第二章模糊控制的数学基础
- 格式:ppt
- 大小:5.65 MB
- 文档页数:41
从中可见,随着实验次数n 的增加,27岁对“青年人”的频率基本稳定在0.78附近,近似可取()78.027~=A μ。
②例证法此法是扎德教授于1972年提出的。
基本思想—从模糊子集~A的有()x A ~μ的值,估计出论域U 上~A 的隶属函数。
例如:取论域U 是实数域R 中的一部分[0,100], ~A 是U 上―较大的数‖,虽然~A 是U 上的模糊子集。
为确定()x A ~μ的分布,选定几个语言真值(即一句话为真的程度)中的一个,来回答[0,100]中的某数是否算―较大‖。
如果语言真值分为―真的‖、―大致真的‖、―半真半假‖、―大致假的‖、“假的”。
把这些语言真值分别用[0,1]之间的数字表示,即分别为1,0.75,0.5,0.25和0。
对[0,100]用的αϕ个不同的数都作为样本进行询问,就可得~A 的模糊分布()x A ~μ的离散表示法。
③专家评分法(德尔菲法)该法40年代以来就已广泛应用于经济与管理科学的各个领域,典型的例子是在体操比赛中对运动员的评分,“技术好”是运动员集上的一个模糊 ,所有评委打分的平均值(有时去掉一个最高分和一个最低分)就是运动员“技术好”的隶属度。
这种方法也可以用来求模糊分布,在应用时,为了区别专家的学术水平和经验的多少,还可以采用加权平均法。
§2—2 模糊子集的特性及运算法则前面已讨论过普通集合的基本运算,下面对模糊子集的运算另作定义。
一、 模糊子集的运算法则 ① Fuzzy 子集的包含与相等设~A 、~B 为论域U 上的两个模糊子集,对于U 中的每一个元素x ,都有()x A ~μ≥()x B ~μ,则称~A 包含~B ,记作~A ⊇~B 。
如果,~A ⊇~B 且~B ⊇~A ,则说~A 与~B 相等,记作~A =~B 。
或者,若对所有x ∈U ,都有()x A ~μ=()x B ~μ,则~A =~B 。
②模糊子集的并、交、补运算设~A 、~B 为论域U 上的两个模糊子集,规定~A ~B 、~A ~B 、~A 的隶属函数分别为~~BAμ、~BAμ、~A μ,并且对于U 的每一个元素x 都有~~BAμ()∆x ()x A ~μ∨()x B ~μ=max[()x A ~μ,()x B ~μ] —~A ,~B 的并~~BAμ()∆x ()x A ~μ∧()x B ~μ=min[()x A ~μ,()x B ~μ]— ~A ,~B 的交~Aμ()∆x 1–()x A ~μ —~A 的补eg,设论域U={}4321,,,x x x x ,~A 、~B 是论域U 上的两个模糊集。
第2章模糊控制2.1 模糊控制自从1965年美国加利福尼亚大学控制论专家L .A .zadeh教授提出模糊数学以来”,吸引了众多的学者对其进行研究,使其理论与方法日臻完善,并且广泛地应用于自然科学和社会科学的各个领域,尤其是在第5代计算机研制和知识工程开发等领域占有特殊重要的地位。
把模糊逻辑应用于控制领域则始于1973年”。
1974年英国的E.H.Mamdani成功地将模糊控制应用于锅炉和蒸汽机控制。
此后20多年来,模糊控制不断发展并在许多领域中得到成功应用。
由于模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种系统的推理方法,因而能够解决许多复杂而无法建立精确数学模型系统的控制问题,所以它是处理推理系统和控制系统中不精确和不确定性的一种有效方法。
从广义上讲,模糊控制是适于模糊推理,模仿人的思维方式,对难以建立精确数学模型的对象实施的一种控制策略。
它是模糊数学同控制理论相结合的产物,同时也是智能控制的重要组成部分。
模糊控制的突出特点在于:①控制系统的设计不要求知道被控对象的精确数学模型,只需要提供现场操作人员的经验知识及操作数据。
⑦控制系统的鲁棒性强,适应于解决常规控制难以解决的非线性、时变及大纯滞后等问题。
③以语言变量代替常规的数学变量,易于形成专家的“知识”。
④控制推理采用“不精确推理”(Approximatc Reasoning)。
推理过程模仿人的思维过程。
由于介入了人类的经验.因而能够处理复杂甚至“病态”系统。
2.1.1模糊数学模糊数学是基于模糊集理论。
模糊集的概念与古典集非此即彼的概念相对应,描述没有明确、清楚地定义界限的集合。
模糊集的理论叙述为:模糊集A是定义在一个输入ξ之上并由其隶属函数µA(·):ξ→[0,1]表征的集合。
假设ξ是一个普通集合,称为论域。
从ξ到区间[0,1]的映射A称为ξ上的一个模糊集合。
µA(·)表示ξ隶属于模糊集合A的程度,称为隶属度。
模糊控制的基本原理模糊控制是以模糊集合理论、模糊语言及模糊逻辑为基础的控制,它是模糊数学在控制系统中的应用,是一种非线性智能控制。
模糊控制是利用人的知识对控制对象进行控制的一种方法,通常用“if条件,then结果”的形式来表现,所以又通俗地称为语言控制。
一般用于无法以严密的数学表示的控制对象模型,即可利用人(熟练专家)的经验和知识来很好地控制。
因此,利用人的智力,模糊地进行系统控制的方法就是模糊控制。
模糊控制的基本原理如图所示:模糊控制系统原理框图它的核心部分为模糊控制器。
模糊控制器的控制规律由计算机的程序实现,实现一步模糊控制算法的过程是:微机采样获取被控制量的精确值,然后将此量与给定值比较得到误差信号E;一般选误差信号E作为模糊控制器的一个输入量,把E的精确量进行模糊量化变成模糊量,误差E的模糊量可用相应的模糊语言表示;从而得到误差E的模糊语言集合的一个子集e(e实际上是一个模糊向量)。
再由e和模糊控制规则R(模糊关系)根据推理的合成规则进行模糊决策,得到模糊控制量u为:式中u为一个模糊量;为了对被控对象施加精确的控制,还需要将模糊量u进行非模糊化处理转换为精确量:得到精确数字量后,经数模转换变为精确的模拟量送给执行机构,对被控对象进行一步控制;然后,进行第二次采样,完成第二步控制……。
这样循环下去,就实现了被控对象的模糊控制。
模糊控制(Fuzzy Control)是以模糊集合理论、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。
模糊控制同常规的控制方案相比,主要特点有:(1)模糊控制只要求掌握现场操作人员或有关专家的经验、知识或操作数据,不需要建立过程的数学模型,所以适用于不易获得精确数学模型的被控过程,或结构参数不很清楚等场合。
(2)模糊控制是一种语言变量控制器,其控制规则只用语言变量的形式定性的表达,不用传递函数与状态方程,只要对人们的经验加以总结,进而从中提炼出规则,直接给出语言变量,再应用推理方法进行观察与控制。
模糊控制的数学基础习题1、比较模糊集合与普通集合的异同。
答:相同点:都表示一个集合;不同点:普通集合具有特定的对象。
而模糊集合没有特定的对象,允许在符合与不符合中间存在中间过渡状态。
2、已知年龄的论域为[0.200],且设“年老O ”和“年轻Y ”两个模糊集的隶属函数分别为()⎪⎩⎪⎨⎧≤<⎥⎥⎦⎤⎢⎢⎣⎡⎪⎭⎫ ⎝⎛-+≤≤=--200505501500 012O a a a a μ ()⎪⎩⎪⎨⎧≤<⎥⎥⎦⎤⎢⎢⎣⎡⎪⎭⎫ ⎝⎛-+≤≤=-200255251250112Y a a a a μ 求:“很年轻W ”、“不年老也不年轻 V ”两个模糊集的隶属函数。
3、设误差的离散论域为【-30,-20,-10,0,10,20,30】,且已知误差为零(ZE )和误差为正小(PS )的隶属函数为()()300203.010103.0100200300300200104.001104.0200300ZE ++++-+-+-=++++-+-+-=e e PS μμ 求:(1)误差为零和误差为正小的隶属函数()()e e PS μμ ZE ;(2)误差为零和误差为正小的隶属函数()()e e PS μμ ZE 。
答:(1)()()e e PS μμ ZE =300^0203.0^0101^4.003.0^1100^4.0200^0300^0++++-+-+-=300200104.003.010*******++++-+-+- (2)()()e e PS μμ ZE =3000203.001014.003.011004.020003000∨+∨+∨+∨+-∨+-∨+-∨=300203.010101104.0200300++++-+-+-4、已知模糊矩阵P 、Q 、R 、S 为⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡=0.50.60.20.1S 0.70.70.30.2R 0.40.10.70.5Q 0.70.20.90.6P 求:(1)()R Q P ;(2)()S Q P ;(3)()()S Q S P 。