模糊控制系统设计教程.ppt

2.3 模糊控制器设计2.3.1 模糊控制器设计要求 从系统硬件结构看，模糊控制系统与其他常规数字控制系统一样，是由： 控制器、执行机构、被控对象、敏感元件和输入输出接口等环节组成。 传统数字闭环控制系统的优化设计过程示意图 设计过程包括: 系统分析 综合设计 控制器实现 模拟仿真 或试验等过程。 基于规则的模糊控制器的设计原理示意图 与传统数字系统相比，在系统分析、设计和实现过程中，两者有较大差别。 模糊控制器的设计流程图 设计时要调整的参数有： ? 控制器结构 ? 隶属函数的形状、位置 ? 规则和置信度 ? 模糊推理的运算子 ? 清晰化方法 2.2.2 清晰量的模糊化 在模糊控制系统运行中，控制器的输入值、输出值是有确定数值的清晰量，而在进行模糊控制时，模糊推理过程是通过模糊语言变量进行的，在清晰量和模糊量之间有一定的对应关系。 这种把物理量的清晰值转换成模糊语言变量值的过程叫做清晰量的模糊化。 1. 语言变量隶属函数的设定 语言变量是以自然或人工语言的词、词组或句子作为值的变量。 例如，我们可以将“温度”划分成“较低”、“低”、“中”、“高”、“较高”五个部分（或称五档）。 “温度”称为语言变量，温度的“较低”、“低”、“中”、“高”、“较高”称为这个语言变量的语言值。 语言值可用模糊集来描述。 燃烧炉温度变量的隶属函数的描述 隶属函数的重叠 在图2.28中，温度500?C既可属于“中”的范围，也可认为属于“低”的范围。这就是隶属函数的重叠。 在一个模糊控制系统中，隶属函数之间的重叠程度直接影响着系统的性能。 一般重叠率在0.2～0.6之间选取。 几个隶属函数重叠的例子 选择合适的重叠，正是一个模糊控制器相对于参数变化时具有鲁棒性的原因所在。 而隶属函数之间不恰当的重叠，就可能最终导致模糊控制系统产生随意的混乱行为。 隶属函数均匀分布和不均匀分布的例子 隶属函数在整个论域上可以是均匀对称分布的，也可以是非均匀或不对称的。 可将三角形模糊集的“零”（ZE）固定在所谓的“工作区”上，而其他模糊集则向“零”靠拢，这种分布有助于提高系统的控制精度。 在设计一个输入语言变量的隶属函数时，所要考虑的因素有：隶属函数的个数、形状、位置分布和相互重叠程度等。 2. 语言变量值的表示方法（1）语言变量值的图形表示 语言变量“偏差” 有“负大”、“负中”、“负小”、“零”、“正小”、“正中”、“正大”七个语言值（NB，NM，NS，ZE，PS，PM，PB）。 它们均是三角形分布隶属函数。 （2）语言变量值的表格表示 把“偏差”的整数论域元素和语言变量值分别作为表格的行和列，就可以得到语言变量值的表格表示，也可称为语言变量的赋值表。 3.清晰量转换为模糊量 模糊控制系统中含有偏差e、偏差变化率Δe两个输入量，和一个控制量u。它们都是清晰量。这三个物理量都要从物理论域通过量化转换到整数论域，再在整数论域给出若干语言变量值，从而实现整个论域元素的模糊化过程。 表2.2 偏差e的语言变量值 对于偏差e，通过量化变换到整个论域{-6，-5，-4，-3，-2，-1，0-，0+，1，2，3，4，5，6}，并取正大、正中、正小、正零、负零、负小、负小、负大八个语言变量值档次。 表2.3 偏差变化率Δe的语言变量值 对于偏差变化率Δe，通过量化变换到整数论域{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}，并取正大、正中、正小、零、负小、负中、负大七个语言变量值档次。 2.3.3 模糊量的清晰化  （1）最大隶属度法 最隶属度法是指选取推理结论的模糊集中隶属度最大的元素作为控制量的方法。例如 （2）重心法 重心法是指取模糊集隶属函数曲线同基础变量轴所围面积的重心对应的基础变量值作为清晰值的方法，也是一种最常用的清晰化方法。 在输出量隶属函数为连续变量情况下 当输出变量的隶属函数为单点集时 对于图中的上个单点集： （3）左取大（LM）和右取大（RM）法 左取大（LM）是指取输出隶属函数左边达到最大值所对应的基础变量值作为清晰值的方法。 右取大（RM）是指取输出隶属函数右边达到最大值所对应的基础变量值作为清晰值的方法 左取大和右取大的示意图如下图 ： （4）加权平均法 加权平均法是指以各条规则的前件和输入的模糊集按一定法则确定的值ki为权值，并对后件代表值μi加权平均计算输出的清晰值的方法。其计算公式为 2.3.4 模糊控制规则及控制算法 1. 模糊控制规则的生成 设计模糊规则时，需遵守的原则是： 必须考虑控制规则的完备性、交叉性和一致性。 完备性是指对于任意的给定输入，均有相应的控制规则起作用。 交叉性是指控制器的输出值总由数条控制规则来