智能控制理论和方法（第二版）第3章基于模糊推理的智能控制系统.ppt

第3章 基于模糊推理的智能控制系统 　3.1 模糊控制系统的基本概念与发展历史　　自从1965年美国加里福尼亚大学控制论专家Zadeh提出模糊数学以来,其理论和方法日臻完善, 并且广泛地应用于自然科学和社会科学各领域。把模糊逻辑应用于控制则始于1972年。　　模糊控制建立的基础是模糊逻辑, 它比传统的逻辑系统更接近于人类的思维和语言表达方式, 而且提供了对现实世界不精确或近似知识的获取方法。模糊控制的实质是将基于专家知识的控制策略转换为自动控制的策略。它所依据的原理是模糊隐含概念和复合推理规则。经验证明, 在一些复杂系统, 特别是系统存在定性的、不精确和不确定信息的情况下, 模糊控制的效果常优于常规的控制。 　　有关模糊控制器和系统的设计与分析, 大多建立在经验基础上, 至今还缺乏系统的理论指导。但是近几年来, 对模糊系统的动态建模以及稳定性的分析已引起很多学者的注意, 研究出了不少成果, 人们企图在模糊智能控制系统方面建立较完整的理论、分析方法和工具, 以进一步推广模糊控制器和系统的应用。　　很多国家, 尤其在日本, 模糊控制器已成为产品, 用于控制摄像机的自动聚焦；用于家用电器, 如模糊吸尘器(被吸表面的自动辩识)、模糊空调器(自动调节温度, 节能30%)、模糊洗衣机(自动调节洗衣时间及洗衣剂量)；还用于电梯控制(乘客平均等待时间减少20%～30%)。近来还进一步用于地铁火车的自动启动和制动, 达到平稳、舒适和定位准确。利用模糊控制, 日本已在横须贺港建立了集装箱吊车模糊控制系统。经验表明, 这个系统只需一个非熟练的工人操作, 每小时可装载30个集装箱, 这相当于一个非常熟练工人操作所能达到的水平。 　　正是因为模糊控制技术在各方面的成功应用, 基于模糊推理的智能控制系统越来越受到工程技术人员和学者的青睐, 也使得模糊控制得到了飞速的发展。 　　　　3.2 模糊集合与模糊推理3.2.1 模糊集合　　经典或精确的集合具有精确的边界, 譬如, 实数大于6的精确集合可以表示为　　　　　　　　　　　A=｛X｜X＞6｝ 　　 　　　　(3.1)式中边界没有任意性, 大于6属于集合A；小于6不属于集合A。这里也可以引入隶属函数μA(X), 　　虽然精确集合适用于不同的应用领域, 并且是数学和计算机科学的重要工具, 但它不能反映人的思维方法和概念。人们在表达某一事物或对象时, 往往是抽象的和不精确的。譬如我们说这个人“个儿高”或“个儿矮”, 它所指的没有精确界限, 不能说身高1.80米的人是“高”, 而1.79米就“矮”。所以“高”与“矮”之间的界限是模糊的、平滑的。其他如“温度高”, “自来水冷”等也同样是不精确的概念。因此, 需要用一种模糊集合来描述, 这种集合没有精确的边界, 从“属于一个集合”到“不属于一个集合”是逐渐过渡的。它体现了用语言表达一种事物的灵活性和多样性。现在我们定义模糊集合及其相关的基本术语。 　　定义3.1 模糊集合和隶属函数　　如果X是对象x的论域, 则在X的模糊集合A定义为有序对的集合，即 　　例: 令X=｛上海, 北京, 西安｝为人们可能的居住城市的集合。则模糊集合C=“希望居住的城市”可表示为:　　　　C=｛(上海, 0.8), (北京, 0.9), (西安, 0.5)｝显然X的论域是离散的, 它包含无序的对象。目前情况下是中国的三个城市。由上可见, 上面列出的隶属度是十分主观的, 换一个人就会有不同的三个值以反映他或她的偏好。　　若令X=｛0, 1, 2, 3, 4, 5, 6｝为一个家庭可选的拥有自行车的数目。则模糊集合A=“一个家庭合适的自行车数目”可表示为 A={(0, 0.1), (1, 0.3), (2, 0.7), (3, 1), (4, 0.7), (5, 0.3), (6, 0.1)}　　这里我们有一个离散的论域X, 模糊集合A的MF表示于图3.1(a), 该模糊集的隶属度显然也是带有主观性的。 　　令X=R+是人类可能年龄的集合, 则模糊集合B=“年龄50岁左右”可表示成　　　　　　　　　　B={x, μB(x)｜x∈X}式中 　　从上面这些例子中, 我们知道了模糊集合的构造取决于两件事情: 确立合适的论域和指定适当的隶属函数。隶属函数的指定是主观的。对同一概念, 不同的人的所指定的隶属函数会有巨大的差别。这个主观性来源于个人在感受和表达抽象概念上的差异, 这与随机性无关。所以模糊集合的主观性与非随机性是研究模糊集合和概率论的基本差别, 后者是随机现象的客观处理。　　为了简单, 模糊集合还可表示为 这样, 上述三个例子可以分别另外表示为: 　　　　　　C=0.8/上海+0.9/北京+0.5/西安　　　　A=0.1/0+0.3/