模糊控制 _原创精品文档.pdfVIP

模糊控制的现状与发展概述*

引言

自从1965年美国自动控制理论专家ZadehLA提出用模糊集合描述客观世界

中存在的不确定性信息以来,模糊逻辑理论有了飞跃性的发展,并得到了广泛

的应用。模糊控制[1](fuzzycontrol)是以模糊集理论、模糊语言变量和模

糊控制逻辑推理为基础的一种智能控制方法,从行为上模拟人的思维方式,对难

建模的对象实施模糊推理和决策的一种控制方法,实际上是一种非线性控制。模

糊控制作为智能领域中最具有实际意义的一种控制方法,已经在工业控制领域、

家用电器自动化领域和其他很多行业中解决了传统控制方法无法或者是难以解

决的问题,取得了令人瞩目的成效,引起了越来越多的控制理论的研究人员和

相关领域的广大工程技术人员的极大兴趣。

1模糊控制的原理

模糊控制算法的工作过程可以描述如下:微机通过中断采样获取被控制量

的精确值,并将此量与给定值比较得到一误差信号E,一般选误差信号E作为模

糊控制器的一个输入量。把误差信号E的精确量进行模糊化变成模糊量。误差E

的模糊量可用相应的模糊语言表示,得到误差E的模糊语言集合的一个子集e

(e是一个误差E的模糊矢量),再由e和模糊关系R根据推理的合成规则进行

模糊决策,得到模糊控制量u,即u=eR.

模糊控制的框图如图1所示

图1模糊控制原理框图

由图1可知,模糊控制系统与通常的计算机数字控制系统的主要区别是采用了模

糊控制器。模糊控制器是整个模糊控制系统的核心,一个模糊控制系统性能优劣,

主要取决于模糊控制器的结构,所采用的模糊规则、合成推理算法及模糊决策的

方法等因素。

2模糊控制器的设计步骤

模糊控制器的原理框图如图2所示,它包括模糊化接口、知识库、推理机和解

模糊接口等部分。

图2模糊控制器的组成框图

2.1确定量的模糊化

模糊化就是将基础变量论域上的确定量变换成基础变量论域上的模糊集的

过程,模糊化的步骤如下:(1)把精确量离散化,其主要作用是将真实的确定

量输入转换成一个模糊矢量。在进行模糊化之前,先需对输入量进尺度变换,使

其变换到相应的论域范围。变换的方法可以是线性的也可以是非线性的。(2)确

定输入值相对于相应语言变量语言值的隶属度。在一个模糊控制系统中,隶属函

数的形状和位置直接影响着系统的性能。

2.2模糊控制知识库的生成

模糊控制的知识库主要由2部分组成,即:数据库和规则库。(1)数据库。

数据库所存放的是所有输入、输出变量的全部模糊子集的隶属度矢量值(即经过

论域等级离散化以后对应值的集合),若论域为连续域,则为隶属度函数。数据

库的作用是在规则推理的模糊关系方程求解过程中,向推理机提供数据。

(2)规则库。规则库包含与生产过程有关的经验型知识,在设计模糊控制

规则时,必须考虑控制规则的完备性、交叉性和一致性。模糊控制规则的生成大

致有以下4种方法:（1）根据专家经验或过程知识生成;（2）根据过程模糊模

型生成;（3）根据对手工操作的系统观察和测量生成;（4）根据学习算法

生成。模糊控制规则建立完之后,还必须对规则进行优化处理,从本质上解决控

制规则的数量与质量问题。

2.3模糊控制算法

模糊控制算法的目的就是从输入的连续精确量中,通过模糊推理的运算过

程,求出相应的清晰量的控制量。模糊控制算法有多种实现形式,目前常采用的

算法有:（1）CRI推理法;（2）函数型推理法;（3）Mamdani直接推理法后件

函数法;（4）特征展开推理法。

2.4模糊量的清晰化

非模糊化处理是将模糊推理中产生的模糊量转化为精确值,常见的清晰化

方法有以下几种:最大隶属度值法(MC)(1）最大隶属度平均值法(MOM);（2）

面积平均法(COA);（3）重心法(COG);（4）左取大(LM)和右取大(RM)。

由于以上这些清晰化方法在不同程度上都具有一定的局限性,Filev和Yager

采用学习机制提出了一种基本非模糊化分布函数法(BADD),对COG中的加权因

子进行了修正,在此基础上又提出了半线性非模糊化方法