模糊控制及应用解析.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * 当 X=Y时，称R为X上的模糊集合;当论域为n个集合的直积X1 ? X2 ?… ? Xn 时,则称R为n元模糊关系。 * * * * * * * * * * * * 已知：表达手动控制策略的模糊关系 R 和输入语言变量对应的模糊集合 E1 ，或 E1 and ，或 A1 and B1 and C1 ，求：输出语言变量对应的模糊集合。 6.3 模糊控制器设计步骤 4、解模糊化方法。 解模糊化（清晰化）是将模糊推理得到的控制量（模糊量）变换为实际用于控制的清晰量。也就是从模糊输出隶属函数中找出一个最能代表这个模糊集合作用的精确量 解模糊化方法有最大隶属度法，中位数法，加权平均，重心法，求和法或估值法等等。 6.3 模糊控制器设计步骤 最大隶属度法 在模糊集合中选隶属度最大的论域元素作为确定量输出 取中位数法 先计算输出模糊集合的隶属度曲线和论域元素横坐标围成区域的面积，取平分该面积的数作为模糊判决结果。 重心法 6.3 模糊控制器设计步骤 例：某电热炉用于对金属零件的热处理，要求炉温给定值 ，人工控制时，根据对炉温的观测值，调节电热炉供电电压，达到升降炉温的目的。现改为模糊控制系统，试设计模糊控制器。 7 模糊控制应用实例 解：设计工作分为五步进行： (1)首先确定模糊控制器的输入量和输出量 实测炉温t与给定值t0之误差 作为输入量；输出量采用晶闸管整流电源的触发电压u的变化量。这是一个典型的二维模糊控制器。 7 模糊控制应用实例 (2)输入、输出变量的模糊划分 模糊控制规则前提部中每一个语言变量都形成一个与确定论域相对应的模糊输入控制空间，而在结论部中的语言变量则形成模糊输出空间，每一个语言值被定义在同一论域上。在本问题中，将描述输入变量以及输出变量的语言值 E 和 U 均取为 “负大 NB ” 、“负小 NS” 、“零 O” 、“正小 PS ” 、“正大 PB ” 误差的论域为 控制量的论域为 每一个语言都对应于一个模糊子集。一般来说，模糊划分越细，控制精度就越高，但过细的划分将增加模糊规则的数目，使控制器复杂化。 7 模糊控制应用实例 7 模糊控制应用实例 (2)模糊化 模糊化是一种主观评价，它把测量值转化为主观量值的评价。由此，它可以定义为在确定的输入论域中将所观察的输入空间转换为模糊集的映射。为实现模糊化，必须确定基本模糊集的隶属度函数。隶属度函数的选择对模糊控制器的性能有重要影响。 7 模糊控制应用实例 设计误差隶属度函数如下图所示。模糊化过程就是根据输入变量模糊子集的隶属度函数找出相应的隶属度值的过程。 也可以设计误差隶属度函数如下图所示。 7 模糊控制应用实例 (3)模糊控制规则语言描述：操作人员经验的语言描述可以归纳为 若炉温低于 ，则升压，低得越多升压越高； 若e负大，则u正大； 若e负小，则u正小； 若炉温等于 ，则保持电压不变； 若e为零，则u为零； 若炉温高于 ，则降压，高得越多降压越低； 若e正大，则u负大； 若e正小，则u负小。 7 模糊控制应用实例 E NB NS O PS PB U PB PS O NS NB 表2.2 控制规则表 7 模糊控制应用实例 (4)建立模糊控制规则库 模糊系统是用一系列基于专家知识的语言来描述表征的，专家知识常用 “If…And…Then…”规则的形式，而这些规则很容易通过模糊逻辑条件语句来实现。用系统模糊条件描述表达的模糊控制规则就构成模糊控制规则库。规则的基本形式是： If x Is A And y Is B, Then z Is C 其中If部分称为前提部或条件部；Then部分称为后件部或结论部。x、y是输入变量；z是推理结果；A、B、C是模糊集，它们用隶属度函数表示。 7 模糊控制应用实例 (4)建立模糊控制规则库 控制规则条数的多少视输入及输出物理量数目及所需的控制精度而定。对于常用的二维模糊控制器，若每维输入量分成三级，那么相应就有9条规则，若按每个输入的语言变量分成七级计算，则有49条规则。 7 模糊控制应用实例 用误差论域到控制量论域上的模糊关系表示模糊控制规则 7 模糊控制应用实例 (5)模糊推理 控制量通过模糊合成规则得出 当 时，有 7 模糊控制应用实例 (6) 精确化计算 精确化计算是根据输出模糊子集的隶属度来计算输出变量的精确值。可