模糊控制基础知识.pptVIP

模糊关系与模糊推理模糊控制规则实际上是一组多重条件语句，可以表示为从误差论域到控制量论域的模糊关系矩阵R。通过误差的模糊向量E＇和误差变化的模糊向量EC＇与模糊关系R的合成进行模糊推理，得到控制量的模糊向量，然后采用“清晰化”方法将模糊控制向量转换为精确量。根据模糊集合和模糊关系理论，对于不同类型的模糊规则可用不同的模糊推理方法。以下以常用的ifAthenB类型的模糊规则的推理为例。若已知输入为A，则输出为B;若现在已知输入为A＇，则输出B＇用合成规则求取(4—52)其中模糊关系R定义为μR(x，y)＝min[μA(x)，μB(y)，](4—53)例如，已知当输入的模糊集合A和输出的模糊集合B分别为:A＝1.0／al+0.8／a2+0.5／a3+0.2／a4+0.0／a5B＝0.7／bl+1.0／b2+0.6／b3+0.0／b4这里采用模糊集合的Zadeh表示法，其中ai，bi表示模糊集合所对应的论域中的元素，而μi表示相应的隶属度，“／”不表示分数的意思。0102则当输入A′＝0.4/a1+0.7/a2+1.0/a3+0.6/a4+0.0/a5B′由下式求取B＝AR＝=[(0.4∩0.7)∪(0.7∩0.7)∪(1.0∩0.5)∪(0.6∩0.2)∪(0.0∩0.0),(0.4∩1.0)∪(0.7∩0.8)∪(1.0∩0.5)∪(0.6∩0.2)∪(0.0∩0.0),(0.4∩0.6)∪(0.7∩0.6)∪(1.0∩0.5)∪(0.6∩0.2)∪(0.0∩0.0),(0.4∩0.0)∪(0.7∩0.0)∪(1.0∩0.0)∪(0.6∩0.0)∪(0.0∩0.0)]=[(0.40.70.50.20.0),(0.40.70.50.20.0),(0.40.60.50.20.0),(0.00.00.00.00.0)]=(0.7,0.7,0.6,0.0)则B＝0.7/b1+0.7/b2+0.6/b3+0.0/b4在上述运算中，“∩”为取小运算，“∪”为取大运算。由于系统的控制规则库是由若干条规则组成的，对于每一条推理规则都可以得到一个相应的模糊关系，n条规则就有n个模糊关系：Rl，R2，...，Rn，对于整个系统的全部控制规则所对应的模糊关系及可对n个模糊关系Ri(i＝l，2，...，n)取“并”操作得到，即R=R1∪R2∪……∪Rn=(4—53)4.5.5模糊控制向量的模糊判决—“清晰化”两种简单实用的方法。1．最大隶属度法这种方法是在模糊控制向量中，取隶属度最大的控制量作为模糊控制器的控制量。例如，当得到模糊控制向量为:U＝0.1/2+0.4/3+0.7/4+1.0/5+0.7/6+0.3/7由于控制量隶属于等级5的隶属度为最大，所以取控制量为:U＝5这种方法的优点是简单易行，缺点是完全排除了其他隶属度较小的控制量的影响和作用，没有充分利用取得的信息。2.加权平均判决法（1）普通加权平均法为了克服最大隶属度法的缺点，可以采用加权平均判决法，即U=(4—54)例如U＝0.1/2+0.8/3+1.0/4+0.8/5+0.1/6则U＝＝4第4章计算机控制系统的控制算法计算机控制技术第4章计算机控制系统的控制算法计算机控制技术4.5模糊控制

4.5FuzzyControl?1965年美国自动控制理论专家L．A．Zadeh首次提出了模糊集合理论，1974年英国E．H．Mamd