图片上下文:
|
- 婺:刂破?输入变量e的量化因子ke为6/100,输入变量ec的量化因子kc为1,输入变量u的量化因子ku为10/7,为提高系统的响应速度,在主反馈通道上增加了微分环节,经过计算与仿真实验,取kf=1/9,kdf=29.5。3.2自调整模糊控制系统动态性能仿真在仿真系统模型建立之....后,要对仿真参数进行设置,根据系统的特点选择仿真的起始时间、终止时间、仿真算法等参数,仿真曲线可通过仿真图中的“scope”看到,或通过响应输出变量的设置,将结果输出到“workspace”,使用绘图命令,将响应曲线保存在文件中。自调整模糊控制系统的阶跃响应曲线如图5。为了解自调整模糊控制系统动态性能的优劣,特设图6PID控制系统阶跃响应曲线图4自调整模糊控制仿真系统图5自调整模糊控制系统阶跃响应曲线计了PID控制系统,PID控制器采用工程整定方法中的动态特性参数法,依ITAE准则,可得PID控制器的数学模型见式(3),其阶跃响应曲线见图6。SSGSPID185.40.0054()=1.8++(3)两种控制方式的动、静态性能见表3(计算调整时间采用的误差带是±2%),从仿真结果来看,自调整模糊控制系统在快速性、稳定性以及稳态精度上均比PID控制系统好[5]。4结束语本文给出了自调整模糊控制器的设计,介绍了基于Matlab7.5的仿真方法,得到了仿真结果。仿真结果表明,自调整模糊控制在系统的动态响应过程中,其快速性与稳定性均具有较大的优势,特别适用于存在大滞后环节、数学模型不易确定的系统。另外,利用MATLAB的模糊逻辑工具箱和simulink功能进行控制系统的仿真,建模快,精度高,成本低,效果好。参考文献:[1]阎树田,张树锟,许庆鹏.模糊自适应控制器在转塔伺服系统中的仿真及应用[J].机械与电子,2011,(11):64-67.[2]李永明,史忠科.连续状态模糊控制系统的鲁棒稳定性(下转第
- >>展开全部
|