模糊數(shù)學(xué)倒立擺優(yōu)化

1、小車倒擺模糊系統(tǒng)控制簡介迄今為止，相當(dāng)多的模糊神經(jīng)網(wǎng)絡(luò)都是結(jié)合控制問題，特別是倒擺控制問題提出的。作為智能控制研究中的一個經(jīng)典對象，在倒擺問題中應(yīng)用神經(jīng)網(wǎng)絡(luò)方法，首推Widrow等人的工作。但較具代表性的結(jié)果則主要是由加州大學(xué)伯克利分校，以L.A.Zadeh為首的“fuzzygroup”作出的。1992年J.S.Jang提出的自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊控制的方法對于倒擺控制系統(tǒng)這個經(jīng)典問題又有了極大的發(fā)展。下面我們使用基于自適應(yīng)網(wǎng)絡(luò)的模糊推理系統(tǒng)ANFIS來研究倒擺的控制問題。二、小車倒擺動力學(xué)模型圖1中給出了二維的桿和滑車系統(tǒng)，滑車可以沿軌道運動。如圖1所示。倒立擺不是穩(wěn)定的，如果沒有適當(dāng)?shù)目刂屏ψ?/p>

2、用在它上面，它將隨時可能向任何方向傾倒。這里只考慮二維問題，即認(rèn)為倒立擺只在圖2所示平面內(nèi)運動。控制力F作用于小車上。假設(shè)擺桿白重心位于其幾何中心Ao在滑車的質(zhì)量重心的控制力為F，現(xiàn)設(shè)計其控制器，使桿盡可能平衡，同時滑車的水平位置也得到控制,跟蹤一個指令信號xd(t)。其中M為滑車的質(zhì)量；m為桿的質(zhì)量；l為桿長的一八c,2半；g9.8m/s為重力加速度圖1倒立擺系統(tǒng)圖2隔離體受力圖建立該系統(tǒng)的運動方程式，首先設(shè)輸入作用力為F,輸出為擺角0設(shè)擺桿2(xa,yA于是:XaxlsinValcos9 -擺桿圍繞中心A點轉(zhuǎn)動方程為:d2J2-VlsinHlcosdt2式中J為擺桿圍繞重心A的轉(zhuǎn)動慣量。擺

3、桿重心A沿x軸的運動方程為:mHdt2d2m2(xlsin)Hdt2桿重心A沿y軸方向運動方程:mdVmgdt2d2mdt2(lcos)Vmg小車沿x軸方向運動方程式為:J1ml23ml(sincos2)VMgmd2(xdt2lsin)m(xl(cossin2)(Mm)xmlcosmlsin24ml23lmcosxMgmlcos43ml2mlcosmlsinMg此倒擺系統(tǒng)為非線性系統(tǒng)。為了運用線性系統(tǒng)理論和模糊控制中的Takagi-Sugeno模型進(jìn)行控制器的分析和設(shè)計，可考慮將其先進(jìn)行局部線性化，使之成為若干子系統(tǒng)，再將這些子系統(tǒng)進(jìn)行綜合。其物理意義是：將整個四維狀態(tài)空間分為L個模糊子空間集

4、合，對每個模糊子空間，系統(tǒng)的動力學(xué)特性可用一個局部線性狀態(tài)方程來描述。整個系統(tǒng)動力學(xué)的特性則是這些局部線性模型的加權(quán)和。該模糊建模方法的本質(zhì)在于將一個整體非線性的動力學(xué)模型用多個局部線性模型進(jìn)行模糊逼近。3、 車桿系統(tǒng)的MATLABi型MATLA提供了函數(shù)linmod,從而可以在不同狀態(tài)點處對非線性系統(tǒng)進(jìn)行線性化。下面利用這個函數(shù)來對小車模型進(jìn)行線性化。首先，把車桿系統(tǒng)輸入到MATLAB在Simulink編輯環(huán)境中創(chuàng)建如圖3所示的一個車桿系統(tǒng)模型，將其存盤為ln.mdl。圖3車棒系統(tǒng)動力學(xué)模型4、 對象模糊線性化為了對小車模糊進(jìn)行分析，可以將小車模型用開環(huán)子系統(tǒng)封裝起來。用CreateSubs

5、ystem命令產(chǎn)生一個車體動力學(xué)模型子系統(tǒng)。模型如圖4所示：圖4車棒對象系統(tǒng)封裝模型在初始化項中加入初始狀態(tài)設(shè)置和系統(tǒng)參數(shù)的設(shè)置：初始狀態(tài)設(shè)置為0,0,0,0（即平衡位置）；小車質(zhì)量M1；桿的質(zhì)量為m0.1；桿的長度的一半l0.5；重力加速度g9.8。右擊Cart&PoleDynamics選擇MaskParameters，彈出FunctionBlockParameters對話框，修改參數(shù)設(shè)置如圖5所示：圖5參數(shù)設(shè)置在系統(tǒng)的仿真模型中采用了系統(tǒng)的，完全的，非線性的模型，但是在設(shè)計系統(tǒng)的控制器時，上述非線性的模型雖然精確，但由于過于復(fù)雜，非常不利于設(shè)計出簡單、實用的的系統(tǒng)控制器。因為在設(shè)計

6、系統(tǒng)控制器時，希望利用一些不那么精確卻簡單的系統(tǒng)模型，例如，線性系統(tǒng)模型，這就需要把非線性模型轉(zhuǎn)化為線性模型。通常的做法是將非線性模型在系統(tǒng)的某個工作狀態(tài)進(jìn)行線性化，這時可用MATLAB勺命令linmod將系統(tǒng)線性化，其調(diào)用格式為A，B，C，D=linmod(ln.mdl,0,0,0,0，0)得到的系統(tǒng)線性模型如下：''系統(tǒng)狀態(tài)變量為x=,系統(tǒng)輸入為控制力u=F,系統(tǒng)卒&出為y''xx系統(tǒng)狀態(tài)方程為'xAxBu系統(tǒng)輸出方程為'yCxDu這樣我們就得到了系統(tǒng)的一個線性化模型。基于這種線性模型，用線性系統(tǒng)理論很容易就能夠設(shè)計出其控制器。5、

7、Takagi-Sugeno型自適應(yīng)神經(jīng)網(wǎng)絡(luò)模型控制器的設(shè)計用Takagi-Sugeno模型設(shè)計的模糊控制器，對應(yīng)于其用also連接的第一條模糊規(guī)則?？梢詫⒃撃：刂破骺醋饕粋€線性控制器，而整體的控制器由多條模糊推理規(guī)則處理，經(jīng)過模糊綜合、清晰化等過程后，逼近一個非線性的控制器。它的物理意義是：將一個非線性系統(tǒng)在不同的若干狀態(tài)下進(jìn)行線性化，然后分別設(shè)計控制器，將分別設(shè)計的線性控制器用模糊控制的理論進(jìn)行綜合，使之成為一個非線性的控制器?？梢钥闯?，如果選擇了合適的線性化狀態(tài)、模糊空間劃分、模糊隸屬度函數(shù)、局部線性控制器，其最終得到的控制系統(tǒng)將優(yōu)于一般的線性理論所得到控制器?？刂破髂Ｐ涂芍苯邮褂肧im

8、ulink中的Fuzzycontroller來實現(xiàn)，控制的參數(shù)和類型只需對Fuzzycontroller模塊的參數(shù)Fismatrix進(jìn)行設(shè)置來實現(xiàn)。Takagi-Sugeno型模糊控制器的設(shè)計關(guān)鍵是得到輸入的模糊集合隸屬度函數(shù)以及輸入、輸出規(guī)則?？梢愿鶕?jù)經(jīng)驗和習(xí)慣來確定輸入的模糊集合及其隸屬度函數(shù)，而模糊規(guī)則可以在相應(yīng)的模糊集合隸屬度函數(shù)的最大值點來設(shè)計(Takagi-Sugeno型控制器的輸入、輸出規(guī)則為線性函數(shù)，可以設(shè)計為該點處的車桿閉環(huán)系統(tǒng)模型結(jié)構(gòu)如最優(yōu)控制或是用極點配置等方法得到線必性控制器)圖6所示：六、確定輸入變量空間根據(jù)實際控制要求，可以大致確定的狀態(tài)變量和控制變量的范圍如下：設(shè)

9、定桿平衡指標(biāo)030.3,'1,1;跟蹤目標(biāo)指標(biāo)Xd(t)2.5,2.5；控制位置偏差指標(biāo)x3,3;跟蹤速度指標(biāo)x'3,3;控制力限制F10,10。七、輸入空間數(shù)據(jù)點的選取根據(jù)上述的范圍分析，可以劃分狀態(tài)空間。這里采用MATLAB?度來自動產(chǎn)生狀態(tài)空間中的點集，程序genstate.m和order.m用來產(chǎn)生狀態(tài)空間的點。order.m用來將輸入各個變量的分割數(shù)目的排列組合，genstate.m用來調(diào)用order.m來生成輸入變量數(shù)據(jù)點。函數(shù)order.m和genstate.m原代碼如下：%S數(shù)order.mfunctionh=order(x)%x=3,2,4,5;n=lengt

10、h(x);%計算輸入變量個數(shù)w=prod(x,2);h=;%+算總數(shù)據(jù)點數(shù)N=n1xn2xn3xn4fori=1:na=w/prod(x(1:i),2);b=w/x(i)/a;c=;m=;fork=1:x(i);c=c;k*ones(a,1);endforj=1:b;m=m;c;endh=h,m;endreturn;%函數(shù)genstate.mfunctionh=genstate()n1=5;%輸入變量一的分割點數(shù)目n2=5;%輸入變量二的分割點數(shù)目n3=5;%輸入變量三的分割點數(shù)目n4=5;%輸入變量四的分割點數(shù)目%上述數(shù)目不必相等%我們在每個變量方向上都選5個點data=order(n1n2

11、n3n4);al=linspace(-0.3,0.3,n1);a2=linspace(-1,1,n2);a3=linspace(-3,3,n3);a4=linspace(-3,3,n4);%上面是進(jìn)行均勻分割%如果不想使用均勻分割可以直接給定其他的分割點%但是個數(shù)必須與前面指定的相當(dāng)%例如al=-0.25-0.1500.20.3；fori=1:length(data);data(i,1)=al(data(i,1);data(i,2)=a2(data(i,2);data(i,3)=a3(data(i,3);data(i,4)=a4(data(i,4);end;%上述語句將各個輸入變量組合成數(shù)據(jù)h

12、=data;return;編寫好上述函數(shù)并存盤在MATLAB工作目錄下，可以通過下列命令來觀察這兩個函數(shù)的作用：order(3,2,4,5)genstate()八、數(shù)據(jù)點輸出計算對于上面劃分的模糊BO心間，用上述的每個離散狀態(tài)空間點Xi,X2，,Xn來線性化線性車桿模型，選擇合適的LQR控制參數(shù)Q,R,N，設(shè)計出線性最優(yōu)控制器Kl,K2,Kn。根據(jù)控制要求和仿真結(jié)果選擇一組Q,R,N：500 1000， R 0.5， N0000100000005經(jīng)仿真發(fā)現(xiàn)閉環(huán)系統(tǒng)的系統(tǒng)動態(tài)性能比較能符合要求。在MATLAB提供函數(shù)K,S,Elqr(A,B,Q,R,N)來針對每個空間輸入點來設(shè)計最優(yōu)控制器KL，

13、這里A,B是前面線性化得到的。九、訓(xùn)練生成ANFIS模糊推理系統(tǒng)當(dāng)獲得了足夠的數(shù)據(jù)，就可以用自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)來模糊這些離散狀態(tài)的和并且模糊綜合那些線性控制器Ki,K2，,Kn,即訓(xùn)練產(chǎn)生模糊規(guī)則和隸屬度函數(shù)。下面，用模糊神經(jīng)網(wǎng)絡(luò)并根據(jù)上述的離散狀態(tài)空間采樣點及其相應(yīng)的控制力Fi,F2,Fn,來訓(xùn)練產(chǎn)生模糊控制器。MATLAB提供函數(shù)ANFISA完成，經(jīng)過訓(xùn)練得到的模糊控制參數(shù)矩陣包括輸入的模糊隸屬度函數(shù)及輸出Sugen那模糊控制規(guī)則。下面函數(shù)genfismat.m來完成ANFISS統(tǒng)的訓(xùn)練過程：爐中k為前面生成的輸入空間數(shù)據(jù)functionh=genfismat(k)q=10000;05

14、00;001000;0005;%最優(yōu)控制參數(shù)Qr=0.5;%最優(yōu)控制參數(shù)Rn=0;0;0;0;%最優(yōu)控制參數(shù)Nlk=size(k);lk=lk(1);data=;fori=1:lk;a,b,c,d=linmod('ln',k(i,:);%圖4所生成的對象模型K,S,E=lqr(a,b,q,r,n);X=k(i,:)*K'R=k(i,:),-X;data=data;R;endh=data;return下面這段命令用來結(jié)合前面的所有程序和過程來完整地生成車桿系統(tǒng)的模糊控制器。在確認(rèn)前面所編寫的函數(shù)genfismat.m、genstate.m、genrules.m、order

15、.m以及模型cp1.mdl文件都已經(jīng)存在之后，輸入下面命令來生成該車桿系統(tǒng)的模糊控制器：state=genstate;fismatrix=genrules(state);輸出結(jié)果如下圖所示11 -firis=nan.eztype1andJletlLod: orllet?ied! defuz Method: inpffetiod:input: output :rule:'anfis1'stif eno?* prod''jitaj!，f vrt avex?'ptotTr imi3工1x4 struct1x1 s-t ruct1x16 st met 還可以通過

16、圖形化的工具來進(jìn)一步觀察和修改結(jié)果模糊系統(tǒng)，如下圖所示輸入命令:fuzzy(fismatrix)10 Rule- Vir'rrz arflsFile Edrt 曲ew Oprt dhs« £ 皿如 IK百Id 匚1ifiSIMI 一 L - IH . L J I-IB L - - -1 - L=J - L B - II -LJ -"0K MUInp4l域隼ip可hpirt2L ®pduJput.15"必：邑gU心期1 MN|911皿中0|1 rsr十、模型仿真根據(jù)上述的倒擺模型和線性化理論，用模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練產(chǎn)生模糊規(guī)則，用MATLAB

17、t計函數(shù)genrules來產(chǎn)生控制參數(shù)矩陣fismatrix,利用命令savexz.fisfismatrix來生成xz.fis文件，以后可以使用前調(diào)用命令fiamatrix=readfis(xz.fis)就可以進(jìn)行仿真了。MATLA中自帶了車棒系統(tǒng)的仿真本g型以及一個設(shè)計好的Sugeno型模糊控制系統(tǒng)。仿真模型可以通過SLCP可以打開這個仿真模塊。如果我們希望使用剛才自己所創(chuàng)建的模糊推理系統(tǒng)xz.fis，可以在打開模型以后，在MATLAB!作命令行環(huán)境里輸入命令fiamatrix=readfis('xz.fis')用我們創(chuàng)建好的模糊模型來替換系統(tǒng)自帶的推理系統(tǒng)。仿真圖如下。對控

18、制參數(shù)進(jìn)行修改已達(dá)到最優(yōu)控制1、先對R0.5進(jìn)行修改，當(dāng)Rfi從0.5減小到0.1時，圖形變化如下:- 19R=0.1時的仿真將上圖與R=0.5時的仿真進(jìn)行對比，可以看出，仿真結(jié)果變化不大，系統(tǒng)能達(dá)到控制的效果。當(dāng)Rfi從0.5逐漸增大時，圖形變化如下：R=1R=2將上述兩圖與R0.5時進(jìn)行對比，可以看出，R逐漸增大時，系統(tǒng)不能達(dá)到控制的效果。綜上所述：最優(yōu)控制參數(shù)RR好維持在0.1,1.0的區(qū)間內(nèi)，系統(tǒng)才能達(dá)到控制的效果。2、對控制參數(shù)n=0;0;0;0進(jìn)行修改，當(dāng)n=10;0;0;0時，仿真結(jié)果如下:n=0;10;0;0時，仿真結(jié)果如下:n=0;0;10;0時,仿真結(jié)果會出現(xiàn)錯誤，無法仿真。n=0;0;0;10時,n=10;0;10;0時,將上述仿真結(jié)果與n=0;0;0;0時進(jìn)行對比，可以發(fā)現(xiàn)第一項、第三項對系統(tǒng)的控制引起的變化較大，第二項、第四項對系統(tǒng)的控制引起的變化較小。3、對q=10000;0500;001000;0005進(jìn)行修改，當(dāng)q=1000;0500;001000;0005時，仿真結(jié)果如下：時，仿真結(jié)果如下:q=10000;05000;001000;0005時，仿真結(jié)果如下：時，仿真結(jié)果如下q=10000;0500;00100;0005q=10000;0500;001000;00050通過以上仿真結(jié)果進(jìn)行對比，可以發(fā)現(xiàn)第一行、對系統(tǒng)的控