#include
#include
#include
#include
struct Fzb
{
int yyz; //语言之
int ly; //论域
float lsd; //隶属值
struct Fzb *next;
};
class Fuzzy
{
private:
int g[49][3]; //定义了规则库，用于函数间调用
float R[169][13]; //定义了关系矩阵，用于函数间调用
float H[13][13]; //定义了查询表矩阵，用于函数间的调用public:
struct Fzb * Creatfzb(); //建立赋值表函数
void Printfzb(struct Fzb *head1); //输出赋值表
void Inputgzk(); //导入规则库
void jlgx(struct Fzb*E,struct Fzb*EC,struct Fzb*U); //建立关系矩阵void jlcxb(struct Fzb*E,struct Fzb*EC,struct Fzb*U); //建立查询表};
struct Fzb *Fuzzy::Creatfzb()
{
float f[8][14]={
{0,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},
{-3,1,0.5,0,0,0,0,0,0,0,0,0,0,0},
{-2,0,0.5,1,0.5,0,0,0,0,0,0,0,0,0},
{-1,0,0,0,0.5,1,0.5,0,0,0,0,0,0,0},
{0,0,0,0,0,0,0.5,1,0.5,0,0,0,0,0},
{1,0,0,0,0,0,0,0,0.5,1,0.5,0,0,0},
{2,0,0,0,0,0,0,0,0,0,0.5,1,0.5,0},
{3,0,0,0,0,0,0,0,0,0,0,0,0.5,1}}; //默认输入赋值表
int i,k,j;
fstream in,out;
struct Fzb *head,*p1,*p2;
int n=0;
head=NULL;
p1=new(Fzb);
for(k=1;k<8;k++)
for(j=1;j<14;j++)
{
n++;
p1->lsd=f[k][j];
p1->yyz=(int)f[k][0];
p1->ly=(int)f[0][j];
if(1==n) head=p1;
p2=p1;
p1=new(Fzb);
p2->next=p1;
}
p2->next=NULL;
int m=0;
return (head);
}
void Fuzzy::Inputgzk()
{
int G[49][3]={
{-3,-3,-3},{-3,-2,-3},{-3,-1,-3},{-3,0,-3},
{-3,1,-2},{-3,2,0},{-3,3,0},{-2,-3,-3},
{-2,-2,-3},{-2,-1,-3},{-2,0,-3},{-2,1,-2},
{-2,2,0},{-2,3,0},{-1,-3,-2},{-1,-2,-2},
{-1,-1,-2},{-1,0,-2},{-1,1,0},{-1,2,1},
{-1,3,1},{0,-3,-2},{0,-2,-2},{0,-1,-1},
{0,0,0},{0,1,1},{0,2,2},{0,3,2},{1,-3,-1},
{1,-2,-1},{1,-1,0},{1,0,2},{1,1,2},{1,2,2},
{1,3,2},{2,-3,0},{2,-2,0},{2,-1,2},{2,0,3},
{2,1,3},{2,2,3},{2,3,3},{3,-3,0},{3,-2,0},
{3,-1,2},{3,0,3},{3,1,3},{3,2,3},{3,3,3}}; //默认输入规则库int i,j;
int n=0;
for(i=0;i<49;i++)
for(j=0;j<3;j++)
{
n++;
g[i][j]=G[i][j];
cout< if(3==n) {cout< } } void Fuzzy::Printfzb(struct Fzb *head1) { struct Fzb *p; p=head1; int n,i,j; float a[8][14]; while(NULL!=p) { a[p->yyz+4][p->ly+7]=p->lsd; p=p->next; } p=head1; while (NULL!=p) { a[0][p->ly+7]=p->ly; p=p->next; } p=head1; while (NULL!=p) { a[p->yyz+4][0]=p->yyz; p=p->next; } a[0][0]=0; int k; for(i=0;i<8;i++) //用于输出标准形式的赋值表{ n=0; for(j=0;j<14;j++) { n++; if(0==j&&0!=i) { switch((int)a[i][j]) { case -3: cout< break; case -2: cout< break; case -1: cout< break; case 0: cout< break; case 1: cout< break; case 2: cout< break; case 3: cout< } } else cout< if(14==n) cout< } } } void Fuzzy::jlgx(struct Fzb*E,struct Fzb*EC,struct Fzb*U) { int i,j,k,m,n,l,z; struct Fzb*p1,*p2,*p3; p1=E; p2=EC; p3=U; float a[13],b[13],c[13]; float R1[169],R2[169][13]; //前者用于存储转置后的一维向量，后者用于暂时存储每条规则生成的关系矩阵 for(i=0;i<49;i++) { p1=E; p2=EC; p3=U; k=0;m=0;n=0;z=0; while(NULL!=p1) { if(p1->yyz==g[i][0]) a[k++]=p1->lsd; p1=p1->next; } while(NULL!=p2) { if(p2->yyz==g[i][1]) b[m++]=p2->lsd; p2=p2->next; } while(NULL!=p3) { if(p3->yyz==g[i][2]) c[n++]=p3->lsd; p3=p3->next; } for(j=0;j<13;j++) for(l=0;l<13;l++) { if(a[j]>b[l]) R1[z++]=b[l]; else R1[z++]=a[j]; } for(j=0;j<169;j++) for(l=0;l<13;l++) { if(R1[j]>c[l]) R2[j][l]=c[l]; else R2[j][l]=R1[j]; } if(0==i) for(j=0;j<169;j++) //以下于对所有规则对应的关系矩阵作加法 for(l=0;l<13;l++) { R[j][l]=R2[j][l]; } for(j=0;j<169;j++) for(l=0;l<13;l++) { if(R2[j][l]>R[j][l]) R[j][l]=R2[j][l]; } } i=0; for(j=0;j<169;j++) for(l=0;l<13;l++) { i++; cout< if(13==i) {cout< } return; } void Fuzzy::jlcxb(struct Fzb*E,struct Fzb*EC,struct Fzb*U) { int e,ec,u; int i,j,k,n=0,l=0,x=0; float m=0; struct Fzb*p1,*p2,*p3; p1=E;p2=EC;p3=U; float a[13],b[13]; float gg[169]; float max=0,min; float t[13]; //用于存储每次生成的U的隶属函数，从而求得每组e,ec对应的u for(i=0;i<13;i++) for(j=0;j<13;j++) { m=0; p1=E;p2=EC;p3=U; l=0; e=i-6; ec=j-6; while (NULL!=p1) { if(e<0) { if(e==p1->ly&&m { n=p1->yyz; m=p1->lsd; } } else { if(e==p1->ly&&m<=p1->lsd) { n=p1->yyz; m=p1->lsd; } } p1=p1->next; } p1=E; while (NULL!=p1) { if(n==p1->yyz) a[l++]=p1->lsd; p1=p1->next; } m=0; while (NULL!=p2) { if(ec<0) { if(ec==p2->ly&&m n=p2->yyz; m=p2->lsd; } } else { if(ec==p2->ly&&m<=p2->lsd) { n=p2->yyz; m=p2->lsd; } } p2=p2->next; } p2=EC; l=0; while (NULL!=p2) { if(n==p2->yyz) b[l++]=p2->lsd; p2=p2->next; } /* cout< for(x=0;x<13;x++) { cout< } cout< for(x=0;x<13;x++) { cout< } cout< n=0; for(x=0;x<13;x++) for(l=0;l<13;l++) { if(a[x] else gg[n++]=b[l]; } for(x=0;x<13;x++) //进行推理合成规则计算{ max=0; for(l=0;l<169;l++) { if(gg[l] else min=R[l][x]; if(max } t[x]=max; } p3=U; float sum=0; float s=0; float u=0; for(x=0;x<13;x++) { if(0!=t[x]) { s=x-6; sum+=t[x]*s; u+=t[x]; } } H[i][j]=sum/u; } for(i=0;i<13;i++) { for(j=0;j<13;j++) { if(H[i][j]<0) cout< else cout< } cout< } } void main() { struct Fzb *E,*EC,*U; E=EC=U=NULL; Fuzzy p; int jg; int n=1; E=p.Creatfzb(); //默认建立E的赋值表 EC=p.Creatfzb(); //默认建立EC的赋值表 U=p.Creatfzb(); //默认建立U的赋值表 int t=1; while (1==1) { cout< cout<<"----> "; cin>>jg; switch(jg) { case 1: cout<<"*************************************************************"< p.Printfzb(E); break; case 2: cout<<"*************************************************************"< p.Printfzb(EC); break; case 3: cout<<"*************************************************************"< p.Printfzb(U); break; case 4: p.Inputgzk(); n=0; break; case 5: if(n) { cout<<"*************************************************************"< cout<<"*************************************************************"< else { p.jlgx(E,EC,U); t=0; } break; case 6: if(t) { cout<<"*************************************************************"< cout<<"*************************************************************"< else { cout<<"*************************************************************"< p.jlcxb(E,EC,U); } break; default: return; } } } 温度模糊控制实验（选学） 一、实验目的 1．认识Labview 虚拟仪器在测控电路的应用； 2．通过实验，改变P 的参数，观察对整个温度测控系统的影响； 3．进一步认识固态继电器和温度变送器，了解其工作原理； 4．了解什么是模糊控制理论。 二、预习要点 1．了解模糊控制理论的由来及应用； 2．Labview 虚拟仪器图形软件（本实验指导书附录中对使用环境详细介绍）。 三、实验原理 温度还是通过固态继电器的导通关断来实现加热过程的，控制周期即是一个 加热和冷却周期，PID 调节的实现也是通过这个周期实现的，在远离温度预设值 的时固态继电器在温度控制周期中持续加热（假设导通时间是T），在接近温度 预设值时通过PID 得到的值来控制这一周期内固态继电器的开关时间（假设导通 时间是1/2T）维持温度（假设导通时间是1/4T）。 本实验暂时用的是模糊控制原理中的的比例控制钟摆无限接近的控制理论， 所以温度预设值不能超过（最大温度+实验开始前温度）/2，例如实验开始前温度为25 度，最大为100 度，那么预设最大为62.5 度，当然这样可能几天温度才能被控制好，所以建议温度不超过实验开始温度5 度，同时我们在将来的升级中 会用更好的模糊理论代替现有的较差的控制理论，这里还要指出好的模糊控制理 论在一定程度上比好的PID 控制还要稳定，做的好的模糊控制是经验与理论的最 完美结合。 四、实验项目 用模糊PID 控制水箱温度。 五、实验仪器 ZCK-II 型智能化测控系统。 六、实验步骤及操作说明 1．打开仪器面板上的总电源开关，绿色指示灯亮起表示系统正常； 2．打开仪器面板上的液位电源开关，绿色指示灯亮起表示系统正常； 3，确保贮水箱内有足够的水，参照图2（图见第三章）中阀门位置设置阀门开关，将阀门1、3、5、6 打开，阀门2、4 关闭； 4．参看变频器操作说明书将其设置在手动操作挡； 5．单击控制器RUN 按钮，向加热水箱注水，直到水位接近加热水箱顶部，完全 淹没加热器后单击STOP 按钮结束注水； 6．关闭仪器面板上的液位电源开关，红色指示灯亮起表示系统关闭； 7．打开仪器面板上的加热电源开关，绿色指示灯亮起表示系统正常； 8．打开计算机，启动ZCK-II 型智能化测控系统主程序； 12 9．用鼠标单击温度控制动画图形进入温度控制系统主界面，小组实验无须在个人信息输入框填写身份，直接确定即可； 10．在温度系统控制主界面中，单击采集卡测试图标，进入数据采集卡测试程序。 一切设置确认无误后即可单击启动程序图标，观察温度和电压的变化，也可以单 击冷却中左边的开关按钮进入加热程序，观察温度上升曲线及电流表和电压表变 化，确认传感器正常工作后点击程序结束，等待返回主界面图标出现即可返回温 度控制主界面进入下一步实验。 11．在温度系统控制主界面中，单击传感器标定图标，进入传感器标定程序。本 程序界面基本和数据采集卡测试程序界面基本相同，操作请参照步骤10 进行，一切设置确认无误后即可单击启动程序图标，观察温度和电压的变化，同时用温 度计测量加热箱内水温，并用传感器标定控制图标完成精确标定。标定完成后加 热水箱到30 摄氏左右时程序结束，等待返回主界面图标出现即可返回温度控制主界面进入下一步实验； 12．在温度系统控制主界面中，单击模糊PID 系统图标，进入模糊PID 温度控制系统程序。点击控制参数图标，进入控制参数设定界面，按照参数表4 中的小 组1 给定的预设参数填写。确定返回后点击采集参数图标按照参数表4 中的小组 模糊控制系统的发展现状 一、模糊控制系统简介 模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年美国的扎德创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理。1974 年英国的Mamdani首先用模糊控制语句组成模糊控制器，并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生。 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域。从信息技术的观点来看, 模糊控制是一种基于规则的专家系统。从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器。 相对传统控制, 包括经典控制理论与现代控制理论。模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型，应用CRI等各类模糊推理方法，可以得到适合控制要求的控制量, 可以说模糊控制是一种语言变量的控制。 模糊控制具有以下特点: (1) 模糊控制是一种基于规则的控制。它直接采用语言型控制规则, 出发点是现场操作人员的控制经验或相关专家的知识, 在设计中不需要建立被控对象的精确数学模型, 因而使得控制机理和策略易于接受与理解, 设计简单, 便于应用; (2) 由工业过程的定性认识出发, 比较容易建立语言控制规则, 因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用; (3) 基于模型的控制算法及系统设计方法, 由于出发点和性能指标的不同, 容易导致较大差异; 但一个系统的语言控制规则却具有相对的独立性, 利用这些控制规律间的模糊连接, 容易找到折中的选择, 使控制效果优于常规控制器; (4) 模糊控制算法是基于启发性的知识及语言决策规则设计的, 这有利于模拟人工控制的过程和方法, 增强控制系统的适应能力, 使之具有一定的智能水平; (5) 模糊控制系统的鲁棒性强, 干扰和参数变化对控制效果的影响被大大减弱, 尤其适合于非线性、时变及纯滞后系统的控制。 除此, 模糊控制还有比较突出的两个优点: 第一, 模糊控制在许多应用中可以有效且便捷地实现人的控制策略和经验; 第二, 模糊控制可以不需被控对象的数学模型即可实现较好的控制, 1. 模糊控制的相关理论和概念 1.1 模糊控制的发展 模糊控制理论是在美国加州伯克利大学的L.A.Zadeh 教授于1965 年建立的模糊集合论的数学基础上发展起来的。之后的几年间Zadeh 又提出了模糊算法、模糊决策、模糊排序、语言变量和模糊IF-THEN 规则等理论，为模糊理论的发展奠定了基础。 1975年，Mamdani 和Assilian 创立了模糊控制器的基本框架，并用于控制蒸汽机。 1978年，Holmblad 和Ostergaard 为整个工业过程开发出了第一个模糊控制器——模糊水泥窑控制器。 20世纪80年代，模糊控制开始在工业中得到比较广泛的应用，日本仙台地铁模糊控制系统的成功应用引起了模糊领域的一场巨变。到20世纪90年代初，市场上已经出现了大量的模糊消费产品。 近30 年来, 因其不依赖于控制对象的数学模型、鲁棒性好、简单实用等优点, 模糊控制已广泛地应用到图像识别、语言处理、自动控制、故障诊断、信息检索、地震研究、环境预测、楼宇自动化等学科和领域, 并且渗透到社会科学和自然科学许多分支中去, 在理论和实际运用上都取得了引人注目的成果。 1.2模糊控制的一些相关概念 用隶属度法来定义论域U 中的集合A ，引入了集合A 的0-1隶属度函数，用()A x μ表示，它满足： 1 ()0A x μ?=?? x A x A ∈? 用0-1之间的数来表示x 属于集合A 的程度，集合A 等价与它的隶属度函数()A x μ 模糊系统是一种基于知识或基于规则的系统。它的核心就是由所谓的 IF-THEN 规则所组成的知识库。一个模糊的IF-THEN 规则就是一个用连续隶属度函数对所描述的某些句子所做的IF-THEN 形式的陈述。例如: 如果一辆汽车的速度快，则施加给油门的力较小。 这里的“快”和“较小”分别用隶属度函数加以描述。模糊系统就是通过组合IF-THEN 规则构成的。 构造一个模糊系统的出发点就是要得到一组来自于专家或基于该领域知识的模糊IF-THEN 规则，然后将这些规则组合到单一系统中。不同的模糊系统可采用不用的组合原则。 用隶属度函数表征一个模糊描述后，实质上就将模糊描述的模糊消除了。 模糊控制系统设计的关键在于模糊控制器的设计。模糊控制器的设计主要有三个部分: (1) 输入量的模糊化 所谓模糊化(Fuzzification) 就是先将某个输入测量量的测量值作标准化处理,把该输入测量量的变化范围映射到相应论域中,再将论域中的各输入数据以相应 Computer Engineering and Applications 计算机工程与应用 2015，51（19）1引言相对于传统控制方式，模糊控制（FC ）凭借其不需对象模型、鲁棒性强、实时性好等优点广泛用于非线性、时变滞后系统中。然而模糊控制器实质上是插值器，插值精度与模糊规则数量紧密相关，提高精度必然以扩大规模为代价，导致其控制精度存在一定局限性[1]。变论 域模糊控制器（VUFC ）不仅可以综合专家知识，而且在不增加规则数量的情况下，论域随误差变小而收缩并随误差增大而扩展，从一定程度上解决了控制精度和控制复杂度的矛盾[2]。理论上分析，VUFC 的决策速度与精一种基于双精度搜索算法的变论域模糊控制 刘培奇，田洋，孙阳阳 LIU Peiqi,TIAN Yang,SUN Yangyang 西安建筑科技大学信息与控制工程学院，西安710055 College of Information &Control Engineering,Xi ’an University of Architecture &Technology,Xi ’an 710055,China LIU Peiqi,TIAN Yang,SUN Yangyang.Variable universe fuzzy control based on double precision search https://www.doczj.com/doc/008810099.html,puter Engineering and Applications,2015,51（19）：260-264. Abstract ：Aiming at the low accuracy and poor adaptation of variable universe fuzzy control,and when the control function is inherited to the offspring,there usually exists some distortion which lead to the error of the algorithms.A variable-universe fuzzy control method based on double precision search algorithm is put forward.With the global optimal solution of basic gravitational search algorithm,sequential quadratic programming is employed as a local search method to avoid being trapped into local optimum.This paper presents a double precision search algorithm with “global-local ”dual search mech-anism.Then the method adjusts the universe by the contraction-expansion factor and geometric proportional factors based on variable universe fuzzy control,and optimizes the parameters through double precision search algorithms to reduce the distortion of control function in the control process and improves the control https://www.doczj.com/doc/008810099.html,parative experiments show that the stability of DPSA is prominent in the parameter optimization.The controller results in desirable convergence speed.The accuracy and effect are even better than those of other control ways. Key words ：variable universe fuzzy control;double-precision search algorithm;contraction-expansion factor;geometric proportional factors 摘要：针对定式变论域模糊控制精度不高，自适应能力有限，控制函数在遗传到后代时存在畸变而造成算法本身误差等问题，设计了一种基于双精度搜索算法的变论域模糊控制器。在基本万有引力算法全局搜索的同时，采用序列二次规划进行局部搜索避免算法陷入局部最优，提出具有“全局-局部”双重搜索机制的双精度搜索算法。在变论域模糊控制基础上提出了一种利用伸缩因子、等比因子相互协调来调整论域的构想，且通过双精度搜索算法来寻优参数，降低控制过程中的函数畸变，从而进一步改善控制器性能。对比实验表明DPSA 在参数寻优中稳定性突出，控制器不但收敛速度快，且与其他控制方式相比，其精度和效果都有所提高。 关键词：变论域模糊控制；双精度搜索算法；伸缩因子；等比因子 文献标志码：A 中图分类号：TP273doi ：10.3778/j.issn.1002-8331.1309-0211 基金项目：国家自然科学基金（No.51178373）；陕西省教育厅自然科学计划项目（No.12JK0743）。 作者简介：刘培奇（1959—），男，博士，副教授，硕导，研究领域为人工智能，数据挖掘，计算机网络应用；田洋（1987—），女，硕士研 究生，研究领域为智能控制；孙阳阳（1987—），男，硕士研究生，研究领域为智能控制，先进控制在工业控制中的应用。E-mail ：peiqiliu@https://www.doczj.com/doc/008810099.html, 收稿日期：2013-09-16修回日期：2014-01-16文章编号：1002-8331（2015）19-0260-05 CNKI 网络优先出版：2014-02-24,https://www.doczj.com/doc/008810099.html,/kcms/doi/10.3778/j.issn.1002-8331.1309-0211.html 260 基于模糊控制的速度控制 ——地面智能移动车辆速度控制系统问题描述 利用模糊控制的方法解决速度跟踪问题，即已知期望速度(desire speed)，控制油门(throttle output)和刹车(brake output)来跟踪该速度。已知输入：车速和发动机转速（值可观测）。欲控制刹车和油门电压（同一时刻只有一个量起作用）。 算法思想 模糊控制器是一语言控制器，使得操作人员易于使用自然语言进行人机对话。模糊控制器是一种容易控制、掌握的较理想的非线性控制器，具有较佳的适应性及强健性(Robustness)、较佳的容错性(Fault Tolerance)。利用控制法则来描述系统变量间的关系。不用数值而用语言式的模糊变量来描述系统，模糊控制器不必对被控制对象建立完整的数学模式。 Figure 1模糊控制器的结构图 模糊控制的优点： (1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。 (2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。 (3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 (4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。 简化系统设计的复杂性，特别适用于非线性、时变、模型不完全的系统上。 模糊控制的缺点 模糊PID控制器的设计 摘要 随着现代化技术的发展，控制系统越来越复杂，常规的PID控制已经不能满足复杂系统的控制要求。因此，将PID控制与Fuzzy控制的简便性、灵活性以及鲁棒性融为一体，构造了一个自适应模糊PID控制器，以提高控制的效果，展现出模糊控制的优点。通过阐述模糊控制理论的产生和发展，详细地介绍了一个模糊控制器的设计过程。本文设计了三种控制器：常规PID控制器、模糊控制器和自整定模糊PID控制器，并且利用MATLAB软件对控制器进行仿真。仿真结果表明，模糊控制可以有效的减少系统初期超调量和系统的响应时间，系统的控制精度较高。与常规PID控制和普通模糊控制进行比较，自整定模糊PID控制器原理简单，能够实现快速、精准的控制，并且有很好的鲁棒性，从而提高了控制性能。 关键字:模糊控制器；PID；仿真 目录 摘要.............................................................................................................................. I 1 绪论.. (1) 1.1课题研究的背景和意义 (1) 1.2 控制理论的发展 (1) 1.3 本文的主要内容 (2) 2 PID控制原理及模糊控制器概述 (4) 2.1 PID控制原理 (4) 2.2 模糊控制理论概述 (4) 2.3模糊控制系统的结构和组成 (5) 2.4 模糊控制的特点 (7) 2.5 模糊控制的局限性 (8) 3模糊控制器的设计 (9) 3.1模糊控制的设计流程 (9) 3.2 模糊PID参数自整定控制器的结构 (10) 3.3 PID初始参数的设定 (10) 3.4 PID参数自整定模糊推理计算输入输出变量模糊化接口设计 (12) 3.4.1 量化因子比例因子的确定 (12) 3.4.2 模糊语言变量语言值隶属函数的确定 (12) 3.5 PID控制器参数自整定模糊推理算法设计 (15) 3.6 PID控制器参数自整定解模糊方法选择 (19) 3.7 仿真设计 (20) 3.7.1 常规PID控制 (20) 3.7.2模糊控制 (22) 3.7.3自适应模糊控制 (23) 结论 (26) 参考文献 (27) 实验一 模糊控制器的MATLAB 仿真 一、实验目的 本实验要求利用MATLAB/SIMULINK 与FUZZYTOOLBOX 对给定的二阶动态系统，确定模糊控制器的结构，输入和输出语言变量、语言值及隶属函数，模糊控制规则；比较其与常规控制器的控制效果；研究改变模糊控制器参数时，系统响应的变化情况；掌握用 MATLAB 实现模糊控制系统仿真的方法。 实验时数：3学时。 二、实验设备：计算机系统、Matlab 仿真软件 三、实验原理 模糊控制器它包含有模糊化接口、规则库、模糊推理、清晰化接口等部分，输人变量是过程实测变量与系统设定值之差值。输出变量是系统的实时控制修正变量。模糊控制的核心部分是包含语言规则的规则库和模糊推理。模糊推理就是一种模糊变换，它将输入变量模糊集变换为输出变量的模糊集，实现论域的转换。工程上为了便于微机实现，通常采用“或”运算处理这种较为简单的推理方法。Mamdani 推理方法是一种广泛采用的方法。它包含三个过程：隶属度聚集、规则激活和输出总合。模糊控制器的体系结构如图1所示。 图1 模糊控制器的体系结构 四、实验步骤 （1）对循环流化床锅炉床温，对象模型为 ()()1140130120 ++s s 采用simulink 图库，实现常规PID 和模糊自整定PID 。 （2）确定模糊语言变量及其论域：模糊自整定PID 为2输入3输出的模糊控制器。该模糊控制器是以|e|和|ec|为输入语言变量，Kp 、Ki 、Kd 为输出语言变量，其各语言变量的论域如下： 误差绝对值：e={0，3，6，10}； 误差变化率绝对值：ec={0，2，4，6}； 输出Kp：Up={0，0.5，1.0，1.5}； 输出Ki：Ui={0，0.002，0.004，0.006}； 输出Kd：Ud={0，3，6，9}。 （3）语言变量值域的选取：输入语言变量|e|和|ec|的值域取值“大”(B)、“中”(M)、“小”(s)和“零”(Z) 4种；输出语言变量Kp、Ki、Kd的值域取值为“很大”(VB)、“大”(B)、“中”(M)、“小”(s) 4种。 （4）规则的制定：根据PID参数整定原则及运行经验，可列出输出变量Kp、Ki、Kd 的控制规则表。 （5）推理方法的确定 隐含采用“mamdani”方法：max-min； 推理方法，即“min”方法； 去模糊方法：面积中心法； 选择隶属函数的形式：三角型。 目录 第一章摘要 0 1.1设计任务 0 1.2关键词 (1) 第二章温度模糊控制系统 (1) 2.1温度控制系统 (1) 2.2模糊控制 (1) 2.2.1模糊控制的用途 (1) 2.2.2 模糊控制的概述 (2) 2.2.3 模糊控制的基本原理 (3) 2.2.4模糊控制的基本组成 (4) 第三章单回路控制系统 (5) 3.1系统总体设计方案 (5) 3.1.1工艺流程图 (5) 3.1.2方框图工作流程介绍 (5) 3.2硬件设计和器件选择 (6) 3.2.1电气接线图 (6) 3.2.2器件选择 (6) 第四章控制算法选择及参数整定 (7) 4.1 控制算法选择 (7) 4.2 参数整定 (7) 4.2.1 凑试法 (8) 4.2.2 临界比例法 (8) 4.2.3经验法 (8) 4.3 MATLAB仿真 (9) 第五章系统软件设计 (11) 5.1控制器介绍 (11) 5.2控制器面板说明 (12) 5.3调节器参数设置： (12) 第六章心得体会 (13) 第七章参考文献 (13) 第一章摘要 1.1设计任务 本课程设计的任务是设计一个温度模糊控制系统；确定设计方案，选择检测变送器、控制器、执行器，确定控制器算法，并进行参数整定，以提高综合运用有关专业知识的能力 和实际动手能力。 1.设计组成单回路控制系统的各部分，画出总体框图； 2.能根据单回路温度定值控制系统的特点，确定控制方案； 3.根据所确定的设计方案进行仪表选择、控制器选择、执行器选择； 4.合理设计模糊控制器。 5.系统仿真运行 1.2关键词 关键词：温度控制，模糊控制，单回路控制系统 第二章温度模糊控制系统 2.1温度控制系统 温度控制系统广泛应用于社会生活的各个领域 ,如家电、汽车、材料、电力电子等 ,常用的控制电路根据应用场合和所要求的性能指标有所不同 , 在工业企业中,如何提高温度控制对象的运行性能一直以来都是控制人员和现场技术人员努力解决的问题。这类控制对象惯性大,滞后现象严重,存在很多不确定的因素,难以建立精确的数学模型,从而导致控制系统性能不佳,甚至出现控制不稳定、失控现象。传统的继电器调温电路简单实用 ,但由于继电器动作频繁 ,可能会因触点不良而影响正常工作。控制领域还大量采用传统的PID控制方式,但PID控制对象的模型难以建立,并且当扰动因素不明确时,参数调整不便仍是普遍存在的问题。而采用数字温度传感器DS18B20，因其内部集成了A/D转换器，使得电路结构更加简单，而且减少了温度测量转换时的精度损失，使得测量温度更加精确。数字温度传感器DS18B20只用一个引脚即可与单片机进行通信，大大减少了接线的麻烦，使得单片机更加具有扩展性。由于DS18B20芯片的小型化，更加可以通过单跳数据线就可以和主电路连接，故可以把数字温度传感器DS18B20做成探头，探入到狭小的地方，增加了实用性。更能串接多个数字温度传感器DS18B20进行范围的温度检测。 2.2模糊控制 2.2.1模糊控制的用途 自从电子计算机诞生以来,人们就希望计算机能具有智能并取代人进行智能活动。因此 简易模糊控制器的设计及仿真 摘要：模糊控制（Fuzzy Control ）是以模糊集理论、模糊语言和模糊逻辑推理为基础的一种控制方法，它从行为上模仿人的模糊推理和决策过程。本文利用MATLAB/SIMULINK 与FUZZY TOOLBOX 对给定的二阶动态系统，确定模糊控制器的结构，输入和输出语言变量、语言值及隶属函数，模糊控制规则，比较其与常规控制器的控制效果，用MATLAB 实现模糊控制的仿真。 关键词：模糊控制 参数整定 MATLAB 仿真 二阶动态系统模型： ()()1140130120 ++s s 采用simulink 图库，实现常规PID 和模糊自整定PID 。 一．确定模糊控制器结构 模糊自整定PID 为2输入3输出的模糊控制器。在MATLAB 的命令窗口中键入fuzzy 即可打开FIS 编辑器，其界面如下图所示。此时编辑器里面还没有FIS 系统，其文件名为Untitled ，且被默认为Mandani 型系统。默认的有一个输入，一个输出，还有中间的规则处理器。在FIS 编辑器界面上需要做一下几步工作。 首先，模糊自整定PID 为2输入3输出的模糊控制器，因此需要增加一个输入两个输出，进行的操作为：选择Edit 菜单下的Add Variable/Input 菜单项。 如下图。 其次，给输入输出变量命名。单击各个输入和输出框，在Current Variable 选项区域的Name文本框中修改变量名。如下图 最后，保存系统。单击File菜单，选择Export下的To Disk项。这里将创建的系统命名为PID_auot.fi。 二．定义输入、输出模糊集及隶属函数 基于MATLAB的模糊控制器的设计与仿真 摘要：本文对模糊控制器进行了主要介绍。提出了一种模糊控制器的设计与仿真的实现方法，该方法利用MA TLB模糊控制工具箱中模糊控制器的控制规则和隶属度函数，建立模型，并进行模糊控制器设计与仿真。 关键词：模糊控制，隶属度函数，仿真，MA TLAB 1 引言 模糊控制是一种特别适用于模拟专家对数学模型未知的较复杂系统的控制，是一种对模型要求不高但又有良好控制效果的控制新策略。与经典控制和现代控制相比，模糊控制器的主要优点是它不需要建立精确的数学模型。因此，对一些无法建立数学模型或难以建立精确数学模型的被控对象，采用模糊控制方法，往往能获得较满意的控制效果。 模糊控制器的设计比一般的经典控制器如PID控制器要复杂，但如果借助MATLAB则系统动态特性良好并有较高的稳态控制精度，可提高模糊控制器的设计效率。本文在MATLAB环境下针对某个控制环节对模糊控制系统进行了设计与仿真。 2 模糊控制器简介 模糊控制器是一种以模糊集合论，模糊语言变量以及模糊推理为数学基础的新型计算机控制方法。显然，模糊控制的基础是模糊数学，模糊控制的实现手段是计算机。本章着重介绍模糊控制的基本思想，模糊控制的基本原理，模糊控制器的基本设计原理和模糊控制系统的性能分析。 随着科学技术的飞速发展，在那些复杂的，多因素影响的严重非线性、不确定性、多变性的大系统中，传统的控制理论和控制方法越来越显示出局限性。长期以来，人们期望以人类思维的控制方案为基础，创造出一种能反映人类经验的控制过程知识，并可以达到控制目的，能够利用某种形式表现出来。而且这种形式既能够取代那种精密、反复、有错误倾向的模型建造过程，又能避免精密的估计模型方程中各种方程的过程。同时还很容易被实现的，简单而灵活的控制方式。于是模糊控制理论极其技术应运而生。 3 模糊控制的特点 模糊控制是以模仿人类人工控制特点而提出的，虽然带有一定的模糊性和主观性，但往往是简单易行，而且是行之有效的。模糊控制的任务正是要用计算机来模拟这种人的思维和决策方式，对这些复杂的生产过程进行控制和操作。所以，模糊控制有以下特点： 1）模糊控制的计算方法虽然是运用模糊集理论进行的模糊算法，但最后得到的控制规律是确定 物理与电子工程学院 《人工智能》 课程设计报告 课题名称关于模糊控制理论的综述 专业自动化 班级 11级3班 学生姓名郑艳伟 学号 指导教师崔明月 成绩 2014年6月18日 关于模糊控制理论的综述 摘要：模糊控制方法是智能控制的重要组成部分，本文简要回顾了模糊控 制理论的发展，详细介绍了模糊控制理论的原理和模糊控制器的设计步骤， 分析了模糊控制理论的优缺点以及模糊控制需要完善或继续研究的内容，根 据各种模糊控制器的不同特点，对模糊控制在电力系统中的应用进行了分 类，并分析了各类模糊控制器的应用效能.最后，展望了模糊控制的发展趋 势与动态. 关键词：模糊控制；模糊控制理论；模糊控制系统；模糊控制理论的发展模糊控制是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法，从行为上模拟人的思维方式，对难建模的对象实施模糊推理和决策的一种控制方法.模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域、电力系统、家用电器自动化等领域中解决了很多的问题，引起了越来越多的工程技术人员的兴趣. 模糊控制系统简介 模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术.1965年美国的扎德[1]创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理.1974 年英国的Mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生. 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域.从信息技术的观点来看, 模糊控制是一种基于规则的专家系统.从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器. 相对传统控制, 包括经典控制理论与现代控制理论.模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型, 应用CRI 等各类模糊推理方法, 对自动化发展前景的认识 Prepared on 22 November 2020 对自动化发展前景的认识学院：信息科学与工程学院 专业年级：自动化1404 姓名：庄广大 本学期期末学术周内，我们自动化专业许多同学都听了桂卫华院士的报告。报告介绍了一些自动化相关的发展前景以及自动化领域在工业上的应用。这些让我对我们专业可谓有了更清晰的认识，对我们未来的就业方向、就业前景也有了一个大体上的了解。在此我想谈谈我的收获或者说听完报告后我对自动化发展前景的认识。 自动化经历了这么多年的发展，依旧长久不衰是有它一定的原因的。自动化技术广泛用于工业、农业、军事、科学研究、交通运输、商业、医疗、服务和家庭等方面。采用自动化技术不仅可以把人从繁重的体力劳动、部分脑力劳动以及恶劣、危险的工作环境中解放出来，而且能扩展人的器官功能，极大地提高劳动生产率，增强人类认识世界和改造世界的能力。 这里我先谈谈有关自动化的一些内容。自动化是一门多学科交叉的高技术学科。自动化学科包含宽广，随着社会的发展将来会越来越广。自动化学科的发展前景会很好，自动化基础面非常宽，需要牢固的基础知识。自动化与其它工科专业基本上都有交集。学习自动化是把控制与自动化作为一种手段。 自动化包含5个领域： 控制与智能，传感与检测，执行与驱动，对象与建模，系统与工程。 自动化在发展的过程了经历了好几次变迁（4次大的挑战）。自动化现在正在向复杂的系统控制和高级的智能控制发展。 自动化是新的技术发展的一个重要方面。自动化技术的研究﹑应用和推广﹐对人类的生产﹑生活等方式将产生深远影响。生产过程自动化和办公室自动化可极大地提高社会生产率和工作效率﹐节约能源和原材料消耗﹐保证产品质量﹐改善劳动条件﹐改进生产工艺和管理体制﹐加速社会的产业结构的变革和社会信息化的进程。 现代生产和科学技术的发展﹐对自动化技术提出越来越高的要求﹐同时也为自动化技术的革新提供了必要条件。 70年代以来，自动化开始向复杂的系统控制和高级的智能控制发展﹐并广泛地应用到国防﹑科学研究和经济等各个领域﹐实现更大规模的自动化﹐例如大型企业的综合自动化系统﹑全国铁路自动调度系统﹑国家电力网自动调度系统﹑空中交通管制系统﹑城市交通控制系统﹑自动化指挥系统﹑国民经济管理系统等。自动化的应用正从工程领域向非工程领域扩展﹐如医疗自动化﹑人口控制﹑经济管理自动化等。自动化将在更大程度上模仿人的智能﹐机器人已在工业生产﹑海洋开发和宇宙探测等领域得到应用﹐专家系统在医疗诊断﹑地质勘探等方面取得显着效果。工厂自动化﹑办公自动化﹑家庭自动化和农业自动化将成为新技术发展的重要内容﹐并得到迅速发展。 下面是我国自动化发展的前景认识： 我国工业企业，未来的十年将面临着市场和能源；清洁生产和环境保护；高效和规范；负责和协调的挑战。节能、环保、安全、高效是每一个企业必须要面对的课题，而自动 目录 1、摘要 2、模糊控制器理论和基本结构 2.1模糊化 2.2知识库 2.3模糊推理机 2.4解模糊 3、中央空调系统控制方法 3.1控制目标和被控对象建模 3.2系统控制方案的设计 4、中央空调模糊控制器的设计 5、系统硬件设计 5.1单片机系统设计 5.2直流电机控制电路 6、系统软件设计 6.1PC软件设计 6.2控制规则自调整模糊控制器的设计 6.3PC机与单片机串口通信设计 6.4抗干扰设计 6.5误差分析 7、仿真实验 1摘要 在现代化的楼房大厦中,大多数采用了中央空调统一供热、制冷的方法。在每一个房间内都安装了热交换器和循环风机,通过设定风机的转速来改变换热量的大小,调节房间的温度。一般的控制器可以设定“高/中/低/关”四种模式。但这种控制方法的缺点是房间温度需要手动调节,各种环境因素的变化常常会使人们感到不适。 由于被控对象具有较大的惯性和迟延,受各种因素变化影响,因而对象的传递函数具有非线性和时变特性;对于各个空调控制器,由于房间情况和安装情况不同导致对象特性不同,采用常规PID控制难以取得较好的控制效果。而模糊控制是基于模糊规则的控制,可以引入设计者的经验,对非线性对象、大惯性大迟延对象以及数学模型不太清楚的对象都可以取得较好的控制效果,具有较好的鲁棒性。 法国ST公司生产的ST62系列单片机,具有优良的噪声免疫能力,可以直接与电力线连接,能为一般民用 电器的设计提供一种可靠性高、成本低的解决方法。基于ST62系列单片机,本文提出了具有实用价值的房间温度模糊控制器的设计方案。 2模糊控制器理论及基本结构 本节将介绍模糊控制(fuzzy control)的基本原理、结构分析、稳定性理论 模糊神经网络技术研究的现状及展望 摘要：本文对模糊神经网络技术研究的现状进行了综述，首先介绍了模糊控制技术和神经网络技术的发展，然后结合各自的特点讨论了模糊神经网络协作体的产生以及优越性，接着对模糊神经网络的常见算法、结构确定、规则的提取等进行了阐述，指出了目前模糊神经网络的研究发展中还存在的一些问题，并对模糊神经网络的发展进行了展望。 关键字：模糊控制；神经网络；模糊神经网络 引言 系统的复杂性与所要求的精确性之间存在尖锐的矛盾。为此，通过模拟人类学习和自适应能力，人们提出了智能控制的思想。控制理论专家Austrom（1991）在IFAC大会上指出：模糊逻辑控制、神经网络与专家控制是三种典型的智能控制方法。通常专家系统建立在专家经验上，并非建立在工业过程所产生的操作数据上，且一般复杂系统所具有的不精确性、不确定性就算领域专家也很难把握，这使建立专家系统非常困难。而模糊逻辑和神经网络作为两种典型的智能控制方法，各有优缺点。模糊逻辑与神经网络的融合——模糊神经网络由于吸取了模糊逻辑和神经网络的优点，避免了两者的缺点，已成为当今智能控制研究的热点之一了。 1 模糊神经网络的提出 模糊集理论由美国著名控制论专家L.A.Zadeh于1965年创立[1]。1974年，英国著名学者E.H.Mamdani将模糊逻辑和模糊语言用于工业控制，提出了模糊控制论。至今，模糊控制已成功应用在被控对象缺乏精确数学描述及系统时滞、非线性严重的场合。 人工神经网络理论萌芽于上世纪40年代并于80年代中后期重掀热潮，其基本思想是从仿生学的角度对人脑的神经系统进行功能化模拟。人工神经网络可实现联想记忆，分类和优化计算等功能，在解决高度非线性和严重不确定系统的控制问题方面，显示了巨大的优势和潜力 模糊控制系统与神经网络系统具有整体功能的等效性[2]，两者都是无模型的估计器，都不需要建立任何的数学模型，只需要根据输入的采样数据去估计其需要的决策：神经网络根据学习算法，而模糊控制系统则根据专家提出的一些语言规则来进行推理决策。实际上，两者具有相同的正规数学特性，且共享同一状态空间[3]。 另一方面，模糊控制系统与神经网络系统具有各自特性的互补性[。神经网络系统完成的是从输入到输出的“黑箱式”非线性映射，但不具备像模糊控制那样的因果规律以及模糊逻辑推理的将强的知识表达能力。将两者结合，后者正好弥补前者的这点不足，而神经网络的强大自学习能力则可避免模糊控制规则和隶属函数的主观性，从而提高模糊控制的置信度。 因此，模糊逻辑和神经网络虽然有着本质上的不同，但由于两者都是用于处理不确定性问题，不精确性问题，两者又有着天然的联系。Hornik和White(1989)证明了神经网络的函数映射能力[4]；Kosko(1992)证明了可加性模糊系统的模糊逼近定理(FAT，Fuzzy Approximation Theorem)[5]；Wang和Mendel(1992)、Buckley和Hayashi(1993)、Dubots 和Grabish(1993)、Watkins(1994)证明了各种可加性和非可加性模糊系统的模糊逼近定理[6]。这说明模糊逻辑和神经网络有着密切联系，正是由于这类理论上的共性，才使模糊逻辑 模糊逻辑与模糊控制技术的发展 宁廷群1 肖英辉1任惠英2 （1山东科技大学机电学院山东青岛 266510 2山东兖矿集团机械制修厂山东邹城 273500）The Development of Fuzzy Logic and Fuzzy Control Technology 摘要：针对现代工业控制领域的模糊控制技术的新发展，综合介绍了当代该领域的基本理论和发展现状，展望了未来的发展应用。 关键词：模糊控制；应用发展；自适应控制。 Abstract: This paper introduces the development of fuzzy logic and fuzzy control technology in modern control domain, and discusses the basic theory and main development in integration. At last it gives some prospects. Key words: fuzzy control, development and application, adaptive control 一、引言 在现代工业控制领域，伴随着计算机技术的突飞猛进，出现了智能控制的新趋势，即以机器模拟人类思维模式，采用推理、演绎和归纳等手段，进行生产控制，这就是人工智能。其中专家系统、模糊逻辑和神经网络是人工智能的几个重点研究热点。相对于专家系统，模糊逻辑属于计算数学的范畴，包含有遗传算法，混沌理论及线性理论等内容，它综合了操作人员的实践经验，具有设计简单，易于应用、抗干扰能力强、反应速度快、便于控制和自适应能力强等优点。近年来，在过程控制、建摸、估计、辩识、诊断、股市预测、农业生产和军事科学等领域得到了广泛应用。为深入开展模糊控制技术的研究应用，本文综合介绍了模糊控制技术的基本理论和发展状况，并对一些在电力电子领域的应用作了简单介绍。 二、模糊逻辑与模糊控制 １、模糊逻辑与模糊控制的概念 １９６５年，加州大学伯克利分校的计算机专家Ｌofty Ｚadeh提出“模糊逻辑”的概念，其根本在于区分布尔逻辑或清晰逻辑，用来定义那些含混不清，无法量化或精确化的问题，对于冯˙诺依曼开创的基于“真－假”推理机制，以及因此开创的电子电路和集成电路的布尔算法，模糊逻辑填补了特殊事物在取样分析方面的空白。在模糊逻辑为基础的模糊集合理论中，某特定事物具有特色集的隶属度，他可以在“是”和“非”之间的范围内取任何值。而模糊逻辑是合理的量化数学理论，是以数学基础为为根本去处理这些非统计不确定的不精确信息。 模糊控制是基于模糊逻辑描述的一个过程的控制算法。对于参数精确已知的数学模型，我们可以用Berd图或者Nyquist图来分析家其过程以获得精确的设计参数。而对一些复杂系统，如粒子反应，气象预报等设备，建立一个合理而精确的数学模型是非常困难的，对于电力传动中的变速矢量控制问题，尽管可以通过测量得知其模型，但对于多变量的且非线性变化，起精确控制也是非常困难的。而模糊控制技术仅依据与操作者的实践经验和直观推断，也依靠设计人员和研发人员的经验和知识积累，它不需要建立设备模型，因此基本上是自适应的，具有很强的鲁棒性。历经多年发展，已有许多成功应用模糊控制理论的案例，如Rutherford，Carter 和Ostergaard分别应用与冶金炉和热交换器的控制装置。 2、分析方法探讨 工业控制系统的稳定性是探讨问题的前提，由于难以对非线性和不统一的描述，做出判断，因此模糊控制系统的分析方法的稳定性分析一直是一个热点，综合近年来各位学者的发表的论文,目前系统稳定性分析有以下集中: 1、李普亚诺夫法:基于直接法的离散时间(D-T)和连续时间模糊控制的稳定性分析和设计方法,相对而言起稳定条件比价保守. 模糊控制算法的研究 0842812128夏中宇 模糊控制概述 “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。 在日常生活中,人们的思维中有许多模糊的概念,如大、小、冷、热等,都没有明确的内涵和外延,只能用模糊集合来描述。人们常用的经验规则都是用模糊条件语句表达,例如,当我们拧开水阀往水桶里注水时,有这样的经验:桶里没水或水较少时,应开大水阀;桶里水较多时,应将水阀关小些;当水桶里水快满时,则应把阀门关得很小;而水桶里水满时应迅速关掉水阀。其中,“较少”、“较多”、“小一些”、“很小”等,这些表示水位和控制阀门动作的概念都具有模糊性。即有经验的操作人员的控制规则具有相当的模糊性。模糊控制就是利用计算机模拟人的思维方式,按照人的操作规则进行控制,实现人的控制经验。 模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策略。 1974年,英国伦敦大学教授Mamdani·E·H研制成功第一个模糊控制器,充分展示了模糊技术的应用前景。 模糊控制概况 模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年，美国的L.A.Zadeh 创立了模糊集合论；1973年他给出了模糊逻辑控制的定义和相关的定理。1974年，英国的E.H.Mamdani首先用模糊控制语句组成模糊控制器，并把它应用于锅炉和蒸汽机的控制，在实验室获得成功。这一开拓性的工作标志着模糊控制论的诞生。 模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力；然而在东方尤其是在日本，却得到了迅速而广泛的推广应用。近20多年来，模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。 模糊控制的基本理论 所谓模糊控制,就是在控制方法上应用模糊集理论、模糊语言变量及模糊逻辑推理的知识来模拟人的模糊思维方法,用计算机实现与操作者相同的控制。该理论以模糊集合、模糊语言变量和模糊逻辑为基础,用比较简单的数学形式直接将人的判断、思维过程表达出来,从而逐渐得到了广泛应用。应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。在自动控制领域,以模糊集理论为基础发展起来的模糊控制为将人的控制经验及推理过程纳入自动控制提供了一条便捷途径。 1.知识库温度模糊控制实验
模糊控制系统的发展现状
模糊控制系统及其MATLAB实现
一种基于双精度搜索算法的变论域模糊控制
基于模糊控制的速度跟踪控制问题(C语言以及MATLAB仿真实现)
模糊控制
实验一--模糊控制器的MATLAB仿真
温度的模糊控制
简易模糊控制器设计及MATLAB仿真
基于matlab的模糊控制器的设计与仿真
关于模糊控制理论的综述
对自动化发展前景的认识
中央空调温度模糊控制器的设计
模糊神经网络技术研究的现状及展望
发展战略-模糊逻辑与模糊控制技术的发展 精品
模糊控制算法的研究
相关主题
文本预览