信号调理电路设计

2016年4月
※智能控制问题的提出
•现代控制系统的复杂性 系统模型的不确定性(时变性） 对象模型与环境（干扰）模型 高度的非线性 对象模型与环境（干扰）模型 任务要求的复杂性 系统运行行为上的复杂性，不确定性导致的复 杂性，多模式集成和控制策略上的复杂性。 实际上现代的工业化生产已经从劳动密集型——设备密集型——信 息密集型——知识密集型方向发展。 •产生智能控制系统的
照比较接近的对象规律。例如：
R3：如果Yn 1 PM 且Yn PB 那么U n NB 参考规律2，此后Yn 1 PM R 4：如果Yn 1 PB 且Yn PM 那么U n NM 参考规律2，此后Yn 1 PS 依次类推
实际上此种属于被控对象的辩识问题，采用这种规 则库所实现的控制相当于逆模型直接控制。 当然上述三种方法建立的规则库是静态的，控制器 没有自学习和自适应能力。
i 1, 2,, N
其中， Aij 为模糊语言值； x j 是一个输入变量；系数
i （2）观察法 通过观察人类控制行为并将其 集 a j 为待辩识的参数。模型的辩识分为两步，即结构 i i 控制思想提炼成一套基于模糊条件语句类型 参数 [ N , p] 的辩识和系数 { Aj , a j } 的辩识。如果模型已
即 p 个输入变量隶属于第 i 个对应的模糊集隶属函数 中最小的一个。 模糊规则
R1：如果Yn1 ZE 且Yn PS 那么U n NS
等等。实际上并不是每个对象的规律都对应着一条 控制规则，有些对象规律可能用不上，而有些要实 现的控制目的没有对象规律可以参照，此时只能参
Ri 必须是完整的覆盖输入空间的全部模糊分 R2：如果Yn1 ZE 且Yn NS 那么U n PS
规律5： 如果Yn NM 且U n PM 那么Yn 1 NS 规律6： 如果Yn NM 且U n NM 那么Yn 1 NB
（4）自组织法 自组织模糊控制器能够在没有或少有先验知识的情况 下通过观察系统的输入输出关系建立完备的控制规则 库。学习机制（逻辑+软件或神经网络+软件）；有 适当的监测指标来保证学习的收敛性。 最大隶属度函数法不考虑输出隶属度函数的形式， 只关心最大隶属度处的输出值，因此会丢失许多信 息，其优点是计算简单。 （2）重心法 重心法是取模糊隶属度函数曲线与横坐标围成面积 的重心为模糊推理的最终输出：
Ｕ
被控对象
Ｙ
规律1： 如果Yn PM 且U n PM 那么Yn 1 PB 规律2： 如果Yn PM 且U n NM 那么Yn 1 PS 规律3： 如果Yn PS 规律4： 如果Yn NS 且U n NS 那么Yn 1 ZE 且U n PS 那么Yn 1 ZE
智能控制技术
参考书目：
1.“智能控制系统及应用”孙增圻，邓志东等编著，清华 大学出版社，2011.9 2.“智能控制技术”张铭钧 ，哈尔滨工程大学出版社， 2007.1 3.“智能控制理论及应用”师黎等编著，清华大学出版社， 2009.4 4.智能控制及其matlab实现. 李国勇编著，清华大学出版 社,2005
i i （1）专家经验法 指通过对专家经验的咨询 Ri：IF x1 IS A1 and x2 IS A2 and i x p IS Aip THEN v i a0 a1i x1 a ip x p 建立的规则库，此法是很自然的、也是主观
的。所以，基于此法所构成的模糊控制规则 需要一些内涵的和客观的准则。
限定码的序数，每个限定码表示论域内的一个 模糊子集，并由隶属度函数来定义。某个输入 值必须与至少一个特定限定码的隶属程度相对
知识库
给定 Fuzzy化接口 推理决策 广义被控对象 精确化接口
FLC
应。
如：已知某系统偏差的变化范围在-10~10(论
域)之间，在该论域中定义有“偏差大”、 “偏差适中”和“偏差小”三个模糊子集。有 一时刻系统输入量值 e=4，将其转化的模糊输 入是：
模糊逻辑控制器采用数字计算机来实现，具备模糊化\ 模糊推理\精确化功能：
FLC主要应用在那些采用传统定量分析时
过于复杂的控制过程，或是所提供的信 息是定性的、非确定的、非精确的控制 系统中。当然控制精度要求不高。
一、模糊化过程 主要完成的功能：测量输入量值；将以数字形
式精确表示的输入量值转化为模糊语言表示的
u
1.0 小 0.45 0.25 -10 0 4 10 适中 大
1。数据库 包括量化等级、量化方式（线性 量化 和非线性量化）、比例因子和模糊子集的隶属度 函数以及重叠率。它们是建立在经验和工程判断 的基础之上的，有一定的主观性。 e （1）论域的离散化：要使计算机能够处理模糊信 息，首先必须对用模糊集合表示的不确定信息进
对于离散隶属度函数 u0
v (v) dv (v) dv v (v )
V v V m v
k 1 m
定论域上的基本模糊子集(如：NB，NM，NS，ZE， PS，PM，PB)数目(7)，其决定了一个模糊控制器 的分辨率；例如上例中系统误差的变化范围(论域)
-10~10之间，划分有三个模糊子集“负大”；
“零”；“正大”。
度函数的选择是以来自于客观事实的主
观准则为基础的。
2。规则库 模糊控制系统是用一系列
这种模糊控制规则库的设计思想是让熟练操作员实际操 作来建立推理规则模型——建立操作员所用的输入与输 出信息之间的关系，实际涉及模糊系统辩识。 如：模糊系统辩识模型可用参数形式的规则来描述：
“IFTHEN” 语言来描述，这很容易通过
模糊条件语句描述的模糊逻辑推理来实现。 关键在于：完备、兼容和抗干扰性。
•组织功能：系统对于复杂任务和各种传感器信息具有自行组织、自行协调功能。可以在任务要求
的范围内自行决策，出现多目标时可以适当地自行妥协。因此系统具有较好的主动性和灵活行。
第一篇 模糊控制技术及系统
• 模糊控制系统的构成
• 模糊控制系统的设计 • 例：非晶制钢带钢水液位模糊控制 • 模糊跟踪控制——激光跟踪仪
u0
w v
i 1 N
N
i i
wi表示对于给定输
入的第 i 条模糊推理规则的 可信度。技术公式为：
w
i 1
i
w Ai ( x )
i j 1
j
p
0 j
如果需要建立一个模糊控制规则库去控制该对象，目 的使其输出 Y 为“零”。那么模糊规则库的功能就是 表达了当Y 偏离“零”时，控制量Ｕ的控制策略。
可见区间大小是不相同的，则为非线性划分， 不存在量化因子。在控制运算中，参与实际运算 的并不是偏差，而是量化等级标记。
（3）基本模糊子集的隶属度函数：模糊 集的隶属度函数是数据库中的一个重要 组成部分，通常有矢量（离散）表示和 函数表示。矢量表示适用于离散论域； 函数表示适用于连续论域。同样，隶属
（2）输入输出空间的模糊划分：模糊划分就是确
偏差区间 特征值 量化等级 -10，-5 -8 -2 -5，0 -3 -1 0 0 0 0， 5 3 1 5，10 8 2
二、知识库
通常模糊控制器设计的主要参数有：采样
定理（香农定理和被控过程的技术限制）、 量化等级（影响系统响应的超调量、上升 时间、稳态精度）、隶属度函数的类型和 重叠率、规则的数目和精确化计算方法。 实际上，模糊控制器设计的关键在于如何 有效地确立数据库和规则库，决策控制实 际上是依据规则库来实现的。
每个模糊子集有重叠；由于模糊（语言 值）集数目较少，故模糊控制规则的数 目也少，但控制精度相对较低。如果再 增加两个模糊子集： NS和PS，则量化 级必须增加，模糊控制规则增多，控制 误差减小，但控制规则也复杂化，使模
糊控制器的实时性受到影响。目前，如
何进行输入输出空间的模糊划分尚无定 论，通常依据经验和实验。
第一节 模糊控制系统的组成 模糊控制系统 是指其状态或输入输出具有模糊性的系统。是 一种自动控制系统，结构上与传统控制系统相 同，只是采用具有智能性的模糊控制器取代传 统控制器。其核心是模糊逻辑控制器 FLC。 FLC 实际上是利用模糊逻辑建立一种“自由模 型”的非线性控制算法，它以模糊数学、模糊 语言形式的知识表示和模糊推理为理论基础， 采用计算机控制技术构成的一种具有闭环结构 的数字控制系统。
大 (e) 0.25, 适中 (e) 0.45， 小 (e) 0
设计工作：在系统偏差（语言变量）论域上划分
模糊子集（限定码=语言值）的数目、确定模糊子
集的隶属度函数及其重叠区域的大小，相当主观。
行量化。量化就是将论域离散成确定数目的几小
段（量化等级），每一段用确定术语作为标记形 成离散域。在此量化过程中就涉及量化因子和量 化方式。例如：已知某系统偏差的变化范围在10~10(论域)之间，在设计过程中选择量化等级为5， 用{-2，-1，0，1，2}来表示，即将领域划分成5个 区间：
必然性 现代复杂系统普遍表现为系统模型难以通过传统数学工具来描述，故依 赖于数学工具和计算机仿真技术的传统控制理论无法解决此类控制问题，客观 上要求提供一种更高层次的解决此类问题的方法。 可能性 1。熟练的操作工、技术人员和专家可以进行许多复杂的生产过程的目标 控制，效果令人满意。 2。计算机技术、人工智能和微电子学学科的快速发展，在技术手段上为高 层次的智能控制的发展提供了保证，使控制技术工具发生了革命性的变化。
特点： •学习功能：系统能对一个过程或未知环境所提供的信息进行学习、记忆、识别。并能将得到的经验
用于估计、分类、决策或控制，从而使系统的性能得到进一步改善。
•适应功能：智能行为是一种从输入到输出的映射关系，是不依赖于模型的自适应估计，因此比传统的
自适应控制具备更好更高层次的适应性能，还包括自故障诊断以及自修复功能。
3。推理决策逻辑
推理决策逻辑是模糊控制器的核心，它利用知识库的 信息模拟人类的推理决策过程给出适合的控制量，其 实质是模糊逻辑推理。涉及模糊数学。
对于连续隶属度函数 u0
4。精确化过程
在模糊集合中选择一个最佳值来代表推理结果的精确 值称为精确化过程（逆模糊化）。 （1）最大隶属度函数法 简单地取所有规则推理结果的模糊集合中隶属度最大 的那个元素作为精确输出值：
在此，量化区间的大小是相等的，则存在比例因子k=2/10， 此量化方式为线性量化；若同样将系统划分为5个量化等级： 偏差区间 特征值 量化等级 NB ZE PB -10，-4 -7 -2 1 0 0 -4，0 -2 -1 0.3 0.2 0 0 0 0 0 1 0 0， 4 2 1 0 0.2 0.3 4，10 7 2 0 0 1
区，尽管模糊推理方程是线性的，但可以通过定义正 则化权系数来表达高度非线性的输入输出关系。 （3）基于对象模糊模型的模糊控制规则
基于被控对象的模糊模型来建立规则库，用多个控制
规则（“IF-THAN”的形式）来描述控制对象，这些 规则的反规则即为模糊控制规则库。例如：设被控对 象用六个模糊模型来描述：
的控制规则，从而建立模糊规则库。关键之 一是要把专家的操作和经验及其诀窍用逻辑
定，则对于一组给定的输入： 则最终的输出 平均得到
x , x , x ,, x
0 1 0 2 0 3wenku.baidu.com0 p
u 0 可通过对每一条规则推理出的 v i 加权
权系数
形式表达出来（不容易）；关键之二人是智
能化动物，若想模糊控制器真正能够模仿专 家的控制操作能力，就必须考虑系统能通过 训练获得所需要的技巧，具有不断改善控制 规则和自学习的功能。
※智能控制系统的定义
定义1：智能控制系统是智能机自动地完成其目标的控制过程。其中智 能机可在熟悉或不熟悉的环境中自动地或人机交互地完成任务。 定义2：智能控制系统是由智能控制机参与控制过程的系统。 •目标：将熟练的操作工，技术人员和专家的知识经验(包括思维过程)与 控制理论结合起来，去解决现代复杂系统的控制问题。研究对象是针对 被控对象及其环境、目标以及任务的不确定性和复杂性而提出的。强调 自学习、自适应和自组织功能。 •分类：专家控制、模糊控制和神经网络控制