第二章 模糊控制理论基础知识

合集下载

第二章 模糊控制

第二章 模糊控制
~ ~
0.5 0.2 0.3 0.8 0.4 0.1 0.2 0.7 0.1 0.4 0.2 0.3 0.1 0.2 0.1 a b c d e a b c d e
0.5 0.2 0.3 0.8 0.4 0.1 0.2 0.7 0.1 0.4 0.5 0.8 0.4 0.7 0.4 a b c d e a b c d e
* 表征法
表征法将集合中所有元素的共同特征列在大括号中表征出来。 上例中的集合A也可用表征法表示为 A={a|a为偶数,10≤a ≤20}
第二章 模糊控制
19
2.2.1 经典集合
3)集合的运算
* 集合交 设X,Y为两个集合,由既属于X又属于Y的元素组 成的集合P 称为X,Y 的交集,记作 P=X∩Y * 集合并 设X,Y为两个集合,由属于X或者属于Y的元素 组成的集合Q称为X,Y的并集,记作 Q=X∪Y * 集合补 在论域Y上有集合X,则X的补集为
21
2.2.1 经典集合
4) 集合的特征函数
设x为论域X中的元素, A为论域X中定义的一个集合,则x和A的 关系可以用集合A的特征函数来表示。它的值域是{0,1},它表示元 素x是否属于集合A。如果x属于集合A,那么的值为1;如果x不属于 集合A,那么的值为0。即
1, x A A ( x) 0, x A
* 集合 具有特定属性的对象的全体,称为集 合。例如: “西安科技大学的学生” 可以作为一个集合。集合通常用大写 字母A,B,……,Z来表示。 * 元素 组成集合的各个对象,称为元素,也 称为个体。通常用小写字母a, b,……,z来表示。 * 论域 所研究的全部对象的总和,叫做论域, 也叫全集合。 * 空集 不包含任何元素的集合,称为空集, 记做Φ。 * 子集 集合中的一部分元素组成的集合,称 为集合的子集。

第二章模糊控制理论基础

第二章模糊控制理论基础

u U u U
经典集合论中任意一个元素与任意一个集合之间的 关系,只是“属于”或“不属于”两种,两者必居其一 而且只居其一。它描述的是有明确分界线的元素的组合。
用经典集合来处理模糊性概念时,就不行。
对于诸如“速度的快慢”、“年龄的大小”、 “温度的高低”等模糊概念没有明确的界限。
经典集合对事物只用"1"、"0"简单地表示“属于” 或“不属于”的分类;而模糊集合则用“隶属度 (Degree of membership)”来描述元素的隶属程度, 隶属度是0到1之间连续变化的值。
四种方法: 1、模糊统计法
基本思想:论域U上的一个确定的元素v0是否属于一个可变动的清 晰集合A*作出清晰的判断。
对于不同的实验者,清晰集合A*可以有不同的边界。但它们都对 应于同一个模糊集A。
模糊集A 年轻人
v0
清晰集A1* 清晰集A2*

17-30岁 20-35岁
域 U
所有人
计隶算属步度骤函:数在确每立次的统方计法中:,v0是固定的(如某一年龄), A*的值是可变的,作n次试验,则
示。
uU表示元素(个体)u在集合论域(全体) U内。
集合表示法(经典集合):
(1)列举法:将集合的元素全部列出的方法。 (2)定义法:用集合中元素的共性来描述集合的方法。
(3)归纳法:通过一个递推公式来描述一个集合的方法。 (4)特征函数表示法:利用经典集合论非此即彼的明晰性 来表示集合。因为某一集合中的元素要么属于这个集合, 要么就不属于这个集合。
定义2-8 设A,B F(U),则定义代数运算: (1)A与B的代数积记作A • B,运算规则由下式确定:
A • B(u)= A(u)B(u)

模糊控制的理论基础

模糊控制的理论基础




二、模糊集合论基础

例证法

从已知有限个μ A的值,来估计论域U上模糊 子集A的隶属度函数
二、模糊集合论基础

专家经验法

专家经验法是根据专家的实际经验给出模糊 信息的处理算式或相应权系数值来确定隶属 度函数的一种方法
二、模糊集合论基础

二元对比排序法


它通过对多个事物之间的两两对比来确定某 种特征下的顺序,由此来决定这些事物对该 特征的隶属度函数的大体形状 相对比较法是设论域U中元素v1,v2,...,vn 要对这些元素按某种特征进行排序,首先要 在二元对比中建立比较等级,而后再用一定 的方法进行总体排序,以获得诸元素对于该 特性的隶属函数
第二章
模糊控制的理论基础
1
引言
2
模糊集合论基础
3
模糊逻辑、模糊逻辑推理和合成
5
2
一、引言

模糊控制理论的发展


1965年,L.A.Zadeh 提出模糊集理论; 1972年,L.A.Zadeh 提出模糊控制原理; 1974年,E.H.Mamdani应用于蒸汽机和锅炉控制中; 80年代:污水处理、汽车、交通管理 模糊芯片、模糊控制的硬件系统; 90年代:家电、机器人、地铁; 21世纪:更为广泛的应用。
二、模糊集合论基础
经典集合论:19世纪末德国数学家乔•康托( Georage Contor, 1845-1918),是现代数学的基础 特点:内涵和外延都必须是明确的 。 表示方法


列举法:U={1,2,3,4,5,6,7,8,9,10} 定义法:U={u|u为自然数且u<5} 归纳法:U={ui+1=ui+1,i=1,2,u1=1} 特征函数法:用特征函数值表示元素属于集合的程度

模糊控制的理论基础

模糊控制的理论基础

第二章:模糊控制的理论基础第一节:引言模糊控制的发展传统控制方法:数学模型。

模糊控制逻辑:使计算机具有智能和活性的一种新颖的智能控制方法。

模糊控制以模糊集合论为数学基础。

模糊控制系统的应用对于那些测量数据不准确,要处理的数据量过大以致无法判断它们的兼容性以及一些复杂可变的被控对象等场合是有益的。

模糊控制器的设计依赖于操作者的经验。

模糊控制器参数或控制输出的调整是从过程函数的逻辑模型产生的规则来进行的。

改善模糊控制器性能的有效方法是优化模糊控制规则。

模糊控制的特点:一、无需知道被控对象的数学模型二、是一种反应人类智慧思维的智能控制三、易被人们所接受四、推理过程采用“不精确推理”五、构造容易六、存在的问题:1、要揭示模糊控制器的实质和工作原理,解决稳定性和鲁棒性理论问题,从理论分析和数学推导的角度揭示和证明模糊控制系统的鲁棒性优于传统控制策略;2、信息简单的模糊处理将导致系统的控制精度降低和动态品质变差;3、模糊控制的设计尚缺乏系统性,无法定义控制目标。

“模糊控制的定义”定义:模糊控制器的输出是通过观察过程的状态和一些如何控制过程的规则的推理得到的。

基于三个概念:测量信息的模糊化,推理机制,输出模糊集的精确化;测量信息的模糊化:实测物理量转换为在该语言变量相应论域内的不同语言值的模糊子集;推理机制:使用数据库和规则库,根据当前的系统状态信息决定模糊控制的输出子集;模糊集的精确化:将推理过程得到的模糊控制量转化为一个清晰,确定的输出控制量的过程。

“模糊控制技术的相关技术”模糊控制器的核心处理单元:1.传统单片机;2.模糊单片机处理芯片;3.可编程门阵列芯片。

模糊信息与精确转换技术:AD,DA,转换技术。

模糊控制的软技术:系统的仿真软件。

综述:模糊控制是一种更人性化的方法,用模糊逻辑处理和分析现实世界的问题,其结果往往更符合人的要求。

第二节:模糊集合论基础“模糊集合的概念”经典集合论所表达概念的内涵和外延都必须是明确的。

模糊控制理论基础知识

模糊控制理论基础知识

第二章 模糊控制理论基础知识2.1 模糊关系一、模糊关系R ~所谓关系R ,实际上是A 和B 两集合的直积A ×B 的一个子集。

现在把它扩展到模糊集合中来,定义如下:所谓A ,B 两集合的直积A ×B={(a,b)|a ∈A ,b ∈B} 中的一个模糊关系R ~,是指以A ×B 为论域的一个模糊子集,其序偶(a,b)的隶属度为),(~b a Rμ,可见R ~是二元模糊关系。

若论域为n 个集合的直积,则A 1×A 2×A 3×……A n 称为n 元模糊关系R ~,它的隶属函数是n 个变量的函数。

例如,要求列出集合X={1,5,7,9,20}“序偶”上的“前元比后元大得多”的关系R ~。

因为直积空间R=X ×X 中有20个“序偶”,序偶(20,1)中的前元比后元大得多,可以认为它的隶属度为1,同理认为序偶(9,5)的隶属于“大得多”的程度为0.3,于是我们可以确定“大得多”的关系R ~为R ~=0.5/(5,1)+ 0.7/(7,1)+ 0.8/(9,1)+ 1/(20,1)+ 0.1/(7,5)+0.3/(9,5)+ 0.95/(20,5)+ 0.1/(9,7)+0.9/(20,7)+ 0.85/(20,9)综上所述,只要给出直积空间A ×B 中的模糊集R ~的隶属函数),(~b a R μ,集合A 到集合B 的模糊关系R ~也就确定了。

由于模糊关系,R ~实际上是一个模糊子集,因此它们的运算完全服从第一章所述的Fuzzy 子集的运算规则,这里不一一赘述了。

一个模糊关系R ~,若对∀x ∈X ,必有),(~x x R μ=1,即每个元素X 与自身隶属于模糊关系R ~的隶属度为1。

称这样的R ~为具有自返性的模糊关系。

一个模糊R ~,若对∀x ,y ∈X ,均有),(~y x Rμ=),(~x y Rμ 即(x,y)隶属于Fuzzy 关系R ~和(y,x)隶属于Fuzzy 关系R ~的隶属度相同,则称R ~为具有对称性的Fuzzy 关系。

模糊控制的理论基础.ppt

模糊控制的理论基础.ppt

模糊控制还需要解决的问题
1、人的知识和经验的表达;
2、知识推理的方法;
3、人的知识的获得和总结; 4、模糊控制系统稳定性判据; 5、模糊控制系统的学习; 6、模糊控制系统的分析;
7、模糊控制系统的设计方法
模糊控制系统人性化——模糊控制容忍噪声的干 扰和元器件的变化——模糊控制适应性好
第二节 模糊集合论基础
(u )/u
i 1 F i
n
i
例2-2 考虑论域U={0,1,2,……10}和模糊集F”接近 于0的整数“,它的隶属度函数表示法
F 1 . 0 / 0 0 . 9 / 1 0 . 75 / 2 0 . 5 / 3 0 . 2 / 4 0 . 1 / 5
2、序偶表示法:
输出模糊集的精确化——将模糊控制量转化为清晰的、确定的输出控制量。
模糊控制技术需要解决的具体问题
1、模糊控制器的构造:单片机、集成电路、可编程控制器 (PLC); 2、模糊信息与精确信息转换的物理结构和方法; 3、模糊控制器对外界环境的适应性及适应技术(A/D和 D/A技术); 4、实现模糊控制系统的软技术(仿真软件); 5、模糊控制器和被控对象的匹配技术(依赖人们的经验)。
0 x 0 F 1 x0 100 1 2 x
可以算出u(5)=0.2; u(10)=0.5; u(20)=0.8;表示5属 于大于零的程度为0.2,也就意味5算不上是远远大 于0的数。
若U为离散域,即论域U是有限集合时,模糊集合可以有以下 三种表示方法: 1、查德表示法 即: F
1965年,Zadeh提出模糊集理论——模糊控制理论(以模 糊集合为数学基础); 1974年,E.H.Mamdani首先利用模糊数学理论进行蒸汽机 和锅炉控制方面的研究; 模糊控制依赖操作者的经验;(传统的控制依赖于微分 方程组等); 改善模糊控制性能最有效的方法是优化模糊控制规则; 模糊规则是通过将人的操作经验转化为模糊语言形式获 取的,带有一定的主观性。

模糊控制的理论基础

模糊控制的理论基础
3.结合律
(A∪B)∪C=A∪(B∪C)
(A∩B)∩C=A∩(B∩C)
4.吸收律
A∪(A∩B)=A
A∩(A∪B)=A
5.分配律
A∪(B∩C)=(A∪B)∩(A∪C)
A∩(B∪C)=(A∩B) ∪(A∩C)
6.复原律
A A
7.对偶律
A B A B
A B A B
8.两极律
A∪E=E,A∩E=A
A∪Ф=A,A∩Ф=Ф
例3.4 设
A
B
0 .9 0 .2 0 . 8 0 .5 u1 u2 u3 u4
0 .3 0 . 1 0 .4 0 . 6 u1 u2 u3 u4
求A∪B,A∩B

0.9 0.2 0.8 0.6 A B u1 u2 u3 u4
0 .3 0 .1 0 .4 0 .5 A B u1 u2 u3 u4
A {0.95,0.90 ,0.85}
其含义为张三、李四、王五属于“学习 好”的程度分别是0.95,0.90,0.85。 例3.3 以年龄为论域,取 X 0,200 。Zadeh给 出了“年轻”的模糊集Y,其隶属函数为
0 x 25 1 1 Y ( x) x 25 2 25 x 100 1 5
例3.5 试证普通集合中的互补律在模糊集 合中不成立,即 A (u ) A (u ) 1 ,
A (u ) A (u ) 0
证:设 A (u ) 0.4 , 则
A (u ) 1 0.4 0.6
A (u) A (u) 0.4 0.6 0.6 1
模糊集合是以隶属函数来描述的, 隶属度的概念是模糊集合理论的基石。

模糊控制理论

模糊控制理论

模糊控制理论
模糊控制理论是一种研究系统的行为,通过给定的输入和外部信息来控制系统输出的理论。

它是控制理论的一种发展,主要用于控制系统中未知参数和非线性系统。

模糊控制理论可以通过计算机来设计系统的控制,让系统能够适应不同的环境变化,从而达到更好的控制效果。

它的原理是将控制问题转化为模糊逻辑控制系统,而模糊逻辑控制系统可以表达复杂的系统行为。

模糊控制理论比传统的控制理论更加灵活,能够对复杂的系统行为进行有效的控制。

它可以帮助系统更好地抵抗外部环境变化,以达到最优的控制效果。

模糊控制理论也可以帮助系统适应更多不同的环境,从而有效地改善系统的性能。

模糊控制理论的应用范围非常广泛,可以应用于多种控制领域,比如航空航天、机器人技术、汽车行业等。

它可以帮助系统更好地应对外部环境变化,从而达到最佳的控制效果。

模糊控制理论是一种通过模糊逻辑来控制系统行为的理论,它能够帮助系统更好地适应不同的环境变化,从而达到更好的控制效果。

它的应用范围也非常广泛,可以应用于多种控制领域,如航空航天、机器人技术、汽车行业等。

模糊控制

模糊控制

自然语言中带模糊性的语言称为模糊语言,如 长、短、大、小、年轻、年老 在模糊控制中,形容误差大小的模糊语言常见有:正大、正中、正小,零, 负小、负中、负大。 语言变量 是自然语言中的词或句,它的取值(语言值)不是通常的数,而是 用模糊语言表示的模糊集合。 例:“年龄”——模糊语言变量, 其取值为“年幼”,“年轻”,“年老”等模糊集合。

论域 :当讨论某个概念的外延或考虑某个问题的议题时, 总会圈定一个讨论的范围,这个范围称为论域。
语言变量 语言可分为两种:自然语言和形式语言。 自然语言的语意丰富、灵活,有时具有模糊性。 例如“一朵美丽的花”——多么“美丽”? 形式语言则有严格的语法规则和语意,不存在任何的模糊性 和二意性——通常的计算机语言。
其中, Ai、Bi、Ci为论域X、Y、Z上的语言值,该规则蕴涵的
模糊关系为:
i
R ( x, y, z ) A ( x) B ( y) C ( z )
i i i
Ri ( Ai Bi ) Ci
x X,y Y , z Z
全部模糊规则所对应的模糊关系,用取并的方法得到,即
应用领域
航空航天 无人驾驶车辆 生产调度系统 能源生产系统 过程控制系统 机器人
应用领域
中国批准863高技术计划,包括自动化领域的计算 机集成制造系统和智能机器人两个主题(1986)。
应用领域
日本安 川公司 娱乐机 械狗 (2001) 日本SONY公司二足步行机械人SDR-4X(2002)
2.3.4 匹配:决定用哪一条规则
图2-23 条件项的隶属函数T
图2-24 单一规则的条件隶属函数
图2-25 输入值的隶属函数
“力” u -2 “误差” u -1

智能控制 第2章 模糊控制论-理论基础

智能控制 第2章 模糊控制论-理论基础

41/102
直积
min (C A)
min(1,0) min(0.7,0) min(0.3,0) min(0,0) min(0,0) min(0,0) 0 0 0.3 0 0 0.3 0 0 0.3 0 0 0 0 0 0 0 0 0
重叠率=10/30=0.333
重叠率=5/35=0.143
重叠率=0 重叠鲁棒性=0
重叠鲁棒性 =2.5/10=0.25 重叠率=10/30=0.333 重叠率=5/35=0.143 重叠鲁棒性=10/20=0.5 重叠鲁棒性=2.5/10=0.25 重叠鲁棒性 =10/20=0.5 图 2-1-6 隶属度函数重叠的范例
第2章 模糊控制论-理论基础
智能控制基础
目录
2.1 引言
2.2 模糊集合论基础 2.3 模糊逻辑、模糊逻辑推理和合成 2.4 模糊控制系统的组成 2.5 模糊控制系统的设计 2.6 模糊PID控制器
2.7 模糊控制器的应用
2/102
模糊控制的发展历史
1965年,L.A.Zadeh 提出模糊集理论; 1972年,L.A.Zadeh 提出模糊控制原理; 1974年,E.H.Mamdani应用于蒸汽机和锅炉 控制中; 80年代:污水处理、汽车、交通管理 模糊芯片、模糊控制的硬件系统; 90年代:家电、机器人、地铁; 21世纪:更为广泛的应用。
36/102
多元关系
二元关系 多元关系:考察n个集合的直积 A1×A2... ×An , 其隶属度函数为: μR(a1,a2,...,an)
37/102
模糊关系的表示方法1
模糊集合表示法
R
AB

R
(a, b) /(a, b)

模糊控制基本理论

模糊控制基本理论

模糊控制的基本原理模糊控制是以模糊集合理论、模糊语言及模糊逻辑为基础的控制,它是模糊数学在控制系统中的应用,是一种非线性智能控制。

模糊控制是利用人的知识对控制对象进行控制的一种方法,通常用“if条件,then结果”的形式来表现,所以又通俗地称为语言控制。

一般用于无法以严密的数学表示的控制对象模型,即可利用人(熟练专家)的经验和知识来很好地控制。

因此,利用人的智力,模糊地进行系统控制的方法就是模糊控制。

模糊控制的基本原理如图所示:模糊控制系统原理框图它的核心部分为模糊控制器。

模糊控制器的控制规律由计算机的程序实现,实现一步模糊控制算法的过程是:微机采样获取被控制量的精确值,然后将此量与给定值比较得到误差信号E;一般选误差信号E作为模糊控制器的一个输入量,把E的精确量进行模糊量化变成模糊量,误差E的模糊量可用相应的模糊语言表示;从而得到误差E的模糊语言集合的一个子集e(e实际上是一个模糊向量); 再由e和模糊控制规则R(模糊关系)根据推理的合成规则进行模糊决策,得到模糊控制量u为:式中u为一个模糊量;为了对被控对象施加精确的控制,还需要将模糊量u 进行非模糊化处理转换为精确量:得到精确数字量后,经数模转换变为精确的模拟量送给执行机构,对被控对象进行一步控制;然后,进行第二次采样,完成第二步控制……。

这样循环下去,就实现了被控对象的模糊控制。

模糊控制(Fuzzy Control)是以模糊集合理论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制。

模糊控制同常规的控制方案相比,主要特点有:(1)模糊控制只要求掌握现场操作人员或有关专家的经验、知识或操作数据,不需要建立过程的数学模型,所以适用于不易获得精确数学模型的被控过程,或结构参数不很清楚等场合。

(2)模糊控制是一种语言变量控制器,其控制规则只用语言变量的形式定性的表达,不用传递函数与状态方程,只要对人们的经验加以总结,进而从中提炼出规则,直接给出语言变量,再应用推理方法进行观察与控制。

第2章 模糊控制

第2章 模糊控制

2.1 模糊控制

2.1.2 模糊控制的概念和特点
模糊控制是模糊理论在控制工程上的应用。它用语言变量代 替数学变量或将两者结合应用,用模糊条件语句来描述变量间 的函数关系,用模糊推理来刻画复杂的关系,是具有模拟人类 学习和自适应能力的控制系统。模糊控制的核心是模糊规则和 各种变量的模糊集合表示。一个典型的模糊控制系统结构示意 图如图所示。
(2)模糊信息与精确物理信息的转换技术 (3)模糊控制的软件技术
2.1 模糊控制

2.1.2 模糊控制的概念和特点
这些模糊控制的相关技术随着大规模集成电路技术、计算 机技术、电子工艺技术的发展而不断成熟起来。虽然模糊控制 技术的应用也取得了惊人的成就,但与传统控制技术相比仍然 显得很不成熟。
总体看来,模糊控制是一种更模拟人的智能方法,用模糊 逻辑处理和分析现实世界问题,其结果往往更符合人的要求。 用模糊控制更能容忍噪声干扰和元器件的变化,系统适应性更 好,模糊控制具有广阔的应用前景。

(1)全集:包含论域中的全部元素的集合,常记为U或E。 全集对应论域中必然会发生的事件; (2)空集:不包含任何元素的集合,记为 。空集对应着不 可能发生的事件;


(3)子集:如果集合A中的全部元素也都是属于集合 B 的 元素,则A是B的一个子集,记作A B ,表示集合A包含于 B;或记作B A ,表示集合B包含集合A。若同时有A B 且A B,则称A与B相等,记作A=B。
模糊规则 给定值 + -
模糊化
推理机制
精确化
被控对象
2.1 模糊控制

2.1.2 模糊控制的概念和特点
模糊控制在复杂的工业生产控制领域得到了广泛的成功应用
,特别是在近二十年来发展相当迅速,这主要归结于模糊控制的 如下显著特点:

模糊控制基础知识

模糊控制基础知识
X ×Y

µ A ( x) ∧ µ B ( y )
( x, y )
(2)模糊蕴含积运算
~ ~ ~ ~ ~ Rp = A → B = A × B =
X ×Y )
( x, y )
利用MATLAB软件中的模糊控制工具箱可以方便的完 成上述运算。
3.模糊推理 模糊推理就是利用某种模糊推理算法和模糊规则进行 推理,得出最终的控制量。模糊推理算法与模糊规则直接相 关。它的复杂性依赖于模糊规则语句中模糊集合隶属函数的 确定。选择一些简单的又能反映模糊推理结果的隶属函数可 以大大简化模糊推理的计算过程。 (1)广义前向推理(GMP): 对于GMP推理,
模糊控制器的控制规律是由计算机的程序实现的,具体步 骤如下: (1)根据本次采样值得到模糊控制器的输入量,并进行输入 量化处理; (2)量化后的变量进行模糊化处理,得到模糊量; (3)根据输入的模糊量及模糊控制规则,按模糊推理合成规 则计算控制量(输出的模糊量); (4)对得到的模糊输出量进行反模糊化处理,得到控制量的 精确量,并进行输出量化处理,得到实际控制量。
式中, x 并不表示分数,而是表示论域中的元素 xi 与其隶属 度 µ A ( xi ) 之间的对应关系;“+”也不表示“求和”,而是表示 模糊集合在论域上的整体。
i
µ A ( xi )
2.几种典型的隶属函数 (1)高斯型隶属函数
f ( x;σ , c) = e
− ( x −c) 2 2σ 2
图3 高斯型隶属函数
~ ~ ~ ~ ~ ~ B′ = A′ o ( A → B ) = A′ o R
(2)广义反向推理(GMT): 对于GMT推理,
~ ~ ~ ~ ~ ~ A′ = ( A → B ) o B′ = R o B′

模糊控制理论基础第二章

模糊控制理论基础第二章
2019/9/24
7)交集 若C为A和B的交集,则
一般地,
C=A∩B
A B AB (u) min( A (u), B (u)) A (u) B (u)
8)模糊运算的基本性质 模糊集合除具有上述基本运算性质
外,还具有下表所示的运算性质。
2019/9/24
运算法则 1)幂等律 A∪A=A,A∩A=A 2)交换律 A∪B=B∪A,A∩B=B∩A 3)结合律 (A∪B)∪C=A∪(B∪C) (A∩B)∩C=A∩(B∩C)
20世纪 90年代
1974 年,E.H.mamdani 首先用模糊控制语句组 表明模糊 成模糊控制器,对一个试验性的蒸汽机使用了 控制领域 24 条”if a then b then c”形式的语言规则实现了 的潜力 控制。1975-1976 年,荷兰、丹麦等国家在工业 过程中应用了模糊控制,取得了满意的成果。
模糊集合是模糊控制的数学基础。 1.特征函数和隶属函数
例如:集合A由4个离散值x1,x2,x3,x4组成。 A={x1,x2,x3,x4}
例如:集合A由0到1之间的连续实数值组成。
2019/9/24
A x, x R,1.0 x 10.0
以上两个集合是完全不模糊的。对任意 元素x,只有两种可能:属于A,不属于 A。这种特性可以用特征函数
(1)列举法:将集合的元素全部列出的方法。 (2)定义法:用集合中元素的共性来描述集
合的方法。
(3)归纳法:通过一个递推公式来描述一个集合的 方法。
(4)特征函数表示法:利用经典集合论非此即彼的 明晰性来表示集合。因为某一集合中的元素要 么属于这个集合,要么就不属于这个集合。
2019/9/24
例1 设集合U由1到5的五个自然数组成,用 上述前三种方法写出该集合的表达式。

模糊控制的基本知识PPT44页

模糊控制的基本知识PPT44页
模糊控制的基本知识
1、合法而稳定的权力在使用得当时很 少遇到 抵抗。 ——塞 ·约翰 逊 2、权力会使人渐渐失去温厚善良的美 德。— —伯克
3、最大限度地行使权力总是令人反感 ;权力 不易确 定之处 始终存 在着危 险。— —塞·约翰逊 4、权力会奴化一切。——塔西佗
5、虽然权力是一头固执的熊,可是金 子可以 拉着它 的鼻子 走。— —莎士 比

26、要使整个人生都过得舒适、愉快,这是不可能的,因为人类必须具备一种能应付逆境的态度。——卢梭

27、只有把抱怨环境的心情,化为上进的力量,才,好之者不如乐之者。——孔子

29、勇猛、大胆和坚定的决心能够抵得上武器的精良。——达·芬奇

30、意志是一个强壮的盲人,倚靠在明眼的跛子肩上。——叔本华
谢谢!
44

模糊控制的数学基础

模糊控制的数学基础
R={(中国,伊朗),(日本,阿联酋),(韩国,沙特)}
2.5 模糊关系
可见关系R是A,B的直积A×B的子集。也可将R表示为矩阵形式,假设R中 的元素r(i,j)表示A组第i个球队与B组第j个球队的对应关系,如有对阵 关系,则r(i,j)为1,否则为0,则R可表示为:
伊朗 沙特 阿联酋
中国 1 0 0
* 元素 组成集合的各个对象,称为元素,也 称为个体。通常用小写字母a, b,……,z来表示。
* 论域 所研究的全部对象的总和,叫做论域, 也叫全集合。
* 空集 不包含任何元素的集合,称为空集, 记做Φ。
* 子集 集合中的一部分元素组成的集合,称 为集合的子集。
* 属于
若元素 a 是集合 A 的元素,则称元素 a 属于集合 A ,记为a∈A;反之,称a不属 于集合A,记做 a A。
~
~~
~~
~~
A (B C) ( A B) ( A C)
~
~~
~~
~~
A B ,B C ,则 A C
~
~~
~
~
~
A A A ,A A A
~~ ~ ~~ ~
A B
A
B
,AB
A
B
~ ~ ~ ~~ ~ ~ ~
AA
~~
2.4 λ水平截集
水平截集的定义
在论域U中,给定一个模糊集合A,由对于A的隶属度大于某一水平 值λ(阈值)的元素组成的集合,叫做该模糊集合的λ水平截集。用公 式可以描述如下:
❖ 模糊数学并不是让数学变成模模糊糊的东西,而是用数学工具对模 糊现象进行描述和分析。模糊数学是对经典数学的扩展,它在经典 集合理论的基础上引入了“隶属函数”的概念,来描述事物对模糊 概念的从属程度。

第2章模糊控制论-控制系统

第2章模糊控制论-控制系统


T-S型模糊控制器
❖控制输出:
n
w jf j (x1, x 2 ,...x p )
u j1
n
wj
j1
❖wj为输入变量对第j条规则的匹配度。 可采用
w j A 1 j(x i) A 2 j(x 2 ) . .A .p j(x p ) w j A 1 j(x i)A 2 j(x 2)A .p j.(x .p)
➢量化是将一个论域离散成确定数目的几小段(量 化级),每一段用某一个特定数字标记,形成离 散域
➢然后对新的离散域赋予隶属度
论域的离散化或量化可以是均匀的,也可以是非均匀的。
• 均匀量化
量化
-6 -5
-4
-3
-2
-1
0
1
2
3
4
5
6
等级
变化 <
(-5.5 (-4.5 (-3.5 (-2.5 (-1.5 (-0.5 (0.5 (1.5 (2.5 (3.5 (4.5 >
模糊控制器的基本结构
把被控对象的测量值从数字量转 化为模糊量
把推理输出结果的模糊量转化为 数字量
对模糊量按给定的模糊逻辑推理 规则进行模糊推理
主要区别在于控制器的结构和控制方法
2.4.1 模糊化(Fuzzification)过程
❖模糊化过程是将精确的测量值转化为模糊子 集的过程 。
对于一个模糊输入变量e,其模糊子集通常可以作 如下方式划分: {负大,负中,负小,零,正小,正中,正大}={N B, NM, NS, ZO, PS, PM, PB}
3.隶属函数(membership function)
(1) 数值描述方法 (离散论域)
例:数值方法描述的隶属度
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第二章 模糊控制理论基础知识2.1 模糊关系一、模糊关系R ~所谓关系R ,实际上是A 和B 两集合的直积A ×B 的一个子集。

现在把它扩展到模糊集合中来,定义如下:所谓A ,B 两集合的直积A ×B={(a,b)|a ∈A ,b ∈B} 中的一个模糊关系R ~,是指以A ×B 为论域的一个模糊子集,其序偶(a,b)的隶属度为),(~b a Rμ,可见R ~是二元模糊关系。

若论域为n 个集合的直积,则A 1×A 2×A 3×……A n 称为n 元模糊关系R ~,它的隶属函数是n 个变量的函数。

例如,要求列出集合X={1,5,7,9,20}“序偶”上的“前元比后元大得多”的关系R ~。

因为直积空间R=X ×X 中有20个“序偶”,序偶(20,1)中的前元比后元大得多,可以认为它的隶属度为1,同理认为序偶(9,5)的隶属于“大得多”的程度为0.3,于是我们可以确定“大得多”的关系R ~为R ~=0.5/(5,1)+ 0.7/(7,1)+ 0.8/(9,1)+ 1/(20,1)+ 0.1/(7,5)+0.3/(9,5)+ 0.95/(20,5)+ 0.1/(9,7)+0.9/(20,7)+ 0.85/(20,9)综上所述,只要给出直积空间A ×B 中的模糊集R ~的隶属函数),(~b a R μ,集合A 到集合B 的模糊关系R ~也就确定了。

由于模糊关系,R ~实际上是一个模糊子集,因此它们的运算完全服从第一章所述的Fuzzy 子集的运算规则,这里不一一赘述了。

一个模糊关系R ~,若对∀x ∈X ,必有),(~x x R μ=1,即每个元素X 与自身隶属于模糊关系R ~的隶属度为1。

称这样的R ~为具有自返性的模糊关系。

一个模糊R ~,若对∀x ,y ∈X ,均有),(~y x Rμ=),(~x y Rμ 即(x,y)隶属于Fuzzy 关系R ~和(y,x)隶属于Fuzzy 关系R ~的隶属度相同,则称R ~为具有对称性的Fuzzy 关系。

一个模糊关系R ~,若对∀x,y,z ∈X ,均),(~z x Rμ>min[),(~y x R μ,),(~z y Rμ] 则称R ~为具有传递性的Fuzzy 关系。

论域A ×B 为有限集时,模糊关系R ~可以用模糊矩阵R ~表示。

二、模糊矩阵例如有一组学生组成集合xx={王二,张三,李四}规定他们可以选学英、日、德、法四种外语中的任意几门,设这四门外语课组成的集合为yy={英,日,德,法}个Fuzzy 关系R ~如表2-2所示:把上述R ~写矩阵形式,即得:R ~=⎥⎥⎦⎤⎢⎢⎣⎡0 0 0.65 0.870 0.950 0 0.85 0 0 0.80称此矩阵为“模糊矩阵”。

其中每一个元素是在[0,1]闭区间取值。

这是普通关系矩阵的扩展。

设A={a 1,a 2,……a n },B={b 1,b 2,……b n },则模糊矩阵可写成R ~=(r ij )= ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡nm n3n2n12m 2322211m 131211r r r r r r r r r r r r式中0< r ij <1;i=1,2,…,n ;j=1,2…,m 。

r ij 表示集合A 中第i 个元素和集合B 中第j 个元素组成的序偶隶属于Fuzzy 关系R ~的程度。

2.2模糊矩阵一、模糊关系矩阵的运算定义1:设Fuzzy 矩阵A ~=[a ij ]和B ~=[bij],若有 C ij =∨[a ij ,b ij ]= a ij ∨b ij ,则C ~=[C ij ]为Fuzzy 矩阵的并A ~和B ~,记作C ~=A ~∪B ~定义2:设Fuzzy 矩阵A ~=[a ij ]和B ~=[b ij ],若有C ij =∧[a ij ,b ij ]= a ij ∧b ij ,则称C ij =[c ij ]为Fuzzy 矩阵A ~和B ~的交,记作C ~=A ~∩B ~例1:已知:A ~=⎥⎦⎤⎢⎣⎡0.8 0.40.3 0.5,B ~=⎥⎦⎤⎢⎣⎡0.7 0.30.5 0.8求A ~∪B ~及A ~∩B ~。

解:A ~∪B ~=⎥⎦⎤⎢⎣⎡∨∨∨∨0.70.8 0.30.40.50.3 0.80.5=⎥⎦⎤⎢⎣⎡0.8 0.40.5 0.8A ~∩B ~=⎥⎦⎤⎢⎣⎡∨∨∨∨0.70.8 0.30.40.50.3 0.80.5=⎥⎦⎤⎢⎣⎡0.7 0.30.3 0.5定义3:设Fuzzy 矩阵A ~=[a ij ],则[1-a ij ]称为A ~的补矩阵,记作A ~。

例2:已知A ~=⎥⎦⎤⎢⎣⎡0.2 0.30.4 0.8,求A ~。

解:A ~=⎥⎦⎤⎢⎣⎡0.2-1 0.3-10.4-1 0.8-1 =⎥⎦⎤⎢⎣⎡0.8 0.70.6 0.2定义4:若有Fuzzy 矩阵A ~∩B ~,且A ~=[a ij ],B ~=[b ij ], 令C ~=A ~·B ~且C ~中的元素为C ij =][1kj ik nk b a V ∧=则称C ~为Fuzzy 矩阵A ~和B ~的积。

例3:已知A ~=⎥⎦⎤⎢⎣⎡0.3 0.50.7 0.8,B ~=⎥⎦⎤⎢⎣⎡0.9 0.60.4 0.2,求A ~·B ~。

解A ~·B ~=()()()()()()()()⎥⎦⎤⎢⎣⎡∧∨∧∧∨∧∧∨∧∧∨∧0.90.3 0.40.5 0.60.3 0.20.50.90.7 0.40.8 0.60.7 0.20.8=⎥⎦⎤⎢⎣⎡0.4 0.30.7 0.6 工理 B ~·A ~=⎥⎦⎤⎢⎣⎡0.6 0.70.3 0.4可见,一般地说,A ~·B ~≠B ~·A ~。

二、模糊关系的应用例1:某家中子女与父母的长像相似的关系R ~为用模糊矩阵表示为R ~ =⎥⎦⎤⎢⎣⎡0.6 0.10.2 0.8该家中父母与祖父母的长像相似的关系S ~为 用Fuzzy 矩阵表示为S ~ =⎥⎦⎤⎢⎣⎡0 0.10.7 0.5而Fuzzy 矩阵的积R ~·S ~为R ~·S ~=()()()()()()()()⎥⎦⎤⎢⎣⎡∧∨∧∧∨∧∧∨∧∧∨∧00.6 0.70.1 0.10.6 0.50.100.2 0.70.8 0.10.2 0.50.8=⎥⎦⎤⎢⎣⎡0.1 0.10.7 0.5把R ~·S ~Fuzzy 矩阵改写Fuzzy 关系为这一例子说明,Fuzzy2.3 模糊逻辑在本世纪三十年代末期,数理逻辑已开始用于开关电路设计。

四十年代末,数理逻辑和布尔代数已成为电子计算机科学的基础理论之一,这是因为电子计算机具有二值逻辑的特点。

在二值逻辑中,一个可以判断真假的句子称为命题,如果命题为真,其真值为“1”;否则,若命题为假,其真值为“0”。

然而,在现实生活中存在着大量的模糊判断,如“甲个子很高”,“乙很年轻”等。

随着科学技术的进步,人们在研究复杂大系统时,由于其结构复杂,且要涉及大量的参数与变量,这些都具有模糊性特点,所以二值逻辑在这些系统中就不够用了。

为此人们开始研究多值逻辑和连续值逻辑。

模糊逻辑是多值逻辑的发展,又是模糊推理的基础。

一、二值逻辑在二值逻辑中,一个命题只能是“真”或“假”,两者必居其一。

例如“北京在中国”是真;“二加三等于六”是假。

如果把两个或两个以上的单命题联合起来,就构成一个复命题,设P,Q为两个单命题,则复命题的构成方式有下列几种。

(1)并:表示为P∨Q,用以表示“或”的关系。

(2)交:表示为P∧Q,用以表示“与”、“及”、“且”的关系。

P、Q两命题结合后得到的真值表如表2-3所示:)。

(3)否定:命题P的否定记作P(P(4)蕴涵:蕴涵是用来表示“若…,则…”。

即命题P的成立,即可推出命题Q也成立,以P→Q表示。

(5)等价:它表示两个命题的真假相同,以←→表示。

二、连续值逻辑和模糊逻辑在多值逻辑中,如N值逻辑,逻辑值可以取0,1,2,…,N-1个。

我们规定,Fuzzy 命题P的逻辑值V(P)=X是在[0,1]连续闭区间内任意取值。

因此,将研究Fuzzy命题的逻辑称为连续性逻辑。

由于它主要用来研究Fuzzy集的隶属函数,所以也称为Fuzzy逻辑。

连续逻辑运算规则如下:逻辑并:X∨Y=max(X,Y)逻辑交:X∧Y=min(X,Y)否 定:X =1-X限界差:X ○-Y=0∨(X-Y ) 界限和:X ○+Y=1∧(X+Y ) 界限积:X ⊙Y=0∨(X+Y-1) 蕴涵:X →Y=1∧(1-X+Y )等价:X ←Y=(1-X+Y )∧(1-Y+X )通常,一个模糊逻辑公式常称为Fuzzy 函数,由于Fuzzy 函数是在[0,1]区间任意取值,所以在处理Fuzzy 函数中,以解析法为处理手段,与二值逻辑处理方法相比较,难度较大。

最恰当的办法是在[0,1]闭区间上把Fuzzy 函数变量x 分成有限个等级,采用多值逻辑的方法来处理Fuzzy 的逻辑问题。

例如,将[0,1]闭区间分为n 个等级如下: 第一级 a 1<x<1 第二级 a 2<x<a 1 ……第n 级 0<x< a n-1 其中0<a n-1<…<a 2<a 1<1在讨论现实问题时,我们常把闭区间分成十个相等等分,让隶属函数)(x 在集合 μ=(0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1)上取值。

这样,Fuzzy 变量的逻辑值也对应有11种,我们可以用处理多值逻辑的办法来处理Fuzzy 集X 和Y 的隶属函数的逻辑运算。

例如x ∧y ,x ∧y ,x ∨y 的逻辑运算,其真值表如表2-4、2-5、表2-6所示表2-5表2-6三、模糊函数与模糊变量综上所述,我们可以在[0,1]闭区间上将Fuzzy函数分成n个有限等级,再采用多值逻辑方法来处理Fuzzy函数的问题。

为简明易懂,我们以n=2为例加以分析。

第一级a1<x<1,第二级0<x<a1。

假定给出Fuzzy函数表达式为:f(x,y,z)= x·y·z∨x·y∨x·y·z试问,当Fuzzy函数的定义和基本公式,方法如下:根据f(x,y,z)>a1,必须有x·y·z≥a1(3-1)或x·y≥a1(3-2)或x·y·z≥a1(3-3)对式(3-1)分解如下:x ≥a 1与y ≥a 1与z ≥a 1其中,y ≥a 1可写成y ≤1-a 1以此类推,可得满足f(x,y,z)的x,y,z 的范围为:第一组⎪⎩⎪⎨⎧≥-≤≥1111a z a y a x第二组⎩⎨⎧-≤-≤1111a y a x第三组⎪⎩⎪⎨⎧-≤-≤-≤111111a z a y a x与上述相反,若已知Fuzzy 变量的范围,也可以推出Fuzzy 函数的表达式。

相关文档
最新文档