运动控制系统-第三讲-智能运动控制器设计.pptx

1、第第3章章 智能运动控制器设计智能运动控制器设计3.1 3.1 模糊控制技术与模糊控制器模糊控制技术与模糊控制器 3.1.1 模糊控制技术 1.什么是模糊控制技术？模糊控制技术是以模糊数学为理论基础，“模糊理论”最早是美国加洲大学L.A Zadeh教授在1965年所發表的Information and Control期刊論文中。是为了解决现实世界中普遍存在的模糊現象而發展的一门学科，其精髓是使用模糊数学模型來描述语义式的模糊信息的方法。目前无论是一般消费类电子产品、图像辨识处理、语音识别、智能控制及运动（智能）控制等领域都得到广泛应用。尤其近些年模糊控制技术与神经网络技术结合，使得机器人技术更

2、加具有智能特征。2、模糊理论 1）基本概念 现实生活中我们经常会听到这样的话语，今天温度真高，今天的雨真大，今天气温真低，房间很冷，这个人很漂亮、身材修长，长发飘逸等，这些话语共有的特点是很难用数量化的术语去衡量，很明显，这些话语具有一定的模糊不确定性。那么什么是模糊昵？我们认为所谓模糊应该具有以下特征：a)不完整(incomplete)，不完整的特点是:語言传递的信息不够完整，有可能导致无法理解对方所要表达的意思；b)曖昧性(ambiguity)例如:一个画在门上的烟斗图案既可代表男厕所也可代表吸烟室；C)不精確性(imprecision)例如:电视画面受到干扰导致收看效果不佳；D)随机性(

3、randomness)例如:掷塞子；e)模糊性(fuzziness)例如：这个山高吗？就是典型的模糊说法，因为高的标准没有确定，也即缺乏参照物。上图是一套模糊系统的框架，由规则库、输入模糊集合U、模糊推论机理和输出模糊集合V组成。图3-1 模糊系统框图模糊集合模糊集合(Fuzzy Sets).不是0或1的表示方式，而是程度上“多”或“少”的差別。.传统的明确集合是属于二元的，论域中的元素对某一集合的关系只有二种，也就是“属于”与“不属于”。.模糊集合是利用隶属函数（membership function)的大小做为主要的选择机制。例如：我们可以确定的区分男生和女生的性別，却无法明确的辨別温度的

4、高和低。因此要对于语意中的模糊性進行数值化的描述时，模糊集合(fuzzy set)是一個非常好用的工具。2）布尔逻辑与模糊逻辑 布尔逻辑 布尔函数可以用真值表表示法、布尔表达式、规范表达式表示，每个布尔函数，无论多复杂，都可以只用三个布尔算子（And Or Not）表示，而且可以用Nand(可以称与非门-最基本的门)门表示。模糊逻辑 模糊逻辑处理变量的归属度(membership)和确定度(degrees of certainty)：溫度“溫度很高”電壓“電壓有點偏低”速度“速度非常慢”3 3）模糊理论分类）模糊理论分类 图3-2 模糊控制理论框架结构图3.1.2 模糊模糊PID控制器设计控制

5、器设计 1.模糊PID控制器 随着智能控制技术的发展，新型运动控制系统控制回路均采用模糊PID算法。图3-3所示的是一个模糊PID控制器的系统框图，其基础算法是PID算法，但P、I、D参数（KP、KI、KD）是依据输入与输出的误差及误差的变化率来决定的。图3-3 模糊PID控制器系统框图模糊PID控制器按照下列步骤进行设计。(1)根据被控制对象的线性模型和所期望的性能指标设定PID控制器增益的标称值。(2)KP、KI、KD是在PID控制器增益的标称值基础上设计出的模糊调谐值。2 2PIDPID标称值设计标称值设计 图3-3所示的PID控制器的控制算法可以用式(3-1)表示。KP、KI、KD分别

6、为控制器增益的比例、积分和微分。(3-1)利用Simulink Response Optimization toolbox构建控制对象的线性模型，依据所构建的线性模型确定PID控制器增益的标称值。由toolbox设定期望的响应，使系统达到稳态时的误差尽可能小。为了实现期望响应，设定下述参数值。Rise time=0.1 s Settling time=0.4 s Overshoot=5%settling=0.001 最后，可以得出PID控制器的增益标称值为 Kp=19.21,Kd=0.3 and Ki=0.13 3模糊模糊PIDPID控制器设计控制器设计 1)模糊控制器比例增益系数KP 模糊P

7、ID控制器第一个参数是比例增益系数KP。KP的输入是误差和误差变化率。图3-4所示的是KP误差隶属函数。图3-5所示的是KP误差变化率隶属函数。图3-6所示的是KP输出值隶属函数。模糊PID调控制器KP的输入与输出规则见表3-1。最后，模糊控制器KP的输出值采用中心面积法对KP去模糊化求得。Z零；N负；P正；VN负大；VP正大图3-4 KP误差隶属函数S小；M中；F大图3-5 KP误差变化率隶属函数图3-6 KP输出值隶属函数S小；M中；B大；VB比较大 误差误差变化率VNNZPVPSLMFSVBVBBBVBSVBVBMBVB 表3-1 KP模糊控制器规则 2)模糊控制器微分增益系数KD模糊P

8、ID控制器第二个参数是微分增益系数KD。KD的输入是误差及误差变化率。图3-7所示的是KD误差隶属函数。图3-8所示的是误差变化率隶属函数。图3-9所示的是KD输出值隶属函数值。模糊PID控制器KD的输入与输出规则见表3-2。最后，模糊控制器KD的输出值采用中心面积法对KD去模糊化求得。误差误差变化率VNNZPVPSLMFVBMSMMSBSMMMSVBMS表3-2 KD模糊控制器规则 图3-7 KD误差隶属函数图3-8 KD误差变化率隶属函数图3-9 KD输出值隶属函数3)模糊控制器积分增益系数KI模糊PID控制器第三个参数是积分增益系数KI。KI的输入是误差和误差变化率。图3-10所示的是误

9、差隶属函数。图3-11所示的是误差变化率隶属函数。图3-12所示的是KI输出值隶属函数。模糊PID控制器KI的输入与输出规则见表3-3。最后，模糊控制器KI的输出值采用中心面积法对KI去模糊化得到。误差误差变化率NZPSLMFSMBSSMSMS表3-3 KI模糊控制器规则表 图3-10 KI误差隶属函数图3-11 KI误差变化率隶属函数图3-12 KI输出值隶属函数下面举一个实例。图3-13所示的是一个实验装置，任务就是实现点对点的运动。它由一套伺服电机驱动器、伺服电机、编码器和PC组成。控制器是PC，PC上运行的控制软件是利用MATLAB的实验程序。这一个结构简单的点对点模糊PID实验装置（

10、旋转位置系统）。图3-13 模糊PID实验验证装置数学模型数学模型:忽略系统的非线性，按照牛顿学有关定律，这套旋转位置系统实验装置的动态数学模型为l()64.12(36.43)()ss sVm s控制结果与控制结果与讨论讨论:借助点对点模糊PID实验装置，利用Simulink Optimization Toolbox设定PID参数增益标称值进行实验对比，发现采用模糊PID的方法更加有效。图3-14所示的是本实验装置在输入90步长时的系统实时响应图，图中实线部分是采用模糊PID控制算法得到的实际结果，虚线部分是采用传统经典PID算法得出的实验结果。有关实验位置系统的定位性能见表3-4。图3-14

11、 输入90步长时的系统实时响应图实验对象控制器位置/()时间/s精度误差标称PID模糊PID000.180.170.1760.088增加惯量PID模糊PID1.61.60.280.240.3560.088表3-4 经典PID与模糊PID性能对比从表3-4可以看出，模糊PID算法的性能要优于经典PID算法，尤其是系统的稳定时间和位置精度指标大幅度优于经典PID算法。本实验位置测量传感器是一种光纤编码器，把光纤编码器安装在负载轴上，测量负载轴的角度位置，90时编码器的输出是4096个计数单位，也可以进行相对角度的测量。此外，利用本实验装置还对模糊PID和经典PID的鲁棒性进行了性能对照。为了评测系

12、统的鲁棒性，需要给旋转位置单元增加惯量。图3-15所示的是增加旋转位置装置惯量后采用模糊PID与经典PID的实验结果曲线，相应的实验数据见表3-4。从表3-4中数据可以得出，随着惯量的增加，模糊PID性能没有改变，因此可以得出的结论：模糊PID对惯量改变的鲁棒性要优于经典PID。图3-15 增加惯量后响应图*3.1.3 双关节机械手1.机械手结构 图3-16所示是双自由度机械手运动系分析图。这个系统是由二个可以旋摆的单臂组成，第一个单臂与基座相连，臂的长度是用l1；第二个机械臂的一个端点与第一个机械臂的第二端头做轴连，机械臂2的另外一个端点是机械手的夹手，机械臂2的长度是l2。系统是以基座的第

13、一个运动轴中心为坐标原点。图中符号说明：是机械臂与水平面之间的夹角，其中1是机械臂1与水平面之夹角；2是机械臂2与水平面之夹角。机械手夹手中心点的坐标就是(x,y)。用m表示机械臂质量,用符号m0表示机械手夹持的物体质量；用符号m1表示机械臂1的质量；用符号m2表示机械臂2的质量。用符号T表示驱动机械手所需转矩；用符号T1表示机械臂1所需要的转矩；用符号T2表示机械臂2所需要的转矩。用符号g表示地球重力加速度。用符号（xG1,yG1）表示机械臂1的几何中心点，用符号（xG2,yG2）表示机械臂2的几何中心点。用符号表示机械臂转动速度；用符号1表示机械臂1相对坐标原点的旋转速度；用符号2表示机械

14、臂2相对转轴中心2的旋转速度。用符号（x1,y1）描述旋转轴2的平移坐标原点。3-16 双自由度机械手机械结构运动系分析图要实现对机械臂进行控制，那么首先就要对夹手的坐标进行分析计算，机械手中心坐标（x,y）用公式3-3求取。（3-3）那么如何有效对机械手进行控制呢？就有必要对机械臂的转矩计算进行分析，下面就是对机械臂转矩进行研究。（3-4）gCJ,T公式3-4符号说明，T是一个2X1维矩阵，它表示的是转轴T1和转轴T2所需的驱动转矩；J是一个2X2维矩阵，它表示的是2自由度机械臂的对称正转动惯量矩阵，分别为J11、J12、J21和J22；C(,)是2X2维矩阵，它表示的是科里奥利及离心力矢量

15、矩阵；g是一个2X1维矩阵，分别是机械臂1和机械臂2的重力影响;、分别代表每个机械臂关节的位置、速度和加速度。那么机械臂所需的驱动转矩就由公式3-4求取。与公式3-4有关的转动惯量矩阵由公式3-5求取，科里奥利及离心力矢量矩阵由公式3-6求取；重力影响矩阵由公式3-7求取。lmIJcllmlmIJJcllmlmlmlmGGGGGG22222222122222211222121222221121112)(2)()(2J（3-5）公式3-5中有关符号说明：I1、I2是机械臂转轴1和2的驱动电机转子转动惯量；C1、C2分别是机械臂1和机械臂2的科里奥斯力。科里奥利及离心力矢量矩阵的分项元素计算由公式

16、3-6求取。clmclmclmmGGGggg12222122211211)()()(gg（3-7）机械手控制框图机械手控制框图 图3-17是一个多输入多输出机械手模糊控制逻辑框图，很明显双自由度机械手是一个双输入双输出的控制系统。图3-17多输入多输出模糊逻辑控制器是一个组合控制器，有二个单元主模糊控制器和解耦逻辑控制器组成。主模糊逻辑控制器(Main Fuzzy Logic Controller)是指单独每一个关节的独立控制；而解耦逻辑控制器（Coupling Fuzzy Logic Controller)是指二个机械手臂复合动作时，相互对彼此动作的影响,机械手操作控制器（Arm Manip

17、ulator)控制机械手臂执行机构实现机械手的运动。Main Fuzzy Logic Controller 图3-17 多输入多输出机械臂逻辑控制框图细化到双自由度机械手控制具体事例就演化为图3-18。图3-18符号说明。MFC是主模糊逻辑控制器；CFC是解耦逻辑控制器；e1是 1*1，也就是机械臂1的角度设定值减去实际值；e2是2*2，也就是机械臂2的角度设定值减去实际值。e1是轴1角度差值的变化量；e2是轴2角度差值的变化量；T是转矩。图3-18 双自由度机械手逻辑控制框图有关解耦逻辑控制器的计算规则与主逻辑控制器相似，耦合逻辑控制的输出转矩也就是它的输入转矩。有关双自由度机械手的控制输入

18、转矩由公式3-8计算。(il)(3-8)公式3-8中的Ti（k）表示的是主模糊控制器在i角度时刻的控制系统输入转矩；符号 i表示的是相对于第i角度时刻的耦合效应控制，这是相对于耦合逻辑控制器的第i角度时刻耦合转矩。kkkTTTl-iii3.模拟仿真分析 图3-19是双关节单输入单输出SISO模糊逻辑控制器控制的机械手操纵模式；图3-20是基于智能多输入多输出MIMO模糊逻辑控制器控制双关节机械手操纵模式。用Matlab/Simulink 作为仿真开发工具，其具体实施系统控制框图分为是图3-19和3-20.相对应的位置误差详见图3-21和图3-22.机械手操作控制器（Arm Manipulato

19、r）图3-19 机械手模糊逻辑控制 图3-20 多输入多输出模糊逻辑控制器控制机械手仿真框图图3-21是关节1的位置误差，其中3-21 a图所示的是SISO单输入单输出的模糊逻辑控制器的实际控制效果，关节1的位置误差，单位是弧度；3-21 b图是MIMO多输入多输出模糊逻辑控制器对于关节1的实际位置误差。a)单模糊逻辑控制位置误差 b)多输入多输出模糊逻辑控制误差 图3-21 不同控制方法下的第一关节位置误差图3-22是关节2的位置误差，其中3-22 a图所示的是SISO单输入单输出的模糊逻辑控制器的实际控制效果，关节2的位置误差，单位是弧度；3-22 b图是MIMO多输入多输出模糊逻辑控制器

20、对于关节2的实际位置误差。a)单模糊逻辑控制位置误差 b)多输入多输出模糊逻辑控制误差图3-22 不同控制方法下的第二关节位置误差表3-5是采用Matlab/Simulink，利用图3-19及3-20所示的控制框图单输入单输出模糊逻辑控制器与多输入多输出模糊逻辑控制器对双关节机械手进行仿真的效果。表表3-5 SISO 与与MIMO 结果结果 控制器（控制器（controller)单输入单输出 模糊逻辑控制器SISO FLC 多输入多输出逻辑控制器MIMO FLC关节（关节（links）关节1（link1）关节2（link2）关节1（link1）关节2（link2）位置误差（弧度）位置误差（弧度

21、）0.00330,00100.00250.0004position error(Rad)超差超差（overshoot）5%0%0%0%4.结论 在3.1.3所列举的双自由度机械手采用了二种控制策略，通过实际上述分析可以得出，MIMO FLC（多输入多输出模糊逻辑控制器）的控制效果明显高于SISO FLC（单输入单输出模糊逻辑控制器）的控制效果。3.2 自适应控制技术与自适应运动控制器 3.2.1 3.2.1 自适应控制技术自适应控制技术 1.1.什么什么是自适应控制？是自适应控制？有关自适应控制系统的研究雏形大约起自上世界50-70年代，其主要研究对象是飞行的自适应控制，内容涉及飞行试验中的没

22、有预案的灾害问题、提出新的飞行试验想法等；到了上世界70-90年代，自适应控制理论进入了发展期，其典型代表为：源自稳态理论的参考模型自适应控制（Mrac-Model reference adaptive control）和源自随机控制理论的自控制器（The self tuning regulator）。2、自适应控制技术研究对象是什么？1）自适应控制所讨论的对象，通常是指对象的结构已知、参数未知，且采用的控制方法仍是基于数学模型的方法；2）结构和参数都未知的对象，比如一些运行机理特别复杂，目前尚未被人们充分理解的对象，难以建立有效的数学模型，因而无法沿用基于数学模型的方法解决其控制问题，需要借

23、助新型方法解决，例如基于模糊数学为主的模糊控制技术；神经网络技术+模糊控制技术等；3）自适应控制所依据的关于模型的和扰动的先验知识比较少，需要在系统的运行过程中不断提取有关模型的信息，使模型愈来愈准确 4）常规的反馈控制具有一定的鲁棒性，但是由于控制器参数是固定的，当不确定性很大时，系统的性能会大幅下降，甚至失稳。3、自适应控制主要概念1）与参数变化有关的概念 有关控制律的选择对参数变化的敏感有很大关系，首先我们看鲁棒性与控制律的关系。鲁棒控制（Robust control）的目的就是寻找对参数变化不敏感的控制律；预设增益调节计划表（Gain scheduling）的目的是测量与参数变化有良好

24、相关性的参数，并对控制器的参数做出修正；自适应控制（Adaptive control）目的是要设计一个能够适应参数变化的控制器；双通路控制（Dual control）的目的是建立引导与督察控制（Control should be directing as well as investigating）。预置控制计划表（Many different schemes）有多种形态，其中有：参考模型适应控制（Model reference adaptive control）、自控制器（The self-tuning regulator）和L1适应控制器（L1 adaptive control(later

25、 in LCCC)）。2）自适应控制技术术语 表3-6所示的内容就是自适应控制术语表。表表3-6 自适应控制术语表自适应控制术语表序号序号 名称 释义1适应（Adapt）调节以满足特定的用途和情景（to adjust to a specified use or situation）2调节（Tune）为了达到适度的结果而做的调整（to adjust for proper response）3自主的（Autonomous）独立自主的；（independence,self-governing）4学习（Learn）通过已有经验、指导或者学习等途径获取知识或者技能（to acquire knowledg

26、e or skill by study,instruction or experience）5推理（Reason）从逻辑的事实推断真理或知识的知识过程（the intellectual process of seeking truth or knowledge by infering from either fact of logic）6智能（intelligence）获取及应用知识的能力（the capacity to acquire and apply knowledge）。7有 关 自 动 控制（In A u t o m a t i c Control）有三层含义：自动调节（Automa

27、tic tuning）按需调整（tuning on demand）预置增益计划表（Gain scheduling）适应调节（Adaptation）连续调节（continuous adjustment）3.2.2 自适应运动控制器设计 1、自适应控制器基本架构自适应控制器基本架构 图3-23是一个典型的自适应运动控制系统框图，它由二个回路组成，一个是主反馈回路，经典的控制理论就是这个回路，例如经典PID控制；第二个回路是参数调节回路，主要涉及控制算律，常用的有：模型参考自适应控制MRAS（Model Reference Adaptive Control MRAC）、自校正控制器STR（Self-

28、tuning Regulator STR）和双重控制（Dual Control）。图3-23 自适应运动控制系统框图2、自适应控制算律 1）模型参考自适应控制器 图3-24所示的基于模型参考自适应控制的控制算律框图。模型参考自适应控制算律有四个步骤：1）输入给定量是已知模型算律，采用的是指令信号跟随；2）The MIT 法则，3）基于李雅普诺夫理论的推理法则；4）各种参数修正。MIT Rule是1960年代由美国MIT学者为了解决航空动力学的高阶动力学方程提出的一种解决思路，其主要含义是mit法则的思路，类似于牛顿法，或者泰勒级数法之类的通过求导逼近的思路。这个思路本身就是和梯度下降法是一回事

29、，最早用在了动力系统里面。图3-24由一个主通道回路和一个标量参数调整回路构成。主通道是由设定值、预设给定模型、参数调节单元、控制器设计、受控对象及受控输出构成，控制器设计环节有三个输入量一个输出量，三个输入量分别是预设给定量、输出反馈量和控制器参数调整量；受控对象有一个输入量和一个输出量。图3-25与图3-23相比，图3-24增加了一个预设模型模块，其输出作为参数调节回路的一个输入。而MIT规则是1961年由麻省理工学院的研究人员针对线性系统的模型参考自适应控制提出的标量参数调整律，其模型参考自适应控制被建模为已知稳定对象的级联和单个未知增益。对于参数调整而言，仅仅依靠e=y-ym这个线性反

30、馈公式是不充分的。而MIT法则可用公式3-9来表示。（3-9）相关数学表达式分为：预设模型：（3-10）控制器 ：（3-11）理想参数：（3-12）处理过程：（3-13）edtdcmmmmubyadtdy)()()(u21tytutcbaabbmm011011buaydtdy 图3-24 模型参考自适应控制系统结构图 图3-24 模型参考自适应控制系统结构图偏差：(3-14)估算：（3-15）因此有结论：（3-16）dttdupubpabyyyecm)(,21ybapbubapbeubapbecc22212221)(map 2bapeyapadtdeuapammcmm)(2,)(dtd1 2）

31、自校正控制器）自校正控制器图3-25所示的是自调节控制算律的自适应控制框图，其中虚线部分就是自调节控制器的构成。自调节控制器由三个模块构成，估值计算、控制器设计和控制器。其中控制器的设计原则是最小误差自调节；估值采用的递归估值参数法；控制器控制是依据参数估值计算控制律。控制器计算的结果作为被控对象的输入信号。图3-25 自调节控制器自适应控制算律框图自适应控制主要目的就是解决不确定性，自调节自适应控制的第一个前提是确定性等价，其含义估值正确是设计的依据；对于自调节自适应控制算律的主回路通道用图3-26表述。图3-26 自调节自适应控制算律主通道框图图3-26中Ru、Tu与Sy是控制器通式的三个

32、多项式，用公式3-17表示。控制率中含有负反馈传递算子-S/R和前馈传递算子T/R。A和B均是前向移位算子q的多项式。有关求解可用下列公式计算：（3-17）相应的闭环系统 （3-18）注：式3-18中的B是B(q)的简化、A是A(q)简化。)()()(),()()(qAtSytTutRutvtuqBtyc)()()()(BSARR)()(tvBSARBStuBSARATtutvBtuBSARBTtycc闭环特征多项式 （3-19）闭环响应 （3-20）所希望的响应 （3-21）理想的模型跟随 （3-22）回避已标识的不稳定进程零点：B=B+B-（3-23）因此可以得出的结论为：（3-24）BS

33、ARAc)()(tuBSARBTtyc(t)u)(AcmmmBtymmABmABTBSARBTBRRBAAABBmmcm,B-0mmcmBAAARTAAS-B00，自调节控制算律的适应参数估计率的设计目标是，在保证所有状态有界的前提下让输出误差最小，最直观的方法就是沿着梯度最小方向去搜索沿着梯度最小方向去搜索。这个方向计算结果很多时候包含一些未知的函数，因此就看我们能否选择距离这个梯能否选择距离这个梯度方向很近的方向进行搜索，这取决于误差方程动力学。度方向很近的方向进行搜索，这取决于误差方程动力学。3）双重控制 双重控制理论是控制理论的一个分支，它研究初始特性未知的系统的控制，双重控制（dua

34、l control）也称对偶控制理论，因为在控制这样的系统中，控制器的目标是双重的：（1）行动：基于现有系统知识控制系统；（2）探查：对该系统进行实验，了解其行为，并对其进行更好的控制。这两个目标可能部分冲突。；图3-27所示的是双重控制自适应系统框图。其基本思路就是通过动态规划寻找最优解。图3-27 双重控制系统框图 为了让读者理解双通道控制器的计算很有难度，我们先给出用于描述双重控制的函数方程。为了简单起见，考虑二次损失函数D2E。假设广义自适应模型中的超状态参数遵守分离原则，且是可预测的；最优控制器分解为两个部分：估计器以及反馈控制器。该估值器生成由测量值Jk.给出的状态的条件概率分布。

35、这种分布被称为过程的超状态，并被表示为x（k）。在超状态中，参数与其他状态变量之间没有区别，然后控制器能够处理非常快的参数变化。12N1-Nu-k)()(E),kVminkkjujyjyk）（）（）（在公式中，对于已给定数据k-1，函数V(（k）,k)所代表的是最小期望损失。图3-28所示的就是期望损失与控制信号u的函数关系图。图3-28 控制信号与损失之关系图3-28所示的曲线是三种不同标量超状态数值曲线。图中每条曲线的黑点就是各自曲线所表征的最小值。如果函数满足Bellman方程，那么就一定存在最优解。*3.2.3 模糊自适应控制器 1、模糊自适应控制器设计 模糊自适应控制器的基本框架如图

36、3-29所示。从图3-29可以看出，在自适应模糊控制的过程中，自适应规则的设计是依据控制性能指标来设计的，随着环境的变化自适应律不断用来修正模糊控制器中的参数。而在非自适应模糊控制系统，模糊控制器是事先已经设计好的，控制器的参数不依控制性能而改变，这就可能导致控制失效。因此，自适应模糊控制具有较好的控制性能。图3-29 模糊自适应控制器框图有关图3-29说明：图3-29结构与图3-24相比，增加了一个模糊控制器环节，有关模糊控制器，本章第一节有详细的讲授，这里就不再提及，有关参考自适应控制器在3.2.2中也有论述，因此就不对框图再做分析与解构啦！这里只对自适应规则做个说明，自适应规则是在与的变

37、化率之间建立函数关系。)e，（由于自适应律在实时控制过程中能够不断地学习被控对象的动态特性，所以自适应模糊控制对被控对象的信息要求不高。即当专家给出的经验有限，或者规则总结的粗糙，这些都可以通过自适应模糊控制来改善。模糊自适应控制器与传统自适应控制器具有如下异同点：相同点相同点(1)基本框架和原理或多或少有些相同；(2)在控制系统设计和分析过程中使用的数学工具非常相似。不同点不同点(1)与被控对象的动态特性和与控制策略有关的专家经验被嵌入模糊自适应控制器中，而传统的自适应控制是不考虑这些的；(2)模糊自适应控制器是一种非线性控制器，这种控制器对不同的被控对象来说可以是通用的，而传统的自适应控制

38、器的结构因控制对象的不同而不同。2(3)与被控对象的控制策略以及动态特性相关人类知识可以比较容易的嵌入到模糊自适应控制系统中。2、模糊自适应控制器的分类根据模糊控制器结构的不同，可将模糊自适应控制器分为间接型自适应模糊控制器和直接型自适应模糊控制器两种类型。1）间接型自适应模糊控制器 间接模糊控制器可以是多个模糊逻辑系统的线性组合，用模糊逻辑系统来逼近系统的非线性项；通过在线进行模糊系统辨识得到控制对象的模型，然后根据所得模型在线设计模糊控制器。2）直接型自适应模糊控制器 直接模糊控制器只含有一个模糊逻辑系统。它根据实际系统性能指标与希望的性能指标之间的偏差，通过一定的方法来直接调整控制器的参

39、数。本章小结：在第三章中我们重点讨论了二个问题，第一节是有关模糊控制的概念、模糊控制器设计与双关节机械手控制器设计；第二节是自适应控制的概念、自适应控制器设计及模糊自适应控制器设计。本章小结 3.1 模糊控制技术与模糊控制器设计1 模糊控制技术；2 模糊基本架构；3 模糊技术理论体系1 模糊控制器结构图；2 模糊控制隶属函数建立；3 模糊控制控制器解耦1 双关节机械手运动结构分析；2 双关节机械手控制框图；3 双关节机械手的SISO与MIMO 3.2自适应控制技术与自适应控制器设计1 模型化自适应控制器设计；2 自适应控制器设计；3 双通道自适应控制器设计1 自适应控制技术概念；2 自适应控制技术基本架构；3 自适应理论体系应用对象1 模糊自适应控制技术；2 模糊自适应与一般自适应控制的异同点；3 模糊自适应的二种解决思路习题与思考题习题与思考题1 与传统控制方法相比，模糊控制有何特点与不同？2 模糊控制与智能控制的关系是什么？3 请简述典型模糊PID控制器的结构的原理？并画出结构框图。4 请结合图3-17，阐述双关节机械手的运动特点与解析思路？5 什么是SISO？什么是MIMO？6 自适应控制系统的研究对象是什么？7 什么是自适应控制系统？8 自适应控制的常用分析方法有哪些？9 什么是模糊自适应控制？10 模糊自适应控制有哪些分析方法？