参考教材中例子设计一包含了模糊技术与PID技术的混合智能控制器，其被控对象为：采样时间为1ms，编写matlab仿真程序，确定其在阶跃输入的响应结果，并与经典PID控制仿真结果相比较。要求详细描述控制系统的设计，控制系统工作流程，模糊系统中的输入输出的隶属函数设计及其采用的模糊规则，分析仿真结果并进行总结。表1Δkp的模糊规则表ecΔkp e NBNMNSZOPSPMPBNBPBPBPMPMPSZOZONMPBPBPMPSPSZONSNSPMPMPMPSZONSNSZOPMPMPSZONSNMNMPSPSPSZONSNSNMNMPMPSZONSNMNMNMNBPBZOZONMNMNMNBNB表2Δki的模糊规则表Δki ec e NBNMNSZOPSPMPBNBNBNBNMNMNSZOZONMNBNBNMNSNSZOZONSNBNMNSNSZOPSPSZONMNMNSZOPSPMPMPSMNNSZOPSPSPMPBPMZOZOPSPSPMPBPBPBZOZOPSPMPMPBPB表3Δkd的模糊规则表Δkd ec e NBNMNSZOPSPMPBNBPSNSNBNBNBNMPSNMPSNSNBNMNMNSZONSZONSNMNMNSNSZOZOZONSNSNSNSNSZOPSZOZOZOZOZOZOZOPMPBNSPSPSPSPSPBPBPBPMPMPSPSPSPBKp,ki,kd的模糊控制规则表建立好以后，可根据以下方法进行kp,ki,kd的自适应校正。将系统误差e和误差变化ec变化范围定义为模糊集上的论域，即e，ec={-3，-2，-1,0,1,2,3},其模糊子集为e，ec={NB,NM,NS,ZO,PS,PM,PB},子集中元素分别代表负大，负中，负小，零，正小，正中，正大。应用模糊合成推理设计PID参数的整定算法。第k个采样时间的整定为Kp(k)=kp0+Δkp(k)Ki(k)=ki0+Δki(k)Kd(k)=kd0+Δkd(k)在线运行过程中，控制系统通过对模糊逻辑规则的结果处理、查表和运算，完成对PID参数的在线自校正。其工作流程图如下图所示。入口e(k),ec(k)模糊化e(k-1)=e(k)PID控制器输出计算当前kp,ki,kd模糊整定Δkp,Δki,Δkd ec(k)=e(k)-e(k-1)e(k)=r(k)-y(k)取当前采样值返回图1误差的隶属函数图2误差变化率的隶属函数图3 kp的隶属函数图4 ki的隶属函数图5 kd的隶属函数图6模糊系统fuzzpid.fis的结构图7模糊推理系统的动态仿真环境在程序PID_b.m中，利用所设计的模糊系统fuzzpid.fis进行PID控制参数的整定，并利用模糊PID控制进行阶跃响应，在第300个采样时间时控制器输出端加上1.0的干扰，响应结果及PID控制参数的自适应变化如图8到13所示。图8模糊PID控制阶跃响应图9模糊PID控制误差响应图10控制器输入u图11 kp的自适应调整图12 ki的自适应调整图13 kd的自适应调整在对三阶线性系统的控制中，利用稳定边界法进行参数整定的经典PID控制的超调量比模糊PID控制的超调量要大，但模糊PID控制存在一定的稳态误差。模糊控制用模糊集合和模糊概念描述过程系统的动态特性，根据模糊集和模糊逻辑来做出控制决策，它在解决复杂控制问题方面有很大的潜力，可以动态地适应外界环境的变化。附录1模糊系统设计程序PID_a%Fuzzy Turnning PID Control clear all;close all;a=newfis(’fuzzpid’);a=addvar(a,’input’,’e’,[-3,3]);a=addmf(a,’input’,1,’NB’,’zmf’,[-3,-1]);a=addmf(a,’input’,1,’NM’,’trimf’,[-3,-2,0]);a=addmf(a,’input’,1,’NS’,’trimf’,[-3,-1,0]);a=addmf(a,’input’,1,’Z’,’trimf’,[-2,0,2]);a=addmf(a,’input’,1,’PS’,’trimf’,[-1,1,3]);a=addmf(a,’input’,1,’PM’,’trimf’,[0,2,3]);a=addmf(a,’input’,1,’PB’,’smf’,[1,3]);a=addvar(a,’input’,’ec’,[-3,3]);a=addmf(a,’input’,2,’NB’,’zmf’,[-3,-1]);a=addmf(a,’input’,2,’NM’,’trimf’,[-3,-2,0]);a=addmf(a,’input’,2,’NS’,’trimf’,[-3,-1,0]);a=addmf(a,’input’,2,’Z’,’trimf’,[-2,0,2]);a=addmf(a,’input’,2,’PS’,’trimf’,[-1,1,3]);a=addmf(a,’input’,2,’PM’,’trimf’,[0,2,3]);a=addmf(a,’input’,2,’PB’,’smf’,[1,3]);a=addvar(a,’output’,’kp’,[-0.3,0.3]);a=addmf(a,’output’,1,’NB’,’zmf’,[-0.3,-0.1]);a=addmf(a,’output’,1,’NM’,’trimf’,[-0.3,-0.2,0]);a=addmf(a,’output’,1,’NS’,’trimf’,[-0.3,-0.1,0]);a=addmf(a,’output’,1,’Z’,’trimf’,[-0.2,0,0.2]);a=addmf(a,’output’,1,’PS’,’trimf’,[-0.1,0.1,0.3]);a=addmf(a,’output’,1,’PM’,’trimf’,[0,0.2,0.3]);a=addmf(a,’output’,1,’PB’,’smf’,[0.1,0.3]);a=addvar(a,’output’,’ki’,[-0.06,0.06]);a=addmf(a,’output’,2,’NB’,’zmf’,[-0.06,-0.02]);a=addmf(a,’output’,2,’NM’,’trimf’,[-0.06,-0.04,0]);a=addmf(a,’output’,2,’NS’,’trimf’,[-0.06,-0.02,0.02]);a=addmf(a,’output’,2,’Z’,’trimf’,[-0.04,0,0.04]);a=addmf(a,’output’,2,’PS’,’trimf’,[-0.02,0.02,0.06]);a=addmf(a,’output’,2,’PM’,’trimf’,[0,0.04,0.06]);a=addmf(a,’output’,2,’PB’,’smf’,[0.02,0.06]);a=addvar(a,’output’,’kd’,[-3,3]);a=addmf(a,’output’,3,’NB’,’zmf’,[-3,-1]);a=addmf(a,’output’,3,’NM’,’trimf’,[-3,-2,0]);a=addmf(a,’output’,3,’NS’,’trimf’,[-3,-1,0]);a=addmf(a,’output’,3,’Z’,’trimf’,[-2,0,2]);a=addmf(a,’output’,3,’PS’,’trimf’,[-1,1,3]);a=addmf(a,’output’,3,’PM’,’trimf’,[0,2,3]);a=addmf(a,’output’,3,’PB’,’smf’,[1,3]);rulelist=[1 1 7 1 5 1 1;1 2 3 1 3 1 1;1 3 6 2 1 1 1;1 4 6 2 1 1 1;1 5 5 3 1 1 1;1 6 4 4 2 1 1;1 7 4 4 5 1 1;2 1 7 1 5 1 1;2 2 7 1 3 1 1;2 3 6 2 1 1 1;2 4 5 3 2 1 1;2 5 5 3 2 1 1;2 6 4 4 3 1 1;2 7 3 4 4 1 1;3 1 6 1 4 1 1;3 2 6 2 3 1 1;3 3 6 3 2 1 1;3 4 5 3 2 1 1;3 5 4 4 3 1 1;3 6 3 5 3 1 1;3 7 3 5 4 1 1;4 1 6 2 4 1 1;4 2 6 2 4 1 1;4 3 5 3 3 1 1;4 4 4 4 3 1 1;4 5 3 5 3 1 1;4 6 2 6 3 1 1;4 7 2 6 4 1 1;5 1 5 2 4 1 1;5 2 5 3 4 1 1;5 3 4 4 4 1 1;5 4 3 5 4 1 1;5 5 3 5 4 1 1;5 6 2 6 4 1 1;5 7 2 7 4 1 1;6 1 5 4 7 1 1;6 2 4 4 5 1 1;6 3 3 5 5 1 1;6 4 2 5 5 1 1;6 5 2 6 5 1 1;6 6 2 7 5 1 1;6 7 1 7 7 1 1;7 1 4 4 7 1 1;7 2 4 4 6 1 1;7 3 2 5 6 1 1;7 4 2 6 6 1 1;7 5 2 6 5 1 1;7 6 1 7 5 1 1;7 7 1 7 7 1 1];a=addrule(a,rulelist);a=setfis(a,’DefuzzMethod’,’centroid’);writefis(a,’fuzzpid’);a=readfis(’fuzzpid’);figure(1);plotmf(a,’input’,1);figure(2);plotmf(a,’input’,2);figure(3);plotmf(a,’output’,1);figure(4);plotmf(a,’output’,2);figure(5);plotmf(a,’output’,3);figure(6);plotfis(a);fuzzy fuzzpid;showrule(a);ruleview fuzzpid;附录2模糊控制程序PID_b%Fuzzy PID Control close all;clear all;a=readfis(’fuzzpid’);ts=0.001;sys=tf(4.23,[1,1.64,8.46]);days=c2d(sys,ts,’tustin’);[num,den]=tfdata(days,’v’);u_1=0.0;u_2=0.0;u_3=0.0;y_1=0;y_2=0;y_3=0;x=[0,0,0]’;e_1=0;ec_1=0;kp0=0.40;kd0=1.0;ki0=0.0;for k=1:1:3000;time(k)=k*ts;r(k)=1.0;%Using fuzzy inference to tuning PID k_pid=evalfis([e_1,ec_1],a);kp(k)=kp0+k_pid(1);ki(k)=ki0+k_pid(2);kd(k)=kd0+k_pid(3);u(k)=kp(k)*x(1)+kd(k)*x(2)+ki(k)*x(3);if k==300%adding disturbance(1.0v at time 0.3s)u(k)=u(k)+1.0;end y(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(1)*u(k)+num(2)*u_1+num(3)*u_2+num(4)*u_3;e(k)=r(k)-y(k);%%%%%%%%%%%%%%Return of PID parameters%%%%%%%%%%%%%u_3=u_2;u_2=u_1;u_1=u(k);y_3=y_2;y_2-y_1;y_1=y(k);x(1)=e(k);%Calculating P x(2)=e(k)-e_1;%Calculating D x(3)=x(3)+e(k)*ts%Calculating I ec_1=x(2);e_2=e_1;e_1=e(k);end figure(1);plot(time,r,’b’,time,y,’r’);xlabel(’time(s)’);ylabel(’rin,yout’);figure(2);plot(time,e,’r’);xlabel(’time(s)’);ylabel(’error’);figure(3);plot(time,u,’r’);xlabel(’time(s)’);ylabel(’u’);figure(4);plot(time,kp,’r’);xlabel(’time(s)’);ylabel(’kp’);figure(5);plot(time,ki,’r’);xlabel(’time(s)’);ylabel(’ki’);figure(6);plot(time,kd,’r’);xlabel(’time(s)’);ylabel(’kd’);
