第十一章+智能控制.pptVIP

湖南科技大学计算机学院 戴祖雄 * 图11.14表示另一种模糊控制器—自组织模糊控制的结构。该结构能够自动获得模糊控制器的规则库。当用FLC控制装置(对象)至期望响应时,新的条件一出现,规则就被产生和修改。该控制器由性能评价、对象建模、规则库更新和FLC保持等部分组成。 “胜能评价”用于分析清晰装置有关性能目标的状态矢量(位置误差PE和误差变化CE),产生对已辨识过的规则的校正,以补偿任何差劣的性能。“校正”是通过标量来调整规则结论的。采用可接受和不可接受阶跃响应相平面轨迹作为性能目标。 “装置(对象)模型”用于考虑装置规则校正时的输人输出极性。规则库更新部分检查哪条或哪些规则可对当前差劣的性能产生响应,并进行校正。自组织模糊控制器在学习试验过程中的连续采样时间内,不断(迭代)地改善规则库。 湖南科技大学计算机学院 戴祖雄 * 2.模糊控制器的控制规则 注意到在现有FLC中,控制规则的形式为 IF＜过程状态)THEN＜控制作用＞ 这里(.二＞表示基本变量的一些模糊命题。这种语言虽然对于简单的、行为良好的过程是可以胜任的,但在表达控制知识方面却受到很大限制。不管怎样,按常规控制理论类推,以这种方式构成的FLC不过是一个将过程状态映射到控制作用的非线性增益控制器。 EFC则允许更复杂的分级规则,如： IF＜过程状态＞THEN＜中间变量1) (11.17) IF＜中间变量N) THEN＜控制作用＞ } 这里,中间变量代表一些隐含的不可测状态,它们能影响所采用的控制作用。以这种方式构成的规则使得用于确定控制作用的推理更清楚了一些,从而使简单的“激励一响应”控制系统前进了一步。 湖南科技大学计算机学院 戴祖雄 * 在更复杂层次,EFC 的中级规则,即 IF 允许包含策略性知识。因此,就可以确定应用哪一低级规则中 ＜过程状态1＞THEN＜应用规则集A) (11.18) IF＜过程状态N) THEN＜应用规则集 也可有这类规则,它们被用来确定低级规则的某一时间次序。即 IF＜过程状态＞THEN＜首先应用规则集 ＜然后应用规则集 } (11.19) l卜｜J 、尹z‘、户l AB 注意,上面所描述的规则全都是我们称之为“事件一驱动规则”的例子,都以所谓正向链接的模式处理。即这些规则只有在过程的状态与预先确定的条件相“匹配”时才加以应用。 此外,EFC还允许问题的目标及约束函数作为规则的可能。这些目标一驱动规则将用于改变控制器的结构,比如说从一种控制模式转换为另一种控制模式。例如,假定希望将过程从一个稳定状态驱动到另一个稳定状态(也许是为了响应生产上所需的变化),那么就需要这类形式的规则： IF(新目标)THEN(初始化规则组1) (11.20) 这里(新目标＞是当前目标与新目标之间差别的某种陈述,而＜初始化规则组1)则指出应当采用完全不同的低级规则集。 湖南科技大学计算机学院 戴祖雄 * 新规则(如上述这些规则的引人对EFC的结构有重要的结论)必然使EFC比FLC的“应用全部规则”的方法要复杂得多。为了应用模糊推理并获得有效的操作效率,就需要某种形式的多级处理。当然,请注意,随着采用的规则的愈发精致,高速度和高精度的控制方法就可以用响应时间较长、性能检测精度较差的控制方法来代替。众所周知,人控制器在高速度、高精度处理信息方面的能力有限,这就完全与我们采用模糊的基于规则的方法的动机一致。如果精度是目标,那么应采用精确方法,而不要用模糊试探法。 总之,EFC提供了一个相当丰富的表达过程控制信息的语言,从而加强了我们处理“困难”的控制问题的能力,这也正是模糊逻辑控制器的目的。 对专家模糊控制器的深人分析研究涉及到它的许多重要特性,如模型的稳定性、灵敏度、收敛性、映射能力、再现性和精度等。有兴趣的读者请参阅有关文献给出的这些特性,以便估计专家模糊控制器的运行特性和正确性。 湖南科技大学计算机学院 戴祖雄 * 3.模糊控制器的设计方法 用于模糊控制器的规则和隶属函数往往是试探性地确定的,也就是说,它们是在对正在进行的受控过程作用的直觉理解的基础上,加以人工编码的。人工智能界曾尽力对规则及其模糊隶属函数进行系统的设计。例如,一个遗传算法被成功地用于优化模糊控制器,该控制器用于某自主太空飞行器的会合机动飞行(1989年)。更新的例子是一个联想记忆型神经网络,用于倒摆模糊控制器参数的初始离线