1模糊控制器的基本结构.docVIP

第13章 模糊控制理论 13.1模糊控制器的基本结构 本章将介绍模糊控制(fuzzy control)的基本原理、结构分析、稳定性理论和设计方法。模糊控制器的基本结构如图13.1所示。 图13.1中，是SISO被控对象的输入，是被控对象的输出，是参考输入，是误差。图中虚线框内的就是模糊控制器(FC)，它根据误差信号产生合适的控制作用，输出给被控对象。模糊控制器主要由模糊化接口、知识库、模糊推理机、解模糊接口四部分组成，各部分的作用概述如下。 1.模糊化(Fuzzification) 模糊化接口接受的输入只有误差信号，由再生成误差变化率或误差的差分，模糊化接口主要完成以下两项功能。 ⑴论域变换：和都是非模糊的普通变量，它们的论域（即变化范围）是实数域上的一个连续闭区间，称为真实论域，分别用X和Y来代表。在模糊控制器中，真实论域要变换到内部论域和。如果内部论域是离散的（有限个元素），模糊控制器称为“离散论域的模糊控制器”(D－FC)，如果内部论域是连续的（无穷多个元素），模糊控制器称为“连续论域的模糊控制器”(C－FC)。对于D－FC，，＝{0±整数}；对于C—FC，，＝[－l，1]。无论是D－FC还是C－FC，论域变换后，变成，，相当乘了一个比例因子（还可能有偏移）。 ⑵模糊化：论域变换后和仍是非模糊的普通变量，对它们分别定义若干个模糊集合，如：“负大”(NL)、“负中”(NM)、“负小”(NS)、“零”(Z)、“正小”(PS)、“正中” (PM)、“正大”(PL)，…，并在其内部论域上规定各个模糊集合的隶属函数。在t时刻输入信号的值，经论域变换后得到，，再根据隶属函数的定义可以分别求出，对各模糊集合的隶属度，如、、…，这样就把普通变量的值变成了模糊变量（即语言变量）的值，完成了模糊化的工作。注意在这里，既代表普通变量又代表模糊变量，作为普通变量时其值在论域，中，是普通数值；作为模糊变量时其值在论域[0，1]中，是隶属度。 2.知识库（Knowledge base) 顾名思义，知识库中存贮着有关模糊控制器的一切知识，它们决定着模糊控制器的性能，是模糊控制器的核心。知识库又分为两部分，分别介绍如下。 ⑴数据库（data base） 它虽然叫作数据库，但并不是计算机软件中数据库的概念。它存贮着有关模糊化、模糊推理、解模糊的一切知识，如前面已经介绍的模糊化中的论域变换方法、输入变量各模糊集合的隶属函数定义等，以及将在下面介绍的模糊推理算法，解模糊算法，输出变量各模糊集合的隶属函数定义等。 ⑵规则库（rule base） 其中包含一组模糊控制规则，即以“IF…，THEN…”形式表示的模糊条件语句，如 其中，和就是前面所说的语言变量和，Al，A2，…，An是的模糊集合，B1，B2，…，Bn是的模糊集合，Cl，C2，…，Cn 是的模糊集合。 在12.4节中已经讲过，每条控制规则是一个在积空间中的模糊关系，，，，如果皆为离散论域，还可以写出模糊关系矩阵Ri，i＝1，2，…，n。规则库中的n条规则是并列的，它们之间是“或”的逻辑关系，因此整个规则集的模糊关系为 3.模糊推理机（inference engine） 由12.4节介绍的模糊推理方法我们知道，模糊控制应用的是广义前向推理。在t时刻若输入量为和，，，若论域都是离散的，在上对应矢量，在上对应矢量，则推理结果是上的矢量， 对于连续论域的模糊控制器C－FC，由于无法用矢量和矩阵表示，模糊推理方法将在13.3节中专门介绍。 4.解模糊（defuzzification） 解模糊可以看作是模糊化的反过程，它要由模糊推理结果产生控制ul的数值，作为 模糊控制器的输出。解模糊接口主要完成以下两项工作。 ⑴解模糊：对也要由真实论域Z变换到内部论域，对定义若干个模糊集合，并规定各模糊集合的隶属函数。模糊推理是在内部论域上进行的，因此得到的推理结果是上的模糊矢量，其元素为对的某个模糊集合的隶属度。对于某组输入，，一般会同时满足多条规则(称为激活)，因此会有多个推理结果，i为不同的模糊集合。求，并用某种解模糊算法(如最大隶属度法)，即可求得此时的内部控制量。 ⑵论域反变换：得到的，进行论域反变换即得到真正的输出，它仍然是非模糊的普通变量。 以上已经大致介绍了模糊控制器的工作原理，其具体工作过程比较复杂，而且内部论域有离散和连续两种情况，工作过程又有很大差别，因此下面将以实例对D—FC和C—FC分别介绍其详细的工作原理和处理过程。 3