第4章模糊控制.pptVIP

采用三角形隶属函数实现污泥的模糊化，如下图4-12所示。仿真程序同污泥隶属函数。图4-12油脂隶属函数将洗涤时间分为三个模糊集：VS（很短），S（短），M（中等），L（长），VL（很长），取值范围为[0，60]。选用如下隶属函数：采用三角形隶属函数实现洗涤时间的模糊化，如图4-13所示。图4-13洗涤时间隶属函数采用Matlab仿真，可实现洗涤时间隶属函数的设计，仿真程序为chap4_5。（4）建立模糊控制规则根据人的操作经验设计模糊规则，模糊规则设计的标准为：“污泥越多，油脂越多，洗涤时间越长”；“污泥适中，油脂适中，洗涤时间适中”；“污泥越少，油脂越少，洗涤时间越短”。（5）建立模糊控制表根据模糊规则的设计标准，建立模糊规则表4-7。表4-7模糊洗衣机的洗涤规则第*条规则为：“IF衣物污泥少且没有油脂THEN洗涤时间很短”。（6）模糊推理分以下几步进行：①规则匹配。假定当前传感器测得的信息为：，，分别带入所属的隶属函数中求隶属度：通过上述四种隶属度，可得到四条相匹配的模糊规则，如表4-8所示：表4-8模糊推理结果②规则触发。由上表可知，被触发的规则有4条：Rule1：IFyisMDandxisMGTHENzisMRule2：IFyisMDandxisLGTHENzisLRule3：IFyisLDandxisMGTHENzisLRule4：IFyisLDandxisLGTHENzisVL③规则前提推理。在同一条规则内，前提之间通过“与”的关系得到规则结论，前提之间通过取小运算，得到每一条规则总前提的可信度：规则1前提的可信度为：min（4/5，3/5）=3/5规则2前提的可信度为：min（4/5，2/5）=2/5规则3前提的可信度为：min（1/5，3/5）=1/5规则4前提的可信度为：min（1/5，2/5）=1/5由此得到洗衣机规则前提可信度表，即规则强度表4-9。表4-9规则前提可信度④将上述两个表进行“与”运算，得到每条规则总的输出，如表4-10所示表4-10规则总的可信度⑤模糊系统总的输出模糊系统总的输出为各条规则推理结果的并，即⑥反模糊化模糊系统总的输出实际上是三个规则推理结果的并集，需要进行反模糊化，才能得到精确的推理结果。下面以最大平均法为例，进行反模糊化。将带入洗涤时间隶属函数中的，得到规则前提隶属度与规则结论隶属度的交点：，得：，。采用最大平均法，可得精确输出仿真实例：采用MATLAB中模糊控制工具箱中的模糊命令设计洗衣机模糊控制系统，采用本节的隶属函数，按上述步骤设计模糊系统。取x=60，y=70，反模糊化采用重心法，模糊推理结果为33.6853。利用模糊命令ruleview可实现模糊控制的动态仿真。动态仿真模糊系统如图4-16所示。仿真程序：chap4_6.m图4-16动态仿真模糊系统第5节模糊自适应整定PID控制4.5.1模糊自适应整定PID控制原理在工业生产过程中，许多被控对象随着负荷变化或干扰因素影响，其对象特性参数或结构发生改变。自适应控制运用现代控制理论在线辨识对象特征参数，实时改变其控制策略，使控制系统品质指标保持在最佳范围内，但其控制效果的好坏取决于辨识模型的精确度，这对于复杂系统是非常困难的。因此，在工业生产过程中，大量采用的仍然是PID算法，PID参数的整定方法很多，但大多数都以对象特性为基础。随着计算机技术的发展，人们利用人工智能的方法将操作人员的调整经验作为知识存入计算机中，根据现场实际情况，计算机能自动调整PID参数，这样就出现了智能PID控制器。这种控制器把古典的PID控制与先进的专家系统相结合，实现系统的最佳控制。这种控制必须精确地确定对象模型，首先将操作人员（专家）长期实践积累的经验知识用控制规则模型化，然后运用推理便可对PID参数实现最佳调整。由于操作者经验不易精确描述，控制过程中各种信号量以及评价指标不易定量表示，模糊理论是解决这一问题的有效途径，所以人们