下载文档原格式
模糊控制系统的应用一、模糊控制系统的应用背景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。
模糊理论在模糊控制中的应用——模糊控制系统摘要：模糊控制技术对工业自动化的进程有着极大地推动作用。
本文简要的讲述了模糊控制理论的起源及基本原理，详细分析了模糊控制器的设计方法，最后就典型的模糊控制系统原理和新型模糊控制系统应用进行了分析正文：一：模糊理论1.1模糊理论概念：模糊理论（Fuzzy Theory）是指用到了模糊集合的基本概念或连续隶属度函数的理论。
它可分类为模糊数学，模糊系统，不确定性和信息，模糊决策这五个分支，它并不是完全独立的，它们之间有紧密的联系。
1.2模糊理论产生：1965年，模糊理论创始人，美国加州福尼亚大学伯克利分校的自动控制理论专家L.A.Zadeh教授发表了题为“Fuzzy Set”的论文，这标志着模糊理论的诞生。
这一理论为描述和处理事务的模糊性和系统中的不确定性，以及模拟人所特有的模糊逻辑思维功能，从定性到定量，提供了真正强有力的工具。
1966年，马里诺斯发表了模糊逻辑的研究报告，而Zadeh进一步提出了著名的模糊语言值逻辑，并于1974年进行了模糊逻辑推理的研究。
由于这一研究和观点反映了客观世界中普遍存在的事务，它一出现便显示出强大的生命力和广阔的发展前途，在自然科学，其他科学领域及工业中得到了迅速的广泛的应用。
二：模糊控制理论2.1模糊控制理论的产生：在控制技术的应用过程中，对于多变量、非线性、多因素影响的生产过程，即使不知道该过程的数学模型，有经验的操作人员也能够根据长期的实践观察和操作经验进行有效地控制，而采用传统的自动控制方法效果并不理想。
从这一点引申开来，是否可将人的操作经验总结为若干条控制规则以避开复杂的模型建造过程？模糊控制理论与技术由此应运而生。
20世纪70年代模糊理论应用于控制领域的研究开始盛行，并取得成效。
其代表是英国伦敦大学玛丽皇后分校的E.H.Mamdani教授将IF-THEN型模糊规则用于模糊推理，并把这种规则型模糊推理用于蒸汽机的自动运转中。
模糊控制系统的工作原理模糊控制系统是一种常用于处理复杂控制问题的方法，其原理是通过模糊化输入变量和输出变量，建立模糊规则库，从而实现对非精确系统的控制。
本文将详细介绍模糊控制系统的工作原理。
一、模糊化输入变量模糊化输入变量是模糊控制系统的第一步，其目的是将非精确的输入变量转化为可处理的模糊语言变量。
这一步骤一般包括两个主要的过程：隶属函数的选择和输入变量的模糊化。
对于每一个输入变量，需要选择合适的隶属函数来表示其模糊化程度。
常用的隶属函数包括三角形隶属函数、梯形隶属函数、高斯隶属函数等。
通过调整隶属函数的参数，可以控制输入变量的隶属度，进而确定输入变量的模糊程度。
在选择隶属函数之后，需要对输入变量进行模糊化处理。
这是通过将输入变量与相应的隶属函数进行匹配，确定输入变量在每个隶属函数上的隶属度。
通常采用的方法是使用模糊集合表示输入变量的模糊程度，例如“高度模糊”、“中度模糊”等。
二、建立模糊规则库建立模糊规则库是模糊控制系统的核心部分，其目的是将模糊化后的输入变量与模糊化后的输出变量之间的关系进行建模。
模糊规则库一般由若干个模糊规则组成，每个模糊规则由一个或多个模糊条件和一个模糊结论组成。
模糊条件是对输入变量进行约束的条件，而模糊结论则是对输出变量进行控制的结果。
在建立模糊规则库时，需要根据具体控制问题的特点和实际需求，确定合适的模糊规则。
一般情况下，通过专家经验或者实验数据来确定模糊规则，以得到最佳的控制效果。
三、推理机制推理机制是模糊控制系统的关键环节，其目的是通过将输入变量的模糊程度与模糊规则库进行匹配，得到对输出变量的模糊控制。
推理机制一般包括模糊匹配和模糊推理两个步骤。
在模糊匹配的过程中，根据输入变量的模糊程度和模糊规则的条件，计算每个模糊规则的激活度。
激活度是输入变量满足模糊规则条件的程度，可以通过模糊逻辑运算进行计算。
在模糊推理的过程中，根据模糊匹配的结果和模糊规则库中的模糊结论，使用模糊逻辑运算得到对输出变量的模糊控制。
模糊控制系统：探讨模糊控制在控制系统中的应用和实践引言在现代控制系统领域，有许多不同的方法和技术可以用来解决复杂的控制问题。
其中之一就是模糊控制系统。
模糊控制是一种基于模糊逻辑的控制方法，可以有效地处理具有不确定性和模糊性的系统。
本文将探讨模糊控制在控制系统中的应用和实践。
什么是模糊控制系统？模糊控制系统是一种基于模糊逻辑的控制系统，它模拟人类的智能判断过程。
传统的控制系统通常是基于精确的数学模型和逻辑规则，而模糊控制系统则是通过对输入和输出之间的关系进行模糊化和模糊推理来实现控制。
在模糊控制系统中，输入和输出被表示为模糊集合，而不是精确的数值。
模糊集合是一种描述不确定性和模糊性的概念，它将每个元素的隶属度表示为0到1之间的值。
通过应用一组模糊规则，模糊控制系统可以将模糊输入转换为模糊输出，然后通过反模糊化过程将模糊输出转换为精确的控制信号。
模糊控制系统的应用模糊控制系统广泛应用于各种工业和非工业领域，包括自动化、机器人技术、交通系统、电力系统等。
下面我们将分别探讨几个常见的应用领域。
自动化控制在自动化控制领域，模糊控制系统被广泛应用于解决具有模糊性和不确定性的问题。
例如，在温度控制系统中，传统的PID控制器往往无法有效地应对复杂的非线性和模糊的温度曲线。
而模糊控制系统可以通过模糊化温度输入和模糊规则的推理来实现更精确的温度控制。
机器人技术在机器人技术领域，模糊控制系统可以用于实现机器人的自主导航和动作控制。
例如，在行为模糊化和模糊规则的推理过程中，机器人可以根据环境的模糊输入和模糊规则来做出相应的决策，从而实现自主的导航和动作。
交通系统在交通系统中，模糊控制系统可以用于交通信号灯的优化控制。
传统的交通信号灯控制方法通常是基于固定的时序规则，而无法充分考虑交通流量的实际情况。
而模糊控制系统可以通过模糊化交通流量输入和模糊规则的推理来实现动态的信号灯控制，从而提高交通系统的效率和流量。
电力系统在电力系统中，模糊控制系统可以用于电力调度和负荷预测。
第六章模糊控制系统教学内容首先讲解用于控制的模糊集合和模糊逻辑的基本知识;然后讨论模糊逻辑控制器的类型、结构、设计和特性;最后举例说明FLC的应用。
教学重点模糊控制的数学基础,模糊逻辑控制器的类型、结构、设计和特性。
教学难点对定义的准确把握和理解,模糊逻辑控制器的类型、结构、设计和特性。
教学方法通过对数学基础的牢固掌握,对模糊控制进行深入的理解,课堂教授为主。
教学要求掌握用于控制的模糊集合和模糊逻辑的基本知识;模糊逻辑控制器的类型、结构、设计和特性6.1 模糊控制基础教学内容模糊集合、模糊逻辑定义及运算;模糊逻辑推理一般方法;模糊判决方法。
教学重点模糊集合、模糊逻辑定义及运算;模糊逻辑推理一般方法;模糊判决方法。
教学难点对抽象公式的理解、熟练运算;模糊逻辑推理一般方法。
教学方法课堂教授为主,课后作业巩固。
教学要求掌握模糊集合、模糊逻辑定义及运算;模糊逻辑推理一般方法;能够熟练使用模糊判决方法。
6.1.1 模糊集合、模糊逻辑及其运算设为某些对象的集合,称为论域,可以是连续的或离散的;表示的元素,记作={}。
定义6.1模糊集合(fuzzy sets)论域到[0,1]区间的任一映射,即: →[0,1],都确定的一个模糊子集;称为的隶属函数(membership function)或隶属度(grade of membership)。
也就是说,表示属于模糊子集F的程度或等级。
在论域中,可把模糊子集表示为元素与其隶属函数的序偶集合,记为:若U为连续,则模糊集F可记作:若U为离散,则模糊集F可记作:定义6.2模糊支集、交叉点及模糊单点如果模糊集是论域U中所有满足的元素u构成的集合,则称该集合为模糊集F的支集。
当u满足,则称此模糊集为模糊单点。
定义6.3模糊集的运算设A和B为论域U中的两个模糊集,其隶属函数分别为和,则对于所有,存在下列运算:(1) A与B的并(逻辑或)(2) A与B的交(逻辑与)(3) A的补(逻辑非)定义6.4直积(笛卡儿乘积,代数积) 若分别为论域中的模糊集合,则这些集合的直积是乘积空间中一个模糊集合,其隶属函数为:定义6.5模糊关系若U,V是两个非空模糊集合,则其直积U×V中的一个模糊子集R称为从U到V的模糊关系,可表示为:定义6.6复合关系若R和S分别为U×V和V×W中的模糊关系,则R和S的复合是一个从U到W的模糊关系,记为:定义6.7正态模糊集、凸模糊集和模糊数定义6.8语言变量定义6.9常规集合的许多运算特性对模糊集合也同样成立。
设模糊集合A、B、C∈U,则其并、交和补运算满足下列基本规律:(1) 幂等律(2) 交换律(3) 结合律(4) 分配律(5) 吸收律(6) 同一律(7) DeMorgan律(8) 复原律(9) 对偶律(逆否律)6.1.2 模糊逻辑推理定义6.11三角协范式三角协范式是从[0,1]×[0,1]到[0, 1]的两位函数,即:[0,1]×[0,1]→[0,1],它包括并、代数和、有界和、强和以及不相交和。
定义6.12模糊合取对于所有u∈U,v∈V,模糊合取为:式中,*为三角范式的一个算子。
定义6.13模糊析取对于所有u∈U,v∈V,模糊析取为:式中,*为三角范式的一个算子。
定义6.14模糊蕴涵由A→B所表示的模糊蕴涵是定义在U×V上一个特殊的模糊关系,其关系及隶属函数为:(1) 模糊合取(2) 模糊析取(3) 基本蕴涵(4) 命题演算(5) GMP推理(6) GMT推理6.1.3 模糊判决方法1.重心法2.最大隶属度法3.系数加权平均法4.隶属度限幅元素平均法6.2 模糊控制器的结构教学内容模糊控制器的一般结构、PID模糊控制器、自组织模糊控制器、自校正模糊控制器和自学习模糊控制器、专家模糊控制器。
教学重点模糊控制的数学基础,各类模糊控制器的结构。
教学难点控制器的一般结构,模糊逻辑控制器的类型、结构、设计和特性。
教学方法通过掌握模糊控制器的一般结构,再掌握学习各类模糊控制器的知识,课堂教授为主。
教学要求掌握模糊控制器的一般结构,熟悉PID模糊控制器、自组织模糊控制器、自校正模糊控制器和自学习模糊控制器、专家模糊控制器。
6.2.1 模糊控制器的一般结构在理论上,模糊控制器由维关系表示。
关系可视为受约于[0,1]区间的个变量的函数。
是几个维关系Ri的组合,每个代表一条规则:IF THEN。
控制器的输入被模糊化为一关系,对于多输入单输出(MISO)控制时为(-1)维。
模糊输出Y可应用合成推理规则进行计算。
对模糊输出进行模糊判决(解模糊),可得精确的数值输出y。
图6.1表示具有输入和输出的理论模糊控制器原理图。
由于采用多维函数来描述X、Y和R,所以,该控制方法需要许多存储器,用于实现离散逼近。
图6.1 理论模糊控制器原理框图图6.2给出模糊逻辑控制器的一般结构,它由输入定标、输出定标、模糊化、模糊决策和模糊判决(解模糊)等部分组成。
比例系数(标度因子)实现控制器输入和输出与模糊推理所用标准时间间隔之间的映射。
模糊化(量化)使所测控制器输入在量纲上与左侧信号(LHS)一致。
这一步不损失任何信息。
模糊决策过程由一推理机来实现;该推理机使所有LHS与输入匹配,检查每条规则的匹配程度,并聚集各规则的加权输出。
产生一个输出空间的概率分布值。
模糊判决(解模糊)把这一概率分布归纳于一点,供驱动器定标后使用。
图6.2 模糊逻辑控制器的一般结构模糊控制系统的基本结构如图6.3所示。
其中,模糊控制器由模糊化接口、知识库、推理机和模糊判决接口四个基本单元组成。
它们的作用说明如下:图6.3 模糊控制系统的基本结构6.2.2 PID模糊控制器为了改善控制器的静态性能,加入一个模糊积分单元,形成PID模糊控制。
对模糊控制器引入积分作用的方法有以下几种:1.Braae-Rutherford法2.Bialkowski法3.Basseville法6.2.3 自组织模糊控制器自组织模糊控制器是一种这样的模糊控制器,其控制策略能够适应过程或环境的变化,而且是一种必须同时执行两项任务——辨识与控制的实验测定处理器。
这种控制器能够处理多变量的输入/输出系统、非线性、参数的时序变化及随机扰动等。
6.2.4 自校正模糊控制器自组织过程比较复杂,含有大量的计算,且不便于在线调整。
自校正模糊控制器是另一种具有多调节因素和自寻优能力的控制方法。
6.2.5 自学习模糊控制器自学习模糊控制器(SLFC)是一种能够从其环境和受控过程学习足够多的相关信息的自动控制系统;根据所学信息,SLFC能够辨识、分类和决策产生新的控制律。
因而系统的静态和动态特性能够改善。
6.2.6 专家模糊控制器专家模糊控制器由专家控制器(EC)模块和模糊控制器(FC)集成。
讨论 PID模糊控制器、自组织模糊控制器、自校正模糊控制器和自学习模糊控制器、专家模糊控制器,那个更好,为什么6.3 模糊控制器的设计教学内容模糊控制器的设计内容与原则与步骤、模糊控制器的控制规则形式。
教学重点模糊控制器的设计内容与原则与步骤。
教学难点模糊控制器的控制规则形式。
教学方法课堂教授为主。
教学要求掌握模糊控制器的设计内容与原则与步骤,理解掌握模糊控制的控制规则形式。
6.3.1 模糊控制器的设计内容与原则在设计模糊控制器时,必须考虑下列各项内容与原则:1.选择模糊控制器的结构2.选取模糊控制规则3.确定模糊化的解模糊策略,制定控制表4.确定模糊控制器的参数课后思考(1) 单输入单输出(SISO)和多输入多输出(MIMO)模糊控制器的结构选择;(2) 模糊规则选择,包括确定模糊语言变量和语言值的隶属函数,以及由各种推理模式来建立模糊控制规则;(3) 模糊判决(解模糊)方法,如最大隶属度法(Mamdani推理)、中位数法(Lason推理)和加权平均法(Tsukamoto推理)等;(4) 模糊控制器论域和比例因子的确定,可查阅某些模糊控制的专著和书籍。
6.3.2 模糊控制器的控制规则形式现有的模糊逻辑控制器(FLC),其控制规则一般具有下列形式:专家模糊控制器(EFC)则容许更复杂的分层规则,如:在更复杂层次,EFC容许包含策略性知识。
因此,就可以确定应用那一低层规则的中间规则,即:也可有这类规则,它们被用来确定低层规则的某一时间次序。
即:上面所描述的规则全都是我们称之为“事件驱动规则”的例子,都以所谓正向链接的模式处理,即这些规则只有在过程的状态同预先确定的条件相“匹配”时才加以应用。
EFC还容许问题的目标及约束函数作为规则的可能。
此外,还有其它一些模糊控制规则的表示形式6.4 模糊系统和模糊控制器的设计方法教学内容查表法、梯度下降法、递推最小二乘法和聚类法、试错法、语言平面法、专家系统法、CAD工具法和遗传进化算法。
教学重点查表法、梯度下降法、递推最小二乘法和聚类法。
教学难点查表法、梯度下降法、递推最小二乘法和聚类法各方法的理论基础。
教学方法课堂教授为主。
教学要求掌握模糊控制器的设计方法。
6.4.1 模糊系统设计的查表法在设计模糊控制器时,必须考虑下列各项内容与原则:1.把输入和输出空间划分为模糊空间2.由一个输入-输出数据对产生一条模糊规则3.对步骤2中的每条规则赋予一个强度4.创建模糊规则库6.4.2 模糊系统设计的梯度下降法在设计模糊控制器时,必须考虑下列各项内容与原则:1.系统结构选择2.系统参数设计3.设计步骤6.4.3 模糊系统设计的递推最小二乘法1.假设。
在每个区间(i＝1,2,…,n)上定义个模糊集(li＝1,2,…,Ni ),它们在是完备模糊集。
如果可选为四边形模糊集:其中,,(j=1,2,…,Ni-1),。
2.根据如下形式的条模糊IF-THEN规则来构造模糊系统其中,,是中心为(可自由变化)的任意模糊集。
具体地讲,就是选择带有乘积推理机、单值模糊器、中心平均解模糊器的模糊系统。
即,所设计的模糊系统为:其中,是要设计的自由参数,在步骤1中给定。
然后将自由参数放到维向量中则式(6.65)可变为其中3.根据以下过程选择初始参数θ(0):如果专家(显性知识)能提供与式(14.2)的IF部分相同的语言规则,则选择(0)为这些语言规则的THEN部分的模糊集中心;否则,在输出空间VR上任意选择θ(0)(如,选定θ(0)＝0或θ(0)中的元素在V上的均匀分布)。
由此可知,最初的模糊系统是由显性知识组建而成的。
4.当p=1,2,…,时,用以下递推最小二乘法计算参数θ:式中,θ(0)是在步骤3中选定的,P(0)=σI(σ是一个很大的常数)。
在所设计的形如式(6.65)的模糊系统的参数等于θ(p)中的对应元素。
提问比较三种方法的优缺点?6.4.4 模糊系统设计的聚类法聚类法意味着把一个数据集合分割成不相交的子集或组,一组中的数据应具有同其它数据区分开来的性质。
