模糊PID控制器的结果解析及其稳定性分析.docx
- 文档编号:2094008
- 上传时间:2022-10-26
- 格式:DOCX
- 页数:12
- 大小:386.40KB
模糊PID控制器的结果解析及其稳定性分析.docx
《模糊PID控制器的结果解析及其稳定性分析.docx》由会员分享,可在线阅读,更多相关《模糊PID控制器的结果解析及其稳定性分析.docx(12页珍藏版)》请在冰豆网上搜索。
模糊PID控制器的结果解析及其稳定性分析
模糊PID控制器的结果解析及其稳定性分析
B.M.Mohan*,ArpitaSinha
DepartmentofElectricalEngineering,IndianInstituteofTechnology,Kharagpur721302,IndiaReceived14July2006;receivedinrevisedform31May2007;accepted10June2007Availableonline14June2007
摘要:
本文建立在三输入四输出变量模糊集的控制器基础之上对模糊PID控制器的解析。
该结构是基于对输入/输出为,L隶属度函数,代数积三角形准则、有界和三角形准则,Mamdami最小推理方式,中值法反模糊方式之上得出的。
文中的有界输入/输出稳定性的条件是基于小增益定理。
最后,以两个数值例子及其仿真结果来论证了最简模糊PID控制器的可行性和有效性。
1.介绍:
由于传统PID控制器的简易性,鲁棒性好,对线性系统控制有效等优点,许多的工业控制仍采用这种控制方法。
本文图1给出了两种不同配置的PID控制器。
但由于其为线性结构,如果系统为高阶大时滞系统,非线性系统,没有精确数学模型的复杂模糊系统或是具有多个不确定因素的系统,传统的PID控制方法就无法非常有效地对其进行控制。
上个世纪90年代之前,大多数的模糊系统研究侧重在应用领域,而非理论研究。
直至1990年,研究人员才开始对模糊控制器进行结构解析及稳定性分析。
并如其他传统控制理论,针对一个对象,建立了模糊理论体系。
从模糊PI及模糊PD控制器与其对应传统控制器对上述复杂系统的控制结果的比较可看出其优越性。
由于模糊PI控制器比模糊PD控制器具有更好的优越性,模糊PD控制算法无法消除稳态误差。
但是,模糊PI控制器由于其自身的积分操作,在高阶系统时,并不能得到很好的控制效果。
为了提高上述的所有性能,本文提出了模糊PID控制器。
本文提出了一种基于常规控制器,与模糊逻辑控制器相结合的增量式控制器。
该控制器是将常规PID控制器的参数加上模糊逻辑整定得到的参数的增量式模糊PID控制器。
BIBO稳定性的充分条件是小增益定理。
事实上,在[1]一书中,对模糊控制系统有过深刻的分析,该书针对Mamdami型和Takagi-Sugeno型的模糊模型提出过多种分析法。
[1]中给出了一种使用线性矩阵不等式法分析、设计模糊控制系统的详细方法,用以处理Takagi-Sugeno型模糊模型的系统。
本文提出一种基于图1配置1的新型模糊PID控制器结构。
为了能够在线调节模糊控制器参数,文章提出了一种基于峰值观测器的参数自适应算法。
提出二级调整策略,做法如下:
首先,在大前提下建立模糊比例、积分、微分增益和量化因子的关系,然后,再最优调节该控制参数。
如配置1的模糊PID控制,是基于最小值推理机和算术平均法反模糊化的控制器。
为了得到更好的暂态,稳态性能,提出了一种基于函数调节的自适应方法用来在线调整模糊逻辑控制器的量化因子。
将模糊PI控制器和模糊PD控制器结合得到模糊PID控制器如图1配置2。
其理论基础为结合PD和PI两种控制。
给出了一种基于增益欲度规格和相位欲度规格的调整方式,用以确定模糊PID控制器的参数。
并且BIBO稳定性的充分条件也已经确定。
多种比例,积分,微分模糊逻辑控制器的分解形式(如模糊P+模糊I+模糊D,模糊PD+模糊I,模糊PI+常规D形式,模糊P+常规ID形式,模糊PI+模糊PD形式)在文中都得到测试和比较。
为了得到简单的结构,模糊PID中的比例,积分,微分部分均基于PID中的比例,积分,微分的规则确定。
通过基于隶属度函数推理方法,能够系统的学习模糊PID控制器。
该控制器的分析具有5个评定准则:
控制作用组成,输出耦合,增益相关性,增益作用交换,规则/参数增长。
Mizumoto已经证明PID控制器能够利用模糊控制方法如product-sum-gravity原理得到参数(代数积三角形规范,Larsen积推理法,有界和三角形准则和重心反模糊法),以及简化模糊推理规则的方法(模糊集为连续相同论域的情况下。
)然而,当系统给定的复杂推理结果为非线性形式时,则min-max-gravity方式无法建立并简化其模糊推理形式来的到PID控制器。
但是product-sum-gravity方式能够建立该推理,并能在原先模糊规则的基础上扩展隶属度函数来简化模糊推理规则。
本文的目的是:
解析基于代数积三角形准则、有界和三角形准则,输入输出为,L隶属度函数、非线性控制规则,Mamdami最小推理方式,中值法反模糊方式的控制器;分析和给出模糊PID控制系统的BIBO稳定性的充分条件。
最后,分析并讨论了模糊PID控制器相比于PID控制器的优越性。
并给出了两个仿真结果。
本文有一下章节组成,第二章论述了典型模糊PID控制器的基本组成部分;第三章则给出了模糊PID的结构分析;第四章是关于模糊PID控制系统的BIBO稳定分析;第五章是关于模糊PID控制器的设计研究;而第六章则给出了仿真结构,第七部分为结论总结。
图1.PID控制器(a).配置1(b).配置2(c).配置3
2.模糊PID控制器的组成
增量控制信号由离散时间PID控制器(式11)产生
(1)
其中,各代表数字PID控制器的比例积分微分参数。
速度,位移和加速度有下式(2~4)得到:
(3)
(4)
(2)
是由得到的误差信号,是输入给定信号,为系统输出,T为采样周期。
离散时间位移速度,当t=kT时,与前一时刻的误差的差异得到、如式
(2)、(4)所示。
式
(1)速度算法在数字PID控制器中应用非常广泛。
基于图1配置3的模糊PID结构(图2)有下面几个部分组成。
2.1量化因子
模糊逻辑控制器的输入变量可以乘以一个正则化因子映射到区间上,各为d,v,a,u的正则化因子,反标准化因子将标准输出映射回物理输出域。
为的倒数,称为反标准化因子。
这些量化因子相当于常规PID控制器的增益系数,
2.2模糊化
模糊化能够将控制器的输入标准化为一定值给模糊集,因此,能够启动推理机,并运用控制规则。
模糊PID控制器有3个输入:
误差信号(即位移),的一阶微分(即速度)和二阶微分(即加速度)。
这些输入均模糊化为,L隶属度函数如图3,dN,vN,aN为正则化输入。
其中,L隶属度函数如下所示:
(5)
(6)
注意:
(7)
图3输入变量的隶属度函数
该模糊控制器只有一个输出,即增量控制输出u(kT)标准输出量UN的隶属度函数如图4,常数l,L,m,M为设计者给出。
2.3控制规则库
以下规则是以图3图4输入输出模糊集得出。
R1:
IfdN=n*d&vN=n*v&aN=n*athen=O-2
R2:
IfdN=p*d&vN=n*v&aN=n*athen=O-1
R3:
IfdN=n*d&vN=n*v&aN=p*athen=O-1
R4:
IfdN=p*d&vN=n*v&aN=p*athen=O-1
R5:
IfdN=n*d&vN=p*v&aN=p*athen=O+1
R6:
IfdN=n*d&vN=p*v&aN=n*athen=O-1
R7:
IfdN=p*d&vN=p*v&aN=n*athen=O+1
R8:
IfdN=p*d&vN=p*v&aN=p*athen=O+2
其中&代表“与”操作,在这里看作代数积三角形规则,定义如下。
(8)
代表对先前规则部分的联合,i、j、k则各代表dN,vN,aN在第i、j、k个模糊集。
注意,控制规则是输出模糊集,而不是线性相关的输入模糊集。
2.4推理机
增量控制器的最终输出值是由推理机基于规则库考虑各条规则推理得出。
因此,结合各条规则,首先由式8的三角形函数得到隶属度,然后,根据Mamdami-Minimun推理法得到输出模糊集。
其中,代表代数积三角形规则操作结果。
(UN)为输出模糊集UN的隶属度函数。
参考输出模糊集(梯形)和推理输出模糊集联立于Mamdami-Minimun推理法,如图5所示。
推理模糊集的面积为,是梯形上底与下底的比值。
图4输入变量的隶属度函数
图5Mamdani最小推理图示
其详细情况见附录A,将看做01,避免两个相邻输出模糊集重叠。
3维子空间标记出三态n1.n2.n3)。
例如(10.11.18)表示了1平面的10,2平面的11,3平面的18
由于模糊PID控制器为3输入,所以我们可以将其输入的可能值联立到3维空间,点(x,y,z)在3维空间里能唯一地映射到xy-,yz-,zx-平面,所以如图6所示,各平面(各提出有20中组合,从而各状态点(dN*,vN*,aN*)能唯一地在3维子空间标记出三态(n1.n2.n3)。
例如(10.11.18)表示了1平面的10,2平面的11,3平面的18。
各个有效的单元(n1,n2,n3)根据模糊PID控制器的R
(1)~R(8)8条规律,并给出适当的控制准则。
在运用代数积三角形准则的前途下,得到各有效单元的规则,如表一所示。
3维输入空间共有20*20*20=8000个单元。
并不是8000个单元都为有效单元,相反,只有一小部分是有效的。
如果一个单元为有效单元,则当且仅当dN,vN的关系与vN,aN的关系联立后,vN>aN。
例如,单元(7.2.6)是有效单元,由于dNvN,dNaN,联立后,vNdNaN,满足关系vN>aN。
从8条控制规则可以看出,输出模糊集O-1和O+1各出现了3次。
此时必须根据模糊三角形规则联立规则{R
(2),R(4),R(6)};{R(3),R(5),R(7)}来推理出模糊集。
有界和三角形函数准则定义如下:
min{1.A(x)+B(x)}
由于模糊控制器有3个输入,并且采用代数积三角形准则,所有输出联立之和与各规则集均小于他们的和。
因此,采用有界和三角形准则的联立隶属度函数可得到:
2.5反模糊化
反模糊化模块是将模糊信息转换成确切信息。
最常用的COS法就是用于处理增量控制输出的反模糊化环节。
公式如下:
(9)
其中,A((Ri))为推理得到的模糊集与R(i)规则联立的面积。
3.结构解析
在这部分,分析采用基于对输入/输出为,L隶属度函数,代数积三角形准则、有界和三角形准则,Mamdami最小推理方式,中值法反模糊方式的模糊PID控制器的结构,我们通过在式(9)中置换推理面积A((Ri))并联系8条规则,再根据标准化输入dN,vN,aN,将多个变量归组并简化,从而得到了一下3条情况的结构解析。
(以下描述中将采样时间kT简化为K)则结构为:
Case(a):
(10)
(11)
12
13
(13)
(12)
这里
(14)
如2.4节中所定义参数l则如图3中所示。
Caseb:
一个标准输入在[-l,l]区间上,另外两个输入不在[-l,l]上,如图3.
(15)
(16)
(17)
x如表2定义。
Casec三个输入不在[-l,l]上,见图3
如(17.17.17),(18.19.18),(17.20.20)(18)
如(17.18.18),(19.19.19),(20.17.20)(19)
*3如(18.20.17)(20)
*3如(20.18.19)(21)
这里UN(K)的最大值和最小值一般是在+M和-M之间。
代表了在[0,1]上的所有制。
简言之,式20适用于。
只要在区间上,u就一直是()。
换言之,UN的值一直是-M,类似的,式(21)适用于时,根据该等式所示,UN的值一直是+M。
值得一提的是,式(20)与式(21)均与无关。
然而,关联商最大
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 模糊 PID 控制器 结果 解析 及其 稳定性 分析