模糊控制综述
模糊控制综述
目录
1. 引言 (1)
2. 模糊控制概况 (1)
2.1模糊控制理论 (1)
2.2模糊控制系统的稳定性 (2)
2.3模糊推理方法 (3)
3. 模糊控制现状 (4)
3.1常规模糊控制 (4)
3.2高性能模糊控制 (4)
3.3复合模糊控制 (4)
4. 模糊控制研究方向 (5)
4.1模糊控制与神经网络结合 (5)
4.2模糊控制、神经网络与遗传算法(GA) 的结合 (6)
4.3模糊控制、神经网络与控制方法的结合 (6)
4.4模糊控制研究的其他方面 (6)
5. 工程应用 (7)
6. 展望 (8)
参考文献 (8)
模糊控制综述
摘要：简要介绍了模糊控制的概念和特点, 详细介绍了模糊控制相关原理, 较详细的介绍了模糊控制的现状, 包括模糊PID 控制、自适应模糊控制、神经模糊控、遗传算法优化的模糊控制、专家模糊控制等,最后对模糊控制的发展作了展望。
关键词：模糊控制模糊控制稳定性神经网络控制专家控制
1.引言
模糊控制建立在模糊集理论的基础上。1965年，美国加州大学的Lotfi.A.Zadeh博士为了处理人的思维中普遍存在的模糊性，提出了模糊集合理论。该理论以模糊集合、语言变量和模糊逻辑为基础，用比较简单的数学形式直接将人的判断、思维过程表现出来，从而逐渐得到了广泛的应用，应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。在自动控制领域，以模糊集理论为基础发展起来的模糊控制将人的控制经验及推理过程纳入自动控制提供了一条捷径[1]。
模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种系统推理方法，因而能够解决许多复杂而无法建立精确的数学模型系统的控制问题，是处理推理系统和控制系统中不精确和不确定性的一种有效方法。从广义上讲，模糊控制问题是基于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制，它是模糊数学同控制理论相结合的产物，同时也构成了智能控制的重要组成部分。模糊控制的突出特点在于：
(1)控制系统的设计不要求知道被控对象的精确数学模型，只需提供现场操作人员的经验知识及操作数据；
(2)控制系统的鲁棒性强，适应于解决常规控制难以解决的非线性、时变及之后系统；
(3)以语言变量代替常规的数学变量，易于构造专家的“知识”；
(4)控制推理采用“不精确推理(approximate reasoning)”，推理过程模仿人的思维过程，由于介入了人类的经验，因而能够处理复杂甚至“病态”系统[2]。
2.模糊控制概况
模糊控制系统的实现，有许多需要研究解决的问题，如模糊控制的基础理论、模糊控制系统的稳定性、模糊推理方法等，本文将综述模糊控制实现过程中的有关问题。
2.1模糊控制理论
模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。语言变量的概念是模糊控制的基础。在模糊控制中，模糊控制器的作用在于通过电子计算机，根据精确量转化而来的模糊输入信息，按照语言控制规则进行模糊推理，给出模糊输出判决，将其转化为精确量，对被控对象进行控制作用。基于模糊控制系统包括模糊处理、模糊推理和非模糊化控制三个环节。
模糊化处理就是把输入变量映射到一个合适的响应论域的量程，这样，精确的输入数据就会变成合适的语言值或模糊集合的标识符。一般的模糊控制器采用误差及其变化作为输入语言变量。
设误差的基本论域为[-e,e],误差所
取得基本论域为{-n,-n+1,…0,…,n-1,n}，其中e表征误差大小的精确量，n是在
0~e范围内连续变化的误差离散化后分成的档数，一般取6或7。然后通过量化因子进行论域变化，量化因子k 定义为ke=n/e。同样可以对误差变化率进行模糊化。
由于量化因子的有限选择，难以保证被控过程都处于最佳控制状态，往往会降低模糊控制系统的鲁棒性。因此对于大纯滞后系统，可采用由数组量化因子实现的变量化因子，或采用不同状态下对量化因子进行自调整办法。
模糊推理一般采用if A then B形式的条件语句来描述，调整和校准模糊规则是模糊控制中的关键问题，景年来取得重大进展。Takagi 和Sugeno 通过使用最小二乘法近似作出了最初的贡献。
非模糊化是模糊系统的重要环节, 是将模糊推理中产生的模糊量转化为精确量。常见的非模糊化方法主要有最大隶属度值法、面积平均法、重心法和最大隶属度平均值法。这些方法在不同程度上有着一定的局限性,Filev 和Yager 提出了一种基本非模糊化分布函数法BADD,对重心法中的加权因子进行了修正。随后又提出了半线性非模糊化方法SLIDE,改进半线性非模糊化方法MSLIDE ,但效果不很理想。
根据模糊化方法、模糊推理和非模糊化方法的不同选取,常见的模糊系统还有基于函数FBF 的模糊系统和SAM模糊系统。
模糊基函数是Wang首先提出的,采用重心平均非模糊化机制、乘积推理规则级单值模糊化机制,采用Gaussian型隶属度函数。
Zeng 基于梯形隶属度函数提出了另一种函数FBF模糊系统。SAM模糊系统即标准加型模糊系统是Kosko 在1993 年提出的,从映射的角度研究模糊系统,提出椭圆体映射关系,应用范围更加广泛[3]。
2.2模糊控制系统的稳定性
稳定性是非线性模糊控制系统的重要指标之一, 因为只有对模糊控制系统建立有效的稳定性标准, 才能从理论角度设计基于模型的模糊控制器, 才能建立合理的具有优良性能指标的模糊控制规则。然而, 鉴于模糊控制系统结构的复杂性, 控制环境的不确定性及对系统功能结构和动态行为描述的特殊方式, 其稳定性分析方法也远非传统的基于精确数学模型的稳定性分析方法那样简单和成熟, 模糊控制系统的稳定性分析的困难在于：
(1)模糊逻辑本身难于表达传统意义下的稳定性；
(2)非线性系统的分析和设计要远比线性系统复杂得多；
(3)现时还没有建立一套完整的模糊控制理论, 模糊控制所具有的巨大潜力还远远没有发挥出来。
Gupta 最早研究了模糊控制系统的稳定性和能控性问题 , 给出了稳定性指标。现时多是讨论在李亚普诺夫意义下的稳定性, 因而控制系统的稳定性分析至少需要模糊模型, 著名的T2S 模型, 不仅开创了模糊模型辨识的一整套方法, 同时也为模糊控制系统的稳定性分析提供了模型基础。
基于语言模糊模型的稳定性测试有许多种方法, 这其中, 文[4]给出了一种有效的稳定性判定方法。该方法采用模糊块图进行系统设计和稳定分析, 导出了基于李亚普诺夫直接方法保证模糊系统稳定的充分条件, 即: 对于规则集中所有的规则, 若其李亚普诺夫方程存在一个公共的矩阵解, 则系统是稳定的。模糊块连接增加了模糊关系数量, 该文未能给出寻找李亚普诺夫函数的系统的方法, 需要相当大的计算量, 有些稳定的系统可能被确定为不稳定。同样基于模糊模型和李亚普诺夫意义下的稳定性的充分条件, 文[5]给出了连续系统在稳定条
件下能够消除稳态误差的FUZZY-PID 控制器设计的系统方案。
Tanaka 随后又将模糊系统稳定分析向前推进一步。文[6]讨论了李亚普诺夫意义下的模糊系统的鲁棒稳定问题, 将设计问题分为两类: 非鲁棒控制器设计和鲁棒控制器设计, 即考虑系统不确定性时为鲁棒稳定, 不考虑系统不确定性时为非鲁棒稳定。
文中将Tanaka和Sugeno给出的稳定性判定条件发展为四类条件: 非鲁棒条件、弱非鲁棒条件、鲁棒条件和弱鲁棒条件。鲁棒稳定分析的重要意义在于它解决了模糊系统在受到不确定性影响情况下的稳定性问题，文中给出了用于卡车制动轨迹控制的稳定的模糊控制器设计。
Won Chul Kim 基于T2S模型分析了语言模糊状态空间模型在李亚普诺夫意义下的稳定性问题, 结果表明即使一些规则含有不稳定矩阵, 系统模型仍能稳定, 采用基于梯度的方法,可系统地判定模糊控制系统的稳定性。该方法从一定程度上解决了模糊控制系统稳定性判定的随意性, 使得模糊稳定性判定由定性向定量发展。文[7,8]为保证模糊控制器的稳定性, 用李亚普诺夫方法设计一个监控控制器, 当系统状态达到限定边界时, 监控控制器迫使状态返回限定边界以内。
与通常的基于李亚普诺夫方法判定系统稳定性不同, 文[9,10]给出了利用模糊关系矩阵分析模糊控制系统稳定性的新方法。该方法基于被控过程关系矩阵和控制器关系矩阵导出了模糊系统闭环稳定的充分必要条件。文[11]从能量的观点来考察模糊控制系统的稳定性, 文中提出了模糊逻辑系统能量的量度方法, 在此基础上, 根据能量讨论系统的稳定性。
模糊控制系统的稳定性分析和设计近年来受到人们的重视[12], 然而模糊稳定性判定仍然是当今模糊控制界研究的一个难点,如何更有效地将传统控制系统稳定分析方法运用到模糊系统稳定判别中,稳定判据所依赖的条件、适用范围以及稳定性算法的简化,都是值得进一步研究的问题。
2.3模糊推理方法
在模糊控制中, 模糊推理可用来解决使用模糊规则时的冲突问题, 因为给定输入事实后,需要推理方法综合所有模糊控制规则, 以得到相应的结论不同的方法有不同的特性, 产生不同的推理结果。
对于模糊系统发展最有影响的是Zadeh于1973年提出的取大取小复合推理规则。类似地,Kaufmann于1975年提出了取大乘积复合推理规则。这2种复合推理规则运算简单, 反映了人的推理思维过程, 与模糊集合的基本运算相容, 所以一直是人们采用的模糊推理方法。
通常, 给定一组模糊规则, 要通过蕴涵用模糊关系统一表达。对于同一组模糊规则, 不同的蕴涵将得到不同的模糊关系。用模糊关系表达模糊规则, 将使取大取小推理运算更加公式化、符号化。
1952 Mizamoto和zimmermann 运用取大取小复合推理, 讨论了多种模糊蕴涵的合理性和准确性, 其研究方法是根据 Fukami 提出的一组与人脑推理结果相符的直观标准判断蕴涵是否合理。直观上理解, 人脑是根据任意输入与每条规则中的前提的匹配程度来综合相应的推理结论。基于这种常理有些文献讨论了利用不同定义的贴近度来确定某条规则是否启用, 并依匹配程度修改结论的模糊推理方法。
在模糊控制的实际应用中, 模糊规则常用简化形式, 其推理方式同样可以解释为通过匹配程度修改每条规则的结论并综合得到推理结论。只是这里所修改的结论部分是精确量, 其运算具有线性叠加性, 而取大取小复合推理中所修改的结论是模糊集合, 其取大运算不具有叠加性。
3.模糊控制现状
要想模糊控制取得良好控制效果, 关键在于需要有一个完善的控制规则。模糊规则是人们通过对过程或者对象模糊信息的归纳得到的, 然而由于在复杂的工业过程中, 尤其是对高阶、时变参数、大时滞、非线性和随机干扰严重的复杂控制过程, 人们的认识通常比较贫乏或难以总结完整的经验, 因此, 这就使得单纯的模糊控制在某些情况下很粗糙, 适应不同的运行状态十分困难, 从而影响了控制效果。目前, 模糊控制的研究主要可以分为常规模糊控制, 高性能模糊控制、复合模糊控制这三大类。
3.1常规模糊控制
它是由输入与输出变量模糊化、模糊推理和决策算法、模糊判决等部分组成的一种语言控制器。其结构如图1:
图1 常规模糊控制系统图
一般情况下, 被控对象的输出变量的偏差e 以及偏差EC 变化率作为它的输入变量, 而把被控量定为模糊控制器的输出变量, 反映输入输出语言变量与语言控制规则的模糊定量关系及其算法结构。在实现过程中, 计算机首先把采集到的控制信息通过语言控制规则进行模糊推理和模糊决策, 求得控制量的模糊集, 再经过模糊判决得到输出控制的精确量, 作用于被控对象, 使被控过程满足控制要求。在目前的实际应用中, 模糊控制通常有两种组成方式: 一种是利用硬件芯片直接实现模糊控制的模糊控制器, 虽然推理速度快, 控制精度高, 但是价格贵, 输入输出以及模糊控制规则有限并且不够灵活, 因此, 只能适用于单调或者机械性操作控制。另一种是通过软件上的模糊控制算法代替数字控制器的控制算法的模糊控制器,它成本低、使用灵活、应用范围广, 是目前的主流。
3.2高性能模糊控制
(1) 自校正模糊控制: 它克服了推理决策的单调性和局限性, 采用加权推理决策, 并引入协调因子,根据系统偏差e 和偏差EC 的大小, 预测控制系统中的不确定量并选择一个最佳的控制参数或控制规则集, 在线自动调整保守和大胆控制的混合程度, 从而更全面、确切地反映出人对诸因素的综合决策思想,提高系统的控制精度和鲁棒性能;
(2) 自组织模糊控制: 此类模糊控制能自动对系统本身的参数或控制规则进行调整, 使系统不断完善, 以适应不断变化的情况, 保证控制达到所希望的效果。它根据自动测量得到的实际输出特征和期望特征的偏差, 确定输出响应的校正量并转化控制校正量, 调整模糊控制规则, 作用于被控对象。其基本特征是: 控制算法和规则可以通过在线修改, 变动某几个参数使控制结果发生改变;
(3) 多变量模糊控制: 基于上述模糊控制技术,将一个多变量模糊控制转化为多个互不干扰的单变量模糊控制的组合, 利用补偿的方法, 消除多变量模糊控制系统间的耦合。对于多变量模糊控制, 由于控制通道的特性不同, 控制规则也可能不同, 在进行控制时, 为了便于控制, 易于实现, 使用一张控制查询表, 通过调整不同的参数, 来实现不同控制, 提高控制系统的稳定性和灵活性。
3.3复合模糊控制
虽然模糊控制不需要精确的数学模型, 对于处理非线性、时变以及纯滞后等复杂系统是一条很有效的途径。然而, 自身也存在不具有学习和适应能力, 控制精度较低等缺陷。因此, 将
模糊控制与其他智能控制技术结合是
目前研究的新热点。当今, 最流行的三种复合模糊控制分别是: 模糊控制与专家控制结合、模糊神经网络和基于遗传算法优化的模糊控制。
(1)模糊控制与专家控制结合：专家系统是三大智能控制支柱之一, 它是一种基于知识的系统, 模拟人类特有的思维方式。它主要面对的是各种非结构化的问题, 尤其是处理定性的、启发式的或者不确定的知识信息, 经过各种推理过程达到系统的任务目标。将两者结合起来, 能够表达和利用控制复杂过程和对象所需要的启发式知识, 重视知识的多层次和分类的需要, 弥补了模糊控制器结构过于简单、规则比较单一的缺陷, 提高了模糊控制的智能水平; 同时, 两者的结合还能够拥有过程控制复杂的知识, 从而为在更复杂的情况下利用这些知识做准备。
(2)模糊神经网络：人工神经网络是模拟人直观性思维的一种方式,它是将分布式存储的信息并行协同处理, 是一个非线性动力学系统, 每个神经元结构简单, 但大量神经元构成网络系统能实现很强的功能。因此, 人工神经网络具有自适应的学习能力、容错性和鲁棒性。现有人工神经网络代表性的模型有多层映射BP 网络、RBF 神经网络实现局部或全部的模糊逻辑控制功能, 前者如利用神经网络实现模糊控制规则或模糊推理, 后者通常要求网络层数多于 3 层; 自适应神经网络模糊控制, 利用神经网络的学习功能作为模型辨识或直接用作控制器; 基于模糊神经网络的隶属函数及推理规则的获取方法, 具有模糊连接强度的模糊神经网等, 均在控制中有所应用。
(3)基于遗传算法优化的模糊控制：考虑到模糊控制器的优化涉及到大范围、多参数、复杂和不连续的搜索表面, 人们自然想到用遗传算法来进行优化。遗传算法应用于模糊控制器的优化设计是非常适合的, 遗传算法的运行仅由适应度数值驱动而不需要被优化对象的局部信息。此外, 优化模糊控制器正好符合遗传算法的所谓/ 积木块0 假设,积木块指长度较短的、性能较好的基因片段。用遗传算法优化模糊控制器时, 优化的主要对象是模糊控制器的隶属函数和规则集。
今天, 模糊控制已经应用到相当广泛的领域中,例如在家用电器上有智能洗衣机、微波炉、吸尘器、空调机、照相机和摄影机; 在工业闭环控制系统中有水净化处理、发酵控制、化学反应釜、水泥窑炉等等; 在专用系统和其他方面的应用有地铁控制、电梯、自动扶梯、蒸汽引擎、声控直升机、纸币识别装置以及机器人等等。
4.模糊控制研究方向
模糊控制技术虽然已经取得了不少的研究成果,而且也被广泛地应用于生产实践中, 但仍然是一项正在发展中的技术, 仍然是一个充满争议的领域。由于它的发展历史还不长, 理论上的系统性和完善性, 技术上的成熟性和规范性都还是远远不够的。除了需要在上述方面进行进一步深入的研究外, 在国际大趋势的推动下, 模糊控制已经开始和向多元化和交叉学科方向发展。在未来的研究领域, 这也必然将成为热点。
4.1模糊控制与神经网络结合
将模糊逻辑系统与神经网络结合起来实现控制,已经逐步成为近年来的控制研究热点。模糊神经网络就是把模糊逻辑系统与神经网络系统结合起来, 形成一个互补系统。它实际上是人类大脑结构和功能的模拟：大脑神经网络/ 硬件拓扑结构+ 信息模糊处理/ 软件的思想功能。它不仅弥补了单一模糊控制在自学习能力等方面的不足, 而且是使得控制的智能程度进一步提高, 尤其是那些非线性时变系统或难以建模的对象, 传统的控制理论以及
现代控制理论的方法无法设计出有效的控制器, 而采用模糊神经网络通常会收到良好的控制效果。目前, 模糊神经网络通常都是将模糊神经网络与其他控制方法相结合的应用。例如,将模糊神经网络与自学习控制结合, 将模糊神经网络与预测控制相结合; 将模糊神经网络与变结构控制结合; 将模糊神经网络与自适应控制结合等等。其中, 模糊神经网络与自适应控制结合方面的研究更为广泛。模糊神经网络在控制中的应用已成为控制研究中的热门课题。虽然Kosko、Wang、Buckley、Saman、Hunt 等人对神经网络与模糊系统之间的关系进行了研究, 也取得了许多重要的成就, 但距离全面了解神经网络和模糊系统之间的关系还尚需时日。所以想要把模糊神经网络很好地用于控制, 必须加强对模糊神经网络自身的研究。研究模糊系统和神经网络及用神经网络实现模糊推理( 含神经网络的模糊输入、不确定信息在网络中的传播、最终结果的理解) ,仍然将是今后模糊神经网络继续研究的发展趋势。
4.2模糊控制、神经网络与遗传算法(GA) 的结合
上世纪80 年代发展起来的遗传算法(GA) , 在模糊神经网络的优化算法中, 发挥着越来越重要的作用。这主要表现在: 第一, 能够对模糊推理中的隶属度函数参数或者神经网络的连接权值进行优化; 第二, 对模糊推理中的规则和神经网络的结构进行优化, 或利用输入输出数据对其进行聚类。GA 算法与其他优化算法相比, 具有全局优化的特点, 并采用编码技术, 可以代替梯度算法, 在模糊推理隶属度函数形状的选取上具有更大的灵活性。另外, 模糊神经网络的结构可利用GA 算法先进行离线优化, 在实时控制中, 由于有了优化结构和初值, 再采用GA 算法或其他方法进行控制量的计算, 其收敛速度和计算量大大减少, 更适合实时控制应用。将模糊推理、神经网络和GA 算法有机结合起来, 扬长避短, 将是未来模糊控制发展的一个重要方向。
4.3模糊控制、神经网络与控制方法的结合
模糊控制、神经网络以及专家系统是智能控制的三大支柱, 而PID 控制、最优控制、鲁棒控制、解耦控制、预测控制等方法的研究也日趋深入, 于是,专家们针对他们特点不同, 针对一些非线性、时变、不确定性等复杂对象, 将它们分别结合起来, 从而拓宽了模糊控制技术研究成果和传统控制技术的融合领域, 设计出应用更广泛, 控制效果更好的复合控制器。这种智能复合控制器在非线性多变量系统中的应用已经成为当前控制领域的一个研究热点, 取得了许多研究成果。然而, 目前在复合控制的设计和应用方面仍然存在一定的问题; 智能控制技术和传统控制理论的结合形式比较单一, 不能充分利用当前智能控制技术和传统控制理论各自的研究成果。控制器中智能模块结构的确定没有理论依据, 通常是根据经验判定, 而且结构也比较复杂, 学习周期长, 不利于实时控制; 并且控制器的智能逼近模块的逼近精度难以确定, 不能获得精确的控制效果。这些问题都有待未来专家们进一步研究确定。
4.4模糊控制研究的其他方面
除了上述将模糊控制与传统控制以及其他智能控制方法结合的方向以外, 模糊预测控制、模糊诊断、模糊模式识别、模糊决策与规划、模糊数据库与模糊程序设计语言等, 也都属于比较前沿的研究方向。而从模糊控制理论以及应用方面上看, 还可粗略地分为下面几个研究方向：
(1) 适用于处理工程上普遍的稳定性分析方法, 稳定性评价理论体系; 关于控制器的鲁棒性能的分析; 判定系统的可控性和可观测性的方法等等;
(2) 对设计模糊控制规则的方法的研究, 包括模糊集合隶属函数的设定方法、量化水平、采样周期的最优选择, 规则的系数、最小实现及规则和隶属函数参数自动生成等问题。对于这些问题, 还要求我们通过研究, 进一步给出模糊控制器的系统化设计方法;
(3) 确定模糊控制器参数最优调整理论, 和对推理规则的学习方式和算法的修正等等;
(4) 模糊动态模型的辩识方法;
(5) 模糊预测系统的设计方法和加快计算速度的方法;
(6) 模糊控制算法改进的研究; 目前能真正在模糊逻辑系统中得到应用的概念和原则为数很少, 但实际上, 模糊逻辑的范畴包含了大量的概念和原则, 因此, 如何将更多的概念和原则应用于模糊逻辑系统中, 这需要更进一步的研究;
(7) 最优化模糊控制器设计的研究: 根据被提出的性能指标, 规范控制规则的设计依据, 并在某种意义上达到最优;
(8) 加强开发简单、实用且具有模糊推理功能的模糊集成芯片和模糊控制装置、通用模糊控制系统等等, 并将其推广应用[13]。
5.工程应用
目前模糊控制理论广泛应用于控制系统、模式识别、医药、游戏理论等方面[14]。自1974 年Mam2dani 在蒸汽发动机上成功地运用了模糊控制即开始了模糊控制的应用阶段。表 1 详细描述了模糊控制的应用领域的进展过程。70 年代,模糊控制主要应用在工业领域。80 年代随着模糊控制技术的发展,模糊控制技术已经开始应用在汽车、火车等其他控制领域。90 年代,模糊控制软件与硬件技术的完善,为模糊控制技术的实现提供了更好的发展空间。近年来,随着模糊控制的广泛应用,模糊硬件产品和软件正使模糊控制向更高一级的的新领域扩展,如机器人定位系统、汽车定位系统、智能车辆高速公路系统。
表1 模糊控制的应用领域
时间应用领域
二十世纪 Mamdani
在蒸汽机发动机上成功运用了模糊控制；
70年代英国的P.J.King 等人采用模糊控制器实现了反应炉的温度控制；
荷兰学者W.J.M.Kickert 等人利用模糊控制器解决了含有非线性、时滞
特性的热交换过程的控制问题；
丹麦学者J.J.Ostergoarcl利用模糊控制器实现了对双输入双输出的热交
换过程的控制。
80年代丹麦F.L.Smidth 公司推出了实用化的水泥窑模糊逻辑控制系统;
日本S.Murakami成功研制了基于语言真值推理的模糊控制器,并应用于
汽车速度的自动控制;
Jasunobo 等人研究了预测模糊控制,将其应用于火车自动驾驶系统和集
装箱起重机的自动操作系统。
90年代模糊硬件与软件开发也发展起来,Yamakawa 首次研制了模糊组件;
美国Omron 公司开发了数字模糊处理器(DFP)FP-23000 ,还推出了
FB230AT卡板进行编译,模糊控制;
还被集成到PLC 中以及把模糊控制作为DCS 系统的功能模块;
空调机、全自动洗衣机、吸尘器等高档家电中普遍应用了模糊控制技术;
机器人定位系统、汽车定位系统、智能车辆高速公路系统。
二十一世纪控制系统、模式识别、医药、游戏理论。
6.展望
模糊控制虽然已经有不少的研究成果, 而且也被广泛地应用于生产实践中, 但模糊控制的发展历史还不长, 理论上的系统性和完善性、技术上的成熟性和规范性都还是远远不够的, 尤其是模糊控制与其他智能化控制方法相结合的控制方法, 还有待于人们在实践中得到验证和进一步的提高。需要解决的两个重要的问题是: 如何获得模糊规则及隶属函数, 以及如何保证模糊系统的稳定性。当前模糊控制的发展方向和在实际中的应用提出了担心, 一是发展方向上有些过分依赖数学模型, 另一是在应用上并没有比PID 更好用。很多文献都提到模糊控制在理论和应用方面应在以下方向加强研究:
(1) 易于控制并且能消除静态控制偏差的模糊PID 控制器, 且尽量减少可调参数, 最好控制在三个以内;
(2) 模糊预测控制, 就是把预测控制和模糊推理相结合也是很有吸引力的研究方向之一;
(3) 模糊控制应用于医学、生物、金融、风险评估等新型领域。扩大模糊控制的应用领域;
(4) 将遗传算法或其它算法应用于模糊神经网络, 以提高运算速度和参数寻优的结果;
(5) 寻找能够具有自学习调整隶属度函数的模糊控制方法。
参考文献
[1] 孙庆.模糊控制综述[J].控制工程,1995
[2] 刘向杰. 模糊控制研究的现状与新发展[J].信息与控制,1999
[3] 崔涛. 模糊控制理论和应用的发展概况[J].自动化仪表，1994
[4] Kazuo Tanaka, Michio Sugeno. Stability A nalysis and Design of Fuzzy Control Systems. Fuzzy Sets and System s,1992, 45: 135～ 156
[5] Chieh-LiChen, Pey-Chung Chen and Chao-Kuang Chen. A nalysis and Design of Fuzzy Control System. Fuzzy Setsand Systems, 1993, 57: 125～ 140
[6] Kazuo Tanaka, Manabu Sano. A Robust Stabilization Problem of Fuzzy Control Systems and ItsApp lication to Back ingup Control of a Truck-Trailer. IEEE Tran. Fuzzy Systems, 1994, 2 (2) : 119～ 133
[7] Wang L-X, Mendel JM. Fuzzy Control of Nonlinear Systems, IEEE T ran. Fuzzy Systems, 1993, 1 (2) : 146～155
[8] Wang L-X. A Supervisory Contro ller for Fuzzy Control Systems that Guarantees Stability, , IEEE Tran. A utomatic Control, 1994, 39 (9) : 1845～1847
[9] 陈建勤,吕剑虹,陈来九.模糊控制系统的闭环模型及稳定性分析[J].自动化学报, 1994, 20 (1) : 1～ 10
[10] 陈建勤,吕剑虹,陈来九.利用关系矩阵分析模糊控制系统的稳定性[J]. 控制理论与应用, 1995, 12 (5) : 635～639
[11] Hu Y, Ramamoorthy P A. Design of Stable Recrrrent Fuzzy-Logic-Contro llers Proc. of IEEE Intl. Conf. on Fuzzy Systems. 1994, 918～ 923
[12] S Kawamo to etal. An Approach to Stability Analysis of Second Order Fuzzy Systems, IEEE Internat. Conf. On Fuzzy Systems. 1992, 1427～ 1434 [13] 陈杰. 模糊控制的研究现状与展望[J].自动化与仪器仪表,2006
[14] 陶文华.模糊控制系统研究与应用[J].自动化与仪器仪表,2004
很难找的基于模糊控制的程序源代码
#include
模糊理论综述
模糊理论综述 引言 模糊理论（Fuzzy Logic)是在美国加州大学伯克利分校电气工程系的L.A.zadeh（扎德）教授于1965年创立的模糊集合理论的数学基础上发展起来的,主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容.L.A.Zadeh教授在1965年发表了著名的论文，文中首次提出表达事物模糊性的重要概念：隶属函数，从而突破了19世纪末康托尔的经典集合理论,奠定模糊理论的基础。1974年英国的E.H.Mamdani成功地将模糊控制应用于锅炉和蒸汽机的控制，标志着模糊控制技术的诞生。随之几十年的发展，至今为止模糊理论已经非常成熟，主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容。 模糊理论是以模糊集合为基础，其基本精神是接受模糊性现象存在的事实，而以处理概念模糊不确定的事物为其研究目标，并积极的将其严密的量化成计算机可以处理的讯息，不主张用繁杂的数学分析即模型来解决问题。 二、模糊理论的一般原理 由于客观世界广泛存在的非定量化的特点，如拔地而起的大树，人们可以估计它很重，但无法测准它实际重量。又如一群人，男性女性是可明确划分的，但是谁是“老年人”谁又算“中年人”；谁个子高，谁不高都只能凭一时印象去论说，而实际人们对这些事物本身的判断是带有模糊性的，也就是非定量化特征。因此事物的模糊性往往是人类推理，认识客观世界时存在的现象。虽然利用数学手段甚至精确到小数点后几位，实际仍然是近似的。特别是对某一个即将运行的系统进行分析，设计时，系统越复杂，它的精确化能力越难以提高。当复杂性和精确化需求达到一定阈值时，这二者必将出现不相容性，这就是著名的“系统不相容原理”。由于系统影响因素众多，甚至某些因素限于人们认识方法，水准，角度不同而认识不足，原希望繁荣兴旺，最后导致失败，这些都是客观存在的。这些事物的现象，正反映了我们认识它们时存在模糊性。所以一味追求精确，倒可能是模糊的，而适当模糊以达到一定的精确倒是科学的，这就是模糊理论的一般原理。 三、模糊理论的分支 它可分类为模糊数学、模糊系统，模糊信息，模糊决策，模糊逻辑与人工智能这五个分支，它们并不是完全独立的，它们之间有紧密的联系。例如，模糊控制就会用到模糊数学和模糊逻辑中的概念。从实际应用的观点来看，模糊理论的应用大部分集中在模糊系统上，尤其集中在模糊控制上。也有一些模糊专家系统应用于医疗诊断和决策支持。 模糊逻辑：模糊逻辑指模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性，大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定型知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验。它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决因“排中律”的逻辑破缺产生的种种不确定问题。模糊逻辑是处理部分真实概念的布尔逻辑扩展。经典逻辑坚持所有事物（陈述）都可以用二元项（0或1，黑或白，是或否）来表达，而模糊逻辑用真实度替代了布尔真值。这些陈述表示实际上接近于日常人们的问题和语意陈述，因为“真实”和结果在多数时候是部分（非二元）的和/或不精确的（不准确的，不清晰的，模糊的）。真实度经常混淆于概率，但是它们在概念上是不一样的；模糊真值表示在模糊定义的集合中的成员归属关系，而不是某事件或条件的可能度（likelihood）。要展示这种区别，考虑下列情节: Bob在有两个毗邻的屋子的房子中:厨房和餐厅。在很多情况下，Bob的状态是在事物“在厨房中”的集合内是完全明确的:他要么“在厨房中”要么“不在厨房中”。但
模糊控制详细讲解实例
一、速度控制算法： 首先定义速度偏差-50 km/h ≤e （k ）≤50km/h ，-20≤ec （i ）= e （k ）- e （k-1）≤20，阀值e swith =10km/h 设计思想：油门控制采用增量式PID 控制算法,刹车控制采用模糊控制算法，最后通过选择规则进行选择控制量输入。 选择规则： e （k ）<0 ① e （k ）>- e swith and throttlr_1≠0 选择油门控制 ② 否则：先将油门控制量置0，再选择刹车控制 0 基于模糊控制的速度控制 ——地面智能移动车辆速度控制系统问题描述 利用模糊控制的方法解决速度跟踪问题，即已知期望速度(desire speed)，控制油门(throttle output)和刹车(brake output)来跟踪该速度。已知输入：车速和发动机转速（值可观测）。欲控制刹车和油门电压（同一时刻只有一个量起作用）。 算法思想 模糊控制器是一语言控制器，使得操作人员易于使用自然语言进行人机对话。模糊控制器是一种容易控制、掌握的较理想的非线性控制器，具有较佳的适应性及强健性(Robustness)、较佳的容错性(Fault Tolerance)。利用控制法则来描述系统变量间的关系。不用数值而用语言式的模糊变量来描述系统，模糊控制器不必对被控制对象建立完整的数学模式。 Figure 1模糊控制器的结构图 模糊控制的优点： (1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。 (2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。 (3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 (4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。 简化系统设计的复杂性，特别适用于非线性、时变、模型不完全的系统上。 模糊控制的缺点 物理与电子工程学院 《人工智能》 课程设计报告 课题名称关于模糊控制理论的综述 专业自动化 班级 11级3班 学生姓名郑艳伟 学号 指导教师崔明月 成绩 2014年6月18日 关于模糊控制理论的综述 摘要：模糊控制方法是智能控制的重要组成部分，本文简要回顾了模糊控 制理论的发展，详细介绍了模糊控制理论的原理和模糊控制器的设计步骤， 分析了模糊控制理论的优缺点以及模糊控制需要完善或继续研究的内容，根 据各种模糊控制器的不同特点，对模糊控制在电力系统中的应用进行了分 类，并分析了各类模糊控制器的应用效能.最后，展望了模糊控制的发展趋 势与动态. 关键词：模糊控制；模糊控制理论；模糊控制系统；模糊控制理论的发展模糊控制是以模糊集理论、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.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、电力系统、家用电器自动化等领域中解决了很多的问题，引起了越来越多的工程技术人员的兴趣. 模糊控制系统简介 模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术.1965年美国的扎德[1]创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理.1974 年英国的Mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生. 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域.从信息技术的观点来看, 模糊控制是一种基于规则的专家系统.从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器. 相对传统控制, 包括经典控制理论与现代控制理论.模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型, 应用CRI 等各类模糊推理方法, 一、速度控制算法： 欧阳歌谷（2021.02.01） 首先定义速度偏差-50 km/h≤e（k）≤50km/h，-20≤ec（i）=e（k）-e（k-1）≤20，阀值eswith=10km/h 设计思想：油门控制采用增量式PID控制算法,刹车控制采用模糊控制算法，最后通过选择规则进行选择控制量输入。 选择规则： e（k）<0 ①e（k）>-eswith and throttlr_1≠0 选择油门控制 ②否则：先将油门控制量置0，再选择刹车控制 0 E/EC和U取相同的隶属度函数即： 说明：边界选择钟形隶属度函数，中间选用三角形隶属度函数，图像略 实际EC和E输入值若超出论域范围，则取相应的端点值。 3.模糊控制规则 由隶属度函数可以得到语言值隶属度（通过图像直接可以看出）如下表： 表1：E/EC和U语言值隶属度向量表 设置模糊规则库如下表： 表2：模糊规则表 3.模糊推理 由模糊规则表3可以知道输入E与EC和输出U的模糊关系，这里我取两个例子做模糊推理如下： if (E is NB) and (EC is NM) then (U is PB) 那么他的模糊关系子矩阵为： 已知系统的传递函数为：1/(10s+1)*e(-0.5s)。假设系统给定为阶跃值r=30，系统初始值r0=0.试分别设计 (1)常规的PID控制器； (2)常规的模糊控制器； (3)比较两种控制器的效果； (4)当通过改变模糊控制器的比例因子时，系统响应有什么变化？ 一．基于simulink的PID控制器的仿真及其调试： 调节后的Kp，Ki，Kd分别为：10 ，1，0.05。 示波器观察到的波形为： 二．基于simulink的模糊控制器的仿真及其调试： （1）启动matlab后，在主窗口中键入fuzzy回车，屏幕上就会显现出如下图所示的“FIS Editor”界面，即模糊推理系统编辑器。 （2）双击输入量或输出量模框中的任何一个，都会弹出隶属函数编辑器，简称MF编辑器。 （3）在FIS Editor界面顺序单击菜单Editor—Rules出现模糊规则编辑器。 本次设计采用双输入（偏差E和偏差变化量EC）单输出（U）模糊控制器，E的论域是[-6,6]，EC的论域是[-6,6]，U的论域是[-6,6]。它们的状态分别是负大（NB）、负中（NM）、负小（NS）、零（ZO）、正小（PS）、正中（PM）、正大（PB）。语言值的隶属函数选择三角形的隶属度函数。推理规则选用Mamdani 控制规则。 该控制器的控制规则表如图所示： Simulink仿真图如下： 在调试过程中发现加入积分调节器有助于消除静差，通过试凑法得出量化因子，比例因子以及积分常数。Ke，Kec，Ku，Ki分别是： 3 ，2.5 ，3.5 ，0.27 三．实验心得： 通过比较PID控制器和模糊控制器，我们可知两个系统观察到的波形并没有太大的区别。相对而言，对于给出精确数学模型的控制对象，PID控制器显得更具有优势，其一是操作简单，其二是调节三个参数可以达到满意的效果；对于给出给出精确数学模型的控制对象，模糊控制器并没有展现出太大的优势，其一是操作繁琐，其二是模糊控制器调节参数的难度并不亚于PID控制器。 在实验中增大模糊控制器的比例因子Ku会加快系统的响应速度，但Ku过大将会导致系统输出上升速率过快，从而使系统产生较大的超调量乃至发生振荡；Ku过小，系统输出上升速率变小，将导致系统稳态精度变差。 模糊控制研究及发展现状综述 模糊控制研究及发展现状综述 摘要：模糊控制是智能控制的重要组成部分。本文主要介绍了模糊控制理论的研究及发展的现状等 ,详细介绍了模糊控制理论的原理、模糊控制的数学基础, 其发展现状中介绍了模糊 PID 控制、自适应模糊控制、神经模糊控制、遗传算法优化的模糊控制、专家模糊控制等 , 还介绍了一些模糊控制的软硬件产品, 对模糊控制系统的稳定性作了简单介绍, 最后对模糊控制的发展作了展望。 关键词：模糊控制；模糊控制器 引言 模糊控制是近代控制理论中的一种基于语言规则与模糊推理的高级控制策略和新颖技术，它是智能控制的一个重要分支，发展迅速，应用广泛，实效显著，引人关注。随着科学技术的进步，现代工业过程日趋复杂，过程的严重非线性、不确定性、多变量、时滞、未建模动态和有界干扰，使得控制对象的精确数学模型难以建立，单一应用传统的控制理论和方法难以满足复杂控制系统的设计要求。而模糊控制则无需知道被控对象的精确数学模型，且模糊算法能够有效地利用专家所提供的模糊信息知识，处理那些定义不完善或难以精确建模的复杂过程。因此，模糊控制成为了近年来国内外控制界关注的热点研究领域。 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。 一：模糊控制简介 模糊控制是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。 1965 年美国的扎德创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理。 1974 年英国的 Mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生。 模糊控制主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型 , 是智能控制的一个重要研究领域。从信息技术的观点来看 , 模糊控制是一种基于规则的专家系统。从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器。 相对传统控制, 包括经典控制理论与现代控制理论。模糊控制能避开对象的数学模型 (如状态方程或传递函数等), 它力图对人们关于某个控制问题的成功与失败和经验进行加工 , 总结出知识 , 从中提炼出控制规则 , 用一系列多维模糊条件语句构造系统的模糊语言变量模型 , 应用 C RI 等各类模糊推理方法,可以得到适合控制要求的控制量, 可以说模糊控制是一种语言变量的控制. 模糊控制具有以下特点: 模糊控制的应用 学院实验学院 专业电子信息工程 姓名 指导教师___________ 日期20门年9月20日 在自动控制中，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型（如微分方程等） 的基础上，但是在实际工业生产中，很多系统的影响因素很多，十分复杂。建立精确的数学模型特别困难，甚至是不可能的。这种情况下，模糊控制的诞生就显得意头重大，模糊控制不用建立数学模型，根据实际系统的输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。模糊控制实际上是一种非线性控制，从属于智能控制的范畴。现代控制系统中的的控制能方便地解决工业领域常见的非线性、时变、在滞后、强耦合、变结构、结束条件苛刻等复杂问题。可编程控制器以其高可靠性、编程方便、耐恶劣环境、功能强大等特性很好地解决了工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题，这两者的结合，可在实际工程中广泛应用。 所谓模糊控制，其定义是是以模糊数学作为理论基础，以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的一种控制。模糊控制具有以下突出特点： ⑴模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点 是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用 ⑵由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控 制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。 ⑶基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同， 容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 ⑷模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人 工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。 ⑸模糊控制系统的鲁棒性強，干扰和参数变化对控制效果的影响被大大减 弱，尤其适合于非线性、时变及纯滞后系统的控制。 由于有着诸多优点，模糊理论在控制领域得到了广泛应用。下面我们就以下示例介绍模糊控制在实际中的应用： 电机调速控制系统见图1,模糊控制器的输入变量为实际转速与转速给定值之间的差值e及其变化率仝，输出变量为电机的电压变化量u。图2为电机调试输出结果，其横坐标为时间轴，纵坐标为转速。当设定转速为2 OOOr / s时，电机能很快稳定运行于2 OOOr / s;当设定转速下降到1 OOOr / s时，转速又很快下降到1 OOOr / s稳定运 行。 北京工业大学 结课论文 课题名称：基于模糊控制的机器人避障 姓名：鑫元 12521121 唐堂 12521130 成绩： 引言 智能小车是移动机器人的一种，可通过计算机编程来实现其对行驶方向、启停以及速度的控制。要想让智能小车在行驶过程中能成功地避开障碍物，必须对其进行路径规划?，路径规划的任务是为小车规划一条从起始点到目标点的无碰路径。路径规划方法有：BP人工神经网络法（Back Propagation）、机器学习（Reinforcement Learning）、以及模糊控制（Fuzzy Control）方法等。模糊技术具有人类智能的模糊性和推理能力，在路径规划中，模糊推理的应用主要体现在基于行为的导航方式上，即将机器人的运动过程分解为避障、边界跟踪、调速、目标制导等基本行为，各基本行为的激活由不同的机构分别控制，机器人的最终操作由高层控制机构对基本行为进行平衡后作出综合反应。模糊控制方法将信息获取和模糊推理过程有机结合，其优点在于不依赖机器人的动力学、运动学模型，系统控制融入了人类经验，同时计算量小，构成方法较为简单，节省系统资源，实时性。本文探讨了模糊控制技术在避障路径规划中的应用，并对其进行了仿真设计。 摘要 基于MATLAB的仿真结果表明模糊逻辑推理方法在智能小车的导航控制中具有良好的效果。 目录 引言，摘要 (1) 1.模糊控制技术基本理 (3) 2模糊控制器设计 (4) 3.避障算法设计 (6) 4 仿真实验 (14) 5.实验截图 (17) 6. 结论 (19) 7.实验心得 (20) 8.参考文献 (22) 1模糊控制技术基本原理 环境中存在障碍物时，路径规划控制系统具有高度不确定性，是一个多输入多输出(MIMO)系统。对于这种具有高度不确定性的MIMO系统，传统的控制方法不能达到很好的控制效果。模糊推理控制方法将人类的驾驶经验融入系统控制之中，因此可以较好地满足系统自适应性、鲁棒性和实时性的要求。模糊控制方式借助模糊数学这一工具通过推理来实现控制。模糊逻辑模拟了人类思维的模糊性，它采用与人类语言相近的语言变量进行推理，因此借助这一工具可将人类的控制经验融人系统控制之中，使得系统可以像有经验的操作者一样去控制复杂、激励不明的系统。总的说来模糊控制具有以下特点： 1)不依赖于被控对象的精确数学模型，易于对不确定性系统进行控制； 2)易于控制、易于掌握的较理想非线性控制器，是一种语言控制器； 3)抗干扰能力强，响应速磨陕，并对系统参数的变化有较强的鲁棒性。 模糊控制器的基本结构由模糊输入接口、模糊推理以及模糊输出接口三个模块组成。模糊输入接口的主要功能是实现精确量的模糊化，即把物理量的精确值转换成语言变量值。语言变量的分档根据实际情况而定，一般分为3—7档，档数越多，控制精度越高，计算量也越大。模糊推理决策机构的主要功能是模仿人的思维特征，根据总结人工控制策略取得的语言控制规则进行模糊推理，并决策出模糊输出控制量。模糊输出接口的主要功能是把输出模糊量转化为精确量，施于被控对象。 2模糊控制器设计 第5章 模糊控制器设计的基本方法 5.1 模糊控制器的结构设计 结构设计：确定输入、输出变量的个数（几入几出）。 5.2 模糊控制规则设计 1. 语言变量词集 {}PB PM PS O NS NM NB ,,,,,, 2. 确立模糊集隶属函数（赋值表） 3. 建立模糊控制规则，几种基本语句形式： 若A 则B c R A B A E =?+? 若A 则B 否则C c R A B A C =?+? 若A 或B 且C 或D 则E ()()R A B E C D E =+?+????????? 4. 建立控制规则表 5.3 模糊化方法及解模糊化方法 模糊化方法 1. 将[]b a ,内精确量离散化为[]n n +-,内的模糊量 2. 将其区间精确量x 模糊化为一个单点集，即0)(,1)(==x x μμ 模糊推理及非模糊化方法 1. MIN-MAX ——重心法 11112222n 00R and R and R and and '? n n n A B C A B C A B C x y c →→→→= 三步曲： 取最小 1111'()()()()c A o B o C z x y z μμμμ=∧∧ 取最大 12''''()()()()n c c c c z z z z μμμμ=∨∨∨ 2. 最大隶属度法 例： 10.3 0.80.5 0.511234 5 C =+----- ＋＋＋，选3-=*u 20.30.80.40.21101234 5 C =+ ＋＋＋ ＋ ，选 5.12 21=+=*u 5.4 论域、量化因子及比例因子选择 论域：模糊变量的取值范围 基本论域：精确量的取值范围 误差量化因子：e e x n k /= 比例因子：e y k u u /= 误差变化量化因子：c c x m k /= 5.5 模糊控制算法的流程 m j n i C u B EC A E ij j i ,,2,1;,,2,1 then then if ===== 其中 i A 、 j B 、ij C 是定义在误差、误差变化和控制量论域X 、Y 、Z 上的模糊集合，则该语句所表示的模糊关系为 j i ij j i C B A R ,??= m j n i j i C B A R z y x z y x ij j i ===== ,1 ,1)()()(),,(μμμ μ 根据模糊推理合成规则可得：R B A U )(?= Y y X x B A R U y x z y x z ∈∈=)()(),,()(μμμμ 设论域{}{}{}l m n z z z Z y y y x x x X ,,,,,,,Y ,,,,212121 ===，则X ，Y ，Z 上的模糊集合分别为一个n ，m 和l 元的模糊向量，而描述控制规则的模糊关系R 为一个m n ?行l 列矩阵。 由i x 及i y 可算出ij u ，对所有X ，Y 中元素所有组合全部计算出相应的控制量变化值，可写成矩阵()ij n m u ?，制成的表即为查询表或称为模糊控制表。 * 模糊控制器设计举例（二维模糊控制器） 1. 结构设计：二维模糊控制器，即二输入一输出。 2. 模糊控制规则：共21条语句，其中第一条规则为 t h e n o r and or if :1 PB u NM NB EC NM NB E R === 3. 对模糊变量E ，EC ，u 赋值（见教材中的表） 选取一个模糊控制的实例讲解，有文章，有仿真，有详细的推导过程。 一．实验题目：基于模糊控制系统的单级倒立摆 二．实验目的与要求： 倒立摆是联结在小车上的杆，通过小车的运动能保持竖立不倒的一种装置，它是一个典型的非线性、快速、多变量和自然不稳定系统，但是我们可以通过对它施加一定的控制使其稳定。对它的研究在理论上和方法上都有其重要意义。倒立摆的研究不仅要追求增加摆的级数，而且更重要的是如何发展现有的控制方法。同时, 它和火箭的姿态控制以及步行机器 人的稳定控制有很多相似之处，由此研究产生的理论和方法对一般工业过程也有广泛用途。 本文研究了倒立摆的控制机理，用Lagrange 方法推导了一级倒立摆的数学模型，这为研究多级和其它类型的倒立摆甚至更高层次的控制策略奠定了一个良好的基础。对系统进行了稳定性、可控性分析，得出倒立摆系统是一个开环不稳定但可控的系统的结论。 本文主要研究用极点配置、最优控制和模糊控制方法对倒立摆进行稳定控制。最优控制方法是基于状态反馈，但能实现输出指标最优的一种控制方法，方法和参数调节较简单，有着广泛的应用。模糊控制有不依赖于数学模型、适用于非线性系统等优点，所以本文尝试了用模糊控制对倒立摆进行控制，以将先进的控制方法用于实际中。 同时，对倒立摆系统的研究也将遵循从建模到仿真到实控，软硬件结合的系统的控制流程。在这过程中，借助数学工具Matlab7及仿真软件Simulink，作了大量的仿真研究工作，仿真结果表明系统能跟踪输入，并具有较好的抗干扰性。最后对实验室的倒立摆装置进行了软、硬件的调试，获得了较好的控制效果。 三．实验步骤： 1.一级倒立摆系统模型的建立 在忽略了空气阻力、各种摩擦之后（这也是为了保证Lagrange 方程的建立），可 将一级倒立摆系统抽象为由小车和匀质杆组成的系统，本系统设定如下： 小车质量M；摆杆质量m，长为l；小车在x 轴上移动；摆与竖直方向夹角为θ，规定正方向如图所示；加在小车x 轴上的力为F； 实验一基于MATLAB的模糊控制系统设计 1.1实验内容 （1）基于MATLAB图形模糊推理系统设计，小费模糊推理系统； （2）飞机下降速度模糊推理系统设计； （3）水箱液位模糊控制系统设计及仿真运行。 1.2实验步骤 1小费模糊推理系统设计 （1）在MATLAB的命令窗口输入fuzzy命令，打开模糊逻辑工具箱的图形用户界面窗口，新建一个Madmdani模糊推理系统。 （2）增加一个输入变量，将输入变量命名为service、food，输出变量为tip，这样建立了一个两输入单输出模糊推理系统框架。 （3）设计模糊化模块：双击变量图标打开Membership Fgunction Editor 窗口，分别将两个输入变量的论域均设为[0,10],输出论域为[0,30]。 通过增加隶属度函数来进行模糊空间划分。 输入变量service划分为三个模糊集：poor、good和excellent，隶属度函数均为高斯函数，参数分别为[1.5 0]、[1,5 5]和[1.5 10]； 输入变量food划分为两个模糊集：rancid和delicious，隶属度函数均为梯形函数，参数分别为[0 0 1 3]和[7 9 10 10]； 输出变量tip划分为三个模糊集：cheap、average和generous，隶属度函数均为三角形函数，参数分别为[0 5 10]、[10 15 20]和[20 25 30]。 （4）设置模糊规则：打开Rule Editor窗口，通过选择添加三条模糊规则： ①if (service is poor) or (food is rancid) then (tip is cheap) ②if (service is good) then (tip is average) ③if (service is excellent) or (food is delicious) then (tip is generous) 三条规则的权重均为 1. 模糊PID控制器的发展现状综述 1模糊PID控制器研究背景 1.1PID控制器 传统的PID控制器虽然以其结构简单、工作稳定、适应性好、精度高等优点成为过程控制中应用最广泛最基本的一种控制器。PID调节规律一般都能得到比较令人满意的控制效果，尤其是对于线性定常系统的控制是非常有效的，但是它的调节品质取决于PID控制器各个参数的确定。随着工业生产过程的日趋复杂化，系统不可避免地存在非线性、滞后和时变现象，其中有的参数未知或缓慢变化，有的带有延时和随机干扰，有的无法获得较精确的数学模型或模型非常粗糙，如果使用常规的PID控制器，PID参数的整定变得十分困难甚至无法整定，因此并不能得到理想的控制效果。为此，近年来各种改进的PID控制器如自校正、自适应PID[1][2][3]及智能控制器[4]迅速发展起来，但仍存在一定的局限性。 1.2模糊控制器 随着技术的发展，模糊控制理论和模糊技术成为最广泛最有前景的应用分支之一。模糊控制器是一种专家控制系统，它的优点是不需要知道被控对象的数学模型而能够利用专家已有的经验对系统进行建模。与传统的PID控制方式相比，它适合解决一些难以建立精确数学模型、非线性、大滞后和时变的复杂过程的问题，因此得到了很好的发展，尤其是在工业控制、电力系统等领域中解决了许多实际性的问题，引起了越来越多的工程技术人员的兴趣。但是经过深入研究，会发现基本模糊控制存在着其控制品质粗糙和精度低等弊病。而且用的最多的二维输入的模糊控制器是PI或PD型控制器，会出现过渡过程品质不好或不能消除稳态误差的问题。 因此，在许多情况下，将模糊控制和PID控制两者结合起来，扬长避短，既具有模糊控制灵活、适应性强、快速性好的优点，又具有PID控制精度高的特点。把规则的条件、操作用模糊集表示，并把这些模糊控制规则及有关信息作为知识存入计算机知识库中，然后计算机根据控制系统的实际响应情况，运用模糊推理，自动实现对PID参数的最佳整定，实现模糊PID控制。 模糊控制的基本原理 模糊控制是以模糊集合理论、模糊语言及模糊逻辑为基础的控制，它是 模糊数学在控制系统中的应用，是一种非线性智能控制。 模糊控制是利用人的知识对控制对象进行控制的一种方法，通常用“if条件，then结果”的形式来表现，所以又通俗地称为语言控制。一般用于无法以 严密的数学表示的控制对象模型，即可利用人(熟练专家)的经验和知识来很好 地控制。因此，利用人的智力，模糊地进行系统控制的方法就是模糊控制。模 糊控制的基本原理如图所示： 模糊控制系统原理框图 它的核心部分为模糊控制器。模糊控制器的控制规律由计算机的程序实现，实现一步模糊控制算法的过程是：微机采样获取被控制量的精确值，然后将此量与给定值比较得到误差信号E；一般选误差信号E作为模糊控制器的一个输入量，把E的精确量进行模糊量化变成模糊量，误差E的模糊量可用相应的模糊语言表示；从而得到误差E的模糊语言集合的一个子集e(e实际上是一个模糊向量); 再由e和模糊控制规则R(模糊关系)根据推理的合成规则进行模糊决策，得到模糊控制量u为： 式中u为一个模糊量；为了对被控对象施加精确的控制，还需要将模糊量u 进行非模糊化处理转换为精确量：得到精确数字量后，经数模转换变为精确的模拟量送给执行机构，对被控对象进行一步控制；然后，进行第二次采样，完成第二步控制……。这样循环下去，就实现了被控对象的模糊控制。 模糊控制(Fuzzy Control)是以模糊集合理论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制。模糊控制同常规的控制方案相比，主要特点有： (1)模糊控制只要求掌握现场操作人员或有关专家的经验、知识或操作数据，不需要建立过程的数学模型，所以适用于不易获得精确数学模型的被控过程，或结构参数不很清楚等场合。 (2)模糊控制是一种语言变量控制器，其控制规则只用语言变量的形式定性的表达，不用传递函数与状态方程，只要对人们的经验加以总结，进而从中提炼出规则，直接给出语言变量，再应用推理方法进行观察与控制。 (3)系统的鲁棒性强，尤其适用于时变、非线性、时延系统的控制。 (4)从不同的观点出发，可以设计不同的目标函数，其语言控制规则分别是独立的，但是整个系统的设计可得到总体的协调控制。 它是处理推理系统和控制系统中不精确和不确定性问题的一种有效方法，同时也构成了智能控制的重要组成部分。 模糊控制器的组成框图主要分为三部分：精确量的模糊化，规则库模糊推理， 模糊控制算法的研究 0842812128夏中宇 模糊控制概述 “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。 在日常生活中,人们的思维中有许多模糊的概念,如大、小、冷、热等,都没有明确的内涵和外延,只能用模糊集合来描述。人们常用的经验规则都是用模糊条件语句表达,例如,当我们拧开水阀往水桶里注水时,有这样的经验:桶里没水或水较少时,应开大水阀;桶里水较多时,应将水阀关小些;当水桶里水快满时,则应把阀门关得很小;而水桶里水满时应迅速关掉水阀。其中,“较少”、“较多”、“小一些”、“很小”等,这些表示水位和控制阀门动作的概念都具有模糊性。即有经验的操作人员的控制规则具有相当的模糊性。模糊控制就是利用计算机模拟人的思维方式,按照人的操作规则进行控制,实现人的控制经验。 模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策略。 1974年,英国伦敦大学教授Mamdani·E·H研制成功第一个模糊控制器,充分展示了模糊技术的应用前景。 模糊控制概况 模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年，美国的L.A.Zadeh 创立了模糊集合论；1973年他给出了模糊逻辑控制的定义和相关的定理。1974年，英国的E.H.Mamdani首先用模糊控制语句组成模糊控制器，并把它应用于锅炉和蒸汽机的控制，在实验室获得成功。这一开拓性的工作标志着模糊控制论的诞生。 模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力；然而在东方尤其是在日本，却得到了迅速而广泛的推广应用。近20多年来，模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。 模糊控制的基本理论 所谓模糊控制,就是在控制方法上应用模糊集理论、模糊语言变量及模糊逻辑推理的知识来模拟人的模糊思维方法,用计算机实现与操作者相同的控制。该理论以模糊集合、模糊语言变量和模糊逻辑为基础,用比较简单的数学形式直接将人的判断、思维过程表达出来,从而逐渐得到了广泛应用。应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。在自动控制领域,以模糊集理论为基础发展起来的模糊控制为将人的控制经验及推理过程纳入自动控制提供了一条便捷途径。 1.知识库 模糊控制算法在汽车中的应用综述 摘要：模糊控制应用于没有精确数学模型的对象,具有很大的优越性。随着模糊控制技术的不断发展,它越来越广泛应用在汽车上,本文分别介绍模糊控制的原理及特点，在ABS系统、汽车巡航系统、汽车空调的使用情况,并介绍各个模糊控制系统的组成。 关键词：汽车；模糊控制；ABS系统；汽车巡航系统；汽车空调 Application of Fuzzy Control Algorithm in Motor Vehicl e ZHANG Zhen-hua (College of Aeronautical Manufacturing Engineering, Nanchang Hangkong University, Nanchang 330063,China) Abstract：Fuzzy control is applied to the object without accurate mathematical model has great superiority. With the continuous development of fuzzy control technology, it is widely used in automobile. This paper introduces the principle and characteristics of fuzzy control in ABS system, automobile cruise control system, the use of automotive air conditioning, and introduces the various components of the fuzzy control system. Key words：The car;fuzzy control;anti-lock braking system;The car cruise system;automotive air conditioning 引言 传统的常规控制方法是基于被控对象的数学模型基础上的，然而某些情况下我们难以精确地建立起被控对象的数学模型，因而难以对被控对象进行精确地控制。为此可以采用一种基于语言规则与模糊推理的高级控制策略即模糊控制对多变量、非线性、不确定的复杂系统进行有效控制。此方法在汽车的系统控制中得到有效应用。 模糊控制理论发展初期在西方遇到了很大的阻力,西方学者认为模糊控制在应用研究中意义不大。然而,在东方尤其是日本,模糊控制却得到了迅速的发展,20世纪80年代,日本的工程师用模糊控制技术首先实现了对一家电子水净化工厂的控制,又开发了仙台地铁模糊控制系统,创造了当时世界上最先进的地铁系统,而这引起了模糊控制领域的一场巨变,使得西方又开始重视模糊控制理论[1]。 早在七十年代中期,我国就开始了智能控制的研究和应用,并且取得了许多应用成果,我国是最早把模糊理论引入气象预报、地震预测和高炉冶炼控制等方面应用的国家之一。例如,在地震发生趋势预测中对模糊信息的处理在工程设计方面发展了软件理论,并求得最佳设计方案研究出许多专家系统,特别是运用模糊数学方法描述中医经验在交通网、水管网、通信网、可靠性分析方面的实际功能运用等。 随着科学技术的不断发展和进步以及人们生活水平的提高,人们在日常的生活和劳动生产中对空气环境的要求也不断提高,特别是对空气的温度、湿度、以及洁净度的要求,使空调系统的应用越来越广泛。空调控制系统涉及面广,要实现的任务复杂,它通过空调系统为建筑物的不同区域提供满足不同使用要求的环境。 在满足用户对空气环境要求的前提下,采用先进的控制策略对空调系统进行控制,达到控制要求并且节约能源成为空调控制系统的最终目标。特别是近几年来,“绿色建筑”、“环保建筑”的提出,使得对空调控制系统的控制模式的研究显基于模糊控制的速度跟踪控制问题(C语言以及MATLAB仿真实现)
关于模糊控制理论的综述
模糊控制详细讲解实例之欧阳歌谷创作
基于simulink的模糊控制仿真
模糊控制综述
模糊控制的应用实例与分析
模糊控制用于机器人避障
模糊控制器设计的基本方法
选取一个模糊控制的实例讲解
基于MATLAB的模糊控制系统设计
PID模糊控制器发展现状综述
模糊控制的基本原理
模糊控制算法的研究
模糊控制算法在汽车中的应用综述