模糊控制的基本原理说课材料.ppt

《模糊控制的基本原理说课材料.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、模糊控制的基本原理将已变换到相应论域的的输入量进行模糊处理，使原先精确量变成模糊量，并用相应的模糊集合表示。也就是说：确定当前输入量落在哪些模糊集中，相应的隶属度值分别是多少？——这是为后面的模糊推理作准备。知识库knowledgebase，包括Datebase=各模糊集的隶属度函数，尺度变换因子，以及模糊空间的分级数。Rulebase=用模糊语言变量表示的一系列控制规则，反应了专家的经验。模糊推理FuzzyReasoning推理机=inference这是模糊控制器的核心，它模拟人的推理机制。它是通过模糊逻辑中的蕴涵关系以及推理规则来进行的。我们在上一章已介绍其

2、中的一些内容，接下去还要继续介绍。Defuzzifier:清晰化，逆模糊化，…这部分的作用是将通过模糊推理得到的控制量（！模糊量）变换成实际用于控制的清晰量。包括：a)将模糊的控制量经清晰化变换成表示在论域范围内的清晰量；b)将表示在论域范围的清晰量经尺度变换实际的控制量。下面对模糊控制器所涉及的各方面进行介绍。§2模糊控制规则专家经验：如果温度偏低，那么加入较少的冷却水。所以，专家知识通常具有如下形式：IF<前提条件>THEN<得出结论>即，如果“温度确定是偏低，或比较低”，那么，“加入的冷却水的量应较少”。其中，“偏低”，“较少”，都是模糊量。模糊控制规

3、则也是这样的“IF—THEN”模糊条件句。MISO系统：rule1:IFxisA1andyisB1THENZ=C1;rule2:IFxisA2andyisB2THENZ=C2;………rulen:IFxisAnandyisBnTHENZ=Cn.——所有的规则就构成了规则库。§3输入模糊化按前面介绍，确定输入量为误差E和误差的改变量并且均已变尺度到[-6，+6]范围内。如果实际范围为[a，b]，则通过以下变换即可E和∆E所对应的模糊集的个数分别是7个，即{NL，NM，NS，ZE，PS，PM，PL}输入E的隶属度函数分布假设为NLNMNSZEPSPMPL-6-4-3

4、-2-10123456这里采用三角形的membershipfunction，并采用连续量的输入量。例：e=3.4，则另外也有采用Bell—shaped:也可采用离散化表示的输入量，相应的隶属度函数值也是离散的。例如：x的离散值范围-6[-6，-5.5]

5、6[5.5，6]-5(-5.5，-4.5]

6、5[4.5，5.5)-4(-4.5，-3.5]

7、4[3.5，4.5)-3(-3.5，-2.5]

8、3[2.5，3.5)-2(-2.5，-1.5]

9、2[1.5，2.5)-1(-1.5，-0.5]

10、1[0.5，1.5)0(-0.5，0.5]

11、相应的隶属度函数值离散

12、点处理的方法计算量小，但精确性往往不够。我们把对输入变量分割成NL，NM，…，PL等模糊集合的过程称为模糊分割。模糊分割的结果，决定了最大可能的模糊规则的个数。如果E和∆E都分割为7个模糊集合，那么组合的结果为7×7=49条规则分割数太小，那么分割得太粗，控制性能不佳；太细，则计算量增加。实际还是凭经验和试凑µ-6-5-4-3-2-10123456NL1.00.80.40.10NM0.20.71.00.70.20NS00.20.71.00.90ZE0.51.00.5PS0.91.00.70.200PM0.20.71.00.70.2PL0.10.40.81.0§4模

13、糊规则与模糊决策我们在前面提过，模糊控制规则一般采用以下形式：IF（X1是A1，andX2是A2，…，Xn为An）THEN（Y1是B1，andY2是B2，…，Ym为Bm）在此，我们考虑两输入单输出的情况，并设两输入为E和∆E。,∆E[k]=E[k]-E[k-1]输出为∆U（控制量的改变量），并设，U=U+∆U增加时Y增加。那么，一条典型的控制规则为：IFTHEN<∆UisPL>这是很容易理解的，E正大，即y太小，∆E负小，即误差在减小，但太慢，那么，应该大幅度增加U，使E减小得更快这里采用∆U为输出量，使控制量的输出为U（k+1）=U

14、（k）+∆U（k）使得即便规则有误，也不至于U（k+1）太离谱当然，U需要限幅[UMIN，UMAX]根据模糊控制规则进行模糊推理和决策有两种方法综合法：根据规则库，确实输入和输出的关系R,然后2)并行法：对规则分别处理，根据各规则的匹配程度再相应地结合起来先介绍综合法模糊决策的综合法设第L条规则是：IFTHEN则那么，整个规则库的所有相关规则综合处理，得到模糊关系R于是，如果有输入A1,A2,…,An,则输出为B例，某个模糊控制器只有两条规则rule-1:IF