基于MATLAB的磁流变液制动器的模糊控制建模研究

　　1　引言

　　磁流变液制动器是国内外最新研究的一种新型智能型制动器,它采用磁流变液材料[1]代替传统机械制动器的摩擦副,通过内部剪切应力产生制动力矩,通过控制磁场的强弱改变制动力矩的大小,从而实现制动过程的自动化和智能化控制。本文采用MATLAB模糊逻辑工具箱的自适应神经网络模糊系统进行磁流变液制动器的模糊控制建模。模糊控制的核心在于模糊控制器,即模糊推理系统的建立。如何确定磁流变液制动器的控制方法,确定磁流变液制动器的模糊控制器的构建方法,进行磁流变液制动器的模糊控制建模是本文研究的主要内容。

　　2　磁流变液制动器控制方法的确定

　　根据磁流变液制动器制动性能测试的实验[2],磁流变液制动器的制动力矩随着制动电压的增加而增大,只要控制控制电压的大小,就可以无级改变制动力矩的大小,具有良好的可控性。因而根据转速来改变控制电压大小的控制模型具有重要的实际意义,转速高用大电压,转速低用小电压,如图1所示。

　　3　磁流变液制动器模糊控制器生成方法的确定[3]

　　模糊控制器的生成也就是模糊推理系统的构建。模糊推理本质上就是将一个给定输入空间通过模糊逻辑的方法映射到一个特定的输出空间的计算过程。常用的模糊推理方法包括Mamdani型模糊推理方法和Sugeno型模糊推理方法。这2种模糊推理在推理时都要经过一系列的一一映射过程。在讨论这些过程的时候,需要根据给定的(专家经验)或现有的理论知识来确定隶属度函数及其参数和模糊控制规则。因此,所建立的模糊推理系统的模糊规则本质上是在用户按照已有知识和经验对模型的特征进行解释的基础上预先获得的。

　　而磁流变液制动器的制动机理尚未得到充分认识,没有成功的专家经验或理论知识,无法确定隶属度函数的形状和参数及控制规则,而采用自适应神经网络模糊系统可以解决这一问题,在大量实验数据样本的基础上,通过自适应学习的过程来确定隶属度函数的形状和参数及控制规则。

　　隶属度函数的形状取决于参数,改变参数将改变隶属度函数的形状和一些重要性质。而自适应神经网络算法能通过一定的程序计算得出比较合理的参数。利用MATLAB的模糊逻辑工具箱的自适应神经网络工具计算出隶属度函数的参数以及相应的模糊规则,以得到所需要的模糊系统的核心———模糊推理规则库。

　　自适应神经网络模糊推理系统ANFIS就是将模糊逻辑和神经网络结合起来,用于构造具有自适应学习能力的神经网络模糊系统。模糊逻辑与神经网络的结合是近年来计算智能学科的一个重要研究方向。两者结合形成的模糊神经网络同时具有模糊逻辑易于表达人类知识和神经网络的分布式信息存储以及学习能力的优点,对于复杂系统的建模提供了有效的工具。