CN105929691A - 一种基于模糊控制的内模补偿控制方法 - Google Patents

一种基于模糊控制的内模补偿控制方法 Download PDF

Info

Publication number
CN105929691A
CN105929691A CN201610318296.0A CN201610318296A CN105929691A CN 105929691 A CN105929691 A CN 105929691A CN 201610318296 A CN201610318296 A CN 201610318296A CN 105929691 A CN105929691 A CN 105929691A
Authority
CN
China
Prior art keywords
fuzzy
output
control
method based
control method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610318296.0A
Other languages
English (en)
Inventor
周琳
周武能
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Donghua University
National Dong Hwa University
Original Assignee
Donghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Donghua University filed Critical Donghua University
Priority to CN201610318296.0A priority Critical patent/CN105929691A/zh
Publication of CN105929691A publication Critical patent/CN105929691A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种基于模糊控制的内模补偿控制方法，包括被控对象，所述被控对象两端并联有预测模型，所述预测模型的输出与被控对象的输出之差通过模糊原理调整模糊控制器的增益；所述模糊控制器的增益用于改变预测模型的输出，使得预测模型的输出与被控对象的输出之差趋于零。本发明具有模型结构简单、动态性能好、抗干扰能力强、鲁棒性好等优点。

Description

一种基于模糊控制的内模补偿控制方法
技术领域
本发明涉及自动控制技术领域，特别是涉及一种基于模糊控制的内模补偿控制方法。
背景技术
在现代工业生产中，具有时滞特性的过程是普遍存在的，且时滞对象的控制较为困难，尤其在炼金、航天、制造等复杂多变的工业过程中，对大时滞对象的处理一直以来都是难题。而在此类工业领域中，各类液位控制系统普遍存在，实际的液位控制过程中往往存在大时滞、非线性的特点，为满足复杂系统的控制要求，人们设计了诸多先进的控制方案和智能控制器。
发明内容
本发明所要解决的技术问题是提供一种基于模糊控制的内模补偿控制方法，具有模型结构简单、动态性能好、抗干扰能力强、鲁棒性好等优点。
本发明解决其技术问题所采用的技术方案是：提供一种基于模糊控制的内模补偿控制方法，包括被控对象，所述被控对象两端并联有预测模型，所述预测模型的输出与被控对象的输出之差通过模糊原理调整模糊控制器的增益；所述模糊控制器的增益用于改变预测模型的输出，使得预测模型的输出与被控对象的输出之差趋于零。
所述模糊控制器为二维模糊控制器，其输入由偏差量和偏差变化构成。
所述模糊控制器的两个输入的模糊变量和输出的模糊变量均为七个，两个输入的模糊论域取[-3,3]，输出的模糊论域取[-6,6]。
所述模糊控制器的模糊推理规则是当偏差量较大时，以快速消除为主；当偏差量较小时，以保持稳定为主。
所述模糊控制器的偏差量输入量化因子为偏差变化输入量化因子为其中，n是误差变量所取的模糊子集的论域上限、m是误差变化变量所取的模糊子集的论域上限、x是误差的基本论域上限。
所述模糊控制器的输出比例因子为u是控制量的基本论域上限、l是控制量所取的模糊子集的论域上限。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明具有模型结构简单、动态性能好、抗干扰能力强、鲁棒性好等优点。通过理论研究以及在Matlab的Simulink工具箱中进行仿真，研究发现此种控制方案对含有时滞特性被控对象的控制效果更佳。通过Simulink仿真表明，改进后的模糊补偿内模控制可以实现参数的在线整定，加快了系统的响应速度、缩短调节时间、减少了超调量，同时又有很好的控制品质和鲁棒性，具有较高的研究价值。
附图说明
图1是模糊控制原理框图；
图2是三角隶属函数分布图；
图3是本发明的模糊补偿内模控制框图；
图4是增益K的模糊补偿结构图；
图5是模糊补偿内模控制系统仿真框图；
图6是模糊补偿内模控制抗干扰响应图；
图7是模糊补偿内模控制模型不匹配响应图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明基于模糊控制原理，模糊控制是以模糊数学原理为基础，用语言规则来描述相关经验，通过模糊推理控制的一种高级算法，是现如今控制策略的重要成分。模糊控制不需要被控模型精确，即可保持较好的鲁棒性。
模糊控制原理如图1所示，其核心是模糊逻辑控制器。模糊控制器一般由知识库、解模糊等模块构成。模糊控制的过程如下：首先把精确的输入值模糊化，再通过定义在论域上的函数计算出其模糊语言集合的隶属度，将其转换成论域中的模糊集合，然后通过由专家知识等制定出的决策规则来计算模糊输出集合，最后通过合适的解模糊方法将模糊输出映射成精确控制量。
其中，知识库主要由数据库与规则库构成。数据库中存放了全部的隶属矢量。规则库包含了一系列用于模糊语言描述等相关规则，其中包含丰富的专家知识、操作经验。
模糊化接口是输入接口，其作用是将精确的输入值转换为模糊值。对于模糊输入量，以简单偏差量E为例，可做如下划分：E＝{负大，负中，负小，零，正小，正中，正大}＝{NB，NM，NS，ZO，PS，PM，PB}。采用典型三角隶属函数将其转换成模糊语言集合，如图2所示。论域分成13个等级，每个等级对应一个模糊子集合。
模糊推理机的作用是由输入的模糊量，根据模糊规则计算出模糊输出量，其通常是一种近似推理过程。
解模糊接口通过模糊推理得出的是模糊输出量，其仍需要通过解模糊把推理系统的输出映射成精确的输出量，才可以将其作为被控对象的实际控制量。目前普遍采用的去模糊法有如下几种：平均最大隶属度法、面积平分法、加权平均法(重心法)等。
内模控制以其设计策略简单、鲁棒性强等优点，适用于大多数时滞系统控制中，但内模控制器的性能则由预测模型和实际数学模型的匹配程度来决定。若预测模型和实际数学模型失配，会导致系统不稳定。然而，本发明的发明人发现模糊控制可以结合来自专家知识或操作经验的语义信息来有效地解决此现象。
本发明的实施方式涉及一种基于模糊控制的内模补偿控制方法，包括被控对象，所述被控对象两端并联有预测模型，所述预测模型的输出与被控对象的输出之差通过模糊原理调整模糊控制器的增益；所述模糊控制器的增益用于改变预测模型的输出，使得预测模型的输出与被控对象的输出之差趋于零，，从而提高系统的性能。
如图3所示，将预测模型与被控对象Gp之间的差值作为增益的差值来进行处理，此时K即为模糊控制要调整的增益。本实施方式中采用使用的二维模糊控制器对增益K进行实时修正，其输入由偏差量E、偏差变化EC共同构成，其相比仅以偏差量E作为输入的系统有更好的动态特性。
模糊控制器的结构图如图4所示，其中增益差异ΔK＝AU，U为模糊控制器的输出，A为输出量化因子的可调参数。增益的调整公式为K＝K0+ΔK，其中K0为初始增益。两个输入偏差量E和偏差变化EC的模糊变量以及模糊控制器的输出U的模糊变量均为7个，模糊论域前者取[-3,3]，后者取[-6,6]。
模糊推理规则是：当偏差E较大时，以快速消除为主；当偏差E较小时，以保持稳定为主，模糊规则如表1所示。
NB NM NS ZO PS PM PB
NB NB NB NM NM NS ZO PS
NM NB NB NM NS NS ZO PS
NS NB NM NS NS ZO PS PM
ZO NM NS NS ZO PS PM PM
PS NM NS ZO ZO PS PM PB
PM NM NS PS PS PM PB PB
PB NS ZO PS PM PM PB PB
表1模糊规则表
对于两个输入偏差量E和偏差变化EC的基本论域为[-x,x]，输出量U为[-u,u]。而模糊子集论域分别为[-n,n]、[-m,m]、[-l,l]。
输入偏差量E和偏差变化EC的计算方法为：和n是误差变量所取的模糊子集的论域上限、m是误差变化变量所取的模糊子集的论域上限、x是误差的基本论域上限。
输出U的比例因子计算方法为：u是控制量的基本论域上限、l是控制量所取的模糊子集的论域上限。但针对实际的控制过程，量化因子与比例因子的计算公式只能做一个大致的确定，具体数值的选取还需要通过偏差、偏差变化率、输出的实际变化范围来进行确定，并进行不断的实验测试，才可以得到较为理想的数值。经过多次测试与调试，选定KE＝0.1，KEC＝5，KU＝9。
如图5所示为模糊补偿内模控制系统仿真图。其中模糊控制功能块需要开启模糊推理编辑器(FIS Editor)进行规则编辑，通过在Matlab中输入Fuzzy语句进行调用。然后再分别对输入、输出进行隶属函数的选取与隶属度的划分，此处选7个语言变量进行划分。之后在模糊编辑器界面，通过Edit-Rules进入规则编辑器，对控制系统的模糊规则进行编辑，模糊规则默认采用曼达尼模糊规则，共7*7＝49个规则。通过以上几步即可完成模糊控制器的编辑，可通过系统编辑器Surface选项查看模糊逻辑控制的曲面图。规则写好后，在Simulink中点击编译对系统进行仿真。查看控制器的编辑情况可以在Matlab中输入readfis(‘IMC’)语句进行查看。具体使用方法：从工具箱中选出模糊控制器并将其拖到Simulink中。输入模糊控制器名称，运行Simulink前先运行模糊控制器File-Export-toworkspace，再运行Simulink即可，图6与图7是模糊补偿内模控制的仿真图。
由图6和图7可见，经过改进后的模糊补偿内模控制系统与常规控制系统相比较具有更好的鲁棒性，且即使在模型不匹配的情况下，其超调量的控制仍比常规内模控制效果要好，动态性能更加优良。

Claims (6)

1.一种基于模糊控制的内模补偿控制方法，包括被控对象，其特征在于，所述被控对象两端并联有预测模型，所述预测模型的输出与被控对象的输出之差通过模糊原理调整模糊控制器的增益；所述模糊控制器的增益用于改变预测模型的输出，使得预测模型的输出与被控对象的输出之差趋于零。
2.根据权利要求1所述的基于模糊控制的内模补偿控制方法，其特征在于，所述模糊控制器为二维模糊控制器，其输入由偏差量和偏差变化构成。
3.根据权利要求2所述的基于模糊控制的内模补偿控制方法，其特征在于，所述模糊控制器的两个输入的模糊变量和输出的模糊变量均为七个，两个输入的模糊论域取[-3,3]，输出的模糊论域取[-6,6]。
4.根据权利要求2所述的基于模糊控制的内模补偿控制方法，其特征在于，所述模糊控制器的模糊推理规则是当偏差量较大时，以快速消除为主；当偏差量较小时，以保持稳定为主。
5.根据权利要求2所述的基于模糊控制的内模补偿控制方法，其特征在于，所述模糊控制器的偏差量输入量化因子为偏差变化输入量化因子为其中，n是误差变量所取的模糊子集的论域上限、m是误差变化变量所取的模糊子集的论域上限、x是误差的基本论域上限。
6.根据权利要求2所述的基于模糊控制的内模补偿控制方法，其特征在于，所述模糊控制器的输出比例因子为u是控制量的基本论域上限、l是控制量所取的模糊子集的论域上限。
CN201610318296.0A 2016-05-13 2016-05-13 一种基于模糊控制的内模补偿控制方法 Pending CN105929691A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610318296.0A CN105929691A (zh) 2016-05-13 2016-05-13 一种基于模糊控制的内模补偿控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610318296.0A CN105929691A (zh) 2016-05-13 2016-05-13 一种基于模糊控制的内模补偿控制方法

Publications (1)

Publication Number Publication Date
CN105929691A true CN105929691A (zh) 2016-09-07

Family

ID=56834947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610318296.0A Pending CN105929691A (zh) 2016-05-13 2016-05-13 一种基于模糊控制的内模补偿控制方法

Country Status (1)

Country Link
CN (1) CN105929691A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116029604A (zh) * 2023-02-03 2023-04-28 华南农业大学 一种基于健康舒适度的笼养肉鸭养殖环境调控方法
CN116974206A (zh) * 2023-09-06 2023-10-31 武昌理工学院 一种基于预测模糊控制算法的磨机控制方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1117154A (zh) * 1993-12-27 1996-02-21 山武-霍尼韦尔公司 控制器

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1117154A (zh) * 1993-12-27 1996-02-21 山武-霍尼韦尔公司 控制器
US5537310A (en) * 1993-12-27 1996-07-16 Yamatake-Honeywell Co., Ltd. Internal Model Controller with automatically correcting gain of the internal model controller

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘暾东 等: "一种新的模糊内模预估控制器及应用", 《控制理论与应用》 *
巩敦卫 等: "《智能控制技术简明教程》", 31 August 2010 *
聂盼盼: "自适应模糊内模控制在发酵系统中的应用研究", 《中国优秀硕士学位论文全文数据库信息科技辑（月刊）》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116029604A (zh) * 2023-02-03 2023-04-28 华南农业大学 一种基于健康舒适度的笼养肉鸭养殖环境调控方法
CN116029604B (zh) * 2023-02-03 2024-01-23 华南农业大学 一种基于健康舒适度的笼养肉鸭养殖环境调控方法
CN116974206A (zh) * 2023-09-06 2023-10-31 武昌理工学院 一种基于预测模糊控制算法的磨机控制方法
CN116974206B (zh) * 2023-09-06 2024-02-02 武昌理工学院 一种基于预测模糊控制算法的磨机控制方法

Similar Documents

Publication Publication Date Title
Karasakal et al. Online tuning of fuzzy PID controllers via rule weighing based on normalized acceleration
CN103309233A (zh) 一种模糊pid控制器的设计方法
Kong et al. An effective nonlinear multivariable HMPC for USC power plant incorporating NFN-based modeling
CN107894716A (zh) 温度控制方法
CN101339404B (zh) 飞行器姿态动力学简化模型增益切换比例-微分控制的设计方法
CN107908782A (zh) 一种基于情感分析的数据处理方法和装置
CN105929691A (zh) 一种基于模糊控制的内模补偿控制方法
Zhao Adaptive Fuzzy Control of a Class of Discrete-Time Nonlinear Systems
CN111077771A (zh) 一种自整定模糊pid控制方法
CN103324090A (zh) 基于模糊指数调度的复合控制系统及该系统的设计方法
Sandhu et al. Analysis and design of a proportional plus derivative fuzzy logic controller
CN109946959A (zh) 一种脱硫塔系统的智能建模及控制方法
CN106647270B (zh) 针对空间密频结构的稳定自适应模糊主动振动控制方法
CN114624990A (zh) 压力数据处理方法、装置、设备和存储介质
CN106444389A (zh) 一种废塑料裂解温度系统的模糊rbf网络优化pi控制方法
Song Research on design of excavating face balance control for large slurry shield
CN113741177A (zh) 一种用于柑橘果实着色成熟期灌溉仿真的控制方法
Kumar et al. Multiple-Input Multiple-Output Paper Machine System Control Using Fuzzy-PID Tuned Controller
Chen et al. The application of intelligent integral realized by fuzzy logic for hydroturbine governing system
CN105867114B (zh) 一种新型的电动加载系统控制方法
Ling Fuzzy model reference learning control for a nonlinear model of hydrogenerator unit
Gong et al. Research of oil pump control based on fuzzy neural network PID algorithm
Fu et al. A new kind of robust design method of intelligent vehicle lateral control
CN114371701B (zh) 无人艇航向控制方法、控制器、自动舵以及无人艇
CN117472099A (zh) 一种基于模糊pid复合调控的灌装机液位控制方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20160907