计算机先进控制_第四章_模糊控制
第四章 模糊控制系统
常规反馈控制系统结构
今天， 今天，常规的反馈控制方法在实际过程中已经得到广泛 应用，例如在阿波罗登月舱的姿态控制、宇宙飞船、 应用，例如在阿波罗登月舱的姿态控制、宇宙飞船、导弹制 导以及在工业生产过程控制等。但是， 导以及在工业生产过程控制等。但是，对于常规反馈控制系 统，控制器的设计无论是采用经典控制理论还是现代控制理 都需要事先知道被控制对象精确的数学模型。 论，都需要事先知道被控制对象精确的数学模型。也就是说 系统的分析与综合都是建立在数学模型的基础上。 系统的分析与综合都是建立在数学模型的基础上。 然而，在实际控制中被控对象的精确数学模型很难建立， 然而，在实际控制中被控对象的精确数学模型很难建立， 甚至无法建立。例如，交通系统、经济系统及生物发酵过程 甚至无法建立。例如，交通系统、 这样，基于数学模型的控制方法则陷入了困境。 等。这样，基于数学模型的控制方法则陷入了困境。值得注 意的是对于上述的复杂过程， 意的是对于上述的复杂过程，有经验的专家或操作人员用手 动控制的方式，却可以收到令人满意的效果。 动控制的方式，却可以收到令人满意的效果。面对这样的事 人们考虑能否让计算机模拟人的思维方式， 实，人们考虑能否让计算机模拟人的思维方式，对这些复杂 过程进行控制决策。 过程进行控制决策。
x = (ω ,θ ) ɺ x = f ( x, u )
u1 u= u 2
其中u为一个有约束的控制向量， 为前轮的角度， 其中 为一个有约束的控制向量，u1为前轮的角度， u2为车 为一个有约束的控制向量 速。
如果把邻近两辆车定义为 x（执行中的约束），用集合 （执行中的约束） 表示，而两辆停着的车之间的空隙定义为Г（ 表示，而两辆停着的车之间的空隙定义为 （允许的终端状 态的集合） 那么， 停车问题就转化为寻找一个控制律u(t)， 态的集合 ） 。 那么 ， 停车问题就转化为寻找一个控制律 ， 使其在满足各种约束的条件下把初始状态转移到终端状态Г 使其在满足各种约束的条件下把初始状态转移到终端状态 中去。对于这个问题若采用基于数学模型的精确方法来求解， 中去。对于这个问题若采用基于数学模型的精确方法来求解， 由于约束条件过多，求解过程将异常复杂。 由于约束条件过多，求解过程将异常复杂。 但在实际停车时，汽车司机并不考虑控制律u(t)的求解。 的求解。 但在实际停车时，汽车司机并不考虑控制律 的求解 而是凭借以往的经验，先让车向前运动， 而是凭借以往的经验，先让车向前运动，前轮先向右而后向 然后使车向后运动，前轮仍先向右而后向左， 左，然后使车向后运动，前轮仍先向右而后向左，经过多次 反复，车将横向移动一个所需要的距离， 反复，车将横向移动一个所需要的距离，最后向前开停在空 隙处。这样，汽车司机通过一些不精确的观察，执行一些不 隙处。 这样， 汽车司机通过一些不精确的观察， 精确的控制，却达到了准确停车的目的。 精确的控制，却达到了准确停车的目的。
自动控制讲座-模糊控制
11．if 12．if 13．if 14．if 15．if 16．if 17．if 18．if 19．if 20．if 21．if
E＝NO E＝NO E＝NO E＝PS E＝PS E＝PS E＝PS E＝PM E＝PM E＝PM E＝PM
or PO and EC＝O then U＝O or PO and EC＝PS then U＝NS or PO and EC＝PM or PB then U＝NM and EC＝NB or NM then U＝PS and EC＝NS then U＝O and EC＝O or PS then U＝NM and EC＝PM or PB then U＝NM or PB and EC＝NB or NM then U＝O or PB and EC＝NS then U＝NM or PB and EC＝O or PS then U＝NB or PB and EC＝PM or PB then U＝NB
现代过程控制基础-4-模糊控制
e
d ec dt
d ecc dt
模糊控制器 u
（c） 三维模糊控制器
（b） 二维模糊控制器
图4-2 基本模糊控制器的几种结构
4.1 模糊控制系统
4.1.3.1 一维模糊控制器
控制器输入和输出语言变量只有一个,其模糊控制规则 的形式为：
R1： R2： R3： ……. Rn：
如果e是E1，则u是U1； 否则如果e是E2，则u是U2； 否则如果e是E3，则u是U3；
对于n条模糊控制规则可以得到输入输出关系矩阵 R1，R2，…….，Rn，从而有模糊规则的合成算法可得 到总的模糊关系矩阵为：
n
R
U
i 1
Ri
4.2 模糊控制器的设计
对于任一系统误差 Ei 和系统误差变化 DE ，j 其对应的模糊控制器输出 Cij 为：
Cij (Ei DE j ) R
4.2.3.1 确定输入输出变量的模糊集合 模糊控制器中常用正大、正中、正小、零、负小、负中、
负大等模糊语言描述输入的偏差。因此，若将“偏差”看成是 一个模糊语言变量，则它的取值不是具体的偏差大小，而是诸 如“正大”、“正小”、“负中”、“零”等用模糊语言表示 的模糊集合。一个模糊集合通常有三种等级划分方法：（1） {负大，负小，零，正小，正大}五个等级；（2）{负大，负中， 负小，零，正小，正中，正大}七个等级；（3）{负大，负中，
（5）Z形隶属函数
1
f
(
x;
a,
b)
1 2( 2(b
x b
x
a a
)2 )2
ba
0
xa
a a
模糊控制基本原理
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。
人工智能控制技术课件：模糊控制
模糊集合
模糊控制是以模糊集合论作为数学基础。经典集合一般指具有某种属性的、确定的、
彼此间可以区别的事物的全体。事物的含义是广泛的,可以是具体元素也可以是抽象
概念。在经典集合论中,一个事物要么属于该集合,要么不属于该集合,两者必居其一,
没有模棱两可的情况。这表明经典集合论所表达概念的内涵和外延都必须是明确的。
1000
1000
9992
9820
的隶属度 1 =
= 1，其余为： 2 =
= 0.9992， 3 =
=
1000
1000
1000
9980
9910
0.982， 4 =
= 0.998， 5 =
= 0.991，整体模糊集可表示为：
1000
1000
1
0.9992
0.982
0.998
《人工智能控制技术》
模糊控制
模糊空基本原理
模糊控制是建立在模糊数学的基础上，模糊数学是研究和处理模糊性现
象的一种数学理论和方法。在生产实践、科学实验以及日常生活中，人
们经常会遇到模糊概念(或现象)。例如，大与小、轻与重、快与慢、动与
静、深与浅、美与丑等都包含着一定的模糊概念。随着科学技术的发展，
度是2 ，依此类推，式中“+”不是常规意义的加号，在模糊集中
一般表示“与”的关系。连续模糊集合的表达式为：A =
)( /其中“” 和“/”符号也不是一般意义的数学符号，
在模糊集中表示“构成”和“隶属”。
模糊集合
假设论域U = {管段1，管段2，管段3，管段4，管段5}，传感器采
1+|
计算机先进控制_第四章_模糊控制
25
0 0 0 P Be P Bu 0 0 0 0 .5 1.0
0
0
0
0
0
0
0 0 0 0 .5 1 .0 0 0 0 0
18
控制量u为调节阀门开度的变化。将其分为 五级：负大（ NB），负小（NS），零（O） ，正小（ PS ），正大（ PB ）。并根据 u 的变 化范围分为九个等级：-4，-3，-2，-1，0，+1 ，+2，+3，+4。得到控制量模糊划分表4-2。
2016/2/20
By Zhaona Chen
19
论域 V上的一个模糊子集。根据人工控制经验，可离线组织其控制决策 表R, R是笛卡儿乘积集上的一个模糊子集，则某一时刻其控制量由下式
给出：
2016/2/20
By Zhaona Chen
11
C A B R
式中 × 模糊直积运算； ° 模糊合成运算。 规则库是用来存放全部模糊控制规则的，在推理时为“推理 机”提供控制规则。规则条数和模糊变量的模糊子集划分有 关，划分越细，规则条数越多，但并不代表规则库的准确度 越高，规则库的“准确性”还与专家知识的准确度有关。
表4-2 控制量变化划分表
变化等级 隶属度 -4 PB 模 糊 集 PS O NS NB 0 0 0 0 1 -3 0 0 0 0.5 0.5 -2 0 0 0 1 0 -1 0 0 0.5 0.5 0 0 0 0 1 0 0 1 0 0.5 0.5 0 0 2 0 1 0 0 0 3 0.5 0.5 0 0 0 4 1 0 0 0 0
2016/2/20
By Zhaona Chen
模糊控制基本原理
第四章模糊控制基本原理模糊控制是以模糊集合论、模糊语言变量及模糊逻辑为基础的计算机智能控制。
模糊控制从其诞生至今也不过30年的时间，1974年马达尼(Maindani)教授在他的博士论文中首次论述了如何将模糊逻辑应用于过程控制，从而开创了模糊控制的先河。
在这之后的30年间的发展中，模糊控制在理论和应用研究方面均取得了重大的成功。
传统的控制方法在执行控制时，往往需要取得对象的数学模型，比如PID 控制。
但是一些学者发现人类在处理复杂对象的过程，并不是首先建立被控对象的数学模型，然后根据这一模型去精确地计算出系统所需要的控制量，而是完全在模糊概念的基础上利用模糊的量完成对系统的合理控制。
人们正是因为从中得到了启示，最终导致了模糊控制的诞生。
可以看到，经验和知识将扮演重要的角色，通过对经验和知识进行推理进而产生相应的控制策略。
模糊控制从1974年到现在，模糊控制的发展经历了两个阶段，即简单模糊控制阶段和自我完善模糊控制阶段。
简单模糊控制阶段指在计算机系统上把控制器上的推理过程处理成控制表，这种模糊控制器结构简单但不灵活，自适应能力和鲁棒性有限，控制精度不高;自我完善模糊控制阶段指具有参数自调整、自组织和自学习功能的模糊控制器，这样使模糊控制系统的性能得到了很大的提高。
20世纪80年代末，日本首先将模糊控制技术应用于家用电器领域，之后相继推出了模糊洗衣机、电冰箱、空调器、电饭锅等，显示了模糊控制强大的生命力。
最初的模糊电冰箱是在变频冰箱系统中得到尝试的，首先通过A/D采样读入冷藏室及冷冻室的温度值和温度变化的速度，并将其模糊化后，然后根据原先计算的模糊规则，调节压缩机的转速。
4.1清晰集合的基本知识集合指具有同一本质属性的全体事物的总和汇集成一个确定的整体论域由被考虑对象的所有元素的全体组成的基本集合称为论域，又称为全域或空间，用大写英文字母E表示。
4.1.1序偶在人们所接触的许多事物中，往往可以发现它们是成对地出现的，而且具有一定的顺序。
模糊控制_精品文档
1
0
x0-σ x0 x0+σ
x
模糊控制的基本原理
清晰化计算 Defuzzification
120
X Years
“年轻”的隶属函数曲线
模糊控制的基本原理
模糊隶属度函数
隶属度函数是模糊集合论的基础，实质上反映的是事物的 渐变性。
规则
✓表示隶属度函数的模糊集合必须是凸模糊集合。
一个模糊集合是凸的，当且仅当任何 x1, x2 X
和任何 0,1 ，满足：
A ( x1 (1 )x2 ) min{A (x1), 2 (x2 )}
模糊控制的基本原理
模糊系统发展的历程
1965年，美国系统论专家Zadeh教授创立了模糊集合理论，提供了处 理模糊信息的工具
1974年，英国学者Mamdani首次将模糊理论应用于工业控制（蒸气 机的压力和速度控制）
近30年来，模糊控制在理论、方法和应用都取得了巨大的进展
模糊控制的基本原理
模糊控制理论出现的必然性
人类的控制规则 如果水温比期望值高，就把燃气阀关小； 如果水温比期望值低，就把燃气阀开大。
描述了输入（水温与期望值的偏差 e）和输出（燃气阀开度的增量 u） 之间的模糊关系R
模糊控制的基本原理
模糊控制的基本结构
模糊化 知识库 模糊推理 反模糊化
给定值
FC 模糊化
知识库 模糊推理
解模糊
模糊控制器
作用：将模糊推理得到的模糊控制量变换为实际用于控制的清晰量。 包括：
模糊控制简介介绍
汇报人： 日期:
contents
目录
• 模糊控制概述 • 模糊控制的基本原理 • 模糊控制器的设计 • 模糊控制的应用案例 • 模糊控制的优缺点及展望
01
模糊控制概述
模糊控制的基本思想
基于模糊数学理论，将输入变量和输出变量的模糊集合、模糊关系以及模糊逻辑 运算等概念应用于控制系统。
04
模糊控制的应用案例
空调控制系统
总结词：高效节能
详细描述：模糊控制在空调控制系统中的应用主要体 现在对温度的精确控制上。它能够根据室内温度和设 定温度之间的差异，以及外界环境因素，如室内外温 度差、空气湿度等，对空调制冷或制热输出进行精确 调整，以达到高效节能的目的。
洗衣机控制系统
总结词：智能洗涤
总结词
设计推理过程
详细描述
推理机是模糊控制器的另一个核心组成部分 ，它根据知识库中的模糊规则和输入变量的 测量值，推断出输出变量的值。推理过程通 常采用最大值或平均值等聚合操作进行处理 。设计推理机需要考虑控制系统的实时性和
性能要求。
设计解模糊化方法
总结词
选择合适的解模糊化方法
详细描述
解模糊化是将模糊集合的输出转化为具体数值的过程 。在模糊控制器中，解模糊化方法的选择对于控制信 号的精度和稳定性具有重要影响。常见的解模糊化方 法包括最大值法、最小值法、中心平均法和面积平均 法等。选择合适的解模糊化方法需要考虑控制系统的 要求和实际应用场景的特点。
规则库
包含一系列控制规则，用 于指导模糊推理过程，如 “如果温度低且湿度高， 则加热且加湿”。
推理机
推理方法
采用模糊推理方法，如Mamdani推理、T-S推理等，根据规则库中的控制规则 ，推导出输出量的隶属度。
模糊控制算法
相互促进发展
模糊集合与模糊逻辑相互促进，不断发展，为解决复杂问题提供了 有力的工具。
03
模糊控制器设计
输入输出变量的确定
输入变量的确定
根据被控对象的特性和控制要求，选 择合适的输入变量，如温度、湿度、 压力等。
输出变量的确定
根据控制要求和系统性能指标，选择 合适的输出变量，如阀门开度、加热 功率等。
模糊控制算法
目录
• 模糊控制算法概述 • 模糊集合与模糊逻辑 • 模糊控制器设计 • 模糊控制算法的实现 • 模糊控制算法的优缺点 • 模糊控制算法的发展趋势与展望
01
模糊控制算法概述
模糊控制算法的定义
模糊集合
模糊集合是传统集合的扩展，它允许元素具有部分属于、部分不属于某个集合的模糊性。在模糊集合中，每个 元素都有一个隶属度，表示它属于该集合的程度。
感谢您的观看
THANKS
糊规则，计算出输出变量的隶属度函数。
模糊推理
基于专家知识和经验制定的模糊条件语句， 用于描述系统输入与输出之间的关系。模糊 规则通常采用“IF-THEN”形式，其中 “IF”部分是输入变量的模糊集合， “THEN”部分是输出变量的模糊集合。
去模糊化
将输出变量的模糊集合转换为精确值的过程 。通过选择合适的去模糊化方法（如最大值 去模糊化、最小值去模糊化、中心平均去模 糊化等），将输出变量的隶属度函数转换为 具体的输出值。
02
规则制定困难
模糊控制算法的核心是模糊规 则的制定，而模糊规则的制定 需要经验丰富的专业人员，且 往往需要反复调整和优化。
03
计算复杂度较高
对于大规模系统，模糊控制算 法的计算复杂度可能较高，需 要高性能的硬件设备才能实现 实时控制。
模糊控制_精品文档
模糊控制摘要：模糊控制是一种针对非线性系统的控制方法，通过使用模糊集合和模糊逻辑对系统进行建模和控制。
本文将介绍模糊控制的基本原理、应用领域以及设计步骤。
通过深入了解模糊控制，读者可以更好地理解和应用这一控制方法。
1. 导言在传统的控制理论中，线性系统是最常见和最容易处理的一类系统。
然而，许多实际系统都是非线性的，对于这些系统，传统的控制方法往往无法取得良好的效果。
模糊控制方法由于其对于非线性系统的适应性，广泛用于工业控制、机器人控制、汽车控制等领域。
2. 模糊控制的基本原理模糊控制的基本原理是建立模糊集合和模糊逻辑，通过模糊化输入和输出，进行模糊推理和解模糊处理，完成对非线性系统的控制。
模糊集合是实数域上的一种扩展，它允许元素具有模糊隶属度，即一个元素可以属于多个集合。
模糊逻辑则描述了这些模糊集合之间的关系，通过模糊逻辑运算，可以从模糊输入推导出模糊输出。
3. 模糊控制的应用领域模糊控制方法在许多领域中都有着广泛的应用。
其中最常见的应用领域之一是工业控制。
由于工业系统往往具有非线性和复杂性，传统的控制方法往往无法满足要求，而模糊控制方法能够灵活地处理这些问题，提高系统的控制性能。
另外，模糊控制方法还广泛应用于机器人控制、汽车控制、航空控制等领域。
4. 模糊控制的设计步骤模糊控制的设计步骤一般包括五个阶段：模糊化、建立模糊规则、进行模糊推理、解模糊处理和性能评估。
首先，需要将输入和输出模糊化，即将实际的输入输出转换成模糊集合。
然后，根据经验和知识，建立模糊规则库，描述输入与输出之间的关系。
接下来，进行模糊推理，根据输入和模糊规则，通过模糊逻辑运算得到模糊的输出。
然后，对模糊输出进行解模糊处理，得到实际的控制量。
最后，需要对控制系统的性能进行评估，以便进行调整和优化。
5. 模糊控制的优缺点模糊控制方法具有一定的优点和缺点。
其优点包括：对于非线性、时变和不确定系统具有较好的适应性；模糊规则的建立比较直观和简单，无需精确的数学模型；能够考虑因素的模糊性和不确定性。
模糊控制方法介绍
模糊控制方法介绍模糊控制方法是一种在模糊集合论、模糊语言变量及模糊逻辑推理基础上形成的计算机数字控制方法。
模糊控制是一种智能的、非线性的控制方法。
与传统的控制方式相比，模糊控制有着很多的优势，它更加适用于复杂的、动态的系统，模糊控制逐渐成为了一种重要而且有效的控制方法。
本文将从组成部分、基本原理、设計方法等方面介绍模糊控制这种方法。
标签：交通工程;PLC控制;模糊控制1 引言对于无法使用精确语言及已有规律描述的复杂系统，将借助不精确的模糊条件语言来表述，这便产生了模糊控制。
传统的自动控制器需要建立被控对象准确的数学模型。
然而在实际上，即使是稍微复杂点的系统，它的影响因素也都是较为复杂的、多样的，这样就很难建立出精确的数学模型。
因此，模糊控制方法就应运而生。
2 模糊控制的工作原理模糊控制的核心是模糊控制器，它的控制规律是由计算机程序来实现的。
首先需要将所有监测出的精确量转换成为适应模糊计算的模糊量，将得到的模糊量，通过模糊控制器进行计算，然后再将这些经模糊控制器计算得到的模糊量再次转换为精确量，这样就完成了一级模糊控制。
然后等待下一次采样，再进行上述过程，如此循环，实现对被控对象的模糊控制[1]。
模糊控制原理图如下：3 模糊控制步骤及特点步骤1：对输入量进行模糊化处理;步骤2：创建模糊规则;步骤3：实施模糊推理;步骤4：输出量的反模糊化处理。
模糊控制方法主要是由模糊化，模糊推理，清晰化三个部分构成。
模糊化：在模糊控制算法当中，模糊控制规则所使用的不是具体的、精确的数字量，而是模糊的语言量，使用的是不确定的语言形式。
这就需要将得到的准确量转换为模糊的语言量。
这个过程需要遵循一定的规则首先建立隶属度函数，然后根据所建立的隶属度函数将精确的输入量转换成为模糊量。
模糊推理的过程类似于人类思考推理的过程，它是模糊控制器中的精髓。
清晰化又可以叫做解模糊化，清晰化的过程与模糊化的过程正好相反，它是由将模糊推理得到的模糊结果又转换成了精确量。
模糊控制介绍
模糊控制介绍附件:一、模糊控制概况模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，是以模糊集合论、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技术。
1965年，美国的L.A.Zadeh创立了模糊集合论；1973年他给出了模糊逻辑控制的定义和相关的定理。
1974年，英国的E.H.Mamdani 首先用模糊控制语句组成模糊控制器，并把它应用于锅炉和蒸汽机的控制，在实验室获得成功。
这一开拓性的工作标志着模糊控制论的诞生。
模糊控制实质上是一种非线性控制，从属于智能控制的范畴。
模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。
模糊控制的发展最初在西方遇到了较大的阻力；然而在东方尤其是在日本，却得到了迅速而广泛的推广应用。
近20多年来，模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个非常活跃而又硕果累累的分支。
其典型应用的例子涉及生产和生活的许多方面，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。
二、模糊控制基础模糊控制的基本思想是利用计算机来实现人的控制经验，而这些经验多是用语言表达的具有相当模糊性的控制规则。
模糊控制器(Fuzzy Controller，即FC)获得巨大成功的主要原因在于它具有如下一些突出特点：模糊控制是一种基于规则的控制。
它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。
由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用。
模糊控制概述
模糊控制概述模糊控制是一种基于模糊逻辑的控制方法，它允许系统根据不确定或模糊的输入和输出进行决策和控制。
与传统的确定性控制方法相比，模糊控制更适用于处理复杂、非线性和模糊的系统。
模糊控制的核心思想是将模糊逻辑应用于控制系统的设计和实现中。
传统的控制方法通常基于准确的数学模型和精确的输入输出关系，然而，在现实世界中，许多系统往往难以精确地建模和描述。
模糊控制通过模糊化输入和输出，以及使用模糊规则进行推理和决策，能够更好地应对这种不确定性和模糊性。
模糊控制系统一般由四个基本部分组成：模糊化模块、模糊规则库、推理引擎和解模糊化模块。
模糊化模块将输入量转化为模糊集，模糊规则库存储了一系列模糊规则，推理引擎利用这些规则进行推理和决策，解模糊化模块将模糊输出转化为确定性的控制量。
在模糊控制中，模糊集合和模糊关系是核心概念。
模糊集合是指具有模糊边界和隶属度函数的集合，用来表示不确定性或模糊性。
模糊关系是指模糊集合之间的关系，它可以通过模糊规则来描述。
模糊规则是一种条件-动作规则，它基于模糊关系，将模糊输入映射到模糊输出。
模糊控制的关键是如何构建模糊规则库。
通常，模糊规则库是由领域专家通过经验和知识来构建的。
这些规则通常采用人类语言来描述，例如：“如果温度高且湿度低，则增大空调的制冷量”。
在实际应用中，可以通过模糊规则的学习和优化来改进模糊控制系统的性能。
模糊控制在许多领域都有广泛的应用。
例如，在自动化控制中，模糊控制可以用于控制温度、湿度、速度等参数；在交通控制中，模糊控制可以用于调整红绿灯的时序和间隔；在机器人控制中，模糊控制可以用于路径规划和动作决策等。
尽管模糊控制具有一定的优势，但也存在一些局限性。
首先，模糊控制通常需要大量的模糊规则，这对于复杂系统而言可能是不可行的。
其次，模糊控制的系统性能高度依赖于模糊规则的质量和数量，因此模糊规则的构建和优化是一个复杂且困难的任务。
此外，由于模糊控制系统的非线性特性，对于大规模和高维度的系统，模糊控制可能会面临计算复杂度和实时性的挑战。
模糊控制
第8章模糊控制及其在材料加工中的应用模糊控制是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制。
从线性控制与非线性控制的角度分类，模糊控制是一种非线性控制。
从控制器的智能性看，模糊控制属于智能控制的范畴，而且它已成为目前实现智能控制的一种重要而又有效的形式。
尤其是模糊控制和神经网络、遗传算法及混沌理论等新学科的相融合，正在显示出其巨大的应力潜力。
本章讲述了模糊控制系统的组成、基本原理、设计方法，系统实现技术，还介绍了模糊系统辨识、模糊预测，自适应模糊控制、自组织模糊控制、预测模糊控制及递阶模糊控制的基本原理。
最后，还对模糊系统模型、结构、算法及稳定性等问题进行了理论分析。
8.1 模糊控制原理8.1.1 模糊控制的基本思想在自动控制技术产生之前，人们在生产过程中只能采用手动控制方式。
手动控制过程首先是通过观测被控对象的输出，其次是根据观测结果做出决策，然后手动调整输入，操作工人就是这样不断地观测调整，实现对生产过程的手动控制。
这三个步骤分别是由人的眼—脑—手来完成的。
后来，由于科学和技术的进步，人们逐渐采用各种测量装置（如测量仪表、检测装置、传感器等）代替人的眼，完成对被控制量的观测任务；利用各种PID控制器（如磁放大器，由直流运算放大器加阻容反馈网络构成的调节器等）部分地取代人脑的作用，实现比较、综合被控制量与给定量之间的偏差，控制器所给出的输出信号相当于手动控制过程中人脑的决策；使用各种执行机构（主要是电动的、气动的，如伺服电机、气动调节阀等）对被控对象（或生产过程）施加某种控制作用，这就起到了手动控制中手的调整作用。
上述由测量装置、控制器、被控对象及执行机构组成的自动控制系统，就是人们所悉知的常规负反馈控制系统。
图8-1-1、8-1-2分别给出了手动控制和负反馈控制的方框图。
经过人们长期研究和实践形成的经典控制理论，对于解决线性定常系统的控制问题是很有效的。
然而，经典控制理论对于非线性时变系统难以奏效。
先进控制技术-模糊控制共102页文档
பைடு நூலகம்
16、业余生活要有意义，不要越轨。——华盛顿 17、一个人即使已登上顶峰，也仍要自强不息。——罗素·贝克 18、最大的挑战和突破在于用人，而用人最大的突破在于信任人。——马云 19、自己活着，就是为了使别人过得更美好。——雷锋 20、要掌握书，莫被书掌握；要为生而读，莫为读而生。——布尔沃
END
先进控制技术-模糊控制
36、“不可能”这个字(法语是一个字 )，只 在愚人 的字典 中找得 到。--拿 破仑。 37、不要生气要争气，不要看破要突 破，不 要嫉妒 要欣赏 ，不要 托延要 积极， 不要心 动要行 动。 38、勤奋，机会，乐观是成功的三要 素。(注 意：传 统观念 认为勤 奋和机 会是成 功的要 素，但 是经过 统计学 和成功 人士的 分析得 出，乐 观是成 功的第 三要素 。
计算机控制-模糊控制2012
（iv）设 A F (U )， E F (W )， B F (V ) ，模 糊条件语句为“ 如果A且E, 则B ”。
4.2 模糊推理合成
模糊推理规则实际上是一种模糊变换， 它将一个论域的模糊集变换到另一个论域的 模糊集。即： R : F (U ) F (V ) 或
F (V ) F (U ) R
模糊控制
智能控制专题
主要内容
1. 模糊控制理论基础 2. 模糊控制的 matlab 仿真实例
1.1 模糊的概念
模糊性总是伴随复杂性而出现的，
复杂性意味着因素的多样性，联系的
多样性。
事物的普通联系造成了事物的复
杂性和模糊性。
模糊的概念
模糊性也起源于事物的发展变化 性，变化性就是不确定性。过渡阶段 的事物表现为从属于到不属于的变化
1. MATLAB 模糊逻辑工具箱仿真
模糊推理系统编辑器（ Fuzzy ） 模糊推理系统编辑器用于设计和显示模糊推理系 统的一些基本信息，如推理系统的名称，输入、 输出变量的个数与名称，模糊推理系统的类型、 解模糊方法等。其中解模糊方法有最大隶属度法、 重心法、加权平均等。 打开模糊推理系统编辑器，在 MATLAB 的命令窗 （ command window ）内键入： fuzzy 命令，弹 出模糊推理系统编辑器界面，如下图所示。
Axi 构成序偶来表示A，则
A x1 , A x1 , x2 , A x2 , ， xn , A xn
示例
设X＝{1, 2, 3, 4, 5, 6, 7, 8, 9,10}，
以 A 表示“小的数”，它们的上述三 种表示法为：
Zadeh表示法：
1 0 .9 0 .7 0 .5 0 .3 0 .1 0 0 0 0 A 1 2 3 4 5 6 7 8 9 10
- 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、"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、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)。
2016/2/20
By Zhaona Chen
13
推理结果的获得，表示模糊控制的规则推理功能已经完成。但是，至
此所获得的结果仍是一个模糊矢量，不能直接用来作为控制量，还必须 作一次转换，求得清晰的控制量输出，即为解模糊。通常把输出端具有
2016/2/20
By Zhaona Chen
10
R1: IF E is NB and EC is NB then U is PB
R2: IF E is NB and EC is NS then U is PM 通常把if…部分称为“前提部，而then…部分称为“结论部”，其基本
结构可归纳为If A and B then C,其中A为论域U上的一个模糊子集，B是
2016/2/20
By Zhaona Chen
12
3．推理与解模糊接口（Inference and Defuzzy-interface）
推理是模糊控制器中，根据输入模糊量，由模糊控制规则完成模糊推理 来求解模糊关系方程，并获得模糊控制量的功能部分。在模糊控制中，
考虑到推理时间，通常采用运算较简单的推理方法。最基本的有Zadeh
25
0 0 0 P Be P Bu 0 0 0 0 .5 1.0
0
0
0
0
0
0
0 0 0 0 .5 1 .0 0 0 0 0
“若水位高于O点，则向外排水，差值越大，排水越快
”； “若水位低于O点，则向内注水，差值越大，注水越快 ”。 根据上述经验，按下列步骤设计模糊控制器：
2016/2/20
By Zhaona Chen
15
h
图 4-4 水箱液位控制
1 确定观测量和控制量 定义理想液位O点的水位为h0，实际测得的 水位高度为h，选择液位差
e h h0 h
将当前水位对于O点的偏差e作为观测量，
2 输入量和输出量的模糊化 将偏差e分为五级：负大（NB），负小（NS ），零（O），正小（PS），正大（PB）。
2016/2/20 By Zhaona Chen 17
根据偏差e的变化范围分为七个等级：-3，-2， -1，0，+1，+2，+3。得到水位变化模糊表4-1 。 表4-1 水位变化划分表
2016/2/20
By Zhaona Chen
22
表4-3 模糊控制规则表
若（IF） 则（THEN） NBe NBu Nse Nsu Oe Ou PSe PSu PBe PBu
4 求模糊关系 模糊控制规则是一个多条语句，它可以表 示为U×V上的模糊子集，即模糊关系R：
R (NBe NBu) (NSe NSu) (Oe Ou) (PSe PSu) (PBe PBu)
0 0 0 0 0 0 0
2016/2/20
By Zhaona Chen
24
0 0 0 0 0.5 0 Oe Ou 1.0 0 0 0 0.5 1 0.5 0 0 0 0 0.5 0 0 0 0 0
2016/2/20
By Zhaona Chen
5
4.1.2 模糊控制器的构成 模糊控制器的组成框图如图所示。
图
2016/2/20
模糊控制器的组成框图
By Zhaona Chen 6
1.
模糊化接口（Fuzzy interface）
模糊控制器的输入必须通过模糊化才能用于控制输出的求解，因此它 实际上是模糊控制器的输入接口。它的主要作用是将真实的确定量输入 转换为一个模糊矢量。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：
0 0 0 0 0 0 0 0 0 0 0.5 0.5 0.5 0 0 0 0 0 0.5 1.0 0.5 0 0 0 0 0 0.5 0.5 0.5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 P Se P Su 0 0 0 0 0 0 0.5 1.0 0.5 0 0 1.0 0 0 . 5 0 0 0
其中规则内的模糊集运算取交集，规则间的 模糊集运算取并集。
2016/2/20 By Zhaona Chen 23
1 0.5 0 NBe NBu 0 1 0.5 0 0 0
0
0
0
0
0
0
1.0 0.5 0 0 0 0 0 0
0.5 0.5 0 0 0 0 0
0 0 0 0 0 0 0Leabharlann 0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0.5 0 0.5 0.5 0.5 0 0 0 0 1 0 0.5 1.0 0.5 0 0 0 0 NSe NSu 0 0 0.5 1 0.5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
表4-2 控制量变化划分表
变化等级 隶属度 -4 PB 模 糊 集 PS O NS NB 0 0 0 0 1 -3 0 0 0 0.5 0.5 -2 0 0 0 1 0 -1 0 0 0.5 0.5 0 0 0 0 1 0 0 1 0 0.5 0.5 0 0 2 0 1 0 0 0 3 0.5 0.5 0 0 0 4 1 0 0 0 0
2016/2/20
By Zhaona Chen
7
用三角型隶属度函数表示如图所示。
图 模糊子集和模糊化等级
2016/2/20
By Zhaona Chen
8
2. 知识库（Knowledge Base—KB）
知识库由数据库和规则库两部分构成。 （1）数据库（Data Base—DB） 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。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。
转换功能作用的部分称为解模糊接口。
综上所述，模糊控制器实际上就是依靠微机（或单片机）来构成的。 它的绝大部分功能都是由计算机程序来完成的。随着专用模糊芯片的研 究和开发，也可以由硬件逐步取代各组成单元的软件功能。
2016/2/20
By Zhaona Chen
14
4.1.3、模糊控制系统的工作原理
以水位的模糊控制为例，如图 4-4 所示。设有一个 水箱，通过调节阀可向内注水和向外抽水。设计一个模 糊控制器，通过调节阀门将水位稳定在固定点附近。按 照日常的操作经验，可以得到基本的控制规则：
18
控制量u为调节阀门开度的变化。将其分为 五级：负大（ NB），负小（NS），零（O） ，正小（ PS ），正大（ PB ）。并根据 u 的变 化范围分为九个等级：-4，-3，-2，-1，0，+1 ，+2，+3，+4。得到控制量模糊划分表4-2。
2016/2/20
By Zhaona Chen
19
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0.5 1.0 0.5 0 0 0.5 0.5 0.5 0 0 0 0 0 0 0 0 0 0 0 0
2016/2/20
By Zhaona Chen
21
上述规则采用“IF A THEN B”形式来描述
： （1） if e=NB then u=NB （2） if e=NS then u=NS （3） if e=0 then u=0 （4） if e=PS then u=PS （5） if e=PB then u=PB 根据上述经验规则，可得模糊控制表4-3。
变 化 等 级 隶 属 度 -3 PB 模 糊 集 PS O NS NB 0 0 0 0 1 -2 0 0 0 0.5 0.5 -1 0 0 0.5 1 0 0 0 0 1 0 0 1 0 1 0.5 0 0 2 0.5 0.5 0 0 0 3 1 0 0 0 0
2016/2/20
By Zhaona Chen
2016/2/20
By Zhaona Chen
9
（2）规则库（Rule Base—RB） 模糊控制器的规则司基于专家知识或手 动操作人员长期积累的经验，它是按人的直觉推理的一种语言表示形式。 模糊规则通常有一系列的关系词连接而成，如if-then、else、also、end、 or等，关系词必须经过“翻译”才能将模糊规则数值化。最常用的关系 词为 if-then 、also ，对于多变量模糊控制系统，还有 and 等。例如，某 模糊控制系统输入变量为（误差）和（误差变化），它们对应的语言变 量为E和EC，可给出一组模糊规则：
2016/2/20
By Zhaona Chen
20
3 模糊规则的描述 根据日常的经验，设计以下模糊规则： （1）“若e负大，则u正大” （2）“若e负小，则u正小” （3）“若e为0，则u为0” （4）“若e正小，则u负小” （5）“若e正大，则u负大”
2016/2/20
By Zhaona Chen