第五模糊控制演示文稿.ppt

第五模糊控制演示文稿本文档共22页；当前第1页；编辑于星期六\11点18分（优选）第五模糊控制本文档共22页；当前第2页；编辑于星期六\11点18分二、模糊控制系统的工作过程给定值与被控制量之间的偏差为模糊控制器的输入量。这是一个精确量，为了增强系统控制能力，方便调节控制性能，同时也为模糊化处理做准备，对精确量进行量化，然后经过模糊化处理转化为模糊量，用相应的模糊子集表示。再由和模糊控制规则（即模糊关系），根据推理的合成规则进行模糊决策，得到模糊控制量，即。由于实际被控对象的控制量是精确量，因此需要将模糊控制量进行反模糊化处理变成精确量，再经过输出量化处理得到实际输出值，经过D/A转换变为精确的模拟量送到执行机构对被控对象进行控制。这样周而复始的循环下去，就实现了被控过程的模糊控制。本文档共22页；当前第3页；编辑于星期六\11点18分模糊控制器的控制规律是由计算机的程序实现的，具体步骤如下：（1）根据本次采样值得到模糊控制器的输入量，并进行输入量化处理；（2）量化后的变量进行模糊化处理，得到模糊量；（3）根据输入的模糊量及模糊控制规则，按模糊推理合成规则计算控制量（输出的模糊量）；（4）对得到的模糊输出量进行反模糊化处理，得到控制量的精确量，并进行输出量化处理，得到实际控制量。本文档共22页；当前第4页；编辑于星期六\11点18分三、模糊控制器的结构模糊控制器的输入变量一般选为偏差及其变化率，输出变量通常为作用于被控对象的控制量。输入变量的个数称为模糊控制器的维数，根据输入变量的个数不同，模糊控制器一般有三种结构，如图5-2所示。（a）一维模糊控制器（b）二维模糊控制器（c）三维模糊控制器图5-2基本模糊控制器的几种结构本文档共22页；当前第5页；编辑于星期六\11点18分第二节模糊控制器的设计一、模糊控制的基础知识1．模糊集合与隶属函数模糊控制器是一种模拟人的思维推理过程的控制器，采用语言变量来描述输入输出数据。语言变量是自然语言中的词或句，它的取值不是通常的数，而是用如长、短、大、小、年轻、年老等模糊语言表示的模糊集合。例如，将“青年”看作是一个集合，则它就是一个模糊集合。若认为小于40岁的人可称为“青年”，那么35岁的人应毫无疑问地属于“青年”，如果对此加以量化，则可设其属于“青年”的程度为1，39岁的人属于“青年”的程度为0.7，40岁的人属于的程度为0.5，41岁的人属于的程度为0.3等等。这种属于的程度值可在0～1之间连续变化，称为隶属度函数（也叫隶属函数）。本文档共22页；当前第6页；编辑于星期六\11点18分用大写字母表示模糊集合，用表示隶属函数，中的元素用表示，则表示元素属于模糊集合的程度。定义：所谓给定论域上的一个模糊集合是指都存在一个数与对应，这个数叫做对的隶属度，即存在映射隶属度表示了隶属于模糊集合的程度，当为有限集合时，可以采用下面的表达方法表示模糊集合。式中，并不表示分数，而是表示论域中的元素与其隶属度之间的对应关系；“＋”也不表示“求和”，而是表示模糊集合在论域上的整体。本文档共22页；当前第7页；编辑于星期六\11点18分2．几种典型的隶属函数（1）高斯型隶属函数图5-3高斯型隶属函数本文档共22页；当前第8页；编辑于星期六\11点18分（2）S形隶属函数图5-4S形隶属函数本文档共22页；当前第9页；编辑于星期六\11点18分（3）梯形隶属函数图5-5梯形隶属函数本文档共22页；当前第10页；编辑于星期六\11点18分（4）三角形隶属函数图5-6三角形隶属函数本文档共22页；当前第11页；编辑于星期六\11点18分（5）Z形隶属函数图5-7Z形隶属函数本文档共22页；当前第12页；编辑于星期六\11点18分3．隶属函数的确定方法（1）模糊统计法隶属函数可以通过模糊统计试验方法来确定。即根据所提出的模糊概念进行调查统计，提出与之对应的模糊集合，通过统计实验，确定不同元素属于的程度，如式（5-7）所示。（2）例证法例证法的主要思想是从已知有限个的值来估计论域上的模糊集合的隶属函数