[工学]chap26english.ppt

2.8 自适应模糊控制 与常规自适应控制的结构类似，自适应模糊控制也主要有两类不同的结构形式： 直接自适应模糊控制 间接自适应模糊控制 直接自适应模糊控制 间接自适应模糊控制 2.8.1 基于性能反馈的直接自适应模糊控制 本节介绍一种调整模糊控制规则的自适应控制方法。 语言变量描述的性能测量 性能测量的直接数字查表 2. 控制对象的增量模型 为了实现自适应控制，需要将该输出修正量变换为所需的控制修正量，因而它需要对控制对象的特性有一定的了解。其中主要的有以下几个问题。 (1) 需要知道过去哪一时刻的控制量影响当前时刻的系统性能，这就需要知道控制对象的延迟时间dT(T为采样周期，d为延迟的拍数)。 5．设计步骤 基本模糊控制级。 将实际的输入量变换为论域范围的模糊变量。 确定模糊语言值及相应的隶属度函数。 给出性能测量语言变量描述及直接数字查表。 选取初始模糊控制规则。 对系统进行自适应控制，除了自适应调整控制规则库外（实际上是调整模糊关系R），并调整尺度变换增益参数。 自适应模糊控制尺度变换增量参数调整流程图 2.8.2 基于模糊模型求逆的间接自适应模糊控制 该方法首先在线地辨识控制对象的模糊模型，然后利用该模型并根据期望的闭环系统性能设计出模糊控制器。 上述模型也可表示成 输入量的隶属度函数（表格） 输入量的隶属度函数（图形） 输出量的隶属度函数（表格） 输出量的隶属度函数（图形） 4．自适应模糊控制器 首先根据这些原始数据构造如下的个输入输出数据组： 对每一数据组均考虑为一条模糊规则 ，其中 、 和 取为由这些数据经模糊化得到的模糊集合。这里模糊化方法一般不采用单点模糊集合而采用三角形模糊集合，数据所在位置为模糊集合的中心点。 在获得 条模糊规则 ( )后，即可构造系统总的模糊关系 。 批处理算法适用于定常模型的离线辨识，而不适于时变系统的在线辨识。为便于自适应控制，采用如下的模糊系统辨识的递推算法。 递推算法 其中 ， 称为遗忘因子。 是由新获取的第 组数据所建立的模型关系，即 可以是一组新数据所获得的模糊关系，也可以是多组数据所获得的模糊模型，设新获得s组数据，则 其中 表示第 组新数据所获得的模糊关系。 连续模型可得类似结果，即 其中 ，且定义 几个实际问题 存贮容量与模型精度之间进行折中选择。 模型精度与泛化能力。 自适应模糊辨识算法的收敛性。 只对输入数据附近的区域进行修改。即当 时才进行上述递推关系的修改。 遗忘因子 的选择。 [例] 设有非线性的输入输出关系为 ，且该模型未知，通过测量获得该模型的输入输出数据。要求根据这些量测数据建立它的模糊模型。 待建模型的输入输出数据 0 1 2 3 4 5 0 1 4 9 16 25 (1) 对实际的输入输出数据进行量化。设将输入和输出都均匀地量化为6个等级，则量化后的输入输出数据将变为。 量化后的输入输出数据 0 1 2 3 4 5 0 0 5 10 15 25 (2) 每一组数据相当一条模糊规则，即 ：如果 是 ，则 是 ：如果 是 ，则 是 ：如果 是 ，则 是 ：如果 是 ，则 是 ：如果 是 ，则 是 ：如果 是 ，则 是 其中 和 是根据量化后的输入输出数据用三角形模糊集合的模糊化方法而求得的模糊集合。 ? 0 ? 1 ? 2 ? 3 4 5 1 0.5 0 0 0 0 0.5 1 0.5 0 0 0 0 0.5 1 0.5 0 0 0 0 0.5 1 0.5 0 0 0 0 0.5 1 0.5 0 0 0 0 0.5 1 ? 0 ? 5 ? 10 ? 15 ? 20 ? 25 1 0.5 0 0 0 0 0.5 1