1、1毕业设计开题报告电气工程及其自动化智能PID控制器设计与仿真一、选题的背景与意义PIDPROPORTIONALINTEGRALDERIVATIVE控制是控制工程中技术成熟的、应用广泛的一种控制策略，而经过长期的工程实践，已形成了一套完整的控制方法和典型结构。它不仅适用于数学模型已知的控制系统，而且对于大部分数学模型难以确定的工业过程也可应用，在众多工业过程控制中均取得了满意的成果。PID控制器工作基理由于各种来自外界的扰动的不断产生，要想达到保持现场控制的对象值恒定的目的，控制作用就必须不断的进行。若扰动的出现使得现场控制的对象值以下简称被控参数发生变化，现场检测元件就会将这种变化经过采集后
2、通过变送器送至PID控制器的输入端，并与其给定值以下简称SP值进行比较而得到偏差值以下简称E值，而调节器按此偏差并以我们预先设定的整定参数控制规律发出控制信号，去改变调节调节器的开度，使调节器的开度增加或减少，从而使得现场控制的对象值发生改变，并趋向于给定值即SP值，从而达到控制目的，如图所示，其实PID实质就是对偏差（E值）进行比例、积分、微分运算，根据运算结果进而控制执行部件的过程。EKEK1比例（P）积分（I）微分（D）执行部件ET设定反馈ETYTPID控制器的控制规律可以描述如下2比例（P）控制可以迅速反应误差，从而减小系统稳态误差。但是，比例控制不能消除此稳态误差。比例放大系数加大，
3、会引起系统的不稳定。积分（I）控制的作用则是只要系统有误差的存在，积分控制器就将不断地积累，输出控制量，以消除此误差。因而，只要经过足够的时间，积分控制将可以完全消除误差，使得系统误差为零，从而达到消除稳态误差的作用。然而积分作用太强会使系统超调加大，甚至使得系统出现振荡。微分（D）控制可以达到减小超调量，克服振荡，从而使系统的稳定性提高，并同时加快系统的动态响应速度，以减小调节时间，进而可以改善系统的动态性能。根据不同被控对象的控制特性，可以分为P、PI、PD、PID等不同的控制模型。随着信息技术的快速发展，许多新方法和新技术进入工程化、产品化的阶段，这对自动控制技术提出了新的挑战，促进了智
4、能控制理论在控制技术中的应用，从而解决用传统的方法难以解决的复杂系统的控制问题。智能控制的应用1工业过程中的智能控制生产过程中的智能控制主要包括两个方面局部级和全局级。局部级的智能控制是指将智能控制引入工艺过程中的某一单元中进行控制器设计,例如智能PID控制器、专家控制器、神经元网络控制器等等。而研究热点是智能PID控制器,因为其在参数的整定和在线自适应调整方面具有明显优势,且可用于控制一些非线性的复杂对象系统。全局级的智能控制则主要针对整个生产过程的自动化,包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等等。2机械制造中的智能控制在现代化的先进制造系统中,经常需要依赖那些不够完
5、备和不够精确的数据来解决难以或无法预测的情况,人工智能技术则为解决这一难题提供了有效的解决方案。智能控制随之也广泛应用于机械制造行业,它利用模糊自适应、神经网络等方法对制造过程进行动态环境建模,利用传感器融合技术来进行信息的预处理和综合处理。例如可采用专家系统的“THENIF”逆向推理作为反馈机构,以修改控制机构或者选择较好的控制模式和参数；利用模糊集合以及模糊关系的鲁棒性,将模糊信息集成到闭环控制的外环决策中以选取机构来选择控制动作；3利用神经网络的学习功能和并行处理信息能力,进行在线模式识别,处理那些可能是残缺不全的信息。3电力电子学研究领域中的智能控制电力系统中发电机、变压器、电动机等电
6、机电器设备的设计、生产、运行、控制是一个复杂过程,电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中,取得了较为良好的控制效果。例如遗传算法是一种较为先进的优化算法,采用此方法来对电器设备设计进行优化,可以达到降低成本,缩短计算时间,提高产品设计的效率和质量的作用；应用于电气设备故障诊断的智能控制技术有模糊自适应、专家系统和神经网络控制。在电力电子学的众多研究应用领域中,智能控制在电流控制PWM技术中的应用是具有先进代表性的技术应用方向之一,同样也是研究的新热点之一。二、研究的基本内容与拟解决的主要问题1、了解和掌握过程控制的发展过程及发展方向，对PID控制器的各种整定方法有较
7、全面和深刻的理解；2、了解智能控制、模糊自适应PID的发展概况，掌握模糊自适应PID控制运算及其仿真；3、了解智能控制、神经网络PID的发展概况，掌握神经网络PID控制运算及其仿真；4、了解智能控制、粒子群算法（PSO）代码调用的发展概况，掌握粒子群算法（PSO）代码调用控制运算及其仿真；5了解智能控制、SIMULINK模型优化PID参数的发展概况，掌握SIMULINK模型优化PID控制运算及其仿真；6、熟练掌握MATLAB仿真软件，通过仿真为实际控制系统设计仿真提供理论指导；三、研究的方法与技术路线在本课题中，PID控制器，一种工业普遍事业的控制方式。本设计拟针对PID参数调整,采用模糊自适
8、应PID，神经网络PID，粒子群算法（PSO）代码调用，SIMULINK模型优化PID参数等几种典型PID进行研究，要求建立其数学模型，并对对象进行控制，使系统稳定。即是对系统的稳定性控制进行PID控制。4在工程实际应用中，应用最为广泛的控制器控制规律为比例、积分、微分控制，简称PID控制。PID控制器问世至今已有70年历史，它以结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握时，或得不到精确数学模型时，或控制理论的其它技术难以采用时，系统控制器的结构和参数则必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便的方法。即当我们不完全
9、了解一个系统或其被控对象时，或不能通过有效的测量手段从而获得系统参数时，最适合于用PID控制技术。PID控制器就是根据系统的误差，利用比例、积分、微分计算出控制量从而达到控制的目的。连续系统PID控制器的数学形式为（21）10TDIPTETEKTU式中KP比例系数KI积分系数KD微分系数将（21）离散化得到PID控制器的离散差分形式（22）2KEKKEKUDIP式中KI积分比例系数IPIT0KD微分比例系数0DPDEKEK12EK2EK1EK2利用MATLAB对PID控制器进行仿真时，利用MATLAB语句，可采用M函数形式，法求解连续方程，在输入指令信号作用下，采用PID控制方法设计控制器。利
10、用SIMULINK进行仿真，采用SIMULINK模块和M函数相结合的形式，求解连续方程。主程序由SIMULINK模块实现，控制器由M函数实现。例如在智能PID控制器，利用模糊自适应PID进行参数调整。模糊控制是以模糊语言变量模糊集合论以及模糊逻辑推理为数学基础的一种新型计算机控5制算法，它不依赖控制对象的数学模型，具有智能性和学习性的优点在进行模糊PID设计时，要总结工程设计人员和专家的实际操作经验和知识，针对KP、KI、KD建立合适的模糊规则表，而后确定模糊控制器的输入量（一般为控制量偏差和偏差变化率）和输出量（即PID控制器的比例积分微分系数）的论域和隶属度函数系统工作时首先对输入的清晰量
11、进行模糊化处理，而后通过查询内部的模糊控制规则表进行模糊推理，得到KP、KI、KD的模糊控制量，然后运用推理可得到此时系统所需的最优PID控制参数。模糊自适应PID控制器以误差E和误差变化EC之间的模糊关系，在运行中通过不断检测E和EC，根据模糊控制原理对三个参数进行在线修改，以满足不同的E和EC时对控制参数的不同要求，而使被控对象有良好的动、静态性能。模糊自适应PID结构图如下PID调节器对象DE/DTKIKDKPERRORRMY模糊自适应PID线运行过程中，控制系统通过对模糊逻辑规则的结果处理运算完成对PID参数的在线自适应调整，其工作流程为模糊推理6取当前采样值四、研究的总体安排与进度2
12、01011201012完成毕业设计论文的外文翻译，文献综述，开题。2011120102熟悉MATLAB软件的应用和PID控制器的原理。2011220113完成PID控制器的建模，参数计算，模型仿真。2011320104完善毕业设计的具体内容，完成毕业论文。2011420105准备答辩入口EKRKYKECKEKEK1EKEK1ECK、EK模糊化模糊整定KP、KI、KD计算当前KP、KI、KDPID控制器输出返回7五、主要参考文献【1】李雪莲PID模糊控制器结构研究J机械工程与自动化2005，496100【2】马银辉基于MATLAB的PID参数自调整的模糊控制器的设计与应用仿真J发电设备2005，
13、2112113【3】代林基于模糊控制系统的自整定PID参数控制器的设计J工业控制与应用2005,2452629【4】刘金琨先进PID控制及其MATLAB仿真J北京电子工业版社20037276【5】陶永华新型PID控制及其应用M北京机械工业出版社,1998【6】张建民智能控制原理及应用M北京冶金工业版社,2003【7】张化光智能控制基础理论及应用M北京机械工业出版社,2005【8】爱民编著模糊控制技术M西安西安电子科技大学出版社,2008【9】夏红,赏星耀,宋建成PID参数自整定方法综述J浙江科技学院学报,2007,154236240【10】韩力群智能控制理论及应用M北京机械工业出版社2008【
14、11】黄忠霖黄京控制系统MATLAB计算及仿真M北京国防工业出版社2009【12】马常举马伯淵基于MATLAB的参数模糊自整定PID控制器的设计与仿真研究J虚拟仪器与EDA专题2007102022【13】周平钱积新模糊推理方法在控制系统故障诊断中的应用研究J化工自动化及仪表20053212325【14】WNGDBIAO,TNGT,SUYINGYING,LITAIFUSTUDYONREMODELINGOFFUZZYPIDCONTROLLERBASEDONRBFNEURALNETWORKJDEPARTMENTOFELECTRONICINFORMATIONENGINEERRINGCHONGQINGU
15、NIVOFSCIFUZZYPIDCONTROLNEURALNETWORKPIDCONTROLLERPARTICLESWARMOPTIMIZATIONMATLABSIMULATIONPROGRAMMINGLANGUAGE目录1PID控制简介111选题的背景与意义116111PID控制发展背景与意义1112智能控制的应用112PID控制器213PID控制2131PID控制原理2132PID控制器各单元作用2133PID控制器特点32模糊自适应PID521模糊自适应PID结构522模糊控制规则5221控制原理5222模糊规则523模糊控制规则的实现6231隶属度6232模糊推理723在MATLAB中
16、建立模糊判决器8241用FISEDITOR建立模糊判决器8242用MATLAB程序生成模糊判决器10243模糊判决器的使用1125SIMULINK简介1126模糊PID控制器仿真与分析113神经网络PID1931神经网络简介1932神经网络的学习方式和学习规则19321神经网络的学习方式49322神经网络的学习规则1933神经网络的特点及应用2034BP神经网络的结构2135BP神经网络算法22351BP神经网络学习流程22352BP神经网络的前向传播算法22353BP神经网络的反向传播计算2336基于BP神经网络的PID控制25361基于BP神经网络的PID控制的典型结构25362PID控制
17、器的离散差分方程2537基于BP神经网络的PID整定原理2638基于BP网络的PID控制器控制的算法流程3039仿真与分析31391模型假设31392仿真结果32393仿真结果分析394粒子群算法优化PID4041粒子群优化算法简介4042算法原理401743基本粒子群算法流程41431算法流程41432粒子群算法特点4244仿真与分析435总结48参考文献49致谢51附录52181PID控制简介11选题的背景与意义111PID控制发展背景与意义PIDPROPORTIONALINTEGRALDERIVATIVE控制在控制工程当中属于是在技术方面较为成熟、应用非常广泛的一种控制策略。在长期的工程
18、实践当中，PID控制已经形成了一套较为完整的控制方法和典型的结构。PID控制不仅在数学模型已知的控制系统中有着广泛的应用，而且对于大多数数学模型难以确定的工业过程当中PID控制也可广泛的进行应用。而且在众多工业过程控制之中PID控制均有着良好的表现1。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题2。112智能控制的应用2341，在工业过程当中的智能控制。在实际的工业过程当中智能控制在大体上分为两个方面，一个是局部级智能控制，另一个则是全局级智能控制。所谓的局部级智能控
19、制实质上就是将智能控制的思路引入工艺过程当中的某一单元而进行的控制器设计,这些有比如模糊自适应PID控制器、专家级控制器、神经元网络控制器等。在当前的工业控制当中，PID控制的研究热点问题是关于智能PID控制器。智能PID控制器在对系统的参数的整定以及在在线自适应调整等方面具有明显的优势,并且智能PID控制器在控制一些非线性的复杂对象有着显著的作用。全局级智能控制则主要针对于对整个生产过程当中的自动化,以及包括于整个操作工艺中的控制、过程中的故障诊断以及在规划过程操作处理异常等的情况。2，机械制造当中的智能控制。在实际的当前的现代化工业中,在实际现代化的制造系统当中，实际上会经常的遇到需要在不
20、够完备和不够精确数据情况或者是无法预测得知数据的情况，而人工智能技术的出现则是为解决这一难题提供了有效的解决方案。因此智能控制也随之在机械制造行业等行业中有着广泛的应用。智能控制的本质就是就是利用到模糊数学一级神经网络等的方法而对制造过程进行一种动态环境建模，并且利用传感器融合技术以用来进行信息的预处理和综合。智能控制也可采用专家系统中的逆向推理以此来作为反馈机构，从而达到可以修改控制机构的功能或者选择更好的控制模式及参数的特点。智能控制也可以利用模糊集合和模糊关系的鲁棒性,从而将模糊信息集中到闭环控制中的外环决策当中以便选取机构来选择进行相应的控制动作。智能控制也可以是利用神经网络的19自主
21、学习能力以及其并行处理信息的能力,从而可以进行在线的模式识别,进而处理那些有可能不完整或残缺的信息。3，电力电子学研究领域中的智能控制。在电力系统当中，原本的电机电器设备的设计、生产、运行和控制等过程是相当复杂的，而在现代化的工业发展当中，相关的电气人员将人工智能技术引入进了电气设备的优化设计、故障诊断及控制当中,并且取得了相对来说较为良好的控制效果。比如说遗传算法作为一种较为先进的优化算法,采用遗传算法优化处理的方法来对电器设备的设计过程进行优化处理,可以有效的降低设计生产成本,缩短处理时间,从而可以提高产品设计的效率和质量。在目前，在电气设备故障诊断中应用较为广泛的智能控制技术包括有模糊逻
22、辑、专家系统和神经网络等方法。目前在电力电子学研究的众多应用领域中,智能控制是具有代表性的技术应用方向之一,同时智能控制也是研究的一个新热点。12PID控制器当今的自动控制技术一般来说都是基于反馈控制的理念而建立的。反馈控制理论的要素是测量、比较和执行这三个部分。即是在控制过中测量所需要的变量，并且和期望值进行对比比较，从而可以利用这个误差来达到调节控制系统的响应的作用1。自动控制理论以及其应用的关键，在于在做出正确的测量和比较后，怎样做才可以更好地纠正系统的偏差。PID控制器作为最早实现工业化应用的控制器，一直使用到现在仍然是工业化控制器中应用最为广泛的控制器，因为PID控制器结构较为简单，
23、应用较为方便，而且PID控制器在使用中不要要建立确定的精确的系统模型1。13PID控制131PID控制原理1PID控制器的结构单元是由比例单元（P）、积分单元（I）和微分单元（D）组成。PID控制器的输入变量ET与输出值UT的关系为公式（11）（11）其传递函数为公式（12）（12）132PID控制器各单元作用20PID控制器中的各有关单元的作用为P比例调节作用按比例来反应系统产生的偏差，当系统结果产生偏差时，比例调节可以迅速反应并产生调节作用以此来减少系统偏差。当控制器的比例作用较大大时可以起到加快调节并且减少系统误差的作用，但是当比例调节过大时，系统的稳定性将会相应的下降，甚至在一定情况下
24、有可能造成系统新的不稳定。I积分调节作用积分调节的存在可以使系统有效的消除稳态误差，从而提高系统的无差度。当系统存在误差时，积分调节就进行作用，直至系统没有误差时，积分调节作用则停止作用。积分作用的强弱程度取决于积分时间常数TI。当TI的值越小时，其对应的积分作用就越强，而当TI越大时则积分作用减弱。积分调节的作用将会使得系统稳定性下降，系统的动态响应速度变的慢一些。在通常情况下积分作用不是单独使用的，二十常常和另两种调节（P和D）规律进行组合，从而构成PI调节器或者是PID调节器。D微分调节作用微分的作用主要是反映控制系统所产生的偏差信号的变化率情况，由于微分调节具有一定的预见性，可以反映偏
25、差变化的发展趋势，因此可以对被控系统进行超前的控制作用，即是在偏差还没有完全形成之前，将是已经被微分调节作用消除了。这样就可以起到改善系统的动态性能的作用。如果在微分时间选择是较为合适情况下，可以起到减少系统超调量，减少调节时间的作用。不过微分作用同样会对外界干扰会具有放大作用，因此如果过强的加强微分调节，将会对系统的抗干扰能力产生不利的影响。此外，由于微分反应的是偏差信号的变化率，所以当输入没有发生变化时，微分作用的输出结果为零。同样的是，微分作用也不可能在系统中单独使用，通常需要与另外两种调节规律（P和I）组合，从而构成PD或PID控制器。133PID控制器特点正是由于PID控制器具有使用
26、广泛灵活的特点，所以在市场上PID系列化的产品很多。而在PID的实际的使用当中，对于PID控制器只需设定其相关的三个参数（KP，KI和KD）。而在实际的使用当中，并不是需要对其全部进行设置的，可以有选择性的进行选择设置，但是比例控制单元（P）是不可或缺的。1，PID应用范围十分广阔。虽然目前很多实际的控制过程是非线性或具有时变的特点的，但是可以通过对其进行简化从而可以变成具有初步线性以及其动态特性不随时间变化进行变化的系统，经过这样的变化之后，PID也就可以控制非线性或时变系统了。2，PID参数比较容易进行整定，也就是说PID参数KP，KI和KD可以根据控制过程的动态特性从而进行及时的整定。如
27、果控制过程的动态特性发生变化，比如说由于系统的21输入而引起的系统动态特性变化，PID参数也就可以进行重新整定。第三，PID控制器在实践中得到了不断的新的改进，诸如智能PID控制器。在实际的生产过程的，被控制系统常常不能在稳定的自动化的被控制情况下进行工作。由于这些不足，采用传统PID控制器的工业控制系统经常会受到产品质量、安全等相关方面的问题的困扰。在这种情况下，PID控制参数自整定就是为了处理PID参数整定不能自动进行或自整定这样的问题而产生的。在当前情况下，自整定PID控制器已经是工业过程中单回路控制器以及分散控制系统应用中的一个标准应用控制器。虽然目前在一些情况下针对特定的工业控制系统
28、设计的PID控制器其控制结果较为理想，但是它们仍然存在着一些问题需要解决比如说如果自整定需要以实际的相对应的模型为基础，但是实际上对于PID参数的重新整定、在线寻找和保持良好的控制过程的这样的模型是比较困难的。在实际的控制系统中，其在闭环工作时，一般要求在控制的过程中插入一个测试信号，但是这个方法会产生一定的干扰，所以基于模型的一般PID参数自整定在实际的工业应用中不是太好。而如果PID控制器的自整定是从控制律进行考虑的，然而这样却经常难以把因为负载干扰等所引起的影响和过程动态特性的变化引起的影响进行区分，这样的情况下由于受到干扰的影响，控制器必然将会产生较大的超调，进而产生不必要的自适应转换
29、结果。而从另外一方面进行考虑，由于基于控制律的控制系统在没有成熟的稳定性分析方法情况下，其参数整定是否可靠与否仍然存在着诸多的问题。222模糊自适应PID21模糊自适应PID结构15模糊PID控制器全称为“模糊参数自适应（自整定）PID控制器”。如图21所示表示了其系统组成。顾名思义，模糊PID控制器的三个参数是可以能够进行在线调整、实时改变的。这是模糊PID控制器在传统PID控制器的基础上实现的重大改进与突破。图21PID结构图22模糊控制规则221控制原理自适应控制是应用现代控制理论，以实际对象的特性作为基础，在线辨识对象特征参数，从而实现实时改变控制策略。由于在实际的控制过程中各种信号量
30、不易定量表示，因此需要利用到模糊理论来解决问题。自适应模糊PID控制器就是以误差E和误差变化EC作为输入，从而找到输出的三个PID参数（KP,KI和KD）与误差E和误差变化率EC之间的模糊关系。在实际的运行中不断检测误差E和误差变化率EC，从而实现利用模糊控制规则在线对PID参数进行修改，以满足不同误差E和误差变化率EC对控制参数的不同要求，而使被控对象有良好的动、静态性能58。222模糊规则78误差E、误差变化率EC和K的模糊子集均为NB,NM,NS,ZO,PS,PM,PB，分别代表负大、负中、负小、零、正小、正中、正大。模糊控制规则具有如下形式23IFEISNBANDECISNBTHENK
31、PISPBANDKIISNBANDKDISPS由于误差E和误差变化率EC都具有7个子集元素，其一共有49种自由组合，因此模糊控制一共需要49条这样形式的规则。KP、KI、KD三个参数整定的模糊控制规则表见表211，212，213。表211KP的模糊规则表ECKPNBNMNSZOPSPMPBNBZOZONMNMNMNBNBNMPSZONSNMNMNMNBNSPSPSZONSNSNMNMZOPMPMPSZONSNMNMPSPMPMPMPSZONSNSPMPBPBPMPSPSZONSEPBPBPBPBPMPSPOPO表212KI的模糊规则表ECKINBNMNSZOPSPMPBNBNBNBNMNMNS
32、ZOZONMNBNBNMNSNSZOZONSNBNMNSNSZOPSPSZONMNMNSZOPSPMPMPSNMNSZOPSPSPMPBPMZOZOPSPSPMPBPBEPBZOZOPSPMPMPBPB表213KD的模糊规则表ECKINBNMNSZOPSPMPBNBPBPMPMPMPSPSPBNMPBNSPSPSPSPSPBNSZOZOZOZOZOZOZOZOZONSNSNSNSNSZOPSZONSNMNMNSNSZOPMPSNSNBNMNMNSZOEPBPSNSNBNBNBNMPS模糊控制规则表23模糊控制规则的实现231隶属度8在模糊控制规则表中，各个元素的子集都是用字母表示的，但是在控制
33、过程中，模糊24判决器的输入和输出都是一些具体的实际数值，因此需要在数值和各个语言变量之间建立相应的联系。各个语言变量表示的都是一定的范围，这种范围的覆盖面则可以使用隶属度来进行表示。隶属度函数有多种形状表示，有正态分布形式的，有等腰梯形形式的，然而最常用的是三角形形式的，如图所示。每个语言变量表示的范围虽然可能有所交叉，但除了几个特殊点之外，一个具体数值隶属于各个字母符号的程度是不一样的。模糊合成推理是根据隶属度和模糊控制规则来修正PID参数KPKPEIECIPKIKIEIECIIKDKDEIECID232模糊推理模糊判决器读取误差E和误差变化率EC的实际具体数值，从而进行模糊推理，然后输出
34、三个K的具体数值，这个有很多种算法可以实现。在这里介绍的是一种强度转移法。强度转移法就是当控制系统有精确值输入时，精确值在条件语句的前件中所得到的语言变量转移到后件的语言变量值去，从而得到推理结果的过程8。以KP的推理为例。步骤为1前件强度的求取为了可以简化而清晰地说明推理过程，我们假设误差EK及其变化率ECK分别最多可以对应2个语言变量值，设误差EK的两个语言变量值为A1、A2，且对模糊变量A1、A2的隶属度为UA1E、UA2E，误差变化率ECK的两个语言变量值为B1、B2，且对这两个模糊变量的隶属度为UB1EC、UB2EC，则实现控制规则如下IFEKISA1ANDECKISB1THENKP
35、ISC1IFEKISA1ANDECKISB2THENKPISC2IFEKISA2ANDECKISB1THENKPISC3IFEKISA2ANDECKISB2THENKPISC4从以上4条规则中，可产生出模糊推理的前件强度为U1UA1EUB1ECU2UA1EUB2ECU3UA2EUB1ECU4UA2EUB2EC2后件强度的求取25由于在强度转移法中，是需要把精确值对前件的作用强度转移到后件中去，并且以此作为后件模糊量KPI的隶属度，因此，依前件强度可得后件强度为UC1KP1U1UC2KP2U2UC3KP3U3UC4KP4U43精确值KP的求取根据KP的语言变量值以及对应的隶属度的解析表达式求出K
36、P1、KP2、KP3、KP4。它们分别为C1、C2、C3和C4在隶属度为U1、U2、U3和U4时的推理结果元素，则利用重心法可求得2143KPUKPKP当误差EK和误差变化率ECK具有多个语言变量值时，其推导过程与上述的过程相相似。在模糊推理过程中，在求解前件强度和后件强度时，对误差E，误差变化率EC以及PID三个控制参数的描述，都是用名词来进行表示。这些名词不可能互相进行包含，因此模糊控制的49条规则各不相同，这49条规则缺一不可。24在MATLAB中建立模糊判决器241用FISEDITOR建立模糊判决器在MATLAB主窗口中输入FUZZY，系统会弹出FISEDITOR，此时新建了一个空白的
37、FIS，如图22所示。26图22FISEDITOR建立模糊判决器解模糊算法默认是MAMDANI法，如果要改变算法，MATLAB提供的另一种算法为SUGENO。在新建FIS时，点击FILENEWFISSUGENO即可。点击EDITADDVARIABLEINPUT或OUTPUT，添加判决器的输入和输出，我们使用的模糊PID判决器是2个输入3个输出。把这5个变量VARIABLE的名字NAME改成E、EC、KP、KI和KD。双击任一个VARIABLE，弹出MEMBERSHIPFUNCTIONEDITOR，可以设定这个VARIABLE的取值范围RANGE。如图23所示。27图23判决器新建的VARIAB
38、LE默认只有3个子集，在MEMBERSHIPFUNCTIONEDITOR中点击EDITADDMFS，添加子集，选择7可以加到7个。按照模糊隶属度设定每个子集的名字NAME、形状TYPE和覆盖范围PARAMS。添加规则在FISEDITOR中点击EDITRULES，弹出RULEEDITOR。新建的模糊判决器初始时没有添加任何的规则，按照模糊控制规则表，使用RULEEDITOR底部的“添加规则ADDRULE”和“修改规则CHANGERULE”按钮设定模糊控制的49条规则。先添加条数，再按规则修改。最后将该FIS保存，在FISEDITOR中点击FILEEXPORTTODISK，保存为FUZZPIDFI
39、S。242用MATLAB程序生成模糊判决器用MATLAB程序语言也能生成与上述相同的FUZZPIDFIS。ANEWFISFUZZPID建立一个新的FIS，取名FUZZPID。ESCALE1AADDVARA,INPUT,E,3ESCALE,3ESCALE添加VARIABLEAADDMFA,INPUT,1,NB,ZMF,3ESCALE,1ESCALE本行往下共7行分别添加MFS28AADDMFA,INPUT,1,NM,TRIMF,3ESCALE,2ESCALE,0AADDMFA,INPUT,1,NS,TRIMF,3ESCALE,1ESCALE,1ESCALEAADDMFA,INPUT,1,ZO,T
40、RIMF,2ESCALE,0,2ESCALEAADDMFA,INPUT,1,PS,TRIMF,1ESCALE,1ESCALE,3ESCALEAADDMFA,INPUT,1,PM,TRIMF,0,2ESCALE,3ESCALEAADDMFA,INPUT,1,PB,SMF,1ESCALE,3ESCALE这几行代码实现了添加了误差E这个VARIABLE的功能，作为输入INPUT，取值范围RANGE为3,3，误差E有7个子集，NAME、TYPE和PARAMS各不近相同。其他的如EC、KP、KI、KD的添加方式也与之完全类似，只需更改SCALE和INPUTOUTPUT，“ADDMFA,INPUT,1”中
41、的“1”依次改为2、3、4、5。在这种程序编写建立规则比FISEDIT中图形建立较为方便。FISEDIT虽然有较好友好的用户界面，但每个VARIABLE、每个MFS、49条规则都要一一进行输入；而上述程序具有较强的通用性，比如E的RANGE变为300,300，只需要将ESCALE赋值为100即可。EC、KP、KI、KD的SCALE的更改也与之完全类似。RULELIST1171511127131176175117717711总共49行AADDRULEA,RULELIST这几十行代码实现了对49条模糊控制规则的添加。每一行代表一条规则，由前5个数字来完成对规则的描述。数值17按顺序代表从NB到PB
42、7个子集，5个数字的位置对应E、EC、KP、KI、KD。比如，第一行前5个数字为11715，代表NBNBPBNBPS，其对应的模糊规则为IFEISNBANDECISNBTHENKPISPBANDKIISNBANDKDISPS。这个RULELIST可以完全按照模糊控制规则，用数字代表7个字母符号列出来的。这个RULELIST也是通用的。ASETFISA,DEFUZZMETHOD,MOM解模糊的算法设定为MANDANI，也可以改为SUGENO。29WRITEFISA,FUZZPIDAREADFISFUZZPID这样子就生成了一个和上一小节完全一模一样的FUZZPIDFIS。243模糊判决器的使用这
43、个模糊判决模块，可以作为一个模块嵌入到SIMULINK模型编辑窗口当中，这个模块还能被MATLAB编程语言调用。25SIMULINK简介111SIMULINK是在MATLAB中进行交互式的动态系统建模以及仿真和进行分析图形化环境模块，其实质上就是一个可以基于模型而进行嵌入式系统开发的基础开发环境。SIMULINK是可以针对于具体的实际的控制系统等等之类的进行具体的系统建模、仿真以及分析等工作。SIMULINK还可以提供建立控制系统的环境，从而可以对系统进行模拟仿真的环境。在MABLAB70的命令主窗口中单击FILENEWMODEL，则是打开的SIMULINK模型编辑窗口。在SIMULINK模型
44、编辑窗口中单击VIEWLIBRARYBROWSER，则是打开SIMULINK库浏览窗口。根据具体的实际的控制系统的结构，用户可以从SIMULINK模型库中选择自己需要的各个模块，并按照相应的要求进行连接、修改各模块的参数等操作，从而建立起相应的系统模型。26模糊PID控制器仿真与分析假设被控对象为SSSGP120963采样时间为1MS，采用模糊自适应PID控制进行阶跃响应，在第300个采样时间时对控制器的输出添加10的干扰，其相应的相应结果如图261图26730图261模糊控制PID阶跃响应31图262模糊PID控制误差响应32图263控制器输出U33图264KP的自适应调整34图265KI的
45、自适应调整35图266KI的自适应调整36图267模糊判决器结果分析在本次的模糊自适应PID控制器的仿真实验中，通过对模糊自适应PID进行仿真设计，利用M文件成功的实现了对模糊自适应PID控制器的设计，实验的结果也表明了模糊自适应PID控制器在对对象系统进行控制的优越性。同时本次实验也表明了利用MATLAB设计模糊自适应PID的可行。373神经网络PID31神经网络简介人工神经网络是建立在对人脑神经系统的模拟上而产生的。从实质上来说。神经网络就是由简单信息处理单元人工神经元，即神经元互相之间进行联合而组成的网络，它能够接受并且对接收到的信息进行处理。神经网络的信息处理是由处理单元之间进行产生的
46、相互作用来实现的。经过发展，目前人们己经建立了多种神经网络模型。在神经网络当中，决定它们整体性能的因素主要是神经元信息处理单元的特性，神经元之间相互连接的形式，为适应环境而改善性能的学习规则等三个要素1415。32神经网络的学习方式和学习规则1415321神经网络的学习方式神经网络的主要特征之一就是可以其可以进行学习。神经网络的学习规则实质上就是修正神经元之间连接强度或着是加权系数的算法，从而使获得的知识结构可以比较的适应于周围环境的实际变化。在神经网络的学习过程当中，执行学习规则，并且进行加权系数修正。神经网络的学习方法主要分为有导师指导式学习、无导师自学式学习和再励学习强化学习三种1，有导
47、师学习在神经网络的学习的过程中，有一个预计的期望的网络输出，学习算法会根据给定输入的神经网络的实际输出与期望输出之间产生的误差来调整神经元的连接强度，也就是对应的权值。因此学习过程当中需要有导师来提供期望输出信号。2，无导师学习在神经网络的学习过程中不需要有期望输出，因此不会产生直接的误差信息。神经网络学习只需要建立一个间接的评价函数，使得每个处理单元能够自适应连接权值，并以此对神经网络的某种行为导向作出评价。3，再励学习这种神经网络的学习方式介于上述两种情况之间，外部环境对系统输出结果仅仅只给出评价好或坏而不是给出正确的结果，学习系统经过强化那些好的行为以此来改善自身性能。322神经网络的学
48、习规则1415神经网络通常采用的网络学习规则包括以下三种1，误差纠正学习规则令是输入时神经元K在N时刻的实际的输出结果，KYNKX表示预计的的输出可由训练样本给出，则其相应的误差信号可写为KDN3831KKKENDYN误差纠正学习的目的就是使某一基于的目标函数达到实际的预定要求时，可以E使得网络中任何一个输出单元的实际的输出结果是从某种意义上逼近其本身实际应该具有的输出。而当目标函数形式一旦具体的选定之后，误差纠正学习实质上也就是一个典型的求最优化问题。在误差纠正学习当中最常用的目标函数是均方误差判据，其定义为误差平方和的均值3221KJEEN其中E为期望算子。而上式要求被学习的过程是平稳的进
49、行变化的，其具体方法可以利用到最优梯度下降法。而直接利用误差平方和均值J作为目标函数时是需要知道整个学习过程的统计特性的，为了解决这样的问题，通常情况下是用J在时刻N的瞬时值代替J，即3321KEEN此时的问题也就转变为了求E对权值W的极小值，而根据梯度下降法可得34KJKJEX式中A表示学习步长，这样的方法也就是误差纠正学习规则。2，HEBB学习规则这种学习规则实际上就是指当网络中某一突触连接两端的神经元同时处于激活或抑制状态时，此连接的强应当增加，反之应当进行减弱。其用数学方式可以描述如下35KJKJWYNX在公式中由于与的相关成比例，所以这种方法有时也称为相关学习J,J规则。3，竞争学习规则竞争学习规则就是指在竞争学习过程中，神经网络的各个输出单元之间进行互相竞争，直到最后只有一个最强的单元激活。在这种规则下比较最常见的一种情况就是输出神经元之间如果具有侧向性的抑制性的连接，此时只要原来输出单元中有某一个单元较强，那么它会获得胜利并且可以抑制其它的单元，最后只有此神经元处于激活状态。最常用的竞争3
