模糊控制基础知识.ppt

4.5 模糊控制4.5 Fuzzy Control 模糊控制是以模糊集合论模糊语言变量和模糊逻辑推理为基础的微机数字控制。它是模拟人的思维，构造一种非线性控制，以满足复杂的，不确定的过程控制的需要。 4.5.2 模糊控制器的输入输出变量及其模糊化 4.5.3建立模糊控制规则 4.5.4模糊关系与模糊推理 4.5.5 模糊控制向量的模糊判决—“清晰化” 4.5.6模糊控制表 4.5.7 确定实际的控制量 4.5.8 模糊控制算法的工程实现 例如，已知当输入的模糊集合A和输出的模糊集合B分别为: A＝1.0／al+0.8／a2+0.5／a3+0.2／a4+0.0／a5 B＝0.7／bl+1.0／b2+0.6／b3+0.0／b4 这里采用模糊集合的Zadeh表示法，其中ai，bi表示模糊集合所对应的论域中的元素，而μi表示相应的隶属度，“／”不表示分数的意思。 则当输入 A′＝0.4/a1 + 0.7/a2 + 1.0/a3 + 0.6/a4 + 0.0/a5 B′由下式求取 B＝A R＝ = [(0.4∩0.7)∪(0.7∩0.7)∪(1.0∩0.5)∪(0.6∩0.2)∪(0.0∩0.0), (0.4∩1.0)∪(0.7∩0.8)∪(1.0∩0.5)∪(0.6∩0.2)∪(0.0∩0.0), (0.4∩0.6)∪(0.7∩0.6)∪(1.0∩0.5)∪(0.6∩0.2)∪(0.0∩0.0), (0.4∩0.0)∪(0.7∩0.0)∪(1.0∩0.0)∪(0.6∩0.0)∪(0.0∩0.0)] = [(0.4 0.7 0.5 0.2 0.0), (0.4 0.7 0.5 0.2 0.0), (0.4 0.6 0.5 0.2 0.0), (0.0 0.0 0.0 0.0 0.0)] = (0.7, 0.7, 0.6, 0.0) 则B＝0.7/b1+ 0.7/b2 + 0.6/b3 + 0.0/b4 在上述运算中，“∩”为取小运算，“∪”为取大运算。 R = R1∪R2∪……∪Rn= (4—53) 由于系统的控制规则库是由若干条规则组成的，对于每一条推理规则都可以得到一个相应的模糊关系，n条规则就有n个模糊关系：Rl，R2，...，Rn，对于整个系统的全部控制规则所对应的模糊关系及可对n个模糊关系Ri(i＝l，2，...，n)取“并”操作得到，即 两种简单实用的方法。 1．最大隶属度法 这种方法是在模糊控制向量中，取隶属度最大的控制量作为模糊控制器的控制量。例如，当得到模糊控制向量为: U＝0.1/2 + 0.4/3 + 0.7/4 + 1.0/5 +0.7/6 + 0.3/7 由于控制量隶属于等级5的隶属度为最大，所以取控制量为: U＝5 这种方法的优点是简单易行，缺点是完全排除了其他隶属度较小的控制量的影响和作用，没有充分利用取得的信息。 2. 加权平均判决法 （1）普通加权平均法 为了克服最大隶属度法的缺点，可以采用加权平均判决法，即 U = (4—54) 例如 U＝0.1/2 + 0.8/3 + 1.0/4 + 0.8/5 + 0.1/6 则 U＝ ＝ 4 （2）权系数加权平均法 其中ki为权系数。 （3）中位数判决法 将隶属函数的曲线与横坐标所围成的面积平均分成两部分，以分界点对论域元素ui作为判决输出。 设模糊推理的输出为模糊量C’,若存在u*,使得 则u*为控制量的精确值。 模糊关系、模糊推理以及模糊判决的运算可以离线进行，最后得到模糊控制器输入量的量化等级E，EC与输出量即系统控制量的量化等级U 之间的确定关系，这种关系通常称为“控制表”。 对应于4.5.3节中的21条控制规则的“控制表”如表4.8所