第4章2 模糊控制实例.ppt

第4章 模糊控制实例 设计一模糊控制器使其超调量不超过1%，输出的上升时间0.3。 步骤 1. 确定e，de和u的论域 2. e，de和u语言变量的选取 3. 规则的制定 4. 推理方法的确定 1. 根据系统实际情况，选择e，de和u的论域 e range : [-1 1] de range: [-0.1 0.1] u range: [0 2] 2. e，de和u语言变量的选取 e 8个：NB,NM,NS,NZ,PZ,PS,PM,PB de 7个：NB,NM,NS,Z,PS,PM,PB U 7个：NB,NM,NS,Z,PS,PM,PB 4. 隐含和推理方法的制定 隐含采用 ‘mamdani’方法: ‘max-min‘ 推理方法， 即 ‘min‘ 方法 去模糊方法：面积中心法。 选择隶属函数的形式：三角型 * 第4节 模糊控制器设计实例-洗衣机模糊控制 以模糊洗衣机的设计为例，其控制是一个开环的决策过程，模糊控制按以下步骤进行。 （1）模糊控制器的结构 选用单变量二维模糊控制器。控制器的输入为衣物的污泥和油脂，输出为洗涤时间。 （2）定义输入输出模糊集 将污泥分为三个模糊集：SD（污泥少），MD（污泥中），LD（污泥多），取值范围为[0，100]。 （3）定义隶属函数 选用如下隶属函数： 采用三角形隶属函数实现污泥的模糊化，如图4-11所示。 图4-11 污泥隶属函数 采用Matlab仿真，可实现污泥隶属函数的设计，仿真程序为chap4_4.m 将油脂分为三个模糊集：NG（无油脂），MG（油脂中），LG（油脂多），取值范围为[0，100]。选用如下隶属函数： 采用三角形隶属函数实现污泥的模糊化，如下图4-12所示。仿真程序同污泥隶属函数。 图4-12 油脂隶属函数 将洗涤时间分为三个模糊集：VS（很短），S（短），M（中等），L（长），VL（很长），取值范围为[0，60]。选用如下隶属函数： 采用三角形隶属函数实现洗涤时间的模糊化，如图4-13所示。 图4-13 洗涤时间隶属函数 采用Matlab仿真，可实现洗涤时间隶属函数的设计，仿真程序为chap4_5。 （4）建立模糊控制规则 根据人的操作经验设计模糊规则，模糊规则设计的标准为：“污泥越多，油脂越多，洗涤时间越长”；“污泥适中，油脂适中，洗涤时间适中”；“污泥越少，油脂越少，洗涤时间越短”。 （5）建立模糊控制表 根据模糊规则的设计标准，建立模糊规则表4-7。 表4-7 模糊洗衣机的洗涤规则 第*条规则为：“IF 衣物污泥少 且 没有油脂 THEN 洗涤时间很短”。 （6）模糊推理 分以下几步进行： ① 规则匹配。假定当前传感器测得的信息为： ， ， 分别带入所属的隶属函数中求隶属度： 通过上述四种隶属度，可得到四条相匹配的模糊规则，如表4-8所示： 表4-8 模糊推理结果 ② 规则触发。由上表可知，被触发的规则有4条： Rule 1：IF y is MD and x is MG THEN z is M Rule 2：IF y is MD and x is LG THEN z is L Rule 3：IF y is LD and x is MG THEN z is L Rule 4：IF y is LD and x is LG THEN z is VL ③ 规则前提推理。在同一条规则内，前提之间通过“与”的关系得到规则结论，前提之间通过取小运算，得到每一条规则总前提的可信度： 规则1前提的可信度为：min（4/5，3/5）=3/5 规则2前提的可信度为：min（4/5，2/5）=2/5 规则3前提的可信度为：min（1/5，3/5）=1/5 规则4前提的可信度为：min（1/5，2/5）=1/5 由此得到洗衣机规则前提可信度表，即规则强度表4-9。 表4-9 规则前提可信度 ④ 将上述两个表进行“与”运算，得到每条规则总的输出，如表4-10所示 表4-10 规则总的可信度 ⑤ 模糊系统总的输出 模糊系统总的输出为各条规则推理结果的并，即 ⑥ 反模糊化 模糊系统总的输出实际上是三个规则推理结果的并集，需要进行反模糊化，才能得到精确的推理结果。下面以最大平均法为例，进行反模糊化。 将 带入洗涤时间隶属函数中的 ，得到规则前提隶属度 与规则结论隶属度