模糊控制基础知识

第 1 页 模糊控制理论

模糊控制理论是以模糊数学为基础,用语言规则表示方法与先进的计算机技术,由模糊推理进行决策的一种高级控制策。模糊控制作为以模糊集合论、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，它已成为目前实现智能控制的一种重要而又有效的形式尤其是模糊控制与神经网络、遗传算法及混沌理论等新学科的融合，正在显示出其巨大的应用潜力。实质上模糊控制是一种非线性控制，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。

本文简单介绍了模糊控制的概念及应用，详细介绍了模糊控制器的设计，其中包含模糊控制系统的原理、模糊控制器的分类及其设计元素。

“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。模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，是以模糊集合论、模糊语言变量与模糊逻辑推理为基础的一种计算机数字控制技术。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,它是以模糊数学为基础,用语言规则表示方法与先进的计算机技术,由模糊推理进行决策的一种高级控制策。在1968～1973年期间Zadeh·L·A先后提出语言变量、模糊条第 2 页 件语句与模糊算法等概念与方法，使得某些以往只能用自然语言的条件语句形式描述的手动控制规则可采用模糊条件语句形式来描述，从而使这些规则成为在计算机上可以实现的算法。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, 并把它应用于锅炉与蒸汽机的控制，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并充分展示了模糊技术的应用前景。

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。其

模糊控制——理论基础（4模糊推理）

1、模糊语句

将含有模糊概念的语法规则所构成的语句称为模糊语句。根据其语义和构成的语法规则不同，可分为以下⼏种类型：

（1）模糊陈述句：语句本⾝具有模糊性，⼜称为模糊命题。如：“今天天⽓很热”。

（2）模糊判断句：是模糊逻辑中最基本的语句。语句形式：“x是a”，记作（a），且a所表⽰的概念是模糊的。如“张三是好学⽣”。

（3）模糊推理句：语句形式：若x是a，则x是b。则为模糊推理语句。如“今天是晴天，则今天暖和”。

2、模糊推理

常⽤的有两种模糊条件推理语句：If A then B else C；If A AND B then C

下⾯以第⼆种推理语句为例进⾏探讨，该语句可构成⼀个简单的模糊控制器，如图3-11所⽰。

其中A，B，C分别为论域U上的模糊集合，A为误差信号上的模糊⼦集，B为误差变化率上的模糊⼦集，C为控制器输出上的模糊⼦集。

常⽤的模糊推理⽅法有两种：Zadeh法和Mamdani法。Mamdani推理法是模糊控制中普遍使⽤的⽅法，其本质是⼀种合成推理⽅法。

注意：求模糊关系时A×B扩展成列向量，由模糊关系求C1时，A1×B1扩展成⾏向量

3、模糊关系⽅程

①、模糊关系⽅程概念

将模糊关系R看成⼀个模糊变换器。当A为输⼊时，B为输出，如图3-12所⽰。

可分为两种情况讨论：

（1）已知输⼊A和模糊关系R，求输出B，这是综合评判，即模糊变换问题。

（2）已知输⼊A和输出B，求模糊关系R，或已知模糊关系R和输出B，求输⼊A，这是模糊综合评判的逆问题，需要求解模糊关系⽅程。

②、模糊关系⽅程的解

近似试探法是⽬前实际应⽤中较为常⽤的⽅法之⼀。

模糊控制与一般的自动控制的根本区别是，不需要建立精确的数学模型，而是运用模糊理论将人的经验知识、思维推理，春控制过程的方法与策略是由所谓模糊控制器来实现。因此，模糊控制设计的核心是模糊控制器的设计。

现以一个模糊控制器的结构（图3-33）来说明模糊控制器的设计流程（图3-34）

图3-33 模糊控制器的结构

图3-34 模糊控制器的设计流程

（1）系统分析 对受控的工业对象进行系统分析，确定控制器的输入变量x1、x2 与输出变量y及它们的数值变化范围和要求达到的控制精度等，根据实际过程的需要建立物理模型，确定控制器结构总体设计方案。

（2）模糊化方法的选择与确定 所谓模糊化，就是把输入变量数值，变换成模糊语言变量的语言值，例如某燃烧炉温度910℃,变换成语言值（温度“低”、“中”、“高”），在实际控制过程中，经常把一个物理量划分成正大（PL）、正中（PM）、正小（PS）、零（ZE）负小（NS）、负中（NM）、负大（NL）七级语言变量。每一个语言值对应一个模糊子集，其隶属函数通常选用三角形或梯形分布，如某控制器输入变量如温度、压力模糊集的隶属函数，见图3-31所示。由隶属函数图可确定输入数值相应的隶属度。

（3）模糊控制规则库的建立 确定语言控制规则是模糊控制器设计的核心工作，规则的形式很像计算机程序设计语言常用的“IF„„THEN„„”条件语句。控制规则的多少视输人及输出物理量数目及所需的控制精度而定。值得注意的是，规则的数目是以语言变量级数平方关系变化而迅速增加，规则越多，推理的质量就会越下降。因此，在规则库的设计时，需要确定合适的语言变量级数和控制规则的数目及建立正确的规则形式。推理规则的运算涉及到模糊算子的确定。模糊理论的研究已提出了多种模糊算子，目前世界各国研制的模糊推理应用软件，常用的推理运算方法为最大一最小（MAX－MIN）和最大-乘积（MAX－PROD）这两种算子。

模糊控制理论

在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。然而，对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。因此便尝试着以模糊数学来处理这些控制问题。

自从Zadeh发展出模糊数学之后，对于不明确系统的控制有极大的贡献，自七○年代以后，便有一些实用的模糊控制器相继的完成，使得我们在控制领域中又向前迈进了一大步，在此将对模糊控制理论做一番浅介。

3.1概念

图3.1为一般控制系统的架构，此架构包含了五个主要部分，即:定义变量、模糊化、知识库、逻辑判断及反模糊化，底下将就每一部分做简单的说明：

(1) 定义变量：也就是决定程序被观察的状况及考虑控制的动作，例如在一般控制问题上，输入变量有输出误差E与输出误差之变化率CE，而控制变量则为下一个状态之输入U。其中E、CE、U统称为模糊变量。

(2) 模糊化（fuzzify）：将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，依适合的语言值（linguisitc value）求该值相对之隶属度，此口语化变量我们称之为模糊子集合（fuzzy

subsets）。

(3) 知识库：包括数据库（data base）与规则库（rule base）两部分，其中数据库是提供处理模糊数据之相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。

(4) 逻辑判断：模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，而得到模糊控制讯号。此部分是模糊控制器的精髓所在。

(5) 解模糊化（defuzzify）：将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值。