模糊控制系统的发展现状11722

《模糊控制系统的发展现状11722》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、模糊控制系统的发展现状一、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年美国的扎德创立了模糊集合论，1973年，他给岀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岀过程模型，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

2、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，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:(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数学

3、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;(1)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;(2)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;但一个系统的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)模糊控制算法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;(5)模糊控制系统的鲁棒性强,干扰和参

4、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。除此,模糊控制还有比较突出的两个优点:第一，模糊控制在许多应用中可以有效且便捷地实现人的控制策略和经验;第二，模糊控制可以不需被控对象的数学模型即可实现较好的控制，这是因为被控对象的动态特性已隐含在模糊控制器输入、输出模糊集及模糊规则中。模糊控制也有缺陷，主要表现在：1)精度不太高；2)自适应能力有限；3）易产生振荡现象。二、模糊控制的现状模糊控制的研究主要体现在控制器的研究和开发以及各类实际应用中，目前模糊控制已经应用在各个行业。1.模糊控制与其它智能控制的结合或融合模糊控制与其它智能控制的复合产生了多种

5、控制方式方法。主要表现在：1）模糊PID控制器模糊PID控制器的研究是将模糊技术与常规的PID控制算法相结合的一种控制方法。模糊PID控制器是一种双模控制形式。这种改进的控制方法的出发点主要是消除模糊控制的系统稳态误差，利用PID控制器提高控制精度，消除误差，增加稳态控制性能。从PID控制角度出发，提出FI—PI、FI—PD、FI—PID三种形式的模糊控制器，并能运用各种方式得出模糊控制器中量化因子、比例因子同PID控制器的因子KP、KI、KD之间的关系式。2）自适应模糊控制器自适应模糊控制器就是借鉴自适应控制理论的一些理念来设计模糊控制器，也称作语言自组织模糊控制器（SOC）,它

6、的思想就在于在线或离线调节模糊控制规则的结构或参数，使之趋于最优状态。目前主要有通过采用-种带有修正因子的控制算法，改变控制规则的特性；或直接对模糊控制规则进行修正；还有一种是对控制规则进行分级管理，提出自适应分层模糊控制器；又有人提出规则自组织自学习算法，对规则的参数以及数冃进行自动修正；3）模糊控制与神经控制的融合神经模糊控制是神经网络技术与模糊逻辑控制技术相结合的产物，是指基于神经网络的模糊控制方法。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

7、络具有自适应的学习能力、容错性和鲁棒性，并且神经网络对环境的变化具有较强的自适应能力，所以可结合神经网络的学习能力来训练—模糊规则，提高整个系统的学习能力和表达能力。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。而且，还有神经网络与遗传算法同模糊控制相结合的自调整应用。4）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