-
-
手机阅读
图片：
图片：
图片：
1楼
0
0
回复
图片：
图片：
一、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。
二、模糊控制基础
模糊控制的基本思想是利用计算机来实现人的控制经验，而这些经验多是用语言表达的具有相当模糊性的控制规则。模糊控制器(Fuzzy Controller，即FC)获得巨大成功的主要原因在于它具有如下一些突出特点：
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。
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。
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。
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。
模糊控制系统的鲁棒性强，干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。
模糊控制系统的基本结构如图1所示： 图1 模糊控制系统框图（见附件一）
其中s为系统的设定值，y为系统输出，e和c分别是系统偏差和偏差的微分信号，也就是模糊控制器的输入，u为控制器输出的控制信号，E、C、U为相应的模糊量。由图可知模糊控制器主要包含三个功能环节:用于输入信号处理的模糊量化和模糊化环节，模糊控制算法功能单元，以及用于输出解模糊化的模糊判决环节。
模糊控制器设计的基本方法和主要步骤大致包括：
1、选定模糊控制器的输入输出变量，并进行量程转换。选取方法一般如图1所示，即分别取e、c和u。
2、确定各变量的模糊语言取值及相应的隶属函数，即进行模糊化。模糊语言值通常选取3、5或7个，例如取为{负，零，正}，{负大，负小，零，正小，正大}，或{负大，负中，负小，零，正小，正中，正大}等。然后对所选取的模糊集定义其隶属函数，可取三角形隶属函数(如图2所示)或梯形，并依据问题的不同取为均匀间隔或非均匀的；也可采用单点模糊集方法进行模糊化。
图2 隶属函数取法示意（见附件二）
3、建立模糊控制规则或控制算法。这是指规则的归纳和规则库的建立，是从实际控制经验过渡到模糊控制器的中心环节。控制律通常由一组if-then结构的模糊条件语句构成，例如:if e=N and c=N，then u=PB……等；或总结为模糊控制规则表，如表1中所示，可直接由e和c查询相应的控制量u。
表1 模糊控制规则表举例 （见附件三）
4、确定模糊推理和解模糊化方法。常见的模糊推理方法有最大最小推理和最大乘积推理两种，可视具体情况选择其一：解模糊化方法有最大隶属度法，中位数法，加权平均，重心法，求和法或估值法等等，针对系统要求或运行情况的不同而选取相适应的方法，从而将模糊量转化为精确量，用以实施最后的控制策略。
三、模糊控制应用研究现状
模糊控制具有良好控制效果的关键是要有一个完善的控制规则。但由于模糊规则是人们对过程或对象模糊信息的归纳，对高阶、非线性、大时滞、时变参数以及随机干扰严重的复杂控制过程，人们的认识往往比较贫乏或难以总结完整的经验，这就使得单纯的模糊控制在某些情况下很粗糙，难以适应不同的运行状态，影响了控制效果。
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。在实际应用中，往往是将模糊控制或模糊推理的思想，与其它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。由于模糊规则和语言很容易被人们广泛接受，加上模糊化技术在微处理器和计算机中能很方便的实现，所以这种结合展现出强大的生命力和良好的效果。对模糊控制的改进方法可大致的分为模糊复合控制，自适应和自学习模糊控制，以及模糊控制与智能化方法的结合等三个方面。
1、模糊复合控制：
Fuzzy-PID复合控制:即模糊PID控制，通常是当误差较大时采用模糊控制，而误差较小时采用PID控制，从而既保证动态响应效果，又能改善稳态控制精度;一种简便有效的做法是模糊控制器和I调节器共同合成控制作用。
模糊-线性复合控制:如模糊-前馈补偿控制等，实际利用了模糊控制是变增益PI控制器的特点，在实际系统的控制中取得了较好的效果。
史密斯-模糊控制器:针对系统的纯滞后特性设计，用模糊控制器替代PID可以解决常规史密斯-PID控制器对参数变化适应能力较弱的缺陷;此外模糊推理和模糊规则的运用有利于在一定程度上适应时延的变化，在更复杂的情况下对对象的纯滞后进行有效的补偿。
三维模糊控制器:一种是利用误差E，误差变化Ec和误差变化速率Ecc作为三维变量，可以解决传统二维模糊控制器的快速响应与稳定性要求之间的矛盾;另一种方法是利用E，Ec和误差的累积和ΣE，这相当于变增益的PID控制器，提高了模糊控制的稳态精度。
多变量模糊控制:一般采用结构分解和分层分级结构，利用多个简单的模糊控制器进行组合，并兼顾多规则集之间的相互关系。
2、自适应和自学习模糊控制：
自校正模糊控制器:修改控制规则的自校正模糊控制器，从响应性能指标的评价出发，利用模糊集合平移或隶属函数参数的改变，来实现控制规则的部分或全面修正，也可通过修正规则表或隶属函数本身来进行调整;基于模糊模型的自校正模糊控制器，包括利用模糊集理论辨识系统模型的语言化方法，基于参考模糊集的系统模糊关系模型辨识方法，以及由I/O数据建立模糊规则模型，并以此作为自校正控制器设计的基础等。
参数自调整模糊控制:自调整比例因子的模糊控制，引入性能测量和比例因子调整的功能，在线改变模糊控制器的参数，较大的增强了对环境变化的适应能力;基于模糊推理的PID自整定控制，如参数自整定模糊PD控制，以及类似的PI及PID控制等。
模型参考自适应模糊控制器:利用参考模型输出与控制作用下系统输出间的偏差来修正模糊控制器的输出，包括比例因子、解模糊策略、模糊控制规则等。
具有自学习功能的模糊控制:包括多种对外扰影响或重复任务的性能具有自学习功能的模糊控制方法，以及自寻优模糊控制器等，其关键在于学习和寻优算法的设计，尤其是提高其速度和效率。
自组织模糊控制器:将参考模型和自组织机制相结合的模糊模型参考学习控制，及自适应递阶模糊控制等更高级的自组织形式具有很大的发展潜力。
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。
二、模糊控制基础
模糊控制的基本思想是利用计算机来实现人的控制经验，而这些经验多是用语言表达的具有相当模糊性的控制规则。模糊控制器(Fuzzy Controller，即FC)获得巨大成功的主要原因在于它具有如下一些突出特点：
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。
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。
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。
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。
模糊控制系统的鲁棒性强，干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。
模糊控制系统的基本结构如图1所示： 图1 模糊控制系统框图（见附件一）
其中s为系统的设定值，y为系统输出，e和c分别是系统偏差和偏差的微分信号，也就是模糊控制器的输入，u为控制器输出的控制信号，E、C、U为相应的模糊量。由图可知模糊控制器主要包含三个功能环节:用于输入信号处理的模糊量化和模糊化环节，模糊控制算法功能单元，以及用于输出解模糊化的模糊判决环节。
模糊控制器设计的基本方法和主要步骤大致包括：
1、选定模糊控制器的输入输出变量，并进行量程转换。选取方法一般如图1所示，即分别取e、c和u。
2、确定各变量的模糊语言取值及相应的隶属函数，即进行模糊化。模糊语言值通常选取3、5或7个，例如取为{负，零，正}，{负大，负小，零，正小，正大}，或{负大，负中，负小，零，正小，正中，正大}等。然后对所选取的模糊集定义其隶属函数，可取三角形隶属函数(如图2所示)或梯形，并依据问题的不同取为均匀间隔或非均匀的；也可采用单点模糊集方法进行模糊化。
图2 隶属函数取法示意（见附件二）
3、建立模糊控制规则或控制算法。这是指规则的归纳和规则库的建立，是从实际控制经验过渡到模糊控制器的中心环节。控制律通常由一组if-then结构的模糊条件语句构成，例如:if e=N and c=N，then u=PB……等；或总结为模糊控制规则表，如表1中所示，可直接由e和c查询相应的控制量u。
表1 模糊控制规则表举例 （见附件三）
4、确定模糊推理和解模糊化方法。常见的模糊推理方法有最大最小推理和最大乘积推理两种，可视具体情况选择其一：解模糊化方法有最大隶属度法，中位数法，加权平均，重心法，求和法或估值法等等，针对系统要求或运行情况的不同而选取相适应的方法，从而将模糊量转化为精确量，用以实施最后的控制策略。
三、模糊控制应用研究现状
模糊控制具有良好控制效果的关键是要有一个完善的控制规则。但由于模糊规则是人们对过程或对象模糊信息的归纳，对高阶、非线性、大时滞、时变参数以及随机干扰严重的复杂控制过程，人们的认识往往比较贫乏或难以总结完整的经验，这就使得单纯的模糊控制在某些情况下很粗糙，难以适应不同的运行状态，影响了控制效果。
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。在实际应用中，往往是将模糊控制或模糊推理的思想，与其它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。由于模糊规则和语言很容易被人们广泛接受，加上模糊化技术在微处理器和计算机中能很方便的实现，所以这种结合展现出强大的生命力和良好的效果。对模糊控制的改进方法可大致的分为模糊复合控制，自适应和自学习模糊控制，以及模糊控制与智能化方法的结合等三个方面。
1、模糊复合控制：
Fuzzy-PID复合控制:即模糊PID控制，通常是当误差较大时采用模糊控制，而误差较小时采用PID控制，从而既保证动态响应效果，又能改善稳态控制精度;一种简便有效的做法是模糊控制器和I调节器共同合成控制作用。
模糊-线性复合控制:如模糊-前馈补偿控制等，实际利用了模糊控制是变增益PI控制器的特点，在实际系统的控制中取得了较好的效果。
史密斯-模糊控制器:针对系统的纯滞后特性设计，用模糊控制器替代PID可以解决常规史密斯-PID控制器对参数变化适应能力较弱的缺陷;此外模糊推理和模糊规则的运用有利于在一定程度上适应时延的变化，在更复杂的情况下对对象的纯滞后进行有效的补偿。
三维模糊控制器:一种是利用误差E，误差变化Ec和误差变化速率Ecc作为三维变量，可以解决传统二维模糊控制器的快速响应与稳定性要求之间的矛盾;另一种方法是利用E，Ec和误差的累积和ΣE，这相当于变增益的PID控制器，提高了模糊控制的稳态精度。
多变量模糊控制:一般采用结构分解和分层分级结构，利用多个简单的模糊控制器进行组合，并兼顾多规则集之间的相互关系。
2、自适应和自学习模糊控制：
自校正模糊控制器:修改控制规则的自校正模糊控制器，从响应性能指标的评价出发，利用模糊集合平移或隶属函数参数的改变，来实现控制规则的部分或全面修正，也可通过修正规则表或隶属函数本身来进行调整;基于模糊模型的自校正模糊控制器，包括利用模糊集理论辨识系统模型的语言化方法，基于参考模糊集的系统模糊关系模型辨识方法，以及由I/O数据建立模糊规则模型，并以此作为自校正控制器设计的基础等。
参数自调整模糊控制:自调整比例因子的模糊控制，引入性能测量和比例因子调整的功能，在线改变模糊控制器的参数，较大的增强了对环境变化的适应能力;基于模糊推理的PID自整定控制，如参数自整定模糊PD控制，以及类似的PI及PID控制等。
模型参考自适应模糊控制器:利用参考模型输出与控制作用下系统输出间的偏差来修正模糊控制器的输出，包括比例因子、解模糊策略、模糊控制规则等。
具有自学习功能的模糊控制:包括多种对外扰影响或重复任务的性能具有自学习功能的模糊控制方法，以及自寻优模糊控制器等，其关键在于学习和寻优算法的设计，尤其是提高其速度和效率。
自组织模糊控制器:将参考模型和自组织机制相结合的模糊模型参考学习控制，及自适应递阶模糊控制等更高级的自组织形式具有很大的发展潜力。
-
-
-
小麻籽 发表于 2008/10/23 20:05:04
3、模糊控制与其它智能控制方法的结合：2楼 回复本楼
尽管模糊控制在概念和理论上仍然存在着不少争议，但进入90年代以来，由于国际上许多著名学者的参与，以及大量工程应用上取得的成功，尤其是对无法用经典与现代控制理论建立精确数学模型的复杂系统特别显得成绩非凡，因而导致了更为广泛深入的研究，事实上模糊控制已作为智能控制的一个重要分支确定了下来。
4、专家模糊控制：
专家系统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。
5、基于神经网络的模糊控制：
神经网络实现局部或全部的模糊逻辑控制功能，前者如利用神经网络实现模糊控制规则或模糊推理，后者通常要求网络层数多于三层;自适应神经网络模糊控制，利用神经网络的学习功能作为模型辨识或直接用作控制器;基于模糊神经网络的隶属函数及推理规则的获取方法，具有模糊连接强度的模糊神经网等，均在控制中有所应用;模糊系统与遗传算法相结合的控制器设计方法则提供了更为新颖的思路。
此外，模糊预测控制，模糊变结构方法，模糊系统建模及参数辨识，模糊模式识别等的研究，也都属于较为前沿的研究方向。
四、模糊控制研究方向展望
模糊控制仍然是一个充满争议的领域。由于它的发展历史还不长，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不够的，有待人们的进一步提高。
模糊系统理论还有一些重要的理论课题没有解决。其中两个重要的问题是:如何获得模糊规则及隶属函数，这在目前完全凭经验来进行;以及如何保证模糊系统的稳定性。
大体说来，在模糊控制理论和应用方面应加强研究的主要课题为：
适合于解决工程上普遍问题的稳定性分析方法，稳定性评价理论体系;控制器的鲁棒性分析，系统的可控性和可观测性判定方法等。
模糊控制规则设计方法的研究，包括模糊集合隶属函数的设定方法，量化水平，采样周期的最优选择，规则的系数，最小实现以及规则和隶属函数参数自动生成等问题;进一步则要求我们给出模糊控制器的系统化设计方法。
模糊控制器参数最优调整理论的确定，以及修正推理规则的学习方式和算法等。
模糊动态模型的辨识方法。
模糊预测系统的设计方法和提高计算速度的方法。
神经网络与模糊控制相结合，有望发展一套新的智能控制理论。
模糊控制算法改进的研究:由于模糊逻辑的范畴很广，包含大量的概念和原则;然而这些概念和原则能真正的在模糊逻辑系统中得到应用的却为数不多。这方面的尝试有待深入。
最优模糊控制器设计的研究:依据恰当提出的性能指标，规范控制规则的设计依据，并在某种意义上达到最优。
引用 小麻籽 2008/10/23 20:05:04 发表于2楼的内容
-