1、目录一模糊控制简介二模糊控制的原理三模糊控制的现状四模糊控制展望模糊控制简介模糊控制简介 模糊控制是以模糊集合论、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。什么是模糊控制什么是模糊控制 模糊控制是用模糊数学的知识模仿人脑的思维方式，对模糊现象进行识别和判决，给出精确的控制量，对被控对象进行控制。模糊控制的特点模糊控制的特点 与
2、经典控制理论和现代控制理论相比，模糊控制的主要特点是不需要建立对象的数学模型。专家经验控制专家经验控制 用计算机模拟操作人员手动控制的经验，对被控对象进行控制。 (人的经验是模糊的)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。模糊控制是一种基于规则的专家系统。模糊控制是一种普遍的非线性特 征域控制器。(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
3、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水平;(5) 模糊控制系统的鲁棒性强, 干
4、扰和参数变化对控制效果的影响被大大减弱, 尤其适合于非线性、时变及纯滞后系统的控制。模糊控制在许多应用中可以有效且便捷地实现人的控制策略和经验;模糊控制可以不需被控对象的数学模型即可实现较好的控制, 这是因为被控对象的动态特性已隐含在模糊控制器输入、输出模糊集及模糊规则中。1. 精度不太高2. 自适应能力有限3. 易产生振荡现象模糊控制的原理模糊控制的原理 基本模糊控制系统包括模糊化处理、模糊推理和清晰化控制三个环节。 模糊化处理就是将模糊控制器输入量的确定值转换为相应模糊语言变量值的过程, 此相应语言变量值均由对应的隶属度来定义。通过这样一个把输入变量映射到合适的响应论域量程的过程, 精确的
5、输入数据就变换成适当的语言值或模糊集合的标识符。一般的模糊控制器采用误差及其变化作为输入语言变量。 模糊推理一般采用IF A THEN B 形式的条件语句来描述, 包括三个组成部分:大前提、小前提和结论。大前提是多个多维模糊条件语句, 构成规则库,调整和校准模糊规则是模糊控制中的关键问题。小前提是一个模糊判断句。 清晰化是模糊系统的重要环节, 是将模糊推理中产生的模糊量转化为精确量。常见的非模糊化方法主要有最大隶属度值法、面积平均法、重心法和最大隶属度平均值法。 模糊控制的过程就是上述三个环节相互作用的结果, 其关键部分就是选用合适的隶属度函数进行模糊化, 运用合理的推理方法得到结论, 采用适
6、当的清晰化方法还原出精确量。在模糊控制的发展过程中, 基本上是围绕着这些问题来的, 同进还运用或融合了其它的智能控制方法。使模糊控制得以发展。 模糊控制系统通常由模糊控制器、输入输出接口、执行机构、测量装置和被控对象等五个部分组成，如下图所示。模糊控制的现状模糊控制的现状 模糊控制的研究主要体现在控制器的研究和开发以及各类实际应用中, 目前模糊控制已经应用在各个行业。各类模糊控制器也非常多, 模糊控制器的研究一直是控制界研究的热点问题, 而关于模糊控制系统的稳定性分析则是模糊控制需要研究和解决的基本问题。目前已经出现了为实现模糊控制功能的各种集成电路芯片。开发模糊控制系统的软件工具也出现了不少
7、。下面作一简单介绍。1、模糊PID控制器2、自适应模糊控制器3、模糊控制与神经控制的结合4、遗传算法优化的模糊控制5、模糊控制与专家控制相结合 模糊PID 控制器的研究是将模糊技术与常规的PID 控制算法相结合的一种控制方法, 得到了许多学者的关注。模糊PID 控制器是一种双模控制形式。这种改进的控制方法的出发点主要是消除模糊控制的系统稳态误差, 利用PID 控制器提高控制精度, 消除误差, 增加稳态控制性能。从PID 控制角度出发, 提出FI PI 、FI PD 、FI PID 三种形式的模糊控制器, 并能运用各种方式得出模糊控制器中量化因子、比例因子同PID 控制器的因子KP 、KI 、K
8、D之间的关系式。对基于简单线性规则TS 模型的模糊控制器进行了分析, 指出这类模糊控制器是一种非线性增益PID 控制器。有人试图利用GA 算法, 通过性能指标评价函数, 决定模糊控制器的Ke 、Kec 、Ku 等参数。 自适应模糊控制器就是借鉴自适应控制理论的一些理念来设计模糊控制器, 也称作语言自组织模糊控制器(SOC) , 它的思想就在于在线或离线调节模糊控制规则的结构或参数, 使之趋于最优状态。目前主要有通过采用一种带有修正因子的控制算法, 改变控制规则的特性;或直接对模糊控制规则进行修正;还有一种是对控制规则进行分级管理, 提出自适应分层模糊控制器;又有人提出规则自组织自学习算法, 对
9、规则的参数以及数目进行自动修正;更进一步的是采用神经网络对模糊控制规则及参数进行调整, 也是一种实现模糊自适应控制的好方法。 神经模糊控制是神经网络技术与模糊逻辑控制技术相结合的产物, 是指基于神经网络的模糊控制方法。模糊系统是建立在IF-THEN 表达式之上, 这种方式容易让人理解, 但是在自动生成和调整隶属函数和模糊规则上却很困难。而人工神经网络是模拟人直观性思维的一种方式, 它是将分布式存储的信息并行协同处理, 是一个非线性动力学系统, 每个神经元结构简单, 但大量神经元构成网络系统能实现很强的功能, 因此人工神经网络具有自适应的学习能力、容错性和鲁棒性, 并且神经网络对环境的变化具有较
10、强的自适应能力, 所以可结合神经网络的学习能力来训练模糊规则, 提高整个系统的学习能力和表达能力。 考虑到模糊控制器的优化涉及到大范围、多参数、复杂和不连续的搜索表面, 而专家的经验只能起一个指导作用, 很难根据它准确地定出各项参数, 因而实际上还要反复试凑, 寻找一个最优过程。因此,人们自然想到用遗传算法来进行优化。遗传算法应用于模糊控制器的优化设计是非常适合的, 遗传算法的运行仅由适应度数值驱动而不需要被优化对象的局部信息。此外, 优化模糊控制器正好符合遗传算法的所谓“积木块” 假设, 积木块指长度较短的、性能较好的基因片段。用遗传算法优化模糊控制器时, 优化的主要对象是模糊控制器的隶属函
11、数和规则集。已经有人运用这个方法对倒立摆控制器隶属函数的位置、形状等参数, 结果表明遗传算法优化后的隶属函数远远优于手工设计的。显然通过改进遗传算法, 按所给优化性能指标, 对被控对象进行寻优学习, 可以有效地确定模糊逻辑控制器的结构和参数。文献14介绍了遗传算法模糊控制的结构和发展趋势。 专家模糊控制系统是由专家系统技术和模糊控制技术相结合的产物。把专家系统技术引入模糊控制之中, 目的是进一步提高模糊控制器的智能水平。专家模糊控制保持了基于规则的方法的价值和用模糊集处理带来的灵活性, 同时把专家系统技术的表达, 利用知识的长处结合进来。专家系统技术考虑了更多方面的问题, 如是什么组成知识,
12、如何组织、如何表达、如何应用知识。专家系统方法重视知识的多层次及分类的需要, 以及利用这些知识进行推理的计算机组织。 将模糊控制与专家控制相结合能够表达和利用控制复杂过程和对象所需的启发式知识, 重视知识的多层次和分类的需要, 弥补了模糊控制器结构过于简单、规则比较单一的缺陷, 赋予了模糊控制更高的智能;二者的结合还能够拥有过程控制复杂的知识, 并能够在更为复杂的情况下对这些知识加以有效利用。虽然有很多文献对模糊控制的稳定性方法做了较多分析，但同时指出模糊系统稳定性分析仍不够成熟, 许多研究仍仅给出充分条件, 并且局限于系统和特定的方法。可以看出, 近年来对控制系统的稳定性分析作了较多研究,
13、然而要建立一套完整有效的分析方法, 仍需不懈努力。为了更好的利用模糊控制, 相继有不少公司开发了模糊控制的软件工具和硬件集成电路。文献8介绍了两类开发工具, 一类是开发模糊系统的软件工具, 如FREEWA RE 、FIDE 、东芝IFCS 、NEC FLSDE 、FC - TOOL V1. 0 。另一类是通用模糊逻辑开发工具, 如CUBICA LC 、FUZZY -C 、FUZZLE 1. 8 、MET US FUZZY LIBRA RY 、FUZZY LOGIC DESIGNER 等。并介绍了一些其它的开发工具。在文献2中介绍了适应于复杂控制系统和信息处理的硬件产品, 如下列领域:1) 工业
14、自动化的控制系统;2) 伺服电机;3) 自动驾驶;4) 燃料喷射控制等。这些硬件产品的生产厂家有OMRON 公司、Siemens (西门子) 公司、Totai Inf ralogic 公司、Neural logic 公司。在文献中对这些公司的产品都作了一些例举, 并简介了功能。 模糊控制的应用非常广泛。除广泛应用于工业控制、家电控制、水电控制、航天等等外。我们还可以看到文献12介绍的模糊逻辑在统计上的应用及其发展趋势。文献13介绍的模糊逻辑在决策系统上的应用。文献16介绍了模糊控制在制造活性炭过程中的应用。文献17介绍了模糊控制在交通上的应用, 并且介绍了一种新的推论方法。可见, 模糊控制的应
15、用领域正在扩大。开发模糊控制在一些新领域的应用仍有一定的意义。模糊控制的展望模糊控制的展望模糊控制虽然已经有不少的研究成果, 而且也被广泛地应用于生产实践中, 但模糊控制的发展历史还不长, 理论上的系统性和完善性、技术上的成熟性和规范性都还是远远不够的, 尤其是模糊控制与其他智能化控制方法相结合的控制方法, 还有待于人们在实践中得到验证和进一步的提高。文献2提到需要解决的两个重要的问题是:如何获得模糊规则及隶属函数, 以及如何保证模糊系统的稳定性。文献4对当前模糊控制的发展方向和在实际中的应用提出了担心, 一是发展方向上有些过分依赖数学模型, 另一是在应用上并没有比PID 更好用。文献2、3都提到了模糊控制发展的九个方向。(1)易于控制并且能消除静态控制偏差的模糊PID 控制器, 且尽量减少可调参数, 最好控制在三个以内;(2) 模糊预测控制, 就是把预测控制和模糊推理相结合也是很有吸引力的研究方向之一;(3) 模糊控制应用于医学、生物、金融、风险评估等新型领域。扩大模糊控制的应用领域;(4) 将遗传算法或其它算法应用于模糊神经网络, 以提高运算速度和参数寻优的结果;(5) 寻找能够具有自学习调整隶属度函数的模糊控制方法。敬请老师批评指正小组成员：
