现代过程控制基础-4-模糊控制详解.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 4.2 模糊控制器的设计 4.2.3 模糊化处理 模糊控制器的输入数据都是精确量，而模糊控制器是采用人的思维，也就是语言规则进行推理，因此需要将输入数据(如温度910℃)变换成语言值(如温度“低”、“中”、“高”)，这个过程称之为模糊化的过程。对输入数据进行模糊化处理是模糊控制器设计必不可少的一步。 4.2.3.1 确定输入输出变量的模糊集合 模糊控制器中常用正大、正中、正小、零、负小、负中、负大等模糊语言描述输入的偏差。因此，若将“偏差”看成是一个模糊语言变量，则它的取值不是具体的偏差大小，而是诸如“正大”、“正小”、“负中”、“零”等用模糊语言表示的模糊集合。一个模糊集合通常有三种等级划分方法：（1）{负大，负小，零，正小，正大}五个等级；（2）{负大，负中，负小，零，正小，正中，正大}七个等级；（3）{负大，负中，负小，零负，零正，正小，正中，正大}八个等级。 * 4.2 模糊控制器的设计 4.2.3.2 确定隶属函数 输入变量偏差、偏差变化率和输出控制量的模糊集合以及论域确定后，需要确定模糊语言变量的隶属函数。一般是根据专家经验或统计分析结果进行确定。 4.2.3.3 模糊化处理 所谓模糊化，就是根据模糊集合的隶属函数，对输入的数值找出相应的隶属度的过程。在确定模糊变量隶属函数以后，就可以根据所选择的隶属函数确定论域内元素对模糊语言变量的隶属度值，即所谓对模糊变量赋值。 * 4.2 模糊控制器的设计 4.2.4 模糊控制规则的建立与模糊推理 4.2.4.1 模糊控制规则的建立 模糊控制规则是模糊控制的核心，因此，如何建立模糊控制规则是至关重要的问题。模糊控制规则的生成大致有四种方法： （1）根据专家经验或过程知识生成控制规则； （2）根据过程模糊模型生成控制规则； （3）根据对手工控制操作的系统观察和测量生成控制规则；（4）根据学习算法生成控制规则。 实际工程中，通常采用第一种方法来确定控制规则，并在试验过程中不断进行修改和完善。规则的形式常采用类似于计算机程序设计语言的条件语句： * 4.2 模糊控制器的设计 将模糊控制器的输入量转化为模糊量功模糊逻辑决策系统用，每一条模糊规则可以求出一个模糊关系R。模糊逻辑决策器根据控制规则决定的模糊关系R，应用模糊逻辑推理算法得出控制器的模糊输出控制量，最后精确化输出。 对于n条模糊控制规则可以得到输入输出关系矩阵R1，R2，…….，Rn，从而有模糊规则的合成算法可得到总的模糊关系矩阵为： 4.2.4.2 模糊推理 * 对于任一系统误差 和系统误差变化 ，其对应的模糊控制器输出 为： 通过上面的公式计算出模糊控制量 ，但是计算量非常的大，一般采用查表法 k1 k2 量化 量化 模糊控制表 k3 对象 e de x y z u T + 图4-8 控制表方式的模糊控制逻辑控制器结构图 4.2 模糊控制器的设计 * 4.2 模糊控制器的设计 4.2.5 反模糊化处理 通过模糊推理得到的结果仍然是一个模糊量，但实际应用中，控制或驱动执行机构需要的是精确量。因此要将模糊量转换为精确量，这一过程称为反模糊化。从工程应用的角度看，需要使用代表性好、算法简单的反模糊化方法。 （1）最大隶属度法 这种方法最简单，在输出模糊集合中取隶属度最大的作为精确值输出： （2） 重心法 所谓重心法就是取输出模糊集合隶属函数曲线与横坐标轴围成面积的重心相应的输出作为输出的精确值。 或 * 4.2.6 以温度控制系统的模糊控制器设计为例，说明设计步骤： （1） 确定模糊控制器的输入、输出变量 ——输入语言变量 控制加热装置的供电电压u——输出语言变量 （２）确定个输入、输出变量的变化范围、量化等级和量化因子k1、k2、k3 取三个语言变量的量化等级为9级，即x，y，z={-4，-3，-2，-1，0，1，2，3，4}。误差e的论域为[-150，150]。误差变化de的论域为[-50，50]。控制输出u的论域为[-64，64]。则各比例因子为： K1=4/150, k2=4/50, k3=64/4 （3） 在各输入和输出语言变量的量化域内定义模糊子集 首先确定各语言变量论域内的模糊子集的个数。这里取5个模糊子集，即 PB、PS、ZE、NS、NB。各模糊子集通过隶属度函数来定义。为提高稳态点控制的精度，量化方式采用非线性量化。 4.2 模糊控制器的设计 *