模糊控制的现状及发展

模糊控制的现状与发展

摘要：综合介绍了模糊控制技术的基本原理、控制器的设计、应用及研究领域的问题和发展状况，并对今后的发展前景进行了展望。

关键词：模糊控制；控制原理；稳定性

1、模糊控制概述

自从 1965年美国自动控制理论专家 Zadeh L A提出用模糊集合描述客观世界中存在的不确定性信息以来，模糊逻辑理论有了飞跃性的发展，并得到了广泛的应用。模糊控制【1】( fuzzy control)是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法，从行为上模拟人的思维方式，对难建模的对象实施模糊推理和决策的一种控制方法，实际上是一种非线性控制。模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域、家用电器自动化领域和其他很多行业中解决了传统控制方法无法或者是难以解决的问题，取得了令人瞩目的成效，引起了越来越多的控制理论的研究人员和相关领域的广大工程技术人员的极大兴趣。

2、模糊控制的原理

模糊控制算法的工作过程可是【2】：微机通过中断采样获取被控制量的精确值，并将此量与给定值比较得到一误差信号 E，一般选误差信号 E作为模糊控制器的一个输入量。把误差信号 E的精确量进行模糊化变成模糊量，误差 E的模糊量可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 ( e 是一个误差 E的模糊矢量 )，再由 e和模糊关系 R根据推理的合成规则进行模糊决策,得到模糊控制量 u，即u = e R模糊控制的框图如图 1所示。由图一可知，模糊控制系统与通常的计算机数字控制系统的主要区别是采用了模糊控制器。模糊控制器是整个模糊控制系统的核心，一个模糊控制系统性能优劣，主要取决于模糊控制器的结构所采用的模糊规则、合成推理算法及模糊决策的方法等因素。

图一、模糊控制原理框图

3、模糊控制器的设计

模糊控制的核心部分为模糊控制器, 它包括模糊化接口、规则库、模糊推理和清晰化接口等部分。

3.1 确定量的模糊化

模糊化 (Fuzzification) 就是将基础变量论域上的确定量变换成基础变量论域上的模糊集的过程，模糊化的步骤如下：

3.1.1把精确量离散化，其主要作用是将真实的确定量输入转换成一个模糊矢量。在进行模糊化之前，先需对输入量进行尺度变换，使其变换到相应的论域范围。变换的方法可以是线性的也可以是非线性的。

3.1.2确定输入值相对于相应语言变量语言值的隶属度。在一个模糊控制系统中，隶属函数的形状和位置直接影响着系统的性能。

3.2模糊控制规则库的生成

规则库包含与生产过程有关的经验型知识，在设计模糊控制规则时，必须考虑控制规则的完备性、交叉性和一致性。模糊控制规则的生成大致有以下四种方法：①根据专家经验或过程知识生成；②根据过程模糊模型生成；③根据对手工操作的系统观察和测量生成；④根据学习算法生成。

模糊控制规则建立完之后，还必须对规则进行优化处理，从本质上解决控制规则的数量与质量问题。

3.3 模糊控制算法

模糊控制算法的目的就是从输入的连续精确量中，通过模糊推理的运算过程，求出相应的清晰量的控制量。模糊控制算法有多种实现形式，目前常采用的算法有：①CRI推理法；②函数型推理法；③Mandani 直接推理法后件函数法；

④特征展开推理法。除此之外，水本雅晴【2】还提出了“ ( +，·) 重心法”的推

理方案，他认为该方法在使用中要比Mandani 推理法来得方便。

3.4 模糊量的清晰化

非模糊化处理是将模糊推理中产生的模糊量转化为精确值，常见的清晰化方法有以下几种【3】：①最大隶属度值法 (MC)；②最大隶属度平均值法(MOM)；③面积平均法 ( COA )；④重心法(CO G)；⑤左取大 (LM) 和右取大 (RM) 。

由于以上这些清晰化方法在不同程度上都具有一定的局限性，Filev 和 Yager 采用学习机制提出了一种基本非模糊化分布函数法 (BADD)，对COG中的加权因子进行了修正，在此基础上又提出了半线性非模糊化方法 (SL IDE) 以及改进半线性非模糊化方法 (MSL IDE) 。J iang 和 Li 对常见非模糊化方法进行了总结，提出了基于广义传递函数的非模糊化方法。

4、模糊控制的应用

模糊控制处于发展初期，但它提供了常规控制策略所不能替代的高效控制方法，已在各领域中，如工业、医疗、经济、军事等方面达到广泛的应用，并取得了一定的成果。

就模糊控制的改进方法，模糊控制的应用大致可分为以下几种：

4.1 Fuzzy— P I D复合控制

通常由简单模糊控制器、P I和 PI D控制器组成。利用模糊控制器对系统实现非线性的智能控制，利用 P I控制器克服模糊控制器在系统达到稳态时可能产生的震荡及稳态误差大的问题。Fuzzy—PI D复合控制有以下几种系统结构：①双模糊控制结构；②串联控制结构；③并联控制结构；④串级控制结构。Fuzzy —P I D复合控制优于纯 PI D控制或纯模糊控制【4】【5】【6】，能提高简单模糊控制器的稳态性能，也能提高普通 P I D控制器的鲁棒性的结论。

4.2 变结构模糊控制器

一般采用多个简单的子模糊控制器构成一个变结构模糊控制器，每个子模糊控制的控制规则、参数、控制目标都不同。在变结构模糊控制器的输入端有一个系统特征状态识别器，根据系统的偏差、偏差变化率等特征状态，系统可切换到不同的子模糊控制器上。这种复合控制器即能保持变结构控制的鲁棒性及快速性【7】【8】，又能消除变结构控制器的抖振问题的结论。

4.3模糊 H∞控制器

一般由简单模糊控制器和 H∞控制器组合而成。

4.4自适应模糊控制器

所谓自适应模糊控制器是指这样的一种控制器：在实时运行时，它能对控制器自身的有关参数进行调整，使系统的控制品质得到改善和提高。如在导弹飞行动态精确数学模型困难的前提下【9】，所设计的控制器有较好的鲁棒性和自适应能力的结论。自校正模糊控制器的设计一般有 3种校正方法，即调整比例因子法、调整模糊控制规则法和调整语言变量的隶属函数法。

4.5基于神经网络的模糊控制

神经网络对环境的变化有较强的自适应学习能力，用神经网络的学习能力，能够获取并修正模糊控制规则和隶属函数。

5、模糊控制的热点问题

模糊控制技术是一项正在发展的技术，虽然近年来得到了蓬勃发展，但它也存在一些问题，主要有以下几个方面：

(1)还没有有形成完整的理论体系，没有完善的稳定性和鲁棒性分析

(2)控制系统的性能不太高(稳态精度较低，存在抖动及积分饱和等问题)

(3)自适应能力有限

任何一个自动控制系统要正常工作，首先必须是稳定的。由于模糊系统本质上的非线性和缺乏统一的系统描述，使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和设计。因此，模糊控制理论的稳定性分析一直是一个难点课题，未形成较为完善的理论体系。正因为如此，关于模糊系统的稳定性分析近年来成为众人关注的热点，发表的论文较多，提出了各种思想和分析方法。目前模糊控制系统稳定性分析方法主要有以下几种：

(1)李亚普诺夫方法

(2)基于滑模变结构系统的稳定性分析方法

(3)描述函数方法

(4)圆稳定性判据方法

模糊控制系统的稳定性分析还有相平面法、关系矩阵分析法、超稳定理论、