制过程中需要根据不同的控制目的来选取不同的控制策略，比如对在线分解加速度控制和PID使用前馈控制、最优控制与自适应控制及非线性补偿控制等，这几种控制算法几乎都需要建立精确的机器人模型，若建立的模型不准确，对工业机器人控制系统的控制精度会有很大的影响。而要建立精确的系统模型，则需要做大量的工作，模糊控制是解决这个问题的好方法，它不需要建立被控对象的精确数学模型，只需要通过输入和输出信号的检测就可以达到机器人的控制要求，因此，在工业机器人中经常会采用模糊控制来加强对工业机器人的控制，进而提升了其工作的效率。 1 机器人模糊控制系统 1.1 系统结构 机器人模糊控制系统主要由微分前馈环节KF、积分分离环节KI、偏差e和偏差变化率ec的离散化、模糊化环节K1和K2、模糊控制查询表、控制量输出环节K3以及在线参数自调整环节等组成。通过KF将输入信号的变化率作用于系统中，可以实现被控对象更好地追踪斜坡输入信号。积分分离环节KI用于消除静态误差，在误差很小时起作用，当误差较大时，该环节不介入，以取消积分环节的影响，避免积分饱和现象。参数自调整是根据误差e和误差变化率ec，在线调节K1，K2与K3环节，使系统动态特性和稳态性能更好地兼容。 1.2 建立控制器的输入输出变量 在模糊控制器中，通常以误差e和误差变化率ec作为输入变量，经过离散化和模糊化后查询模糊控制表，得到模糊输出控制量u，再经过输出比例系数K3与其他的控制信号进行叠加，作为被控对象的输入量。将e和ec论域定义在[-6，6]，输出控制量u的论域定义在[-7，7]。 1.3 建立模糊控制规则
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
模糊逻辑在控制领域的应用综述 摘要：本文介绍了模糊逻辑控制在工程应用中存在的一些问题，包括模糊控 制规则和参数优化问题、强耦合多变量问题和模糊控制稳态精度问题，另外介绍了在控制领域各方面的应用，比如：自适应模糊控制，模糊滑膜控制，基于Takagi-Sugeno(T-S)模型的控制，三维模糊控制。 关键字：模糊逻辑控制；问题；自适应模糊控制；模糊滑膜控制；基于Takagi-Sugeno(T-S)模型的控制；三维模糊控制 1引言 在现代工业控制领域，伴随着计算机技术的突飞猛进，出现了智能控制的新趋势，即以机器模拟人类思维模式，采用推理、演绎和归纳等手段，进行生产控制，这就是人工智能。模糊逻辑属于计算数学的范畴，包含有遗传算法，混沌理论及线性理论等内容，它综合了操作人员的实践经验，具有设计简单，易于应用、抗干扰能力强、反应速度快、便于控制和自适应能力强等优点。近年来，在过程控制、农业生产和军事科学等领域得到了广泛应用。[1] 2模糊逻辑在应用中的问题 2.1模糊控制规则和参数优化问题 对于复杂的工业控制过程，专家经验知识匮乏且逻辑推理困难，导致模糊控制规则的获取比较困难，难以总结出比较完善的模糊规则，在控制对象的参数发生变化时，严重影响模糊控制系统的效果，在某种意义上模糊控制系统的控制品质和性能与模糊规则的优劣有直接关系，因此优化模糊控制规则就变得尤其重要。 2.2强耦合多变量问题 多变量控制系统是目前过程控制中常见的控制对象，其不同于单变量控制系统。多变量控制系统中控制对象、控制器、测量元件和执行元件均有可能含有多个输入或输出变量，其结构更为复杂。变量之间耦合强度较小时比较容易控制，可以以一种线性独立的系统方式进行控制。各变量之间耦合强度较大时，就不可以忽略耦合对系统控制效果的影响，其严重影响到了控制系统的稳定性。[2] 2.3模糊控制稳态精度问题 随着工业过程被控对象的控制品质不断提升，对模糊控制稳态精度的要求也不断提高，由于模糊控制系统稳态精度低、存在余差的问题，高精度的模糊控制技术成为研究重点。模糊控制稳态精度的控制方法有很多，一种比较常用的方法是通过增加不同类别的积分器来避免模糊控制系统的稳态误差，以达到提升稳态精度的目的。采用在模糊控制系统中增加前馈积分项的方法，在伺服控制系统中取得了理想的稳态精度；也有采用在模糊控制系统中增加动态积分项的方法，当模糊控制系统的误差在一定范围以内，通过增加动态积分项控制系统输出，从而提高了模糊控制系统的性能。[3] 3模糊逻辑在控制领域的应用
第25卷第10期V ol.25No.10控制与决策 Control and Decision 2010年10月 Oct.2010 基于自适应模糊反步法的永磁同步电机位置跟踪控制 文章编号:1001-0920(2010)10-1547-05 于金鹏,陈兵,于海生,高军伟 (青岛大学复杂性科学研究所，山东青岛266071) 摘要:研究具有参数不确定性的永磁同步电动机位置跟踪控制问题.利用模糊逻辑系统逼近系统中非线性函数,采用反步设计方法实现永磁同步电动机的自适应模糊控制.所提出的自适应模糊控制器在电机参数不确定和负载扰动的情况下,实现了永磁同步电动机的高性能位置跟踪控制.仿真结果表明了所提出方法的有效性. 关键词:永磁同步电动机；非线性系统；自适应控制；模糊控制；位置跟踪；反步 中图分类号:TM351文献标识码:A Adaptive fuzzy backstepping position tracking control for permanent magnet synchronous motor YU Jin-peng,CHEN Bing,YU Hai-sheng,GAO Jun-wei (Institute of Complexity Science，Qingdao University，Qingdao266071，China.Correspondent：YU Jin-peng，E-mail: yjp1109@https://www.doczj.com/doc/636974697.html,) Abstract：This paper studies the problem of position tracking control for permanent magnet synchronous motors with parameter uncertainties and load torque disturbance.Based on backstepping technique,an adaptive fuzzy control method is proposed by using fuzzy logic systems to approximate unknown nonlinearities of permanent magnet synchronous motor(PMSM)drive system.The proposed controller guarantees the good tracking performance even with the existence of the parameter uncertainties and load torque disturbance.Simulation results show the effectiveness of the proposed method. Key words：Permanent magnet synchronous motor；Nonlinear system；Adaptive control；Fuzzy control；Position tracking；Backstepping 1引言 永磁同步电机(PMSM)以其优越的性能广泛应用于交流伺服系统中.永磁同步电机是一个多变量、强耦合的非线性控制对象,并受电机参数变化、外部负载扰动等不确定性因素的影响.矢量控制、直接转矩控制等传统控制策略,使PMSM系统的性能有了较大的提高,但这些方法都建立在工程的基础上,并未从理论上给出完整的证明,也没有从本质上解决电机的非线性问题.因此,研究先进的控制策略,提高PMSM系统的动静态性能具有重要意义.近年来, PMSM非线性控制方法的研究获得了很大进展,如状态反馈线性化控制[1]、滑模变结构控制[2,3]、无源性方法[4]、自适应控制[5]、模糊控制[6]和反步控制[7-11]等.其中反步设计方法以其易于与自适应控制技术相结合,消除参数时变和外界扰动对系统性能的影响而受到了广泛的重视.自适应反步控制方法将复杂的非线性系统分解成多个简单低阶的子系统,通过引入虚拟控制变量来逐步进行控制器设计,最终确定控制律以及参数自适应律,从而实现对系统的有效控制. 自1965年美国学者Zadeh首次提出模糊集理论后,模糊逻辑控制便受到国内外控制界的广泛关注,并用于对具有高度非线性和不确定性的复杂系统的控制设计.在发展形成的各种模糊控制技术中,基于反步法的自适应模糊控制是一种有效的非线性控制方法.该方法通过利用模糊逻辑系统逼近系统中的高度非线性函数,并结合自适应和反步技术构造控制器. 本文根据永磁同步电动机的结构特点,将自适应模糊反步控制应用于永磁同步电动机的位置控制.利 收稿日期:2009-09-14；修回日期:2009-11-13. 基金项目:国家自然科学基金项目(60674055,60774027,60774047)；国家863计划项目(2007AA11Z247)；山东省自然科学基金项目(ZR2009GM034)；山东省工业控制技术重点实验室(青岛大学)开放课题基金项目. 作者简介:于金鹏(1978?),男,山东威海人,讲师,博士,从事电机控制、非线性控制的研究；陈兵(1958?),男,辽宁锦州人,教授,博士生导师,从事复杂系统、非线性系统等研究. DOI：10.13195/j.cd.2010.10.110.yujp.006
模糊控制技术的发展与 前 景
展 望 模糊控制技术发展现状与前景展望
1.引言 人的手动控制策略是通过操作者的学习，实验以及长期经验积累而形成的，他通过人的自然语言来叙述。由于自然语言具有模糊性，所以，这种语言控制也被称为模糊语言控制，简称模糊控制。 近年来，对于经典模糊控制系统稳态性能的改善，模糊集成控制，模糊自适应控制，专家模糊控制与多变量模糊控制的研究，特别是对复杂系统的自学习与参数自调整模糊系统方面的研究，受到各国学者的重视。人们将神经网络和模糊控制技术相结合，形成了一种模糊神经网络技术，他可以组成一组更接近于人脑的智能信息处理系统，其发展前景十分广阔。 2.模糊控制的热点问题 模糊控制技术是一项正在发展的技术，虽然近年来得到了蓬勃发展，但它也存在一些问题，主要有以下几个方面 (1) 还没有有形成完整的理论体系，没有完善的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）； (2) 控制系统的性能不太高（稳态精度较低，存在抖动及积分饱和等问题）； (3) 自适应能力有限。目前，国内外众多专家学者围绕着这些问题展开了广泛的研究，取得了一些阶段性成果，下面介绍一下近期的主要研究热点。 2.1 模糊控制系统的稳定性分析 任何一个自动控制系统要正常工作，首先必须是稳定的。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设计，因此，模糊控制理论的稳定性分析一直是一个难点课题，未形成较为完善的理论体系。正因为如此，关于模糊系统的稳定性分析近年来成为众人关注的热点，发表的论文较多，提出了各种思想和分析方法。目前模糊控制系统稳定性分析方法主要有以下几种： (1) 李亚普诺夫方法 基于李亚普诺夫直接方法，许多学者讨论了离散时间和连续时间模糊控建立了包括非Ying制系统的稳定性分析和设计。使用李亚普诺夫线性化方法， 线性对象的T-S模糊控制系统局部稳定性的必要和充分条件。另外，一种在大系统中使用的向量李亚普诺夫直接方法，被用于推导多变量模糊系统的稳定性条件；李亚普诺夫第二方法被用于判别模糊系统量比因子选择的稳定性；波波夫一李亚普诺夫方法被用于研究模糊控制系统的鲁棒稳定性。 但是，李亚普诺夫的一些稳定性条件通常比较保守，即当稳定性条件不满足时，控制系统仍是稳定的。 (2) 基于滑模变结构系统的稳定性分析方法 由于模糊控制器是采用语义表达，系统设计中不易保证模糊控制系统的稳定性和鲁棒性。而滑模控制有一个明显的特点，即能处理控制系统的非线性，而且是鲁棒控制。因此一些学者提出设计带有模糊滑模表面的模糊控制器，从而能用李亚普诺夫理论来获得闭环控制系统稳定性的证明。Palm和Driankov采用滑模控制的概念分析了增益规划的闭环模糊控制系统的稳定性和鲁棒性。另有一些学者用模糊推理来处理控制系统的非线性和减少控制震颤，使得基于李亚普诺夫方法可保证控制系统的稳定性。 基于变结构系统理论，可以得到控制系统的跟踪精度和模糊控制器的I/O 模糊集映射形状之间的关系，从而可以解释模糊控制器的鲁棒性和控制性能。文献等研究了基于变结构控制框架的模糊控制系统的稳定性，通过输出反馈的模糊
《智能控制》 模糊逼近作业报告 组员：李适、郑晓森、匡金龙、沈伟生、武云发黎浩炎、晏开、杜文学、杨晓星
目录 一、任务及要求 (3) 二、系统分析及控制设计原理 (3) 三、设计实现 (4) 四、仿真验证 (7) 五、讨论与分析 (12)
一、任务及要求 (1)任务 设计一个在 上的模糊系统，使其以精度 一致地逼近函数()()()()()ππππ2121cos sin cos sin x x x x x g ++=，并进行Matlab 仿真。 (2)要求 先进行系统分析，然后给出完整详细的设计过程，可参见P74-75页例5.1和例5.2的仿真实例。 二、系统分析及控制设计原理 自适应模糊控制是指具有自适应学习算法的模糊逻辑系统，其学习算法是依靠数据信息调整模糊逻辑系统的参数，且可以保证控制系统的稳定性。一个自适应模糊控制器可以用一个单一的自适应模糊系统构成，也可以用若干个自适应模糊系统构成。与传统的自适应控制相比，自适应模糊控制的优越性在于它可以利用操作人员提供的语言性模糊信息，而传统的自适应控制则不能。这一点对具有高度不确定因素的系统尤其重要。自适应模糊控制有两种不同形式：一种是直接自适应模糊控制，即根据实际系统性能与理想性能之间的偏差直接设计模糊控制器；另一种是间接自适应模糊控制，即通过在线模糊逼近获得对象的模型，然后根据所得模型在线设计控制器。 三、设计实现 (1)模糊系统的设计步骤 设二维模糊系统g(x)为集合22211],[],[R U ??=βαβα上的一个函数，其解析式形式未知。假设对任意一个U x ∈,都能得到g(x)，则可设计一个逼近g(x)的 模糊系统。模糊系统的设计步骤为： 步骤1：在],[i i βα上定义)2,1(=i N i 个标准的，一致的和完备的模糊集 i N i i i i A A A A ,...,,,321。 [][]1,11,1-?-=U 1.0=ε
《系统辨识与自适应控制》 课程论文 基于Matlab的模糊自适应PID控制器仿真研究
学院：电信学院 专业：控制工程 姓名：王晋 学号：102430111356
基于Matlab的模糊自适应PID控制器仿真研究 王晋 （辽宁科技大学电信学院鞍山） 摘要：传统PID在对象变化时，控制器的参数难以自动调整。将模糊控制与PID控制结合，利用模糊推理方法实现对PID参数的在线自整定。使控制器具有较好的自适应性。使用MATLAB对系统进行仿真，结果表明系统的动态性能得到了提高。 关键词:模糊PID控制器；参数自整定；Matlab；自适应 0引言 在工业控制中，PID控制是工业控制中最常用的方法。但是，它具有一定的局限性:当控制对象不同时，控制器的参数难以自动调整以适应外界环境的变化。为了使控制器具有较好的自适应性，实现控制器参数的自动调整，可以采用模糊控制理论的方法[1]模糊控制已成为智能自动化控制研究中最为活跃而富有成果的领域。其中，模糊PID控制技术扮演了十分重要的角色，并目仍将成为未来研究与应用的重点技术之一。到目前为止，现代控制理论在许多控制应用中获得了大量成功的范例。然而在工业过程控制中，PID类型的控制技术仍然占有主导地位。虽然未来的控制技术应用领域会越来越宽广、被控对象可以是越来越复杂，相应的控制技术也会变得越来越精巧，但是以PID为原理的各种控制器将是过程控制中不可或缺的基本控制单元。本文将模糊控制和PID控制结合起来，应用模糊推理的方法实现对PID参数进行在线自整定，实现PID参数的最佳调整，设计出参数模糊自整定PID控制器，并进行了Matlab/Simulink仿真[2]。仿真结果表明，与常规PID控制系统相比，该设计获得了更优的鲁棒性和动、
机器人控制的基本方法 机器人的控制方法，根据控制量、控制算法的不同分为多种类型。下面分别针对不同的类型，介绍常用的机器人控制方法。 一、根据控制量分类 按照控制量所处空间的不同，机器人控制可以分为关节空间的控制和笛卡尔空间的控制。对于串联式多关节机器人，关节空间的控制是针对机器人各个关节的变量进行的控制，笛卡尔空间控制是针对机器人末端的变量进行的控制。按照控制量的不同，机器人控制可以分为：位置控制、速度控制、加速度控制、力控制、力位混合控制等。这些控制可以是关节空间的控制，也可以是末端笛卡尔空间的控制。 位置控制的目标是使被控机器人的关节或末端达到期望的位置。下面以关节空间位置控制为例，说明机器人的位置控制。如图1-1所示，关节位置给定值与当前值比较得到的误差作为位置控制器的输入量，经过位置控制器的运算后，其输出作为关节速度控制的给定值。关节位置控制器常采用PID算法，也可以采用模糊控制算法。 图1-1 关节位置控制示意图 在图1-1中，去掉位置外环，即为机器人的关节速度控制框图。通常，在目标跟踪任务中，采用机器人的速度控制。此外，对于机器人末端笛卡尔空间的位置、速度控制，其基本原理与关节空间的位置和速度控制类似。 图1-2 加速度控制示意图 图1-2所示为分解加速度运动控制示意图。首先，计算出末端工具的控制加速度。然后，根据末端的位置，速度和加速度期望值，以及当前的末端位置、关节位置与速度，分解出各关节相应的加速度，再利用动力学方程计算出控制力矩。
分解加速度控制，需要针对各个关节进行力矩控制。 图1-3 关节力/力矩控制示意图 图1-3为关节的力/力矩控制框图。由于关节力/力矩不易直接测量，而关节电机的电流又能够较好的反映关节电机的力矩，所以常采用关节电机的电流表示当前关节力/力矩的测量值。力控制器根据力/力矩的期望值与测量值之间的偏差，控制关节电机，使之表现出期望的力/力矩特性。 图1-4 力位混合控制框图 图1-4所示为一种力位混合控制的框图，它由位置控制和力控制两部分组成。位置控制为PI控制，给定为机器人末端的笛卡尔空间位置，末端的笛卡尔空间位置反馈由关节空间的位置经过运动学计算得到。图中，T为机器人的运动学模型，J为机器人的雅克比矩阵。末端位置的给定值与当前值之差，利用雅克比矩阵的逆矩阵转换为关节空间的位置增量，再经过PI运算后，作为关节位置增量的一部分。力控制同样为PI控制，给定为机器人末端的笛卡尔空间力/力矩，反馈由力/力矩传感器测量获得。末端力/力矩的给定值与当前值之差，利用雅克比矩阵的转置矩阵转换为关节空间的力/力矩。关节空间的力/力矩经过PI运算后，作为关节位置增量的另一部分。位置控制部分和力控制部分的输出，相加后作为机器人关节的位置增量期望值。机器人利用增量控制，对其各个关节的位置进行控制。图1-5所示的力位混合控制，只是力位混合控制中的一种简单方案，是 R-C（Raibert-Craig）力位混合控制的简化形式，在实际应用中应针对具体环境进行一些必要的修正。 二、根据控制算法分类 按照控制算法的不同，机器人的控制方法可以分为PID控制、变结构控制、
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
移动机器人模糊控制的应用 移动机器人模糊控制的应用 0504311 19 刘天庆 对于复杂的、多因素影响的生产过程, 即使不知道该过程的数学模型, 有经验的操作人员也能根据长期的观察和操作经验进行有效地控制, 而采用传统的自动控制方法的效果则并不理想。然而,能否把人的操作经验总结为若干条控制规则,并设计一个装置去执行这些规则, 从而对系统进行有效的控制?模糊控制理论和方法便由此而生。 1 模糊控制原理 模糊控制的原理框图如图1 所示。模糊逻辑控制系统可用来代替经典控制系统或与经典控制系统一起来控制机器人。通过应用模糊逻辑, 机器人可以变得更独特、更具有智能和更加有用。本文根据模糊控制理论为移动机器人的运动控制设计一个模糊逻辑系统。以使移动机器人能根据地形坡度和地形类别来自主的调节自身的运动速度, 从而完成机器人运动的自动控制。 2 移动机器人的模糊逻辑控制器设计 2.1 确定模糊控制器的输入变量和输出变量 根据本设计的目的,为使移动机器人能根据地形的坡度和地形的类别自主地调节 自身的运动速度,本系统可设计为双输入单输出系统,将地形坡度和地形的类别作为两个输入,而将移动机器人的运动速度作为控制输出。 2.2 模糊化
模糊化是将输入和输出值转换为其隶属度函数的过程。模糊化的结果是一组如图2 所示的图形, 它描述了不同模糊变量中不同值的隶属度。为了定义模糊地形坡度、模糊地形类别和模糊运动速度的变量, 这里将期望的地形坡度范围固定在-45°~+45°, 并划分成五个隶 属度函数,分别是“负大”、“负”、“水平”、“正”、“正大”。小于-45°的坡度一概看作“负大”,而 大于+45°则被认定为“正大”。类似的,地形类别也划分成四个隶属度函数,分别是“很粗糙”、 “粗糙”、“平缓”、“平坦”。其中所有粗糙程度大于100%的都被认定为“很粗糙”。而输出的 移动 __ 移动机器人的模糊逻辑控制器设计 2.1 确定模糊控制器的输入变量和输出变量 根据本设计的目的,为使移动机器人能根据地形的坡度和地形的类别自主地调节 自身的运动速度,本系统可设计为双输入单输出系统,将地形坡度和地形的类别作为两个输入,而将移动机器人的运动速度作为控制输出。
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