模糊控制系统的发展现状11722.docVIP

模糊控制系统的发展现状 一、模糊控制系统简介 模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为 基础的一种计算机数字控制技术。1965年美国的扎德创立了模糊集合 论，1973年，他给岀了模糊逻辑控制的定义和相关的定理。1974年 英国的Mamdani首先用模糊控制语句组成模糊控制器,并把它用于锅 炉和蒸汽机的控制，在实验室获得成功，这一开拓性的工作标志着 模糊控制论的诞生。 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来，建立一种适用于 计算机处理的输入输岀过程模型，是智能控制的一个重要研究领域。 从信息技术的观点来看，模糊控制是一种基于规则的专家系统。从控 制系统技术的观点来看，模糊控制是一种普遍的非线性特征域控制 器。 相对传统控制，包括经典控制理论与现代控制理论。模糊控制能 避开对象的数学模型(如状态方程或传递函数等)，它力图对人们关 于某个控制问题的成功与失败和经验进行加工，总结出知识，从中 提炼出控制规则，用一系列多维模糊条件语句构造系统的模糊语言 变量模型，应用CRI等各类模糊推理方法，可以得到适合控制要求的 控制量，可以说模糊控制是一种语言变量的控制。 模糊控制具有以下特点: 模糊控制是一种基于规则的控制。它直接采用语言型控制规 则,出发点是现场操作人员的控制经验或相关专家的知识,在设计 中不需要建立被控对象的精确数学模型,因而使得控制机理和策略 易于接受与理解,设计简单,便于应用; 由工业过程的定性认识出发,比较容易建立语言控制规则, 因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非 常显著的对象非常适用; 基于模型的控制算法及系统设计方法,由于出发点和性能 指标的不同,容易导致较大差异;但一个系统的语言控制规则却具 有相对的独立性,利用这些控制规律间的模糊连接,容易找到折中 的选择,使控制效果优于常规控制器; (4)模糊控制算法是基于启发性的知识及语言决策规则设计的, 这有利于模拟人工控制的过程和方法,增强控制系统的适应能力, 使之具有一定的智能水平; (5)模糊控制系统的鲁棒性强,干扰和参数变化对控制效果的 影响被大大减弱,尤其适合于非线性、时变及纯滞后系统的控制。 除此,模糊控制还有比较突出的两个优点: 第一，模糊控制在许多应用中可以有效且便捷地实现人的控制 策略和经验; 第二，模糊控制可以不需被控对象的数学模型即可实现较好的 控制，这是因为被控对象的动态特性已隐含在模糊控制器输入、输出 模糊集及模糊规则中。 模糊控制也有缺陷，主要表现在：1)精度不太高；2)自适应能力有 限；3）易产生振荡现象。 二、模糊控制的现状 模糊控制的研究主要体现在控制器的研究和开发以及各类实际 应用中，目前模糊控制已经应用在各个行业。 模糊控制与其它智能控制的结合或融合 模糊控制与其它智能控制的复合产生了多种控制方式方法。主要 表现在： 1） 模糊PID控制器 模糊PID控制器的研究是将模糊技术与常规的PID控制算法相 结合的一种控制方法。模糊PID控制器是一种双模控制形式。这种改 进的控制方法的出发点主要是消除模糊控制的系统稳态误差，利用 PID控制器提高控制精度，消除误差，增加稳态控制性能。从PID控 制角度出发，提出FI —PI、FI —PD、FI —PID三种形式的模糊控 制器，并能运用各种方式得出模糊控制器中量化因子、比例因子同 PID控制器的因子KP、KI、KD之间的关系式。 2） 自适应模糊控制器 自适应模糊控制器就是借鉴自适应控制理论的一些理念来设计 模糊控制器，也称作语言自组织模糊控制器（SOC）,它的思想就在 于在线或离线调节模糊控制规则的结构或参数，使之趋于最优状态。 目前主要有通过采用-种带有修正因子的控制算法，改变控制规则 的特性；或直接对模糊控制规则进行修正；还有一种是对控制规则 进行分级管理，提出自适应分层模糊控制器；又有人提出规则自组 织自学习算法，对规则的参数以及数冃进行自动修正； 3） 模糊控制与神经控制的融合 神经模糊控制是神经网络技术与模糊逻辑控制技术相结合的产 物，是指基于神经网络的模糊控制方法。人工神经网络是模拟人直观 性思维的一种方式，它是将分布式存储的信息并行协同处理，是一 个非线性动力学系统，每个神经元结构简单，但大量神经元构成网 络系统能实现很强的功能，因此人工神经网络具有自适应的学习能 力、容错性和鲁棒性，并且神经网络对环境的变化具有较强的自适应 能力，所以可结合神经网络的学习能力来训练—模糊规则，提高整 个系统的学习能力和表达能力。自适应神经网络模糊控制，利用神经 网络的学习功能作为模型辨识或直接用作控制器；基于模糊神经网 络的隶属函数及推理规则的获取方法，具有模糊连接强度的模糊神 经网等，均