模糊控制理论的发展与综述.doc.doc

模糊控制理论的发展与综述 摘要：主要总结了近年来模糊控制系统的研究与发展，介绍了最近模糊控制系统研究的一些主要方面及研究成果，分析了它们的优缺点，并探讨了这一研究领域的研究趋向。 关键词：模糊控制；模糊逻辑系统；模糊控制器；自适应模糊控制；函数逼近特性；稳定性分析 1 引言 自从美国加利福尼亚大学控制论专家L.A.Zadeh教授在1965年提出的《Fuzzy Set》开创了模糊数学的历史[1]，吸引了众多的学者对其进行研究，使其理论和方法日益完善，并且广泛的应用于自然科学和社会科学的各个领域，尤其是第五代计算机的研制和知识工程开发等领域占有特殊重要的地位[2]。把模糊逻辑应用于控制领域则始于1973年[3]。1974年英国的E.H.Mamdani成功地将模糊控制应用于锅炉和蒸汽机的控制。此后20年来，模糊控制不断发展并在许多领域中得到成功应用[4]。由于模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种体系理论方法，因而能够解决许多复杂而无法建立精确数学模型系统的控制问题，所以它是处理推理系统和控制系统中不精确和不确定性的一种有效方法。从广义上讲，模糊控制是基于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制策略。它是模糊数学同控制理论相结合的产物，同时也是只能控制的重要组成部分。模糊控制的突出特点在于： 1）控制系统的设计不要求知道被控对象的精确数学模型，只需要提供现场操作人员的经验知识及操作数据。 2）控制系统的鲁棒性强，适用于解决常规控制难以解决的非线性、时变及大滞后等问题。 3）以语言变量代替常规的数学变量，易于形成专家的“知识”。 4）控制系统采用“不精确推理”。推理过程模仿人的思维过程。由于介入了人的经验，因而能够处理复杂甚至“病态”系统。 传统的控制理论（包括经典控制理论和现代控制理论）是利用受控对象的数学模型（即传递函数模型或状态空间模型）对系统进行定量分析，而后设计控制策略[5]。这种方法由于其本质的不溶性，当系统变得复杂时，难以对其工作特性进行精确描述。而且，这样的数学模型结构也不利于表达和处理有关受控对象的一些不确定信息，更不利于人的经验、知识、技巧和直觉推理，所以难以对复杂系统进行有效地控制[9]。 经典的模糊控制器利用模糊集合理论将专家知识或操作人员经验形成的语言规则直接转化为自动控制策略（通常是模糊规则表查询）[6]，其设计不依靠对象精确数学模型，而是利用其语言知识模型进行设计和修正控制算法。 90年代以来，模糊控制系统的研究取得了一些比较突出的进展，如模糊系统的万能逼近特性，模糊状态方程及稳定性分析，软计算技术等等，这些研究逐步丰富和发展了模糊系统的理论体系。模糊控制在理论上突飞猛进的同时，也越来越多地、成功地应用于现实世界中。 2 模糊控制的发展 模糊控制的发展基本上可分为两个阶段：初期的模糊控制器是按一定的语言控制规则进行工作的,而这些控制规则是建立在总结操作者对过程进行控制的经验基础上,或设计者对某个过程认识的模糊信息的归纳基础上,因而它适用于控制不易获得精确数学模型和数学模型不确定或多变的对象。后期的模糊控制器则是基于控制规则难以描述,即过程控制还总结不出什么成熟的经验,或者过程有较大的非线性以及时滞等特征,试图吸取人脑对复杂对象进行随机识别和判决的特点,用模糊集理论设计自适应、自组织、自学习的模糊控制器。模糊控制现正从以下几个方面加紧研究： 1) 研究模糊控制器非线性本质的框架结构及其同常规控制策略的联系,揭示模糊控制器工作的实质和机理。它可提供系统的分析和设计方法,解决一些先前被认为是困难但却是非常重要的问题,如稳定性、鲁棒性等。 2) 在模糊控制已取得良好实践效果的同时,从理论分析和数学推导角度揭示和证明模糊控制系统的鲁棒性优于常规控制策略。 3) 研究模糊控制器的优化设计问题,尤其是在线优化问题。模糊控制器源于采用启发式直觉推理,其本身的推理方式难于保证控制效果的最优。解决模糊控制器的优化问题也是进一步将其推向工业应用的有效手段。 4) 在理论研究中规则本身非线性问题及实际应用中模糊控制器的规则自学习和自动获取问题。前者之所以成为难点,是因为具有线性规则的模糊控制器本身已属非线性控制,非线性规则则更使问题的系统化研究方法困难;后者则构成智能控制中专家系统的核心问题。 5) 将模糊控制同其它领域的理论研究方法相结合,利用模糊控制的优势解决该领域中过去用常规方法难以解决的问题。 3　模糊逻辑系统的研究 关于模糊逻辑系统的研究，本文只着重介绍一下非模糊化方法，并概括总结常见的一些模糊逻辑系统。 3.1　非模糊化方法 非模糊化处理是模糊系统中的一个关键环节，它是将模糊推理中产生的模糊量转化为精确量。常见的非模糊化方法有以下几种[7]： 1）最大隶属度值法（