解模糊化.docVIP

利用模糊数学的基本思想和理论的控制方法。在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。然而，对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。因此便尝试着以模糊数学来处理这些控制问题。 自从Zadeh发展出模糊数学之后，对于不明确系统的控制有极大的贡献，自七○年代以后，便有一些实用的模糊控制器相继的完成，使得我们在控制领域中又向前迈进了一大步，在此将对模糊控制理论做一番浅介。 编辑本段 概述 编辑本段 3.1概念 　　图3.1为一般控制系统的架构，此架构包含了五个主要部分，即:定义变量、模糊化、知识库、逻辑判断及反模糊化，底下将就每一部分做简单的说明： (1) 定义变量 　　也就是决定程序被观察的状况及考虑控制的动作，例如在一般控制问题上，输入变量有输出误差E与输出误差之变化率CE，而控制变量则为下一个状态之输入U。其中E、CE、U统称为模糊变量。 (2) 模糊化（fuzzify） 　　将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，依适合的语言值（linguisitc value）求该值相对之隶属度，此口语化变量我们称之为模糊子集合（fuzzy subsets）。 (3) 知识库 　　包括数据库（data base）与规则库（rule base）两部分，其中数据库是提供处理模糊数据之相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。 (4) 逻辑判断 　　模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，而得到模糊控制讯号。此部分是模糊控制器的精髓所在。 (5) 解模糊化（defuzzify） 　　将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值。 编辑本段 3.2变量选择与论域分割 3.2.1变量选择 　　控制变量的选择要能够具有系统特性，而控制变量选择是否正确，对系统的性能将有很大的影响。例如做位置控制时，系统输出与设定值的误差量即可当做模糊控制器的输入变量。一般而言，可选用系统输出、输出变化量、输出误差、输出误差变化量及输出误差量总和等，做为模糊控制器的语言变量，而如何选择则有赖工程师对于系统的了解和专业知识而定。因此，经验和工程知识在选择控制变量时占有相当重要的角色。 3.2.2论域分割 　　前一节提到了控制变量的选择问题，当控制变量确定之后，接下来就是根据经验写出控制规则，但是在做成模糊控制规则之前，首先必需对模糊控制器的输入和输出变量空间做模糊分割。例如当输入空间只有单一变量时，可以用三个或五个模糊集合对空间做模糊分割，划分成三个或五个区域，如图3.2(a)所示。当输入空间为二元变量时，如采用四条模糊控制规则，可以将空间分成四个区域，如图3.2(b)所示。模糊分割即对部分空间表为模糊状态，图中斜线部分即为对明确的领域。 　　模糊分割时各领域间重叠的程度大大地影响控制的性能；一般而言，模集合重叠的程度并没有明确的决定方法，目前大都依靠模拟和实验的调整决定分割方式，不过最近有些报告提出大约１/3~1/2最为理想。重叠的部份意味着模糊控制规则间模糊的程度，因此模糊分割是模糊控制的重要特征。 3.3 隶属度函数的型式 　　Mamdani教授最初所用的模糊变量分为连续型和离散型两种型式，因此隶属度函数的型式也可以分为连续型与离散型两种。由于语言变量及相对应隶属度函数的选择，将造成多不同的模糊控制器架构；因此，底下将对各隶属度函数的型式加以介绍： 　　１. 连续型隶属度函数 　　　模糊控制器中常见的连续型隶属度函数有下列三种： 　　（１）吊钟形：如图3.3(a)所示，其隶属度函数可表示如下： 　　（２）三角形：如图3.3(b)所示，其隶属度函数可表示如下： 　　（３）梯形：如图3.3所示，其隶属度函数之表示法和三角形相类似。 　　在式中参数ａ为隶属度函数中隶属度为１时的ｘ值，参数W为隶属度函数涵盖论域宽窄的程度。而图中NB,NM,NS,ZO,PS,PM,PB等是论域中模糊集合的标记，其意义如下所示： 　　NB=负方向大的偏差(Negative Big) 　　NM=负方向中的偏差(Negative Medium) 　　NS=负方向小的偏差(Negative Small) 　　ZO=近于零的偏差(Zero) 　　PS=正方向小的偏差(Positive Small) 　　PM=正方向中的偏差(Positive Medium) 　　PB=正方向大的偏差(Posit