全自动洗衣机模糊控制器设计

全自动洗衣机模糊控制器

设计

This manuscript was revised on November 28, 2020

全自动洗衣机模糊控制器设计

1 简介

洗衣机自问世以来，经过一个多世纪的发展，现正呈现出全自动、多功能、大容量、高智能、省时节能的发展趋势。近年来，电子技术、控制技术、信息技术的不断完善、成熟，为上述发展趋势提供了坚强的技术保障。美国教授查徳（）在1965年首先提出模糊集合的概念，由此打开了模糊数学及其应用的大门。1974年英国教授马丹尼（）首先将模糊集合理论应用于加热器的控制，创造了模糊控制的基本框架。1980年，Sugeno开创了日本的首次模糊控制应用于一家富士电子水净化厂。1983年他又开始研究模糊机器人。随着模糊控制技术的不断发展，模糊控制逐渐被应用到日用家电产品的控制，例如电饭锅﹑照相机﹑吸尘器﹑洗衣机等。模糊控制全自动滚筒洗衣干衣机是通过模糊推理找出最佳洗涤烘干方案，以优化洗涤烘干时间、洗净程度、烘干效果，最终达到提高效率，简化操作，节水节电省时的效果。

2 模糊洗衣机的基本原理

洗衣机的自动控制系统为一多输入多输出系统 ,输入量为衣质、衣量、脏污程度(即水的浑浊度)、脏污性质(浑浊度变化率);输出量为洗涤剂量、水位、水流、脱水时间、洗涤时间、漂洗方式等。从洗衣机的运行过程可以看出 ,洗涤剂量、水位、水流、脱水时间都可以通过输入量推理求得,而洗涤时间与漂洗方式为实时控制量,影响其主要因素是被洗物品的脏污程度,这两个量可以用水的浑浊度和浑浊度变化率来表示,油性脏污的浑浊度变化率小,泥性脏污的浑浊度变化率大。实际分析证明:输入与输出之间很难用一定的数学模型来描述,系统的具体条件具有较大的不确定性,其控制过程在很大程度上依赖于操作者的经验,用常规的控制方法难以达到理想的效果。而采用模糊控制技术

就能很容易解决问题。因而采用了模糊控制器设计全自动洗衣机。在洗涤衣物的过程中,衣物的多少、面料的软硬、衣物的脏污程度等都是模糊量,所以必须经过大量的实验,总结出人为的洗涤方式,从而形成模糊控制规则。再根据检测系统检测到的信息,判断出衣物多少、面料软硬、脏污程度、脏污性质等,计算出控制量,从而完成注水量、洗涤时间、水流强弱、洗涤方式、脱水时间、排水等一列的设置。根据上述分析和模糊控制技术的基本原理,可以确定洗衣机的模糊控制框如图。

3.模糊控制器的设计

定义输入输出量的模糊分布

因为本文重点阐述由泥性肮脏度和油性肮脏度确定洗涤时间的模糊控制过程，所以定义了以下三个语言变量：

1、污泥分为三个指数表示：SD（污泥少）、MD（污泥中）、LD（污泥多）。隶属

函数如下所示：

三角隶属函数实现污泥的模糊化。Matlab仿真，污泥隶属函数设计程序

%Define N +1 triangle membership function

clear all

close all

N = 2;

x = 0::100;

for i= 1:N + 1

f(i) = 100/N*(i - 1);

end

u = trimf(x,[f(1),f(1),f(2)]);

figure(1);

plot(x,u);

for j = 2:N

u = trimf(x,[f(j - 1),f(j),f(j + 1)]);

hold on;

plot(x,u);

end

u = trimf(x,[f(N),f(N + 1),f(N + 1)]);

hold on;

plot(x,u);

xlabel(x);

ylabel(‘Degree of membership');

仿真结果图3-1。

图3-1 污泥隶属函数

选用以下隶属函数

三角形隶属函数实现油脂的模糊化，图3-2。

图3-2 油脂隶属函数

选用以下隶属函数

三角形隶属函数实现洗涤时间的模糊化，如图3-3所示。

图3-3 洗涤时间隶属函数

4.建立模糊控制规则

根据人的操作经验设计模糊规则，模糊规则设计的标准为：

“污泥越多，油脂越多，洗涤时间越长”；

“污泥适中，油脂适中，洗涤时间适中”；

“污泥越少，油脂越少，洗涤时将越短”。

所示。

模糊推理

a.规则匹配

假设当前传感器测得的信息为：0x （污泥）=60，0y （油脂）=70，分别代入所属的隶属函数中，求隶属度为

()5460=

MD μ，()5160=LD μ ()5370=G M μ，()5

2

70=LG μ

4种隶属度，4条匹配的模糊规则

表4-2 模糊推理结果

b.表4-2，触发规则4条，即

1：IF y is MD and x is MG THEN z is M 2：IF y is MD and x is LG THEN z is L 3：IF y is LD and x is MG THEN z is L 4：IF y is LD and x is LG THEN z is VL c.规则前提推理

在同一规则，通过“与”的关联得到规则结论。前提的可信度之间通过取小运算，得到每一规则总前提可信度为

规则1 前提可信度：min(4/5,3/5) = 3/5 规则2 前提可信度：min(4/5,2/5) = 2/5 规则3 前提可信度：min(1/5,3/5) = 1/5 规则4 前提可信度：min(1/5,2/5) = 1/5 得到规则强度表，

表4-3 规则前提可信度

d.得到每条规则总的可信度输出，

表4-4 规则总的可信度