- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
CFC的工作原理.doc
C-FC的工作原理
对于连续论域的模糊控制器C-FC来说,输入输出信号的真实论域和内部论域都是连续的,是实数域上的一个闭区间,其中有无穷多个元素,此时模糊集合无法用矢量表示,模糊规则集无法用模糊集合矩阵表示,模糊推理也无法用矩阵运算表示,那么模糊控制是怎样实现的呢?这是本节要介绍的主要内容。
本节我们也想用一个具体实例来说明C-FC的一般原理,这个实例就是大家熟知的倒立摆,
它是一个非线性,不稳定的系统,经常作为研究比较不同控制方法的典型例子。
为杆与垂线的夹角(°),为作用力(N),杆的质量kg,杆和小车的总质量kg,半杆长m,重力加速度m/s2,采样周期s。倒立摆的数学模型为
=
我们可以实时测量角度(°),并计算出角速度°/s),控制的任务是产生合适的作用力,并使倒立摆保持直立状态。采用C-FC的控制系统如图3.4所示,C-FC的设计和工作过程包括以下步骤。
论域的正规化(normalization)
首先设°,°/s,,将,的实际值分别除以,,,并加以1限幅后,得到正规化的输入输出变量:
(3.6)
其中。
定义模糊集合及其隶属函数
对正规化的输入输出变量、、各定义五个模糊集合:NL,NS,Z,PS,PL,分别用∽,∽,∽来代表。在本例中三个变量的模糊集合的隶属函数均是对称、均匀分布、全交迭的三角形,如图3.5所示
图3.5的图形时最常采用的隶属函数,“对称”是指正负两边的图形对称,“均匀分布”时指每个三角形的中心点在论域上均匀分布(-1,-0.5,0,0.5,1),“全交迭”是指每个三角形底边的断点恰好是相邻两个三角形的中心点,因此。例如图中的点,。
(3)设计模糊控制规则集
本例中和各有五个模糊集合,所以最多有52=25条规则,根据经验只有11条规则即可,如表3.6所示。
表3.6倒立摆的模糊控制规则集
NL NS Z PS PL
NL NL NS NS Z Z NL NS Z PS PL PS Z PS PL PL 例如表中的第一行中间的控制规则是
if and ,then
模糊推理方法
先来介绍关于模糊推理的三个定理。给定的模糊规则集为
: if and ,then
: if and , then
……
:if and , then
其中语言变量的模糊集合(语言值)为∽,语言变量的语言值为∽,语言变量的语言值为∽现在已知条件( and ),要求结论。
由前面关于模糊关系、模糊推理的介绍我们知道,无论论域使离散的或是连续的,都有以下规则:
① (3.7)
其中是第条规则的模糊关系,他是在积空间上的一个模糊集合,是第条规则全体构成的模糊关系。
② (3.8)
其中表示三个模糊集合的直积(注意不是普通集合的直积,如),它是积分空间上的模糊关系。
③ (3.9)
这是模糊推理的合成法则,为合成算子。是两个模糊集合的直积,它是积空间上的一个模糊集合。
根据以上规律可以进一步给出三个定理。
定理3.1(各规则分别推理) 在上述条件下,由(3.9)式可得到
(3.10)
定理3.2(各条件分别推理) 在上述条件下,由(3.10)式可得到
and
= (3.11)
定理3.3(输入为模糊单点时的推理方法) 在上述条件下,若,则由(3.10)式又可得到:
∧ (3.12)
其中称为规则的激活度(firing strength)。
解模糊
C-FC模糊推理的结果是输出变量隶属函数的一部分所组成的图形,称为的可能性分布,解模糊的任务是确定一个值,能最好地代表的可能性分布。解模糊常采用以下三种方法。
最大隶属度平均法(mean of maximum,简称MOM):即在的可能性分布曲线上,去隶属度最大的线段的中点,以其横坐标值作为解模糊的结果, (本实验采用此方法)。
重心法(
文档评论(0)