智能控制实验姓名：学号：专业:控制理论与控制工程代课老师：日期：实验目的：1、通过实验进一步了解MATLAB软件的编程环境，学习编程技巧。

2、学习搜索相关论文，提高分析论文，找寻切入点的能力。

3、学习并掌握与计算机控制系统相关的控制算法。

实验内容：1、专家PID控制系统Matlab仿真2、模糊PID控制系统Matlab仿真3、神经网络PID控制系统MATLAB仿真前言PID控制是最早发展起来的控制策略之一，在经典控制论证扮演重要角色，尽管当下各种智能控制层出不穷，由于其算法简单、鲁棒性好和可靠性高，被广泛应用于工业控制过程，尤其适用于可建立精确数学模型的确定性控制系统。

而实际工业生产过程中往往具有非线性，时变不确定性，因而难以建立精确的数学模型，应用常规PID控制器不能达到到理想的控制效果，在实际生产过程中，由于受到参数整定方法繁杂的困扰，常规PID控制器参数往往整定不良，性能欠佳，对运行工况的适应性很差。

因此常规PID控制的应用受到很大的限制和挑战。

人们对PID应用的同时，也对其进行各种改进，主要体现在两个方面：一是对常规PID本身结构的改进，即变结构PID控制。

另一方面，与模糊控制、神经网络控制和专家控制相结合，扬长避短，发挥各自的优势，形成所谓智能PID控制。

使其具有不依赖系统精确数学模型的特点，对系统参数变化具有较好的鲁棒性。

主要算法有:基于规则的智能PID 自学习控制算法、加辨识信号的智能自整定PID 控制算法、专家式智能自整定PID 控制算法、模糊PID 控制算法、基于神经网络的PID 控制算法、自适应PID 预测智能控制算法和单神经元自适应PID 智能控制等多种控制算法。

结合具体实例，借助MATLAB 软件将专家PID 、模糊PID 以及神经网络PID 的设计程序M 文件自定义为一个函数，然后设计一个GUI 图形用户界面分别调用各自函数便于对比比较，易于操作。

观察各自控制效果，并作分析。

假设一个速度控制器的传递函数为：32523500()87.3510470G s s s s =++输入信号为阶跃信号，取采样时间为1ms ，分别采用专家PID 、模糊PID 、神经网络PID 算法绘制阶跃响应曲线以及误差响应曲线。

一、实验原理：（一）、专家控制(Expert Control)的实质是基于受控对象和控制规律的各种知识，并以智能的方式利用这些知识来设计控制器。

利用专家经验来设计PID 参数便构成专家PID 控制。

基于模式识别的专家式PID 参数自整定控制器，不必要精确的辨识被控对象的数学模型，也不必要对被控过程加任何的激励信号就可以对PID 参数进行自整定。

由它构成的控制系统运行稳定、有效、可靠。

一般地，专家系统由专家知识库、数据库和逻辑推理机三个部分构成。

专家知识库中己经把熟练操作工和专家的经验和知识，构成PID 参数选择手册，它记录了各种工况下被控对象特性所对应的P 、I 、D 参数，数据库根据被控对象的输入与输出信号及给定信号提供知识库和推理机。

图1.专家PID 控制器结构框图误差及其变化，可设计专家PID 控制器，该控制器可分为以下五种情况进行设计：（1）当1M |e(k)|>时，说明误差的绝对值已经很大，不论误差变化趋势如何，都应考虑控制器的输出应按最大〔或最小)输出，以达到迅速调整误差，使误差绝对值以最大速度减小。

此时，它相当于实施开环控制。

（2）当0)(e(k )>∆k e 时，说明误差在朝误差绝对值增大方向变化，或误差为某一常值，未发生变化。

此时，如果2M |e(k)|>，说明误差也较大，可考虑由控制器实施较强的控制作用，以达到扭转误差绝对值朝减小方向变化，并迅速减小误差的绝对值。

此时，如果2M |e(k)|<，说明尽管误差朝绝对值增大方向变化，但误差绝对值本身并不很大，可考虑控制器实施一般的控制作用，只要扭转误差的变化趋势，使其初误差绝对值减小方向变化。

（3）当0)(e(k)<∆k e ，01)-(e(k)>∆k e 或0e(k)=时，说明误差的绝对值朝减小的方向变化，或者已经达到平衡状态。

此时，可考虑采取保持控制器输出不变。

（4）当0)(e (k )<∆k e ，01)-(e(k)<∆k e 时，说明误差处于极值状态。

如果此时误差的绝对值较大，可考虑实施较强的控制作用。

（5）当ε<|e(k)|时，说明误差的绝对值很小，此时加入积分，减少稳态误差假设一个速度控制器的传递函数为：32523500()87.3510470G s s s s =++输入信号为阶跃信号，取采样时间为1ms ，分别采用专家PID 控制算法，绘制阶跃响应曲线以及误差响应曲线。

（二）、模糊控制是由美国加利福尼亚大学著名教授查德(LA ．Zade)首先提出的，经过这么多年的发展，在模糊控制理论和应用研究方面均取得重大成功。

它是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的计算机智能控制，模糊PID 控制就是将PID 控制策略引入Fuzzy 控制器，构成Fuzzy —PID 复合控制，从而构成模糊PID 控制的过程。

模糊自适应PID 控制器结构，它以误差信号e(t)和误差变化de(t)／dt 作为输入，利用模糊控制规则在线对PID 参数进行修改而构成的。

如图2.模糊自适应PID 控制器结构框图可知模糊PID 控制算法以误差E 和Ec 为输入，利用模糊控制规则在线对PID 参数进行修改，以满足不同时刻的E 和Ec 对PID 参数的要求，输出为Kp ，Ki ，Kd 三个参数，以满足不同e(t)和de(t)／dt 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。

图2 模糊控制原理图该模糊推理控制系统是一个两输入三输出的形式，输入变量为E 和Ec，输出变量为Kp，Ki和Kd，其调整原则为：(1)当误差|E|较大时，为使系统具有较好的快速跟踪性能，不论误差的变化趋势如何，都应该取较大的Kp和较小的Kd，同时为避免系统响应出现较大的超调，应对积分作用加以限制，取较小的Ki值。

(2)当误差|E|处于中等大小时，为使系统响应具有较小的超调，Kp应取得小些，同时为保证系统的响应速度，Ki和Kd的大小要适中，其中Kd的取值对系统响应的影响较大。

(3)当误差|E|较小时，为保证系统具有较好的稳态性能，Kp和Ki应取得大些，同时为避免系统在设定值附近出现振荡，并考虑系统的抗干扰性能，当|E|较小时，Kd可取大些；当|E|较大时，Kd应取小些。

变量E，Ec和Kd语言值的模糊子集取为{负大，负中，负小，零，正小，正中，正大}，并简记为{NB，NM，NS，ZO，PS，PM，PB}，论域为{-3，-2，-l，0，1，2，3}。

Ki论域为{-0.06，-0.04，-0.02，0，0.02，0.04，0.06}，Kp论域为{-0.3，-0.2，-0.l，0，0.1，0.2，0.3}。

隶属函数采用三角形函数与高斯函数结合，根据对已有控制系统设计经验，得到PID三个控制参数的模糊控制规则表，见表1～3表：假设一个速度控制器的传递函数为：32523500()87.3510470G s s s s =++输入信号为阶跃信号，取采样时间为1ms ，采用模糊自征订PID 控制进行阶跃信号跟踪，在第300个采样时加入1.0的干扰；绘制阶跃响应曲线以及误差响应曲线以及个参数自整定变化曲线。

（三）、BP （Back Propagation ）神经网络是人工神经网络的一种，它不仅具有人工神经网络的特点，BP 神经网络的结构和BP 算法。

BP 算法是一种基于梯度下降而且有自己的BP 算法。

BP 网络的学习过程由正向和反向传播两部分构成：在正向传播过程中，每一层神经元的状态只影响下一层神经元结构，如果输出层不能得到期望输出，即期望输出与实际输出之间存在误差时，就转向反向传播过程，将误差信号沿着原来的路径返回，通过不断修正各层神经元的权值，逐次地向输入层传播进行计算，修改之后的权值再经过正向传播过程，将期望输出与实际输出比较。

BP 网络的学习算法的步骤归纳如下：①从训练样本集中取某一样本，把它的输入信息输入到网络中； ②由网络正向计算出各节点的输出； ③计算网络的实际输出与期望输出的误差；④从输出层起始反向计算到第一个隐层，按一定原则向减小误差方向调整网络的各个连接权值；⑤对训练样本集合中的每一个样本重复以上步骤，直到对整个训练样本集合的误差达到要求为止。

基于BP （Back Propagation ）神经网络的PID 控制系统结构如图3所示。

控制器由两部分组成：①经典的PID 控制器：直接对被控对象进行闭环控制，并且三个参数p k 、i k 、d k 为在线调整方式。

②BP 神经网络：根据系统的运行状态，调节PID 控制器的参数，以其达到某种性能指标的最优化，即使输出层神经元的输出状态对应于PID 控制器的三个可调参数p k 、i k 、d k ，通过神经网络的自身学习、加权系数调整，从而使其稳定状态对应于某种最优控制规律下的PID 的控制器参数。

图3. BP 神经网络的PID 控制系统结构 经典增量式数字PID 的控制算式为()(1)(()(1))()(()2(1)(2))p i d u k u k k e k e k k e k k e k e k e k =-+--++--+- (3-1) 式中p k 、i k 、d k 分别为比例、积分、微分系数。

将p k 、i k 、d k 视为依赖于系统运行状态的可调系数时，可将（3-1）描述为()[(1),,,,(),(1),(2)]p i d u k f u k k k k e k e k e k =--- （3-2） 式中，(.)f 是与p k 、i k 、d k 、u(k-1)、y(k)等有关的非线性函数，可以用BP 神经网络通过训练和学习找到这样一个最佳控制规律。

设被控对象的近似数学模型为：2()(1)()(1)1(1)a k yout k yout k u k yout k -=+-+-()a k 式中，系数是慢时变的，0.1k k e -a()=1.2(1-0.8) 神经网络的结构选择，学习速度η=0.28和惯性系数α=0.04，加权系数初始取区间[-0.5,0.5]上的随机数。

神经网络的结构选择4-5-3，学习速率28.0=η和惯性系数04.0=α，加权系数初始值取区间[-0.5,0.5]上的随机数。

输入指令信号为单位阶跃信号，验证其跟踪特性。

二、仿真结果与分析：(一) 专家PID 控制系统的仿真结果：选择专家控制下拉菜单分别显示结果如下,右键单击可以选择是否显示网格或者封闭box.图1-1阶跃响应曲线图1-2误差曲线根据上述仿真结果可知，专家控制使得系统的动态性能以及稳态性能达到很好效果，基本实现输出跟随输入。