模糊控制系统仿真技术研究

毕 业 论 文题 目 模糊控制系统仿真技术研究 院系名称：信息科学与工程学院 专业班级： 电子信息工程四班 学生姓名： 赵合昌 学 号： 20024300402 指导教师： 武林俊 2006 年 5 月 10 日1摘 要自动控制理论经历了经典和现代控制理论两个阶段后，模糊控制作为一种新颖的智能控制方式，它是从人类智能活动的角度和基础上去考虑实施控制的，可以实现对那些难以建立精确数学模型的控制系统进行有效的控制，经过半个多世纪的发展，现在已广泛应用于社会生活的各个领域。本论文的主要工作就是对模糊控制系统的设计及仿真进行研究，本文对模糊控制及仿真技术的概念、特点、发展及应用进行了论述，简述了模糊控制的基本理论。在此基础上，详细介绍了模糊控制系统的系统组成和基本工作原理。同时，阐述了模糊控制器的结构和基本设计方法。进而利用模糊控制实现对房间温度控制的系统设计和MATLAB 仿真。最后，通过仿真结果进而对模糊控制系统进行改进。关键词 模糊控制 隶属函数 模糊控制算法 系统仿真 MATLAB2Title the reasearch of the fuzzy control system technique of emulationAbstractAfter Automatic control theory experienced two phases of classic and modern theories，fuzzy control, as a novelty intelligent control way，considers the practice of control from the angle and foundation of human intelligent activities, It can realize the efficient control of some control system which are hard to form the specific mathmatic model，with a development period of more than a half century，it is widely used in various social lives. The thesis main job namely is to do reasearch in fuzzy control system designation and emulation, It also illustrates fuzzy control and techniques of emulations notion, point, development and application , giving a brief introduction of fuzzy control elementary theories, on the foundation of which it introduces fuzzy control systems elements and basic working principles in details. Meanwhile, it illustra- tes fuzzy control engines construction and its basic designing methods . To be futher, utilizing the fuzzy control to realize the system design of the room temperature control and the emulation of MATLAB. At last, improving fuzzy control system through the medium of emulation with the result. Keyword: fuzzy control subjection function fuzzy control arithmeticSystem simulation MATLABI目 次1 引言11.1 模糊控制系统的发展史11.2 国内外研究现状及其发展趋势22 模糊控制系统的基本理论32.1 模糊控制的概念和特点32.2 模糊控制的数学基础42.3 模糊控制系统的基本原理63 模糊控制系统的设计113.1 模糊控制器的结构分析123.2 常规模糊控制器的设计133.3 房间温度控制系统的模糊控制器设计154 模糊控制系统的仿真174.1 控制系统仿真概述174.2 房间温度控制系统的 MATLAB 仿真及性能的改善18结论 25致谢 26参考文献 27II11 引言自动控制理论至今已有将近一个世纪的发展历史，经历了经典和现代控制理论两个阶段发展后，正促使人们致力于 20 世纪 70 年代开始的智能控制理论研究。它是在人工智能学科基础上，对控制理论研究在深度和广度上的开拓。实现智能控制的主要方法有:模糊控制、专家系统控制、神经网络控制和以上三种控制以及其它控制方法的集成控制。20 世纪 90 年代以后，智能控制的研究势头异常迅猛，智能控制的应用研究领域由工业过程控制扩展到军事、航天等高科技领域和日用家电领域。日前，人工智能控制技术已经广泛地应用在模式识别、系统控制、专家系统、信号处理等方面。1.1 模糊控制理论的发展史以往各种传统控制方法均是建立在被控对象的精确数学模型之上的， 随着科学技术的迅猛发展，各个领域对自动控制系统精度、响应速度、系统稳定性、自适应能力的要求越来越主高，所研究的系统也日益复杂多变。然而，在许多情况下被控对象的精确数学模型很难建立。人们期望探索出一种简便灵活手段和处理方法，并为此进行了种种尝试。结果发现一个复杂的传统控制理论似乎难以实现的控制系统，却可以由一个操作人员凭借丰富的实践经验得到满意的控制结果。例如，任何一个经过训练的人都可以骑车自如地穿过人群，却难以对这中极为复杂的动力学问题使用精确的数学模型进行控制。因为人脑的重要特点之一就是有能力对模糊事物进行识别与判决，看起来似乎不确切的模糊手段常常可以达到精确控制的目的。操作人员是通过不断学习、积累操作经验来实现对被对象进行控制的，这些经验包括对被控对象的特征的了解、在各种情况下相应的控制策略以及性能指标判据。这个例子给我们带来启示，吸收人脑的这种特点，模拟人的思维方法，把自然语言植入计算机内核，使计算机具有活性和智能。模糊逻辑控制就是使计算机具有活性和智能的一种新颖的智能控制方法。美国控制理论专家扎德(L.A.Zadeh)教授于 1965 年首先提出了模糊集合的2概念，开创了模糊数学及其应用的新纪元。1973 年，扎德继续丰富和发展了模糊集合论，提出了一种把逻辑规则的语言转化成相关控制量的思想。从而为模糊控制的形成奠定了理论基础。模糊集合理论的诞生，为处理客观世界中存在的模糊性问题，提供了有力的工具。同时，也适应了自适用科学发展的迫切需要。正是在这种背景下，作为模糊数学的一个重要分支的模糊控制理论便应运而生了。模糊理论在控制领域的运用开始于 1974 年，英国科学家曼丹尼（E.H.Mamdani）首次将模糊数学理论进行蒸汽机和锅炉控制中，开辟了模糊理论运用的新领域。这一开拓性的工作，标志着模糊控制论的诞生。1975 年以后，产生了许多模糊理论运用的例子。其中比较典型的有：热交换过程的控制、暖水工厂的控制、污水处理过程的控制、交通路口的控制、水泥窑的控制、飞船飞行的控制、汽车速度的控制、机器人的控制、电梯控制及家电产品的控制，并且生产出了专用的模糊芯片和模糊计算机。从 1979 年，我国也开展了模糊控制理论及其应用方面的研究工作。1979 年至今，是发展高性能模糊控制的阶段，研究范围从单纯的模糊数学到模糊理论应用，模糊系统及其硬件集成。与知识工程和控制有关的研究有：模糊建模理论、模糊系列、模糊识别、模糊知识库、模糊语言规则、模糊近似推理等。最近几年，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，特别是针对复杂系统的自学习与参数或规则自调整模糊系统方面的研究，尤其受到各国学者的重视。目前，将神经网络和模糊控制技术相互结合，取长补短，形成一种模糊神经网络技术，由此可以组成一组更接近人脑的智能信息处理系统，其发展前景十分诱人。1.2 国内外研究现状及其发展趋势自 20 世纪 80 年代后期开始，模糊控制进入了实用化阶段，并且其应用技术逐渐趋向成熟，运用面也逐渐扩展，国外以日本、美国等国尤为突出。主要反映在：1）模糊控制应用技术已扩展到大众化机电产品，如以电视摄像机自动聚焦3等家用电器的应用为对象。据日本电气公司（NEC）在 20 世纪末统计，松下、三菱、东芝等公司在空调机、全自动洗衣机、吸尘器等高档电器上普遍应用了模糊控制技术，其普及率超过 50%，有的已高达 80%。2）向复杂大系统、智能系统、人与社会系统以及生态系统等纵深方向拓展。3）在硬件方面进一步研制模糊控制器、模糊推理等专用芯片，并且开发“模糊控制用的通用控制器” 。目前，模糊控制技术日趋成熟和完善，随着其它学科新理论、新技术的建立和发展，使模糊理论的应用越来越广泛。模糊理论结合人工神经网络和遗传基因形成交叉学科神经网络模糊技术和基因模糊技术，用于解决单一技术不能解决的问题。虽然经典模糊控制理论已经在工程上获得了许多成功的应用，但是，目前模糊系统理论还有一些重要的理论课题还没解决，其中两个重要的问题是：如何获得模糊规则及隶属函数问题以及如何保护模糊系统的稳定性。大体来说，在模糊控制理论和应用方面应加强研究的主要课题有：1）模糊控制系统基本理论的研究。如模糊控制系统的稳定性分析、稳定性评价体系，控制器的鲁棒性分析、系统的可控性分析和可观性分析。2）模糊控制在多变量、非线性复杂系统应用中的模糊建模、模糊规则的选取和建立、模糊推理的研究。3）模糊控制规则设计方法的研究，包括模糊集合隶属函数设定方法，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，以进一步给出模糊控制器的系统化设计方法。4）模糊控制器最优调整理论的确定以及修正推理规则的学习方式和推理算法等。5）自学习模糊控制策略和智能化系统结构的研究及其实现。6）进一步研究模糊控制集成的新算法，进行软计算理论和相关技术研究，探索它们在多变量、非线性复杂系统中的应用途径和模糊控制器设计方法。7)进行“人类友好系统”研究和开发。8）模糊动态模型的辨识方法。49）神经网络和模糊控制相结合，有望发展一套新的智能控制理论。2 模糊控制系统的基本理论2.1 模糊控制的概念和特点2.1.1 什么是模糊控制模糊控制是建立在人工经验基础上的。对于一个熟练的操作人员，他并非需要了解被控对象精确的数学模型，而是凭借其丰富的实际经验，采取适当的对策来巧妙地控制一个复杂过程。若能把这些熟练操作员的实际经验加以总结和描述，并用语言表达出来，它就是一种定性的、不精确的控制规则。如果用模糊数学将其定量化就转化为模糊控制算法，从而形成了模糊控制理论。模糊控制就是用语言变量代替数学变量或两者结合应用；用模糊条件语句来刻画变量间的函数关系；用模糊算法来刻画复杂关系，是具有模拟人类学习和自适应能力的控制系统。2.1.2 模糊控制特点1）无需知道被控对象的数学模型。模糊控制是以人对被控系统的控制经验为依据而设计的控制器，故无需知道被控系统的数学模型。2）模糊控制系统中的控制逻辑更加接近人类思维。在很多工业控制中，熟练工人对系统控制的经验可直接用于控制器中。3）鲁棒性好。民航控制系统无论被控对象是线性的还是非线性的，都能执行有效的控制，具有良好的鲁棒性和适应性。4）模糊控制系统中直接采用人类语言控制规则，使得控制机理策略易于理解和接受，这些规则是以人类语言表示的，如“衣服较脏，投入洗涤剂较多，洗涤时间较长” ，很明显这些规则易被一般人所接受和理解。5）设计简单，便于维护和推广。用单片机等来构造模糊控制系统，其结构与一般的数字控制系统无异，模糊控制算法用软件实现。6）常规控制方法中干扰或参数的变动可能会引起整个系统工作不正常，在模糊控制中由于采用可模糊集概念和模糊联接，干扰和参数的变化对控制效果5影响非常小。2.2 模糊控制的数学基础1.基本运算定义 1 设 A，B 为 X 中的两个模糊集，隶属函数分别为 和 ，则模糊ABA 和 B 的并集 AYB，交集 AIB 和补集 ， 的运算可通过它们的隶属函来定义。AB并集 (x) = (x) (x) = max (x), (x)AYBABAB交集 (x) = (x) (x) = min (x), (x)I 补集 (x)=1- , (x)=1- AABB2.关系运算定义 2 直积(笛卡尔乘积)若 , , , 。分别为论域 ,1A2n1U, , 。中的模集合，则这些集合的直积是乘积空间 中2Un 1U2n的一个模糊集合，其属函数为: ( , , , )=min ( ), , ( )= ( ) ( ) (nA11u2n1AuAnu1A2uAn)定义 3 模糊关系 若 U、V 是两个非空的模糊集合，则其直积 UV 中的一个模糊子集 R 称为从 U 到 V 的模糊关系，可表示为:=(u ,v), (u ,v)|uU, vVRR定义 4 模糊关系的合成 若 R 是 XY 中的模糊关系， S 是 YZ 中的模糊关系，则 R 和 S 的合成 RoS 是一个从 X 到 Z 的模糊关系 Q，记作 Q=RoS,或(x,y)= (x,y) (x,y)oRS这里 代表取小(min) , 代表取大(max )，上式定义的合成又称为 max- min合成 。定义 5 模糊算法 如果模糊变量 A 的值 , , An 均为 U 的模糊集126合。而模糊变量 B 的值 ， Bn 均为 V 的模糊集合，则 if A then B12的关系可以写成:If Then Or If Then OrOr If An Then 1A1B2A2BBn= + +AnBn1AB2一般把类似上式的一串模糊条件语句称为模糊算法。2.3 模糊控制的基本原理2.3.1 模糊控制系统的组成模糊控制属于计算机数字控制的一种形式，因此，模糊控制系统的组成类一般的数字控制系统，其结构如图 2. 1 所示图 2.1 模糊控制器系统框图模糊控制系统一般可分为五个组成部分:(1)模糊控制器，是模糊控制系统中的核心部分。(2)输入/输出接口。模糊控制器通过输入/输出接口，从被控对象获取数字量信号，并将模糊控制器决策的输出数字信号经过数模转换，将其变换为模拟信号，然后送给被控对象。在 1/0 接口装置中，除 A/D, D/A 转换外，还包括必要的电平转换电路。(3)执行机构:包括各种交、直流电动机，伺服电动机，步进电动机，气动调节阀和液压电动机、液压缸等。(4)被控对象。它可以是一种设备或装置以及它们的群体，也可以是一个生产的、自然的、社会的、生物的或其它各种的状态转移过程。这些被控对象可以是确定的或模糊的、单变量的、有滞后或无滞后的，也可以是线性的或非7线性的、定常的或时变的，以及具有强耦合和干扰等多种情况。对于那些难以建立精确数学模型的复杂对象，更适宜采用模糊控制。(5)传感器。传感器是将被控对象或各种过程的非电量转换为电信号的一类装置。这些非电量，可能是位移、速度、加速度、温度、压力、流量、浓度、湿度等。2.3.2 模糊控制的原理模糊控制的基本原理如图 2.2 所示，它的核心部分为模糊控制器，如图中虚线框中部分所示。模糊控制器的控制规则由计算机的程序实现，微机通过采样获取被控制量的精确值，然后将此值与给定值比较得到误差信号 E(在此取误差反馈)。一般误差信号 E 作为模糊控制器的输入量。把误差信号 E 的精确量进行模糊化变成模糊量，误差 E 的模糊量可用相应的模糊语言表示。至此，得到了误差 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)根据推理合成规则进行决策，得到模糊控制量 u为:u=e o R 为了对被控对象施加精确的控制，还需要将模糊量 u 转换为精确量，这一步骤称为非模糊化处理(也称为去模糊化或清晰化处理)。得到了精确的数字量后，经数模转换，变为精确的模拟量后送给执行机构，对被控对象进行控制。图 2.2 模糊控制原理框图综上所述，模糊逻辑控制的过程主要有三个步骤：模糊化过程、模糊逻辑8推理、精确化计算，即1模糊化过程 所谓模糊化就是通过传感器把受控对象的相关物理量转化成电量，若传感器的输出量是连续的模拟量，还要把 A/D 转换成数字量作为计算机的输入测量值；接着再将此输入量作标准化处理，即把其变化范围映射到相应论域中，再将论域中的该输入数据转换成相应语言变量的术语，并构成模糊集合。这样就把输入的精确量转换为用隶属度函数表示的某一模糊变量值。由此才能用检测到的输入量作为模糊控制规则中的条件来应用模糊控制规则进行推理。完成这部分功能的模块就称作模糊化接口。模糊控制器的输入变量(常取偏差，偏差变化率)和输出变量(常取控制量)均用自然语言形式给出，而不是以数值形式给出，因此它们不是数值变量，而是语言变量在应用中常取语言变量的词集(即语言变量的语言值)为如下7个模糊子集组成的集合负大，负中，负小，零，正小，正中，正大或NB, NM, NS, Z0, PS, PM, PB)有时零(ZO)还要细分为正零(PO)和负零(NO)，此时词集由8个模糊子集组成。定义各语言变量的论域。通常E和EC的论域均设置为X=Y=(-6，-5,-4,-3,-2，-1,0 , 1,2 , 3,4 ,5,6);在输入量进行模糊化之前，需将e和ec的论域变换到E和EC的论域。定义各语言变量的语言值。通常E和EC的取值为“正大” ， “正中” ， “小” ， “零” ， “负小” ， “负中” ， “负大”=PB, PM,PS，Z0, NS, NM, NB。每个模糊子集的赋值可根据统计资料建立，也可以分析定义。在分析定义中，常用三角形函数或正态形函数作为隶属函数。如用正态函数(X)= E2)(baxe其中a为函数的中心值，b为函数的宽度。假设与PB, PM,PS,ZO,NS,NB对应的高斯基函数的中心值分别为6,4, 2, 0，-2，-4，-6，宽度均为2。隶属函数的形状和分布如图2.3所示。这样，输入的精确值就转换为语言值了。 9NB BM BS ZO PS PM PB1-4 -2 0 2 4 6 -6图 2.3 模糊控制器的隶属函数分布2 模糊逻辑推理 根据事先定制好的一组模糊条件语句构成的模糊控制规则，运用模糊数学理论对模糊控制规则进行计算推理，实际上根据模糊控制规则对输入的一系列条件进行综合评估，以得到一个定性的用语言表示的量，这个结果只告诉你一个确定的输出范围，即所谓模糊输出量。完成这部分功能的模块就称作模糊推理机。规则库由若干条控制规则组成，这此控制规则根据人类控制专家的经验总结得出，按照IFISANDISTHENIS的形式表达。例如，IF温度IS高AND温度变化率IS快THEN电阻丝电流is小。如果规则库有n条模糊规则，可以写成:R1: IF E IS AND EC IS THEN U IS 1A1B1CR2: IF E IS AND EC IS THEN U IS 222 Rn : IF E IS AND EC IS THEN U IS nAnBnC其 中 ，E ,EC是语言变量“误差” ， “误差变化率” ；U是语言变量“控制量” ，U的定义通常与E,EC一致。 , , 是第i条规则中与E, EC, U对应的语言值。iC由规则库中的规则推导出其蕴涵的模糊关系，根据模糊关系和输入的情况进行推理合成得到输出的语言值。由规则推导出其蕴涵模糊关系的方法有十几10种方法，其中最常用的是Mamdani的max-min合成法，具体说明如下:第i条控制规则， : IF E IS AND EC IS THEN U IS ,其中，iRiAiBiC, , 为论域X,Y,Z上的语言值,该规则蕴涵的模糊关系为:iABiC=( ) ；iiAiBiC(x, y, z) =iRAiBiCi, ,XxYyZz全部模糊规则所对应的模糊关系，用取并的方法得到，即:R= (x,y,z) = (x,y,z)niR1Rni1Ri当输入变量E,EC分别取模糊集A, B时，模糊推理得出的控制量U，可根据下式得到:U=(A B)oR(z)= (x,y,z) (x) (y)UYyXxiRAB3 精确化计算显然模糊输出量是不能直接去控制执行部件的，在这确定的输出范围中，还必须要确定一个认为最具有代表性的值作为真正的输出控制量。这就是精确化计算。又称为去模糊化，或称为模糊判决。模糊自动控制中的模糊判决方法常用的有三种：1） 最大隶属度法对于模糊控制器的输出模糊集U，其对应的论域为U= , , u2n模糊判决的最大隶属度原则就是选择模糊集U中隶属度最大的那个元素 作为判u决结果, 应满足:u( ) (u),u UUu如果在输出的模糊子集U中，具有最大隶属度的那些元素是连续的(即隶属函数出现一个平顶)，则取其平顶的中点所对应的论域元素作为判决输出，即有11最大点 . 共p个，则取 , 中点( + )/2作为判决结果。1u22up2up这种判决方法的优点是简单易行，缺点是它概括的信息量较少，因为这样做完全排除了其它一切隶属度较小的元素的影响和作用，并且为了判决得以实施必须避免控制器输出过程中出现隶属函数曲线为双峰和所有元素的隶属度值都非常小的那种模糊集。例如:设两个模糊子集分别为:= O/-7+0/-6+0/-5+0/-4+0.5/-3+0.7/-2+0/-1+0/0+0/1+0.3/2+0.5/3+01U7/4+1/5+0.7/6+0.2/7= 0.3/0+1/1+1/2+0.8/3+0.4/4+0.2/52在 中应用模糊判决的最大隶属度原则可得+5为判决输出。在 中 有两个，1 2Uu即它们分别对应于元素1和2，则取 =(1+2)/2=1.5。u2） 中位数判决法为了充分利用控制器输出模糊集U所有信息，可以采用中位数判决法，即将隶属函数曲线与横坐标所围成的面积平分为两部分所对应论域元素 作为判决u输出，即 应满足:u=*minuUax*u例如在前面所举的输出模糊集Ul中:S= 0.5+0.7+0.3+0.5+0.7+1+0.7+0.2=4.6则面积的一半S/2=2.3 ,将面积S分成相等两部分的点 落在+3和+4之间，利用*插值计算可得:u= 0.3/0.7 =0.4 3因此 =+3+0.43=+3.43u这种判决方法虽然可概括更多的信息，但主要信息没有突出。3） 加权平均判决法加权平均判决法的关键在于权系数的选择。一般来说，权系数的决定与系统的响应特性有关，因此可根据系统的设计要求或经验来选择适当的加权系数，当系数 (i =1,2 , m)己确定时，模糊量的判决输出可由下式给出:ik12= /uimiUK1i为简单起见，通常选取隶属函数作为加权系数，则判决结果可表述为:=u)(1imiUiiiu在实际模糊控制系统设计中，到底采用哪一种判决法好，不能一概而论。每一种方法都有各自的优缺点，需视具体问题的特征来选择判决方法。3 模糊控制系统的设计3.1 模糊控制器的结构分析随着人们对模糊控制器的深入研究和广泛应用，模糊控制器从原来单一的结构形式已发展成多样的结构形式。从模糊控制器输入、输出变量的个数多少可以分为单变量模糊控制器和多变量模糊控制器；按模糊控制建模形式的不同又可以分为多值模型、数学方程模型和语言规则模型的模糊控制器；从功能上分可以有自适应模糊控制器、自组织模糊控制器、自学习模糊控制器和专家模糊控制器等。但是，无论哪种模糊控制器，从它们的结构上看其基本组成是不变的，仅是在设计机理和性能上有所改进，通常将具有一个输入变量和一个输出变量(即一个控制量和一个被控制量)的系统称为单变量系统，而将多于一个输入/输出变量的系统称为多变量控制系统。在模糊控制系统中，也可以类似地分别定义为“单变量模糊控制系统”和 “多变量模糊控制系统” 。所不同的是模糊控制系统往往把一个被控制量(通常是系统输出量)的偏差，偏差变化以及偏差变化的变化率作为模糊控制器的输入。因此，从形式上看，这里输入量应该是三个，但是人们习惯于称它为单变量模糊控制系统。常见的模糊控制器的几种结构形式如图 3.1 所示：13图 3.1 模糊控制器的结构一般情况下，一维模糊控制器用于一阶被控对象，由于这种控制器输入变量只选一个误差，它的动态控制性能不佳。所以，目前被广泛采用的均为二维模糊控制器，这种控制器以误差和误差变化率为输入变量，以控制量的变化为输出变量。从理论上讲，模糊控制器的维数越高，控制越精细。但是维数过高模糊控制规则变得过于复杂，控制算法的实现相当困难。目前人们广泛设计和应用较多的是二维模糊控制器。在有些情况下，模糊控制器的输出变量可按两种方式给出.例如，若误差“大”时，则以绝对的控制量输出；而当误差为“中”或“小”时，则以控制器的增量（即控制量的变化）为输出。尽管这种模糊控制器的结构及控制算法都比较复杂，但是可以获得较好的上升特性，改善了控制器的动态品质。3.2 模糊控制器的设计3.2.1 模糊控制器设计原则如前所述，模糊逻辑控制是一种利用人的直觉和经验设计的控制系统，与传统控制器设计思想不同，它不需要受控对象的数学解析模型。因此，也没有如经典控制器设计那样有成熟而固定的设计过程和方法。但是我们仍然可以总14结出一些原则性设计步骤。1）模糊控制器的结构选择所谓模糊控制器的结构选择，就是确定模糊控制器的输入输出变量。正如前面所说的那样，模糊控制器的结构对整个模糊控制系统的性能有很大的影响，因此必须根据被控对象的具体特性与要求来合理选择。2）定义所有变量的模糊化条件根据受控系统的实际情况，决定输入变量的测量范围和输出变量的控制作用范围，以进一步确定每个变量的论域；然后再安排每个变量的语言值及其相对应的隶属度函数。3）设计控制规则库这是一个把专家知识和熟练操作工的经验转换为用语言表达的模糊控制规则的过程。4）设计模糊推理结构这一部分可以设计成通用的计算机或单片机上用不同推理算法的软件程序来实现，也可以采用专门设计的模糊推理硬件集成电路芯片来实现。5）选择精确化策略的方法为了得到确切的控制值，就必须对模糊推理获得模糊输出量进行转换，这个过程称作精确化计算，这实际上是要在一组输出量中找到一个有代表性的值，或者说对推进的不同输出量进行仲裁判决。3.2.2 常规模糊控制器的设计模糊控制器一般由四部分组成:模糊化接口、规则库、模糊推理机和逆模糊化接口。因此，模糊控制器的设计通常包括以下一些内容：1）模糊控制器结构的确定与参数化根据不同的要求，在结构上确定是一维的、二维的，还是多变量的，在必要时，需将受控对象的某些量参数化，即把被控变量提取出来，作为模糊控制器的输入参数。针对模糊控制器每个输入空间定义一个语言变量。在模糊控制系统中，通常取系统的误差值e和误差变化率ec为模糊控制器的两个输入，则在e上定义语言变量“误差E” ，在ec上定义语言变量“误差变化EC” 。2）模糊知识的获取和规则表示15深入研究受控对象的特性，弄清要达到的目标，从大量的观察和实验数据中，或从专家知识与熟练操作人员的经验中提取模糊知识，并用一组语言表达。3)知识库的建立把上面所获得的用自然语言规则描述的知识，按输入、输出变量分类，并以模糊集合矢量表示形式存放在数据库中；同时，基于模糊逻辑把这些自然语言规则描述成模糊规则，生成相应的规则库。为了使计算机了解这些规则库的含义，必须明确定义模糊控制器的各个输入端变量模糊集的论域值和隶属度函数。4）模糊化和解模糊化的设计设计合适的模糊化和解模糊化算子是模糊控制器设计很重要的一个环节。而目前绝大多数模糊控制器的设计，往往都是简单地选用“实数域上模糊分布函数” ，算出输入量语言值对应得一组隶属度矢量值，而后根据最大隶属度原则，选择其中具有最大隶属度的那个函数矢量，作为相应输入量的；模糊化结果。对模糊控制器的输出量的解模糊，也同样是采用最大隶属度法。5）模糊推理算子的选择模糊控制器与专家系统的一个重要区别是具有推理功能，因此选择一个合适的合成推理算子，建立一个具有优良性能的推理机是极其重要的。6）模糊性能的调整与完善在模糊控制器的设计过程中，需要根据实际情况不断进行调整和修改，来完善模糊控制器的性能。其中不但对模糊规则库需要不断调整和修改，有时还可以通过自学习功能进一步丰富规则库的信息含量，而且对变量模糊化的隶属度函数也要进行调整。3.3 房间温度控制系统的模糊控制器设计常规控制理论的发展经历经典控制理论和现代控制理论两个阶段，经典控制理论对控制线性系统是很有效的，但对于非线性时变系统很难奏效。随着计算机发展而发展起来的基于状态变量描述的现代控制理论，对于解决线性或非线性、定常或时变的多输入多输出系统的问题，获得了广泛的应用。但是，无论是采用经典控制理论还是现代控制理论设计一个控制系统，都需要事先知道16被控对象或生产过程精确的数学模型，然后根据数学模型与给定的性能指标，选择适当的控制规律，进行控制系统设计。对于很难建立精确数学模型的被控对象，采用常规的控制方法很难达到控制要求。在本系统的设计中，温度是惯性很大的被控对象，在控制系统中属于大滞后环节，由于影响房间温度的因子，如日照、房间客流量及用电器的散热等很复杂，因此很难建立一个精确的数学控制模型。所以在本系统中我们采用了模糊控制算法作为本控制系统的算法。模糊控制器选定实际温度T与设定温湿度 的偏差值e= -T及其误差变化de作dTdT为输入语言变量，把控制加热装置的供电电压u作为输出语言变量，因此，这样就构成了一个二维模糊控制器。如图3.2图 3.2 控制控制系统结构图1)输入语言变量偏差:温度变量的基本论域:设系统误差E的基本论域为-40,40，误差EC的基本论域为-100,100，控制输出u的论域为-50，50量 化 论 域:设系统三个语言变量的量化等级都为9级，即-4，-3，-2，-1,0, 1 ,2,3,4E的量化因子K1=4/40=0.1，EC的量化因子K2=4/100=1/25，U的量化因子K3=50/4=25/2语言变量偏差E，EC，U的词集为NB,NS,Z0,PS,PB语言变量偏差E，EC，U的赋值表如下（图3.3）：E X -4 -3 -2 -1 0 1 2 3 4NB 1.0 0.517NS 0.5 1.0 0.5ZO 0.5 1.0 0.5PS 0.5 1.0 0.5PB 0.5 1.0图3.3 语言变量E，EC，U的赋值表在制定本系统模糊控制规则时要遵循的主要原则是:下表为本系统的模糊控制规则表：（表3.4）UEDENB NS ZO PS PBNB * PB PB PS NBNS PB PS PS ZO NBZO PB PS ZO NS NBPS PB ZO NS NS NBPB PB NS NB NB NB表3.4 控制规则表根据输入输出语言变量量化论域和模糊控制规则表的制定情况，可得出如下的系统模糊控制表：d jejijc-4 -3 -2 -1 0 1 2 3 4-4 4 3 3 2 2 3 0 0 0-3 3 3 3 2 2 2 0 0 0 -2 3 3 2 2 1 1 0 -1 -2-1 3 2 2 1 1 0 -1 -1 -218表 3.5 模糊控制表通过以上步骤，实现了模糊控制器的设计。4 模糊控制系统的仿真4.1 控制系统仿真概述4.1.1 控制系统仿真的含义仿真的基本思想是利用物理或数学的模型来类比模仿现实过程，寻求规律，它的基础是相似现象。仿真的方法有实物仿真、数学仿真，混合仿真等。在控制系统得实验验证中，如果这种实验中至少被控对象不是实物而是被控对象的数学模型，这种控制系统实验就称为控制系统仿真。它是利用计算机研究控制系统性能的一门学问，控制系统计算机仿真侧重与控制理论的计算机求解，可以解决以往控制原理不能解决的问题。例如非线性系统的研究在控制原理课程中采用描述函数这样的近似方法来研究，而用计算机仿真工具就能轻而易举地对复杂非线性系统进行精确的建模与仿真。再比如，以往系统稳定性分析中由于没有办法直接解决高阶系统的特征值求解问题，故只能利用各种间接方法，如连续系统的 Routh 判据与离散系统的 Jury 判据等，其实有了现代的计算工具，利用一个指令就可以得出线性系统得全部特征根，根据它们的位置立即就能判定系统的稳定性，且能得到比传统间接方法多得多的信息。计算机仿真，概括地说是“建模实验分析”的过程，进行一次完整地计算机仿真主要有下列步骤：（1）项目列举（2）设置目标及完整的项目计划（3）建立模型和收集数据（4）编制程序和验证利用数学公式、逻辑公式和算法等来表示实际系统的内部状态和输入输出关系，建模者必须是采用语言如 FORTRAN、C 还是专用仿真语言来编制程序，在本论文中，我选取的是0 2 2 1 1 0 -1 -1 -2 -21 2 1 1 0 -1 -1 -2 -2 -32 1 1 0 -1 -1 -2 -2 -3 -33 0 0 0 -2 -2 -2 -3 -3 -34 0 0 0 -3 -2 -2 -3 -3 -419MATLAB 和其仿真工具 SIMULINK（5）确认（6 ）实验设计包括仿真的方案、初始化周期的长度、仿真运行的长度等（7）生产性运行和分析（8）文件清单和列表（9）实现4.1.2 控制系统仿真的应用现代仿真技术经过 50 年的发展与完善，已经在各个行业做出了卓越贡献。同时也充分体现出其在科技发展与社会进步中的重要作用。作为分析、设计、验证手段，控制系统仿真应用在控制工程研究的各个阶段，从方案论证、系统设计、样机验证直到产品例行实验。方案论证阶段，多用简化了的系统模型进行数学仿真，探讨方案的可行性。设计阶段的仿真也是数学仿真，是控制系统计算机辅助设计的组成部分，这一阶段以设计好的精确模型为验证对象，检验系统设计效果。直接用仿真机来设计系统也是有的，例如参数寻优设计法。 样机验证仿真为物理仿真，控制器或控制器的某些组成部分为实物，其它部分为模型，通过这种仿真检查实物与模型的差异。就专业范围而言，控制系统仿真应用在各种各样的控制工程研究中。如：航空与航天工业、电力工业、原子能工业、石油、化工和冶金工业以及医学、社会学等非工程领域。4.1.3 控制系统仿真的展望展望未来，控制仿真在以下几个方面将有较大的发展：以实时仿真为应用背景的并行仿真技术；控制系统仿真集成环境技术；仿真自动化和智能化；人机系统仿真中的图像技术和虚拟现实技术；交互仿真技术等。4.2 房间温度模糊控制系统的 MATLAB 仿真4.2.1 MATLAB 模糊逻辑仿真工具箱MATLAB 语言是美国 Math 公司研制开发的大型计算软件，自 1985 年问世以来，特别是 1993 年 4.X windows 版本的出现，使得 MATLAB 语言的使用获得了巨大的发展。它的强大的矩阵处理与运算功能 、丰富的图形绘制能力深受用户的青睐。控制领域的研究者与工程技术人员对此给与了极大的关注。国际上众多的知名学者在此基础上先后开发出一系列的相关工具箱(toolbox)。如控制系统系统工具箱(Control System toolbox)、神经网络工具箱(NeuralNelwork Toolbox)、系统辨识工具箱(System identification Too;box)、最优化工具箱20(optizimation Toolbox)、鲁棒控制工具箱 (Robust control Toolbox)、模糊逻辑工具箱(fuzzy logic toolboxs)等，以及集成在 MATLAB 上的面向结构图的系统分析平台 simulink 从而使得 MATLAB 的功能得到全面提高，几乎覆盖了控制领域各个研发分支，成为国际控制领域最为重要与流行地对控制系统进行分析研究的软件工具。利用 MATLAB 软件中的 SIMULINK 工具箱和 FUZZY 工具箱构造模糊控制系统的结构图就可以对模糊控制器进行控制性能仿真分析。1模糊逻辑工具箱MATLAB 模糊逻辑工具箱中有 5 个基本工具用于建立、编辑和观察模糊推理系统。它们分别是模糊推理系统编辑器、隶属度函数编辑器、规则编辑器、规则观察器和曲面观察器。这些 GUI 工具之间是动态连接的，使用它们中的任一个对 FIS 的修改将影响任何其它已打开的 GUI 中的显示结果。FIS 编辑器为系统处理高层属性即输入输出属性。隶属度函数编辑器用于定义对应于每个变量的隶属度函数的形状。规则编辑器是一个基于 MATLAB 的用于显示模糊推理方框的工具，可以用做一个诊断工具，显示正在使用的规则，或单独的隶属度函数形状如何影响结果。曲面观察器用于显示一个输出与一个或两个输入之间的依赖情况，即它为系统生成和绘制输出曲面映射。2SIMULINK 工具箱SIMULINK 工具箱主要用于动态系统的仿真。SIMULINK 模块库中提供了建立系统模型所需的大部分模块，进入 MATLAB 环境后，只需键入SIMULINK 命令就可打开该模块库，用户可以根据自己的系统选择所需模块，将其用鼠标拖到自己的系统模型中，然后用鼠标划线连起来，就构成了系统的SIMULINK 描述。系统的模型建立好后，用户可以根据系统的不同需要，设置或更改模块的参数，然后打开仿真菜单(Simulation) ，设置仿真参数，起动仿真过程。仿真结束后，用户可以通过示波器(Scope)或 polt 绘图函数观察系统的仿真输出。4.2.2 FIS 的建立根据本实验的情况，我们做如下仿真：(1) MATLAB 环境下，Fuzzy 创建的原始的 FIS 图形编辑函数窗口中只有一个输入模块，对于双输入系统，可点击 Edit/Addinput 选项，增加一个输入模21块。(2) 用鼠标分别单击输入、输出模块，可以更改其变量名称;然后分别双击输入、输出模块，可以修改变量的量化论域，在 Edit/Addmf 菜单中可以设定输入输出变 t 的语言值，并 “画出”它们的隶属函数图形，其中隶属函数可以自定义，也可以从提供的 11 个函数如三角形(trimf)、梯形(trapmf)等中进行选择，同时还可在 1-9 这个范围中选择该函数曲线的条数。(3) 用鼠标双击模糊控制规则模块，就会打开一个新的编辑窗口，窗口中会给出前面己经设定好的语言值，用户只需根据控制规则表中互相对应的语言22值，然后点击 “Add rule，编辑窗口就会自动增加相应的规则。规则编辑完后，用户可以从 View/View rule 菜单选项中检查该模糊控制器的模糊推理过程是否和我们所期望的相同。23（4）FIS 建好后，可以将其命名存盘，并存入 MATLAB(workspace)中，以便仿真时应用。4.2.3 仿真分析利用MATLAB中的模糊逻辑工具箱，根据模糊控制规则建立好 FIS，就可以在SIMULINK环境下创建一个新的工作区域，然后在S工MULINK模块中选择所需的模块，建立如下所示的系统仿真功能模块图。进行仿真前用readfis 命令将 .fis文件加载到模糊控制器模块中，设定好仿真时间、步长等各项参数，即可进行仿真。仿真后的阶跃响应曲线如图3.7(a)所示。244.2.4 模糊控制系统性能的改善由图3.7（a）所示，模糊控制系统的稳态性能尚不能令人满意，常规模糊控制系统稳态性能差的一个重要原因就是模糊控制器的输入量被模糊量化取整而引起的控制器调节死区，以及控制量的分档而引起的调节过粗，再加上缺少积分作用，所形成的是一种粗糙控制器。模糊控制的控制性能取决于它的控制规则，而根据人的经验总结出来的控制规则往往具有一定的片面性。普通模糊控制器的控制规则一旦确定便不能改变，就必然不能很好地适应系统动态特性的变化或随机干扰的影响，从而影响模糊控制的效果。图3.6 FuzzyPID 双模控制在模糊控制中渗入前馈、比例、PI、PID控制思想，构成新的模糊复合控制器。如抗干扰能力强的前馈补偿模糊控制具有良好 “跟随”特性的线性复合控制，以及模糊-PI、模糊-PID控制等等，它们各具特色，能从不同的角度改普和提高模糊控制系统的性能。25FUZZY 控制响应曲线 PIDFUZZY 控制响应曲线(a) (b)dTt t图 3.7 控制响应曲线图dTPID调节器的积分调节作用从理论上可使系统的稳态误