一種基于模糊控制的內(nèi)模補(bǔ)償控制方法
【專利摘要】本發(fā)明涉及一種基于模糊控制的內(nèi)模補(bǔ)償控制方法，包括被控對象，所述被控對象兩端并聯(lián)有預(yù)測模型，所述預(yù)測模型的輸出與被控對象的輸出之差通過模糊原理調(diào)整模糊控制器的增益；所述模糊控制器的增益用于改變預(yù)測模型的輸出，使得預(yù)測模型的輸出與被控對象的輸出之差趨于零。本發(fā)明具有模型結(jié)構(gòu)簡單、動態(tài)性能好、抗干擾能力強(qiáng)、魯棒性好等優(yōu)點(diǎn)。
【專利說明】
一種基于模糊控制的內(nèi)模補(bǔ)償控制方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及自動控制技術(shù)領(lǐng)域，特別是涉及一種基于模糊控制的內(nèi)模補(bǔ)償控制方 法。
【背景技術(shù)】
[0002] 在現(xiàn)代工業(yè)生產(chǎn)中，具有時滯特性的過程是普遍存在的，且時滯對象的控制較為 困難，尤其在煉金、航天、制造等復(fù)雜多變的工業(yè)過程中，對大時滯對象的處理一直以來都 是難題。而在此類工業(yè)領(lǐng)域中，各類液位控制系統(tǒng)普遍存在，實(shí)際的液位控制過程中往往存 在大時滯、非線性的特點(diǎn)，為滿足復(fù)雜系統(tǒng)的控制要求，人們設(shè)計了諸多先進(jìn)的控制方案和 智能控制器。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明所要解決的技術(shù)問題是提供一種基于模糊控制的內(nèi)模補(bǔ)償控制方法，具有 模型結(jié)構(gòu)簡單、動態(tài)性能好、抗干擾能力強(qiáng)、魯棒性好等優(yōu)點(diǎn)。
[0004] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:提供一種基于模糊控制的內(nèi)模補(bǔ)償 控制方法，包括被控對象，所述被控對象兩端并聯(lián)有預(yù)測模型，所述預(yù)測模型的輸出與被控 對象的輸出之差通過模糊原理調(diào)整模糊控制器的增益;所述模糊控制器的增益用于改變預(yù) 測模型的輸出，使得預(yù)測模型的輸出與被控對象的輸出之差趨于零。
[0005] 所述模糊控制器為二維模糊控制器，其輸入由偏差量和偏差變化構(gòu)成。
[0006] 所述模糊控制器的兩個輸入的模糊變量和輸出的模糊變量均為七個，兩個輸入的 模糊論域取[-3，3 ]，輸出的模糊論域取[-6，6 ]。
[0007] 所述模糊控制器的模糊推理規(guī)則是當(dāng)偏差量較大時，以快速消除為主；當(dāng)偏差量 較小時，以保持穩(wěn)定為主。
[0008] 所述模糊控制器的偏差量輸入量化因子為
，偏差變化輸入量化因子為
，其中，n是誤差變量所取的模糊子集的論域上限、m是誤差變化變量所取的模糊子 集的論域上限、x是誤差的基本論域上限。
[0009] 所述模糊控制器的輸出比例因子為
，u是控制量的基本論域上限、1是控制 量所取的模糊子集的論域上限。
[0010] 有益效果
[0011] 由于采用了上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有以下的優(yōu)點(diǎn)和積極效 果:本發(fā)明具有模型結(jié)構(gòu)簡單、動態(tài)性能好、抗干擾能力強(qiáng)、魯棒性好等優(yōu)點(diǎn)。通過理論研究 以及在Matlab的Simul ink工具箱中進(jìn)行仿真，研究發(fā)現(xiàn)此種控制方案對含有時滯特性被控 對象的控制效果更佳。通過Simul ink仿真表明，改進(jìn)后的模糊補(bǔ)償內(nèi)?？刂瓶梢詫?shí)現(xiàn)參數(shù) 的在線整定，加快了系統(tǒng)的響應(yīng)速度、縮短調(diào)節(jié)時間、減少了超調(diào)量，同時又有很好的控制 品質(zhì)和魯棒性，具有較高的研究價值。
【附圖說明】
[0012] 圖1是模糊控制原理框圖；
[0013] 圖2是三角隸屬函數(shù)分布圖；
[0014]圖3是本發(fā)明的模糊補(bǔ)償內(nèi)?？刂瓶驁D；
[0015] 圖4是增益K的模糊補(bǔ)償結(jié)構(gòu)圖；
[0016] 圖5是模糊補(bǔ)償內(nèi)模控制系統(tǒng)仿真框圖；
[0017]圖6是模糊補(bǔ)償內(nèi)?？刂瓶垢蓴_響應(yīng)圖；
[0018] 圖7是模糊補(bǔ)償內(nèi)?？刂颇Ｐ筒黄ヅ漤憫?yīng)圖。
【具體實(shí)施方式】
[0019] 下面結(jié)合具體實(shí)施例，進(jìn)一步闡述本發(fā)明。應(yīng)理解，這些實(shí)施例僅用于說明本發(fā)明 而不用于限制本發(fā)明的范圍。此外應(yīng)理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領(lǐng)域技術(shù)人 員可以對本發(fā)明作各種改動或修改，這些等價形式同樣落于本申請所附權(quán)利要求書所限定 的范圍。
[0020] 本發(fā)明基于模糊控制原理，模糊控制是以模糊數(shù)學(xué)原理為基礎(chǔ)，用語言規(guī)則來描 述相關(guān)經(jīng)驗(yàn)，通過模糊推理控制的一種高級算法，是現(xiàn)如今控制策略的重要成分。模糊控制 不需要被控模型精確，即可保持較好的魯棒性。
[0021] 模糊控制原理如圖1所示，其核心是模糊邏輯控制器。模糊控制器一般由知識庫、 解模糊等模塊構(gòu)成。模糊控制的過程如下:首先把精確的輸入值模糊化，再通過定義在論域 上的函數(shù)計算出其模糊語言集合的隸屬度，將其轉(zhuǎn)換成論域中的模糊集合，然后通過由專 家知識等制定出的決策規(guī)則來計算模糊輸出集合，最后通過合適的解模糊方法將模糊輸出 映射成精確控制量。
[0022] 其中，知識庫主要由數(shù)據(jù)庫與規(guī)則庫構(gòu)成。數(shù)據(jù)庫中存放了全部的隸屬矢量。規(guī)則 庫包含了一系列用于模糊語言描述等相關(guān)規(guī)則，其中包含豐富的專家知識、操作經(jīng)驗(yàn)。 [0023]模糊化接口是輸入接口，其作用是將精確的輸入值轉(zhuǎn)換為模糊值。對于模糊輸入 量，以簡單偏差量E為例，可做如下劃分:E= {負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大} = {NB， 匪，吧，20#^，？8}。采用典型三角隸屬函數(shù)將其轉(zhuǎn)換成模糊語言集合，如圖2所示。論域 分成13個等級，每個等級對應(yīng)一個模糊子集合。
[0024]模糊推理機(jī)的作用是由輸入的模糊量，根據(jù)模糊規(guī)則計算出模糊輸出量，其通常 是一種近似推理過程。
[0025]解模糊接口通過模糊推理得出的是模糊輸出量，其仍需要通過解模糊把推理系統(tǒng) 的輸出映射成精確的輸出量，才可以將其作為被控對象的實(shí)際控制量。目前普遍采用的去 模糊法有如下幾種:平均最大隸屬度法、面積平分法、加權(quán)平均法(重心法)等。
[0026]內(nèi)?？刂埔云湓O(shè)計策略簡單、魯棒性強(qiáng)等優(yōu)點(diǎn)，適用于大多數(shù)時滯系統(tǒng)控制中，但 內(nèi)?？刂破鞯男阅軇t由預(yù)測模型和實(shí)際數(shù)學(xué)模型的匹配程度來決定。若預(yù)測模型和實(shí)際數(shù) 學(xué)模型失配，會導(dǎo)致系統(tǒng)不穩(wěn)定。然而，本發(fā)明的發(fā)明人發(fā)現(xiàn)模糊控制可以結(jié)合來自專家知 識或操作經(jīng)驗(yàn)的語義信息來有效地解決此現(xiàn)象。
[0027] 本發(fā)明的實(shí)施方式涉及一種基于模糊控制的內(nèi)模補(bǔ)償控制方法，包括被控對象， 所述被控對象兩端并聯(lián)有預(yù)測模型，所述預(yù)測模型的輸出與被控對象的輸出之差通過模糊 原理調(diào)整模糊控制器的增益;所述模糊控制器的增益用于改變預(yù)測模型的輸出，使得預(yù)測 模型的輸出與被控對象的輸出之差趨于零，，從而提高系統(tǒng)的性能。
[0028] 如圖3所示，將預(yù)測模型與被控對象GP之間的差值作為增益的差值來進(jìn)行處理， 此時K即為模糊控制要調(diào)整的增益。本實(shí)施方式中采用使用的二維模糊控制器對增益K進(jìn)行 實(shí)時修正，其輸入由偏差量E、偏差變化EC共同構(gòu)成，其相比僅以偏差量E作為輸入的系統(tǒng)有 更好的動態(tài)特性。
[0029] 模糊控制器的結(jié)構(gòu)圖如圖4所示，其中增益差異AK=AU，U為模糊控制器的輸出，A 為輸出量化因子的可調(diào)參數(shù)。增益的調(diào)整公式為K=Ko+ A K，其中Ko為初始增益。兩個輸入偏 差量E和偏差變化EC的模糊變量以及模糊控制器的輸出U的模糊變量均為7個，模糊論域前 者取[_3,3]，后者取[_6,6]。
[0030] 模糊推理規(guī)則是：當(dāng)偏差E較大時，以快速消除為主；當(dāng)偏差E較小時，以保持穩(wěn)定 為主，模糊規(guī)則如表1所示。
[0032] 表1模糊規(guī)則表
[0033]對于兩個輸入偏差量E和偏差變化EC的基本論域?yàn)閇_x，x]，輸出量U為[_u，u]。而 模糊子集論域分別為[-n，n]、[-m，m]、[-l，l]。
[0034] 輸入偏差量E和偏差變化EC的計算方法為：
，11是誤差變量所取 的模糊子集的論域上限、m是誤差變化變量所取的模糊子集的論域上限、x是誤差的基本論 域上限。
[0035] 輸出U的比例因子計算方法為
是控制量的基本論域上限、1是控制量所 取的模糊子集的論域上限。但針對實(shí)際的控制過程，量化因子與比例因子的計算公式只能 做一個大致的確定，具體數(shù)值的選取還需要通過偏差、偏差變化率、輸出的實(shí)際變化范圍來 進(jìn)行確定，并進(jìn)行不斷的實(shí)驗(yàn)測試，才可以得到較為理想的數(shù)值。經(jīng)過多次測試與調(diào)試，選 定 Ke = 0 ? 1，Kec = 5，Ku=9〇
[0036]如圖5所示為模糊補(bǔ)償內(nèi)模控制系統(tǒng)仿真圖。其中模糊控制功能塊需要開啟模糊 推理編輯器(FIS Editor)進(jìn)行規(guī)則編輯，通過在Matlab中輸入Fuzzy語句進(jìn)行調(diào)用。然后再 分別對輸入、輸出進(jìn)行隸屬函數(shù)的選取與隸屬度的劃分，此處選7個語言變量進(jìn)行劃分。之 后在模糊編輯器界面，通過Edit-Rules進(jìn)入規(guī)則編輯器，對控制系統(tǒng)的模糊規(guī)則進(jìn)行編輯， 模糊規(guī)則默認(rèn)采用曼達(dá)尼模糊規(guī)則，共7*7 = 49個規(guī)則。通過以上幾步即可完成模糊控制器 的編輯，可通過系統(tǒng)編輯器Surface選項(xiàng)查看模糊邏輯控制的曲面圖。規(guī)則寫好后，在 Simul ink中點(diǎn)擊編譯對系統(tǒng)進(jìn)行仿真。查看控制器的編輯情況可以在Mat lab中輸入 readf is( ' IMC'）語句進(jìn)行查看。具體使用方法：從工具箱中選出模糊控制器并將其拖到 Simul ink中。輸入模糊控制器名稱，運(yùn)行Simul ink前先運(yùn)行模糊控制器File-Export-to workspace，再運(yùn)行Simul ink即可，圖6與圖7是模糊補(bǔ)償內(nèi)?？刂频姆抡鎴D。
[0037]由圖6和圖7可見，經(jīng)過改進(jìn)后的模糊補(bǔ)償內(nèi)?？刂葡到y(tǒng)與常規(guī)控制系統(tǒng)相比較具 有更好的魯棒性，且即使在模型不匹配的情況下，其超調(diào)量的控制仍比常規(guī)內(nèi)模控制效果 要好，動態(tài)性能更加優(yōu)良。
【主權(quán)項(xiàng)】
1. 一種基于模糊控制的內(nèi)模補(bǔ)償控制方法，包括被控對象，其特征在于，所述被控對象 兩端并聯(lián)有預(yù)測模型，所述預(yù)測模型的輸出與被控對象的輸出之差通過模糊原理調(diào)整模糊 控制器的增益;所述模糊控制器的增益用于改變預(yù)測模型的輸出，使得預(yù)測模型的輸出與 被控對象的輸出之差趨于零。2. 根據(jù)權(quán)利要求1所述的基于模糊控制的內(nèi)模補(bǔ)償控制方法，其特征在于，所述模糊控 制器為二維模糊控制器，其輸入由偏差量和偏差變化構(gòu)成。3. 根據(jù)權(quán)利要求2所述的基于模糊控制的內(nèi)模補(bǔ)償控制方法，其特征在于，所述模糊控 制器的兩個輸入的模糊變量和輸出的模糊變量均為七個，兩個輸入的模糊論域取[-3，3 ]， 輸出的模糊論域取[-6,6]。4. 根據(jù)權(quán)利要求2所述的基于模糊控制的內(nèi)模補(bǔ)償控制方法，其特征在于，所述模糊控 制器的模糊推理規(guī)則是當(dāng)偏差量較大時，以快速消除為主；當(dāng)偏差量較小時，以保持穩(wěn)定為 主。5. 根據(jù)權(quán)利要求2所述的基于模糊控制的內(nèi)模補(bǔ)償控制方法，其特征在于，所述模糊控 制器的偏差量輸入量化因子為.:，偏差變化輸入量化因子為._，其中，η是誤差 變量所取的模糊子集的論域上限、m是誤差變化變量所取的模糊子集的論域上限、X是誤差 的基本論域上限。6. 根據(jù)權(quán)利要求2所述的基于模糊控制的內(nèi)模補(bǔ)償控制方法，其特征在于，所述模糊控 制器的輸出比例因子為，u是控制量的基本論域上限、1是控制量所取的模糊子集的 論域上限。
【文檔編號】G05B13/04GK105929691SQ201610318296
【公開日】2016年9月7日
【申請日】2016年5月13日
【發(fā)明人】周琳, 周武能
【申請人】東華大學(xué)