第四章 模糊控制的基本原理.pptVIP

第四章 模糊控制的基本原理 §1 模糊控制器的基本构成 Fuzzy controller  y   这是一个采用模糊控制器的控制系统，从图上可以看到，模糊控制器由四部分组成： Fuzzifier : 模糊化。实际系统的输入和输出值都应该是精确量，比方说： 液位应控制在3.5m处； 温度应控制在70℃ 等。 但是，为了引入模糊控制，在这些数据进入模糊控制器之前，必须先对他们先进行“模糊化”！这包括如下的工作 ： 确定符合模糊控制器要求的输入量。例如，常用输入量是误差和误差的改变量。 即 E 和 ? E 其中  为K时刻的期望值 ? E[k]=E[k]-E[k-1]  y[k] 为K时刻的实际输出值 将这些输入变量进行尺度变换，使其落在各自的论域范围例：E 和 ? E 的常用论域为[ -6 ，+6 ] 将已变换到相应论域的的输入量进行模糊处理，使原先精确量变成模糊量，并用相应的模糊集合表示。也就是说：确定当前输入量落在哪些模糊集中， 相应的隶属度值分别是多少？——这是为后面的模糊推理作准备。 知识库 knowledge base，包括 Date base = 各模糊集的隶属度函数，尺度变换因子，以及模糊空间的分级数。 Rule base = 用模糊语言变量表示的一系列控制规则，反应了专家的经验。 模糊推理 Fuzzy Reasoning ? 推理机 = inference 这是模糊控制器的核心，它模拟人的推理机制。它是通过模糊逻辑中的蕴涵关系以及推理规则来进行的。我们在上一章已介绍其中的一些内容，接下去还要继续介绍。 Defuzzifier : 清晰化，逆模糊化，… 这部分的作用是将通过模糊推理得到的控制量（！模糊量）变换成实际用于控制的清晰量。包括：a) 将模糊的控制量经清晰化变换成表示在 论域范围内的清晰量； b) 将表示在论域范围的清晰量经 尺度变换? 实际的控制量。下面对模糊控制器所涉及的各方面进行介绍。 § 2 模糊控制规则 专家经验： 如果温度偏低，那么加入较少的冷却水。所以，专家知识通常具有如下形式： IF 前提条件 THEN 得出结论  即，如果“温度确定是偏低，或比较低”，那么， “加入的冷却水的量应较少”。 其中，“偏低”，“较少”，都是模糊量。 模糊控制规则也是这样的“IF—THEN”模糊条件句。 MISO 系统： rule1: IF x is A1 and y is B1 THEN Z=C1; rule2:IF x is A2 and y is B2 THEN Z=C2; … … … rule n: IF x is An and y is Bn THEN Z=Cn. ——所有的规则就构成了规则库。 §3 输入模糊化 按前面介绍，确定输入量为误差E 和误差的改变量并且均已变尺度到 [-6，+6 ] 范围内。 如果实际范围为[a，b]，则通过以下变换即可 E 和 ? E 所对应的模糊集的个数分别是7个， 即 { NL，NM，NS，ZE，PS，PM，PL }