matlab仿真 输入f(s),[2018年最新整理]MATLABSIMULINK控制系统仿真(lk)Sfunction.ppt

[2018年最新整理]MATLABSIMULINK控制系统仿真(lk)Sfunction

3、模糊推理决策算法设计：即根据模糊控制规则进行模糊推理，并决策出模糊输出量。 首先要确定模糊规则，即专家经验。对于我们这个二维控制结构以及相应的输入模糊集，我们可以制定49条模糊控制规则(一般来说，这些规则都是现成的，很多教科书上都有)，如图。 制定完之后，会形成一个模糊控制规则矩阵，然后根据模糊输入量按照相应的模糊推理算法完成计算，并决策出模糊输出量。 4．对输出模糊量的解模糊：模糊控制器的输出量是一个模糊集合，通过反模糊化方法判决出一个确切的精确量，凡模糊化方法很多，我们这里选取重心法 5．然后Export to disk，即可得到一个.fis文件，这就是你所设计的模糊控制器。 。 3.5.3仿真实例 模糊逻辑工具箱与simulink的结合使用 水箱水位模糊控制系统 假定有一个水箱有进水出水口，可以通过一个阀门来控制流入的水量，但是流出的速度取决于出水口的半径和水箱底部的压力。要求设计进水口阀门控制器，能够根据水箱水位的实时测量结果对进水阀进行控制，使水位满足特定要求。 在Matlab命令窗口中键入:sltank会出现如图所示的Simulink仿真模块图。加载模糊系统文件的命令为: tank=readfis(‘tank’)。 例3.9舱室温度模糊控制系统如图3.5.10所示、模糊控制器输出如图3.5.11所示。 将系统控制器换为Fuzzy控制器构成模糊控制系统，其中Fuzzy控制器模块可在Simulink的模块库中找到。 提示：在Matlab中可以使用ruleview命令观察模糊规则推理过程，通过surfview命令观察模糊控制器的输入输出。 图3.5.10舱室温度模糊控制系统 图3.5.11模糊控制器输出 3.6 神经网络工具箱 3.6.1 介绍 神经网络 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。 帮助和安装 神经网络工具箱包含在nnet目录中，键入help nnet可得到帮助主题。 工具箱包含了许多示例。每一个例子讲述了一个问题，展示了用来解决问题的网络并给出了最后的结果。显示向导要讨论的神经网络例子和应用代码可以通过键入help nndemos找到。 安装神经网络工具箱的指令可以在下列两份MATLAB文档中找到：the Installation Guide for MS-Windows and Macintosh 或者the Installation Guide for UNIX 3.6.3 仿真实例 NN神经网络预估控制的Simulink应用，NN神经网络预估控制的原理图如图所示，其NN预估神经网络结构图如图所示。 NN预估神经网络原理图 NN预估神经网络结构图 NN神经网络性能指标函数如下式所示。控制器原理图如图所示。 NN预估神经网络控制器 例3.10 水箱控制示意图如图所示。 其参数方程可由下式表示。 水箱控制示意图 水箱NN预估神经网络仿真图如图所示，仿真结果曲线如图所示。 提示：在Matlab中可以输入predcstr 调出神经网络simulink仿真实例。 谢 谢! 上次可我们主要介绍了控制系统所设计的相关基本知识和概念，包括PID的一些说明。那么，我们上次课也提到本次课的主要内容为S函数。针对S函数我们又会介绍哪些内容呢？让我们来看看： * 这里同样希望大家带着问题去学习，这样的问题包括： * 那么，首先让我们来看看S函数的定义 它实际上可以实现不同语言的有效衔接 * Simulink主要包含输入、输出、状态三大部分，Simulink的工作原理就是不停更新系统状态的过程，这个系统可以是连续的，可以使离散的，也可以使混合体。 * 而S函数则必须包括： * 更进一步的分类包括： * 正如图中所示S-Function能够构成基于M-file，C++，C-files，Ada，Fortan等多种类型的模块。 * C-MEX与M文件在格式上存在区别 * S-Function 可以通过M-文件或者MEX 文件来实现。以下部分介绍了这些实现方法，并讨论各种实现方法各自的优缺点。 咱们可以大概的看一下 * 针对不同的仿真阶段，利用不同的flag值进行区分，以便主函数对不同子函数进行有效调用！ * 下面我们