模糊控制器與PID控制器性能對比

1、模糊控制大作業(yè)FC & PID Controller 性能對比 學(xué)院：自動化學(xué)院姓名：學(xué)號： 目錄一、PID 控制器的設(shè)計及其參數(shù)整定31.1 整定方法31.2 系統(tǒng)參數(shù)計算4二、模糊控制器設(shè)計52.1 確定觀測量和控制量52.2 觀測量和控制量模糊化52.3 定義隸屬度函數(shù)62.4 建立模糊控制規(guī)則72.5 反模糊化8三、PID 控制器與模糊控制器性能對比93.1 PID控制器仿真圖93.2 模糊控制器仿真圖93.3 PID控制器及模糊控制器仿真結(jié)果及其性能比較10四、總結(jié)與思維發(fā)散11五、參考文獻12附錄12一、 PID 控制器的設(shè)計及其參數(shù)整定1.1 整定方法設(shè)計PID控制器來校

2、正不滿足要求的系統(tǒng)，是一種比較經(jīng)典但又非常實用的方法，前人在研究、生產(chǎn)中創(chuàng)造了大量的可行的方法，其中包括現(xiàn)場試湊法、比例臨界度法和衰減曲線法等。PID控制器的基本形式為：現(xiàn)有條件下Matlab軟件可以方便地實現(xiàn)多次試湊以觀察系統(tǒng)的。所以采用比例臨界度的方法，其實現(xiàn)步驟如下：1、將調(diào)節(jié)器的積分時間Ti置于最大（Ti =），微分時間置零（Td =0），比例度（=1/Kp）適當(dāng)，平衡操作一段時間，把系統(tǒng)投入自動運行。2、將比例度逐漸減小，得到等幅振蕩過程，記下臨界比例度k和臨界振蕩周期Tk值。3、根據(jù)k和Tk值，采用經(jīng)驗公式(表1.1)，計算出調(diào)節(jié)器各個參數(shù)，即、Ti、Td的值。(記Kp=1/k)表

3、1.1 經(jīng)驗公式調(diào)節(jié)器類型等幅振蕩整定Kp Ti Td P0.5 Kp' 0PI0.45 Kp' 0.833Tk0PID0.6 Kp' 0.5 Tk0.125Tk4、按“先P后I最后D”的操作程序?qū)⒄{(diào)節(jié)器整定參數(shù)調(diào)到計算值上。若還不夠滿意，可再作進一步調(diào)整。1.2 系統(tǒng)參數(shù)計算按照上述方法，得出臨界比例度k，并讀出臨界振蕩周期Tk值。如圖1.1 所示。圖1.1 試湊出臨界比例度k臨界比例度k=0.444，臨界振蕩周期Tk=9s，代入經(jīng)驗公式可知如此形式下，Kp=0.6×0.444=0.2664;Ti=0.5×9=4.5;Td=0.125×9

4、=1.125;至此，PID控制器設(shè)計基本完成。二、模糊控制器設(shè)計2.1 確定觀測量和控制量假設(shè)誤差為e，通過一個微分環(huán)節(jié)得到誤差的變化率ec，選定模糊控制器經(jīng)過反模糊化接口后輸出的值作為控制量u，組成單變量二維模糊控制器。2.2 觀測量和控制量模糊化將偏差e的變化分為七個等級：-3，-2，-1，0，1，2，3；將偏差變化率ec的變化分為七個等級：-3，-2，-1，0，1，2,3；將控制量u的變化分為七個等級：-3，-2,-1, 0, 1, 2, 3；分別都對應(yīng)模糊集NB，NM，NS，ZO，PS，PM，PB；其中e的范圍暫且設(shè)定為-0.15+0.15，ec的范圍暫且設(shè)定為-0.3+0.3，u的變

5、化范圍暫且設(shè)定為-0.3+0.3。從輸入輸出及其相應(yīng)的模糊化過程可以得知該模糊控制器的整體架構(gòu)，如圖2.1所示。圖2.1 模糊控制器整體結(jié)構(gòu)圖2.3 定義隸屬度函數(shù)定義隸屬度函數(shù)時均考慮取-3級為Z形，3級采用S形，其余采用三角形。具體隸屬度函數(shù)請參考圖2.1、2.2、2.3 。圖2.2偏差e隸屬度函數(shù)圖2.3偏差變化率ec隸屬度函數(shù)圖2.4控制輸出量u隸屬度函數(shù)2.4 建立模糊控制規(guī)則根據(jù)經(jīng)驗，制定模糊控制規(guī)則：如偏差負(fù)大且偏差變化率也負(fù)大，則控制量必須負(fù)大來糾正系統(tǒng)誤差，防止錯誤繼續(xù)。即有規(guī)則：If (e is NB) and (ec is NB) then (u is PB)成立。如此確

6、立7×7共49條如表2.1所示。表2.1 模糊規(guī)則表ecueNBNMNSZOPSPMPBNBNMNSZOPSPMPBPBPBPMPMPSPSZOPBPBPMPMPSZOZOPMPMPMPSZONSNMPMPSPSZONSNMNMPSPSZONSNSNMNMZOZONSNMNMNMNBZONSNSNMNMNBNB2.5 反模糊化常用的反模糊化方法有三種：最大隸屬度法、重心法、加權(quán)平均法。最大隸屬度法不考慮輸出隸屬度函數(shù)的形狀，只考慮最大隸屬度初的輸出值，有時會丟失一些信息。其優(yōu)點在于計算算法簡單，在一些控制要求不高的場合，可采用最大隸屬度函數(shù)法。在本設(shè)計中，即采用了最大隸屬度法，Mat

7、lab中可以用a1=setfis(a,'DefuzzMethod','mom');的語句來實現(xiàn)。三、PID 控制器與模糊控制器性能對比3.1 PID控制器仿真圖圖3.1 基于Simulink的PID控制器仿真圖3.2 模糊控制器仿真圖圖3.2基于Simulink的模糊控制器仿真圖用于建立模糊控制器模糊推理系統(tǒng)的Matlab程序請參考附錄。3.3 PID控制器及模糊控制器仿真結(jié)果及其性能比較圖3.3 PID控制器仿真結(jié)果圖3.4模糊控制器仿真圖結(jié)果通過以上兩張圖片的對比可以發(fā)現(xiàn)兩者各有優(yōu)缺點，PID控制器最終的穩(wěn)態(tài)精度較高，幾乎與輸入曲線重合。但是其動態(tài)性能欠缺，

8、系統(tǒng)啟動之初的超調(diào)量與震蕩次數(shù)過高。模糊控制器的仿真結(jié)果穩(wěn)態(tài)精度不好，與預(yù)期的曲線有較大區(qū)別。但是輸出總穩(wěn)定在20%的超調(diào)量之內(nèi)，無過分大的偏差。四、總結(jié)與思維發(fā)散在本次控制系統(tǒng)設(shè)計的作業(yè)進程中，深刻了解了模糊控制器的設(shè)計，也復(fù)習(xí)了經(jīng)典控制中的PID控制器的設(shè)計。盡管之前對模糊控制的理論有了較深刻的理解，在仿真實現(xiàn)中還是遇到了很大的困難。這就是理論向?qū)嵺`轉(zhuǎn)換的門檻，現(xiàn)在是仿真，以后就是實際的技術(shù)手段，理論要和實現(xiàn)聯(lián)系。我是第一次設(shè)計模糊控制系統(tǒng)，從而更深刻地理解了“模糊控制系統(tǒng)的質(zhì)量依賴于設(shè)計者的經(jīng)驗”，模糊推理系統(tǒng)與模糊控制規(guī)則的制定是尤其重要的，有經(jīng)驗的人往往能夠設(shè)計出控制質(zhì)量較好的控制器

9、。在仿真結(jié)束后，我嘗試著改動了控制規(guī)則，將相同情況下的控制輸出量調(diào)大一個等級，如PS調(diào)整為PM，NS調(diào)整為NM，再次仿真如圖4.1 所示，將其與圖3.4相比，發(fā)現(xiàn)控制質(zhì)量明顯改善，超調(diào)量明顯減小。這僅僅是出于簡單的形象思維，我認(rèn)為模糊控制設(shè)計的各個方面，如模糊化策略、反模糊化策略、規(guī)則制定等都有很多值得學(xué)者探索與開發(fā)的地方，模糊控制領(lǐng)域，大有可為。模糊控制的迅猛發(fā)展也將為我們的生產(chǎn)、生活提供更多的便利。圖4.1調(diào)整規(guī)則后的模糊控制器仿真圖結(jié)果五、參考文獻1 劉金琨. 智能控制M. 北京：電子工業(yè)出版社，20052 王耀南孫煒. 智能控制理論及應(yīng)用 M. 北京：機械工業(yè)出版社，20083 聞新.

10、 MATLAB模糊邏輯工具箱的分析與應(yīng)用M. 北京：科學(xué)出版社，20014 歐陽黎明. MATLAB控制系統(tǒng)設(shè)計M. 北京：國防工業(yè)出版社，2001附錄建立模糊控制器模糊推理系統(tǒng)的Matlab程序%Fuzzy Controller Designclear all;close all;a=newfis('fuzzf');%將輸入輸出量模糊化f1=0.05;a=addvar(a,'input','e',-3*f1,3*f1); %Parameter ea=addmf(a,'input',1,'NB','zmf&

11、#39;,-3*f1,-1*f1);a=addmf(a,'input',1,'NM','trimf',-3*f1,-2*f1,0);a=addmf(a,'input',1,'NS','trimf',-3*f1,-1*f1,1*f1);a=addmf(a,'input',1,'Z','trimf',-2*f1,0,2*f1);a=addmf(a,'input',1,'PS','trimf',-1*f1,1*

12、f1,3*f1);a=addmf(a,'input',1,'PM','trimf',0,2*f1,3*f1);a=addmf(a,'input',1,'PB','smf',1*f1,3*f1);f2=0.1;a=addvar(a,'input','ec',-3*f2,3*f2); %Parameter eca=addmf(a,'input',2,'NB','zmf',-3*f2,-1*f2);a=addmf(a,'

13、;input',2,'NM','trimf',-3*f2,-2*f2,0);a=addmf(a,'input',2,'NS','trimf',-3*f2,-1*f2,1*f2);a=addmf(a,'input',2,'Z','trimf',-2*f2,0,2*f2);a=addmf(a,'input',2,'PS','trimf',-1*f2,1*f2,3*f2);a=addmf(a,'input

14、9;,2,'PM','trimf',0,2*f2,3*f2);a=addmf(a,'input',2,'PB','smf',1*f2,3*f2);f3=0.1;a=addvar(a,'output','u',-3*f3,3*f3); %Parameter ua=addmf(a,'output',1,'NB','zmf',-3*f3,-1*f3);a=addmf(a,'output',1,'NM','

15、;trimf',-3*f3,-2*f3,0);a=addmf(a,'output',1,'NS','trimf',-3*f3,-1*f3,1*f3);a=addmf(a,'output',1,'Z','trimf',-2*f3,0,2*f3);a=addmf(a,'output',1,'PS','trimf',-1*f3,1*f3,3*f3);a=addmf(a,'output',1,'PM','trim

16、f',0,2*f3,3*f3);a=addmf(a,'output',1,'PB','smf',1*f3,3*f3);%制定模糊控制規(guī)則rulelist=1 1 1 1 1; %Edit rule base 1 2 1 1 1; 1 3 2 1 1; 1 4 2 1 1; 1 5 3 1 1; 1 6 3 1 1; 1 7 4 1 1; 2 1 1 1 1; 2 2 2 1 1; 2 3 2 1 1; 2 4 3 1 1; 2 5 3 1 1; 2 6 4 1 1; 2 7 5 1 1; 3 1 2 1 1; 3 2 2 1 1; 3 3

17、 3 1 1; 3 4 3 1 1; 3 5 4 1 1; 3 6 5 1 1; 3 7 5 1 1; 4 1 2 1 1; 4 2 3 1 1; 4 3 3 1 1; 4 4 4 1 1; 4 5 5 1 1; 4 6 5 1 1; 4 7 6 1 1; 5 1 3 1 1; 5 2 3 1 1; 5 3 4 1 1; 5 4 5 1 1; 5 5 5 1 1; 5 6 6 1 1; 5 7 6 1 1; 6 1 3 1 1; 6 2 4 1 1; 6 3 5 1 1; 6 4 5 1 1; 6 5 6 1 1; 6 6 6 1 1; 6 7 7 1 1; 7 1 4 1 1; 7 2 5

18、1 1; 7 3 5 1 1; 7 4 6 1 1; 7 5 6 1 1; 7 6 7 1 1; 7 7 7 1 1;a=addrule(a,rulelist);a1=setfis(a,'DefuzzMethod','mom'); % Defuzzy反模糊化writefis(a1,'fuzzf'); % save to fuzzy file "fuzz.fis" which can be% simulated with fuzzy toola2=readfis('fuzzf');disp('-');disp(' fuzzy controller table:e=-0.15,+0.15,