1.6　MATLAB中控制相关的工具箱

MATLAB拥有一个专用的产品系列，用于解决不同领域的问题，称之为工具箱（TOOLBOX），工具箱用于MATLAB的计算和画图，通常是M文件和高级MATLAB语言集合，以使用户可以方便地修改函数和源代码，或增加新的函数。用户还可以很方便地结合使用不同工具箱中的技术来设计针对某个问题的用户解决方案。

MATLAB工具箱是用MATLAB语言编写的特定应用方向的工具。控制方面的工具箱是MATLAB中一类非常重要的工具箱，它以其众多的经典和现代控制系统设计技术极大地扩展了MATLAB的功能。

MATLAB中与控制相关的基础工具箱主要有6个，即控制系统工具箱（Control System Toolbox）、系统辨识工具箱（System Identification Toolbox）、模型预测控制工具箱（Model Predictive Control Toolbox）、鲁棒控制工具箱（Robust Control Toolbox）、神经网络工具箱（Neural Network Toolbox）和模糊逻辑工具箱（Fuzzy Logic Toolbox）。

下面简要对这6个工具箱进行介绍，读者如果需要应用这些工具箱，则需要深入对其进行研究。

  1. 控制系统工具箱

控制系统工具箱可用于前馈和反馈控制系统的建模，分析和设计，可以提供经典和现代的控制系统设计方法，包括根轨迹、极点配置、LQG设计等。同时，工具箱提供的图形用户界面还可以帮助用户简化控制设计的过程。

控制系统工具箱具有强大的开放性和可扩展性，允许工程师创建适应自身应用需要的M文件，或与MathWorks公司的其余产品协同工作，可以从系统辨识工具箱中直接导入被控对象，还可以将控制系统的设计导入Simulink中与Simulink模型集成。

除了丰富的M函数，该工具箱还给用户提供了两个非常方便的图形用户界面：LTI Viewer和SISO Tool，分别用于控制系统的时频分析和控制器的设计。

LTI Viewer（Linear-Time-Invariant Viewer，线性时不变系统Viewer），它让使用者可在图形化界面中同时通过图表得知一个或数个系统的变化，也就是说使用者可在图形化界面中分析系统的时域和频域特性。

SISO（Single-Input，Single-Output）设计工具，可以帮助使用者以图形化的方式调整系统的增益值、极点与零点的方式综合设计、分析校正器，并同时观察闭环响应与稳定裕量等。

控制系统工具箱不仅可以进行SISO系统的设计和分析，还可以完成MIMO系统的相应工作，它是控制系统设计人员需要掌握的工具箱。

本书中所讲的控制系统仿真，使用了控制系统工具箱中的大量函数及工具，非常方便。控制系统工具箱的主要应用领域有：

  • 连续系统设计；
  • 离散系统设计；
  • 传递函数和状态空间；
  • 模型转换；
  • 频域响应；
  • 时域响应；
  • 根轨迹和极点配置。
  1. 系统辨识工具箱

系统辨识工具箱提供了许多用于辨识和建模的专用函数，使用时序噪声数据建立复杂系统的简化模型。

系统辨识工具箱提供了基于预先得到的输入/输出数据，建立动态系统数学模型的工具。工具箱采用灵活的图形用户界面，帮助管理数据和模型。

从测量系统的输入/输出开始，利用系统辨识工具箱，可以得到描述系统动态行为的参数化数学模型。工具箱支持绝大多数标准的模型结构，包括AR、ARX、ARMAX、输出误差、Box-Jenkins、ARARX、ARMA和ARARMAX等。工具箱还支持在离散或连续时域中定义的广义线性状态空间模型，这些模型可以包括任意个输入和输出。

系统辨识工具箱的主要应用领域有：

  • 控制系统设计；
  • 信号处理；
  • 时序分析；
  • 振动分析。
  1. 模型预测控制工具箱

模型预测控制工具箱是使用模型预测控制策略的完整工具集，这些技术主要用来解决大规模、多变量过程控制问题，这种过程中对运算量以及受控变量有一定约束。

模型预测控制工具箱根据由MATLAB所建立的被控对象模型或是从线性Simulink模型内被控对象模型，来设计、分析与仿真模型预测控制器。模型预测控制工具箱的主要应用领域有：

  • 化学工程；
  • 过程控制工业。
  1. 鲁棒控制工具箱

鲁棒控制工具箱提供了用于多变量控制系统设计和分析的高级算法，用来解决多变量控制系统中未建模非线性动态环节、建模误差等引起的不确定性。鲁棒控制工具箱主要应用领域有：

  • LQG/LTR最佳化控制的合成；
  • 多变量的频率响应；
  • H2、H∝最佳化控制合成；
  • 高阶模型的简化；
  • 奇异值的模型简化；
  • 可对频谱进行因式分解及建立模型。
  1. 神经网络工具箱

神经网络工具箱提供了神经网络设计和模拟的工具，包括对网络体系的支持，对Simulink的支持和与控制系统应用程序的接口。神经网络工具箱的主要应用领域有：

  • BP、Hopfield、Kohnen、自组织、径向基函数等网络；
  • 竞争、线性、Sigmoidal等传递函数；
  • 前馈、递归等网络结构；
  • 性能分析及应用。
  1. 模糊逻辑工具箱

模糊逻辑工具箱可以很容易地通过图形界面来设计模糊决策与规则，并可将模糊逻辑工具箱所设计的架构放到Simulink上执行，可结合不同领域的应用。此外在Simulink模拟时可对模糊逻辑的参数进行适应性的调整。模糊逻辑工具箱的主要应用领域有：

  • 自适应神经——模糊学习应用；
  • 模糊聚类应用；
  • Sugeno推理应用。