第4章模糊控制.ppt

1.1 为什么研究模糊系统 实际系统中有两种重要的信息来源：一个是用自然语言描述系统性能的专家；另一个是传感器提供的测量数据和根据自然法则推导出来的数学模型。 模糊系统可以将人类知识整合到同传感器测量结果及数学模型类似的“框架”中。即把一个人类知识库转换成一个数学公式。 1.2 什么是模糊系统 模糊系统是一种基于知识或基于规则的系统。它的核心就是由所谓的IF-THEN规则所组成的知识库。 一个模糊的IF-THEN规则就是一个用连续隶属度函数对所描述的某些句子所做的IF-THEN陈述。 模糊系统是由模糊规则构成的模糊规则基加上某种模糊规则逻辑映射法则组成的一种系统。它具有其他辨识系统所没有的特征，即能利用人类的语言信息，具有明显的语义特点和清晰的物理结构。模糊控制是模糊系统和理论应用的非常突出的领域。许多文献提到模糊控制的主要特点能实现对无数学模型的对象进行有效控制。当然，前提是人类必须对被控对象具有丰富的人工控制经验并且易于用模糊规则表达。 例1.1 设想设计一个自动控制汽车速度的控制器，把人类司机所采用的规则转换到自动控制器中来。一般有如下三类规则来驾驶汽车： 如果速度慢，则施加给油门较大的力。 如果速度适中，则施加给油门正常大小的力。 如果速度快，则施加给油门较小的力。 “快”，“较小”可以用图1.1和图1.2中的隶属度函数来描述。 构造一个模糊系统就是要将一组来至于专家或基于该领域知识的模糊IF-THEN规则组合到单一系统中。不同的模糊系统采用不同的组合原则。 文献中常见的模糊系统有三类： （1）纯模糊系统 （2）TSK模糊系统 （3）具有模糊器和解模糊器的模糊系统 纯模糊系统如图1.3所示。模糊规则库可表示为若干条IF-THEN规则的集合。模糊推理机根据模糊规则库，将输入集合U映射到输出集合V。 TSK模糊系统如图1.4所示。TSK模糊系统通过对规则的THEN部分的值进行加权平均，使由语言描述的词语变成简单的数学公式。 具有模糊器和解模糊器的模糊系统如图1.5所示。该模糊系统在纯模糊系统的输入端加上模糊器，将真值变量转换成模糊集合。在输出端加上解模糊器，将模糊集合转换成真值变量。 模糊控制在倒车控制中的应用 将—卡车后倒至一装卸车位是一个非线性控制问题。采用传统的控制方法，首先会建立一个该系统的数学模型，然后根据非线性控制理论设计一个控制器。还有一种方法就是，设计一个控制器来模仿人类司机。本文采用后一种方法。假设有一个有经验的司机，且已知卡车的状态以及司机将卡车后倒至车位的控制行为，即，能够获得输入一输出(状态—控制)数据对集合。那么就可以采用上一节中的查表法，根据这些输人一输出数据对设汁一个模糊系统，并用所设计的模糊系统来取代人类司机。 仿真的卡车和装卸区位，如下图。 卡车的位置是由三个状态变量 ，x和y确定的，其中 是卡车与水平线的夹角, 为卡车的控制量即方向盘转动角。卡车只允许后倒，卡车每隔一段时间都会向后移动，移动的距离是固定的。假设在卡车和装卸车位之间有足够的间隙，这样y就是一个状态变量了。设计——个输人为(x， )，输出为 的控制器，要求卡车的最终状态为(xf， )＝(10，90°)。 假设一个输入为(x, )，输出为 的控制器，要求卡车的最终状态为(xf， )。假设 即 首先，产生一组输入－输出数据对( )。利试错法产生输入－输出数据对：在每一时刻(此时x和 是给定的)当卡车从一个初始状态开始后倒时，根据常识确定控制量 (实际上这种常识就是在某种状态下如何控制方向盘角度的经验)。经过几次实验后。就可以找到与最平滑最成功的轨迹相对应的输入－输出数据对。 以下14个初始状态将分别用来产生所需的初始输入一输出数据对： (x0， )＝(1，0)， (1，90)， (1，270)； (7，0)， (7，90)， (7，270)； (13，0)， (13，90)， (13，270)； (19，0)， (19，90)， (19，270)； 下表给出了初始状态为(x0, )＝(1,0)时的输入－输出数据对。其他13种初始状态下的输入－输出数据对也可用类似的方法得到。总的说来，可以得到250对输入－输出数据对。现在，根据这些输入－输出数据对，利用上一节中的查表法来设计一个模糊系统。 理想轨迹(xt, )和从(1，0)出发对应 步骤1 在[-90o,270o]上定义7个模糊集，在[0,20]上定义5个模糊集，在[－40o，40o]上定义7个模糊集，它们的隶属度函数的图形如下图。 倒车控制问题的隶属度函数 步骤2和步骤