MATLAB模糊控制解析及simulink仿真示例（附fis代码和simulink仿真slx文件以及文件使用视频）

最新推荐文章于 2024-07-31 15:44:26 发布

HNU_刘yuan

最新推荐文章于 2024-07-31 15:44:26 发布

阅读量3.6w

点赞数 97

文章标签：算法 matlab 模糊控制 simulink

本文链接：https://blog.csdn.net/qq_40608730/article/details/105673349

版权

模糊PID控制

模糊控制MATLAB仿真示例：

相应的下载链接为：下载链接

下载后文件的使用方法：B站视频

演示视频

友情提示：前面是理论讲解，想看仿真的同学可以直接跳过去

模糊PID控制

传统PID控制器自出现以来，凭借其结构简单、稳定性好、工作可靠、调整方便等优点成为工业控制主要技术。当被控对象的结构和参数具有一定的不确定性，无法对其建立精确的模型时，采用PID控制技术尤为方便。PID控制原理简单、易于实现，但是其参数整定异常麻烦。

模糊PID控制，即利用模糊逻辑并根据一定的模糊规则对PID的参数进行实时的优化，以克服传统PID参数无法实时调整PID参数的缺点。模糊PID控制包括模糊化，确定模糊规则，解模糊等组成部分。

1 、输入量的量化

　　输入数据都是精确的，要实现模糊算法需要现对其实现量化。所谓量化就是通过量化函数将输入量投射到一定的数字级别，一般都是相对于0对称的数字区间。具体投射到怎样的区间根据实际情况而定，因为这会直接影响到计算的精度。

2 、模糊化

　　模糊化是模糊算法非常重要的一步，首先确定对应各语言变量的模糊子集，然后根据量化的结果，我们就可以判断该输入所属的集合并计算出对应的隶属度。计算隶属度的方法有很多，最常用的是使用三角形隶属度函数或梯形隶属度函数等来计算获得。

3 、规则库

　　规则库是基于控制量的模糊化而的味道的，是实现模糊推理的基础，很大程度上依赖于经验来完成。规则库的表现形式可以有多种，具体实现的形式根据我们实现的方便。

4 、推理机

　　推理决策才是模糊控制的核心，它利用知识库中的信息和模糊运算方式，模拟人的推理决策的思想方法，在一定的输入条件下激活相应的控制规则给出适当的模糊控制输出。

5 、精确化

　　我们通过模糊推理，得到一系列的模糊表达，需要进行解模糊操作才能得到紧缺的数据。常用的解模糊方法有：

最大隶属度法——计算简单，适用于控制要求不高场合。

重心法——输出更平滑，但计算难度大

加权平均法——一般在工业上应用最广泛

6 、工程量化

　　系统控制输出是一个精确的数，但不是可以直接用于对象控制的物理量，所以在最后还要按照我们的需要进行转换。比如对应PID的参数则可进行必要的转换和修正在输出给PID控制器。

前面简单的描述了模糊算法的基本原理，接下来我们将讨论如何将其应用于PID控制当中。所谓模糊PID控制是以偏差e及偏差的变化ec为输入，利用模糊控制规则在线对PID参数进行调整，以满足不同的偏差e和偏差的增量ec对PID参数的不同要求。其结构图如下：

输入值的模糊化就是将用于计算的输入对应到标准化的数值区间，并根据量化结果和模糊化子集得到该输入对子集的隶属度。我们在使用偏差e和偏差增量ec作为输入实现控制参数调整则需要对e和ec进行模糊化。

　　首先，我们确定e和ec的模糊子集，对于PID控制我们选则：负大[NB]、负中[NM]、负小[NS]、零[ZO]、正小[PS]、正中[ PM]、正大[PB]等7个语言变量就能够有足够精度表达其模糊子集。所以我们定义e和ec的模糊子集均为{NB，NM，NS，ZO，PS，PM，PB}。

　　确定了模糊子集，我们怎么将e和ec的具体值和模糊集对应上呢？我们需要引入量化函数。要确定量化函数，我们先引入e和ec模糊集对应的论域，定义为{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5 ，6}。对于任何一个物理量测量信号都有一个量程范围，我们记为Vmax和Vmin，和自然在PID调节时设定值的范围预期相同，所以偏差e的范围就是Vmin-Vmax到Vmax-Vmin的范围内，而偏差的增量范围则是其两倍。这里我们采用线性方式量化，则其函数关系为：

2、建立模糊规则表

3、解模糊处理

对于求得的目标对象，我们还需要将其你模糊处理以使其与具体的物理量相对应。在模糊PID调解中，我们需要的是Kp，Ki和Kd，所以我们需要根据模糊推理的结果得到我们想要的Kp，Ki和Kd值。

　　我们前面设计了三角隶属度函数，并采用相同的量化目标即论域{-6，6}，所以在某一时刻，输入输出所处的模糊变量的隶属度是相同的，基于这一基础，我们采用重心法计算各输出量的量化值。其公式如下：

　其实因为我们采用的隶属度函数的特性，在任何方向的计算隶属度的和均为1，所以分母可以省略。于是每一个对象的计算实际上就是矩阵操作，公式如下：

　　如果使用的是量化值，则还需要转为实际值，关于这一点直接使用物理量值也是没问题的，怎么处理根据实际需要确定。得到增量后，我们也可以引入系数来放大和缩小Kp，Ki和Kd变化量，具体实现公式如下：

其中△K为我们所计算得到的值，而α为系数，设定增量对最终值的影响。

模糊控制MATLAB仿真示例：

相应的下载链接为：下载链接

下载之后打开，里面会有final.slx simulink文件和FUZZY2.fis模糊控制的配置文件，这两个文件是为了实现：

设计一个模糊控制系统控制一个加热炉的炉温，控制的目标是200℃，温度控制

误差的范围是(-100℃，100℃)，误差的变化率是（-50℃/T， 50℃/T），T=10s，为

控制周期，被控对象的数学模型为二阶惯性系统，传递函数如下：

𝐺(𝑠)=50(20𝑠+1)(2𝑠+1)G(s)=50/((20s+1)(2s+1))

要求设计一个模糊控制器，控制误差和误差变化率的模糊自己不小于7个。控制量的模糊子集

也不少于7个。

建立的模糊控制表如下：

输入为实际输出与理论输出之差e和偏差变化率de。输出为炉温u。模糊控制器为两输入一输出。

输入和输出均分为7个模糊子集，均为{NB,NM,NS,ZO,PS,PM,PB}。e的论域为[-100 100]，de的论域为 [-50，50]，u的论域为[-100 100]。

利用MATLAB自带的fuzzy工具箱，在命令行输入fuzzy即可打开：

选择 file-import-from file，打开下载的FUZZY2.fis文件，

得到

双击之后即可打开相应的详细的输入输出具体设置：

两侧采用高斯分布，中间采用三角形分布。

双击中间模块即可打开规则表：

具体信息如下：

[Input1]
Name='E'
Range=[-100 100]
NumMFs=7
MF1='NB':'gaussmf',[-20 -100]
MF2='NM':'trimf',[-100 -60 -20]
MF3='NS':'trimf',[-60 -30 0]
MF4='ZO':'trimf',[-20 0 20]
MF5='PS':'trimf',[0 30 60]
MF6='PM':'trimf',[20 60 100]
MF7='PB':'gaussmf',[20 100]

[Input2]
Name='DE'
Range=[-50 50]
NumMFs=7
MF1='NB':'gaussmf',[7.078 -50]
MF2='NM':'trimf',[-50 -30 -10]
MF3='NS':'trimf',[-30 -15 0]
MF4='ZO':'trimf',[-10 0 10]
MF5='PS':'trimf',[0 15 30]
MF6='PM':'trimf',[10 30 50]
MF7='PB':'gaussmf',[7 50]

[Output1]
Name='U'
Range=[-100 100]
NumMFs=7
MF1='NB':'gaussmf',[10 -100]
MF2='NM':'trimf',[-100 -66 -33]
MF3='NS':'trimf',[-60 -35 -10]
MF4='ZO':'trimf',[-20 0 20]
MF5='PS':'trimf',[10 35 60]
MF6='PM':'trimf',[33 66 100]
MF7='PB':'gaussmf',[-10 100]

一共两个输入，每个输入分七种情况，共7*7=49.