第三章模糊控制
第三章 模糊控制理论基础
模糊控制的理论基础
第一节 概述
一、模糊控制的提出
以往的各种传统控制方法均是建立在 被控对象精确数学模型基础上的,然而, 随着系统复杂程度的提高,将难以建立 系统的精确数学模型。 在工程实践中,人们发现,一个复杂 的控制系统可由一个操作人员凭着丰富 的实践经验得到满意的控制效果。这说 明,如果通过模拟人脑的思维方法设计 控制器,可实现复杂系统的控制,由此 产生了模糊控制。
证:设 A (u) 0.4 , 则
A (u) 1 0.4 0.6
A (u) A (u) 0.4 0.6 0.6 1
A (u) A (u) 0.4 0.6 0.4 0
模糊集及其补集均无明确的边界
2 模糊算子
模糊集合的逻辑运算实质上就是隶属 函数的运算过程。采用隶属函数的取大 (MAX)-取小(MIN)进行模糊集合的 并、交逻辑运算是目前最常用的方法。但 还有其它公式,这些公式统称为“模糊算 子”。 设有模糊集合A、B和C,常用的模糊 算子如下:
1 2
3
4
5
1
2
3
4
5
2. 函数描述法 【例二】 以年龄作为论域,取U=[0,200]. ZADEH给出了 “年老O”和“年轻Y”两个模糊集的隶属函数式,分 别为
0 O (u ) u 50 2 1 [1 ( ) ] 5 0 u 50 50 u 200
A∩(B∪C)=(A∩B) ∪(A∩C)
6.复原律
A A
7.对偶律
A B A B
A B A B
8.两极律
A∪E=E,A∩E=A
A∪Ф=A,A∩Ф=Ф
例3.4 设
智能控制简明教程-模糊控制的基本概念
具体说:水位偏高时,应排出一些水; U负—排水,U正—进
水
8. 模糊控制响应表(控制表)
模糊控制规则由模糊矩阵R来描述。 北师大汪培庄教授提出:R中每一行对应每个 非模糊的观测结果所引起的模糊响应。 方法: 采取在R中每一行寻找峰域中心值,即R
如果采用模糊控制水位,则必须做到如下 几步工作:
1. 观测量:输入量、输出量(控制量) 水位对于O点的偏差:
-定义O点的水位高度 h -实际测得的水位高度
u 正:贮水,逆时针旋转 u 负:排水,顺时针旋转
(Fuzzy Inference)
将U 精确量U(Defuzzification) 返回1,下一次中断采样
b. 模糊控制工作原理
水位模糊控制: 设有一贮水器,具有可变的水位,另有一
调节阀门,可向内进水和向外排水。试设 计一个模糊控制器,并通过调节阀将水位 稳定在固定点O的附近。 用浮球检测贮水器中的水位高度, 为了保持水位高度在一定位置,采用水位 控制系统代替手动控制。如图。
控制状态表
if NB NS ZO PS PB E then PB PS ZO NS NB U
5. 模糊控制关系矩阵
模糊控制规则是一组多重条件语句,它可以表示 为从误差论域X到控制论域Y的模糊控制关系R
求 的最大值
6. 模糊决策
e’=1
7. 模糊量化成精确量
最大隶属度
按隶属应取最大原则:
FC
Fuzzy 化
Fuzzy 控制 算法
非 Fuzzy
化
对象
2. 输入/出变量论域(离散化) 偏差e的实际论域: e [-30,30]
e的离散论域: X {-3,-2,1,0,+1,+2,+3}
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:
模糊控制及其应用
详细描述
模糊控制算法通过采集室内温度和人的舒适度信息,将这些信息模糊化处理后,根据模糊规则进行推理,输出相 应的温度调节指令,从而实现对空调温度的智能控制。这种控制方式能够避免传统控制方法中存在的过度制冷或 制热的问题,提高室内环境的舒适度。
易于实现
模糊控制器结构简单,易于实 现,能够方便地应用于各种控 制系统。
灵活性高
模糊控制器具有较强的灵活性 ,能够根据不同的需求和场景 进行定制和优化。
02
模糊控制的基本原理
模糊化
模糊化是将输入的精确值转换 为模糊集合中的隶属度函数的 过程。
模糊集合论是模糊控制的理论 基础,它通过引入模糊集合的 概念,将精确的输入值映射到 模糊集合中,从而实现了对精 确值的模糊化处理。
交通控制
智能交通系统
通过模糊控制技术,可以实现智 能交通系统的自适应调节,提高 道路通行效率和交通安全性能。
车辆自动驾驶
在车辆自动驾驶中,模糊控制技 术可以用于实现车辆的自主导航 、避障和路径规划等功能,提高 车辆的行驶安全性和舒适性。
04
模糊控制在现实问题中的应用案例
智能空调的温度控制
总结词
模糊控制器
模糊控制器是实现模糊控制的核心部件,通过将输入的精确量转 换为模糊量,进行模糊推理和模糊决策,最终输出模糊控制量。
模糊控制的发展历程
80%
起源
模糊控制理论起源于20世纪60年 代,由L.A.Zadeh教授提出模糊 集合的概念,为模糊控制奠定了 理论基础。
100%
发展
随着计算机技术的进步,模糊控 制技术逐渐得到应用和发展,特 别是在工业控制领域。
WORD型模糊控制电子教案
WORD型模糊控制电子教案第一章:模糊控制基础1.1 模糊控制简介模糊控制的起源和发展模糊控制与传统控制的比较模糊控制的应用领域1.2 模糊集合与模糊逻辑模糊集合的定义和表示模糊逻辑的基本原理模糊推理与模糊判断1.3 模糊控制系统的结构与原理模糊控制系统的组成模糊控制器的结构与设计模糊控制算法的实现第二章:WORD型模糊控制器的结构与设计2.1 WORD型模糊控制器的概述WORD型模糊控制器的定义和特点WORD型模糊控制器的应用领域WORD型模糊控制器的设计要求2.2 WORD型模糊控制器的结构设计输入输出层的结构设计模糊化层的结构设计规则库的设计解模糊层的结构设计2.3 WORD型模糊控制器的参数设计模糊集合的划分与选择隶属度函数的设计模糊规则的设计与优化第三章:WORD型模糊控制器的仿真与优化3.1 WORD型模糊控制器的仿真方法模糊控制仿真系统的构建模糊控制仿真的基本步骤仿真结果的分析和评估3.2 WORD型模糊控制器的优化方法基于规则的优化方法基于隶属度函数的优化方法基于控制效果的优化方法3.3 WORD型模糊控制器的性能改进改进控制器的动态性能提高控制器的鲁棒性降低控制器的计算复杂度第四章:WORD型模糊控制器在电子系统中的应用4.1 WORD型模糊控制器在温度控制系统中的应用温度控制系统的原理与结构WORD型模糊控制器的设计与实现仿真结果与实际应用效果分析4.2 WORD型模糊控制器在速度控制系统中的应用速度控制系统的原理与结构WORD型模糊控制器的设计与实现仿真结果与实际应用效果分析4.3 WORD型模糊控制器在其他电子系统中的应用例如:电机控制系统、控制系统等第五章:WORD型模糊控制器的实验与验证5.1 WORD型模糊控制器的硬件实验平台实验硬件的选择与搭建实验系统的调试与验证5.2 WORD型模糊控制器的软件实验平台实验软件的选择与使用实验数据的采集与分析5.3 WORD型模糊控制器的实验结果与验证实验结果的对比与评估实验结果的实际应用价值第六章:WORD型模糊控制器的设计实例6.1 电机控制系统中的WORD型模糊控制器设计电机控制系统的原理与结构WORD型模糊控制器的设计与实现电机控制系统仿真与实际应用效果分析6.2 控制系统中的WORD型模糊控制器设计控制系统的原理与结构WORD型模糊控制器的设计与实现控制系统仿真与实际应用效果分析6.3 其它实例及WORD型模糊控制器的设计与应用如:风力发电控制系统、无人驾驶控制系统等第七章:WORD型模糊控制器的性能分析与评估7.1 WORD型模糊控制器的静态性能分析稳态误差分析静态特性曲线分析7.2 WORD型模糊控制器的动态性能分析动态响应特性分析过渡过程性能分析7.3 WORD型模糊控制器的性能评估指标控制效果评估指标系统稳定性评估指标计算复杂度评估指标第八章:WORD型模糊控制器的优化方法8.1 基于遗传算法的WORD型模糊控制器优化遗传算法的基本原理与实现遗传算法在WORD型模糊控制器优化中的应用优化结果分析与评估8.2 基于粒子群优化算法的WORD型模糊控制器优化粒子群优化算法的基本原理与实现粒子群优化算法在WORD型模糊控制器优化中的应用优化结果分析与评估8.3 基于神经网络的WORD型模糊控制器优化神经网络的基本原理与实现神经网络在WORD型模糊控制器优化中的应用优化结果分析与评估第九章:WORD型模糊控制器的实际应用与案例分析9.1 WORD型模糊控制器在工业领域的应用案例如:工业生产线自动控制系统、化学工业过程控制系统等9.2 WORD型模糊控制器在农业领域的应用案例如:农业自动化控制系统、智能灌溉系统等9.3 WORD型模糊控制器在日常生活领域的应用案例如:智能家居控制系统、智能交通控制系统等第十章:WORD型模糊控制器的未来发展趋势与展望10.1 WORD型模糊控制器技术的发展趋势新型模糊控制算法的研究与发展WORD型模糊控制器与其他控制技术的融合跨学科研究与创新应用10.2 WORD型模糊控制器在未来的应用前景应用于更多领域的智能化控制系统与、大数据等技术的结合为人类社会带来的福祉与贡献重点和难点解析一、模糊控制基础:理解模糊集合与模糊逻辑的基本概念,以及模糊控制系统的原理和结构。
第三章、模糊控制系统
(3.6) (3) (3 , 3.6) (4) (3.6 , 4) (3) 0.6 (4) 0.4
模糊控制规则中的条件部和结论部都对于应于一些定义在一定论
域内的语言变量。
语言变量由一组项集合构成,且项集合定义在同一论域内。 项数目的确定取决于模糊分区 ( NB、NS、ZE、PS、PB) 的数目。项数目的多少决定了模糊控制器控制性能的粗略程度。
(2)模糊控制规则建立 目前有4种方法,而且 方法可以综合利用。 1)专家经验法:专家经验法是通过对专家控制经验 的咨询形成控制规则库。实质是通过语言条件语句来模 拟人类的控制行为。 2)观察法:介绍基于操作人员实际控制过程的规则 库建立方法。许多人工控制的复杂工业化系统中,熟练 的工作人员有意或无意的使用了一组模糊规则,但他们 可能很难用语言表达出来,因此,通过记录他们实际中 使用的输入、输出数据,从中总结出模糊控制规则。
糊控制器。而多维模糊控制器指的是模糊逻辑控制器条件部中 语言变量多少。
(1)一维模糊控制器 一维模糊控制器的输入输出语言 e 变量只有一个。假设模糊控制器的输入变量为 ,输出 u 控制量为 ,则模糊控制规则一般有以下形式。
R 1: 如果 e 是E1 , R n: 否则如果 e 是E n , 则 是U n ; 则 是U1 ; R 2: 否则如果 e 是E 2 , 则 是U 2 ;
模糊逻辑控制系统的基本结构如图所示。
知识库
给定
FLC
+ -
Fuzzy化接口
推理决策
精确化接口被控语言图31FLC基本结构图从图中可以看出,模糊控制系统的主要部件是模糊化过程、 知识库(含数据库和规则库)、推理决策和精确化计算。
与传统控制系统的不同之处是采用了模糊控制器, 由于模糊控制器采用电子计算机实现的,所以应 该具备下列三个重要功能:
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+|
模糊控制与实现
,0,+1,+2,+3,+4。得到控制量模糊划分
表3-2。
表3-2 控制量变化划分表
变化等级
隶属度
模
糊
集
-4
-3
-2
-1
0
1
2
3
4
PB
0
0
0
0
0
0
0
0.5
1
PS
0
0
0
0
0
0.5
1
0.5
0
ZO
0
0
0
0.5
1
0.5
0
0
0
NS
0
0.5
1
0.5
0
0
0
0
0
NB
称 为 模 糊 语 言 控 制 器 ( Fuzzy Language
Controller—FLC)。
3.1.2 模糊控制器的构成
模糊控制器的组成框图如图3-2所示。
图3-2 模糊控制器的组成框图
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
,将推理后得到的输出量加到执行器上。
图3-1 模糊控制原理框图
模糊控制器(Fuzzy Controller—FC)也
称 为 模 糊 逻 辑 控 制 器 ( Fuzzy Logic
Controller—FLC),由于所采用的模糊控制规
则是由模糊理论中模糊条件语句来描述的,
因此模糊控制器是一种语言型控制器,故也
则通常有一系列的关系词连接而成,如if-then、
智能控制课件-模糊控制
0 0 0 0
0 .5 1 .0
0 .5 1 .0
0 .5 1 .0 0 .5 0 .5 0 0
0 0 0 0 0 0 0 .5 0 0 .5 0 .5 0 .5 1 .0 0 0
15
5
模糊决策 模糊控制器的输出为误差向量和模糊关系的合成 合成( 复合) 合成(复合)
0
0
0
0 0 0 0 0 0 PSe × PSu = 0 × [0 0 0 0 0 0.5 1.0 0.5 0] = 0 1.0 0 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
自学习、自适应;模糊推理策略;模糊模型辨识;稳定性;硬件实现
3
3.2 模糊控制的基本原理
以模糊集理论 模糊集理论、 模糊集理论 、 模糊语言变量、 模糊语言变量、 模糊逻辑推理为基础,从行为上模 模糊逻辑推理 仿人的模糊推理和决策过程的一种智能控制方法。
3.2.1 模糊控制器的构成
模糊控制器( Fuzzy Controller—FC )也称模糊逻辑控制器( Fuzzy Logic Controller—FLC)。采用模糊理论中模糊条件语句来描述,是一种 语言型控制器,也称模糊语言控制器( Fuzzy Language Controller-FLC)。 语言型控制器
12
0 0 0 0 0 0 .5 0 0 .5 0 .5 0 .5 1 0 0 .5 1 .0 0 .5 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
第三章、模糊控制系统
精确量(V0)
∴V0 = 5
当论域V中,其最大隶属度函数对应的输出值多于一个时, 简单取最大隶属度输出的平均即可:
即:当有(v1) µ 2)= L =µc (vJ ) 最大时 µ = (v
1 J 取v0 = ∑ v j J j =1
U 1 , U 2 , L ,U n :输出论域上模糊子集
总的模糊关系: R( 其中:
e , de , u ) = U Ri
n
当ki 取µv (vi )时
重心法
模糊化计算的其它方法:左取大、右取大等。
第二节:模糊控制系统的设计 一、模糊控制器的结构设计 模糊控制器的结构设计包括:输入输出变量选择、模糊化 算法、模糊推理规则和精确化计算方法。 一维模糊控制器 被控对象 输入输出 (按模糊控制器输入变量个数) 变量 多输入多输出 单输入单输出 二维模糊控制器 多维模糊控制器
例:x分成三档(NB、ZE、PB); y y分成两档(NB、PB); 模糊分区形式:
PB NB 0 NB ZE
R1
R2 R4
R3
PB 24
问:在此分档情况下,最大规则数为多少?
x
2 规则库 用一系列模糊条件描述的模糊控制规则就构成模糊控制规则库。 建立 规则库 选择输入变量和输出变量 建立规则(完备性、交叉性、一致性)
完备性:对于任意给定的输入均有相应的控制规则起作用。 交叉性:控制器的输出值总由数条规则来决定。 一致性:规则中不存在相互矛盾的规则。
模糊控制规则建立方法 1)专家经验法: 通过对专家控制经验的咨询形成控制规则库。 实质:通过语言条件语句来模拟人类的控制行为。
第三章模糊控制
▪ 规则库的基本要求
• 规则数量合理
控制规则的增加可以增加控制的精度,但是会影响系统的实时 性;控制规则数量的减少会提高系统的运行速度,但是控制的 精度又会下降。所以,需要在控制精度和实时性之间进行权衡
• 规则要具有一致性
控制规则的目标准则要相同。不同的规则之间不能出现相矛盾 的控制结果。如果各规则的控制目标不同,会引起系统的混乱。
Kec选的较大时,系统的超调变小,系统的响应速度变慢。
Ku选的过小时,系统动态响应过程变长,选择过大会导致系 统振荡。 Ku影响着控制器的输出,能过调整Ku可以改变被控 对象输入的大小。
14
3.1 模糊控制的工作原理
❖ 对输入量进行模糊化处理,包括确定语言变量和 隶属函数
▪ 确定语言变量的语言值 通常在语言变量的论域上,将其划分为有限的几档。
11
3.1 模糊控制的工作原理
❖ 输入量和输出量论域的设计
如何实现实际的连续域到有限整数离散域的转换?
通过引入量化因子ke、kec和比例因子ku来实现
期望值
+ - y
e
E
ke
d/dt
ec
kec
EC
模糊 U 控制器
u
ku
实际中误差的连续取值范围是e=[eL,eH],则:
ke
2m eH eL
12
3.1 模糊控制的工作原理
E* ke(e*eH2 eL)
E*C k ec(e*ceH c2 eL c)
18
3.1 模糊控制的工作原理
❖ 模糊化过程小结
第二步 将模糊控制器的精确输入E*和EC*转化为模糊输入A*和B*。
将E*和EC*所对应的隶属度最大的模糊值当作当前模糊控制器 的模糊输入量A*和B*。
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ppt
全空调型客车空调原理图
1、外进风;2出风口;3蒸发器风机:4蒸发器芯;5热水器芯: 6温度门:7、出风口:8车内进风
实行模糊控制要进行三个方面的工作: (1) 精确量的模糊化,把语言变量的语言值化 为某适当论域上的模糊子集; (2) 模糊控制算法和设计,通过一组模糊条件 语句构成模糊控制规则,并计算模糊控制 规则决定的模糊关系; (3) 输出信息的模糊判决,并完成由模糊量到 精确量的转化
在ABS中的的应用
车辆工况的多变及轮胎的非线性导致传统PID控制中比例、微分、 积分最佳参数匹配的困难, 模糊控制恰好适应了这种变工况非线性系统的控制,并具有鲁棒性 强的优点
也可以表示成
工作步骤:
输入量模糊化
建立模糊规则 进行模糊推理 输出量反模糊
3、模糊控制的特点
①适用于不易获得精确数学模型的被控 对象, ②是一种语言变量控制器 ③从属于智能控制的范畴。该系统尤其 适于非线性,时变,滞后系统的控制 ④抗干扰能力强,响应速度快,并对系 统参数的变化有较强的鲁棒性。
3、工作原理
把由各种传感器测出的精确量转换成为适于模糊 运算的模糊量,然后将这些量在模糊控制器中加以 运算, 最后再将运算结果中的模糊量转换为精确 量, 以便对各执行器进行具体的操作控制。 在模糊控制中, 存在着一个模糊量和精确量之间 相互转化的问题
模糊控制原理图
s:系统的设定值。 x1, x2:模糊控制的输入(精确量)。 X,1 , X2:模糊量化处理后的模糊量。 U:经过模糊控制规则和近似推理后得出的模糊控制量。 u:经模糊判决后得到的控制量(精确量)。 y:对象的输出。
智能控制技术-第三章
一个简单的求中间隶属度值的求取。
在模糊控制系统中,变量的量化给出了控 制器计算的简化和控制值的平滑之间的一 个折衷,为了消除大的误差,在量化级之 间的一些插值运算是必要的。
一个简单的方法是引入一个权系数w(.):对 于一个连续的测量值可以通过相邻两个离 散值的加权运算得到模糊度的值。
模糊控制器结构指的是输入输出变 量、模糊化算法、模糊推理规则和精确 化计算方法。
控制器的设计第一步首先确定控制器的输 入输出变量。
1、控制器输入输出变量
主要讲单输入-单输出模糊控制结构。
单输入-单输出模糊控制结构指的是系 统控制量只有一个,系统输出量只有一个。
单输入-单输出模糊控制结构又分一维模糊 控制器、二维模糊控制器和多维模糊控制 器。
m
vik i
v0
i1 m
ki
i1
ki视情况而定。如果,那么加权平均法就变为重 心法。
面积重心法对于不同的隶属度函数形状会
有不同的推理输出结果。最大隶属度函数 法对隶属度函数的形状要求不高。
第二节 模糊控制系统设计
一、模糊控制器的结构设计 在设计模糊控制器前,首先根据被
控对象的具体情况来确定模糊控制器的 结构。
设被控对象用以下三个控制规律描述:
规律1: 如果Yn=PM 且Un=PM 那么Yn+1=PB; 规律2: 如果Yn=PS 且Un=NS 那么Yn+1=ZE; 规律3: 如果Yn=NS 且Un=PS 那么Yn+1=ZE; 规律4: 如果Yn=NM 且Un=NM 那么Yn+1=NB; 其中Y是输出,U是控制,n是离散时间。
例如:两个输出变量A、B下的一个模糊空 间划分示意图。
第三章 模糊控制
模糊控制就是模仿人这样的控制。把人的操作经验和 知识整理出来形成规则。然后构成一个模糊控制器去实现 这些规则。简单的说,就是设计一个模糊控制器来代替这 位操作员去完成控制任务。
既然是模糊控制,那就与模糊有关。我们先来介绍模 糊的概念以及由它引伸出的模糊集合和模糊数学的概念。
什么叫模糊。那就是没有明确的边沿(或者说界限)。 我们在上面控制水箱的水位时提到“温度偏高”中的“偏 高”以及“加入较多冷却水”中的“较多”等,这些都是 一些模糊的概念。而人们利用这些概念,最终却能实现稳 定地控制水箱温度。
隶属度函数 的定义:给定论域 , 是论域
中的元素, 到A(x) 的一个映射为 ,X 它x确定了
论域中一个X模糊集0,1合 (用~号区分A普(x)通集合和模
糊集合)。
A ,而 的值可以是0
到1之间的某一A(x个) :值X ,这0,个1 值表示A(x) 这个元素归
属模糊集合 的程度。
x
下面举例A说明:到苹果园去摘“大苹果”。这
CA(x) : X 0,1。
而
CA(x)Fra bibliotek1 0
(x A) (x A)
—表示属于。
CA(x) 是集合 A 的特征函数,它表示 x 与 A 的
归属关系。
CA (只x) 有两个值1,0。也即这个 要x 么属于 ,
要么A不属于 。把集A合论的特征函数的概念推广
到Fu模nc糊tio集n)合。中用来一,个形(成~隶)属下度标函来数表(示M模em糊b集Ae(xr合)sh。ip
模糊集合是一种特别定义的集合,它与普通集合既有 联系但也有分别。对于普通集合而言,任何一个元素要么 属于该集合,要么不属于。非此即彼,界限分明,决无模 棱两可。而于模糊集合来说,一个元素可以属这个集合也 可认为不属于这个集合。例如对“老年人”这个集合来说, 51岁的人算不算这个集合的人?习惯来说过50岁已入土半 截了。但现在50岁的人,往往还年富力强。这种集合就是 模糊的了。如果某种场合希望多一些老年人,那么把51岁 的人也可算成“老年人”。这里可以看到模糊性是人们在 社会交往和生产实践中经常使用的。它提供了定性与定量、 主观与客观、模糊与清晰之间的一个人为的折中。
模糊控制与模糊决策精品PPT课件
若uj在第i 种意见vi中排第k位,则令Bi(uj)=n–k,称
m
B(u j ) Bi (u j ) i 1
为uj的Borda数.此时论域U的所有元素可按Borda 数的大小排序,此排序就是是比较合理的.
按加权Borda数集中后的排序为:
2/20/2021
u1,
u2,
u ,^_^
3
u4,
u6,
u5
41
模糊二元对比决策
设论域X ={x1, x2, … , xn}为n个被选方案,在n个被选 方案中建立一种模糊优先关系,即先两两进行比较,再将
这种比较模糊化. 然后用模糊数学方法给出总体排序,这
பைடு நூலகம்
就是模糊二元对比决策.
2/20/2021
^_^
38
例1 设U ={a, b, c, d, e, f }, |M|= m = 4人,
v1: a, c, d, b, e, f ; v2: e, b, c, a, f , d; v3: a, b, c, e, d, f ; v4: c, a, b, d, e, f ;
B(a)=5+2+5+4=16; B(b)=2+4+4+3=13;
2/20/2021
^_^
10
2/20/2021
^_^
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
2/20/2021
^_^
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:
- 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)。
图
多变量模糊控制器
模糊控制系统分类
1 按信号的时变特性分类
(1)恒值模糊控制系统 系统的指令信号为恒定值,通过模糊控制器消除外界对系统的 扰动作用,使系统的输出跟踪输入的恒定值。也称为“自镇定模 糊控制系统”,如温度模糊控制系统。 (2)随动模糊控制系统 系统的指令信号为时间函数,要求系统的输出高精度、快速地 跟踪系统输入。也称为“模糊控制跟踪系统”或“模糊控制伺服
这里,E1 , E2 ,, En 和 域上的模糊子集。
U 1 , U 2 , ,U n 均为输入、输出论
对于上述多重模糊推理语句,其总的模糊关系为:
R( e, u ) Ei U i
i 1 n
(3 8)
(2)二维模糊控制器 模糊控制器的输入语言变量有两个,而控制 器的输出变量仍为一个,被控对象仍旧是单输入 单输出系统。这类控制器的模糊控制规则一般可 描述为:
(3 10)
则对于任意系统误差 Ei 和系统误差变化DEi ,其对应 的模糊控制器输出Cij ,为
Cij (Ei DEj ) R (3 11)
根据输入和输出变量的个数,就可以求出所需要 规则的最大数目。 N nout * (nlevel) nin
nout 是输出变量的个数, 这里 nin是输入变量的个数, nlevel是输入与输出模糊划分的数目。
考虑到软件实现的限制,一般采用小于10个的输 入变量,否则就要考虑采用专用模糊逻辑推理集成 芯片。
3.2 模糊控制系统的设计
一、模糊控制器的结构设计 所谓模糊控制器的结构指的无非是它的输入输 出变量,模糊化算法,模糊推理规则和精确化计 算方法。 1、单输入-单输出模糊控制结构 系统的控制量和输出量都只有一个。单输入单输出模糊控制结构可分为一维模糊控制器,二 维模糊控制器和多维模糊控制器。而多维模糊控 制器指的是模糊逻辑控制器条件部中语言变量多 少。
系统”。
2 按模糊控制的线性特性分类 对开环模糊控制系统 S,设输入变量为u,输出变量
为v。对任意输入偏差Δ u和输出偏差Δ v,满足
v k u
u U , v V
定义线性度 δ ,用于衡量模糊控制系统的线性化 程度: v max 2 u max m 其中 vmax vmax vmin, umax umax umin , 为线性化 因子,m为模糊子集V的个数。
(1)一维模糊控制器 一维模糊控制器的输入输出语言变量只有一 个。假设模糊控制器的输入变量为 e ,输出控制 u ,则模糊控制规则一般有以下形式。 量为
R1 : if e is E1 R 2 : else if e is E2 ... R n : else if e is En then u is U1 then u is U 2 then uபைடு நூலகம்is U n
设 k0为一经验值,则定义模糊系统的线性特性为: (1)当 k k0 时,S为线性模糊系统; (2)当 k k 时,S为非线性模糊系统。
0
3 按静态误差是否存分类 (1)有差模糊控制系统 将偏差的大小及其偏差变化率作为系统的输入为有 差模糊控制系统。 (2)无差模糊控制系统 引入积分作用,使系统的静差降至最小。
三、模糊控制器的常规设计方法 常规模糊控制器如图3-4所示。
e
de
模糊化
E
DE
模糊逻辑决策
U
精确化
u
由模糊逻辑推理法可知,对于 n 条模糊控制规则 可以得到 n 个输入输出关系矩阵 R1 , R2 , , Rn ,从 而由模糊规则的合成算法可得系统总的模糊关系 矩阵为
R Ri
i 1 n
R1 : if e is E1 and de is DE1 R 2 : else if e is E2 and de is DE2 ... R n : else if e is En and de is DEn
then u is U1 then u is U 2 then u is U n
这里,E1 , E2 ,..., En .DE1 , DE2 ,... , DEn 和 U1 , U 2 , ... ,U n 均为输入、输出论域上的模糊子集。对于上述多重 模糊推理语句,其总的模糊关系为:
4 按系统输入变量的多少分类 控制输入个数为1的系统为单变量模糊控制系统,
控制输入个数>1的系统为多变量模糊控制系统。
二、模糊控制器的设计原则
尽管模糊控制系统没有经典控制器设计那样有成 熟而固定的设计过程和方法。但我们仍然可以总结 出以下供参考的原则性设计步骤。
1、定义输入输出变量 首先要决定受控系统的输入状态变量和输出控制 变量,如模糊温度控制器就必须定义系统的温度为 输入变量,而把加热操作量作为输出变量。
R( e , de , u ) ( Ei DEi ) U i
i 1 n
(3 9)
3)、多维模糊控制器 提高控制器输入变量的个数会提高控制器的 控制性能。但是,由于输入维数的增加导致了控 制规则的复杂化、控制算法的复杂化。因此,目 前多维模糊控制器并不常见。 2、多输入-多输出模糊控制结构 多输入-多输出模糊控制是一个非常复杂的系 统设计问题。目前还没有一套比较完整的理论来 指导系统的设计。 对于许多输入-多输出模糊控制系统而言,它 的规则提取无法直接从人的经验上来获得。为此 必须把观察和实验数据进行重组。
2、定义所有变量的模糊化条件 根据受控系统的实际情况,决定输入变量的测 量范围和输出变量的控制作用范围,以进一步确 定每个变量的论域,然后再安排每个变量的语言 值及其相对的隶属度函数。 3、设计控制规则库 这是一个把专家知识和熟练操作工的经验转换 为用语言表达的模糊控制规则的过程。
4、设计模糊推理结构 这一部分可以设计成通用的计算机或单片机 上用不同推理算法的软件程序来实现,也可采 用专门设计的模糊推理硬件集成电路芯片来实 现的。 5、选择精确化策略的方法 为了得到确切的控制值,就必须对模糊推理 获得的模糊输出量进行转换,这个过程称作精 确化计算,这实际上是要在一组输出量中找到 一个有代表性的值。