免费下载
网站简介

找论文变得更简单!

帮找论文

当前位置:

重点论文网    工科论文    自动化论文    基于MATLAB的多输入多输出系统智能解耦的仿真研究
创建时间:01-08

基于MATLAB的多输入多输出系统智能解耦的仿真研究

目  录
摘  要    I
Abstract    II
第1章   绪 论    1
1.1 多变量耦合系统理论发展历程    1
1.2 多变量系统解耦综述    2
1.2.1 传统解耦方法    3
1.2.2 自适应解耦方法    3
1.2.3 智能解耦方法    3
1.3 智能解耦综述    3
1.3.1 智能解耦的发展与现状    3
1.3.2 模糊解耦理论概述    5
1.4 论文研究的背景及研究的主要内容    6
1.5 论文的结构安排    7
第2章 模糊控制理论基础    8
2.1 模糊控制基本原理及其特点    8
2.1.1 模糊控制基本原理    8
2.1.2 模糊控制的特点    12
第3章  具有参数自调整的多变量系统自适应模糊解耦控制    14
3.1 量化因子和比例因子对系统控制性能的影响    14
3.2 多变量系统结构    15
3.3 系统设计    17
3.3.1模糊控制器和模糊自适应机构设计    17
3.3.2 量化和比例因子的调整算法    18
第4章 仿真研究    20
4.1 MATLAB简介    20
4.2 MATLAB的M文件编辑与建立    20
4.3 仿真研究    22
4.3.1 仿真对象    22
4.3.2 初始参数设置    22
4.4 仿真过程及结果分析    24
4.4.1 误差及误差变化的隶属度函数图    24
4.4.2 模糊规则表    25
4.4.3 模糊控制器的仿真程序    25
4.4.4 仿真结果及分析    26
4.5 本章小结    28
结束语    29
参考文献    30
致  谢    32

文 献 综 述
一、智能控制的产生及发展
智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出来的。而计算机科学、人工智能、信息科学、思维科学、认知科学和人工神经网络的连接机制等方面的新进展和智能机器人的工程实践,从不同的角度为智能控制的诞生奠定了必要的理论和技术基础。被控对象的复杂性表现为:模型的不确定性,高度非线性,分布式的传感器和执行器,动态突变,多时间标度,复杂的信息模式,庞大的数据量,以及严格的特性指标。
面对复杂的对象、复杂的环境和复杂的任务,用传统的控制理论和方法去解决是不可能的,这是因为:
(1)    传统的控制理论都是建立在以微分和积分为工具的精确模型之上的。迄今为止,还不存在一种直接使用工程技术用语描述系统和解决问题的方法。从工程技术用语到数字描述的映射过程中,一方面虽使问题作了很多简化,但另一方面却使原问题丢失很多信息。随着科学技术的发展,出现了很多必须建立在工程技术语言描述基础上的新型复杂系统。譬如:智能机器人或机器人,柔性和集成制造系统,包括自动车在内的自治系统,C3系统(Control,Computer,&Command),智能化通信系统以及智能化信息检索(SDI)系统等。所有这些系统具备一个十分重要的特点,即有计算机作为工具而给予支持,它会“思考”,会推理,能部分地实现人的“智能”,用传统的数学语言去分析和设计就无能为力。因此,必须寻求新的描述方法。
(2)    传统的控制理论虽然也有办法对付控制对象的不确定性和复杂性,如自适应控制和鲁棒(Robust)控制也可以克服系统中所包含的不确定性,达到优化控制的目的。但是自适应控制是以自动调节控制器的参数,使控制器与被控对象和环境达到良好的“匹配”,以削弱不确定性的影响为目标的。从本质上说,自适应和自校正控制都是通过对某些重要参数的估计,以补偿的方法来克服干扰和不确定性。它较适合于系统参数在一定范围内的慢变化情况。
     鲁棒控制则是在一定的外部干扰和内部参数作用下,以提高系统的不敏感度为宗旨来抵御不确定性的。根据这一思想和原理所导出的算法,其鲁棒的区域是有限的。
     因此,在实际应用中,尤其在工业过程控制中,由于被控对象的严重非线性,数学模型的不确定性,系统动作点变化剧烈等因素,自适应和鲁棒控制存在着难以弥补的严重缺陷,其应用的有效性受到了很大的限制,这就促使人们提供新的控制技术和方法。
(3)    传统的控制系统输入信息比较单一,而现代的复杂系统要以各种形式——视觉的、听觉的、触觉的以及直接操作的方式,将周围环境信息(图形、文字、语言、声音和传感器感知的物理量)作为系统输入,并将各种信息进行融合(Fusion)、分析和推理。它要随环境与条件的变化,相应地采取对策或行动。对这样的控制系统就要求有自适应、自学习和自组织的功能,因而需要新一代的控制理论和技术来支持。
    人们从实践中观察到人类具有很强的学习和适应周围环境的能力。有些复杂的系统,凭人的知觉和经验能很好地进行操作并达到较理想的结果。这就产生了一种仿人的控制理论和方法,形成了智能控制产生的背景。
    从20世纪60年代起,由于空间技术、计算机技术及人工智能技术的发展,控制界学者在研究自组织、自学习控制的基础上,为了提高控制系统的自学习能力,开始注意将人工智能技术与方法应用于控制中。
    1966年,J.M,Mendal首先提出将人工智能技术应用于飞船控制系统的设计;1971年,傅京逊首次提出智能控制这一概念,并归纳了3种类型的智能控制系统。
(1)    作为控制器的控制系统:人作为控制器的控制系统具有自学习、自适应和自组织的功能。
(2)    人机结合作为控制器的控制系统:机器完成需要连续进行的并需快速计算的常规控制任务,人则完成任务分配、决策、监控等任务。
(3)    无人参与的自主控制系统:为多层的智能控制系统,需要完成问题求解和规划、环境建摸、传感器信息分析和低层的反馈控制任务,如自主机器人。
     1985年8月,IEEE在美国纽约召开了第一届智能控制学术讨论会,随后成立了IEEE智能控制专业委员会;1987年1月,在美国举行第一次国际智能控制大会,标志着智能控制领域的形成。
    近年来,神经网络、模糊数学、专家系统、进化论等各门学科的发展给智能控制注入了巨大的活力,由此产生了各种智能控制方法。智能控制的几个重要分支为专家控制、模糊控制、神经网络控制和遗传算法。
二、解耦控制的发展概况
随着工业的发展,生产规模的越来越复杂,在一个生产过程中,需要控制的变量及操作变量常不止一对,而且这些变量之间常以这种或那种形式相关联着,即耦合。控制对象存在耦合,就会降低控制系统的调节品质,耦合严重时会使系统无法投入运行,因此对解耦理论的讨论是很有意义的。解耦思想最初狭义的提法是不相干控制原理。它是由Boksenbom(1949),Hood和钱学森(1954)首先提出的。他们最先将矩阵分析法应用于多变量控制系统分析,并且提出了不相干控制的巧妙构思,他们讨论的问题是一个关于飞行器控制的问题,即如何通过分别控制燃料和推进器叶片角度来控制飞机发动机的速度与功率,并使两个控制系统互不相干。解耦控制是多变量系统控制中的有效手段,其实质是把一个具有耦合的多输入多输出控制系统,通过选择适当的补偿器,把耦合限制在一定程度或者解耦为多个独立的单输入单输出系统。也就是讨论采取何种措施,能够把一个有耦合影响的多变量过程,化成为一个无耦合的单变量过程来处理;或者经过理论分析与判断,可以由根据地允许一定耦合影响的存在。假如能够做到这一点,则解除耦合以后的系统,或者有根据的允许一定耦合存在的系统,就可以用我们熟知的单变量系统理论来处理。
经典解耦理论主要是包括两大系列的解耦方法,其一是围绕Morgan问题的状态空间法,这种方法是基于精确对消的全解耦方法,其主要缺陷是遇到被控对象的任何一点摄动,都会导致解耦性的破坏。Morgan问题的研究大体分为两个阶段:第一阶段从1964年到1982年,讨论m=r(m为输入变量的个数,r为输出变量的个数)的情况;第二阶段从1982年至今,讨论m>r的情况;其二是以Rosenbrock为代表的现代频域法,其设计目标是被控对象的对角优势化而非对角化,从而可以在很大程度上避免全解耦方法的缺陷,是一种近似解耦法。考虑到不确定性在实际工业过程中的广泛存在,已有学者在解耦中考虑了不确定性因素的影响,但由于不确定性系统的全解耦实际上存在可能性方面的问题,因此Morgan方法在处理这些问题时自然是困难重重。Rosenbrock方法由于其本身的近似解耦特性,很容易推广到不确定性系统的解耦控制问题中。然而它们的共同点是需要被控对象的精确数学模型,这就是导致了控制系统对参数变化十分敏感,而实际生产过程数学模型难以建立,且有些生产过程参数具有时变,非线性的特点,这就限制了经典解耦理论的应用,所以提高解耦控制器的鲁棒性成为提高系统控制品质的重要方面。
三、模糊、神经网络、模糊神经网络控制
模糊控制是建立在模糊集合和模糊逻辑的基础上的,它的诞生是以L.A.Zadeh在1965年提出模糊集理论为标记的。自从1974年E.H.Mandani首先利用模糊数学理论进行蒸汽机和锅炉控制方面的研究成功以后,模糊控制的研究和应用就一直十分活跃。它的价值可从两个方面来考虑。一方面,模糊控制提出了一种新的机制用于实现基于知识(规则)甚至语义描述的控制规则。另一方面,模糊控制为非线性控制器提出了一个比较容易的设计方法,尤其是当受控装置(对象或过程)含有不确定性而且很难用常规非线性控制理论处理时,更是有效。模糊控制应用于诸如在测量数据不确切、要处理数据过大以致无法确定它们的兼容性、一些复杂可变的被控制等场合是非常合适的。改善模糊控制性能的最有效方法是优化模糊控制规则。通常情况下,模糊控制规则是通过将人的操作经验转化为模糊语言形式获取的,因此它带有相当的主观性。
神经网络在控制系统中所起的作用大致可以分为四大类:第一类是基于模型的各种控制结构中充当对象的模型;第二类是充当控制器;第三类是在控制系统中起优化计算的作用;第四类是与其它智能控制如专家系统、模糊控制相结合为其提供非参数化对象模型、推理模型等。
模糊神经网络控制:模糊神经网络的结构有基于标准模糊模型的模糊神经网络和基于T-S模糊模型的模糊神经网络结构。
四、MATLAB的简单介绍
MATLAB(Matrix Laboratory,矩阵实验室)是美国Cleve Moler教授利用自己研制的基于特征值计算和线性代数软件包开发的一种高级语言。MATLAB的第一个商业版本(DOS版本1.0)发行于1984年。1990年推出的MATLAB 3.5是第一个可以运行于Microsoft Windows的版本,它可以在两个窗口上分别显示命令行计算结果和图形结果。稍后推出的Simulink环境首次引入基于框图的仿真功能,该环境就是我们现在所知的Simulink,其模型输入的方式使得一个复杂的控制系统的数字仿真问题变得十分直观而且相当容易。2010年10月,MATLAB 6.0问世,较之以前的版本在操作界面有了很大的改观,同时给出了程序窗口、历史信息窗口和变量管理窗口。2012年6月推出的MATLAB Release13,即MATLAB 6.5/Simulink 5.0是目前的最新版本。
经过多年来版本的不断更新,新版本MATLAB的功能已经十分强大,其应用领域日益广泛,速度更快,数值性能更好;用户图形界面设计更趋合理;与C语言接口及转换的兼容性更强;新的虚拟现实工具箱更给仿真结果三维视景下的显示带来了新的解决方案。
MATLAB具有以下主要特点:
1)    超强的数值运算功能。在MATLAB里,有超过500种的数字、统计、科学及工程方面的函数可供使用,而且库函数都由本领域的专家编写,用户不必担心函数的可靠性。
2)    语法限制不严格,程序设计自由度大。例如,在MATLAB里,用户无需对矩阵预定义就可使用。
3)    程序的可移植性很好,基本上不做修改就可以在各种型号的计算机和操作系统上运行。
4)    强大的数据可视化功能。在FORTRAN和C语言里,绘图都很不容易,但在MATLAB里,数据的可视化非常简单。MATLAB还具有较强的编辑图形界面的能力。
5)    丰富的工具箱。由各学科领域内学术水平很高的专家编写的功能强劲的工具箱,使用户无需编写自己学科内的基础程序,而直接进行高、精、尖的研究。


参考文献
[1] 张化光等.多变量模糊控制的现状与发展(Ⅱ)——关于解耦、神经网络、变结构等问题,控制与决策,1995,10(4):289-295
[2] 徐承伟,吕勇哉.模糊系统的串联补偿解耦.自动化学报,1987,13(3):177-183
[3] 蔡自兴,唐少先.模糊关系系统的解耦方法.中南工业大学学报,1996,27(2):213-217
[4] 刘国荣.多变量系统模糊解耦自适应控制.控制理论与应用, 1997 ,14(2):152-156
[5] 刘国荣,万百王.一类非线形MIMO系统的直接自适应模糊鲁棒控制.控制理论与应用, 2012,19(5):693-698,
[6] 李秀改,侯媛彬.模糊神经网络在温度解耦控制中的研究与应用,现代电子技术,2010
[7] 秦斌等,基于模糊神经网络的多变量解耦控制,小型微型计算机系统,2012,23(5):561-564
[8] 李士勇,夏承光.模糊控制和智能控制理论与应用.哈尔滨工业大学出版社,1990
[9] J.M.Keller,R.R.Yager and H.Tahani,Neural network implementing of fuzzy logic,Fuzzy Sets and Syst.,vol.45,no.1,1-12,1992
[10] R.R.Yager,Implementing fuzzy logic controller using a neural network ,Fuzzy Sets and Syst.,vol.48,no.1,53-64,1992
[11] K.B.Cho and B.H.Wang,Radial basis function based adaptive fuzzy systemns,IEEE Int.Conf.Fuzzy Syst.,New Orleans,Louisiana,USA,247-252,1996
[12] 诸静等.模糊控制与应用.北京:机械工业出版社,1995
[13] 王立新,自适应模糊系统与控制.国防工业出版社,1996
[14] 程涛,左力等.基于参数在线自调整的自适应模糊控制器研究.华中理工大学学报,1996,11:22-25
[15] 林小峰.分层调整因子的模糊控制器.广西大学学报,1998,3:33-37
[16] 周万坤,朱剑英.采用均匀设计法在线优化模糊控制因子.工业控制计算机,2012,15(4):31-34
[17] 刘国荣.一种无抖动的模糊控制器.自动化与仪器仪表,vol.74,no.6,38-41,1997
[18] 邱焕耀,毛宗源.变结构模糊神经网络在交流解耦变结构系统中的应用.控制理论与应用,1999,16(5):673-676
    
 
 毕 业 设 计(论 文)开 题 报 告
2.开题报告:一、课题的目的与意义;二、课题发展现状和前景展望;三、课题主要内容和要求;四、研究方法、步骤和措施
开 题 报 告
一、课题的目的与意义:
随着工业生产的发展,生产规模的越来越复杂,在一个生产过程中,需要控制的变量及操作变量常不止一对,而且这些变量之间常以这种或那种形式相关联着,即耦合。控制对象的耦合作用会降低控制系统的调节品质,严重时会使系统无法正常运行,所以,对控制对象的解耦显得尤为重要。经典解耦理论需要被控对象的精确数学模型,控制系统对参数的变化十分敏感,而实际生产过程的数学模型难以建立,且有些生产过程参数具有时变、非线性特点,这就限制了经典解耦理论的应用。
智能解耦的出现,一定程度上较好地解决了这个问题。面对复杂的多变量耦合系统,采用多变量智能控制,可以充分利用操作人员的丰富经验,不需要事先获得准确的过程对象模型,而且智能控制系统本身就具有一定的鲁棒性,调节也比较简单,因此试图采用智能解耦控制来解决实际应用中存在的各种问题,也必然成为当今解耦控制研究的一大趋势。同时对它的研究和应用非常具有实际意义和市场价值。本课题即尝试采用智能解耦理论,对多输入多输出耦合系统实施解耦控制。
二、课题发展现状和前景展望
    面对复杂的多变量耦合系统,采用多变量智能控制,可以充分利用操作人员的丰富经验,不需要事先获得准确的过程对象模型,而且智能控制本身就具有一定的鲁棒性,调节也比较简单,因此试图采用智能解耦控制来解决实际应用中存在的各种问题,也必然成为当今解耦控制研究的一大趋势。
    智能解耦控制系统的研究尚处于发展阶段,很多结论只是理论推导,还不能进入实验室加以验证,要想进入实用阶段,更需要作出大量的基础性研究工作。不过 ,相信随着模糊逻辑处理芯片及相应硬件系统的实用化和模糊控制理论的进一步深入,模糊系统、现代控制、知识工程和神经网络等智能系统必将成为开创高级过程控制新体系的驱动力。三、课题主要内容和要求:
经典解耦系统对参数十分敏感,而许多实际的生产过程很难建立起精确的数学模型,更不说有些生产过程其参数是时变的,并且存在非线性,这就限制了经典解耦控制理论的应用。为了解决解耦控制器对参数的敏感问题,采用智能控制方法实现鲁棒解耦控制。要求采用MATLAB实现智能解耦方法,并对一具有强耦合的系统进行仿真研究。要求:
 (1)熟悉并掌握MATLAB;
 (2)采用一种智能控制方法,实现智能解耦;
(3)编写相应的MATLAB仿真程序,进行仿真实验。
四、研究方法、步骤和措施
① 熟悉并掌握MATLAB中M文件的编写;
② 研究算法,并编写算法程序;
③ 根据程序,对对象进行仿真研究;
④ 撰写毕业设计说明书。

最新论文

网站导航

热门论文