matlab基于模糊控制的倒立摆系统的设计 第6页
来确定模糊集合A的隶属函数 ,其中参数a,对于模糊集合PL,PM , PS . PZ , NZ , NS , NM , NL 分别取+6,+4,+2,+0,-0,-2,-4,-6;参数b取大于0的正数。
4.2.3一个确定数的模糊化
假设误差的基本论域为[-e, e],将在此范围内的精确量x模糊化需要2个步骤:
(1)首先,对x量化,将其转化为论域{-n,-n+l,...,0,..-,n一1, n)内的值Y。利用式 得到量化结果(y的最后结果为小数时要四舍五入)。
(2)在语言变量的赋值表中查找量化结果y分别属于语言值的非零隶属度,求取与这些隶属度中最大者对应的语言值的模糊集合,该模糊集合就是确定数x的模糊化。
4.3 模糊控制算法的设计
模糊规则的形成是把有经验的操作者或专家的控制知识和经验制定出若干模糊控制规则,为了能够进行实时控制,还必须对它们进行形式化数学处理,以便于计算机进行推理和运算。
(1)双输入单输出模糊控制
这类二文输入一文输出的模糊控制器,其控制规则通常由模糊条件语句
if E and EC then U
来表达,是模糊控制中最常用的一种控制规则,它反映非线性比例加微分(PD)控制规律。
(2)多输入单输出模糊控制器
这类模糊控制器,其控制规则通常由模糊条件语句
if A and B and …and N then U
来描述原文请找腾讯752018766辣-文^论,文.网
http://www.751com.cn以上述典型的根据系统偏差和偏差变化率进行模糊控制的情况为例,其模糊控制的规则形式为:
if E is A ,and EC is B, then U is C
上述集合均为模糊集合。根据被控对象偏差变化与控制作用之间的一般变化规律,一点典型的模糊控制规则如表4-1所示,根据实际应用的不同控制规则是可以变化的。
表4-1 典型控制系统的模糊规则
NM NL NL NL NM NS ZE PS
NS NL NL NM NS ZE PS PM
ZE NL NM NS ZE PS PM PL
PS NM NS ZE PS PM PL PL
PM NS ZE PS PM PL PL PL
PL ZE PS PM PL PL PL PL
4.4 模糊判决
通过上述步骤后,经过模糊推理得到的控制输出仍是一个模糊集合,它反映了控制语言的模糊性,这是一种不同取值的组合,然而对一个实际的被控对象,只能在某一时刻有一个确定的控制量,这就必须从模糊输出的隶属度函数中找出一个最能代表这个模糊集合即糊控制作用可能性分布的精确量,这就是模糊判决。
模糊判决的方法被称为反模糊法,有三种主要方法:
(1) 最大隶属度法
在模糊控制器的推理输出结果中,取其隶属度最大的元素作为精确值,去执行控制的方法称为最大隶属度法。
若输出量模糊集合 的隶属度函数只有一个峰值,则取隶属度函数的最大值为清晰值。
当隶属度最大的元素有多个,则取这些这些元素的平均中心值为模糊化后的精确值。
(2) 中位数发
最大隶属度法的热点是简单易行,也十分直观,但是由于它仅仅考虑模糊推理输出的最主要信息,而放弃了其他全部次要信息;所以这种反模糊化方法不够全面。
为全面考虑模糊量各部分作用。我们就用中为数,也就是把属度函数与横坐标所围成的面积分成两部分,在两部分相等的条件下,两部分分界点所对应的横坐标值为反模糊化后的精确值。
(3)重心法(加权平均法)
重心法(加权平均法)也成为力矩发,它是对模糊推理结果C的所有元素求取重心元素的方法。重心法把模糊量的重心元素作为反模糊化后得到的精确值 。重心元素的求取公式如下:
(?-?)
平均值x。便是应用加权平均法为模糊集合求得判决结果。最后由语言变量控制量变化U的赋值表查出论域元素(或量化等级)x0对应的精确量u,,它便是实际加到被控过程上的控制量变化。
第五章 倒立摆系统模糊控制器的设计与仿真
在前文中,第二章建立了小车倒立摆系统的数学模型,推导出了倒立摆系统线性方程组。之后的第三章、第四章则详细的分析了模糊控制器的数学基础、控制原理即相关组成部分的建立。本章主要的工作就是将倒立摆系统的各参数与模糊控制器相结合,并用Matlab工具进行倒立摆系统模糊控制器的设计组装与仿真。
5.1倒立摆系统模糊控制器的设计
前一章节已经详细的介绍了模糊控制器的原理及控制方法,这一章的内容将是介绍倒立摆模糊控制器的结构与各部分的参数设计,并最终完成对倒立摆系统的仿真。
本次设计中,本人选择的方式是利用Matlab中的Simulink组件进行进行
仿真。基于Simulink的倒立摆模糊控制结构图如图5-1所示:上一页 [1] [2] [3] [4] [5] [6] [7] 下一页
matlab基于模糊控制的倒立摆系统的设计 第6页下载如图片无法显示或论文不完整,请联系qq752018766