自适应模糊控制几个基本问题的研究进展

自适应模糊控制几个基本问题的研究进展

谢振华程江涛耿昌茂

(海军航空工程学院青岛分院航空军械系青岛 266041 )

周德云

(西北工业大学西安 710072 )

[摘要] 综述了模糊控制系统的稳定性分析、系统设计及系统性能提高三个基本问题的研究 ,简述了应用研究 ,最后对自适应模糊控制的理论和应用进行了展望。

关键词模糊控制自适应控制鲁棒性稳定性

1 引言

自从 L. A. Zadeh提出模糊集合论以来 ,基于该理论形成一门新的模糊系统理论学科 ,在控制、信号处理、模式识别、通信等领域得到了广泛的应用。近年来 ,有关模糊控制理论及应用研究引起了学术界的极大兴趣 ,取得了一系列成功的应用和理论成果 ,与早期的模糊控制理论和应用相比有了很大的发展。模糊控制理论成为智能控制理论的一个重要分支。

一般来讲 ,模糊控制理论研究的核心问题在于如何解决模糊控制中关于稳定性和鲁棒性分析、系统的设计方法 (包括规则的获取和优化、隶属函数的选取等 )、控制系统的性能 (稳态精度、抖动及积分饱和度等 )的提高等问题 ,这己成为模糊控制研究中的几个公认的基本问题。其中 ,稳定性和鲁棒性问题的研究最为热烈 ,从早期基于模糊控制器的“多值继电器”等价模型的描述函数分析法 ,扩展到相平面法、关系矩阵分析法、圆判据、L yapunov稳定性理论、超稳定理论、基于滑模控制器的比较法、模糊穴 -穴映射及数值稳定性分析方法等非线性理论方法。设计方法的研究也倍受关注 ,主要表现在对规则的在线学习和优化、隶属函数参数的优化修正等应用了多种思想 ,如最优控制的二次型性能指标、自适应、神经网络、遗传算法等思想。稳态性能的改善一直是模糊控制学者所关注。

围绕上述几个基本问题 ,出现了多变量模糊控制[1 ,2 ] 、模糊神经网络技术 [3 ] 、神经模糊技术 [4 ] 、自适应模糊控制 [5] 、模糊系统辨识[6 ] 等热点研究领域。在模糊控制理论与应用方面 ,日本学者取得了很大的成就[7] ,我国学者在这方面也付出了不懈的努力 ,并取得了许多重要的成果。所有这些工作促进了模糊控制的理论和应用的快速发展。

本文拟对近几年自适应模糊控制几个基本问题的研究现状作一总结 ,希望能从这一侧面反映其研究情况和发展动向。主要内容包括 :( 1 )稳定性分析问题的研究 ;( 2 )系统设计方法的研究 ;( 3)系统性能提高的研

究 ;( 4 )应用研究情况。

2 稳定性分析

众所周知 ,任何一个自动控制系统 ,首先必须是稳定的 ,否则这个系统就无法工作。因此 ,在控制系统的分析和设计中 ,系统的稳定性研究占有重要的地位 ,模糊控制系统也是如此。由于模糊系统本质上的非线性和缺乏统一的系统描述 ,使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和

设计 ,因此 ,模糊控制理论的稳定性分析一直是一个难点课题 ,仍未形成较为完善的理论体系 ,还有许多理论问题有待于进一步解决。正因为如此 ,近年来关于模糊系统的稳定性分析已经成为众人关注的焦点 ,发表的论文较 ,采用了各种思想和分析方法 ,主要有 :描述函数分析法、相平面法、关系矩阵分析法、L yapunov稳定性理论、超稳定理论、Popov判据、圆判据、基于滑模控制器的比较法、模糊穴 -穴映射、数值稳定性分析方法以及最近出现的鲁棒控制理论分析方法和 L MI(矩阵不等式 )凸优化方法等。

在模糊控制系统的稳定性分析和设计中 ,采用的模糊逻辑系统大致有三种类型 :( a)纯模糊逻辑系统 ;( b) Takagi- Sugeno(简记为 T- S)模糊逻辑系统[8] ;( c)具有模糊产生器和模糊消除器的模糊逻辑系统[9] 。

基于纯模糊逻辑系统的分析方法主要有 :描述函数分析法、相平面法、关系矩阵分析法、圆判据等 ,是较早期的稳定性分析方法 ;基于 T- S系统的分析方法主要为 L yapunov稳定性理论、鲁捧控制理论分析方法和 L MI凸优化方法 ;基于类型 ( c)的模糊逻辑系统的分析方法主要为自适应控制理论方法 ;最近还出现了超稳定理论、Popov判据、基于滑模控制器的比较法、模糊穴 -穴映射、数值稳定性分析等方法。其中 ,Lyapunov稳定性理论、自适应控制理论、关系矩阵分析法占有很重要的地位 ,尤其是 L yapunov稳定性理论和自适应控制理论方法 ;数值计算分析方法与模糊穴 -穴映射具有相通之处 ,但是穴 -穴映射借助于新的数学工具正显示出新的研究活力。另外 , [9]提出了一种解决智能多层次复杂系统的建模和稳定性分析的原理和思路。最后要提到的是模糊逻辑控制系统鲁棒稳定性问题的研究[1 0、1 1 ] ,由于其与灵敏度分析和鲁棒多变量反馈控制器的紧密联系 ,可望为模糊逻辑控制的系统设计和稳定性分析、性能评估等提供系统的设计方法。

下面是近几年国内外学者在此领域进行的研究情况。需要指出的是 ,虽然目前的研究成果和文献较多 ,模糊控制的应用十分成功和广泛 ,但是迄今为止模糊控制系统的稳定性分析和控制系统设计仍缺乏一个强有力的数学工具和统一的方法 ,仍未形成较为完善的理论体系 ,还有许多理论问题有待于进一步探索。

2 . 1 关系矩阵分析方法

[1 3]提出利用模糊关系矩阵分析闭环控制系统稳定性方法 ,给出了闭环系统稳定的充分条件。[1 4 ]基于被控对象的规则模型 ,推导出闭环控制系统的语言关系模型 ,用语言关系矩阵讨论了系统的稳定性 ,给出了充分条件。

2 . 2 L yapunov稳定性理论

[1 5]在 T- S模型基础上建立了一类较实用的模糊控制模型 ,对该模型的连续和离散形式下的稳定性给出了各自渐近稳定的充分条件 ,并给出了构造 L yapunov函数 (正定矩阵 )的存在条件。使对复杂时变模糊系统的稳定性研究 ,转变为对每个模糊蕴涵较简单的线性定常子系统的稳定性研究。[1 6 ]提出了非线性系统的模糊建模与控制的分析框架。其设计思想是 :首先用 T- S模糊系统模型逼近非线性对象 ;然后利用了“并

行分布补偿 ( PDC)”的原理设计各子系统的模糊控制器 ,使局部子系统稳定 ;最后根据稳定性充分条件判定全局系统的渐进稳定性。文章认为 :

( 1 )所提出的稳定性充分条件能使用矩阵不等式 ( L MI)凸优化问题来表示 ,因此在所提出的 T- S模型和 PDC模型设计框架下 ,稳定性分析和状态反馈综合问题能用 L MI凸优化算法进行数值求解。

( 2 )此稳定性条件不但保证了模糊模型和模糊控制系统稳定 ,而且保证了相关

的不确定线性时变系统(L DI)和非线性系统稳定 ,并满足某些全局和局部区域的稳定性条件。因此基于模糊模型下设计的控制器能很好地应用于真实系统的控制。

2 .

3 自适应控制理论

模糊自适应系统是另一个普遍关注的焦点[9、1 8] 。 [1 7- 2 1 ]在模糊逻辑系统 ( c)的基础上 ,进行了稳定性分析和自适应控制器设计。[1 7]认为 [9]中的全局模糊控制器的收敛性依赖于模糊系统逼近误差平方可积的条件 ,在实际中很难检验 ;另外 ,不能有效抵消外部干扰对误差输出影响的能力。针对非线性系统的滑模控制 ,其假定非线性函数估计存在 ,且控制器难以用精确的数学表示 ,故很难对闭环系统进行稳定性分析 ,从而提出了用模糊逻辑系统逼近非线性函数 ,并基于滑模原理及李氏函数给出了闭环系统稳定性分析[18]讨论了智能车辆高速系统的车辆侧向自导的模型参考自适应模糊逻辑控制 ( MRAFL C)算法 ,应用 L yapunov函数对系统进行了状态有界稳定研究。该算法使闭环系统在 FL C(模糊逻辑控制 )下跟踪由模糊系统产生的参考输入 ,对王立新 [9] 关于自适应模糊控制的结果进行了扩展。 [19]提出了一种直接自适应模糊滑模控制方法 ,将稳定性基本问题、性能要求及模型变化归为一个简单的框架内。[20]在 [9]的基础上用模糊系统的建模层次系统 ,并设计了层次模型控制器。文章认为层次结构可满足复杂系统的稳定性及鲁捧控制。但很难用统

一的框架表示各层的不同特性。文中研究了三级层次系统。最低层为对象和传统的反馈控制器 ,对象由差分方程建模 ;中层为监督操作以便保证系统的稳定 ;顶层为计划层 ,为下两层提供控制目标 ;中、高层由模糊系统建模。所提出的层次模型控制器的控制策略是保证系统状态有界且跟踪误差以指数级收敛于零。[2 1]对神经模糊控制器的稳定性进行了分析 ,利用了径向基神经网络的模糊集合表示 ,通过 Popov判据获得了闭环控制系统的非线性稳定性条件 ,文中给出了一个闭环全局渐近稳定的充分条件。[2 4 ]用模糊自适应机构代替常规的自适应机构 ,构成模型参考模糊自适应系统 ,所设计的自适应机构为偏差的非线性函数 ,导出了系统稳定的充要条件。 [2 5]提出了一种模糊自适应 PID控制器及其设计方法 ,导出其闭环系统稳定的充要条件。 [2 6 ]针对一类病态且相当复杂的非线性系统 ,提出了一种自适应鲁棒模糊控制方法。控制目标为自适应地补偿未知对象的非线性 ,它由一个 if- then规则集组成的模糊规则库表示。可自动地更新模糊规则并保证全局稳定且使跟踪误差趋于零。

2 . 4 数值稳定性分析和模糊穴 -穴映射

[2 2 ]在综述了各种稳定性分析方法基础上 ,提出了数值稳定性分析方法 ,可分析任一类对象模型及任一类控制器。对象特性可由 :T- S模型、神经网络模型、特征表面及纯模糊模型加以描述 ,其思想类似于穴 -穴映射方法。[2 3]提出了一种基于模糊穴 -穴映射的多变量模糊系统进行分解的方法 ,其核心在于认为任何复杂系统的动态都是由其隐含的稳定子动态和不稳定子动态聚合而成 ,而系统特性则主要取决于决定性子动态的性质。介绍了确定系统决定性子动态和基于其上的多变量模糊系统渐近分析方法。

2 . 5 鲁棒控制理论

[1 0 ]基于 T- S模糊系统提出了一种不确定性非线性系统的鲁棒稳定性问题解决方法 ,分析了系统前提条件的隶属函数存在不确定性时的情况 ,得到了基于 Lyapunov稳定性理论的充分条件 ,并在倒车控制中进行了仿真研究。 [1 1 ]提出了模糊逻辑系统的鲁棒稳定性问题。由于模糊控制器被认为具有很强的

鲁棒稳定性 ,但仅为定性或仿真验证性讨论 ,尚缺乏系统的定量的分析方法。该文在这方面进行了讨论 ,给出了一些结果 ,并在其 1 993年的博士论文中应用模糊汽车发动机定速控制器阐述了此方法。该方法为一近似的性能分析表示方法 ,其对象为一类由模糊逻辑控制的线性和非线性系统 ,并假定标定对象的近似模型可用 ,考虑了在已知原点存在小的有界参数不确定性和外部干扰时的稳定性。它基于标定对象类似于 L yapunov函数性能测度的近似表示 ,将系统误差灵敏度相对于兴趣参数的启发式测度与此性能表达式相结合 ,使其为最小 ,通过应用 (如 L yapunov)稳定性的条件 ,系统鲁棒性即可由一简单矩阵的正定性来分析。该理论分两部分 :( 1 )假定在特定状态里的参数摄动对其他状态无影响这种意义上为解耦的 ,在此基础上得到主要的鲁棒稳定性结果 ;( 2 )允许某些相互作用的参数变化的结果存在于状态之间 ,估计此相互作用的测度推导出稳定

范围 ,从而得出更一般的鲁棒稳定性结果。稳定性收敛点即为系统的特定目标点 ,而参数摄动及外部固有干扰的存在就说明了闭环系统的鲁棒稳定性。最后 ,文献以模糊量的形式导出了灵敏度、误差偏差和参数偏差的不等式边界 ,然后用奇异值公式表示出一种鲁棒测度。

总的看来 ,模糊系统的稳定性分析的结果仍不够成熟 ,许多研究还仅给出充分条件 ,并且局限于某些系统和特定的方法 ,要建立一套系统而有效的系统分析和设计方法 ,还要在数学工具及严格的数学证明等方面作出不懈的努力。

3 系统设计方法

系统设计方法的研究主要侧重于 :模糊规则的优化和在线学习修正的算法研究 ,修正因子在线学习 ,隶属函数的选取和调节等。目前 ,在模糊控制的发展中 ,多是对传统的模糊控制方法的研究 ,存在的主要问题是 :众多的待定参数 ,控制规则建立困难。因此目前这方面的研究也是一个热点问题 ,应用了多种思想 ,主要有 :自适应神经元学习、单纯形法、专家自学习法、多步预报自学习、遗传算法 ( GA)及 BP网络等。另外 ,还有许多关于增强式学习算法及模糊自适应等思想的研究。研究目标有向高度自适应自动系统 (自动产生隶属函

数及模糊规则并在线修正 )这方面发展的迹象 ,值得注意和重视。下面简单介绍这方面的研究状况。

[2 7]提出基于自适应神经元学习模糊控制规则 ,主要思想是 :学习与当前性能有关的在过去起作用的控制规则 ,使系统可以随过程环境变化自动调节控制规则 ,以改善输出性能。[2 8]针对常规模糊控制的不足 ,采用分层多规则集结构 ,实现了模糊控制的智能化。 [2 9]提出直接优化去模糊过程的控制规则的设计方法 ,应用了误差及其变化率的二次型性能指标。 [30 ]利用专家自学习思想研究模糊控制的修正因子在线自学习方法。 [31 ]针对具纯时滞及非线性的复杂系统 ,提出了基于多步预报的自学习控制算法 ,使控制效果基本不依赖于初始控制表 ,而控制表可在线修正 ,以满足系统的快速性和稳定性的要求。 [32 ]应用单层神经网络学习多变量模糊规则中的未知参数 ,还可以由它来实现多变量模糊推理过程 ,该方法针对解决多变量模糊控制中普遍存在的规则获取困难和难于实现实时自适应等问题。[33]在改进的 GA基础上 ,提出基于最优控制的二次型性能指标的模糊规则优化方法 ,不需要任何被控系统的先验知识 ,因而适合于一大类复杂非线性系统的控制。文中对 GA的改进有两点 :a)增加“杂交”算子 ;b)主动“优生”描述改善生物群体的质量 ,使 GA由被

动进化变成主动进化。 [34 ]利用具有动态结构的 BP网络进行模糊推理 ,实现

模糊控制的最优化推理过程 ;用另一类具动态结构 BP网络修正现有的控制规

则 ,实现规则的自组织 ,在控制过程中不断优化控制性能 ,使控制效果更理想。

[35]研究了控制规则自适应问题 ,提出在给定比例因子条件下 ,由两组关于控制规则自生成与自校正的元规则组成规则自适应机构。用这两组规则 ,系统可在某时刻同时调整由系统两种状态激活的控制规则。[36 ]有机集成了信任分配( BB:Bucket- Brigade)和 GA组成增强式学习的模糊控制系统 ,在缺少输入输出样本集的情况下 ,自动学习生成模糊控制规则调节隶属函数。 [37]提出基于ART的模糊自适应学习控制网络的增强式学习算法。包括两个模糊自适应逻辑控制网络 ,一个为模糊预测 ,一个为模糊控制器 ,同时进行学习。具有两个特点 :降低了自适应线性化系统标准方法的复合要求 ;高度自动系统 ,初始化时也不要隶属函数和模糊规则 ,随着学习过程的进行 ,开始产生、成长 ,同时 ,可动态划分输入输出空间 ,调节隶属函数 ,划分合适的网络连接类型 (即模糊规则 )。

[38]利用 Nelde- Mead单纯形法自动优化误差变化率的隶属函数 ,因为此类隶属函数表征了速度的反馈。

4 模糊控制系统性能的提高

常规模糊控制系统的性能主要存在着下列问题 :稳态精度 (存在余差 )、抖动和积分饱和等。前几年人们尝试了用论域缩小的方法来消除余差 ,用该变控制规则的数量或规则本身的方法、改变量化曲线、以及改变隶属函数的形式等来改善控制系统的控制性能 [1 2 ]。上一节所采用的许多方法其实也是为得到好的控制效果 ,这在实际应用和仿真分析结果中也可得到证实。

近几年来 ,许多学者对此进行了多种方法的研究 ,主要思想有 :分挡控制、论域缩小逼近法、加入积分作用、切换 PI模糊控制器、引入智能积分、直接测辨模糊控制决策表等方法 ,部分结果在工程实践中得到了应用检验 ,其它的在仿真结果中得以验证。总的来看这方面的研究作为模糊控制理论和实践中的重要目标已经渗透到模糊控制的其它研究领域 ,而从系统分析和设计的角度保证模糊控制系统稳定性、稳态性能及其鲁棒性成为研究发展的必然。

[39]对时变对象提出两种提高模糊控制精度的方法。一种是分档控制 ,暂态时用粗调控制器加快响应速度 ,稳态时用细调控制器以提高稳态精度 ;另一种方法是通过推知被控对象的慢变规律 ,然后根据此规律补偿对象增益的慢变得到恒定的输出 ,对参数慢时变二阶被控对象的仿真验证了不得上述方法的有效性 ,稳态精度大为提高 ,抗干扰性增强 ,当对象含纯滞后环节时 ,易使整个系统发生振荡 ,可引入 Smith预估计器。

[40]提出用论域缩小逼近法来消除模糊控制器的余差。能在控制过程中自始至终按规则调整被控过程 ,不存在其他方法普遍存在的积分饱和现象 ,适用于任何特点的模糊控制系统。仿真及纸张水分控制的实际应用研究证明了该方法的正确和优越性。[41]分析了传统的模糊控制存在的缺陷引入了智能积分以减少稳态误差 ,避免积分饱和。设计了一个参数自调整模糊控制器 ,实现了快速响应和小的超调。 [42]在水轮机模糊调速器研究中提出直接测辨模糊控制决策表的方法 ,为克服常规模糊控制器存在较大静差的缺陷 ,设计了一种带选

择开关的双积分并联复合控制结构 ,此方法在克服积分饱和和缩短调节时间、消除静差、改善动态品质方面是很有效的。其直接测辨决策表的方法为 :应用多变量最小二乘回归方法拟和成功控制系统输入输出间的函数关系 ,然后对量测数据组模糊化 ,再对控制函数离散化 (模糊化 )建立模糊控制决策表。 [43]以串联下三级模糊调节器为基础 ,引入反馈模糊调节器作为并联校正 ,对几个典型

的工业用金属热处理炉的温度控制模型进行仿真实验 ,得到很好的控制效果 ,在阶跃响应中 ,上升时间短 ,无超调 ,稳态精度优于普通的二维模糊控制系统。其第三维为误差变化率的变化。

5 应用研究

从 80年代开始 ,模糊控制应用的研究一直就是十分活跃的一个领域 ,日

本学者在这方面处于领先地位 [7] ,我国学者在此领域也付出了巨大的努力 ,取得了丰硕的成果。其特点是 :

( 1 )多应用于工业过程控制领域 [12]

[44]采用参数自调整与积分的混合控制实现焊熔宽的自动控制 ,把模糊积分改为精确量积分。[42]用直接测辨模糊控制决策表的方法研究了水轮机调速器。 [45]设计了发动机调速系统的模糊逻辑控制器。 [40]用论域缩小逼近法进行了纸张水分控制的实际应用。[46]提出模糊控制加前馈补偿的复杂模糊控制器的方法 ,应用于 MCS- 51单片机控制的异步电动机轻载降压节能器上 ,取得了较好的控制效果。 [47]提出一类最优模糊控制器的系统设计方法 ,所研制的造纸机计算机控制系统成功地投入了使用 ,效果满意。

( 2 )结合许多新思想得到的算法正较多地应用于实际

[48]提出一种模糊逻辑神经网络自适应控制方法 ,在伺服直流电机调速系统中进行了实验研究 ,其系统响应和鲁棒性优于常规控制器。[49]对过程控制对象为复杂非线性系统 ,常规控制策略难以控制而依赖于人的智能经验 ,采用神经学习机制模糊推理集成的思想实现此控制器 ,提出一种隐节点较正学习算法 ,在此思想上优化的模糊系统已试运行于茂名石化公司的二重装置上 ,初步的记录数据表明此方案可行。[50]综合模糊控制系统与人工神经网络的优点 ,提出了一种多变量系统的模糊神经控制模型 ,建立了渣贫化电炉生产过程的模糊神经网络控制模型 ,并开发出相应的决策支持系统 ,该系统自 1992年 6月投入使用 ,一直稳定可靠地正常运行 ,效果好 ,经济和社会效益显著。[28]采用分层多规则集结构实现了模糊控制的智能化 ,应用于立窑水泥燃烧过程控制 ,运行结果表明该法有效 ,鲁棒性强。

( 3 )应用范围正向高一级的新领域扩展 ,如机器人定位系统、汽车定位系统、智能车辆高速公路系统等。[51]报告了用模糊自调整因子方法在机器人定位系统中的应用。 [52]提出了三层的层次预测模糊控制方法 ,对汽车停车控制进行了应用仿真研究 ,而 [53]在 1987年、1991年用预测模糊控制实现了列车系统的停车控制系统。 [18]讨论了智能车辆高速公路系统的车辆侧向自导模型参考模糊逻辑控制算法。

另外 ,还有许多文献将提出的新算法应用于单级倒立摆、球板系统、二级倒立摆等进行仿真实验研究。

6 总结

综上所述 ,近年来 ,国内外学者在自适应模糊系统研究中付出了很大的热情和努力 ,在加强系统的稳定性和鲁棒性分析、系统的设计方法、控制系统性能的提高等几个基本问题的研究的同时 ,利用神经网络、自适应、遗传算法、变结构等思想进行交叉学科的结合研究 ,研究对象从单变量系统扩展到多变量系统 ,并扩展了应用范围 ,取得了许多重要的理论和应用成果。总之 ,本文认为以下几点值得关注 :

( 1 )基于辨识模型的模糊系统稳定性和鲁棒性研究 ,由于其与灵敏度分析和鲁棒多变量反馈控制器的紧密联系 ,可望为模糊逻辑控制的系统设计和稳定性分

析、性能评估等提供统一系统的设计方法 ,是模糊系统研究的一大难点 ,也正是目前及今后研究的一个热点问题。

( 2 )自适应模糊神经网络思想的研究 ,体现了模糊系统具有很强的自适应能力的智能化发展倾向。由于神经网络的万能逼近学习能力 ,达到模糊控制众多参数的优化和在线自学习的目标 ;并且由于模糊系统本质上是非线性的 ,使得有很强非线性处理能力的神经网络和自适应思想的研究成为自然。但需要解决适时、简单易实现等问题。

( 3 )传统的 PID控制方法在工程实践中已获得广泛的应用 ,由于模糊控制具有很强的自适应鲁棒性 ,因此用模糊推理 PID参数的在线自整定 ,以解决非线性对象不确定条件下工作点的最佳动态控制问题 ,在工程应用方面显示出很大的潜力。应是值得关注的重要发展方向。

( 4 )在模糊控制技术中引入了许多新的概念 ,诸如 GA,最优控制 ,滑模控制 ,预测及多变量解耦等 ,这对模糊控制技术的进一步拓展也提供了广阔的想象空间。但是也应当看到 ,所有这些工作 ,最根本的一点还在于模糊系统的建模、辨识和系统分析的解决上。

( 5 )综合利用数据信息和语言模糊信息构成的自适应模糊系统的研究 ,正在成为解决和发展新的智能控制理论的基础。这种思想具有新颖而很强的优越性 ,文 [9]对此进行了较系统的分析 ,并提出了许多算法 ,所提出的未来研究课题 ,值得进一步关注和研究。

参考文献

1 张化光 ,杨英旭 ,柴天佑 .多变量模糊控制的现状与发展 (I) .控制与决

策 ,Vo1 . 1 0,№ . 3 ,1995. 5:193～ 203

2 张化光 ,杨英旭 ,柴天佑 .多变量模糊控制的现状与发展 (II) .控制与决策 ,Vo1 . 1 0,№ . 4,1995. 7;289～ 295

3 沈建强 ,李平 .神经模糊技术的研究现状与展望 .控制与决策 ,Vo1 . 1

1 ,№ . 5,1 996 . 9:527～ 532

4 张良杰 ,李衍达 .模糊神经网络技术的新近发展 .信息与控制 ,Vo1 . 2

4 ,№ . 1 ,1 995. 2 :39～ 46

5 金晓明 ,荣冈 ,王骥程 .自适应模糊控制的新进展 .信息与控制 ,Vo1 . 2 5,№ . 4,1 99

6 . 8:217～ 223 ,251

6 李人厚 ,张平安 .关于模糊辨识的理论与应用实际问题 .控制理论与应

用 ,Vo1 . 1 2 ,№ . 2 ,1995. 4:129～ 137

7 周景振 ,韩曾晋 .日本模糊控制理论与应用研究的进展 .控制理论与应

用 ,Vo1 . 1 4 ,№ . 4,1 997. 8:4 53～ 4 58

8 T. Takagi and M. Sugeno,Fuzzy Identification of Systems and its Applications to Modeling and Control,IEEE Trans.

Syst. ,Man,and Cyber. ,Vol. 1 5,1 985:1 1 6～ 1 3 2 .

9 王立新 .自适应模糊系统与控制——设计与稳定性分析 .国防工业出版

社 ,1 995. 9

1 0 K. Tanaka and M. Sano,A Robust Stabilization Problem of Fuzzy Control Systems and its Applications to Backing up

Control of a Truck- trailer,IEEE Trans. Fuzzy Systems,Vol. 2 ,№ . 2 ,1 994 :1 1 9～ 1 3 4 .

1 1 Shehu S. ,George Vachtsevanos,Robust Stability of Fuzzy Logic Control Systems,America Control Conference,1 995

1 2 李友善 ,李军 .模糊控制理论及其在过程控制中的应用 .国防工业出版

社 ,1 993

1 3 陈建勤 ,吕剑虹 ,陈来九 .利用关系矩阵分析模糊控制系统的稳定性 .控制理论与应用 ,Vol. 1

2 ,№ . 5,1 995. 1 0.

1 4 睢刚 ,陈来九 .模糊闭环系统的语言分析方法 .控制理论与应用 ,Vol. 1

2 ,№ . 6 ,1 995. 1 2 :71 9～ 72 6 .

1 5 王意冈 ,王浣尘 .一类模糊系统模式的稳定性研究 .控制理论与应

用 ,Vol. 1 2 ,№ . 3 ,1 995. 6 :3 3 5～ 4 3 1 .

1 6 Hua O. Wang,Kazuo Tanka and Mike Griffin,An Analytical Framework of Fuzzy Modeling and Control of Nonlinear

System :Stability and Design Issues,America Control Conference,1 995:2 2 72～ 2 2 76 .

1 7 格绍成 ,柴天佑 .一种非线性系统的模糊自适应控制 .信息与控制 ,Vo1 .

2 6 ,№ . 2 ,1 997. 4:87～ 91 .

1 8 Thomas Hessburg,Masayoshi Tomizukao,Model Reference Adaptive Fuzzy Logic Control for Vehicle Guidance,America

Control Conference,1 995:2 2 87～ 2 2 91 .

1 9 A. Trelsi- Ollenru,B. A. Stacey and B. A. White,A Multivariable Design of an ROV Depth Control System- A Direct

Adaptive Fuzzy SMC Approach,America Control Conference,1 995:3 2 4 4～3 2 4 8.

2 0 Li- Xin Wang,Control of Hierarchical Systems with Fuzzy System Models,America Control Conference,1 995.

2 1 Edgar N. Sanchez and Victor Vega,Stability of Neurofuzzy Controllers,America Control Conference,1 995:4 2 51～ 4 2 52 .

2 2 Kai Michels,Numerical Stability Analysis for a Fuzzy or Neural Network Controller,Fuzzy Sets &Systems,Vol. 89,

1 997:3 3 5～ 3 50.

2 3 贾利民 ,张锡第 . I. S. Shao,基于模糊穴 -穴映射的多变量模糊系统分析 ,控制与决策 ,Vol. 1 1 ,No. 6 ,1 996 . 1 1 ;6 4 3～ 6 4 9.

2 4 刘国荣 .模型参考模糊自适应控制 .控制理论与应用,Vo1 . 1

3 ,№ . 1 ,1 996 . 2 :92～ 97

2 5 刘国荣 .模糊自适应 PID控制器 .控制与决策 ,Vol. 1 0,№ . 6 ,1 995.

1 1 :558～ 56

2 .

2 6 Feng- Yih Hsu and Li- Chen Fu,A New Design of Adaptive Robust Controller for Nonlinear System s,Am erica Control

Conference,1 995:3 2 4 9～ 3 2 53 .

2 7 陈建勤 ,陈来九 .基于自适应神经元学习模糊控制规则 .控制与决

策 ,Vol. 9,№ . 5,1 994 . 9:3 50～ 3 54 .

2 8 刘立志 ,蒋玉珍 .一种新的智能模糊控制算法及其应用 .控制与决

策 ,Vol. 1 0,№ . 1 ,1 995. 1 :93～ 96 .

2 9 梁天培 ,周其节等 .模糊控制器的优化设计方法 .控制理论与应用 ,Vol.

1 2 ,№ . 4,1 995. 8:4 91～ 4 97.

3 0 费敏锐 ,陈伯时 .专家模糊控制方法 .控制与决策 ,Vol. 1 1 ,№ . 2 ,1 996 . 3 :2 56～ 2 6 0.

3 1 何洪 ,周恩涛等 .滞后复杂系统的多步预报自学习模蝴控制 .控制与决

策 ,Vol. 1 1 ,№ . 2 ,1 996 . 3 :3 00～ 3 03 .

3 2 濮卫东 ,陈来九 .应用单层神经网络设计多变量自适应模糊控制器 .控制与决策 ,Vol. 1 1 ,№ . 3 ,1 996 . 5:3

4 6～ 3 50.

3 3 金耀初 ,蒋静坪 .基于进化计算的模糊控制规则优化 .控制与决策 ,Vol.

1 1 ,№ . 6 ,1 996 . 1 1 :6 72～ 6 76 .

3 4 姚尹武 ,熊金淘 ,毛宗源 .一种神经网络自组织模糊控制 .控制理论与应用 ,Vol. 1 3 ,№ . 6 ,1 996 . 1 2 :73 8～ 752 .

3 5 睢刚 ,陈来九 .规则自适应模糊控制器 .控制理论与应用,Vol. 1

4 ,№ . 4,1997. 8:52 0～ 52 5.

3 6 王直杰 ,方建安 ,邵世煌 .一种采用增强式学习的模糊控制系统研究 .控制与决策 ,Vol. 1 2 ,№ . 2 ,1 997. 3 :1 88～ 1 91 .

3 7 Cheng- Jian L in and Chin- Teng L in,Reinforcement Learning for an ART- Based Fuzzy Adaptive Learning Control

Network,IEEE. Trans. On N. N. ,Vol. 7,№ . 3 ,May 1 996 :709～ 73 1 .

3 8 李伟 ,谭群华 . Hartm ut Janocha,利用 Nelder- Mead单纯形法优化模

糊逻辑控制器 ,控制理论与应用 ,Vol. 1 2 ,№ . 5,

1 995. 1 0:6 1 6～ 6

2 2 .

3 9 卢朝曝 ,石光明 .时对象模糊控制稳态性能的提高 .信息与控制 ,Vol. 2

4 ,№ . 1 ,1 995. 2 :59～ 6 3 .

40 贾磊 ,朱摩西等 .用论域缩小逼近法消除模糊控制器的余差 .信息与控

制 ,Vol. 24 ,№ . 4,1995. 8:251～ 256 .

41 吴介一 .提高模糊控制器精度的研究 .控制理论与应用 ,Vol. 1 3 ,№ .

2 ,1996 . 4:264～ 267.

42 刘建业 ,郑玉森 ,张炳达 .水轮机模糊调速器研究 .控制理论与应用 ,Vol.

1 3 ,№ . 1 ,1996 .

2 :47～ 51 .

43 范小英 ,陆培新 ,陈文楷 .一个新型的模糊控制器 .控制理论与应用 ,VOl.

1 2 ,№ . 5,1 995. 1 0:597～ 602 .

44 黄石生 ,贺剑锋 . TIG焊熔宽的参数自调整模糊与积分的混合控制 .控制

理论与应用 ,Vol. 1 2 ,№ . 4,1 995. 8:4 6 4～ 4 70.

45 孙元章等 .发电机调速系统的模糊逻辑控制器 .控制理论与应用 ,Vol. 1

3 ,№ . 5,1 996 . 1 0:6 2 1～ 6 2 5.

46 李树江 ,刘向杰 ,柴天佑 .模糊控制在三相异步电动机轻载降压节能中的

应用 .信息与控制 ,Vol. 2 5,№ . 6 ,1 996 . 1 2

4 7 李平 ,孙优贤 ,周春辉 .最优模糊控制器的系统设计 .控制理论与应

用 ,Vol. 1 2 ,№ . 1 ,1 995. 2 :4 6～ 52 .

48 王南 .一种基于模糊逻辑神经网络的自适应控制及其应用 .控制理论与应

用 ,Vol. 1 2 ,№ . 4,1 995. 8:4 3 7～ 4 44 .

49 卢进 ,徐文立 ,韩曾晋 .神经预测和模糊推理催化重新优化中的应用 .信

息与控制 ,Vol. 2 4 ,№ . 2 ,1 995. 4:71～ 77.

50 彭小奇 ,梅炽等 .多变量系统的模糊神经网络控制模型及其应用 .控制理

论与应用 ,Vol. 1 2 ,№ . 3 ,1 995. 6 :3 51～ 3 57.

51 张念祖 ,朱汝辉 ,范懋基 .模糊控制在机器人定位控制中的应用 .控制与决策 ,Vol. 1 0,№ . 2 ,1 995. 3 :1 3 3～ 1 3 6

52 Seiji Yasunobu and Yasuhito Murai,Predictive Fuzzy Control and Parking Control,America Control Conference,1 995

53 S. Yasunobu and S. Miyam oto,Automatic Train Operation System by Predictive Fuzzy Control,(M. Sugeno ed. ) ,North

- Holland,1 985:1～ 1 8.

作者简介 :谢振华 :1965年生 ,讲师 ,现为西北工业大学自动控制系博士生。研究方向 :模糊控制、鲁棒控制、智能测量等。

关于模糊控制理论的综述

物理与电子工程学院 《人工智能》 课程设计报告 课题名称关于模糊控制理论的综述 专业自动化 班级 11级3班 学生姓名郑艳伟 学号 指导教师崔明月 成绩 2014年6月18日

关于模糊控制理论的综述 摘要：模糊控制方法是智能控制的重要组成部分，本文简要回顾了模糊控 制理论的发展，详细介绍了模糊控制理论的原理和模糊控制器的设计步骤， 分析了模糊控制理论的优缺点以及模糊控制需要完善或继续研究的内容，根 据各种模糊控制器的不同特点，对模糊控制在电力系统中的应用进行了分 类，并分析了各类模糊控制器的应用效能.最后，展望了模糊控制的发展趋 势与动态. 关键词：模糊控制；模糊控制理论；模糊控制系统；模糊控制理论的发展模糊控制是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法，从行为上模拟人的思维方式，对难建模的对象实施模糊推理和决策的一种控制方法.模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域、电力系统、家用电器自动化等领域中解决了很多的问题，引起了越来越多的工程技术人员的兴趣. 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[1]创立了模糊集合论, 1973 年, 他给出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出过程模型, 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,

第三章模糊控制题

第2章 模糊控制 1 3.1 模糊控制的基本思想 研究和考虑人的控制行为特点，对于无法构造数学模型的对象让计算机模拟人的思维方式，进行控制决策。 将人的控制行为，总结成一系列条件语句，运用微机的程序来实现这些控制规则。 在描述控制规则的条件语句中的一些词，如“较大”、“稍小”、“偏高”等都具有一定的模糊性，因此用模糊集合来描述这些模糊条件语句，即组成了所谓的模糊控制器。 3.2 模糊集合的定义 模糊集合的定义：给定论域U ，U 到[0,1]闭区间的任一映射A μ ]1,0[:→U μA 都确定U 的一个模糊集合A , A μ称为模糊集合且的隶属函数。 )(x μA 的取值范围为闭区间[0,1]，)(x μA 接近1，表示x 属于A 的程度高；)(x μA 接近0，表示x 属于A 的程度低。 3.3 常用的3种模糊集合的表示方法， (1)Zadeh 表示法 用论域中的元素x i 与其隶属度)(i A x μ按下式表示A ，则 在Zadeh 表示法中，隶属度为零的项可不写入。 (2)序偶表示法 用论域中的元素x i 与其隶属度)(i A x μ的构成序偶来表示且，则 在序偶表示法中，隶属度为零的项可省略。 (3)向量表示法 用论域中元素x i 的隶属度)(i A x μ构成向量来表示，则 在向量表示法中，隶属度为零的项不能省略。 3.4凸模糊集的定义 若A 是以实数R 为论域的模糊集合，其隶属函数为)(x μA ，如果对任意实数b x a <<，都有 则称A 为凸模糊集。 凸模糊集实质上就是其隶属函数具有单峰值特性。

第2章 模糊控制 2 3．5 常见的4种隶属函数 (1)正态型 正态型是最主要也是最常见的一种分布，表示为 其分布曲线如图2-4所示。 图2-4 正态型分布曲线 (2)三角型 1 (),1()(),0,x a a x b b a x x c b x c b c μ?-≤

神经网络自适应控制

神经网络自适应控制 学院：电气工程与自动化学院 专业：控制科学与工程 姓名：兰利亚 学号： 1430041009 日期： 2015年6月25日

神经网络间接自适应控制 摘要：自适应模糊控制系统对参数变化和环境变化不敏感,能用于非线性和多变 量复杂对象,不仅收敛速度快,鲁棒性好,而且可以在运行中不断修正自己的控制 规则来改善控制性能,因而受到广泛重视。间接自适应控制是通过在线辨识的到 控制对象的模型。神经网络作为自适应控制器，具有逼近任意函数的能力。 关键词：神经网络间接自适应控制系统辨识 一、引言 自适应控制系统必须完成测量性能函数、辨识对象的动态模型、决定控制 器如何修改以及如何改变控制器的可调参数等功能。自适应控制有两种形式： 一种是直接自适应控制，另一种是间接自适应控制。直接自适应控制是根据实 际系统性能与理想性能之间的偏差，通过一定的方法来直接调整控制器的参 数。 二、间接自适应系统分析与建模 2.1系统的分析 系统过程动态方程：y(k+1)= -0.8y(k)/(1+y2(k))+u(k),参考系统模型 由三阶差分方程描述： ym(k+1)=0.8ym(k)+1.2ym(k-1)+0.2ym(k-2)+r(k) 式中，r(k)是一个有界的参考输入。如果输出误差ec(k)定义为 ec(k)=y(k)-ym(k),则控制的目的就是确定一个有界的控制输入u(k),当k趋于 正无穷时，ec(k)=0.那么在k阶段，u(k)可以从y(k)和它的过去值中计算得 到： u(k)=0.8y(k)/(1+y2(k))+0.8y(k)+1.2y(k-1)+0.2y(k-2)+r(k) （1） 于是所造成的误差方程为： ec(k+1)=0.8ec(k)+1.2ec(k-1)+0.2ec(k-2) （2） 因为参考模型是渐进稳定的，所以对任意的初始条件，它服从当k趋于无穷， ec(k)=0。在任何时刻k，用神经元网络N2计算过程的输入控制，即 u(k)=-N[y(k)]+0.8y(k)+1.2y(k-1)+0.2y(k-2)+r(k) （3） 由此产生非线性差分方程：y(k+1)=-0.8y(k)/(1+y2(k))+N[y(k)] +0.8y(k)+ 1.2y(k-1)+0.2y(k-2)+r(k) （4） 故设计的要点是设计一个神经网络来逼近0.8y(k)/(1+y2(k))。 2.2系统的建模设计过程 第一步，用BP神经网络逼近，神经网络的结构包含三层：输入层、隐含层 和输出层。BP网络的训练过程如下：正向传播是输入信号从输入层经隐层传向 输出层，若输出层得到了期望的输出，则学习算法结束；否则，转至反向传 播。 第二步，输入测试样本，对神经网络的逼近程度进行测试，将测试后的期

模糊控制算法的研究

模糊控制算法的研究 0842812128夏中宇 模糊控制概述 “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。 在日常生活中,人们的思维中有许多模糊的概念,如大、小、冷、热等,都没有明确的内涵和外延,只能用模糊集合来描述。人们常用的经验规则都是用模糊条件语句表达,例如,当我们拧开水阀往水桶里注水时,有这样的经验:桶里没水或水较少时,应开大水阀;桶里水较多时,应将水阀关小些;当水桶里水快满时,则应把阀门关得很小;而水桶里水满时应迅速关掉水阀。其中,“较少”、“较多”、“小一些”、“很小”等,这些表示水位和控制阀门动作的概念都具有模糊性。即有经验的操作人员的控制规则具有相当的模糊性。模糊控制就是利用计算机模拟人的思维方式,按照人的操作规则进行控制,实现人的控制经验。 模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策略。 1974年,英国伦敦大学教授Mamdani·E·H研制成功第一个模糊控制器,充分展示了模糊技术的应用前景。 模糊控制概况 模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，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L.A.Zadeh 创立了模糊集合论；1973年他给出了模糊逻辑控制的定义和相关的定理。1974年，英国的E.H.Mamdani首先用模糊控制语句组成模糊控制器，并把它应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。 模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力；然而在东方尤其是在日本，却得到了迅速而广泛的推广应用。近20多年来，模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。 模糊控制的基本理论 所谓模糊控制,就是在控制方法上应用模糊集理论、模糊语言变量及模糊逻辑推理的知识来模拟人的模糊思维方法,用计算机实现与操作者相同的控制。该理论以模糊集合、模糊语言变量和模糊逻辑为基础,用比较简单的数学形式直接将人的判断、思维过程表达出来,从而逐渐得到了广泛应用。应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。在自动控制领域,以模糊集理论为基础发展起来的模糊控制为将人的控制经验及推理过程纳入自动控制提供了一条便捷途径。 1.知识库

模糊控制的优缺点

模糊控制的优缺点

————————————————————————————————作者：————————————————————————————————日期：

１.模糊控制中模糊的含义 模糊控制中的模糊其实就是不确定性。从属于该概念和不属于该概念之间没有明显的分界线。模糊的概念导致了模糊现象。 2.模糊控制的定义 模糊控制就是利用模糊数学知识模仿人脑的思维对模糊的现象进行识别和判断,给出精确的控制量，利用计算机予以实现的自动控制。 3.模糊控制的基本思想 模糊控制的基本思想:根据操作人员的操作经验，总结出一套完整的控制规则,根据系统当前的运行状态，经过模糊推理，模糊判断等运算求出控制量,实现对被控制对象的控制。 4.模糊的控制的特点 不完全依赖于纯粹的数学模型，依赖的是模糊规则。模糊规则是操作者经过大量的操作实践总结出来的一套完整的控制规则。 模糊控制的对象称为黑匣（由于不知道被控对象的内部结构、机理，无法用语言去描述其运动规律,无法去建立精确的数学模型）。但是模糊规则又是模糊数学模型。 5 模糊控制的优缺点及需要解决的问题分析 5.1模糊控制的优点 (1)使用语言方便,可不需要过程的精确数学模型;(不需要精确的数学模型) (２）鲁棒性强,适于解决过程控制中的非线性、强耦合时变、

滞后等问题；鲁棒性即系统的健壮性。 (3）有较强的容错能力。具有适应受控对象动力学特征变化、环境特征变化和动行条件变化的能力; (4)操作人员易于通过人的自然语言进行人机界面联系,这些模糊条件语句容易加到过程的控制环节上。 5．2模糊控制的缺点 (１)信息简单的模糊处理将导致系统的控制精度降低和动态品质变差; (2)模糊控制的设计尚缺乏系统性,无法定义控制目标。 6.模糊数学 模糊数学就是利用数学知识研究和解决模糊现象。在数学和模糊现象之间架起了一座桥梁。 6．１模糊集合的概念 每一个概念都有内涵和外延。 内涵就是指概念的本质属性的集合。外延就是符合某种本质属性的全体对象的集合。 模糊数学的基础就是模糊理论集。 在模糊集合设计到的论域U 上，给定了一个映射A,A ：U →[0,1] ,)(x x A μ ,则称A 为论域U 上的模糊集合或者模糊子集； )(x A μ表示U 中各个元素x 属于集合A 的程度,称为元素x 属于模糊集合A 的隶属函数。当x 是一个确定的0x 时，称)(0x A μ为元素0x 对于模糊集合A 的隶属 度。 F 集合引出的几个概念

模糊控制器的设计

4模糊控制器的设计 4 Design of Fuzzy Controllor 4.1概述(Introduction) 随着PLC在自动控制领域内的广泛应用及被控对象的日趋复杂化，PLC控制软件的开发单纯依靠工程人员的经验显然是行不通的，而必须要有科学、有效的软件开发方法作为指导。因此，结合PLC可编程逻辑控制器的特点，应用最新控制理论、技术和方法，是进一步提高PLC软件开发效率及质量的重要途径。 系统设计的目标之一就是要提高装车的均匀性，车厢中煤位的高度变化直接影响装车的均匀性，装车不均匀对车轴有很大的隐患。要保持高度值不变就必须不断的调整溜槽的角度，但是，在装车过程中，煤位的高度和溜槽角度之间无法建立精确的数学模型。模糊控制它最大的特点是[43-45]：不需建立控制对象精确数学模型，只需要将操作人员的经验总结描述成计算机语言即可，因此采用模糊控制思想实现均匀装车是行之有效的方法。虽然很多PLC生产厂家推出FZ模糊推理模块，但这些专用模块价格昂贵，需使用专门的编程设备，成本高通用性差，所以自主开发基于模糊控制理论的PLC控制器有很大的工程价值。 本章首先介绍了模糊控制的基本原理、模糊控制系统及模糊控制器的设计步骤；然后在对煤位高度控制系统分析的基础上，设计基于模糊理论的PLC控制，分别从查询表计算生成和PLC程序查询两个部分进行设计。 4.2模糊控制原理(Fuzzy Control Principle) 4.2.1模糊控制理论(Fuzzy Control Theory) 模糊控制理论是由美国加利福尼亚大学的自动控制理论专家L.A.Zadch教授首次提出，由英国的Mamdani首次用于工业控制的一种智能控制技术[46]。模糊控制（FUZZY）技术是一种由数学模型、计算机、人工智能、知识工程等多门科学领域相互渗透、理论性很强的科学技术。 模糊控制是以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的数学工具，用计算机来实现的一中计算机智能控制[47-48]。它的基本思想是：把人类专家对待特定的被控对象或过程的控制策略总结成一系列以“IF…THEN…”形式表示的控制规则，通过模糊推理得到控制作用集，作用与被控对象或过程。与传统的控制方法相比，它具有以下优点[48]：无需知道被控对象的数学模型；是一种反映人类智慧思维的智能控制；易被人们所接受；构造容易；鲁棒性好。

加工过程的复合自适应模糊控制

加工过程的复合自适应模糊控制 3 姚锡凡　副教授 姚锡凡　彭永红　陈统坚　彭　观　李春雄 摘要　设计了一种自适应模糊控制器,采用了模糊规则在线自调整和 输出比例因子在线自适应估计相结合的策略,应用于铣削加工过程的仿真结果表明,该控制器可适用于非最小相位系统,为加工过程的约束型控制提供一条有效途径。 关键词　加工过程　模糊控制　自适应　参数估计 中国图书资料分类法分类号　T P 273 3国家自然科学基金资助项目(59585006)收稿日期:1997—12—22 始于60年代初的加工过程自适应控制,可分为优化型自适应控制(A CO )和约束型自适应控制(A CC )两大类。但由于加工过程的不确定性、时变性和非线性,以及对加工性能要求越来越高,建立于对象的数学模型基础上的自适应控制难以获得满意的控制效果,甚至无能为力,加工过程的 控制至今仍未获得突破性的进展[1],为此发展不依赖或少依赖于数学模型的智能加工控制系统是必要的。但常规的模糊控制不具有自适应性,而且会出现零点极限环振荡现象,为此本文提出了一种复合的自适应模糊控制,对铣削加工过程进行控制。 1　自适应模糊控制 一般常规模糊控制涉及论域有3个,它们是误差E

K U = F r c s K P (4) 式中,c s 为常数(取0.5);F r 为力的设定值;K P 为被控对象的增益。 K P 可由下式估算得到E r (i )=F (i )-K P (i - 1)u (i -1) K P (i )=K P (i -1)+cE r (i ) (5) 式中,E r 为切削力的估计误差;F 为力的测量值;c 为常数(在下面仿真中取0.035);u (i )为进给速度(电压值)。 u (i )=K U (i )[U (i ) 12+0.5] (6) 2　仿真实验 本文以铣削加工为对象,在主轴转速恒定、铣削深度作阶跃变化下,通过检测切削力,自动调节铣削进给速度,使加工过程的切削力恒定。对于铣 削加工过程(包括伺服环节),其二阶模型可以表示为[5] F β+2ΝΞn F α+Ξ2n F =K (2ΝΞn u α+Ξ2n u )(7)式中,F 为实测的切削力;u 为进给速度(电压值)(见图1);Ν为阻尼系数;Ξn 为自然频率。 采用零阶保持器,当Ν<1时,式(7)的离散可表示为 G (z )= F (z ) u (z )=b 0z +b 1z 2 +a 1z +a 2 (8) 式中,a 1、a 2、b 0、b 1可由式(7)求得。 当采样周期T =0.05s,切削深度a p 分别为2.54mm 、1.91mm 、3.81mm 时,传递函数分别 为[6] G 1(z )=F (z )u (z )=1.3907z + 1.3257 z 2 -1.8218z +0.8409G 2(z )=F (z )u (z )=0.8346z + 0.8363z 2 -1.9642z +0.9773G 3(z )=F (z )u (z )=3.0861z + 2.8242z 2 -1.7461z + 0.7655 可以看出,传递函数随切削深度而变化,当切 削深度为1.91mm 时,已变为一个非最小相位系 统,有一个过程零点位于单位圆外(z =-b 1 b 0=-1.0021),此时常规的模型参考自适应控制(M odel R eference A dap tive Con tro l,M RA C )已 不能适用上述的非最小相位系统,要用修正的M RA C 进行控制,但修正算法较为复杂。一些研 究结果表明,模糊控制能较好地适用于非最小相位加工系统,本文采用复合自适应模糊控制(图1)实现铣削加工过程控制。 仿真实验时,取K E =0.4,K C =0.8,K U (0)=5.6338,F r =400N ,T =0.05s,结果见图2。仿 真时,首先取切削深度为2.54mm ,此时采用的加工模型为G 1(z ),在t =200T 时,让加工模型变为G 2 (z ),而在t =400T 时,让加工模型变为G 3(z )。同时对进给速度进行了限制,即0

模糊控制的基本原理

模糊控制的基本原理 模糊控制是以模糊集合理论、模糊语言及模糊逻辑为基础的控制，它是模糊数学在控制系统中的应用，是一种非线性智能控制。 模糊控制是利用人的知识对控制对象进行控制的一种方法，通常用“if条件，then结果”的形式来表现，所以又通俗地称为语言控制。一般用于无法以严密的数学表示的控制对象模型，即可利用人（熟练专家）的经验和知识来很好地控制。因此，利用人的智力，模糊地进行系统控制的方法就是模糊控制。模糊控制的基本原理如图所示： i .......... 濮鬧挖制器.. (1) 模糊控制系统原理框图 它的核心部分为模糊控制器。模糊控制器的控制规律由计算机的程序实现，实现一步模糊控制算法的过程是：微机采样获取被控制量的精确值，然后将此量与给定值比较得到误差信号E; —般选误差信号E作为模糊控制器的一个输入量，把E 的精确量进行模糊量化变成模糊量，误差E的模糊量可用相应的模糊语言表示；从而得到误差E的模糊语言集合的一个子集e（e实际上是一个模糊向量）; 再由e和模糊控制规则R（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u 为： u R 式中u为一个模糊量；为了对被控对象施加精确的控制，还需要将模糊量u 进行非模糊化处理转换为精确量：得到精确数字量后，经数模转换变为精确的模拟量送给执行机构，对被控对象进行一步控制；然后，进行第二次采样，完成第二步控制 %二这样循环下去，■就实现了被控对象的模糊控制「..................... ""模糊控制（FUZZy Control/是'以模糊集合理论"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。模糊控制同常规的控制方案相比，主要特点有：（1）模糊控制只要求掌握现场操作人员或有关专家的经验、知识或操作数据， 不需要建立过程的数学模型，所以适用于不易获得精确数学模型的被控过程，或结构参数不很清楚等场合。 （2）模糊控制是一种语言变量控制器，其控制规则只用语言变量的形式定性的表达，不用传递函数与状态方程，只要对人们的经验加以总结，进而从中提炼出规则，直接给出语言变量，再应用推理方法进行观察与控制。 （3）系统的鲁棒性强，尤其适用于时变、非线性、时延系统的控制。 ⑷ 从不同的观点出发，可以设计不同的目标函数，其语言控制规则分别是独立的，但是整个系统的设计可得到总体的协调控制。 它是处理推理系统和控制系统中不精确和不确定性问题的一种有效方法，同

自适应模糊控制几个基本问题的研究进展

自适应模糊控制几个基本问题的研究进展 谢振华程江涛耿昌茂 (海军航空工程学院青岛分院航空军械系青岛 266041 ) 周德云 (西北工业大学西安 710072 ) [摘要] 综述了模糊控制系统的稳定性分析、系统设计及系统性能提高三个基本问题的研究 ,简述了应用研究 ,最后对自适应模糊控制的理论和应用进行了展望。 关键词模糊控制自适应控制鲁棒性稳定性 1 引言 自从 L. A. Zadeh提出模糊集合论以来 ,基于该理论形成一门新的模糊系统理论学科 ,在控制、信号处理、模式识别、通信等领域得到了广泛的应用。近年来 ,有关模糊控制理论及应用研究引起了学术界的极大兴趣 ,取得了一系列成功的应用和理论成果 ,与早期的模糊控制理论和应用相比有了很大的发展。模糊控制理论成为智能控制理论的一个重要分支。 一般来讲 ,模糊控制理论研究的核心问题在于如何解决模糊控制中关于稳定性和鲁棒性分析、系统的设计方法 (包括规则的获取和优化、隶属函数的选取等 )、控制系统的性能 (稳态精度、抖动及积分饱和度等 )的提高等问题 ,这己成为模糊控制研究中的几个公认的基本问题。其中 ,稳定性和鲁棒性问题的研究最为热烈 ,从早期基于模糊控制器的“多值继电器”等价模型的描述函数分析法 ,扩展到相平面法、关系矩阵分析法、圆判据、L yapunov稳定性理论、超稳定理论、基于滑模控制器的比较法、模糊穴 -穴映射及数值稳定性分析方法等非线性理论方法。设计方法的研究也倍受关注 ,主要表现在对规则的在线学习和优化、隶属函数参数的优化修正等应用了多种思想 ,如最优控制的二次型性能指标、自适应、神经网络、遗传算法等思想。稳态性能的改善一直是模糊控制学者所关注。 围绕上述几个基本问题 ,出现了多变量模糊控制[1 ,2 ] 、模糊神经网络技术 [3 ] 、神经模糊技术 [4 ] 、自适应模糊控制 [5] 、模糊系统辨识[6 ] 等热点研究领域。在模糊控制理论与应用方面 ,日本学者取得了很大的成就[7] ,我国学者在这方面也付出了不懈的努力 ,并取得了许多重要的成果。所有这些工作促进了模糊控制的理论和应用的快速发展。 本文拟对近几年自适应模糊控制几个基本问题的研究现状作一总结 ,希望能从这一侧面反映其研究情况和发展动向。主要内容包括 :( 1 )稳定性分析问题的研究 ;( 2 )系统设计方法的研究 ;( 3)系统性能提高的研 究 ;( 4 )应用研究情况。 2 稳定性分析 众所周知 ,任何一个自动控制系统 ,首先必须是稳定的 ,否则这个系统就无法工作。因此 ,在控制系统的分析和设计中 ,系统的稳定性研究占有重要的地位 ,模糊控制系统也是如此。由于模糊系统本质上的非线性和缺乏统一的系统描述 ,使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和

模糊控制系统的应用

模糊控制系统的应用 一、模糊控制系统的应用背景 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, 他给出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出过程模型, 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: (1) 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; (2) 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; (3) 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

模糊控制的原理

模糊控制是一种以模糊集合论、模糊语言变量以及模糊推理为数学基础的新型计算机 控制方法。显然，模糊控制的基础是模糊数学，模糊控制的实现手段是计算机。本章 着重介绍模糊控制的基本思想、模糊控制的基本原理、模糊控制器的基本设计方法和 模糊控制系统的性能分析。 随着科学技术的飞速发展，在那些复杂的、多因素影响的严重非线性、不确定性、多 变性的大系统中，传统的控制理论和控制方法越来越显示出局限性。长期以来，人们 期望以人类思维的控制方案为基础，创造出一种能反映人类经验的控制过程知识，并 可以达到控制目的，能够利用某种形式表示出来，而且这种形式既能取代那种精密、 反复、有错误倾向的模型建造过程，又能避免精密的估计模型方程中各种方案的过程，同时还很容易被实现的、简单而灵活的控制方式。于是，模糊控制理论及其技术便应 运而生。 模糊数学的鼻祖——美国加利福尼亚大学电气工程系教授扎德(L．A．zadeh)于1965 年首次提出了“模糊集合”的概念，1973年又进一步研究了模糊语言处理，这些理论研究给模糊控制理论提供了数学依据，为模糊推理打下了理论基础，使得有人的经验 参与的控制过程成为了实际可能。1974年，英国伦敦大学教授马丹（E．H．MamdanU)制造出当时世界上第一个用于锅炉和蒸汽机控制的模糊控制器， 距今仅仅30来年，各种各样的模糊控制系统被研制成功，其发展之快、成果之多和被世人重视的程度都是少有的。各种各样的家用电器的控制系统，各种熔炉、电气炉、 水泥生成炉的控制系统，核能发电供水控制系统，汽车控制系统，电梯控制系统，机 器人控制系统，以及活跃于航空航天、通信领域的专家系统等模糊控制系统的广泛应 用取得了明显效益，与传统控制相比展示了无比的优越性。当前，模糊控制理论与技 术的深入研究和在美国、日本、中国、欧洲、东南亚等国家和地区的广泛应用引起人 们更广泛的关注. 1.1 模糊控制方法的研究现状 L.A.Zadeh基于其模糊集概念最早提出了简单模糊控制理论，简单模糊控制器和常规的控制器相比较具有无需建立被控对象的数学模型、对被控对象的非线性和时变性具有 一定的适应能力的特点，然而它也存在着一定的缺陷： (1)精度不太高。这主要是由于模糊控制表的量化等级有限而造成的，通过增加量化等级数目虽可提高精度，但查询 表将过于庞大，需占用较大空间，使运算时间增加。实际上，如果模糊控制器不引人 积分机制，原则上误差总是存在的。 (2)自适应能力有限。由于量化因子和比例因子都是固定的，当对象参数随环境的变迁而变化时，它不能对自己的控制规则进行有效的 调整，从而使其良好的性能不能得到充分的发挥。 (3)易产生振荡现象。如果查询表构造不合理，或量化因子和比例因子选择不当，都会产生振荡。

模糊控制学习心得

模糊控制学习心得 班别：电气143 学号：1407300043 姓名：范宝荣 “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。 在日常生活中,人们的思维中有许多模糊的概念,如大、小、冷、热等,都没有明确的内涵和外延,只能用模糊集合来描述。人们常用的经验规则都是用模糊条件语句表达,例如,当我们拧开水阀往水桶里注水时,有这样的经验:桶里没水或水较少时,应开大水阀;桶里水较多时,应将水阀关小些;当水桶里水快满时,则应把阀门关得很小;而水桶里水满时应迅速关掉水阀。其中,“较少”、“较多”、“小一些”、“很小”等,这些表示水位和控制阀门动作的概念都具有模糊性。即有经验的操作人员的控制规则具有相当的模糊性。模糊控制就是利用计算机模拟人的思维方式,按照人的操作规则进行控制,实现人的控制经验。 模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策略。1974年,英国伦敦大学教授Mamdani·E·H 研制成功第一个模糊控制器,充分展示了模糊技术的应用前景。 尽管模糊控制理论已经取得了可观的进展,但与常规控制理论相比仍不成熟。模糊控制系统的分析和设计尚未建立起有效的方法,在很多场合下仍然需要依靠经验和试凑。近年来,许多人一直尝试将常规控制理论的概念和方法扩展至模糊控制系统,而模糊控制与神经网络相结合的方法已成为研究的热点,二者的结合有效地推动了自学习模糊控制的发展。模糊控制易于获得由语言表达的专家知识,能有效地控制那些难以建立精确模型而凭经验可控制的系统,而神经网络则由于其仿生特性更能有效利用系统本身的信息,并能映射任意函数关系,具有并行处理和自学习能力,容错能力也很强。在集成大系统中,神经网络可用于处理低层感知数据,模糊逻辑可用于描述高层的逻辑框架[5]。模糊逻辑与神经网络的结合有两种情况:一是将模糊技术用于神经网络形成模糊神经网络,一是用神经网络实现模糊控制。这两方面均见于大量的研究文献。 常规模糊控制的两个主要问题在于:改进稳态控制精度和提高智能水平与适应能力。从大量文献中可以看出,在实际应用中,往住是将模糊控制或模糊推理的思想,与其他相对成熟的控制理论或方法结合起来,发挥各自的长处,从而获得理想的控制效果。 例如，利用模糊复合控制理论的分档控制,将PI或PID控制策略引入Fuzzy 控制器,构成Fuzzy-PI或Fuzzy-PID复合控制;适应高阶系统模糊控制需要的三维模糊控制器;将精确控制和模糊控制结合起来的精确—模糊混合控制;将预测控制与模糊控制相结合,利用预测模型对控制结果进行预报,并根据目标误差和操作者的经验应用模糊决策方法在线修正控制策略的模糊预测控制等。 模糊控制的发展过程中,提出了多种自组织、自学习、自适应模糊控制器。它们根据被控过程的特性和系统参数的变化,自动生成或调整模糊控制器的规则和参数,达到控制目的。这类模糊控制器在实现人的控制策略基础上,又进一步将人的学习和适应能力引入控制器,使模糊控制具有更高的智能性。自校正模糊控制器、参数自调整模糊控制等控制方法也较大地增强了对环境变化的适应能力。

完整版模糊控制技术的发展及前景展望

模糊控制技术的发展与 前 景

展 望 模糊控制技术发展现状与前景展望

1.引言 人的手动控制策略是通过操作者的学习，实验以及长期经验积累而形成的，他通过人的自然语言来叙述。由于自然语言具有模糊性，所以，这种语言控制也被称为模糊语言控制，简称模糊控制。 近年来，对于经典模糊控制系统稳态性能的改善，模糊集成控制，模糊自适应控制，专家模糊控制与多变量模糊控制的研究，特别是对复杂系统的自学习与参数自调整模糊系统方面的研究，受到各国学者的重视。人们将神经网络和模糊控制技术相结合，形成了一种模糊神经网络技术，他可以组成一组更接近于人脑的智能信息处理系统，其发展前景十分广阔。 2.模糊控制的热点问题 模糊控制技术是一项正在发展的技术，虽然近年来得到了蓬勃发展，但它也存在一些问题，主要有以下几个方面 (1) 还没有有形成完整的理论体系，没有完善的稳定性和鲁棒性分析、系统的设计方法（包括规则的获取和优化、隶属函数的选取等）； (2) 控制系统的性能不太高（稳态精度较低，存在抖动及积分饱和等问题）； (3) 自适应能力有限。目前，国内外众多专家学者围绕着这些问题展开了广泛的研究，取得了一些阶段性成果，下面介绍一下近期的主要研究热点。 2.1 模糊控制系统的稳定性分析 任何一个自动控制系统要正常工作，首先必须是稳定的。由于模糊系统本质上的非线性和缺乏统一的系统描述，使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和设计，因此，模糊控制理论的稳定性分析一直是一个难点课题，未形成较为完善的理论体系。正因为如此，关于模糊系统的稳定性分析近年来成为众人关注的热点，发表的论文较多，提出了各种思想和分析方法。目前模糊控制系统稳定性分析方法主要有以下几种： (1) 李亚普诺夫方法 基于李亚普诺夫直接方法，许多学者讨论了离散时间和连续时间模糊控建立了包括非Ying制系统的稳定性分析和设计。使用李亚普诺夫线性化方法， 线性对象的T-S模糊控制系统局部稳定性的必要和充分条件。另外，一种在大系统中使用的向量李亚普诺夫直接方法，被用于推导多变量模糊系统的稳定性条件；李亚普诺夫第二方法被用于判别模糊系统量比因子选择的稳定性；波波夫一李亚普诺夫方法被用于研究模糊控制系统的鲁棒稳定性。 但是，李亚普诺夫的一些稳定性条件通常比较保守，即当稳定性条件不满足时，控制系统仍是稳定的。 (2) 基于滑模变结构系统的稳定性分析方法 由于模糊控制器是采用语义表达，系统设计中不易保证模糊控制系统的稳定性和鲁棒性。而滑模控制有一个明显的特点，即能处理控制系统的非线性，而且是鲁棒控制。因此一些学者提出设计带有模糊滑模表面的模糊控制器，从而能用李亚普诺夫理论来获得闭环控制系统稳定性的证明。Palm和Driankov采用滑模控制的概念分析了增益规划的闭环模糊控制系统的稳定性和鲁棒性。另有一些学者用模糊推理来处理控制系统的非线性和减少控制震颤，使得基于李亚普诺夫方法可保证控制系统的稳定性。 基于变结构系统理论，可以得到控制系统的跟踪精度和模糊控制器的I/O 模糊集映射形状之间的关系，从而可以解释模糊控制器的鲁棒性和控制性能。文献等研究了基于变结构控制框架的模糊控制系统的稳定性，通过输出反馈的模糊

模糊控简介及模糊控制器的设计要点

目录 摘要 (1) 1 模糊控制简介 (1) 1.1 模糊控制方法的研究现状 (2) 1.2 模糊控制的特点 (2) 1.3模糊控制的研究对象 (3) 1.4模糊控制的展望 (3) 2 模糊控制器的结构与工作原理 (4) 2.1基本结构与组成 (4) 2.2一般模糊控制器各主要环节的功能 (4) 2.3隶属函数的确定原则和基本确定方法 (5) 2.4模糊条件语句与模糊控制规则 (6) 2.5模糊量的判决方法 (6) 2.6模糊控制规则的设计和模糊化方法 (8) 2.7解模糊化 (8) 3 模糊控制器的设计 (9) 4 关于模糊(及智能)控制理论与技术发展的思考 (11) 参考文献 (12)

摘要 摘要：本文主要介绍了模糊控制系统的研究现状、特点，以及模糊控制器的结构与工作原理。同时对模糊控制器的设计进行了介绍和分析，对于其基本步骤和过程进行陈述，最后就模糊(及智能)控制理论与技术发展进行总结性的思考。 关键词：模糊控制；模糊控制器；模糊量；模糊化方法 引言 模糊控制是近代控制理论中的一种基于语言规则与模糊推理的高级控制策略和新颖技术，它是智能控制的一个重要分支，发展迅速，应用广泛，实效显著，引人关注[13]。随着科学技术的进步，现代工业过程日趋复杂，过程的严重非线性、不确定性、多变量、时滞、未建模动态和有界干扰，使得控制对象的精确数学模型难以建立，单一应用传统的控制理论和方法难以满足复杂控制系统的设计要求。而模糊控制则无需知道被控对象的精确数学模型，且模糊算法能够有效地利用专家所提供的模糊信息知识，处理那些定义不完善或难以精确建模的复杂过程。因此，模糊控制成为了近年来国内外控制界关注的热点研究领域。 1 模糊控制简介 模糊控制是一种以模糊集合论、模糊语言变量以及模糊推理为数学基础的新型计算机控制方法。显然，模糊控制的基础是模糊数学，模糊控制的实现手段是计算机。本章着重介绍模糊控制的基本思想、模糊控制的基本原理、模糊控制器的基本设计方法和模糊控制系统的性能分析。 随着科学技术的飞速发展，在那些复杂的、多因素影响的严重非线性、不确定性、多变性的大系统中，传统的控制理论和控制方法越来越显示出局限性。长期以来，人们期望以人类思维的控制方案为基础，创造出一种能反映人类经验的控制过程知识，并可以达到控制目的，能够利用某种形式表示出来，而且这种形式既能取代那种精密、反复、有错误倾向的模型建造过程，又能避免精密的估计模型方程中各种方案的过程，同时还很容易被实现的、简单而灵活的控制方式。于是，模糊控制理论及其技术便应运而生。 模糊数学的鼻祖——美国加利福尼亚大学电气工程系教授扎德(L．A．zadeh)于1965年首次提出了“模糊集合”的概念，1973年又进一步研究了模糊语言处理，这些理论研究给模糊控制理论提供了数学依据，为模糊推理打下了理论基础，使得有人的经验参与的控制过程成为了实际可能。1974年，英国伦敦大学教授马丹（E．H．MamdanU)制造出当时世界上第一个用于锅炉和蒸汽机控制的模糊控制器，距今仅仅30来年，各种各样的模糊控制系统被研制成功，其发展之快、成果之多和被世人重视的程度都是少有的。各种各样的家用电器的控制系统，各

模糊控制的理论基础

第二章：模糊控制的理论基础 第一节：引言 模糊控制的发展 传统控制方法：数学模型。 模糊控制逻辑：使计算机具有智能和活性的一种新颖的智能控制方法。 模糊控制以模糊集合论为数学基础。 模糊控制系统的应用对于那些测量数据不准确，要处理的数据量过大以致无法判断它们的兼容性以及一些复杂可变的被控对象等场合是有益的。 模糊控制器的设计依赖于操作者的经验。 模糊控制器参数或控制输出的调整是从过程函数的逻辑模型产生的规则来进行的。 改善模糊控制器性能的有效方法是优化模糊控制规则。 模糊控制的特点： 一、无需知道被控对象的数学模型 二、是一种反应人类智慧思维的智能控制 三、易被人们所接受 四、推理过程采用“不精确推理” 五、构造容易 六、存在的问题： 1、要揭示模糊控制器的实质和工作原理，解决稳定性和鲁棒性理论问题，从理 论分析和数学推导的角度揭示和证明模糊控制系统的鲁棒性优于传统控制策略； 2、信息简单的模糊处理将导致系统的控制精度降低和动态品质变差； 3、模糊控制的设计尚缺乏系统性，无法定义控制目标。 “模糊控制的定义” 定义：模糊控制器的输出是通过观察过程的状态和一些如何控制过程的规则的推理得到的。基于三个概念：测量信息的模糊化，推理机制，输出模糊集的精确化；

测量信息的模糊化：实测物理量转换为在该语言变量相应论域内的不同语言值的模糊子集；推理机制：使用数据库和规则库，根据当前的系统状态信息决定模糊控制的输出子集；模糊集的精确化：将推理过程得到的模糊控制量转化为一个清晰，确定的输出控制量的过程。 “模糊控制技术的相关技术” 模糊控制器的核心处理单元：1.传统单片机；2.模糊单片机处理芯片；3.可编程门阵列芯片。 模糊信息与精确转换技术：AD，DA，转换技术。 模糊控制的软技术：系统的仿真软件。 综述：模糊控制是一种更人性化的方法，用模糊逻辑处理和分析现实世界的问题，其结果往往更符合人的要求。 第二节：模糊集合论基础 “模糊集合的概念” 经典集合论所表达概念的内涵和外延都必须是明确的。 集合既可以是连续的也可以是离散的。 集合表示方法：1、列举法；2、定义法；3、归纳法；4、特征函数法；5、集合运算； 思维中每一个概念都有一定的内涵和外延，概念的内涵是指一个概念所包含的区别于其他概念的全体本质属性，概念的外延指符合某概念的对象的全体。从集合论的角度看，内涵就是集合的定义，外延就是集合的所有元素。 与传统的经典集合对事物只用“1”，“0”简单地表示“属于”或“不属于”分类不同，模糊集合是把它扩展成用0~1之间连续变化值来描述元素的属于程度。这个0~1之间连续变化值称作“隶属度”。模糊集合中的特征函数就称作隶属度函数。 模糊集合的定义实际上是将经典集合论中的特征函数表示扩展都用隶属度函数表示。