2_SetTheory3FuzzyControl模糊控制基础.ppt

32 第七章 模糊控制理论 第七章 模糊控制理论 7.1 模糊控制原理 7.2 模糊控制器的种类和设计 7.3 模糊控制的应用 7.1.1 模糊控制原理 1974年，英国工程师Mamdani首先把模糊集合用于锅炉蒸气机的控制上，这就标志着模糊控制的诞生。 一、模糊化 当用模糊控制器来代替人进行模糊控制时，需要把观测值（通常是精确数字）转化为相应的模糊集合，这个转化就是模糊化。 二、模糊控制规则的建立和模糊推理 通过一组模糊条件语句构成模糊控制规则，并计算模糊控制规则决定的模糊关系，然后根据推理合成规则进行模糊推理，输入语言变量被加到一个if…then… 控制规则的集合中去，把各种规则的结果加在一起产生一个“模糊输出”集合。 三、解模糊判决 ①重心法 ②最大隶属度法 在推理结论的模糊集合中取隶属度最大的那个元素作为输出量即可。 ③系数加权平均法 ④隶属度限幅元素平均法 用所确定的隶属度值?对隶属度函数曲线进行切割，再对切割后等于该隶属度的所有元素进行平均，用这个平均值作为输出，这种方法称为隶属度限幅（?-cut）元素平均法。 7.1.2 模糊控制器的基本结构与工作原理 图7.1 模糊控制器的示意图 图7.2 模糊控制器的结构 模糊控制器主要由模糊化接口、知识库、模糊推理机、解模糊接口四部分组成，各部分的作用概述如下。 1、模糊化接口（Fuzzification） 模糊化接口接受的输入只有误差信号et，由et再生成误差变化率 ，或误差的差分Δet，模糊化接口主要完成以下两项功能。 ①论域变换 ②模糊化 2、知识库（Knowledge Base） 知识库中存贮着有关模糊控制器的一切知识，它们决定着模糊控制器的性能，是模糊控制器的核心。 ①数据库（Data Base） 数据库中存贮着有关模糊化、模糊推理、解模糊的一切知识，包括模糊化中的论域变换方法、输入变量各模糊集合的隶属度函数定义等，以及模糊推理算法、解模糊算法、输出变量各模糊集合的隶属度函数定义等。 ②规则库（Rule Base） 模糊控制规则集，即以“if…then…”形式表示的模糊条件语句，如 R1：if et* is A1 and * is B1, then u* is C1, R2：if et* is A2 and * is B2, then u* is C2, … … Rn：if et* is An and * is Bn, then u* is Cn。 其中，et*和et *就是前面所说的模糊语言变量，A1，A2，…，An是et*的模糊子集，B1，B2，…，Bn是et*的模糊子集，C1，C2，…，Cn是u*的模糊子集。 规则库中的n条规则是并列的，它们之间是“或”的逻辑关系，整个规则集的总模糊关系为 3、模糊推理机(Inference Engine) 模糊控制应用的是广义前向推理。在t时刻，若输入量为e*和 *，e*∈X’， *∈Y’，且论域X’，Y’和Z’都是离散的，e*在X’上对应矢量A’， *在Y’上对应矢量B’，则推理结果是Z’上的矢量C’, C‘=(A?B)? R 4、解模糊接口(Defuzzification) ①解模糊 ②论域反变换 7.2 模糊控制器的种类和设计 7.2.1 模糊控制器的分类 7.2.2 模糊控制器的主要设计因素 7.2.1 模糊控制器的分类 一、D-FC和C-FC 模糊控制器可以分成D-FC（离散论域的模糊控制器）和C-FC（连续论域的模糊控制器）两大类。 二．PD，PI，PID型的模糊控制器 PID（Proportional