模糊控制表推导过程

合集下载

fuzzy_control模糊控制算法

模糊逻辑跟踪控制
模糊控制的基本原理框图如下：
图1 模糊控制的基本原理框图
模糊控制器是模糊控制系统的核心，一个模糊控制系统的性能优劣主要取决于模糊控制器的结构、所采用的模糊控制规则、合成推理算法，以及模糊决策的方法等因素。

文本对应的程序，采用单变量二维模糊控制器，输入分别是误差和误差的倒数，输出为控制量。

其中基模糊控制器结构如图2所示，模糊规则表如表1所示。

de dt
图2模糊控制器结构
表1 模糊规则表
在本仿真程序中，被控对象为：5
3245.235*10()+87.35 1.047*10G s s s s
=+
采样时间为1ms ，采用z 变换进行离散化，经过z 变换后的离散化对象为：
()(2)(1)(3)(2)(4)(3)(2)(1) (3)(2)(4)(3)
yout k den yout k den yout k den yout k num u k num u k num u k =------+-+-+-
其中，反模糊化采用“Centroid”方法，方波响应及控制器输出结果如图3和图4所示：。

模糊控制课件第三章.ppt

其基本思想：对于训练样本(包括论域内若干个测量点上的状态数据以及相应隶属于人类经验的被测量，用自然语言符号描述的状态符号)，在当前概念模式下，根据最大隶属度准则判定，若数据状态与概念状态相一致，则训练结束；若不相符，则将相应概念隶属函数曲线的修正率加以改变，以实现符合专家经验的被测量数据状态与符号状态的一致。
If X1 is 大 and X2 is 小 then Y is 中
仿照蕴含式的称谓“X1 is 大 and X2 is 小” 称为控制规则的前件部，“Y is 中”称为控制规则的后件部。
“大”、“小”、“中”等均是对某一物理量的模糊化的自然语言描述，但它们均被描述成一个模糊集合。
模糊控制是一种基于人的思维模式的控制，因此，在模糊控制规则中出现的模糊集合往往具有可以用自然语言描述的意义。
用于描述人们控制经验的基本语句结构有三种形式，它们分别反映了三种基本的推理。这三种基本结构和形式如下：
这种推理是一种最简单的蕴涵关系，在语
言表达时表示为“如果 A，那么B ”，即
有：if A then B
~
~
② (A B) (AC C)结构
~
~
~
~
这种推理较之前一种复杂，这种蕴涵关系在用语言表达时叙述为“如果 A，那么B；否则 C ”，即有：
左边最大隶属度法，实质是把几个最大隶属度中的最小元素作为解模糊的精确值；右边最大隶属度法，实质是把几个最大隶属度中的最大元素作为解模糊后的精确值。
3.3.3 系数加权平均法
系数加权平均法是指输出量模糊集合中各元素进行加权平均后的输出值作为输出执行量，其值为：
(3.7)
当输出变量为离散单点集时，则为：

模糊控制的基本原理

模糊控制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控制，它是模糊数学在控制系统中应用，是一种非线性智能控制。

模糊控制是利用人知识对控制对象进行控制一种方法，通常用“辻条件，then 结果”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数学表示控制对象模型，即可利用人（熟练专家）经验和知识来很好地控制。

因此，利用人智力，模糊地进行系统控制方法就是模糊控制。

模糊控制基本原理如图所示：模糊控制系统原理框图它核心部分为模糊控制器。

模糊控制器控制规律由计算机程序实现，实现一步模糊控制算法过程是：微机采样获取被控制量精确值，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 作为模糊控制器一个输入量，把E 精确量进行模糊量化变成模糊量，误差E 模糊量可用相应模糊语言表示；从而得到误差E 模糊语言集合一个子集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）根据推理合成规则进行模糊决策，得到模糊控制量u 为：u = eoR式中U 为一个模糊量；为了对被控对象施加精确控制，还需要将模糊量U控制对象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一种计算机数字控制。

模糊控制同常规控制方案相比，主要待点有：(1)模糊控制只要求掌握现场操作人员或有关专家经验、知识或操作数据，不需要建立过程数学模型，所以适用于不易获得精确数学模型被控过程，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形式定性表达，不用传递函数与状态方程，只要对人们经验加以总结，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。

模糊控制详细讲解实例

一、速度控制算法：首先定义速度偏差-50 km/h ≤e （k ）≤50km/h ，-20≤ec （i ）= e （k ）- e （k-1）≤20，阀值e swith =10km/h设计思想：油门控制采用增量式PID 控制算法,刹车控制采用模糊控制算法，最后通过选择规则进行选择控制量输入。

选择规则：e （k ）<0 ① e （k ）>- e swith and throttlr_1≠0 选择油门控制② 否则：先将油门控制量置0，再选择刹车控制 0<e （k ）先选择刹车控制，再选择油门控制 e （k ）=0 直接跳出选择刹车控制：刹车采用模糊控制算法1.确定模糊语言变量 e 基本论域取[-50,50]，ec 基本论域取[-20,20]，刹车控制量输出u 基本论域取[-30,30]，这里我将这三个变量按照下面的公式进行离散化：)]2(2[ba x ab n y +--=其中，],[b a x ∈，n 为离散度。

E 、ec 和u 均取离散度n=3，离散化后得到三个量的语言值论域分别为：E=EC=U={-3,-2,-1,0,1,2,3}其对应语言值为{ NB,NM,NS,ZO, PS,PM,PB } 2.确定隶属度函数E/EC 和U 取相同的隶属度函数即：E EC U(,5,1)(,3,2,0)(,3,1,1)u (,2,0,2)(,1,1,3)(,0,2,3)(,1,5)g x trig x trig x trig x trig x trig x g x ∧∧--⎧⎪--⎪⎪--⎪=-⎨⎪-⎪⎪⎪⎩说明：边界选择钟形隶属度函数，中间选用三角形隶属度函数，图像略实际EC 和E 输入值若超出论域范围，则取相应的端点值。

3.模糊控制规则由隶属度函数可以得到语言值隶属度（通过图像直接可以看出）如下表：表1：E/EC 和U3.模糊推理由模糊规则表3可以知道输入E 与EC 和输出U 的模糊关系，这里我取两个例子做模糊推理如下：if (E is NB) and (EC is NM) then (U is PB) 那么他的模糊关系子矩阵为：1211U EC E R R R R ⨯⨯=其中，711)0,,0,5.0,1(0⨯== P R E ,即表1中NB 对应行向量，同理可以得到，712)0,,0,5.0,1,0(1⨯== P R EC , 711)0,,0,5.0,1(0⨯== P R U77210000000000005.05.00005.010)0,,0,5.0,1,0()0,,0,5.0,1(⨯⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⨯=⨯TEC E R R 49121)0,,0,5.0,5.0,0,0,0,0,0,5.0,1,0(⨯= EC E R7491211000000005.05.00005.0100000)0,,0,5.0,1()0,,5.0,1,0(⨯⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⨯=⨯= TU EC E R R Rif (E is NVB or NB) and (EC is NVB) then (U is PVB)1112U EC E R R R R ⨯⨯= 结果略按此法可得到27个关系子矩阵，对所有子矩阵取并集得到模糊关系矩阵如下：)27,,2,1(21 ==i R R R R i由R 可以得到模拟量输出为：()U E EC R =⨯4.去模糊化由上面得到的模拟量输出为1×7的模糊向量，每一行的行元素（u （z ij ））对应相应的离散变量z j ，则可通过加权平均法公式解模糊：)21,,2,1()()(210210 ===∑∑==j i zu z zu u i iji jij从而得到实际刹车控制量的精确值u 。

模糊控制的基本原理和方法

● 模糊逻辑控制器的基本结构
设定值
yr +
y-k
模糊控制器
知识
库
精
模
确值
模
糊值
计算e和e 糊
化
模糊
去
决策逻辑
值
模糊
化
精确值
模糊推理单元
输出
过程
在采样时刻k, 误差和误差的变化定义为： ek yr yk ek ek ek1
▲模糊化部件 ▲知识库 ▲决策逻辑—模糊控制系统的核心 ▲去模糊化部件模糊控制中，模糊系统行为按专家知识，以语言规则描述：
MATLAB
-1
1
-0.1
0.1
0
2
也可以用viewsurf菜单命令看模糊控制器的输出量
Scope 1
Scope 2 Scope 3
● 模糊系统的稳定性分析
为了分析模糊系统的稳定性，把常用的一阶模糊系统改写：
Ri: If x1是A1i , x2 是A2i , ..., xk 是Aki ,
△E EE
K1合适，K2太小
K1太大，K2合适
K1合适，K2合适
K3是由K1 ,K2 决定的，增加模糊输出语言值，就
应增加K3。
举例：一阶系统的调节。
△E NB NM NM NS ZE ZE ZE NB NM NM NS ZE ZE ZE NB NS NS ZE ZE ZE PS
E NM NS NS ZE PS PS PM NS ZE ZE ZE PS PS PB ZE ZE ZE PS PM PM PB ZE ZE ZE PS PM PM PB
此系统稳定，必须存在一个正定矩阵P满足一定的条件。
目前情况下，我们可以找到正定矩阵P，

【参考文档】模糊规则表-范文模板 (11页)

本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！== 本文为word格式，下载后可方便编辑和修改！ ==模糊规则表篇一：模糊控制表推导过程一、模糊划分及模糊化对于偏差e的模糊划分取NB、NS、ZE、PS、PB五个模糊量，并且在相邻的模糊量中，存在如下关系：1）、本模糊量的隶属度最大的元素，是相邻模糊量的隶属度为0的元素。

2）、模糊量的形状是等腰三角形。

3）、论域为[-X,X].-X-2X/3 -X/30X/3 2X/3 X图1 隶属函数图象二、论域变换1、偏差e的论域变换偏差e的论域是[-X,X],欲把它变换成离散论域[-3,-2,-1,0,1,2,3],则有量化因子qe: qe=6/2X=3/X显然，对于元素-X、-2X/3、-X/3、0、X/3、2X/3、X,则有相应的离散论域元素ei: e1=qe*(-X-0)=-3 e2=qe*(-2X/3-0)=-2 e3=qe*(-X/3-0)=-1 e4=qe*(0-0)=0 e5=qe*(X/3-0)=1 e6=qe*(2X/3-0)= 2 e7=qe*(X-0)=31、偏差变化率de的论域变换偏差变化率de的论域是[-Y,Y],欲把它变换成离散论域[-3,-2,-1,0,1,2,3],则有量化因子qde: qde=6/2Y=3/Y显然，对于元素-Y、-2Y/3、-Y/3、0、Y/3、2Y/3、Y,则有相应的离散论域元素dei:de1=qde*(-Y-0)=-3 de2=qde*(-2Y/3-0)=-2 de3=qde*(-Y/3-0)=-1de4=qde*(0-0)=0 de5=qde*(Y/3-0)=1 de6=qde*(2Y/3-0)= 2 de7=qde*(Y-0)=3 2、控制量C的论域变换偏差C的论域是[-W,W],欲把它变换成离散论域[-3,-2,-1,0,1,2,3],则有量化因子qC: qC=6/2W=3/W显然，对于元素-W、-2W/3、-W/3、0、W/3、2W/3、W,则有相应的离散论域元素Ci: C1=qC*(-W-0)=-3 C2=qC*(-2W/3-0)=-2 C3=qC*(-W/3-0)=-1 C4=qC*(0-0)=0 C5=qC*(W/3-0)=1 C6=qC*(2W/3-0)= 2 C7=qC*(W-0)=3定义的模糊集（名称），确定隶属度： [PBPSZE NS NB] 模糊集的隶属度函数表三、给出模糊控制规则表：if e is NB,and de is PB,then C is PB. if e is NB,and de is PS,then Cis PB. if e is NB,and de is ZE,then C is PB. if e is NB,and de is NS,then C is PB. if e is NS,and de is ZE,then C is PS. if e is NS,and de is PS,then C is PS. if e is NS,and de is PB,then C is PS. if e is ZE,and de isZE,then C is ZE. if e is ZE,and de is PS,then C is NS. if e is ZE,and de is PB,then C is NB根据这些控制规则，可以列出对应的控制规则表如下：四、求取模糊控制表由于偏差e的离散论域有7个元素{-3,-2,-1,0,1,2,3},而偏差变化率de的离散论域也有7个元素{-3,-2,-1,0,1,2,3},在输入时，e或de的精确值都会量化到5个元素之中的任何一个。

模糊控制原理（PDF）

第一部分模糊控制第2讲模糊控制原理第一节模糊控制（推理）系统的基本结构1.1 模糊控制系统的组成模糊控制器1.2 模糊控制器（推理）的结构1.2 模糊控制器的结构模糊化模糊化的作用是将输入的精确量转换成模糊量。

具体过程为：1）尺度变换尺度变换，将输入变量由基本论域变换到各自的论域范围。

变量作为精确量时，其实际变化范围称为基本论域；作为模糊语言变量时，变量范围称为模糊集论域。

2）模糊处理将变换后的输入量进行模糊化，使精确的输入量变成模糊量，并用相应的模糊集来表示。

知识库1.2 模糊控制器的结构数据库规则库数据库主要包括各语言变量的隶属函数，尺度变换因子及模糊空间的分级数等。

规则库包括了用模糊语言变量表示的一系列控制规则。

它们反映了控制专家的经验和知识。

1.2 模糊控制器的结构◆模糊推理模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力。

◆清晰化作用：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：1) 将模糊量经清晰化变换成论域范围的清晰量。

2) 将清晰量经尺度变换变化成实际的控制量。

1.3 模糊控制器的维数模糊控制器输入变量的个数称为模糊控制器的维数。

对于单输入单输出的控制系统，一般有以下三种情况：一维模糊控制器一个输入：误差；输出为控制量或控制量的变化。

二维模糊控制二个输入：误差及误差的变化。

三维模糊控制器三个输入为输入：误差、误差的变化、误差变化的速率。

第二节模糊控制系统的基本原理2.1 模糊化运算（Fuzzification）2.2 清晰化计算（Defuzzification）2.3 数据库（Data base）2.4 规则库（Rule base）2.4 模糊推理（Fuzzy Inference）2.1 模糊化运算（Fuzzification）模糊化运算是将输入空间的观测量映射为输入论域上的模糊集合。

首先需要对输入变量进行尺度变换，将其变化到相应的论域范围，然后将其模糊化，得到相应的模糊集合。

模糊控制详细讲解实例

选择规则：e （k ）<0 ① e （k ）>- e swith and throttlr_1≠0 选择油门控制② 否则：先将油门控制量置0，再选择刹车控制 0<e （k ）先选择刹车控制，再选择油门控制e （k ）=0 直接跳出选择刹车控制：刹车采用模糊控制算法1.确定模糊语言变量e 基本论域取[-50,50]，ec 基本论域取[-20,20]，刹车控制量输出u 基本论域取[-30,30]，这里我将这三个变量按照下面的公式进行离散化：)]2(2[ba x ab n y +--= 其中，],[b a x ∈，n 为离散度。

E 、ec 和u 均取离散度n=3，离散化后得到三个量的语言值论域分别为：E=EC=U={-3,-2,-1,0,1,2,3}其对应语言值为{ NB,NM,NS,ZO, PS,PM,PB } 2.确定隶属度函数E/EC 和U 取相同的隶属度函数即：E E CU (,5,1)(,3,2,0)(,3,1,1)u (,2,0,2)(,1,1,3)(,0,2,3)(,1,5)g x trig x trig x trig x trig x trig x g x ∧∧--⎧⎪--⎪⎪--⎪=-⎨⎪-⎪⎪⎪⎩说明：边界选择钟形隶属度函数，中间选用三角形隶属度函数，图像略实际EC 和E 输入值若超出论域范围，则取相应的端点值。

3.模糊控制规则由隶属度函数可以得到语言值隶属度（通过图像直接可以看出）如下表：表1：E/EC 和3.模糊推理由模糊规则表3可以知道输入E 与EC 和输出U 的模糊关系，这里我取两个例子做模糊推理如下：if (E is NB) and (EC is NM) then (U is PB) 那么他的模糊关系子矩阵为：1211U EC E R R R R ⨯⨯=其中，711)0,,0,5.0,1(0⨯== P R E ,即表1中NB 对应行向量，同理可以得到，712)0,,0,5.0,1,0(1⨯== P R EC , 711)0,,0,5.0,1(0⨯== P R U77210000000000005.05.00005.010)0,,0,5.0,1,0()0,,0,5.0,1(⨯⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⨯=⨯TEC E R R 49121)0,,0,5.0,5.0,0,0,0,0,0,5.0,1,0(⨯= EC E R7491211000000005.05.00005.0100000)0,,0,5.0,1()0,,5.0,1,0(⨯⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⨯=⨯= TU EC E R R Rif (E is NVB or NB) and (EC is NVB) then (U is PVB)1112U EC E R R R R ⨯⨯= 结果略按此法可得到27个关系子矩阵，对所有子矩阵取并集得到模糊关系矩阵如下：)27,,2,1(21 ==i R R R R i 由R 可以得到模拟量输出为：()U E EC R =⨯4.去模糊化由上面得到的模拟量输出为1×7的模糊向量，每一行的行元素（u （z ij ））对应相应的离散变量z j ，则可通过加权平均法公式解模糊：)21,,2,1()()(21021===∑∑==j i zu z zu u i iji jij从而得到实际刹车控制量的精确值u 。

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。

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。

模糊控制器的查询表的实例计算过程

用模糊控制实现水箱水温得恒温控制。

水箱由底部得电阻性电热元件加热,由电动搅拌器实现均温。

设控制得目标温度为25ºC,以实测温度T与目标温度R之差,即误差e=T-R,以及误差变化率ec为输入,以固态继电器通电时间得变化量u(以一个控制周期内得占空比表示,控制电加热器得功率)为输出。

设e得基本论域为[-5,5] ºC,其语言变量E得论域为[-5,5];ec得基本论域为[-1,1] ºC/s,其语言变量EC得论域为[-5,5];控制量u得基本论域为[-5,5]单位,其语言变量U得论域为[-5,5]。

E、EC与U都选5个语言值{NB,NM,NS,Z,PS,PM,PB},各语言值得隶属函数采用三角函数,其分布可用表1与表2表示,控制规则如表3所示。

要求:1、画出模糊控制程序流程图;2、计算出模糊控制器得查询表,写出必要得计算步骤。

表表表解:步骤:输入输出语言变量得选择。

输入变量选为实测温度T与目标温度R之差,即误差e,及误差变化率ec;输出语言变量选固态继电器通电时间得变化量u,故模糊控制系统为双输入—单输出得基本模糊控制器。

建立各语言变量得赋值表。

设误差e得基本论域为[-5,5]。

C,输入变量E得论域为[-5,-4,-3,-2,-1,0,1,2,3,4,5],误差得量化因子为ke=5/5=1。

语言变量E选取5个语言PB PS ZE NS NB。

表1为语言变量E、EC得赋值表,表2为语言变量U得赋值表值:,,,,3)建立模糊控制规则表,总结控制策略,得出一组由25条模糊条件语句构成得控制规则,据此建立模糊控制规则表,如表3所示、表中行与列交叉处得每个元素及其所在列得第一行元素与所在行得第一列元素,对应于一个形式为”if E and EC then U”得模糊语句,根据该模糊语句可得相应得模糊关系i R ,则总控制规则得总模糊关系为251=i i R U R =。

表3 模糊控制规则表(内容为控制量U)建立查询表。

智能控制——模糊控制2

x∈X
W称为规则的匹配度
= ∨ [μA' ( x) ∧ μA ( x)] ∧ μB ( y)
x∈X
= w ∧ μB ( y)
A
A’
B
B’
2.4.4多输入、多规则的近似推理
1、句子连接词“and”
前提1(事实)： x是A’ and y是B’
看作积空间X×Y上的模糊集合
前提2(规则) ：if x是A，and y是B,then z是C 结果(结沦) ：z是C’
压? 令x=“炉温”，y=“电压”，有X=Y={1,2,3,4,5} 令A=“炉温低”={1/1，0.8/2,0.6/3,0.4/4,0.2/5} 令B=“电压高”={0.2/1,0.4/2,0.6/3,0.8/4,1/1} 则上述模糊规则可表示为：如果x是A,则y是B.设A’为A、非常A，略A 和非A时，B’是什么？
1.0 0.6 0.2 1.0 0.4 0 B1 = + + C1 = + + b1 b2 b3 c1 c2 c3 0.2 0.6 1.0 0 0.4 1.0 B2 = + + C2 = + + b1 b2 b3 c1 c2 c3
0 0.5 1.0 A2 = + + a1 a2 a3
A' =
0.5 1.0 0.5 + + a1 a2 a3

推理过程: 模糊蕴含关系: A×B→C
μ A× B ( x, y ) = min{μ A ( x), μ B ( y )}
合成:
R = A× B → C
C ' = ( A '× B ') R

2、规则连接词“ALSO”

模糊控制的基本原理

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。

模糊控制算法详解

模糊控制算法详解一、引言模糊控制算法是一种基于模糊逻辑理论的控制方法，它通过模糊化输入和输出，然后利用模糊规则进行推理，最终得到控制器的输出。

相比于传统的精确控制算法，模糊控制算法能够更好地处理系统的非线性、模糊和不确定性等问题。

本文将详细介绍模糊控制算法的原理、步骤和应用。

二、模糊控制算法的原理模糊控制算法的核心是模糊逻辑理论，该理论是对传统逻辑的拓展，允许模糊的、不确定的判断。

模糊逻辑通过模糊集合和模糊关系来描述模糊性，其中模糊集合用隶属度函数来表示元素的隶属程度，模糊关系用模糊规则来描述输入与输出之间的关系。

三、模糊控制算法的步骤1. 模糊化：将输入和输出转化为模糊集合。

通过隶属度函数，将输入和输出的值映射到对应的隶属度上，得到模糊集合。

2. 模糊推理：根据模糊规则，对模糊集合进行推理。

模糊规则是一种形如“如果...则...”的规则，其中“如果”部分是对输入的判断，而“则”部分是对输出的推断。

3. 模糊解模糊：将模糊推理得到的模糊集合转化为实际的输出。

通过去模糊化操作，将模糊集合转化为具体的输出值。

四、模糊控制算法的应用模糊控制算法广泛应用于各个领域，例如工业控制、交通系统、机器人等。

它能够处理控制对象非线性、模糊和不确定性等问题，提高控制系统的性能和鲁棒性。

1. 工业控制：模糊控制算法可以应用于温度、压力、液位等工业过程的控制。

通过模糊化输入和输出，模糊推理和模糊解模糊等步骤，可以实现对工业过程的精确控制。

2. 交通系统：模糊控制算法可以应用于交通信号灯的控制。

通过模糊化车流量、车速等输入，模糊推理和模糊解模糊等步骤，可以根据交通情况灵活调整信号灯的时序，提高交通效率。

3. 机器人：模糊控制算法可以应用于机器人的路径规划和动作控制。

通过模糊化环境信息和机器人状态等输入，模糊推理和模糊解模糊等步骤，可以使机器人根据环境变化做出智能的决策和动作。

五、总结模糊控制算法是一种基于模糊逻辑理论的控制方法，通过模糊化输入和输出，利用模糊规则进行推理，最终得到控制器的输出。

模糊PID控制算法

模糊PDI控制算法学院：班级：学号：姓名：完成日期：一、模糊PID控制算法综述模糊控制器是一种近年来发展起来的新型控制器，其优点是不要求掌握受控对象的精确数学模型，而根据人工控制规则组织控制决策表，然后由该表决定控制量的大小。

二、模糊PID 控制的原理CPU 根据系统偏差（偏差＝给定－反馈），和偏差变化率（偏差变化率＝当前周期偏差－上周期偏差）查询相应的模糊控制表，得到Kp ，Ki ，Kd 三个参数的整定值，然后进行PID 运算，真正的运用到实际中也就是一张模糊控制查询表，然后就是查表了，也很简单，关键是表的建立还有专家经验的问题等。

三、模糊控制规则模糊控制规则的形成是把有经验的操作者或专家的控制知识和经验制定成若干控制决策表，这些规则可以用自然语言来表达，但一般要进行形式化处理。

例如：①“If A ｎ Then B ｎ”；②“If A ｎ Then B ｎ Else C ｎ”；③“If A ｎ And B ｎ Then C ｎ”；其中A ｎ是论域U 上的一个模糊子集，B ｎ是论域V 上的一个模糊子集。

根据人工试验，可离线组织其控制决策表R ，R 是笛卡尔乘积U×V 上的一个模糊子集。

则某一时刻，以上控制规则的控制量分别为：①B ｎ＝A ｎ．R②B ｎ＝A ｎ．RC ｎ＝A ｎ．R③C ｎ＝（A ｎ×B ｎ）．R式中 ×——模糊直积运算．——模糊合成运算控制规则③是实际模糊控制器最常用的规则形式。

在这类规则中，A一般用来表示被控制量的测量值与期望值的偏差E＝x－x的隶属函数。

B一般表示０偏差变化率C＝d E／dt的隶属函数。

目前设计的模糊控制器基本上都是采用这种方式。

即在模糊控制过程中，同时要把系统与设定值的偏差和偏差的变化率作为模糊输入量。

这种方法不仅能保证系统的稳定性，而且还可减少超调量和振荡现象。

四、模糊PID控制算法PID调节对于线性定常系统的控制是非常有效的，但对于非线性、时变的复杂系统和模型不清楚的系统就不能很好地控制。

模糊控制算法流程

模糊控制算法流程模糊控制是一种基于模糊集合理论的控制方法，它通过建立模糊规则库和模糊推理系统，以模糊关系来描述因果关系，从而实现对系统的控制。

本文将介绍模糊控制算法的流程，并阐述其中的关键步骤。

一、模糊控制算法的流程1.问题定义：首先需要明确要解决的控制问题。

例如，在汽车自动驾驶中，控制问题可以是让汽车保持在道路中心线上。

2.输入输出定义：根据问题定义，确定系统的输入和输出变量。

例如，在汽车自动驾驶中，输入变量可以是车辆位置和车速，输出变量可以是转向角度。

3.建立模糊规则库：根据经验知识或专家经验，建立一组模糊规则。

每条规则包含一个或多个条件和一个结论。

例如，在汽车自动驾驶中，一条规则可以是：“如果车辆偏离道路中心线且车速较快，则增大转向角度”。

4.模糊化：将输入变量的数值转换为模糊集合。

模糊化的目的是将数值转换为模糊的隶属度函数，以描述输入变量的不确定性。

例如，在汽车自动驾驶中，可以将车辆位置划分为“偏左”、“偏右”和“中间”等模糊集合。

5.模糊推理：根据模糊规则和模糊化后的输入变量，推导出模糊的输出结果。

通过模糊逻辑运算（如模糊AND、模糊OR）和模糊推理机制（如模糊关系的合成）来实现。

例如，在汽车自动驾驶中，可以使用模糊推理来根据车辆位置和车速决定转向角度的模糊集合。

6.去模糊化：将模糊输出结果转换为具体的控制指令。

去模糊化的目的是将模糊结果映射到具体的物理量，例如转向角度。

常用的方法有最大隶属度法、重心法和面积法等。

7.控制执行：根据去模糊化后的控制指令，执行对系统的控制动作。

例如，在汽车自动驾驶中，将计算得到的转向角度实施到车辆的转向装置上，以实现车辆的自动驾驶。

8.反馈调整：根据系统的反馈信号（例如传感器测得的车辆位置），对控制算法进行调整以改进控制效果。

这可以通过更新模糊规则库、调整模糊集合划分或改进模糊推理机制等方法来实现。

二、模糊控制算法关键步骤1.模糊规则库的设计：根据问题定义和专家知识，确定合适的模糊规则。

模糊控制表推导过程

一、模糊划分及模糊化对于偏差 e 的模糊划分取 NB 、 NS 、 ZE 、 PS 、 PB 五个模糊量，并且在相邻的模糊量中，存在如下关系：1 ）、本模糊量的隶属度最大的元素，是相邻模糊量的隶属度为 0 的元素。

2 ）、模糊量的形状是等腰三角形。

3 ）、论域为 [-X,X].下图是隶属函数图象NB NS 1 ZE PS PB-X -2X/3 -X/3 0 X/3 2X/3 X图 1 隶属函数图象二、论域变换1、偏差 e 的论域变换偏差 e 的论域是 [-X,X], 欲把它变换成离散论域 [-3,-2,-1,0,1,2,3], 则有量化因子 qe:qe=6/2X=3/X显然，对于元素 -X 、 -2X/3 、 -X/3 、 0 、 X/3 、 2X/3 、 X, 则有相应的离散论域元素 ei:e1=qe*(-X-0)=-3e3=qe*(-X/3-0)=-1e4=qe*(0-0)=0e5=qe*(X/3-0)=1e6=qe*(2X/3-0)= 2e7=qe*(X-0)=31、偏差变化率 de 的论域变换偏差变化率 de 的论域是 [-Y,Y], 欲把它变换成离散论域 [-3,-2,-1,0,1,2,3], 则有量化因子 qde:qde=6/2Y=3/Y显然，对于元素 -Y 、 -2Y/3 、 -Y/3 、 0 、 Y/3 、 2Y/3 、 Y, 则有相应的离散论域元素 dei:de1=qde*(-Y-0)=-3de2=qde*(-2Y/3-0)=-2de3=qde*(-Y/3-0)=-1de4=qde*(0-0)=0de5=qde*(Y/3-0)=1de6=qde*(2Y/3-0)= 2de7=qde*(Y-0)=32、控制量 C 的论域变换偏差 C 的论域是 [-W,W], 欲把它变换成离散论域 [-3,-2,-1,0,1,2,3], 则有量化因子 qC:qC=6/2W=3/W显然，对于元素 -W 、 -2W/3 、 -W/3 、 0 、 W/3 、 2W/3 、 W, 则有相应的离散论域元素 Ci:C1=qC*(-W-0)=-3C2=qC*(-2W/3-0)=-2C3=qC*(-W/3-0)=-1C4=qC*(0-0)=0C5=qC*(W/3-0)=1C7=qC*(W-0)=3定义的模糊集（名称），确定隶属度：[PB PS ZE NS NB]模糊集的隶属度函数表e -X- -2X/3 -2X/3- -X/3 -X/3- 0 0 0 - X/3 X/3- 2X/3 2X/3- X de -Y- -2Y/3 -2Y/3- -Y/3 -Y/3- 0 0 0 - Y/3 Y/3- 2Y/3 2Y/3- YC -W- -2W/3 -2W/3- -W/3-W/3-0 0 -W/3W/3-2W/32W/3-W量化等级-3 -2 -1 0 1 23模糊集相关的隶属度函数PB 0 0 0 0 0 0.2 1 PS 0 0 0 0 0.6 0.6 0 ZE 0 0 0.2 1 0.2 0 0 NS 0 0.6 0.6 0 0 0 0 NB 1 0.2 0 0 0 0 0三、给出模糊控制规则表：if e is NB,and de is PB,then C is PB.if e is NB,and de is PS,then C is PB.if e is NB,and de is ZE,then C is PB.if e is NB,and de is NS,then C is PB.if e is NS,and de is ZE,then C is PS.if e is NS,and de is PS,then C is PS.if e is NS,and de is PB,then C is PS.if e is ZE,and de isZE,then C is ZE.if e is ZE,and de is PS,then C is NS.if e is ZE,and de is PB,then C is NB根据这些控制规则，可以列出对应的控制规则表如下：UNB NS ZE PS PBEDENB PB PB PS NBNS PB PS PS ZE NBZE PB PS ZE NS NBPS PB ZE NS NS NBPB PB NS NB NB四、求取模糊控制表由于偏差 e 的离散论域有 7 个元素 {-3,-2,-1,0,1,2,3}, 而偏差变化率 de 的离散论域也有 7 个元素 {-3,-2,-1,0,1,2,3}, 在输入时， e 或 de 的精确值都会量化到 5 个元素之中的任何一个。