Fuzzy regulace

Abstract

Tato bakalářská práce se zabývá návrhem, implementací a simulačním ověřením fuzzy regulátorů typu PID. Úvodní část práce přibližuje základní principy fuzzy logiky, její historický vývoj a výhody oproti klasickým metodám řízení, především v oblasti řízení nelineárních a dynamicky se měnících systémů Hlavní důraz je kladen na využití nástroje Fuzzy Logic Toolbox v prostředí MATLAB, který umožňuje uživatelsky přívětivý návrh a ladění fuzzy regulátorů bez potřeby přesného matematického modelu řízené soustavy. V praktické části práce jsou fuzzy PI regulátory aplikovány na simulační modely integračních systémů s dopravním zpožděním. Jejich vlastnosti jsou porovnány s tradičními PID regulátory. Výsledky ukazují, že fuzzy regulátory při vhodném nastavení poskytují srovnatelnou nebo lepší kvalitu regulace i za změněných parametrů systému. Důraz je kladen také na robustnost fuzzy řízení a jeho schopnost adaptace bez nutnosti úprav parametrů při změně dynamiky soustavy. Závěrem jsou navrženy možnosti dalšího rozvoje této oblasti, včetně využití optimalizačních a inteligentních algoritmů, a je diskutován potenciál praktického nasazení fuzzy regulace v průmyslových aplikacích.

This bachelor thesis deals with the design, implementation and simulation verification of PID fuzzy controllers. The introductory part of the thesis presents the basic principles of fuzzy logic, its historical development and its advantages over classical control methods, especially in the control of nonlinear and dynamically changing systems. The main focus is on the use of the Fuzzy Logic Toolbox in MATLAB environment, which allows user-friendly design and tuning of fuzzy controllers without the need for an exact mathematical model of the controlled system. In the practical part of the thesis, fuzzy PI controllers are applied to simulation models of integration systems with traffic delays. Their properties are compared with traditional PID controllers. The results show that fuzzy controllers, when appropriately tuned, provide comparable or better control quality even under changed system parameters. Emphasis is also placed on the robustness of the fuzzy control and its ability to adapt without the need for parameter adjustments when the system dynamics change. Finally, the possibilities for further development of this field, including the use of optimization and intelligent algorithms, are suggested, and the potential for practical deployment of fuzzy control in industrial applications is discussed.