模糊PID控制方法及其仿真研究(5)

系统输出对干扰信号敏感   减小Ki
根据上面所述的模糊控制规则，采用如下的PID参数的调节规则，如表所示。
                     表2 模糊 PID控制器模糊逻辑
NB   PB   PB   PM   PM   PS   ZO   ZO
NM   PB   PB   PM   PS   PS   ZO   NS
NS   PM   PM   PM   PS   ZO   NS   NS
ZO   PM   PM   PS   ZO   NS   NM   NM
PS   PS   PS   ZO   NS   NS   NM   NM
PM   PS   ZO   NS   NM   NM   NM   NB
PB   ZO   ZO   NM   NM   NM   NB   NB
    PID控制三个参数模糊规则库建立好后，我们就可以根据模糊PID控制理论进行参数自调整,将系统的误差e、误差变化率ec变化的范围定义成模糊上论域：
　　e,ec=｛-3，-2，-1，0，1，2，3｝
在模糊PID控制规律中：值取“负大”（NB），“负中”（NM），“负小”（NS），“零”（ZO），“正小”（PS），“正中”（PM），“正大”（PB）共7个值。它们的隶属度函数都是三角形每个值所取的范围宽度都相等。
3. 模糊PID逻辑推理及系统仿真
3.1 模糊逻辑及推理
从经典集合论可以见出，一个失误a要么就属于集合A，要么就不属于集合A，没有其他属于关系[9]。现代科学与工程应用中教授提出的模糊集合理论越来越被广泛接受，亦即某一事物a以一定程度属于集合A,该思想是模糊PID集合的基础。这样的属于程度又被称为“隶属度”。隶属函数序号：第m+n+1表示为输出的加权系数，而最后一个元素表示为输入信号的逻辑关系，其中1表示逻辑“与”2表示逻辑“或”。我们通过模糊推理可以得出模糊输出变量op，这个模糊量可以通过指定算法进行精确化，也可以称为解模糊化。解模糊化过程实际上其实就是模糊化过程的逆运算，可以由 ()函数求取，人们常用解模糊化算法包括：最大隶属度平均能算法、中位数法等。
3.2 设计模糊PID控制器
    设计模糊控制器不仅能够解决模糊控制论中大量矩阵运算的问题，同时也提供强有力的工具箱支持。Matlab是目前模糊PID控制系统计算机辅助设计最为有效的工具[4]。而且Matlab中还嵌入了模糊控制系统模型输入与仿真工具Simulink。Simulink具有建模简单直观、功能强大、界面友好、动态修改系统参数等优点，是动态建模和仿真方面应用最广泛应用的软件包。利用Matlab中的模糊PID推理系统工具箱来设计模糊控制器[10,11]，具体步骤如下：
(1)定义输入和输出变量及变量模糊化条件中：在Matlab中键入“Fuzzy”命令然后进入模糊逻辑编辑器，FILE下建立型模糊PID控制器，EDIT菜单添加输入输出设定一个两入一出的控制器结构，将系统的偏差和偏差变化设为输入，而控制量设为输出。并在输入、输出的图标下输入Membership Function Editor隶属函数，选择模糊子集个数、隶属度函数、论域范围等。模糊PID控制方法及其仿真研究(5):http://www.youerw.com/zidonghua/lunwen_1590.html