模糊控制与模糊策略
模糊控制的基本结构
模糊控制的基本结构
模糊控制是一种智能控制方法，其基本结构主要包括以下几个部分：
1. 定义变量：决定程序被观察的状况及考虑控制的动作。
例如在一般控制问题上，输入变量有输出误差E与输出误差变化率EC，而模糊控制还将控制变量作为下一个状态的输入U。
其中E、EC、U统称为模糊变量。
2. 模糊化：将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，根据适合的语言值（linguistic value）求该值相对的隶属度，此口语化变量称为模糊子集合（fuzzy subsets）。
3. 知识库：包括数据库（data base）与规则库（rule base）两部分，其中数据库提供处理模糊数据的相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。
4. 逻辑判断：该部分是模糊控制器的精髓所在。
5. 解模糊化：将模糊推理得到的模糊输出量转换为实际执行机构的精确输出。
以上内容仅供参考，如需更具体的信息，建议查阅关于模糊控制的资料、文献或书籍。
1。
模糊控制的基本原理
模糊控制的基本原理模糊控制是一种基于模糊逻辑的控制方法，它模仿人类的思维方式，通过模糊化、模糊推理和解模糊化来实现对系统的控制。
模糊控制的基本原理可以概括为以下几个方面。
模糊控制通过将输入和输出与一组模糊集相对应，来模拟人类的模糊推理过程。
在传统的控制方法中，输入和输出通常是精确的数值，而在模糊控制中，输入和输出可以是模糊的、不确定的。
通过将输入和输出模糊化，可以将问题从精确的数学计算转化为模糊的逻辑推理，使得控制系统更加灵活和适应性强。
模糊控制通过定义一组模糊规则来描述系统的行为。
模糊规则是一种类似于人类思维的规则，它由若干模糊条件和模糊结论组成。
模糊条件和模糊结论通过模糊集来表示，并通过模糊推理来确定系统的控制策略。
模糊推理是基于模糊规则和模糊集的逻辑推理过程，它通过对模糊条件的匹配和模糊结论的合成，来确定系统的输出。
然后，模糊控制通过解模糊化将模糊输出转化为精确的控制信号。
解模糊化是将模糊输出映射到一个确定的值域上的过程，它可以通过取模糊输出的平均值、加权平均值或者其他方式来实现。
解模糊化的目的是将模糊的控制信号转化为精确的控制动作，以实现对系统的精确控制。
模糊控制通过反馈机制来实现对系统的自适应调节。
反馈机制是模糊控制系统中的重要组成部分，它通过不断测量系统的输出，并与期望输出进行比较，来调节系统的控制策略。
通过反馈机制，模糊控制系统可以根据系统的实际情况进行调节，以适应不同的工作环境和工作条件。
模糊控制的基本原理包括模糊化、模糊推理、解模糊化和反馈机制。
通过模糊化和模糊推理，模糊控制可以将问题从精确的数学计算转化为模糊的逻辑推理，使得控制系统更加灵活和适应性强。
通过解模糊化，模糊控制可以将模糊的控制信号转化为精确的控制动作，以实现对系统的精确控制。
通过反馈机制，模糊控制可以根据系统的实际情况进行调节，以适应不同的工作环境和工作条件。
模糊控制的基本原理为工程领域提供了一种灵活、适应性强的控制方法，可以应用于各种复杂的控制问题中。
模糊 pid控制策略
模糊 pid控制策略
模糊PID控制策略是将模糊控制和PID控制结合起来的一种
控制策略。
它利用模糊控制的模糊推理能力来对PID控制器
的参数进行调节，以提高控制系统的性能。
在传统的PID控制策略中，控制器的参数需要通过实验或调
整来获得最佳的控制效果。
而模糊PID控制策略则借助于模
糊推理的思想，通过模糊控制器自动调整PID控制器的参数，使得控制系统能够适应不同的工况和系统变化。
具体而言，模糊PID控制策略包括以下步骤：
1. 设计模糊控制器：根据控制系统的输入和输出变量的模糊集合，设计模糊控制器的模糊规则库。
2. 模糊推理：根据当前的输入变量值，利用模糊控制器的模糊规则库进行模糊推理，得到输出变量的模糊集合。
3. 解模糊：通过对输出变量的模糊集合进行解模糊操作，得到具体的输出变量值。
4. 参数调整：根据解模糊得到的输出变量值，调整PID控制
器的参数。
5. 反馈控制：将调整后的PID控制器作为反馈控制器，进行
控制系统的实时控制。
通过模糊PID控制策略，可以在一定程度上克服传统PID控制策略中参数调整的困难，提高控制系统的性能和鲁棒性。
然而，模糊PID控制策略也存在一定的复杂性和计算量较大的问题，需要根据实际情况进行权衡和应用。
自动化控制系统中的模糊控制方法与调参技巧
自动化控制系统中的模糊控制方法与调参技巧自动化控制系统中的模糊控制方法是一种基于模糊逻辑的控制策略，可以处理系统模型复杂、不确定性强的问题。
模糊控制方法通过将模糊逻辑应用于控制器设计中，能够有效地应对实际系统中的各种非线性、时变和不确定性因素，提高控制系统的鲁棒性和自适应能力。
在模糊控制系统中，模糊逻辑通过将模糊的自然语言规则转化为数学形式，对系统的输入和输出进行模糊化处理，从而实现对系统的自动控制。
模糊控制方法主要包括模糊推理、模糊建模和模糊控制器设计三个主要步骤。
首先，模糊推理是模糊控制方法的核心，它根据一组模糊规则对输入变量进行模糊推理，从而确定最终的控制策略。
在模糊推理中，需要定义一组模糊规则，每个模糊规则都由若干个模糊集和若干个模糊关系所组成。
通过对输入变量的模糊化处理和模糊规则的匹配，可以得到控制器的输出。
其次，模糊建模是模糊控制方法的前提，它是将实际系统映射为模糊控制系统的关键步骤。
模糊建模可以通过实验数据、专家知识或模型等方式获得系统的输入输出数据，然后利用聚类和拟合等方法建立系统的模糊模型。
模糊建模的目的是找到系统的内在规律和数学模型，以便后续的模糊控制器设计和参数调优。
最后，模糊控制器设计是模糊控制方法的具体实现，它根据模糊推理和模糊建模的结果，确定模糊控制器的结构和参数。
模糊控制器的结构包括输入变量的模糊集合和输出变量的模糊集合，参数则决定了模糊控制器的具体行为。
参数调优是模糊控制器设计的关键环节，通过合理地设置参数，可以使模糊控制器在实际系统中具有良好的控制性能和鲁棒性。
为了获得较好的控制性能，模糊控制系统中的调参技巧是必不可少的。
调参技巧通常包括以下几个方面：首先，选取适当的输入变量和输出变量，并对其进行模糊化处理。
输入变量和输出变量的选择应考虑到系统的特性和控制目标，而模糊化处理的方法则可以采用三角函数、梯形函数等常用的模糊集合类型。
其次，确定模糊规则的数量和形式。
模糊规则的数量和形式直接影响到模糊控制系统的稳定性和鲁棒性。
模糊逻辑与模糊控制的基本原理
模糊逻辑与模糊控制的基本原理在现代智能控制领域中，模糊逻辑与模糊控制是研究的热点之一。
模糊逻辑可以应用于形式化描述那些非常复杂，无法准确或完全定义的问题，例如语音识别、图像处理、模式识别等。
而模糊控制可以通过模糊逻辑的方法来设计控制系统，对那些难以表达精确数学模型的问题进行控制，主要用于不确定的、非线性的、运动系统模型的控制。
本文主要介绍模糊逻辑和模糊控制的基本原理。
一、模糊逻辑的基本原理模糊逻辑是对布尔逻辑的延伸，在模糊逻辑中，各种概念之间的相互关系不再是严格的，而是模糊的。
模糊逻辑的基本要素是模糊集合，模糊集合是一个值域在0和1之间的函数，它描述了一个物体属于某个事物的程度。
以温度为例，一般人将15℃以下的温度视为冷，20至30℃为暖，30℃以上为热。
但是在模糊逻辑中，这些概念并不是非黑即白，而可能有一些模糊的层次，如18℃可能既不是冷又不是暖，但是更接近于暖。
因此，设180℃该点的温度为x，则可以用一个图形来描述该温度与“暖”这个概念之间的关系，这个图形称为“隶属函数”或者“成员函数”图。
一个隶属函数是一个可数的、从0到1变化的单峰实函数。
它描述了一个物体与一类对象之间的相似程度。
对于温度为18℃的这个例子，可以用一个隶属函数来表示其与“暖”这一概念之间的关系。
这个隶属函数，可以用三角形或者梯形函数来表示。
模糊逻辑还引入了模糊关系和模糊推理的概念。
模糊关系是对不确定或模糊概念间关系的粗略表示，模糊推理是指通过推理机来对模糊逻辑问题进行判断和决策。
二、模糊控制的基本原理在控制系统中，通常采用PID控制或者其他经典控制方法来控制系统，但对于一些非线性控制系统，这些方法越发显得力不从心。
模糊控制是一种强大的、在处理非线性系统方面表现出色的控制方法。
它通过对遥测信号进行模糊化处理，并将模糊集合控制规则与一系列的控制规则相关联起来以实现控制。
模糊控制的基本组成部分主要包括模糊化、模糊推理、去模糊化等三个步骤。
模糊控制在过程控制中的应用前景如何
模糊控制在过程控制中的应用前景如何在当今的工业自动化领域，过程控制起着至关重要的作用。
它旨在确保生产过程的稳定性、可靠性和高效性，以满足不断增长的质量和产量要求。
而在众多的控制策略中，模糊控制作为一种智能控制方法，正逐渐展现出其独特的优势和广阔的应用前景。
模糊控制的基本原理是基于模糊逻辑和模糊推理。
与传统的精确控制方法不同，模糊控制并不依赖于精确的数学模型，而是通过模拟人类的思维和决策过程，处理具有不确定性和模糊性的信息。
这使得模糊控制在面对复杂、难以建模的过程时具有更强的适应性。
那么，模糊控制在过程控制中具体有哪些应用呢？首先，在温度控制方面，模糊控制表现出色。
例如，在工业熔炉的温度控制中，由于加热过程受到多种因素的影响，如环境温度、物料特性等，建立精确的数学模型往往十分困难。
而模糊控制可以根据经验和实时监测数据，灵活地调整加热功率，实现对温度的精确控制，从而提高产品质量和生产效率。
在化工过程控制中，模糊控制也大有用武之地。
化工生产中的反应过程通常具有非线性、时变性和多变量耦合等特点，传统控制方法难以应对。
而模糊控制可以有效地处理这些复杂特性，实现对反应过程的优化控制，降低能耗，提高产品收率。
此外，在污水处理过程中，模糊控制能够根据水质的变化、流量的波动等因素，自动调整处理设备的运行参数，确保污水处理效果达到排放标准。
那么，模糊控制为何能在这些领域取得良好的效果呢？一方面，它能够处理不精确和不确定的信息。
在实际的过程控制中，很多变量难以精确测量或定义，而模糊控制能够利用模糊语言变量和模糊规则来描述这些不确定的情况，从而做出合理的控制决策。
另一方面，模糊控制具有较强的鲁棒性。
即使系统受到外界干扰或模型发生变化，模糊控制仍然能够保持较好的控制性能，不会因为微小的偏差而导致系统失控。
然而，模糊控制在过程控制中也并非完美无缺。
其主要的局限性在于控制规则的制定往往依赖于专家经验，缺乏系统性和科学性。
此外，模糊控制的计算量较大，在实时性要求较高的场合可能会受到一定的限制。
模糊控制技术-第二章
上述定义表明：
①论域U中的元素是分明的，即U本身是普通 集合，只是U的子集是模糊集合，故称A为 U的模糊子集，简称模糊集。 ②隶属函数μA(u)是用来说明u隶属于A的程度 的，μA(u)的值越接近于1，表示u隶属于A 的程度越高；当μA(u)的值域变为{0,1}时， 隶属函数μA(u)蜕化为普通集合的特征函数， 模糊集合也就蜕化为普通集合。
' ~ ~ ~ ~ ~
~
0.1 0.1 0.6 0.5 0.7 0.9 0.9 1 C u1 u2 u3 u4
'
0.1 0.5 0.7 0.9 u1 u2 u3 u4
~
0.9 0.4 0.3 0.1 A u1 u2 u3 u4
18
台(support)集合
39
• 例：设X＝{１，２，３，４}，Y＝{a，b， c}，Z＝{α，β}，Χ×Y以及Y×Z上的模糊关 系R与S如图所示。
2.2.2 模糊关系 (1)普通关系：客观世界存在的普遍现象，描 述了事物之间存在的某种联系。 1)集合的直积 • 由两个集合U和V的各自元素u与v组成的序 偶(u，v)的全体集合，称为U与V的直积,记 为U×V，即
U×V={(u，v)|u∈U，v∈V }
• 一般情况下，U×V≠V×U。 2)普通二元关系
A 和 A 分别称为模糊集合 A 的强 截集和弱
正则(normal)模糊集合
[0，) 1 (0， 1]
截集
如果：max A (u )
uU
1 ，则称A为正则模糊集合
凸(convex)模糊集合
A (u1 (1 )u2 ) min( A (u1 )， A (u2 )) u1，u2 U， [0， 1]
模糊逻辑及模糊控制
运算：
(1) (2) (3) (4) (5) 析取“∨” T(P∨Q)=T(P)∨T(Q) 合取“∧” T(P∧Q)=T(P)∧T(Q) 取非 “┓” T(┓P)=1-T(P) 蕴含“→” T(P→Q)=1∧[1-T(P)+T(Q)] 等值“ ” T(P Q)=1∧[1-T(P)+T(Q)]∧[1- T(Q)+T(P)]
模糊控制
Fuzzy Control
模糊命题：
概念：含有模糊概念或者具有模糊性的陈述句。 例如：模糊命题 P：“小明学习努力” 若小明“努力”的隶属度为0.8，则命题的真值为： T(P)=μA(x)=0.8 模糊命题的真值为1时表示 P 完全真，为0时为完全假， 模糊命题可看成是普通命题的推广，普通命题是模糊 命题的特例。
运算律：
1 幂等律 : x+x=x ; x· x=x 2 交换律 : x+y=y+x ; x· y=y· x 3 结合律 : (x+y)+z=x+(y+z) ; (x· y)· z=x· (y· z) 4 分配律 : x+(y· z)=(x+y)· (x+z) ; x· (y+z)=x· y+x· z 5 德摩根律 : (x+y)=x ·y ; (x ·y)= x + y 6 双重否定律 : x = x 7 常数运算法则 : 1+x=1 ; 0+x=x ; 1· x=x; 0· x=0 8 吸收律 : x+x· y=x ; x· (x+y)=x
互补率x x 1; x x 0不成立，因为 x x max( x ,1 x ) x x min( x ,1 x )
- 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)。
22
❖ 4.模糊推理和模糊量的非模糊化处理（模糊 决策，模糊判决） （1）MIN-MAX-重心法
考虑以下模糊 推理形式。
4/25/2020
^_^
23
由各模糊规则得的推理结果 最终结论由综合推理结果得到 模糊结论C’的“重心”计算如下
4/25/2020
^_^
24
4/25/2020
^_^
25
（2）代数积——加法——重心法 用代数积取代MIN，用加法取代MAX。
得到模糊控制量 。u~
❖ 模糊控制量清晰化，对对象进行一步控制，等到
第二次采样。
4/25/2020
^_^
6
❖ 范例：某电热炉用于对金属零件的热处理，要求保持炉 温600度恒定不变。
根据人工经验，控制规则可用语言描述如下。
若炉温低于600度则升压，低得越多升压越高；
若炉温高于600度则降压，高得越多降压越低；
4/25/2020
^_^
16
(2)定义各模糊变量的模糊子集：确定模糊子集 隶属函数曲线的形状
X={-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}
4/25/2020
^_^
17
则模糊变量A的模糊子集为 A=0.2/2+0.7/3+1/4+0.7/5+0.2/6
当论域中元素总数为模糊子集总数二到三 倍时，模糊子集对论域的覆盖程度较好。
理
化处理
4/25/2020
^_^
5
❖ 一步模糊控制算法：微机经中断采样获取被控制 量的精确值，然后将此量与给定值比较得到误差 信号E，一般将误差信号E作为模糊控制器的一个 输入量。
❖ 将误差信号E模糊量化，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~，再和模
糊控制规则 R ~，根据推理的合成规则进行模糊决策，
4/25/2020
Байду номын сангаас
^_^
10
4/25/2020
^_^
11
❖ 5. 模糊决策 模糊控制器的控制作用取决于控制量，即
等于误差的模糊向量e和模糊关系的合成，假 设e=PS,则
4/25/2020
^_^
12
❖ 6. 控制量的模糊量转化为精确量 上面求得的控制量u为模糊向量，可写为：
u=(0.5/-3)+(0.5/-2)+(1/-1)
❖ 描述控制规则的条件语句中的一些词，如“较 大”、“稍小”、“偏高”，等，都具有一定 的模糊性。因此用模糊集合来描述这些条件语 句，组成模糊控制器。
4/25/2020
^_^
4
模糊控制的基本原理
A/D 模糊控制器 D/A
传感器 被控对象 执行机构
计算控 制变量
模糊量 模糊控 化处理 制规则
模糊推 非模糊
^_^
2
汽车司机：通过一些不精确的观察，执行一 些不精确的控制，达到准确停车的目的。
控制论的创始人维纳，描述人与外部环境相 互作用时的关系：人不断地从外界（对象） 获取信息，再存储和处理信息，并给出决策 反作用于外界（输出），从而达到预期目标。
4/25/2020
^_^
3
❖ 人的控制行为，遵循控制与反馈控制的思想， 人的手动控制决策可以用语言描述，形成一系 列条件语句，即控制规则，微机程序可以实现 这些控制规则，微机充当控制器，微机取代人 对对象实现控制。
4/25/2020
^_^
21
一般情况，如果把[a,b]区间的离散量x，转换为 [-n，+n]区间的离散量y—模糊量，其中，n不小于2, 则
Y=2n[x-(a+b)/2]/(b-a)
(2)将某一区间的精确量x模糊化成这样一个子集，在 点x处隶属度为1，其余各点的隶属度为0或小于1
4/25/2020
^_^
+(0.5/0)+(0.5/1)+(0/2)+(0/3) 对上式控制量的模糊子集按照隶属度最大 原则，取控制量为-1级，即当炉温偏高时，应 降一点电压。
4/25/2020
^_^
13
模糊控制器设计的基本方法
❖ 1. 模糊控制器的结构设计 确定模糊控制器的输入、输出变量
（1）人机系统中的信息量：误差、误差变化、 误差变化的变化，以及人控制动作的输出量 （2）模糊控制器的输入、输出变量
4/25/2020
模糊控制 与模糊决策
^_^
1
模糊控制的基本思想
范例：汽车停在拥挤的停车场上两辆车之间的 一个空 隙处
精确方法：车C上的一个固定参考点，车C的 方位，建立车的状态方程和运动方程；临近两 辆车为约束，停着的车之间的空隙为允许的终 端状态集合。
缺点：约束多，难于求解。
4/25/2020
4/25/2020
^_^
14
4/25/2020
^_^
15
❖ 2. 模糊控制规则的设计 （1）选择输入输出变量的词集 误差： {负大,负中,负小,零,正小,正中,正大} {NB,NM,NS,O,PS,PM,PB} 误差变化 {负大,负中,负小,负零,正零,正小,正中,正大} {NB,NM,NS,NO,PO,PS,PM,PB}
4/25/2020
^_^
26
4/25/2020
^_^
27
（3）模糊加权型推理法
4/25/2020
^_^
28
4/25/2020
^_^
29
（4）函数型推理法
4/25/2020
^_^
30
（5）加权函数型推理法
4/25/2020
4/25/2020
^_^
8
4/25/2020
^_^
9
❖ 3.模糊控制规则的语言描述 （1）若e负大，则u正大； （2）若e负小，则u正小； （3）若e为零，则u为零； （4）若e正小，则u负小； （5）若e正大，则u负大；
❖ 4.模糊控制规则的矩阵形式：模糊控制规则可以表 示为从误差论域X到控制量论域Y的模糊关系R
若炉温等于600度则维持不变
❖ 1.模糊控制器的输入输出变量：e(k)=t0-t(k)
输出为触发电压u的变化
❖ 2.输入输出变量的模糊语言描述
{NB,NS,O,PS,PB}
误差e的论域为X，u的论域为Y，把其量化为7个等级
X=Y={-3,-2,-1,0,1,2,3}
4/25/2020
^_^
7
假设语言变量的隶属函数曲线如下。
4/25/2020
^_^
18
（3）.建立模糊控制器的控制规则：通过学习、试验以及 长期经验积累而逐渐形成的技术知识集合。 若A则B否则C
若A则B且若A则C
4/25/2020
^_^
19
❖ 模糊规则表
4/25/2020
^_^
20
❖ 3.精确量的模糊化处理
（1）把精确量离散化，如把[-6，+6]之间变化 的连续量分为7个档次，每一档对应一个模糊 集。