智能控制与应用实验报告模糊控制器设计对象模型建立实验内容考虑一个单连杆机器人控制系统，其可以描述为:岬 0.5mgl sin(q)y q2其中M 0.5k gm 为杆的转动惯量，m 1kg 为杆的质量，l 1m 为杆长,g 9.8m/s 2，q 为杆的角位置，q 为杆的角速度,为杆的角加速度，为系统的控制输入。
实验具体要求:1. 2. 分别采用fuzzy 工具箱设计模糊控制器跟踪期望的角位置信号。
分析量化因子和比例因子对模糊控制器控制性能的影响。
3. 分析系统在模糊控制和PID 控制作用下的抗干扰能力（加噪声干扰）和抗非线性能力（加死区和饱和特性） 4. 为系统设计模糊PID 控制器。
根据公式（1），令状态量Xi =q ，x 2X1得到系统状态方程为:X i X 2X 20.5* mgl*sin( xjX i由此建立单连杆机器人的模型如图1所示。
0.5*mgl图1单连杆机器人模型三、模糊控制算法实现及仿真本次实验设计一个二维模糊控制器，令误差 E q* q，误差变化EC E，模糊控制器输出语言变量为U。
1）三个变量E、EC和U的模糊词集为：{ NB,NM,NS,ZO,PS,PM,PB模糊论域为：E 和EC {-6,-5,-4,-3,-2,-1,0, 1,2, 3, 4, 5, 6}U:{-7,-6,-5,-4,-3,-2,-1,0, 1,2, 3, 4, 5, 6, 7}2）模糊控制规则为：表表3）确定E,EC和U的控制表4）建立模糊控制表5）建立SIMULINK模型在Matlab/Simulink 中建立单连杆机器人模糊控制系统模型如图2所示:A-K 3 - =to10.8 0.6 0.4 0.2 0 510 15t/sfe gi0 踪。
统角度跟踪为图3-0.4 -0.6 -0.8 给定阶跃信号，取量化因子Ke 5,Kec 1,比例因子Ku 50，得到系统角图2单连杆机器人控制系统模型6）仿真结果给定正弦参考信号，取量化因子 Ke 5,Kec 1,比例因子Ku 50，得到系图3正弦角度跟踪由图3可知，该模糊控制器能使得单连杆机器人控制系统实现很好的角度跟 -0.2 MT.in putoutput _度跟踪为图4图4阶跃角度跟踪由图4可知，在该模糊控制器下虽然响应有一点延迟， 但还是能够很好的跟踪阶跃角度信号，而且稳态误差非常小。
四、参数对模糊控制器的影响设计一个模糊控制器除了要有一个较好的模糊控制规则外，合理的选择模糊控制器输入变量的量化因子和输出控制量的比例因子也是非常重要的。
量化因子和比例因子的大小及其不同量化因子之间大小的相对关系， 对模糊控制器的控制性能影响极大。
1）量化因子Ke 变化取Kec=1,Ku=50, Ke 分别取2,4,6,8时，观察单连杆机器人跟踪阶跃角 度参考的性能如图5所示:5t/s101 £ 0■8-70 06. 50 04 3 0 0 ■2「0 015图5 Ke 变化时系统对阶跃信号的角度跟踪由仿真结果可知，增大Ke ,可加快动态响应，提高稳态精度，但 Ke 也不能 过分增大，过大会造成系统超调甚至发散。
2）量化因子Kec取Ke=5,Ku=50, Kec 分别取,,,时，观察单连杆机器人跟踪阶跃角度参考的性能如图6所示：d^r/prana5t/s10 158 7 6 o o o 5 4 0 0 -3-2「0 0 0■d ar/ Argna1015t/s4inputKec=O.：Kec=O? Kec=OJ图6 Kec 变化对阶跃信号的角度跟踪由仿真结果知，增大Kec,减弱了系统动态响应超调，但使系统的响应 速度变慢，同时也降低了系统的稳态精度。
3）比例因子Ku 变化取Ke=5,Kec=1，Ku 分别取20,40,60,80时，观察单连杆机器人跟踪阶 跃角度参考的性能如图7、图8所示：in put Ku=20Ku=40Ku=60 Ku=800.60.40.210t/s图7 Ku 变化时角度跟踪动态响应性能图---------- i nput ---------- K u=20 ---------- K u=40 ---------- K u=60 ---------- K u=800.942.42.52.62.72.8 2.933.13.2t/s图8 Ku 变化时角度跟踪稳态响应性能图由仿真结果可知，Ku 选择过小会使系统动态响应过程变长。
增大 Ku, 相当于减弱了系统阻尼，可加快动态响应，同时提升稳态精度，作用和 Ke相似，过大可能会导致系统震荡。
但不管以上三种参数如何变化，模糊控制下的单连杆机器人系统的角度 跟踪始终存在静差，这与模糊控制中不存在积分项有关。
0.81597五、模糊控制和PID控制性能比较为了比较模糊控制和PID控制器对非线性系统的控制效果，建立如下所示的系统框图。
图9模糊控制结构图图10 PID控制结构图选定模糊控制器参数为Ke=5,Kec=1,Ku=50;PID控制器参数为Kp=100,Ki=50,Kd=30。
1）输入参考信号为阶跃时，两者的角度跟踪响应为：1.21 0.8d 0.6 re g 0.40.2 0 -0.2 0510 15t/s图11、PID 和模糊控制阶跃角度跟踪性能比较由图11可以看出，对于阶跃信号参考输入，单连杆机器人系统在 PID控制下作用效果优于模糊控制，主要体现在动态响应时， PID 控制器快于模糊控制器。
2）输入参考信号为正弦时，角度跟踪为：从图12中可以看出，对于正弦输入参考，PID 控制效果反而不如模糊 控制，PID 控制较模糊控制下的响应存在较大的滞后。
3）阶跃输入下，反馈加入噪声--------- input----------- fuzzy ---------pid0 510 15t/s图12、PID 和模糊控制正弦角度跟踪性能比较5 -0dau//rona0.2 * -=、，1—-0.2 ------------------------------------ [ ----------------------------------- c ---------------------------------- -0 5 1015t/s图13噪声干扰对比在PID 和模糊控制参数不变的情况下，加入噪声干扰，由图 13可知,模糊控制抗干扰能力优于PID 。
4）阶跃输入下，控制信号加入非线性因素（死区和饱和）控制电压输出部分加入的死区和饱和如图14所示：得到模糊控制和PID 控制下，系统角度跟踪信号为图151.2■86 40 0 0 d^r/prana图14死区和饱和信号图15非线性干扰下对比由上图可知，在系统控制输入加入非线性干扰后， 模糊控制能够较好地 抑制系统非线性因素，而PI 控制此时已震荡发散，控制性能严重下降。
六、模糊PID 控制器利用模糊控制器控制单连杆机器人角度跟踪时，由于控制器不存在积分 项，稳态响应容易出现静差，因此，可在模糊控制的基础上并联一个积分控 制器，消除稳态静差。
而当误差较大时，积分器容易出现饱和现象，以致引 起超调。
为优化积分项，可以将模糊控制与积分器结合，通过误差大小控制 积分参数的大小，避免积分溢出，优化系统性能。
模糊积分器的具体规则为：当误差绝对值较大时，为防止超调， Ki 取较小值；当误差绝对值中等或较小时，为保证稳态性能，可适当加大Ki 值。
由以上分析可知，在上述模糊控制器的基础上，再并联一个模糊积分器，即以固定积分参数值Ki 为基准，加入模糊Ki 值的变化量 Ki ，作为新的积 分参数。
其中，Ki 的模糊控制规则表如下所示：1.4d^r/prana2 18 155t/s10表2 Ki规则表加入模糊积分器后的系统控制框图如图16所示，即使用模糊规则对Ki 参数在线调节：图16模糊积分器及系统控制框图输入一个阶跃参考信号，得到角度跟踪响应，和单模糊控制以及模糊并联积分器两种控制方法相比较，得图17和图18：1.40 0510t/s图17角度跟踪动态响应比较in put fuzzy pid fuzzy-pid10.9980.996 0.9940.992 0.99 0.98814.78 14.8 14.82 14.84 14.86 14.88 14.9 14.92 14.94 14.96 14.98t/s图18角度跟踪稳态响应比较由图18的稳态响应图可以看出，PID 控制和模糊控制器都存在较明显 的稳态静差，并联了一个积分器后，出现超调情况，但长时间响应后最终能 消除静差。
而对并联的积分器做出改善，即加入模糊积分器后，角度跟踪既 没有出现超调，也很快地消除了稳态静差。
因此并联模糊积分器之后能够很 好的改善系统性能。
151.008 1.006 1.0041.002dpr^elona0.2>1in put fuzzy pid fuzzy-pid8 6 a a d^r/prana4 a七、总结经典PID控制原理和现代控制原理的共同特点是：控制器设计必须建立在被控对象的精确建模上。
没有精确的数学模型，控制器的控制效果及精度将受到很大的制约。
但在现实生活中，大多数系统具有非线性、时变、大延迟等特点，很难建立精确的数学模型。
因此经典控制原理和现代控制原理都很难实现对这种系统的精确控制。
而模糊控制作为一种智能控制算法，与传统PID控制相比，表现出了它的优越性，如对模型的低依赖性、抗非线性能力、抗干扰能力等等。
为进一步优化模糊控制器性能，常常在模糊控制的基础上，加入传统的PID控制器做微调，这样便可消除模糊控制器存在的稳态静差的缺点。
随着计算机技术和电子科技的不断发展，相信模糊控制将会得到越来越广泛的应用。