[工学]Basic Fuzzy Control.ppt

模糊控制器设计 目录 模糊控制基本框架 模糊控制器的组成 模糊控制器结构设计 模糊控制的基本原理 模糊控制器的设计举例 一、模糊控制基本框架 2.1 模糊化（模糊器） 2.2 清晰化（解模糊器） 2.3 模糊推理（模糊推理机） 2.4 知识库（规则库+数据库） 2.1 模糊化（模糊器） 即将输入的精确量转化为模糊量。 对输入量进行处理变成模糊控制器要求的输入量。例如计算输入与输出之间的误差和误差的导数。 对处理过的输入量进行尺度变换，使其符合论域范围。 进行模糊处理，使精确的输入量变成模糊量。 高斯模糊器：将x∈U映射到U上的模糊集合A，该集合具有高斯隶属函数。 三角形模糊器：将x∈U映射到U上的模糊集合A，该集合具有三角形隶属函数。 2.2 清晰化（解模糊器） 即将模糊推理得到的控制量（模糊量）变换为实际用于控制的清晰量。 将模糊的控制量变换成表示在论域范围的清晰量。 将表示在论域范围的清晰量经尺度变换成实际控制量。 重心解模糊器 重心解模糊器确定的y*是B’的隶属度函数所涵盖区域的中心，即 中心平均（加权平均）解模糊器 模糊集B’是M个模糊集的模糊并或交合成，因此一个好的逼近就是M个模糊中心的加权平均，其权重等于相应模糊集的高度。中心平均解模糊器可由下式确定 最大值解模糊器 最大值解模糊器把y*确定为V上的μB’(y)取得最大值的点。定义集合 2.3 模糊推理（模糊推理机） 是模糊控制器的核心。 是基于模糊逻辑中的蕴含关系及推理规则进行的，具有模拟人的基本模糊概念的推理能力。 考虑以下模糊推理形式： 规则1： and 规则2： and …… …… 规则n： and 前提： and 结论： 由前提“ and ” 和各模糊规则 and 可得规则 i 推理结果 为 最终结果 为 模糊集合 的“重心”由下式计算 例：已知由MIN-MAX-重心法推理得到的模糊子集为 利用重心法求 解： 各推理结果 采用代数积，则有 综合结果采用加法，得 模糊集合 的“重心”由下式确定 先求出模糊关系R，再根据输入求出控制量，将控制量清晰化，导出模糊控制表（查询表）。 设有k条模糊控制规则，其格式为 其中，i=1, 2, …, m; j=1, 2, …, n。 每条模糊规则对应的模糊关系为 系统总的模糊关系R为 设Ai（i=1, 2, …, m）的量化后论域为 那么，对于输入值a*，在经过量化后，它必定为该论域 中的某个元素。因此a*量化后所对应的模糊量Ai可以简 化为以下2p+1个模糊量中之一。 同样，设Bj（j=1, 2, …, n）的量化后论域为 那么，对于输入值b*，在经过量化后，它必定为该论域 中的某个元素。因此b*量化后所对应的模糊量Bj可以简 化为以下2q+1个模糊量中之一。 再设Cij的量化后论域为 那么，由模糊关系R，并根据输入值a*和b*，可以求出对 应的模糊控制量Cij，即 在求出了模糊控制量Cij之后，以最大隶属度法进行清晰 化处理，可以获得Cij对应论域中的隶属度最大的元素。 这个元素就是控制量的清晰值。 将输入变量的量化后论域的所有组合作为输入，依次求出 全部相应的控制量清晰值，共(2p+1)×(2q+1)组。以Ai的 论域为列，以Bj的论域为行，以对应的控制量清晰值为交 点，则可以得到模糊控制表，即查询表。 2.4 知识库（规则库+数据库） 包含了具体应用领域中的指示和要求的控制目标，由数据库和模糊控制规则库两部分组成。 数据库包括各语言变量的隶属度函数、尺度变换因子以及模糊空间的分级数等。 规则库包括了用模糊语言变量表示的一系列控制规则，反映了控制专家的经验和知识。 模糊控制是模仿人的一种控制方法。在模糊控制中，通常通过一组语言描述的规则来表示专家的知识，而专家的知识通常具有如下形式： IF （满足一组条件）THEN （可以推出一组结论） 在IF-THEN规则中的前提和结论均是模糊的概念。这样的IF-THEN规则常称为模糊条件句。 在模糊控制中，模糊控制规则就是模糊条件句，其前提为具体应用领域中的条件，结论为要采取的控制行动。对于两输入单输出系统，模糊控制规则可以表示如下： R1: IF x is A1 and y is B1 THEN z is C1 R2: IF x is A2