模糊控制理论及其应用综述汇编Word格式文档下载.docx
《模糊控制理论及其应用综述汇编Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《模糊控制理论及其应用综述汇编Word格式文档下载.docx（13页珍藏版）》请在冰豆网上搜索。
1.1模糊控制理论的产生
自20世纪60年代以来，现代控制理论已经在工业生产过程和军事科学以及航空航天等许多方面取得了成功的应用。
但他们都有一个基本的要求,这个基本要求就是他们需要建立被控对象的精确数学模型。
随着科学技术的迅猛发展，各个领域对自动控制系统控制精度、响应速度、系统稳定性与适应能力的要求越来越高,所研究的系统也日益复杂多变。
然而由于一系列原因，诸如被控对象或过长的非线性、时变性、多参数间的强烈耦合、较大的随机干扰、过程机理错综复杂、各种不确定性以及现场测量手段不完善等，难以建立被控对象的精确模型。
对于那些难以建立数学模型的复杂被控对象，采用传统的控制方法效果并不好。
而看起来似乎不确切的模糊手段往往可以达到精确地目的。
操作人员是通过不断地学习、积累操作经验来实现对被控对象进行控制的，这些经验包括对被控对象特征的了解、在各种情况下相应的控制策略以及性能指标判据。
这些信息通常是以自然语言的形式表达的，其特点是定性的描述，所以具有模糊性。
由于这种特性使得人们无法用现有的定量控制理论对这些信息进行处理，于是需探索出新的理论与方法[1]。
L.A.Zadeh教授提出的模糊集合理论，其核心是对复杂的系统或过程建立一种语言分析的数学模式，使自然语言能直接转化为计算机所能接受的算法语言。
模糊集合理论的诞生，为处理客观世界中存在的一类模糊问题，提供了有力的工具。
同时，也适应了自适应科学发展的迫切需要。
正是这种背景下，作为模糊数学一个重要应用分的模糊支控制理论便应运而生了。
1.2模糊控制的概念和基本原理
1.2.1模糊控制概念
“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。
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。
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,它是以模糊数学为基础,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。
在1968～1973年期间Zadeh·
A先后提出语言变量、模糊条件语句和模糊算法等概念和方法，使得某些以往只能用自然语言的条件语句形式描述的手动控制规则可采用模糊条件语句形式来描述，从而使这些规则成为在计算机上可以实现的算法。
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,
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并充分展示了模糊技术的应用前景[1]。
1.2.2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。
模糊控制器
参考输入
输出
图1模糊控统原理框图
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：
（1）
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。
1.3模糊控制技术的优点
模糊控制拥有很多的优势，比如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。
模糊控制技术利用控制法则来描述系统变量间的关系。
同时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。
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，并且抗干扰能力强，响应速度快，并对系统参数的变化有较强的鲁棒性和较佳的容错性。
最后它是从属于智能控制的范畴。
该系统尤其适于非线性，时变，滞后系统的控制[2]。
2模糊控制器
2.1模糊控制器的结构
如图所示，模糊控制器的基本结构包括知识库、模糊推理、输入量模糊化、输出量精确化四部分。
图2模糊控制器的基本结构
（1）知识库
知识库包括模糊控制器参数库和模糊控制规则库。
模糊控制规则建立在语言变量的基础上。
语言变量取值为“大”、“中”、“小”等这样的模糊子集,各模糊子集以隶属函数表明基本论域上的精确值属于该模糊子集的程度。
因此,为建立模糊控制规则,需要将基本论域上的精确值依据隶属函数归并到各模糊子集中,从而用语言变量值（大、中、小等）代替精确值。
这个过程代表了人在控制过程中对观察到的变量和控制量的模糊划分。
由于各变量取值范围各异,故首先将各基本论域分别以不同的对应关系,映射到一个标准化论域上。
通常,对应关系取为量化因子。
为便于处理,将标准论域等分离散化,然后对论域进行模糊划分,定义模糊子集,如NB、PZ、PS等。
同一个模糊控制规则库,对基本论域的模糊划分不同,控制效果也不同。
具体来说,对应关系、标准论域、模糊子集数以及各模糊子集的隶属函数都对控制效果有很大影响。
这3类参数与模糊控制规则具有同样的重要性,因此把它们归并为模糊控制器的参数库,与模糊控制规则库共同组成知识库。
（2）模糊化
将精确的输入量转化为模糊量F有两种方法:
1）将精确量转换为标准论域上的模糊单点集。
精确量x经对应关系G转换为标准论域x上的基本元素,则该元素的模糊单点集F为
2）将精确量转换为标准论域上的模糊子集。
精确量经对应关系转换为标准论域上的基本元素,在该元素上具有最大隶属度的模糊子集,即为该精确量对应的模糊子集。
（3）模糊推理
最基本的模糊推理形式为:
前提1
IF
A
THEN
B
前提2
A′
结论
B′
其中,A、A′为论域U上的模糊子集,B、B′为论域V上的模糊子集。
前提1称为模糊蕴涵关系,记为A→B。
在实际应用中,一般先针对各条规则进行推理,然后将各个推理结果总合而得到最终推理结果。
（4）精确化
推理得到的模糊子集要转换为精确值,以得到最终控制量输出y。
目前常用两种精确化方法:
1）最大隶属度法。
在推理得到的模糊子集中,选取隶属度最大的标准论域元素的平均值作为精确化结果。
2）重心法。
将推理得到的模糊子集的隶属函数与横坐标所围面积的重心所对应的标准论域元素作为精确化结果。
在得到推理结果精确值之后,还应按对应关系,得到最终控制量输出y。
2.2模糊控制器的工作原理
模糊控制器主体部分是由计算机或单片机构成，多采用二维模糊控制结构，如下图所示
图3二维模糊控制器的结构图
其控制过程大致为：
计算机采集被测参数的精确值，并将该值与给定值作比较，得出误差e以及误差变化率ec作为模糊控制器的输入语言变量，将e和ec经模糊化得到模糊量E和EC，再由E、EC和模糊控制规则，根据推理的合成规则得到模糊控制量U，U经模糊决策、清晰化得到精确控制量u。
一个模糊控制系统得性能优劣，主要取决于模糊控制器的结构、所采用的模糊规则、合成推理算法，以及模糊决策的方法等因素。
系统输出的观测量y（t）和给定值r（t）比较，经过采样和A/D转换得到一个确定的数字量，操作人员根据获得的信息和自己已有的操作经验进行比较分析、模糊推理，从而判定应该对被控对象作什么样的调整，因此在模糊自动控制中必须将操作人员的经验总结成若干条用自然语言描述的控制规则，利用模糊数学这一工具进行处理，构成一个模糊关系矩阵R存放在计算机的存储中，这些规则称为模糊控制规则。
仿照人脑的模糊推理过程，在模糊自动控制中，应该确定推理法则，做出模糊决策，模糊决策后经过模糊化处理，以便得到一个确切方法，就构成了一个模糊控制器。
3模糊逻辑工具箱
3.1模糊逻辑工具箱的基本组成[6]
1.FIS编辑器
FIS编辑器处理系统的高级属性：
输入/输出量的数目、名字。
图4FIS编辑器窗口
2.隶属度函数编辑器
隶属度函数编辑器定义域每个变量相对应的隶属度函数。
图5隶属度函数编辑器窗口
3.规则编辑器
规则编辑器定义系统行为的一系列规则。
图6规则编辑器窗口
4.规则观察器
规则观察器显示模糊推理方框图，可作为诊断工具使用。
图7规则观察器窗口
5.曲面显示器
显示输出输入之间的依赖关系，可生成和绘制输出曲面映射。
图8曲面显示器窗口
3.2模糊逻辑工具箱的使用方法
Matlab模糊逻辑工具箱为模糊控制器的设计提供了一种非常便捷的途径，通过它我们不需要进行复杂的模糊化、模糊推理及反模糊化运算，只需要设定相应参数，就可以很快得到我们所需要的控制器，而且修改也非常方便。
下面将根据模糊控制器设计步骤，一步步利用Matlab工具箱设计模糊控制器[6]。
首先我们在Matlab的命令窗口（command
window）中输入fuzzy，回车会出来一个窗口
图9FIS编辑器窗口
下面我们都是在这样一个窗口中进行模糊控制器的设计。
1．确定模糊控制器结构：
即根据具体的系统确定输入、输出量。
这里我们可以选取标准的二维控制结构，即输入为误差e和误差变化ec，输出为控制量u。
注意这里的变量还都是精确量。
相应的模糊量为E，EC和U，我们可以选择增加输入（Add
Variable）来实现双入单出控制结构。
2.输入输出变量的模糊化：
即把输入输出的精确量转化为对应语言变量的模糊集合。
首先我们要确定描述输入输出变量语言值的模糊子集，如{NB，NM，NS，ZO，PS，PM，PB}，并设置输入输出变量的论域，例如我们可以设置误差E（此时为模糊量）、误差变化EC、控制量U的论域均为{-3，-2，-1，0，1，2，3}；
然后我们为模糊语言变量选取相应的隶属度函数。
在模糊控制工具箱中，我们在MemberFunctionEdit中即可完成这些步骤。
首先我们打开MemberFunctionEdit窗口。
然后分别对输入输出变量定义论域范围，添加隶属函数，以E为例，设置论域范围为[-3
3]，添加隶属函数的个数为7。
然后根据设计要求分别对这些隶属函数进行修改，包括对应的语言变量，隶属函数类型。
3．模糊推理决策算法设计：
即根据模糊控制规则进行模糊推理，并决策出模糊输出量。
首先要确定模糊规则，即专家经验。
对于我们这个二维控制结构以及相应的输入模糊集，我们可以制定49条模糊控制规则。
制定完之后，会形成一个模糊控制规则矩阵，然后根据模糊输入量按照相应的模糊推理算法完成计算，并决策出模糊输出量。
4．对输出模糊量的解模糊：
模糊控制器的输出量是一个模糊集合，通过反模糊化方法判决出一个确切的精确量，凡模糊化方法很多，我们这里选取重心法。
5．然后Export
to
disk，即可得到一个.fis文件，这就是你所设计的模糊控制器。
4模糊控制应用
4.1模糊控制应用概况
在近几年内，模糊控制的应用日益广泛。
根据文献资料报道，从金融系统到地震预报等各个领域，均有不少应用实例，尤其是模糊控制在模糊集合理论的应用中，成为最为活跃和最卓有成效的领域。
并且许多应用实例都证明给予模糊逻辑控制器的系统，具有比传统控制系统更优良的性能[1]。
模糊控制在工业中的应用已经取得了显著效果的有：
热交换过程控制，叫他管理，水泥窑生产过程，模型小车停靠与转向，机器人，汽车传动与速度控制，水净化，电梯，电力系统及原子核反应控制等。
4.2模糊控制具体应用领域
（1）模糊控制在工业企业大型生产过程中的应用
湖南大学的刘国才等对T-S模糊推理方法进行了深人研究[4]，并将其成功应用于国家“八·
五”重点新技术开发项目“氧化铝熟料烧成自动控制管理系统中，实现了氧化铝烧成过程的自动控制，攻克了几十年来一直未能得到很好解决的氧化铝熟料烧成回转窑的自动控制难题，取得了显著的社会效益和经济效益。
其他还有将模糊控制应用到聚丙烯匠应釜温度控制、电弧炼钢的控制、退火炉燃烧过程的控制等。
（2）模糊控制在典型工业控制对象中的应用
模糊控制还被应用到现代控制领域的典型工业控制对象，如交流伺服系统模糊控制、机器人控制中的模糊控制、车辆自动驾驶模糊控制、温室温度模糊控制等等，可以说基本上在各种典型工业控制对象中的能见到模糊控制的身影。
（3）模糊控制技术在智能家用电器中的应用
模糊控制在智能家电中的应用技术日本走在世界前列。
目前已经出现了全自动洗衣机的模糊控制、电饭锅的模糊控制、空调的变频模糊控制、电冰箱的模糊控制、微波炉的模糊控制等。
模糊控制技术大大提高了这些家电的智能化水平和控制效果，家用电器中使用模糊控制也成为目前的一个时尚。
（4）模糊控制在国民经济等复杂大对象的预测中的应用
国民经济等大型对象非常复杂，其变化趋势受很多因素影响，非常难以建立精确的数学模型来进行模拟。
如人口变化趋势预测、黄河流域雨量预测、物价上涨趋势预测等。
但是可以通过模糊控制理论、专家系统理论等建立模糊预测模型，获得这些对象的变化趋势。
5结论
从L.A.Zadeh教授提出模糊集合理论，模糊控制理论得以发展，从而为处理客观世界中存在的一类模糊性问题，提供了有力的工具。
模糊控制器作为模糊控制系统的核心，在模糊控制中占重要作用。
模糊逻辑工具箱通过模拟模糊控制，使模糊控制技术得以更快发展。
一方面，模糊控制在工业中的应用是一个相对迅速发展的领域。
另一方面，模糊控制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不够的，有待人们的进一步提高。
然而，随着模糊控制理论的不断发展和运用，模糊控制技术将为工业过程控制开辟新的应用途径，前景十分光明。
参考文献：
[1]章卫国杨向忠.《模糊控制理论与应用》.1999年10月第1版
[2]张乃尧阎平凡.《神经网络与模糊控制》.清华大学出版社.1998
[3]李士勇夏承光.《模糊控制和智能控制理论与应用》.哈尔滨工业大学出版社.1990
[4]诸静.模糊控制原理与应用及现状.《电工技术杂志》.1993年03期
[5]Lee
C
C.
Fuzzy
logic
in
control
system：
fuzzy
controller,
PartI,II[J]
IEEETranson
Systems,
Man,
and
Cybernetics,1990,20
（2）:
404-435
[6]闻新周露李东江.《MATLAB模糊逻辑工具箱的分析与应用》.科学出版社.2001
[7]权太范宗成阁等.《模糊控制技术在过程控制中的应用现状及前景》.《控制与决策》1988年01期
[8]金以慧.《过程控制》.清华大学出版社.1993年4月第1版
Therevieweoffuzzycontroltheoryanditsapplication
LinhuaLu20102336022
NanjingUniversityOfInformationScience&
Technology,Binjiang,Automaticcontrolsystem,Nanjing10044
ABSTRACT
Recentlybothintheoryandtechnology,fuzzycontrolhasmadeconsiderableprogress,becomethefieldofautomaticcontrolisaveryactiveandfruitfulbranches.Thepaperlearntomasterthetheoryoffuzzycontrol,thestructure,theworkingprincipleofthefuzzycontroller,andsoon.Thepaperlearntomasterthebasictechniquesoffuzzylogictoolboxandthebasicmethodofuse.Thepapersumsuptheadvantagesoffuzzycontroltechnology.Atthesametime,thepapersummarizedtheapplicationoffuzzycontrol,induction,andanexampletointroducethecorresponding.
Keyword：
thefuzzycontroltheory；
thefuzzycontroller；
fuzzylogictoolbox；
theapplicationoffuzzycontrol
升级会员 