模糊逻辑在控制领域的应用综述

模糊逻辑在控制领域的应用综述

摘要：本文介绍了模糊逻辑控制在工程应用中存在的一些问题，包括模糊控

制规则和参数优化问题、强耦合多变量问题和模糊控制稳态精度问题，另外介绍了在控制领域各方面的应用，比如：自适应模糊控制，模糊滑膜控制，基于Takagi-Sugeno(T-S)模型的控制，三维模糊控制。

关键字：模糊逻辑控制；问题；自适应模糊控制；模糊滑膜控制；基于Takagi-Sugeno(T-S)模型的控制；三维模糊控制

1引言

在现代工业控制领域，伴随着计算机技术的突飞猛进，出现了智能控制的新趋势，即以机器模拟人类思维模式，采用推理、演绎和归纳等手段，进行生产控制，这就是人工智能。模糊逻辑属于计算数学的范畴，包含有遗传算法，混沌理论及线性理论等内容，它综合了操作人员的实践经验，具有设计简单，易于应用、抗干扰能力强、反应速度快、便于控制和自适应能力强等优点。近年来，在过程控制、农业生产和军事科学等领域得到了广泛应用。[1]

2模糊逻辑在应用中的问题

2.1模糊控制规则和参数优化问题

对于复杂的工业控制过程，专家经验知识匮乏且逻辑推理困难，导致模糊控制规则的获取比较困难，难以总结出比较完善的模糊规则，在控制对象的参数发生变化时，严重影响模糊控制系统的效果，在某种意义上模糊控制系统的控制品质和性能与模糊规则的优劣有直接关系，因此优化模糊控制规则就变得尤其重要。

2.2强耦合多变量问题

多变量控制系统是目前过程控制中常见的控制对象，其不同于单变量控制系统。多变量控制系统中控制对象、控制器、测量元件和执行元件均有可能含有多个输入或输出变量，其结构更为复杂。变量之间耦合强度较小时比较容易控制，可以以一种线性独立的系统方式进行控制。各变量之间耦合强度较大时，就不可以忽略耦合对系统控制效果的影响，其严重影响到了控制系统的稳定性。[2]

2.3模糊控制稳态精度问题

随着工业过程被控对象的控制品质不断提升，对模糊控制稳态精度的要求也不断提高，由于模糊控制系统稳态精度低、存在余差的问题，高精度的模糊控制技术成为研究重点。模糊控制稳态精度的控制方法有很多，一种比较常用的方法是通过增加不同类别的积分器来避免模糊控制系统的稳态误差，以达到提升稳态精度的目的。采用在模糊控制系统中增加前馈积分项的方法，在伺服控制系统中取得了理想的稳态精度；也有采用在模糊控制系统中增加动态积分项的方法，当模糊控制系统的误差在一定范围以内，通过增加动态积分项控制系统输出，从而提高了模糊控制系统的性能。[3]

3模糊逻辑在控制领域的应用

3.1自适应模糊控制

自适应模糊控制器就是在通过控制部分已知系统的同时运用某种自适应机制。大多数的自适应控制是基于控制系统是线性和简单非线性的假设。自适应简单的线性系统和特殊的非线性系统自从十九世纪七十年代到十九世纪九十年代就有研究，然而自适应控制一般的非线性系统始终是一个控制领域的一个挑战。此外，对于非常复杂的非线性系统建立系统的数学模型是不可能的，对于此类系统进行自适应控制很难得到满意的结果。像神经网络一样，模糊系统在一个紧致的凸区域具有一致逼近任意非线性函数的能力。基于模糊系统的函数逼近能力，设计了一个对于未知函数的仿射非线性系统自适应模糊控制器，其中基于模糊系统的模糊基函数用于代替未知非线性函数。基于Lyapunov稳定性理论，建立一些模糊系统的参数自适应准则，其中包括模糊规则中以语言特征的隶属函数，这些关于模糊自适应控制的研究如文献所示。这些研究的关键部分就是利用线性回归确定未知参数，并且应用一些设计好的自适应控制技术来用模糊系统逼近未知非线性函数。[4]然而，对于自适应模糊控制器采用一些鲁棒方法来逼近的模糊系统和真实非线性系统之间存在误差。这样来说，如果不采用额外的控制策略仅仅能得到非线性系统的局部稳定性。关于自适应模糊控制器研究还有：更少的参数和更好的控制表现的自适应模糊控制器，含有多样外部扰动表现的鲁棒自适应控制器，基因算法自适应隶属函数。这些自适应方法使得传统的控制理论失去作用，而且大多数设计复杂。

3.2模糊滑膜控制

众所周知，滑膜控制器为含有不确定性的非线性系统提供了一种鲁棒的控制方法但是滑膜控制器用于数字化控制时容易引起震荡。尽管模糊控制器已经被证明了具有滑膜控制器的一些特性，模糊滑膜控制也可以通过两者结合来体现模糊控制器和滑膜控制器的特性。一种模糊滑膜控制的设计方法就是用滑膜控制来处理模糊语言信息另一种设计方法是用模糊组成滑膜的有界部分代替滑膜中的转换平面，来消除滑膜控制的震荡，第三种设计方法是用滑膜控制来监督传统的模糊控制来确保模糊控制对闭环系统的鲁棒性，近来有学者已经证明了模糊控制本身可以具有滑膜特性。[5]模糊滑膜控制的最大的优点是模糊控制的稳定性分析和设计方法可以用滑膜控制器的框架，这样可以借鉴滑膜控制器的完整理论。然而，模糊滑模控制用于多入多出系统的时候，在控制系统运行中自适应模糊系统的个数较多，因此由于参数自适应的要求造成的运算量是比较大的。

3.3基于Takagi-Sugeno(T-S)模型的控制

T-S模糊模型是一个紧致的模糊动力系统，用模糊规则构成的局部线性系统集合去描述非线性系统，这些规则由光滑的模糊隶属函数构成。T-S模糊模型提供了一个描述复杂非线性系统的方法，并且用一定量的模糊规则就可以描述高阶非线性系统。T-S模糊模型有一个好处就是提供了模糊系统的稳定性分析和设计的方法。第一种T-S模糊控制是对于每一个局部模型设计一个反馈控制，以得到一个联合这些局部控制器的全局控制，再用一些稳定性理论去检测闭环模糊控制系统的稳定性。第二种T-S模糊控制是用一个名义上在平衡点附近的线性模型代替一个T-S模糊模型，这个模型包含T-S模糊模型的所有非线性部分，这样就转化为含有不确定性因素的线性系统的鲁棒性问题，与此同时很多有关鲁棒性的系统理

论可以用于完善T-S模糊模型。[6]

3.4三维模糊控制

Type-2模糊集是传统模糊集的扩展，在传统模糊集的基础上增加第二隶属度，使得第一隶属度本身是模糊的，即模糊的模糊集。跟传统模糊逻辑控制一样，三维模糊逻辑控制系统的基本结构仍然包含模糊化、推理及解模糊化三部分，由于三维模糊控制系统含有空间特征，在具体的操作上跟传统模糊逻辑控制系统有所差异。三维模糊逻辑控制系统含有对象的空间信息，使得它在本质上能处理空间问题，因而可用于时空稱合的分布参数系统控制。实际过程中，三维模糊逻辑控制系统主要通过已知空间测量点的值来估计其它没有传感器的空间点位置的值，这种估计会带来一定的估计误差。假设个传感器分布在有限个空间位置上，则其它没有布置传感器的空间点的状态值只能通过已知测量点的值来估计。虽然这种三维模糊控制用第二隶属度表征空间信息，但是没有在物理上建立空间信息的隶属度，更不能反映空间造成的模糊特性，而且设计方法也相对复杂。在本质上是用有限空间点来获取空间信息。[7,8]

参考文献

[1] 殷霞红，倪建军，吴榴迎．一种基于改进人工蜂群算法的机器人实时路径规划方法［J］．计算机现代化，2015( 3) : 1-4．

[2] 马千知，雷秀娟．改进粒子群算法在机器人路径规划中的应用［J］．计算机工程与应用，2011，47( 25) : 241-244．

[3] 许鸣珠,刘贺平,李申山热轧带钢卷取温度的模糊神经网络预测函数控制,信息与控制,2011,36(6):727一731.

[4] S. Shibaev, G. Mc Ardle, J. Storrs, N. Thomas-Davies and MAST team.Modular software for MAST multi-technology data acquisition system Fusion Engineering and Design. In Press, Corrected Proof, Available online 24 June 2011.

[5] Qu H，Xing K，Alexander T． An improved genetic algo-rithm with co-evolutionary strategy for global path planningof multiple mobile robots ［J］．Neurocomputing，2013，120: 509-517．

[6] 段海滨，张祥银，徐春芳．仿生智能计算［M］．北京: 科学出版社，2011．

[7] Amiri E，Harounabadi A，Mirabedini S． Nodes clusteringusing fuzzy logic to optimize energy consumption in MobileAd Hoc Networks ( MANET) ［J］． Management ScienceLetters，2012，2( 8) : 3031-3040．

[8] Logambigai Ｒ，Kannan A． Fuzzy logic based unequal clus-tering for wireless sensor networks［J］． Wireless Networks,2015:1-13.