毕业设计（论文）-熄焦车自动定位模糊控制器设计.doc

杭州电子科技大学本科毕业设计本科毕业设计（2007届）题 目熄焦车自动定位模糊控制器设计学 院自动化学院专 业电气工程与自动化班 级030633学 号03063307学生姓名陈涛指导教师孙曜完成日期2007年6月摘要本文针对熄焦车定位停车过程具有非线性、时变性等特点，设计了一种熄焦车自动定位模糊控制器，就其设计思想和设计方法进行了详细说明。熄焦车系统是一个较为复杂的机电系统，其精确的数学模型难于建立。理想的熄焦车系统的控制策略不仅要求能满足系统的动、静态性能，而且还能抑制各种非线性、不确定因素对系统的影响，并且无需依赖系统的精确数学模型。因此，采用古典控制理论设计的常规控制器，控制性能很难达到要求。模糊控制是基于规则的一种智能控制方式，它不依赖于被控对象的精确数学模型，特别适宜对具有非线性、时变性、强耦合性的复杂系统或过程的控制，且控制方法简单，实际效果好。针对熄焦车系统的这种特点，本文应用模糊控制策略设计出熄焦车自动定位模糊控制器。本文先对熄焦车工艺和模糊控制技术作了简介；而后介绍了模糊控制的原理与设计，并详细介绍了熄焦车自动定位模糊控制器的设计过程；最后利用SIMULINK工具箱构建了熄焦车自动定位模糊控制系统模型，对其控制性能进行了仿真研究。仿真结果表明，应用模糊控制策略所设计出的熄焦车自动定位模糊控制器具有良好的控制性能。关键词：熄焦车；自动定位；模糊控制ABSTRACTHow to design the fuzzy controller for coke-quenching vehicle automation stop control with nonlinear friction and parameter uncertainties is introduced in detail.Coke-quenching vehicle system is a very complex electromechanical system, it is difficult to establish its precise mathematical model. The control strategy for ideal coke-quenching vehicle system not only requests to meet the system's the dynamic and static performance, but also inhibits various nonlinear and uncertain factors in the system, and it does not need to rely on the system's precise mathematical model. Therefore, the control performance of the conventional controller designed with classical control theory is difficult to meet the requirements. Fuzzy control that based on the rule is a intelligent control method. It does not rely on the precise mathematical model of controlled object, especially it is suitable for the control of complex systems or process with nonlinear friction, parameter uncertainties, strong coupling, and it has simple control method and good practical effect. According to these features of coke-quenching vehicle system, this paper applies the fuzzy control strategy to design the fuzzy controller for coke-quenching vehicle automation stop control.First this paper makes a brief for the technics of coke-quenching vehicle and fuzzy control technology; Second this paper introduces principle and design of fuzzy control, meanwhile the designing process of the fuzzy controller for coke-quenching vehicle automation stop control is introduced in detail; Finally this paper constructs a model of coke-quenching vehicle automation stop fuzzy control system with SIMULINK toolbox, and its control performance is researched with SIMULINK. The simulation result show that the fuzzy controller for coke-quenching vehicle automation stop control designed with fuzzy control strategy has a good control performance.Keywords：coke-quenching vehicle；automatic stop control；fuzzy control目录1 绪论11.1 相关技术的背景知识11.1.1 熄焦车工艺背景知识11.1.2 模糊控制技术背景知识21.2 本次设计的主要内容32 模糊控制的原理与设计52.1 模糊控制系统原理及组成52.1.1 模糊控制系统原理52.1.2 模糊控制器的组成62.2 模糊控制器的设计步骤73 控制器设计93.1 模糊控制器的结构93.2 精确量的模糊化93.2.1 E、EC和U的量化论域和模糊子集的划分93.2.2 E、EC和U的隶属函数103.3 模糊控制规则的确定104 系统仿真研究124.1 利用模糊逻辑工具箱建立模糊控制器124.1.1 模糊逻辑工具箱功能简介124.1.2 模糊控制器建立的具体步骤134.2 利用SIMULINK进行仿真144.2.1 仿真模型的建立154.2.2 仿真模型介绍及参数设置164.2.3 仿真过程184.3 系统仿真结果205 结论225.1 设计工作总结225.2 改进意见22致谢23参考文献241 绪论1.1 相关技术的背景知识1.1.1 熄焦车工艺背景知识干式熄焦技术是一项国家重点支持和推广的节能环保技术，该技术能节约能源，改善环境，提高焦碳质量。干熄焦系统的生产设备为大型的移动机械设备，由交流电机驱动沿轨道运行，往返于焦炉和熄焦塔间，接收碳化室的红焦，并将其运往熄焦塔熄焦，熄焦车工艺流程如图1-1所示。启动熄焦车于指定碳化室接焦熄焦车到达预定减速位置，开始减速运行至提升机下的指定位置自动定位停车接焦完毕，熄焦车高速运行驶往熄焦塔待提升机构完成满罐提升后，熄焦车接空罐后，高速返回下一指定碳化室接红焦图1-1 熄焦车工艺流程图熄焦车所处的环境十分恶劣，且对其的控制精度及调速性能要求高，控制系统复杂。对熄焦车的运行控制是整个干熄焦生产控制系统的第一个环节，其控制系统的性能优劣直接影响生产能否顺利进行。根据熄焦车系统特点分析，结合控制要求，工艺对熄焦车自动定位停车控制的要求是设计控制系统要解决的难点问题。熄焦车为电机驱动的大型移动机械，车轮与轨道间存在非线形摩擦，熄焦车的驱动电机本质上是一个非线形的被控对象，在减速运行时电机轴上的等效转动惯量随速度的降低而不断变化，以及熄焦车拖动的是难于准确定量的大惯性负载，这些在熄焦车定位停车这一低变速运动过程中，将严重影响系统的控制性能，导致定位的不准确。另外，控制性能优良的自动定位系统不但要求有高精度的定位，而且同时要求系统具有高的运行效率，这两者存在着矛盾。为了具有高的工作效率，熄焦车从焦炉驶向提升机的过程中，以3m/s的高速(实际要求的最高运行速度）运行的时间应尽可能长，完成减速运行定位停车的时间应尽可能的短。而要达到高定位精度的要求，在系统允许的约束条件下，减速运行的时间越长，到达定位点的速度越慢，定位精度越高。为了在工程应用中解决效率与定位精度之间的矛盾，必须寻求一种优化的运行模式。目前在冶金行业中设备的定位控制大多采用简单的开环控制，在接近目标位时减速运行点动控制，再配以机械抱闸停车。这种方法实现起来简单，成本低，但存在定位不准，机械损耗大，安全性低等缺点。基于精确数学模型设计的传统控制理论方法，难以对具有非线性，强耦合和不确定因素且难于精确建模的熄焦车系统实施高品质的控制。因而采用传统控制理论设计的常规控制器，控制性能很难达到要求。因此设计出控制性能好，符合自控发展方向的熄焦车自动定位控制系统没有现成的成熟方案，必须进行深入的研究。可见设计出一套适合熄焦车大型移动机械的自动定位控制系统具有实用价值和理论意义。1.1.2 模糊控制技术背景知识传统控制理论发展到今天己非常成熟。然而，随着控制要求的不断提高，在一些复杂的控制过程中，却遇到了越来越多传统控制理论无法解决的问题。这些复杂系统往往具有如下的特点：缺乏精确的数学模型，高度的非线性，复杂的任务要求。为此人们提出了许多新型的智能控制方法，其中尤其以模糊控制便于实际应用而最为典型。自本世纪六十年代以来，现代控制理论己经在工业生产过程、军事科学以及航空航天等许多方面都得到了成功的应用。例如极小值原理可以用来解决某些最优控制问题；预测控制理论可以对大滞后过程进行有效的控制。但它们都有一个基本要求：需要建立被控对象的精确数学模型。随着科学技术的迅猛发展，各个领域对自动控制系统在控制精度、响应速度、系统稳定性与适应能力等方面的要求越来越高，所研究的对象也日益复杂。然而由于许多原因，诸如被控对象或过程的非线性、时变性、多参数间的强烈耦合、较大的随机干扰、过程机理错综复杂，各种不确定性以及现场测量手段不完善等，难以建立被控对象的精确数学模型。虽然常规自适应控制技术可以解决一些问题，但范围是有限的，因此，对于这类对象或过程就难以进行自动控制1。对于上述难以自动控制的一些生产过程，有经验的操作人员进行手动控制，却可以收到令人满意的效果。因为人脑的重要特点就是能对模糊事物进行识别与判决，看起来似乎不确切的模糊手段常常可以达到精确的目的。操作人员是通过不断的学习、积累操作经验来实现对被控对象进行控制的，这些经验包括对被控对象特征的了解、在各种情况下相应的控制策略以及性能指标判据。这些信息通常是以自然语言的形式表达的，其特点是定性的描述，所以具有模糊性。总结人的控制行为，人的手动控制决策可以用语言进行描述，总结成一系列条件语句，即控制规则。在描述控制规则的条件语句中的一些词语，如“较大”、“稍小”、“偏高”等都具有一定的模糊性，因此用模糊集合来描述这些模糊条件语句，就构成了模糊控制器。1974年英国马丹尼首先设计了模糊控制器，并用于锅炉和蒸汽机的控制，取得了成功。因此就产生了模糊控制器、模糊控制论、模糊自动控制等概念2。传统的控制是基于模型的控制，为了设计控制器必须建立系统的数学模型。利用不精确的数学模型又采用某个固定的算法，使整个控制系统置于模型框里，缺乏灵活性和应变性。由于被控对象越来越复杂，具体表现为非线性，强噪声干扰及动态突变性，复杂的信息结构等，这些复杂性都难以用精确的数学模型(微分方程或差分方程)来描述。除了上述复杂性外，往往还存在着某些不确定性，不确定性也难以用精确的数学方法加以描述。然而，对这样复杂系统的控制性能的要求越来越高，这样一来，基于精确模型的传统控制就难以解决上述复杂对象的控制问题。在这样复杂对象的控制问题面前，建立在模糊逻辑的基础上的模糊控制系统，接近于人类的思维和语言表达方式，提供了对现实世界不精确或近似知识的获取方法，能不能依靠系统的数学模型较好的模拟人的经验，解决复杂控制系统的难题是行之有效的。1.2 本次设计的主要内容熄焦车系统需要达到如下的控制要求：(1) 熄焦车可在03m/s速度范围内按工艺要求的任意速度行驶，并实现无级调速，及软起动、软停车。(2) 熄焦车完成接焦后，在2分钟之内行驶到提升机下指定位置，并完成自动定位停车，其定位精度达到10cm。(3) 系统能够实现与其它相关设备间的连锁控制和各种信息传输；能融入整个企业的管控一体化网络。要实现以上的控制要求，完成熄焦车精确定位停车控制的主要困难在于：(1) 熄焦车为大型移动机械设备，满载时每车质量约为200吨，因而它为一大惯性负载。(2) 熄焦车系统是交流电机驱动的机电系统，其精确的数学模型难于建立。(3) 熄焦车车轮与轨道间的非线性摩擦在熄焦车定位停车这一低变速运动过程中，严重影响系统控制性能。(4) 熄焦车停车定位精度要求高，且不采用机械抱闸装置。传统控制理论需要依赖于被控对象的精确数学模型，难以对具有非线性，强耦合和不确定因素的复杂系统实施有效的控制。模糊控制理论却具有许多传统控制理论无法与之比拟的优点，其中主要是：(1) 使用语言方法，可以不需要掌握过程的精确数学模型。因为对复杂的生产过程很难获取过程的精确数学模型，而语言表达方法是一种很方便的近似。(2) 对于具有一定操作经验、而非控制专业的工作者，很容易掌握模糊控制这种方法。(3) 操作人员易于通过人的自然语言进行人机界面联系，这些模糊条件语句很容易加入到过程的控制环节中。(4) 采用模糊控制，过程的动态响应品质优于常规PID控制，并对过程参数的变化具有较强的适应性。本次设计的主要内容就是应用模糊控制策略设计出熄焦车自动定位模糊控制器，并用MATLAB/SIMULINK工具箱构建出熄焦车自动定位模糊控制系统模型，对其控制性能进行仿真研究。2 模糊控制的原理与设计模糊逻辑在控制领域中的应用称为模糊控制，模糊控制是一种新的控制方法，近年来在很多工程领域得到了成功的应用。许多复杂的系统通常具有大滞后、时滞或时变、变量强耦合等特点，数学模型难以建立，采用经典控制理论与现代控制理论进行系统的分析和设计比较困难，甚至根本无法获得比较理想的运行效果。模糊控制的最大优点就是不依赖于被控对象精确的数学模型，它将操作者或专家的控制经验和知识表示成语言变量描述的控制规则，借助于模糊数学工具，利用模糊推理就可以实现对非线性对象比较满意的控制效果。从线性控制与非线性控制的角度分类，模糊控制是一种非线性控制；从控制的智能性看，模糊控制属于智能控制的范畴，适用于具有非线性、时变、滞后、不确定性的控制对象。同时模糊控制器结构简单，参数整定十分方便，因此它己经成为目前实现智能控制的一种重要而又有效的形式。2.1 模糊控制系统原理及组成2.1.1 模糊控制系统原理由于一个模糊概念可以用一个模糊集合来表示，因此模糊概念的确定问题，就可以直接转换为模糊隶属函数的求取问题。因此，对于一类缺乏精确数学模型的被控对象，可以用模糊集合的理论，人对系统的操作和控制的经验，总结成用模糊条件语句的形式写出的控制规则。经过必要的数学处理，来确定一定的推理法则，做出模糊决策，完成控制动作。最基本的模糊控制系统结构图如图2-1所示。图中R为设定值，Y为系统输出值，它们都是清晰量。图2-1 模糊控制系统结构图从图2-1可以看出，模糊控制器的输入量是系统的偏差量e，它是确定数值的清晰量，通过模糊化处理，用模糊语言变量E来描述偏差，模糊推理输出U是模糊变量，在系统中要实施控制时，模糊量U还要转化为清晰值，因此要进行清晰化处理，得到可操作的确定值，这就是模糊控制器的输出值，通过u的调整作用，使偏差e尽量小。2.1.2 模糊控制器的组成模糊控制器的基本组成如图2-2所示。图2-2 模糊控制器的基本组成它包含有模糊化接口、规则库、模糊推理、清晰化接口等部分3。输入变量是过程实测量与系统设定值之差，输出变量是系统的实时控制修正量。模糊控制的核心部分是包含语言规则的规则库和模糊推理。模糊推理就是一种模糊变换，它将输入变量模糊集变换为输出变量模糊集，实现论域的转换。1、 模糊化接口模糊化是将模糊控制器输入量的确定值转换为相应模糊语言变量值的过程，此相应语言变量均由对应的隶属度来定义。若以偏差e为输入，通过模糊化处理，用模糊语言变量E来描述偏差，若以T(E)记作E的语言值集合，则有：T(E)负大，负中，负小，零，正小，正中，正大或用其英文字头缩写表示成：过程参数的变化范围是各不相同的，为了统一到指定的T(E)论域中来，模糊化的第一个任务是进行论域变换，过程参数的实际变化范围称为基本论域。可以通过变换系数（量化因子）实现由基本论域到T(E)论域的变换。模糊化的第二个任务是求得输入对应于语言变量的隶属度。语言变量的隶属函数有两种表示方式，即离散方式和连续方式。离散方式是只取论域中的离散点（整数值）及这些点的隶属度来描述一个语言变量；连续方式将隶属度表示成论域变量的连续函数，最常见的隶属函数形式有三角形、高斯型、正态型、梯形等。2、 规则库规则库是由若干条模糊语言控制规则所组成的，这些控制规则可以来自于现场操作人员或专家等，是对过程操作的经验性总结，规则库中的控制规则可以用语言规则形式给出。3、 模糊推理利用模糊推理，可以由输入的模糊集合E得到输出的模糊集合U。推理是从一些模糊前提条件推导出某一结论，这些结论可能存在模糊和确定两种情况。目前模糊推理有十几种方法，大致分为直接法和间接法两类。通常把隶属函数的隶属度值视为真值进行推理的方法是直接推理法，最常用的是Mamdani的max-min合成法。4、 清晰化接口清晰化又称去模糊和解模糊。根据规则经过推理得到的是模糊集合（单点集合除外），它仍然无法被执行机构识别和执行，因此需要将模糊集合变成清晰值，这个过程称为清晰化。清晰化的方法很多，其中最简单常用的一种是最大隶属度法。2.2 模糊控制器的设计步骤在模糊控制系统中，模糊控制器是整个控制系统的核心。因为模糊控制是建立在人的经验的基础上，而这些经验不依赖于被控对象的精确数学模型。因此，在设计模糊控制器时，并不需要像设计一般数字控制器那样，必须要求得到被控对象精确的数学模型表达式，而是根据模糊控制原理进行设计。模糊控制器的设计成功与否对于模糊控制系统的性能好坏至关重要。模糊控制器的设计可以归纳为以下的步骤。1、选择合适的模糊控制器类型取决于被控对象的特性，控制要求和实现手段，即根据具体的控制问题，确定控制器的输入、输出变量。由于模糊控制器的控制规则往往是根据手动控制的大量实践经验总结出来的，因此模糊控制器的输入变量自然也可以有二个：即误差、误差的变化和误差变化的速率；而输出变量则一般选择为控制量的变化，即增量。通常将模糊控制器输入变量的个数称为模糊控制的维数。常见的模糊控制器的结构有二种形式：一维、二维和三维。从理论上讲，模糊控制器的维数越高，控制的效果也越好，但是维数高的模糊控制器实现起来相当复杂和困难。而维数低的模糊控制器，控制效果又不理想，因此，目前大都使用二维模糊控制器，即以误差E和误差变化率EC为模糊控制器的输入变量。对于多变量控制问题，通常采用模糊控制自身的解耦特性，将其转化为单变量模糊控制器结构。2、输入变量的模糊化由于模糊控制器是基于模糊集合而工作的，而控制过程中由检测装置得到的信号一般是清晰值，因此在送入模糊控制器处理之前，必须进行模糊化处理。在这个步骤中涉及到变量论域大小的选择、变量模糊子集数量以及定义相应模糊子集隶属度函数的选取。为了实际应用的方便，隶属度函数常采用三角形、梯形或者高斯形。另外，隶属度函数的形状对系统的性能也有影响，隶属度函数曲线形状较尖的模糊子集其分辨率较高，控制灵敏度也较高。相反，隶属度函数曲线形状较缓，控制特性也较平缓，系统稳定性较好。因此，在选择隶属度函数时，可以在误差较大的区域采用低分辨率的模糊子集，在误差较小的区域采用较高分辨率的模糊子集，当误差接近于零时，选用高分辨率的模糊子集。3、设计模糊控制规则集规则集是决定模糊控制器性能的关键因素，一般是根据经验来设计，或是用模糊聚类分析方法由控制器的已有输入输出样本中自动提取。模糊控制规则是决定模糊控制器动态行为的关键部分，常用的获取模糊控制规则的方法有基于专家的经验法、基于数据的合成法等。具体的设计内容一般包括以下三部分：(1) 选择描述输入输出变量的词集：一般要求词集中词汇少，并且利用这些词汇又可以对各种自然现象进行准确的描述。(2) 定义各模糊变量的模糊子集：由干模糊变量没有明确的外延，如何用具体的数据来刻画一个模糊变量的性质，这就是模糊子集的确定问题。对模糊子集的理想要求是必须客观地反映实际情况。(3) 建立模糊控制器的控制规则：模糊控制规则应该是人们在手动控制过程中经过长期操作实践，不断修正完善后的一套行之有效的控制策略。4、选择模糊推理方法常用的模糊推理方法有Zadeh-Mamdani的最大-最小法，乘积-最大法等。5、输出变量的解模糊化由于经过模糊推理输出得到的是模糊集合，而目前的执行机构只能接受清晰值，因此相应地在模糊推理输出到执行机构之间还必须加上解模糊化环节。常用的解模糊化方法有最大隶属度法、面积重心判决法、加权平均判别法等。上面对模糊集合理论、模糊控制原理进行了描述，并对模糊控制器的组成和设计步骤进行了阐述。为下文的具体设计奠定了理论基础。3 控制器设计3.1 模糊控制器的结构本系统设计的模糊控制器为二维模糊控制器，采用二维的输入变量即使用误差E和误差的变化率EC,其结构如图3-1。图3-1模糊控制器结构图控制器的输入值为熄焦车期望位置sr与实际位置s相减得到的位置误差e=sr-s，以及该位置误差的变化率ec，输出变量为速度指令修正量u。输入变量经模糊量化后对应的语言变量为E和EC，经模糊推理得到的输出语言变量为U，语言变量U经反模糊化可得到模糊控制器输出的精确控制量u，即速度指令修正量u4。3.2 精确量的模糊化3.2.1 E、EC和U的量化论域和模糊子集的划分根据本系统的实际性质和要求，对E、EC和U的模糊语言描述（模糊子集）定义如下。E、EC和U的论域划分为13个等级，即为：E、EC和U的语言值模糊子集如下：式中：NB，NM，NS，ZE，PS，PM，PB分别为负大，负中，负小，零，正小，正中，正大。3.2.2 E、EC和U的隶属函数语言变量的模糊子集通过隶属度函数来定义，根据实际系统可写出输入变量和输出变量各档的隶属函数。隶属函数的形状越陡，分辨率越高，控制灵敏度也越高；相反，隶属函数的变化越缓慢，则控制特性也较平缓，系统的稳定性较好。不同系统中，模糊子集的隶属函数是不同的，要根据实际情况和实践经验而定。本系统中E、EC和U所选择的隶属函数相同，均为三角形分布，这主要是因为三角形隶属函数计算比较简单，控制系统的实时性比曲线形隶属函数要好。选取的各语言变量的隶属度函数如图3-2所示。图3-2 语言变量的隶属度函数3.3 模糊控制规则的确定模糊控制的核心是模糊控制规则的建立，模糊控制规则的实质是把操作者的经验加以总结，并将在控制过程中由经验得来的相应措施总结成一条条控制规则。在得到输入偏差量E，偏差变化率EC和控制量U的模糊集后，就可以利用“若E且EC，则U”的控制规则进行模糊控制器的建立。这种控制规则是总结人们的操作经验和思维过程，根据测得的偏差和偏差变化率，来判断应该施加的控制量。其设计规则是当误差较大时，控制量的变化应尽力使误差迅速减少。当误差较小时，应该考虑消除误差和保证系统的稳定性，防止产生超调和振荡。根据系统的性能指标，将操作员的控制经验加以总结，构造如下的模糊控制器控制规则：If E=PB and EC=PB，then U=PB If E=PB and EC=PM，then U=PBIf E=PB and EC=PS，then U=PBIf E=PB and EC=ZE，then U=PBIf E=NB and EC=ZE，then U=NB If E=NB and EC=NS，then U=NM If E=NB and EC=NM，then U=NBIf E=NB and EC=NB，then U=NB归纳总结所有的控制规则得到控制规则表，由于每个输入的语言变量分成七级，共有49条控制规则，如表3-1所示。表3-1 模糊控制规则表控制量U误差变化率ECPBPMPSZENSNMNB位置误差EPBPBPBPBPBPMNMPMPMPBPMPMPMPSNSPSPSPMPMPSPSZENSNMZEPMPSZEZENSNMNSNSPMPSZENSNSNMNMNMNMNSNSNMNSNMNBNBNMNMNBNBNMNBNB该表总结出一个完整的控制策略，表中每项对应一条模糊条件推理语句。每一条模糊条件推理语句，对应一个模糊关系：R = E×EC×U。按上式即可计算出每一条模糊条件推理语句所对应的一个模糊关系矩阵R1，R2，Rn，将所有的模糊关系矩阵求并集运算，即：R = R1R2Rn，即可求出总的模糊关系R。在计算出总的模糊关系R后，在输入已知的条件下，输出由这个总控制规则的模糊关系确定，例如当有任意输入偏差E1和偏差变化率EC1时，用推理合成原理即可算出相应的控制量U1：U1 = E1×EC1×R5。至此，模糊控制器的理论设计部分完成。4 系统仿真研究用Matlab7.1的Fuzzy Logic工具箱，SimPowerSystem工具箱及其附带的仿真软件Simulink对所设计的控制器性能进行仿真研究。系统仿真结构框图如图4-1所示。图4-1 系统仿真结构框图图中Sr为减速距离设定值；Vr为速度给定；u为速度给定修正量；Vt为输出速度指令；V为熄焦车实际运行速度；S为熄焦车实际位移；Fe为电机输出力矩；Ff为摩擦力；F为熄焦车驱动力矩。4.1 利用模糊逻辑工具箱建立模糊控制器MATLAB的模糊逻辑工具箱提供了两种方式来建立模糊逻辑控制系统，即命令行方式和用户图形界面方式。两种方式都可以完成同样的功能，但后一种方式更加直观和方便，因而比较常用，在此采用图形界面方式6。4.1.1 模糊逻辑工具箱功能简介在用户图形界面方式下，模糊逻辑工具箱提供了五个基本的交互式图形界面来设计和完成模糊控制器，它们分别为7：(1) 模糊推理系统编辑器(FIS Editor)，该编辑器用于设计和显示模糊推理系统的一些基本信息与参数，如推理系统的名称，输入、输出变量的个数与名称，模糊推理系统的类型，解模糊方法等。其中，模糊推理系统可以采用Mamdani或Sugeno两种类型，解模糊方法有最大隶属度法、中位数法、加权平均法等几种。(2) 隶属函数编辑器(Membership Function Editor)，该编辑器提供了一个友好的人机图形交互环境，用来设计和修改模糊推理系统中各语言变量对应的隶属函数的相关参数，如隶属函数的形状、范围，以及论域大小等。系统提供的隶属函数有三角形、梯形、高斯形、钟形等多种，也可由用户自行定义。(3) 模糊规则编辑器(Rule Editor)，通过该编辑器来设计和修改“If.Then”形式的模糊控制规则。由该编辑器进行模糊控制规则的设计非常方便，它将输入量的各语言变量自动匹配，而设计者只需通过交互式的图形环境选择相应的输出语言变量，这就大大简化了规则的设计和修改。另外，还可为每条规则选择权重，以便进行规则的优化。(4) 规则查看器(Rule Viewer)，该查看器用于显示各条模糊控制规则对应的输入量和输出量的隶属函数。通过指定输入量，可以直观地显示所采用的控制规则以及通过模糊推理得到的相应输出量的过程，以便对模糊规则进行修改和优化。(5) 表面查看器(Surface Viewer)，该查看器用于显示输入、轴出量对应的表面空间，并可改变各轴对应的变量及观察的视角，便于用户对设计的模糊推理系统进行修改和优化。以上这些图形界面工具所完成的功能，也可以通过命令行形式完成，如用addmf命令添加隶属函数，evalfis命令可以进行模糊推理运算，gensurf命令用于显示输出表面空间等。4.1.2 模糊控制器建立的具体步骤在MATLAB环境下，可以直接在命令窗口(Command Window)中输入Fuzzy命令开始模糊控制器的建立。在弹出的FIS Editor的文件菜单中选择Mamdani创建一个新的模糊控制器模型，然后就可以假设模糊语言变量。FIS Editor中缺省已经创建了1个输入和1个输出，模糊控制器中还需要1个输入。因此，在Edit菜单中选择Add Input添加1个输入，FIS Editor会相应地在下面显示出1个新的输入示意图。然后，只要选中输入、输出的示意图，并在FIS Editor右下方的Name文本框输入相应地变量名称，便给模糊控制器定义了输入、输出。之后，要为控制器的输入输出设定隶属函数。如给语言变量E添加隶属函数。首先在FIS Editor中双击对应的示意图，然后在弹出的Membership Function Editor窗口的Edit菜单中选择Add MFs.，给E添加隶属函数。在弹出的隶属函数对话框中选择函数类型、函数个数，这里选择trimf类型，E分7档，故函数个数选7个，此时，窗口右面的plot区域画出了用缺省参数确定的隶属函数图形。将隶属函数的名称和参数加以修改，使它与前面所设定的语言变量各级保持一致，并能充分反映人工控制该对象的时候积累下来的经验。修改的方法是，在plot区域中用鼠标选中待修改的隶属函数曲线。此时窗口左下方的Current Variable区域会显示当前语言变量的名称和标定区间范围，可以修改它以满足需要，在此将之修改为-6，6区间。窗口的右下方Current Membership Function区域则显示当前隶属函数的相关信息，如名称、类型、参数等。使用该方法将所有输入、输出的隶属函数都按要求设定。确定了隶属函数后，就应该设置模糊控制器的模糊控制规则了。在FIS Editor中双点模糊控制器示意图，便进入了Rule Editor，按照表1给出的模糊控制规则输入所有的控制规则，输入规则时可以按照if.then.的格式输入，输入完成后，按Ctrl+Enter键进行语法检查，如果输入无误，则在Editor中显示出来。在本控制器中，共有49条控制规则，模糊决策采用Mamdani的max-min型推理算法，解模糊有重心法、等分法、最大隶属度平均法等五种可供选择，在此采用重心法(centroid)。建立的控制规则对应的模糊控制器可以用规则查看器和表面查看器显示其输入、输出量的对应关系，由此进行修改和优化。只要在上面用到的几个窗口中任意一个的View菜单下选择Rules或Surface菜单项，就会显示输入、输出对应关系的效果图。在表面浏览器中得到的模糊控制器的输入、输出关系曲面图如图4-2所示。显然模糊控制是一种非线性控制，可以选择绘制曲面时计算的点的点数，点数越多，显示的曲面形状越光滑，但这个点数只是显示时用，控制器的控制效果与之无关8。图4-2 模糊控制器输入输出关系曲面图最后将设计好的模糊控制器保存在一个后缀名为fis的数据文件中，取文件名为flc，这样就利用模糊逻辑工具箱建立了F1S型文件，再建立一个名为flc.m的M文件，其内容为：flc=readfis(flc.fis)。至此就完成了FIS型文件同SIMULINK的连接，为下一步的系统仿真打下了基础。4.2 利用SIMULINK进行仿真Simulink是MathWorks公司为MATLAB提供的控制系统模型输入与仿真工具，它支持连续、离散及两者混合的线性和非线性系统，包含多个子模型库，每个子模型库中又包含多个功能模块。利用该软件可以在模型窗口上画出所需的控制系统模型，然后利用SIMULINK提供的各种仿真功能来对系统进行仿真或线性化分析，这种方框图式的建模方法很容易将一个复杂系统的数学模型输入到计算机中9。4.2.1 仿真模型的建立 进入MATLAB环境后，可以通过主窗口工具条上的New Simulink Model按钮来新建一个模型并打开相应的模型库，也可以通过键入Simulink命令实现。然后，利用鼠标找出模型库中与设计的系统模型相对应的模块，如信号源、输出、传递函数、各种线性、非线性环节、子系统等，拖到新模型窗口中，用线连接起来，便可在模型窗口上得到所需的控制系统模型图。在SIMULINK环境下，建立的熄焦车自动定位模糊控制系统仿真模型图4-3所示。图4-3 熄焦车自动定位模糊控制系统仿真模型系统仿真模型中的矢量控制模块如图4-4所示。图4-4 矢量控制模块4.2.2 仿真模型介绍及参数设置系统仿真模型主要包括模糊控制器模块、熄焦车传动子系统模型模块、矢量控制模块、负载转矩单元模块、坐标变换模块以及一些输入模块和限幅模块等。熄焦车传动子系统模型是应用Matlab7.1的SimPowerSystem工具箱提供的AC Motor Drive-Vector Control模型改造而成，作为其核心元件的异步电动机采用基于静止两相坐标系的五阶模型10。交流电机矢量控制模块如图4-4所示，其控制原理为11：磁链给定Phir*为固定值，经Id*计算电路得到定子电流励磁分量给定值Id*。*与电机反馈转速相比较后，经过转速调节器(speed controller)输出转矩信号Te*，由Te*信号计算得到Iq*。有了Id*和Iq*后，经“同步旋转d-q坐标系”到“静止a-b-c坐标系”的坐标变换，得到定子三相电流的给定值，与电机反馈三相电流相比较，经过滞环比较器，输出控制信号去控制逆变器中IGBT的通断。参考Stribeck摩擦模型12，应用系统实际力矩-速度测试曲线，设计了用于仿真实