模糊控制心得

1、模糊控制的心得體會一、模糊控制的定義所謂模糊控制，就是對難以用已有規(guī)律描述的復(fù)雜系統(tǒng)，采用自然語 言(如大、中、小)加以敘述，借助定性的、不精確的及模糊的條件語句 來表達(dá)，模糊控制是一種基于語言的智能控制。模糊控制是近代控制理論中建立在模糊集合理論基礎(chǔ)上的一種基于語 言規(guī)則與模糊推理的控制理論，是智能控制的一個(gè)重要分支。二、模糊控制的發(fā)展史模糊理論(Fuzzy Logic )是在美國加州大學(xué)教授 L.A.Zadeh于1965年 創(chuàng)立的模糊集合理論的數(shù)學(xué)基礎(chǔ)上發(fā)展起來的，主要包括模糊集合理論、 模糊邏輯、模糊推理和模糊控制等方面的內(nèi)容。美國加州大學(xué)的 L.A.Zadeh 教授在 1965年發(fā)表了

2、著名論文，文中首次提到了表達(dá)事物模糊性的重要概 念：隸屬函數(shù)。從而突破了 19 世紀(jì)末笛卡爾的經(jīng)典集合理論，奠定了模糊 理論的基礎(chǔ)。 1966 年 P.N.Marinos 發(fā)表模糊邏輯的研究報(bào)告。 1974 年 L.A.Zadeh 發(fā)表模糊推理的研究報(bào)告。 從此，模糊理論成了一個(gè)熱門的課題。 1974 年，英國的 E.H.Mamdani 首次用模糊邏輯和模糊推理實(shí)現(xiàn)了世界上第 一個(gè)實(shí)驗(yàn)性的蒸汽機(jī)控制，并取得了比傳統(tǒng)的直接數(shù)字控制算法更好的效果，從而宣告模糊控制的誕生。1980年丹麥的L.P.Holmblad和Ostergard在水泥窯爐采用模糊控制并取得了成功，這是第一個(gè)商業(yè)化的有實(shí)際意義的

3、模糊控制器。三、模糊控制理論的特點(diǎn)模糊控制在動力系統(tǒng)控制、船舶自動駕駛、智能機(jī)器人和鍋爐控制等 方面已得到廣泛應(yīng)用。目前，在工業(yè)上投入運(yùn)行的模糊控制器，大多由一 組模糊控制規(guī)則組成，通過一定的模糊推理機(jī)制確定控制作用。模糊控制 (fuzzy control, FC) 是以模糊集合論、模糊語言變量及其模糊邏輯推理為基礎(chǔ)的計(jì)算機(jī)智能控制。與常規(guī)控制方法相比具有以下幾個(gè)優(yōu)點(diǎn)(1) 模糊邏輯比常規(guī)邏輯更接近人直觀的思維方式，控制系統(tǒng)的設(shè)計(jì)不 要求掌握受控對象精確的數(shù)學(xué)模型，只需要提供現(xiàn)場操作人員的經(jīng)驗(yàn)知識 及操作數(shù)據(jù)；經(jīng)常選用的隸屬函數(shù)都比較簡單，而所需要的控制規(guī)則不會過 多，從這些簡單的建造模塊出發(fā)

4、，系統(tǒng)卻可以完成非常復(fù)雜的任務(wù)。(2) 模糊控制采用人類思維中的模糊量，控制量由模糊推理導(dǎo)出，推理過程模仿人的思維過程，是一種反映人類智慧思維的智能控制；模糊控制的 核心是控制規(guī)則，這些規(guī)則以人類語言表達(dá)，易于接受。(3) 模糊控制器易于構(gòu)造和修改，模糊控制器以語言變量代替常規(guī)的數(shù) 學(xué)變量，易于形成專家系統(tǒng)的知識，開始可以用某些近似的隸屬集合和規(guī)貝然后再對參數(shù)重新定義，并不斷對系統(tǒng)進(jìn)行優(yōu)化。模糊推理的各種成 分都是獨(dú)立地對函數(shù)進(jìn)行處理，所以系統(tǒng)可以較容易地被修改。(4) 模糊控制系統(tǒng)的魯棒性強(qiáng)，對過程參數(shù)的變化不敏感，對系統(tǒng)參數(shù)變化的適應(yīng)性強(qiáng)，在所有工作點(diǎn)上都能做到較穩(wěn)定的控制。常規(guī)的基于數(shù)

5、學(xué)模型的控制系統(tǒng)傾向于是一個(gè)相互依賴的整體，如果一個(gè)方程失敗，或 者如果物理系統(tǒng)的條件改變使得模型不再有效，則整個(gè)控制過程有可能崩 潰。而模糊邏輯含有大量功能獨(dú)立的元素與規(guī)則，模糊輸出是多個(gè)規(guī)則影 響的合并，所以即使一個(gè)規(guī)則失效了，其他的規(guī)則往往可以補(bǔ)償。此時(shí)的 系統(tǒng)可能不是最佳控制，但是仍然會正常工作。四、模糊控制原理由于一個(gè)模糊概念可以用一個(gè)模糊集合來表示，因此模糊概念的確定 問題就可以直接轉(zhuǎn)換為模糊隸屬函數(shù)的求取問題。因此，對于一類缺乏數(shù) 學(xué)模型的被控對象，可以用模糊集合的理論。人對系統(tǒng)的操作和控制經(jīng)驗(yàn), 總結(jié)成用模糊條件語句的形式寫出的控制規(guī)則。經(jīng)過必要的數(shù)學(xué)處理，來 確定一定的推理法

6、則，做出模糊決策，完成控制動作。具有上述功能的模糊控制系統(tǒng)結(jié)構(gòu)如圖:du/dt受控對象去模糊化最基本的模糊控制系統(tǒng)結(jié)構(gòu)如圖2所示。圖中R為設(shè)定值，丫為系統(tǒng)輸 出值，它們都是清晰量。從圖 2可以看出，模糊控制器的輸入量是系統(tǒng)的 偏差量。，它是確定數(shù)值的清晰量，通過模糊化處理，用模糊語言變量E來描述偏差，模糊推理輸出U是模糊變量，在系統(tǒng)中要實(shí)施控制時(shí)，模糊量 U 還要轉(zhuǎn)化為清晰值，因此要進(jìn)行清晰化處理，得到可以操作的確定值召， 通過產(chǎn)的調(diào)整作用，使偏差。盡量小。圖2模糊控制系統(tǒng)方框圖3#模糊控制器的組成模糊控制器的組成如圖3所示圖3模糊控制器的組成它包含有模糊化接口、規(guī)則庫、模糊推理、清晰化接口等

7、部分。輸入#變量是過程實(shí)測量與系統(tǒng)設(shè)定值之間的差值，輸出變量是系統(tǒng)的實(shí)時(shí)控制修正變量。模糊控制的核心部分是包含語言規(guī)則的規(guī)則庫和模糊推理。模 糊推理就是一種模糊變換，它將輸入變量模糊集變換為輸出變量模糊集， 實(shí)現(xiàn)論域的轉(zhuǎn)換。(1) 模糊化接口。模糊化是將模糊控制器輸入量的確定值轉(zhuǎn)換為相應(yīng)模糊語言變量值的 過程，此相應(yīng)語言變量均由對應(yīng)的隸屬度來定義。若以偏差。為輸入，通 過模糊化處理，用模糊語言變量 E來描述偏差，若以T(E)記作E的語言值 集合，則有 :T(E): 負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大 或用其英文字頭縮寫表示成 : 'T(E)二NB，NM，NS, ZE, PS, PM

8、，PB過程參數(shù)的變化范圍是各不相同的，為了統(tǒng)一到指定的T.(E)論域中來， 模糊化的第一個(gè)任務(wù)就是進(jìn)行論域變換，過程參數(shù)的實(shí)際變化范圍稱為基 本論域?？梢酝ㄟ^變換系數(shù)(量化因子)實(shí)現(xiàn)由基本論域到T(E)論域的變換。模糊化的第二個(gè)任務(wù)是求得輸入對應(yīng)于語言變量的隸屬度。語言變量 的隸屬函數(shù)有兩種表示方式，即離散方式和連續(xù)方式。離散方式是只取論 域中的離散點(diǎn) (整數(shù)值)及這些點(diǎn)的隸屬度來描述一個(gè)語言變量 ;連續(xù)方式將 隸屬度表示成論域變量的連續(xù)函數(shù)，最常見的隸屬函數(shù)形式有三角形、高 斯型、正態(tài)型、梯形等。(2) 規(guī)則庫。規(guī)則庫是由若干條模糊語言控制規(guī)則所組成的，這些控制規(guī)則可以來 自于現(xiàn)場操作人員或

9、專家等，是對規(guī)則操作的經(jīng)驗(yàn)性總結(jié)，規(guī)則庫中的控 制規(guī)則可以用語言規(guī)則形式給出。(3) 模糊推理。利用模糊推理，可以由輸入的模糊集合 E得到輸出的模糊集合U。推 理是從一些模糊前提條件推倒出某一結(jié)論，這些結(jié)論可能存在模糊和確定 兩種情況。目前模糊推理有十幾種方法，大致分為直接法和間接法兩類。通常把隸屬函數(shù)的隸屬度值視為真值進(jìn)行推理的方法是直接推理法。最常用的是Mamd面的max.而n合成法。(4) 清晰化接口。 清晰化接口又稱去模糊或解模糊。根據(jù)規(guī)則經(jīng)過推理得到的是模糊集 合(單點(diǎn)集合除外 )，它仍然無法被執(zhí)行機(jī)構(gòu)識別和執(zhí)行，因此需要將模糊集 合變成清晰值，這個(gè)過程稱為清晰化。清晰化的方法很多，

10、其中最簡單常 用的一種是最大隸屬度法?？偵纤?，模糊控制器實(shí)際上是依靠微機(jī) (或單片機(jī) )構(gòu)成的。 它的絕大 部分功能由計(jì)算機(jī)程序來完成的。隨著專用模糊芯片的研究和開發(fā)，也可 以由硬件逐步取代各組成單元的軟件功能。五、模糊控制系統(tǒng)的 matlab 設(shè)計(jì)與仿真模糊控制是智能控制的一個(gè)重要分支，其實(shí)質(zhì)是對人觀察、思考、判 斷、決策的思維過程的一種模擬。模糊控制器的設(shè)計(jì)在很大程度上依賴于 設(shè)計(jì)者的實(shí)踐經(jīng)驗(yàn)，帶有相當(dāng)?shù)闹饔^性。因此，對于一個(gè)特定的被控對象， 需要借助某種手段對控制器進(jìn)行優(yōu)化才能取得較為滿意的設(shè)計(jì)效果。改善 模糊控制性能的最有效方法是優(yōu)化模糊控制器的控制規(guī)則和有關(guān)參數(shù)。 Matlab 是

11、一種面向科學(xué)與工程計(jì)算的高級語言， 它集科學(xué)計(jì)算、 自動控制、 模糊系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等學(xué)科的處理功能于一體，編程效率高，使用簡單方 便。 Matlab 具有強(qiáng)大的擴(kuò)展功能，它提供的建模可視化軟件包 Simulink 和 各種工具箱為仿真研究提供了強(qiáng)有力的手段。借助于它們，可以直觀方便 地進(jìn)行分析、計(jì)算和仿真研究。為提高設(shè)計(jì)模糊控制器的效率，本文在相 關(guān)研究的基礎(chǔ)上，提出了一種基于 Matlab 的模糊控制器優(yōu)化設(shè)計(jì)與仿真分 析的實(shí)現(xiàn)方法。該方法首先利用模糊系統(tǒng)工具箱( Fuzzy Logic Toolbox )的 圖形用戶界面( GUI )工具結(jié)合 Matlab 函數(shù)構(gòu)建模糊控制器，然后利用最

12、優(yōu)化工具箱(Optimization Toolbox)函數(shù)對模糊控制規(guī)則和參數(shù)進(jìn)行優(yōu)化， 最后利用 Simulink 建立仿真模型并仿真分析系統(tǒng)動態(tài)性能和優(yōu)化設(shè)計(jì)結(jié) 果。Matlab 是 MathWork 公司于 1984 年推出的基于矩陣運(yùn)算的強(qiáng)大數(shù)值計(jì) 算軟件。因?yàn)槠浠镜臄?shù)據(jù)單位是矩陣 ,指令表達(dá)又與數(shù)學(xué)、工程中常用的 習(xí)慣形式十分相似 ,因此用 Matlab 解決問題要比用 C 或者 Fortran 等簡捷得多。Matlab包含許多功能強(qiáng)大的工具箱，Simulink工具箱就是其中之一。它 是實(shí)現(xiàn)動態(tài)系統(tǒng)仿真的一個(gè)集成環(huán)境，其主要功能是對動態(tài)系統(tǒng)作適當(dāng)?shù)姆?真分析，從而可以在實(shí)際系統(tǒng)做出

13、之前預(yù)先對系統(tǒng)進(jìn)行分析，并做出適當(dāng)?shù)膶?shí)時(shí)修正，以增強(qiáng)系統(tǒng)的性能，減少系統(tǒng)反復(fù)修改的時(shí)間。Matlab還提供了模 糊邏輯工具箱，即Fuzzy工具箱。它是運(yùn)用圖形用戶界面(GUI)來設(shè)計(jì)模糊控 制器的，可以直觀的完成模糊控制器的設(shè)計(jì)。同時(shí)此工具箱中還提供30多個(gè) 函數(shù),用戶可以通過命令來調(diào)用這些函數(shù)，完成模糊控制器的設(shè)計(jì)。已知受控對象:1_0.5SG(s)e.系統(tǒng)輸入為階躍輸入，系統(tǒng)10S+1設(shè)計(jì)模糊控制器使其具有良好的階躍響應(yīng)輸出誤差為e,誤差變化率為ec,控制量為u。選取模糊控制器(FC)的輸入e和ec及其控制量u的論域均為-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6;e,

14、ec及u的語言變量值均選為NB、NM、NS、ZE、PS、PM、PB。模糊推理規(guī)則可根據(jù) 經(jīng)驗(yàn)總結(jié)出，如表1所示。然后就利用Simulink實(shí)現(xiàn)模糊控制器的設(shè)計(jì)及系統(tǒng)的仿真。表1 FC的模糊控制規(guī)則表XNBNMNSZEPSPMPBNBNBNBNBNBNMZEZENMNBNBNBNBNMZEZENSNMNMNMNMZEPSPSZENMNMNSZEPSPMPMPSNSNSZEPMPMPMPMPMZEZEPMPBPBPBPBPBZEZEPMPBPBPBPB圖4模糊控制系統(tǒng)框圖仿真結(jié)果如下圖所示:六、模糊控制理論現(xiàn)狀盡管模糊控制理論已經(jīng)取得了可觀的進(jìn)展，但與常規(guī)控制理論相比仍不 成熟。模糊控制系統(tǒng)的分析

15、和設(shè)計(jì)尚未建立起有效的方法，在很多場合下仍 然需要依靠經(jīng)驗(yàn)和試湊。近年來，許多人一直嘗試將常規(guī)控制理論的概念和 方法擴(kuò)展至模糊控制系統(tǒng)，而模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法已成為研究 的熱點(diǎn)，二者的結(jié)合有效地推動了自學(xué)習(xí)模糊控制的發(fā)展。模糊控制易于獲得由語言表達(dá)的專家知識，能有效地控制那些難以建立 精確模型而憑經(jīng)驗(yàn)可控制的系統(tǒng)，而神經(jīng)網(wǎng)絡(luò)則由于其仿生特性更能有效利 用系統(tǒng)本身的信息，并能映射任意函數(shù)關(guān)系，具有并行處理和自學(xué)習(xí)能力，容 錯(cuò)能力也很強(qiáng)。在集成大系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)可用于處理低層感知數(shù)據(jù)，模糊邏 輯可用于描述高層的邏輯框架。模糊邏輯與神經(jīng)網(wǎng)絡(luò)的結(jié)合有兩種情況：一是將模糊技術(shù)用于神經(jīng)網(wǎng)絡(luò)形成模

16、糊神經(jīng)網(wǎng)絡(luò)，一是用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊控 制。這兩方面均見于大量的研究文獻(xiàn)。利用模糊復(fù)合控制理論的分檔控制,將PI或PID控制策略引入Fuzzy控 制器，構(gòu)成Fuzzy-PI或Fuzzy-PID復(fù)合控制;適應(yīng)高階系統(tǒng)模糊控制需要的三 維模糊控制器；將精確控制和模糊控制結(jié)合起來的精確一模糊混合控制；將預(yù)測控制與模糊控制相結(jié)合，利用預(yù)測模型對控制結(jié)果進(jìn)行預(yù)報(bào)，并根據(jù)目 標(biāo)誤差和操作者的經(jīng)驗(yàn)應(yīng)用模糊決策方法在線修正控制策略的模糊預(yù)測控 制等。模糊控制的發(fā)展過程中 ,提出了多種自組織、自學(xué)習(xí)、自適應(yīng)模糊控制 器。它們根據(jù)被控過程的特性和系統(tǒng)參數(shù)的變化 ,自動生成或調(diào)整模糊控制 器的規(guī)則和參數(shù) ,達(dá)到控制目

17、的。這類模糊控制器在實(shí)現(xiàn)人的控制策略基礎(chǔ) 上 ,又進(jìn)一步將人的學(xué)習(xí)和適應(yīng)能力引入控制器 ,使模糊控制具有更高的智 能性。自校正模糊控制器、參數(shù)自調(diào)整模糊控制等控制方法也都較大地增 強(qiáng)了對環(huán)境變化的適應(yīng)能力。模糊控制與其他智能控制方法的結(jié)合組成的模糊控制 ,如專家模糊控制 能夠表達(dá)和利用控制復(fù)雜過程和對象所需的啟發(fā)式知識 ,重視知識的多層次 和分類的需要 ,彌補(bǔ)了模糊控制器結(jié)構(gòu)過于簡單、規(guī)則比較單一的缺陷 ,賦予 了模糊控制更高的智能。二者的結(jié)合還能夠擁有過程控制復(fù)雜的知識,并能夠在更為復(fù)雜的情況下對這些知識加以有效利用?；谏窠?jīng)網(wǎng)絡(luò)的模糊控 制能夠?qū)崿F(xiàn)局部或全部的模糊邏輯控制功能。模糊控制器正向著自適應(yīng)、自組織、自學(xué)習(xí)方向發(fā)展 ,使得模糊控制參 數(shù)、規(guī)則在控制過程中自動地調(diào)整、修改和完善 ,從而不斷完善系統(tǒng)的控制 性能 ,達(dá)到更好的控制效果 ,而與專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等