基于Matlab的模糊控制实例,基于MATLAB的模糊控制系统的优化设计与仿真

0引言常规模糊控制系统设计与仿真简单且易于实现,但不能满足较为严格的控制要求,为了使模糊控制系统能够应用于更加宽泛的领域,就有必要对其进行优化设计和仿真。模糊控制系统的优化方法很多,主要有三类:参数(量化因子、比例因子等)自调整、加权因子(控制规则)自调整及与其它控制相结合。本文在MATLAB6.5基础上,通过S函数模板实例化S函数,将模糊逻辑工具箱和SIMULINK有机结合,实现了模糊控制系统的优化设计与仿真。1常规模糊控制器设计与仿真1.1模糊逻辑工具箱模糊控制器设计(1)在模糊推理系统(FIS)编辑器中建立两个输入(偏差E、偏差变化率EC)和单个输出(U)的FIS结构,模糊决策采用Mamdani型算法,解模糊采用重心法(centroid)。(2)隶属度函数编辑器中修改各输入输出隶属函数,图1为输入E、EC和输出U的隶属度函数曲线。图1输入E、EC和输出U的隶属度函数曲线(3)规则编辑器中添加表1所示的模糊控制规则。(4)将该模糊推理系统保存为:fismatrix.fis。1.2Simulink建模与仿真利用Simulink中的基本库和模糊逻辑工具箱模块,建立如图2所示的常规模糊控制系统模型框图。将fismatrix.fis模糊推理系统导出到工作区为fismatrix,并将图中模糊控制模块参数设为工作区中的数据结构fismatrix,即可进行仿真。常规模糊控制系统曲线见图3。2优化模糊控制器设计与仿真2.1参数自调整模糊控制器设计与仿真采取调整参数优化时,为使系统具有快速性和稳定性,可在偏差或偏差变化率较大时,偏差比例因子Ke和偏差变化比例因子Kec取较小值,输出比例因子Ku取较大值;而为使系统避免超调和快速进入稳态精度区域,可在偏差或偏差变化率较小时,Ke和Kec取较大值,Ku取较小值。表1模糊控制规则表UECNBNSZRPSPBENBNBNBNSNSZRNSNBNSNSZRZRZRNSNSZRZRPSPSNSZRZRPSPSPBZRZRPSPSPB图2常规模糊控制系统模型框图图3常规模糊控制系统曲线模糊推理系统的建立与前述常规系统完全相同,系统优化与仿真仅需通过编写S函数即可实现。展开Simulink库中的S-functiondemos模块,选择M-flieS-functions下的M文件S模板,对其进行相应修改即可得到用户所需的S函数。调用模板文件作如下修改,创建参数自调整系统S函数。(1)修改函数名和输入:%函数名由sfuntmpl改为para%Ke,Kec,Ku为可设置量化、比例因子初值function[sys,x0,str,ts]=para(t,x,u,flag,Ke,Kec,Ku)(2)修改S函数中输出函数参数:case3,sys=mdlOutputs(t,x,u,Ke,Kec,Ku);(3)修改初始化例程:%设置输出端口数sizes.NumOutputs=3;%设置输入端口数sizes.NumInputs=2;(4)修改输出例程:functionsys=mdlOutputs(t,x,u,Ke,Kec,Ku)%u(1)、u(2)分别为偏差E和偏差变化率Ec%sys(1)、sys(2)、sys(3)分别为调整后的Ke,Kec,Kuifabs(u(1))>0.3|abs(u(2))>0.1sys(1)=0.3*Ke;sys(2)=0.05*Kec;sys(3)=Ku+25;elseifabs(u(1))>0.1|abs(u(2))>0.05sys(1)=0.5*Ke;sys(2)=0.3*Kec;sys(3)=Ku+16;elses