模糊智能控制报告.docVIP

《模糊控制，神经控制和智能控制论》报告 报告题目：基于模糊推理的智能控制系统的现状和展望 专 业：应用数学 学 号姓 名：周坤 任课老师：黄天民 基于模糊推理的智能控制系统的 现状和展望 摘 要：通过对模糊推理的智能控制系统的简单概述，揭示了模糊控制系统的研究现状和未来展望。从不同角度概括了模糊控制系统的优点；通过对模糊控制应用研究现状的分析，表明模糊控制系统已经广泛应用于实际中；介绍了模糊控制的最新研究领域以及未来研究的方向。 关键词：模糊控制；控制器；数学模型 1. 模糊控制的优点 模糊控制之所以能获得巨大的成功，其主要原因在于它具有如下一些突出优点: （1）模糊控制是一种基于规则的控制。它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识在设计中不需要建立被控对象的精确数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。 （2）由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用，已越来越多地、成功地应用于实际中。 （3）基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统的语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 （4）模糊控制算法是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。 （5）模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。 2． 模糊控制系统的应用研究现状 模糊控制具有良好控制效果的关键是要有一个完善的控制规则。但由于模糊规则是人们对过程或对象模糊信息的归纳，对高阶、非线性、大时滞、时变参数以及随机干扰严重的复杂控制过程，人们的认识往往比较贫乏或难以总结完整的经验，这就使得单纯的模糊控制在某些情况下很粗糙，难以适应不同的运行状态，影响了控制效果。常规模糊控制的两个主要问题在于：改进稳态控制精度和提高智能水平与适应能力。在实际应用中，往往是将模糊控制或模糊推理的思想，与其他相对成熟的控制理论或方法结合起来，发挥各自的长处，从而获得理想的控制效果。由于模糊规则和语言很容易被人们广泛接受，加上模糊化技术在微处理器和计算机中能很方便地实现，所以这种结合展现出强大的生命力和良好的效果。对模糊控制的改进方法可大致分为模糊复合控制，自适应和自学习模糊控制，以及模糊控制与智能化方法的结合等3个方面。 2.1 模糊复合控制 （1）复合控制：即模糊PID控制。当系统的非线性和系统参数随外界干扰波动性很大时，采用常规的PID 控制难以获得满意的动、静态品质，因此在这种情况下采用模糊复合控制，当误差较大时采用模糊控制，而误差较小时采用控制，从而既保证动态响应效果，又能改善稳态控制精度，使得系统的综合控制效果优良。一种简便有效的做法是模糊控制器和I调节器共同合成控制作用。 （2）模糊-线性复合控制：如模糊—前馈补偿控制等，实际利用了模糊控制是变增益 控制器的特点，在实际系统的控制中取得了较好的效果。 （3）Smith—模糊控制器：工业过程控制对象在不同程度上存在纯滞后性质，纯滞后越大，系统就越难以控制，克服纯滞后是改善时滞控制系统性能的关键。传统的Smith预估控制，虽然在理论上解决了纯滞后对象的控制问题，但在实际应用上鲁棒性差，当存在建模误差时，系统的性能很难得到保证。针对以上特点，引入了模糊控制器，用模糊控制器代替PID。这种系统兼顾了Smith预估控制和模糊PID控制的优点，既对纯滞后的特性有较好的补偿作用，又可获得很好的动态性能、鲁棒性和抗干扰能力。如果在反馈通道中加一个滤波器，系统的鲁棒性和抑制外部干扰能力将会进一步提高。 （4）三维模糊控制器：目前三维模糊控制器的应用主要分为两大类，一类是利用误差E，误差变化Ec和误差变化速率Ecc作为三维变量，可以解决传统二维模糊控制器的快速响应与稳定性要求之间的矛盾；另一类是利用E,Ec和误差的累积和，这相当于变增益的PID控制器，提高了模糊控制的稳态精度。 （5）多变量模糊控制：主要用于分析和处理复杂动态系统，这类系统具有不同程度的不确定性、非线性、多维性和耦合性等，多变量模糊理论则为处理这类系统提供了一条崭新的研究思路。多变量模糊控制一般采用结构分解和分层分级结构，利用多个简单的模糊控制器进行组合，并兼顾多规则集之间的相互关系。 2.2 自适应和自学习模糊控制