模糊控制的理论基础1a.ppt

模糊控制(5/10) 将输出入变量的隶属函数分成五个等级： 　　　　NB：Negative Big 　　　　NM：Negative Medium 　　　　ZR：Zero 　　　　PM：Positive Medium 　　　　PB：Positive Big 模糊控制(6/10) 模糊推理规则： Rule 1：If 　　　　　　　　　　Then Rule 2：If 　　　　　　　　　　Then Rule 3：If 　　　　　　　　　　Then Rule 4：If 　　　　　　　　　　Then Rule 5：If 　　　　　　　　　　Then Rule 6：If 　　　　　　　　　　Then Rule 7：If 　　　　　　　　　　Then 模糊控制(7/10) 假设偏移角度　之输入为 以PM而言：　　隶属度为0.7 以PB而言：　　隶属度为0.3 NB NM ZR PM PB 0.7 0.3 隶属度 偏移角度 f a f 1 0 ° - 90 ° - 45 ° 0 ° 45 ° 90 模糊控制(8/10) 假设偏移角度　之输入为 以NM而言：　　隶属度為0.6 以ZR而言：　　隶属度為0.4 NB NM ZR PM PB 0.6 0.4 f ￠ a f ￠ 角速度 0 1 隶属度 10 - 5 - 0 5 10 模糊控制(9/10) 0 1 NB NM ZR PM PB 0.6 0.3 (Rule 5) (Rule 7) 移动速度 V 1000 - 500 - 0 500 + 1000 + rpm 模糊控制(10/10) 角度、角速度与移动速度的模糊规则关系图 台車 Rule 1 Rule 4 Rule 2 Rule 5 Rule 6 Rule 3 Rule 7 ZR : f ￠ PB : f PM : f PM : f ￠ NM : f ￠ PM : f ZR : f ￠ ZR : f NM : f PM : f ￠ NM : f NM : f ￠ NB : f ZR : f ￠ 单摆位置 机台运动方向 PB PM ZR NM NB Rule 1 Rule 4 Rule 2 Rule 5 Rule 6 Rule 3 Rule 7 : V ? : V ? : V ? : V ? : V ? : V ? : V ? ZR ZR 自适应模糊控制系统 通常，对MIMO系统规则库的建立问题，有两种解决方法:一种是利用被控对象动态特性进行模糊模型在线辨识;一种是自学习方法。前者类似于传统的系统辨识和自适应控制策略，后者则更接近于自学习与智能型机构。 基于模型的模糊控制方法是用一组if-then语句(T-S model)或关系方程(Pedryez model)来表达输人输出变量之间的关系，在此模型基础上设计控制策略。与此相反，基于学习的模糊控制方法则是通过重复操作过程来模仿人的学习能力，因此可以不考虑被控对象的特性。 自适应模糊控制器的结构 人们对自适应控制的研究最初起源于20世纪50年代的航空航天问题。由于当时经典控制器难以适应高性能的飞机和火箭的姿态控制，需要有能自动地适应受控过程变化特性的更复杂控制器。60年代，现代控制理论的蓬勃发展为自适应控制理论的形成和发展创造了条件。70年代，由于空间技术、机器人控制和过程控制的需要，尤其是在微计算机技术的发展应用的推动下，自适应控制理沦和设计方法获得了迅速的发展，它已经成为现代控制理论中的一个十分重要的研究领域。 自适应控制器必须同时具备两个功能: (l)根据被控过程的运行状态给出合适的控制量，即控制功能; (2)根据给出的控制量的控制效果，对控制器的控制决策进一步改进，以获得更好的控制效果，即学习功能。 自适应控制器是同时执行系统辨识和控制任务 自适应控制逻辑图 有适应模糊控制技术的结构自适应模糊控制器是在简单模糊控制器的基础上，增加了三个功能模块而构成的一种模糊控制器 模糊化 E 控制量校正 性能检测 去 模 糊 系统过程 规则修改器 模糊推理器 推理规则 CE 模型参考自适应控制系统 MRAS系统模型 参考自适应系统(Model Reference Adaptive systems，简称MARS)是一类很重要的自适应控制系统。在MRAS中有一个参考模型，它描述被控对象的动态或表示一种理想的动态。这种控制方式是将被控过程输出与参考模型输出进行比较，并按偏差进行控制。 MRAS系统参考模型 参考模型 模糊推理器 被控对象 推理规则 在MRAS中有一个参考模型，它描述被控对象的动态或表示一种理想的动态。这种控制方式是将被控过程输出与参考模型输出进行比较，并按偏差进行控制。 T-S模型的模糊辨识方法 T一S模糊模型(Takagi和Sugeno)