控制器设计的主要目标是实现更好的控制性能的稳定性和健壮性设置点和负载扰动变化。Paramasivam和Arumugam
17)和Ketata et al。
18)提出了不同的设计方法使用模糊逻辑系统的混合控制结构。他等。
19]和Visioli [
20.)使用了模糊系统以这样一种方式修改传统控制器的参数。混合控制结构由一个简单的上层智能控制器和一个低级古典控制器。上层控制器提供了一种机制系统的主要目标,而底层控制器应交付的解决方案特定的情况。提出的控制结构,基于规则的mamdani-type模糊控制器用于高层和选择传统的PI控制器的低水平。PI模糊协调控制器的结构如图
1。在惯例,错误<我nline-formula>
(
e
)
和误差变化<我nline-formula>
(
Δ
e
)
首选参数而设计的前期模糊规则控制的应用程序。但在当前应用程序中,修改控制结构已应用于模糊系统使用错误<我nline-formula>
(
e
)
和过程的输入<我nline-formula>
(
u
)
和检测可能偏离规定的课程以便能够调整常规控制器设定值变化和负载扰动。
模糊协调PI控制器结构。
2.1。模糊PI控制器的优化
混合控制结构,模糊系统用于修改系统设置点或传统控制器的比例因子。目前的方法是输入比例因子修改一个经典的PI控制器。PI控制器通常是实现如下:
u
π
=
K
p
e
(
t
)
+
T
K
我
∑
n
=
0
t
e
(
n
)
e
(
t
)
=
y
r
(
t
)
−
y
(
t
)
,
在哪里<我nline-formula>
K
p
,
K
我
是比例andintegral收益。控制器输出,过程输出和设置点表示为<我nline-formula>
μ
π
,
y
,
y
r
,
分别。在传统PI控制器,的值<我nline-formula>
K
p
和<我nline-formula>
K
我
在(
1)调整由操作员根据工艺条件的变化。通过开发一个基于规则的智能模糊协调混合控制器结构,这些参数可以在线修改根据工艺条件的变化没有操作员的干预和进一步增强传统的控制器性能操作范围宽。
方法,控制规则与错误和开发流程输入作为前提和比例和积分增益顺向的每个规则。模糊规则是写成的结构
我
F
e
是
NS
和
u
是
低
T
H
E
N
K
p
是
高的
和
K
我
是
中期
。
表
2显示了十五语言模糊规则已被用于模糊PI协调控制结构。每个输入和输出的语言值模糊变量的论域划分为相邻间隔形成了隶属度函数。每一个模糊变量的隶属函数分配一个缩写语言值是地中海(媒介),VHIG(非常高),等等。成员函数的模糊程度转换成规范化区间<我nline-formula>
(
0
,
1
)
。三角形隶属函数选择在当前控制器及其程度的模糊性表示为
μ
δ
(
x
)
=
{
0
,
为
x
<
一个
x
−
一个
b
−
一个
为
一个
≤
x
<
b
c
−
一个
b
−
一个
为
b
≤
x
≤
c
0
,
为
x
>
c
。
三角形隶属度函数形状有50%的重叠为输入和输出模糊变量数据所示
2和
3。每个模糊变量最初选择的比例系数的实验数据在早些时候
22),和他们的价值观已经协调好了在实现为了获得期望的结果。在目前的系统中,测量压力信号转换为10位二进制等效二进制数是映射与宇宙的话语。
规则库的模糊协调PI控制器。
输入
输出
错误<我nline-formula>
(
e
)
流程输入<我nline-formula>
(
u
)
K
p
K
我
注
低
VHIG
高的
地中海
高的
地中海
高的
地中海
地中海
NS
低
高的
地中海
地中海
地中海
低
高的
低
VLOW
泽
低
地中海
低
地中海
低
低
高的
VLOW
VLOW
PS
低
低
VLOW
地中海
低
地中海
高的
VLOW
高的
PB
低
地中海
VLOW
地中海
高的
VLOW
高的
高的
地中海
模糊输出隶属度函数(a) (b)流程输入错误。
模糊输出隶属度函数(a)比例增益(b)积分增益。
模糊的暗示,十字路口最低操作使用,中心平均去模糊化(
23)被选中的脆值输出。平均去模糊化定义为中心
μ
(
K
p
K
我
,
)
=
∑
我
=
1
R
b
我
μ
我
∑
我
=
1
R
μ
我
,
在哪里<我nline-formula>
μ
(
K
p
,
K
我
)
是输出的增益,<我nline-formula>
b
我
表示结果的隶属函数的中心<我t一个lic>
我th规则和<我nline-formula>
μ
我
表示的成员值<我t一个lic>
我规则的前提。
为了比较不同控制算法的性能,误差的平方的积分(伊势),的积分误差的绝对值(IAE),时间加权绝对误差的积分(ITAE)和均方根误差(RMSE)标准已经被使用。伊势,IAE ITAE和RMSE给出
伊势
=
∫
0
∞
e
2
d
t
,
管理学院
=
∫
0
∞
|
e
|
d
t
,
ITAE
=
∫
0
∞
|
e
|
t
d
t
,
RMSE
=
∑
K
=
1
N
(
y
r
−
y
(
k
)
)
2
N
,
在哪里<我nline-formula>
e
是常见的错误(例如,<我nline-formula>
y
r
−
y
),<我nline-formula>
y
r
参考压力在酒吧,<我nline-formula>
y
在酒吧是实际的输出压力,<我nline-formula>
N
样品的数量吗<我nline-formula>
(
N
=
One hundred.
)
。不同控制算法的性能比较的设定压力水平3栏和4栏展示在表
3。
不同控制算法的性能比较。
类型的控制
伊势
管理学院
ITAE
RMSE
沉淀时间<我nline-formula>
(
t
年代
)
证券交易委员会
3条
4条
3条
4条
3条
4条
3条
4条
3条
4条
PI控制
28.36
36.97
17.63
20.12
54.65
64.23
0.529
0.618
42.3
50.6
PI-type模糊控制
26.41
35.14
16.26
18.47
52.06
57.21
0.516
0.611
40.7
47.4
PI模糊协调控制
17.04
28.38
11.97
14.57
36.71
45.35
0.427
0.536
33.2
39.1
比较表表明,提出模糊- PI控制器协调小值为所有类型的错误标准(伊势,IAE ITAE和RMSE)比传统的控制器。通过考虑沉降时间,该算法比其他方法证明了改进的性能。研究鲁棒性控制器的负载扰动,扰动被应用以这样一种方式来增加和减少流程输入在稳态条件。负载扰动的系统输出响应如图
14和
15。结果习用π和PI-type模糊控制器负载扰动的不够好,因为穷人跟踪性能参数变化。也观察到系统输出不能达到稳定状态,即使长时间。然而,在模糊- PI控制器协调的情况下,负载扰动的结果更好。自从模糊系统可以立即能够跟踪输入扰动通过使用它的输入参数<我nline-formula>
e
和<我nline-formula>
u
,因此必要的修改是在传统的控制器使系统输出快速设置值。从负载扰动的结果,很明显,提出技术的抗干扰能力优于传统的技术。