基于matlab的倒立擺模糊控制_課程設(shè)計(jì)報(bào)告-閱讀頁
2024-09-15 15:22本頁面
【正文】 hod=39。 AggMethod=39。 DefuzzMethod=39。 [Input1] Name=39。 Range=[ ] NumMFs=2 MF1=39。:39。,[ ] MF2=39。:39。,[ ] [Input2] Name=39。 Range=[1 1] NumMFs=2 MF1=39。:39。,[1 1] MF2=39。:39。,[1 1] [Input3] Name=39。 Range=[3 3] NumMFs=2 MF1=39。:39。,[3 3] MF2=39。:39。,[3 3] [Input4] Name=39。 基于 MATLAB 的倒立擺模糊控制 caymi 第 16 頁 共 24 頁 Range=[3 3] NumMFs=2 MF1=39。:39。,[3 3] MF2=39。:39。,[3 3] [Output1] Name=39。 Range=[0 1] NumMFs=16 MF1=39。:39。,[0] MF2=39。:39。,[] MF3=39。:39。,[] MF4=39。:39。,[] MF5=39。:39。,[] MF6=39。:39。,[] MF7=39。:39。,[] MF8=39。:39。,[] MF9=39。:39。,[1] MF10=39。:39。,[0] MF11=39。:39。,[] MF12=39。:39。,[] MF13=39。:39。,[] MF14=39。:39。,[] MF15=39。:39。,[] MF16=39。:39。,[1] [Rules] 1 1 1 1, 1 (1) : 1 1 1 1 2, 2 (1) : 1 1 1 2 1, 3 (1) : 1 1 1 2 2, 4 (1) : 1 1 2 1 1, 5 (1) : 1 1 2 1 2, 6 (1) : 1 1 2 2 1, 7 (1) : 1 1 2 2 2, 8 (1) : 1 2 1 1 1, 9 (1) : 1 2 1 1 2, 10 (1) : 1 2 1 2 1, 11 (1) : 1 2 1 2 2, 12 (1) : 1 2 2 1 1, 13 (1) : 1 2 2 1 2, 14 (1) : 1 2 2 2 1, 15 (1) : 1 2 2 2 2, 16 (1) : 1 基于 MATLAB 的倒立擺模糊控制 caymi 第 17 頁 共 24 頁 根據(jù)控制器和倒立擺模型的分析， 通過 MATLAB 可以得到單級倒立擺控制系統(tǒng)的結(jié)構(gòu) 如 圖所示。 通過不斷調(diào)試，達(dá)到最佳狀態(tài)，在 MATLAB 中進(jìn)行仿真，設(shè)定方波為跟蹤的期望信號，得到結(jié)果如圖 所示。 圖 小車對方波期望值的跟蹤情況 基于 MATLAB 的倒立擺模糊控制 caymi 第 19 頁 共 24 頁 圖 仿真運(yùn)行時(shí)的圖形用戶界面 從以上的 圖 可知，綠色規(guī)則的方波期望值代表小車位置的期望，紅色不規(guī)則的近似方波為小車的實(shí)際位置。 基于 MATLAB 的倒立擺模糊控制 caymi 第 20 頁 共 24 頁 圖 小車在不同時(shí)刻跟隨情況 基于 MATLAB 的倒立擺模糊控制 caymi 第 21 頁 共 24 頁 從以上的 圖 的四個(gè)不同情況可知，當(dāng)小車的實(shí)際位置和期望位置相距最遠(yuǎn)時(shí)，跟蹤誤差達(dá)到最大值；而當(dāng)小車的 實(shí)際位置和期望位置相距最近時(shí)，跟蹤誤差達(dá)趨于零；尤其是在小車的實(shí)際位置和期望位置重合，并且擺桿垂直時(shí)，跟蹤誤差為零。 圖 不同時(shí)刻小車和擺桿的運(yùn)動(dòng)軌跡 6 分析數(shù) 據(jù)，得出結(jié)論 通過以上仿真實(shí)踐的過程可以看出，對于倒立擺一類的包含非線性以及不穩(wěn)定因素的控制系統(tǒng)模型，采用模糊控制的方法具有很強(qiáng)的適應(yīng)性以及理想的控制效果，在此基礎(chǔ)上，選用恰當(dāng)?shù)碾`屬度函數(shù)也是實(shí)現(xiàn)優(yōu)化控制的重要條件。直流電機(jī)通過皮帶帶動(dòng)小車在固定的軌道上運(yùn)動(dòng)，擺桿的一端安裝在小車上，能以此點(diǎn)為軸心使擺桿能在垂直的平面上自由地?cái)[動(dòng)。當(dāng)沒有作用力時(shí)，擺桿處于垂直的穩(wěn)定的平衡位置（豎直向下）。 總 結(jié) 在實(shí)際應(yīng)用中，由于模型往往具有更多的復(fù)雜因素以及一些不可預(yù)測的干擾因素，所以有時(shí)需要簡歷更復(fù)雜的模糊控制方案以及更加精確的隸屬度函數(shù)，有時(shí)也需要采用神經(jīng)網(wǎng)絡(luò)的算法結(jié)構(gòu)來解決這樣的實(shí)際問題，這些方法互相配合從而形成了較為完備的智能控制方案系統(tǒng)。當(dāng)擺桿到達(dá)期望的位置后，系統(tǒng)能克服隨機(jī)擾動(dòng)而保持穩(wěn)定的位置
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1