1模糊控制器的基本结构

一、模糊控制的产生在传统控制领域，对于明确系统有强而有力的控制能力，即被控系统的动态信息越详细，越能达到精确控制的目的。

然而，在多变量、非线性的复杂系统中，往往难以完全描述系统的动态信息。

此时，传统的控制理论则显得无能为力，而有经验的专家或工作人员仍能根据长期实践观察和操作经验进行有效控制。

据此引申，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模型的建立过程？模糊控制最重要的特征是反应人们的经验及推理规则，而这些经验和推理规则是通过自然语言来表达的，如“水温上升过快，则关小燃气阀”。

在控制系统初期，由于对系统缺乏了解，控制效果可能不好，但若干次探索后终能实现预期的控制，这就是经验对模糊控制系统的重要性。

由于模糊控制实质上是用计算机去执行人的控制策略，因而可以避开复杂模型的建立，对人们关于某个控制问题的成功和失败经验加工，总结出知识，从中提炼出控制规则，实现复杂系统的控制。

PS：“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”所拥有的信息量更大，更符合客观世界。

二、模糊逻辑的理论基础模糊逻辑是指模仿人脑不确定性的概念判断和推理思维，对于定性的知识和经验，借助隶属度概念、模糊集合，来处理模糊关系。

模糊逻辑实质上是要对模糊性对象进行精确描述和处理。

模糊逻辑的目的是将一个输入空间映射到一个输出空间，主要要靠一系列的if－then规则。

这些规则包含变量和描述这些变量的形容词，被平行评估，因此它们的顺序不重要。

在进行模糊推理之前，先要定义好输入和输出变量以及描述它们的形容词。

模糊推理的流程如下图所示。

1）模糊集合普通情况下，元素a属于集合A（1）或不属于集合A（0），如下图所示，星期一和星期三都是工作日，而苹果和星星则不是。

这就是经典集合，完全包括或完全不包括某个元素。

而模糊集合没有明确的界限，把只取0和1二值的普通集合概念推广到在［0，1］区间上无穷多值的模糊集合概念，并用“隶属度”这一概念来精确刻画元素和模糊集合之间的关系。

1．模糊控制器的输入、输出变量分别为偏差、偏差的变化率和控制量的增量。

实际论域e、ec、u[-30，30]，[-24，24]，[-36，36]。

对应的模糊语言变量E、EC、UC的论域均为{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}2．定义模糊子集及隶属函数对语言变量偏差E定义八个模糊集分别表示PL（正大），PM（正中），PS（正小），PZ（正零），NZ（负零），NS（负小），NM（负中），NL（负大）。

语言变量偏差的变化率EC定义七个模糊集，分别表示PL，PM，PS，Z，NS，NM，NL。

控制量的增量UC定义七个模糊集UC1，…，UC8，分别表示PL，PM，PS，Z，NS，NM，NL。

隶属度函数分别如下面3张表。

E i的隶属函数表ECi的隶属函数表UCi的隶属函数表模糊控制规则如下表试计算控制表。

计算结果如下；设已知输入为0x 和0y ，模糊化运算采用单点模糊集合，则相应的输入量模糊集合'A 和'B 分别为：()()⎩⎨⎧≠==⎩⎨⎧≠==000001,01''y y y y y x x x x x B A μμ通过模糊推理方法及性质，可求得输出量的模糊集合'C 为：()()()()[]()[]()[]561'561''561''561''561'''''=======→→=→⨯⨯=⨯=⨯=i i i iB iA i i i i i i i i i i C C C C A B C A A C B A B A B A B A C iR R首先根据书上的表2-8、2-9、2-10如上面三个表所示，建立三个矩阵A 、B 、C 分别对应三个表中的数据，为了便于计算表2-10的数据自行规定为：NB=1，NM=2，NS=3，NZ=4，PS=5，PM=6，PB=7。

第一章绪论1. 什么是智能、智能系统、智能控制？答：“智能”在美国Heritage词典定义为“获取和应用知识的能力”。

“智能系统”指具有一定智能行为的系统，是模拟和执行人类、动物或生物的某些功能的系统。

“智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规则等因素，使之具有某种智能性；也是基于认知工程系统和现代计算机的强大功能，对不确定环境中的复杂对象进行的拟人化管理。

2．智能控制系统有哪几种类型，各自的特点是什么？答：智能控制系统的类型：集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系统、学习控制系统等。

各自的特点有：集散控制系统：以微处理器为基础，对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。

该系统将若干台微机分散应用于过程控制，全部信息通过通信网络由上位管理计算机监控，实现最优化控制，整个装置继承了常规仪表分散控制和计算机集中控制的优点，克服了常规仪表功能单一，人机联系差以及单台微型计算机控制系统危险性高度集中的缺点，既实现了在管理、操作和显示三方面集中，又实现了在功能、负荷和危险性三方面的分散。

人工神经网络：它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。

这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

专家控制系统：是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。

可以说是一种模拟人类专家解决领域问题的计算机程序系统。

多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。

这种结构的特点是：1.上、下级是隶属关系，上级对下级有协调权，它的决策直接影响下级控制器的动作。

2.信息在上下级间垂直方向传递，向下的信息有优先权。

同级控制器并行工作，也可以有信息交换，但不是命令。

模糊控制器的设计知识讲解模糊控制器的设计⼀、 PID 控制器的设计我们选定的被控对象的开环传递函数为327()(1)(3)G s s s =++，采⽤经典的PID 控制⽅法设计控制器时，由于被控对象为零型系统，因此我们必须加⼊积分环节保证其稳态误差为0。

⾸先，我们搭建simulink 模型，如图1。

图1simulink 仿真模型由于不知道Kp ，Kd ，Ki ，的值的⼤致范围，我们采⽤signal constraints 模块进⾏⾃整定，输⼊要求的指标，找到⼀组Kp，Kd ，Ki 的参数值，然后在其基础上根据经验进⾏调整。

当选定Kp=2，Kd=0.95，Ki=0.8时，可以得到⽐较好的响应曲线。

调节时间较短，同时超调量很⼩。

响应曲线如图2所⽰。

图2 PID 控制响应曲线将数据输出到⼯作空间，调节时间ts =2.04s ，超调量%0σ=。

可以看出，PID 控制器的调节作⽤已经相当好。

⼆、模糊控制器的设计1、模糊控制器的结构为：图3 模糊控制器的结构2、控制参数模糊化控制系统的输⼊为偏差e 和偏差的变化率ec ，输出为控制信号u 。

⾸先对他们进⾏模糊化处理。

量化因⼦的计算max min**max minx x k x x -=- ⽐例因⼦的计算**max minmax minu u k u u -=-其中，*max x ，*min x 为输⼊信号实际变化范围的最⼤最⼩值；max x ，min x 为输⼊信号论域的最⼤最⼩值。

*max u ，*min u 为控制输出信号实际变化范围的最⼤最⼩值，max u ，min u 输出信号论域的最⼤最⼩值。

相应的语⾔值为NB ，NM ，NS ，ZO ，PS ，PM ，PB 。

分别表⽰负⼤、负中、负⼩、零、正⼩、正中、正⼤。

3、确定各模糊变量的⾪属函数类型语⾔值的⾪属度函数就是语⾔值的语义规则，可分为连续式⾪属度函数和离散化的⾪属度函数。

本系统论域进⾏了离散化处理，所以选⽤离散量化的⾪属度函数。

目录摘要........................................................................ (1)1模糊控制简介................................................................................ .. (1)模糊控制方法的研究现状 (2)模糊控制的特色...........................................................................2模糊控制的研究对象 (3)模糊控制的展望............................................................................32模糊控制器的结构与工作原理 (4)根本结构与构成............................................................................4一般模糊控制器各主要环节的功能 (4)隶属函数的确定原那么和根本确立方法 (5)模糊条件语句与模糊控制规那么 (6)模糊量的裁决方法 (6)模糊控制规那么的设计和模糊化方法 (8)解模糊化.......................................................................... (8)3模糊控制器的设计................................................................................94对于模糊(及智能)控制理论与技术展开的思虑 (11)参照文件.................................................................................. (12)摘要纲要：本文主要介绍了模糊控制系统的研究现状、特色，以及模糊控制器的结构与工作原理。

模糊控制器是一种基于模糊逻辑理论的控制系统，它利用模糊集合的概念来描述模糊输入和输出，通过模糊规则和模糊推理实现对系统的控制。

模糊控制器的组成主要包括模糊化、模糊推理、解模糊和规则库四个部分，每个部分都有其独特的用途。

1. 模糊化模糊化是将系统的实际输入转化为模糊集合的过程。

在模糊控制系统中，输入往往是模糊的、不确定的，因此需要将这些模糊的输入转化为模糊集合。

模糊化的主要目的是将具体的输入转化为模糊语言值，如“很冷”、“冷”、“适中”、“热”、“很热”等，以便更好地描述系统的输入状态。

2. 模糊推理模糊推理是模糊控制器的核心部分，它用于根据模糊规则和模糊输入来得出模糊输出。

模糊推理的过程是基于一系列的模糊规则，这些规则描述了系统输入和输出之间的关系。

通过模糊推理，模糊控制器能够根据输入的模糊语言值，利用模糊规则进行推理，从而得出模糊输出的模糊语言值。

3. 解模糊解模糊是将模糊输出转化为具体的控制量的过程。

在模糊控制系统中，输出往往是模糊的语言值，需要通过解模糊将其转化为具体的控制量。

解模糊的方法有很多种，常见的方法包括最大隶属度法、加权平均法和中心平均法等。

解模糊的目的是将模糊输出转化为可以直接应用于控制系统的具体输出值。

4. 规则库规则库是模糊控制器中存储的一系列模糊规则的集合。

模糊规则描述了系统输入和输出之间的关系，它通常采用“如果…那么…”的形式来表示。

在模糊控制器中，规则库起着至关重要的作用，它包含了系统的专业知识和经验，是模糊控制器能够有效进行模糊推理的基础。

总体来说，模糊控制器的组成部分分别完成了模糊输入的转化、模糊推理的实现、模糊输出的转化和存储的模糊规则，这些部分相互协作，共同实现了对模糊、不确定系统的精确控制。

模糊控制器在工业控制、汽车控制、电力系统控制等领域有着广泛的应用，其独特的优势使其成为一种不可忽视的控制方法。

模糊控制器作为一种基于模糊逻辑理论的控制系统，在实际应用中具有诸多优势。

考试形式：闭卷（120分钟）时间：18周周四下午7、8节考试题型：选择（10×2）、填空（20×1）、名词解释（5×4）、简答（4×5）、计算（2×10）内容：第一章：1、检测：检查和测量。

可分为在线检测和离线检测2、智能三个基本要素为推理、学习和联想。

3、智能检测就是利用计算机及相关仪器，实现检测过程智能化和自动化。

4、智能检测与控制技术指能自动获取信息，并利用有关知识和策略，采用实时动态建模、在线识别、人工智能、专家系统等技术，对被测对象（过程）实现检测、监控、自诊断和自修复。

5、智能检测与控制系统主要由检测、输入、接口、计算机、输出和执行器六部分组成。

6、智能检测与控制的几种典型应用方式：用于数据采集与处理、用于生产控制、用于生产调度管理7、智能检测与控制技术发展趋势：综合化、智能化、系统化及标准化、仪器虚拟化、网络化。

第二章1、动态信号的分类图2-12、最基本的几种检测方法：直接检测法、间接检测法、比较检测法。

3、测量仪表主要功能变换功能、传输功能、显示功能。

4、测量仪表的静态特性：刻度特性、灵敏度、线性度（非线性误差）、分辨力、迟滞性、零漂和温漂。

（定义）p20-225、测量仪表的动态特性也称动态响应，指当被测对象参数随时间变化很迅速时，测量仪表的输出指示值与输入被测物理量之间的关系。

基本方法：列写仪表的运动方程，求出传递函数，然后进行特性分析。

6、测量仪表通常包括4个组成环节：变换器、标准量具、比较器、读数装置（显示器）7、信号不失真—指被测信号的波形通过检测系统，其波形形状不发生改变。

8、测量系统构成敏感元件、变量转换环节、变量控制环节、数据传输环节、数据显示环节、数据处理环节。

9、电气测量仪表的连续或间接性自检、自校正，多采用以下三种方法：计算机分析自检法、叠加信号自检法、自动周期性自检法。

10、数据采集技术：计算机如何接受一路或多路信号，并保持信号不失真。

模糊控制器设计模糊控制是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制。

从线性控制与非线性控制的角度分类，模糊控制是一种非线性控制。

从控制器的智能性看，模糊控制属于智能控制的范畴，而且它已成为目前实现智能控制的一种重要而又有效的形式。

1模糊控制的基本思想在自动控制技术产生之前，人们在生产过程中只能采用手动控制方式。

手动控制过程首先是通过观测被控对象的输出，其次是根据观测结果做出决策，然后手动调整输入量，操作工人就是这样不断地完成从观测、决策到调整，实现对生产过程的手动调整输入量，操作工人就是这样不断地完成从观测、决策到调整，实现对生产过程的手动控制。

这三个步骤分别是由人的眼-脑-手来完成的。

后来，由于科学技术的进步，人们逐渐采用各种测量装置（如传感器）代替人眼，完成对被控制量的观测任务；利用各种控制器（如PID调节器）取代人脑的作用，实现比较、综合被控制量与给定量之间的偏差，控制器所给出的输出信号相当于手动控制过程中人脑的决策；使用各种执行机构（如电动机）对被控对象施加某种控制作用，这就起到了手动控制中手的调整作用。

上述由测量装置、控制器、被控对象及执行机构组成的自动测控系统，就是人们所熟知的常规负反馈控制系统。

常规控制首先要建立精确数学模型，但是对一些复杂的工业过程，建立精确的数学模型是非常困难的，或者是根本不可能的。

于是常规控制技术在这里就遇到了不可逾越的障碍。

但是，熟练的技术操作人员，通过感官系统进行现场观察，再根据自己的经验就能很容易地实现这类控制过程，于是就产生了一个问题，能否把人的操作经验总结为若干条控制规则，并设计一个装置去执行这些规则，从而对系统进行有效的控制呢?答案是肯定的。

这种装置就是模糊控制器。

与传统的PID控制相比，模糊控制有其明显的优越性。

由于模糊控制实质上是用计算机去执行操作人员的控制策略，因而可以避开复杂的数学模型。

对于非线性，大滞后及带有随机干扰的复杂工业对象，由于数学模型难以建立，因而传统的PID控制也就失效，而对这样的系统，设计一个模糊控制器，却没有多大困难。