大学课件-智能控制基础（完整）.ppt

6.8 输出逆模糊化 （i) 最大隶属度法 模糊决策得出的模糊集U的隶属度最大的元素作为控制输出的精确值。 （ii) 加权平均法 a. 普通加权平均法 b. 算术加权平均法 （iii) 取中位法 将模糊集隶属函数曲线与横坐标之间的面积平分为两等份的数。 6.9 模糊控制的现状及展望 参考文献： 张金梅.基于模糊推理的智能控制系统的现状和展望.科技情报开发与经济，2004，14（1）：126－128 (iii) 设 ，模糊条件语句为“ 如果A或D, 则B ”。 用模糊关系R表示为： （iv）设 ，模糊条件语句为“ 如果A且E, 则B ”。 用模糊关系R表示为： 式中：“ ? ”符号表示将一个矩阵的各行的元素顺序排列成一行的行矢量的运算。 6.4.2 模糊推理合成 模糊推理规则实际上是一种模糊变换，它将一个论域的模糊集变换到另一个论域的模糊集。即： 或 这里R相当一个变换器，如图4.7所示。 模糊变换器 R F(U) F(V) F(V)是F(U)与R的模糊推理合成，其运算法则与模糊关系合成运算相同。 模糊控制的基本思想是用计算机或其他装置模拟人对系统的控制过程。 人对偏差的描述常用“正大”，“正小”，“零”，“负小”，“负大”等模糊概念。 6.5 模糊控制原理 常用控制策略（规则）如下: 若偏差为“正大”，偏差变化为“正大”，则阀门开度为“正大”； 若偏差为“正小”，偏差变化为“负小”，则阀门开度为“零”。 模糊控制过程 精确的量测值经过输入的模糊化变成模糊集； 利用控制规则进行推理，即模糊决策，得到控制作用的模糊集； 将控制作用的模糊集按照一定的规则转化成精确值，此为逆模糊化。 模糊化 模糊决策 逆模糊化 P 模糊控制器 r 误差e 误差变化率c 输出 6.6 输入模糊化 将一个精确值化成一个或几个模糊值的单点，即定义为从观察空间到控制输入论域中若干模糊值的映射。 模糊集的个数随被控对象的不同而不同，常用的如下： PL（正大），PM（正中），PS（正小），ZE（零），NS（负小），NM（负中），NL（负大）。 通常将偏差e与偏差变化率c的值取在[-6，+6]之间，因此，论域[a, b]转化为论域[-6，+6]的变换公式为： 函数法之隶属函数分布图如下： 0 -1 -2 -3 1 2 3 4 -4 -5 -6 6 5 NL NM NS ZE PS PM PL ?PM（1.2）= 0.2 ?PS（1.2）= 0.8 数值法之隶属函数分布： ?（x) -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 NL 1.0 0.8 0.4 0.1 NM 0.2 0.7 1.0 0.7 0.2 NS 0.2 0.7 1.0 0.9 ZE 0.5 1.0 0.5 PS 0.9 1.0 0.7 0.2 PM 0.2 0.7 1.0 0.7 0.2 PL 0.1 0.4 0.8 1.0 6.7 模糊决策 模糊控制规则的一般形式： IF （X1为A1, …, Xn为An）， THEN（Y1为B1, …, Ym为Bm） 在有的模糊控制系统中，控制规则的结论给出控制作用的解析式： IF （X1为A1,…,Xn为An） THEN y1=f1 (X1, …, Xn )， y2=f2 (X1, …, Xn )， … ym=fm (X1, …, Xn ) 模糊控制规则的表示： ※综合法 IF （X1为A1,…,Xn为An）， THEN（ Y为B） ※并行法 并不将多个模糊控制规则作综合处理，而是将它们各自独立地存放起来。 优点是能清楚知道输出模糊集中每条规则所起作用的多少以及能方便地增加、删除和修改规则。 模糊推理： ※综合法 例： 设有两条控制规则为： IF E is E1