Синтез нечеткого регулятора электропривода постоянного тока в среде «MatLab»
Проблема состоит в том, чтобы заставить привод точно следить за различными входными сигналами. Выработка управляющего воздействия осуществляется нечетким регулятором, в котором структурно можно выделить следующие функциональные блоки: фаззификатор, блок правил и дефаззификатор.
Рис.4 Обобщенная функциональная схема системы с двумя лингвистическими переменными.
Рис.5 Принципиальная схема нечеткого регулятора с двумя лингвистическими переменными.
Алгоритм нечеткого управления в общем случае представляет собой преобразование входных переменных нечеткого регулятора в его выходные переменные с помощью следующих взаимосвязанных процедур:
1. преобразование входных физических переменных, получаемых от измерительных датчиков с объекта управления во входные лингвистические переменные нечеткого регулятора;
2. обработка логических высказываний, называемых лингвистическими правилами, относительно входных и выходных лингвистических переменных регулятора;
3. преобразование выходных лингвистических переменных нечеткого регулятора в физические управляющие переменные.
Рассмотрим сначала самый простой случай, когда для управления следящим электроприводом вводятся всего две лингвистические переменные:
«угол» - входная переменная;
«управляющее воздействие» - выходная переменная.
Синтез регулятора будем осуществлять в среде «MatLab» с помощью тулбокса «Fuzzy Logic». Он позволяет создавать системы нечеткого логического вывода и нечеткой классификации в рамках среды MatLab, с возможностью их интегрирования в Simulink. Базовым понятием Fuzzy Logic Toolbox является FIS-структура - система нечеткого вывода (Fuzzy Inference System). FIS-структура содержит все необходимые данные для реализации функционального отображения “входы-выходы” на основе нечеткого логического вывода согласно схеме, приведенной на рис.
6.
Рисунок 6. Нечеткий логический вывод.
X - входной четкий вектор;
- вектор нечетких множеств, соответствующий входному вектору X;
- результат логического вывода в виде вектора нечетких множеств;Y - выходной четкий вектор.
Модуль fuzzy позволяет строить нечеткие системы двух типов - Мамдани и Сугэно. В системах типа Мамдани база знаний состоит из правил вида “Если x1=низкий и x2=средний, то y=высокий”. В системах типа Сугэно база знаний состоит из правил вида “Если x1=низкий и x2=средний, то y=a0+a1x1+a2x2". Таким образом, основное отличие между системами Мамдани и Сугэно заключается в разных способах задания значений выходной переменной в правилах, образующих базу знаний. В системах типа Мамдани значения выходной переменной задаются нечеткими термами, в системах типа Сугэно - как линейная комбинация входных переменных. В нашем случаем будем использовать систему Сугэно, т.к. она лучше поддается оптимизации.
Для управления следящим электроприводом, вводятся две лингвистические переменные: «ошибка» (по положению) и «управляющее воздействие». Первая из них является входной, вторая – выходная. Определим терм-множество для указанный переменных. Основные компоненты нечеткого логического вывода. Фаззификатор.
Для каждой лингвистической переменной определим базовое терм-множество вида, включающее в себя нечеткие множества, которые можно обозначить: отрицательная высокая, отрицателная низкая, нуль, положительная низкая, положительная высокая.
Прежде всего субъективно определим что подразумевается под термами «большая ошибка», «малая ошибка» и т.д., определяя функции принадлежности для соответствующих нечетких множеств. Здесь пока можно руководствоваться только требуемой точностью, известными параметрами для класса входных сигналов и здравым смыслом.
Никакого жесткого алгоритма для выбора параметров функций принадлежности пока никому предложить не удалось. В нашем случае лингвистическая переменная «ошибка» будет выглядеть следующим образом.
Рис.7. Лингвистическая переменная «ошибка».
Лингвистическую переменную «управление» удобнее представить в виде таблицы:
Таблица 1
| Функции принадлежности | Большое отрицательное UBO | Малое отрицательное UMo | Нулевое UZ | Малое положительное UMp | Большое положительное UBP |
| Значение управления, [В] | -27 | -15 | 0 | 15 | 27 |
Блок правил.
Рассмотрим последовательность определения нескольких правил, которые описывают некоторые ситуации:
Предположим, например, что выходной угол равен входному сигналу (т.е. ошибка - нуль). Очевидно, что это желаемая ситуация, и следовательно мы не должны ничего делать (управляющее воздействие - нуль).
Теперь рассмотрим другой случай: ошибка по положению сильно больше нуля. Естественно мы должны её компенсировать, формируя большой положительный сигнал управления.
Т.о. составлены два правила, которые могут быть формально определены так:
если ошибка = нуль, то управляющее воздействие = нуль.
если ошибка = большая положительная, то управляющее воздействие = большое положительное.
Рис.8. Формирование управления при малой положительной ошибке по положению.
Рис.9. Формирование управления при нулевой ошибке по положению.
Ниже в таблице приведены все правила, соответствующие всем ситуациям для этого простого случая.
Таблица 2
| Ошибка по положению | |||||
| BO | Mo | Zero | Mp | BP | |
| Нечеткий сигнал управления | UBO | UMo | UZ | UMp | UBP |
Всего для нечеткого регулятора, имеющего n входов и 1 выход может быть определено
правил управления, где
– количество нечетких множеств для i-го входа, но для нормального функционирования регулятора не обязательно использовать все возможные правила, а можно обойтись и меньшим их числом. В нашем случае для формирования нечеткого сигнала управления используются все 5 возможных правил.
Еще по теме Синтез нечеткого регулятора электропривода постоянного тока в среде «MatLab»:
- Синтез комплексного закона управления электроприводом постоянного тока с помощью нечеткой логики.
- 4.1.4. Нечеткое управление процессом шлифовки внутренних поверхностей. Синтез и оптимизация нечеткого регулятора
- Лекция № 7. Синтез нечетких регуляторов
- Лекция № 8. Синтез нечетких регуляторов
- 4.2. Программная и аппаратная реализация нечетких регуляторов
- 4.3. Проектирование нечетких регуляторов на основе искусственных нейронных сетей
- 4.1. Практические примеры построения ИСУ с нечеткими регуляторами
- 4.1.2. Нечеткий регулятор для управление движением подъемного крана
- Лекция № 9. Синтез адаптивной САУ с эталонной моделью на основе нечеткой логики
- 4.1.1. Нечеткий регулятор для управления неустойчивым объектом
- 14. Автоматические регуляторы. Классификация регуляторов по виду используемой энергии, законам регулирования, характеру регулирующего воздействия. Область применения, достоинства и недостатки.