模糊控制算法简介

模糊逻辑跟踪控制
模糊控制的基本原理框图如下：
图1 模糊控制的基本原理框图
模糊控制器是模糊控制系统的核心，一个模糊控制系统的性能优劣主要取决于模糊控制器的结构、所采用的模糊控制规则、合成推理算法，以及模糊决策的方法等因素。

文本对应的程序，采用单变量二维模糊控制器，输入分别是 误差和误差的倒数，输出为控制量。

其中基模糊控制器结构如图2所示，模糊规则表如表1所示。

de dt
图2模糊控制器结构
表1 模糊规则表
在本仿真程序中，被控对象为：5
3245.235*10()+87.35 1.047*10G s s s s
=+
采样时间为1ms ，采用z 变换进行离散化，经过z 变换后的离散化对象为：
()(2)(1)(3)(2)(4)(3)(2)(1) (3)(2)(4)(3)
yout k den yout k den yout k den yout k num u k num u k num u k =------+-+-+-
其中，反模糊化采用“Centroid”方法，方波响应及控制器输出结果如图3和图4所示：。

T 式中，K
常数；u
( 为tp 为) 比控例制增量益；；e为(为T t 被)i 积控分量时与间设常定数值；
为微分时间
的y偏d( t差) 。
第二十页，共57页。
3.2.1 PID控制算法
为了便于计算机实现PID算法，必须将式(3.3)改写为离散 （采样）式，这可以将积分运算用部分和近似代替，微分运算用 差分方程表示，即
T 式中，
为K比P 例系数；
为积分T I时间常数；
为微分时间常数。 D
第八页，共57页。
3.2.1 PID控制算法
根据被控对象动态特性和控制要求的不同，式 (3.2)中还可以只包含比例和积分的PI调节或者只包 含比例微分的PD调节。下面主要讨论PID控制的特 点及其对控制过程的影响、数字PID控制策略的实 现和改进，以及数字PID控制系统的设计和控制参 数的整定等问题。
第十六页，共57页。
3.2.1 PID控制算法
（3）比例积分微分控制器
积分调节作用的加入，虽然可以消除静差，但其代价是降 低系统的响应速度。为了加快控制过程，有必要在偏差出现 或变化的瞬间，不但要对偏差量做出反应（即比例控制作 用），而且要对偏差量的变化做出反应，或者说按偏差变化 的趋势进行控制，使偏差在萌芽状态被抑制。为了达到这一 控制目的，可以在PI控制器的基础上加入微分控制作用，即构 造比例积分微分控制器（PID控制器）。PID控制器的控制规律为
q0
Kp
1
T Ti
Td T
q1
Kp
1
2Td T
q2
Kp
Td T
第二十六页，共57页。
3.2.1 PID控制算法
由此可见，要利用 和 u ( k )得到 u ( k，只1)需要用到u ( k ) , 和 三个历e史( k数据1)。在e(编k 程 过2)程中，u (这k 三 1个) 历史数据可以采用平移法保存，从

模糊控制算法
模糊控制系统的组成
模糊集合论基础
• 集合是具有某种性质的一类确定对象的整体。 并称组成这一整体的一个个对象为其元素。 • 经典集合论中集合和元素的关系是要么“属 于”，要么“不属于”，二者必居其一。 • 通过某些集合的运算来表示的集合。并、交、 补等等。
但是在现实中有许多元素和集合之间并不是简单的“属 于”和“不属于”的关系，其外延具有不确定性。只能 够在多大程度上接近一种状态，这个接近的程度就是隶 属度，隶属度的值在[0 1]之间，而对象的集合叫论域。
u
1 2 3
v
1 0.8 0.7 0.2
2 0.6 0.6 0.2
3 0.4 0.4 0.2
4 0.2 0.2 0.2
1 A × B( A− > B ) = 0.7 [ 0.8 0.6 0.4 0.2] 0.2
0.8 0.6 0.4 0.2 = 0.7 0.6 0.4 0.2 0.2 0.2 0.2 0.2
F = ∑ µ F (ui ) / ui
i =1
n
例 考虑论域 U={0,1,2,……10}和模糊子集F“接近于0的整 数”，它的隶属度函数表示法
F = 1.0 / 0 + 0.9 /1 + 0.75 / 2 + 0.5 / 3 + 0.2 / 4 + 0.1/ 5
序偶表示法：
F = {(u1 , µ (u1 )), (u 2 , µ (u 2 )), LL (u n , µ (u n ))
u4
u1
u2
u3
u4
u5
A I B=
0.6 ∧ 0.5 0.5 ∧ 0.6 1 ∧ 0.3 0.4 ∧ 0.4 0.3 ∧ 0.7 0.5 0.5 0.3 0.4 0.3 + + + + = + + + + u1 u2 u3 u4 u5 u1 u2 u3 u4 u5

什么是模糊算法初步了解模糊逻辑模糊算法初步了解模糊逻辑随着科技和人工智能的不断发展，越来越多的算法被广泛运用于各种应用领域中。

其中，模糊算法就是其中之一。

那么，什么是模糊算法？下面就让我们一起来初步了解一下模糊逻辑吧。

一、什么是模糊算法？在传统的计算机模型中，逻辑关系是非常明确的——要么是真，要么是假。

这种二元逻辑虽然简单明了，但是却无法处理那些带有不确定性的问题，比如人类语言中那些含糊不清的描述。

而模糊逻辑则提供了一种计算模型，使得计算机能够处理那些不确定的信息。

模糊算法就是基于模糊逻辑的一种算法。

它本质上是一种模糊推理系统，通过对数据进行模糊化处理，使得模糊的数据能够被计算机所理解。

在模糊算法中，一个变量的取值不再是明确的，而是一个模糊的概念，其取值不仅可以是0或1，还可以是介于0和1之间的任何实数。

这种算法能够处理那些难以用精确数据来描述的问题，如模糊控制、图像处理、语言识别等。

二、模糊逻辑的基本概念模糊逻辑是一种可以处理模糊性的逻辑。

在模糊逻辑中，一个命题的真值不再是只有真和假两种取值，而能够取任意介于0和1之间的实数值。

具体来说，模糊逻辑中的三个基本概念是模糊集、隶属度函数和模糊关系。

1. 模糊集模糊集是指定义在某个数学空间上的一类不精确的集合。

与传统集合不同的是，模糊集可以包括一些元素，它们的隶属度是介于0和1之间的实数值，即一个元素属于模糊集的程度。

比如，我们可以定义一个“年轻人”模糊集，其隶属度可以根据不同年龄段来定义。

2. 隶属度函数隶属度函数是一个数学函数，它可以将一个元素与一个模糊集进行联系。

其输出是该元素与该模糊集之间的隶属度，可以理解为描述该元素在该模糊集中所占的比重。

例如，一个“温和”的隶属度函数可能如下表示：___________///________________0.2 0.5 1其中，数值0.2表示隶属度在0.2时的取值，0.5表示隶属度在0.5时的取值，1表示隶属度在1时的取值。