P-重心法及在模糊控制中的应用.pdfVIP

P．重心法及其在模糊控制中的应用 范昭赋剥咭贵 (吉林大学计算机科学系，长春．130023) 摘墓在模糊控制中，清晰化方法的选择是报重要的。本文提出了一种新的清晰化方法．即P- 重心法。通过对该方法的讨论．把最大隶属度法和重心法有机地联系起来。并提出r一种改进的最大 隶属度法，进一步揭示了清晰化的本质。汪蹰了P．重心法是一种既不“鲁莽”叉彳：“保守”的清晰化 方法。并通过倒立摆模糊控制实例说明了P．重心法的优越性。最后分析丁怎样用P·重心法作为一种自 适应控制机制，通过调节参数来改善控制性能。 关键词 清晰化方法P．重心浩模糊控制 自适应模糊控制 I 引言 在模糊控制器的设计中，采用何种模糊量的清晰化运算方法是很重要的。最常用的 清晰化运算方法有最大隶属度法和重心法【l】(也即加权平均法)。最大隶属度法只使用了 具有最大隶属度的点的信息，而完全抛弃了其它点的信息：重心法却是全面考虑了所有 非零隶属度点的信息，按它们的隶属度进行加权平均，而相对削弱了最大隶属度点的作 用。这两种方法其实是两个极端的方法，要么只见其一，要么一视同仁。从直观上看， 前者显得太“鲁莽”，后者显符太“保守”；从信息角度口1看，使用前者有可能丢掉了许 多有用的信息．使用后者又有可能受到无用信息的干扰。那么怎么把握这种度呢?很自 然，我们想到了一种折衷的方法，就是本文要讨论的P．重心法，即P．重心法是分于它们 之闯的一种方法，而且可以把前两种方法分别看做是它的一个特例。实验和研究证明P． 重心法具有一些非常好的性质，更重要的是．它具有参数可调性，还可以作为一种新的 自适应控制手段。下文将进行详细的讨论。 2 P．重心法的定义及其性质 在定义P。重心法之前，我们先回顾一下最大隶属度法和重心法的定义。 定义l：若输出量模糊集合C’的隶属度函数∥，(x)只有一个峰值，则取对应隶属 度最大值的点为清晰值。若输出模糊集合有多个峰值，则把取得隶属度最大值的那些点 的平均值作为清晰值。这种清晰化方法称为最大隶属度法，清晰值用afo,(x)表示。即 1一k df．(x)=÷艺x， ^i=1 其中X，(每l…2．．)为取得最大隶属度的点。 定义2：设输出量模糊集台C’的隶属度函数为段．．(x)，我们取∥，(x)的加权平均 值作为x的清晰值，用∥：似)表示： ·267· J碱t(x)Ox ∑置雎，(一) 识“)=专——一 (连续域)或吼@)=2I_—一(离散域) 沁．o)Ox ∑脚(x，) 。 IIl 0 这种清晰化方法称为加权平均法，因为它与求重心的公式很相似，又称为重心法。 P．重心法是在重心法的基础上改进的，其定义如下。 定义3：设输出量模糊集合C’的隶属度函数为∥P(z)，p-重心法的清晰值用 矾(T)表示： fx(∥，(x))9dx ∑_(∥，(t))9 矾(x)=％————一(连续域)或矾(x)=曼}———一(离散域) f(∥，(z))9出 ∑(∥，(一))9 ，=I 其中P≥1，称为量太值塞出廑。 可以证明，P-重心法具有如下性质： (1)p；1时．该方法即为重心法，即矾lⅢ(x)=G(x)。 (2)如果∥c，(x)关于x=矾对称，则够j(x)=肌。 (3)对于任意小的正数e，存在一足够大的正数n，当pn时，有一常数a，使得