（控制理论与控制工程专业论文）基于聚类分析的神经网络—模糊控制.pdf

太原理工大学硕士学位论文 摘要 随着科学技术的不断进步，人类需要控制的对象和过程日益复 杂，但对控制质量的要求却不断提高，智能控制为这一问题的解决提 供了一条有效途径。模糊逻辑和神经网络是实现智能控制的基本方 法，模糊控制不需要建立被控对象的精确数学模型，但是在隶属函数 的自动调整和模糊规则的自动生成上却存在困难；神经网络具有自学 习，自适应，并行处理的能力，但结构的选择缺乏理论依据。把两者 相互融合可以取长补短，将智能控制理论推向新的高度。 本文采用五层前馈神经网络模型对模糊控制器进行映射，神经网 络一模糊控制器的性能虽然较以前的单一控制器有了很大提高，但还 存在模糊子集个数的确定、模糊规则的提取和初值的确定等问题。针 对这些问题，本文提出了基于聚类分析的神经网络一模糊控制。模糊 子集个数的确定可以采用最佳聚类数的方法，即通过聚类有效性函数 进行。隶属函数中心值初值的确定和模糊规则的提取可用聚类分析的 方法得到，经过神经网络的进一步优化得到基于神经网络一模糊控制 器。 针对聚类分析中的硬聚类方法、模糊聚类方法和可能性聚类方 法，硬聚类方法速度快，但割裂了样本之间的联系；模糊聚类克服了 这一缺陷，但存在局部最优，为此将硬聚类和模糊相结合，提出种 新的聚类分析方法。 将基于聚类分析的神经网络一模糊控制器应用于火电厂锅炉水 位串级控制系统进行仿真研究，实验表明该算法确定的控制系统控制 品质较高，鲁棒性强。 关键词：智能控制，模糊控制，神经网络，聚类分析，火电厂 控制 摘要 a b s t r a c t w i t ht h ei m p r o v e m e n to f s c i e n c ea n dt e c h n o l o g y , t h eo b j e c t sa n d 皿o o 嘲t h a t t h e p e o p l ew a n t t oc o n l r o lb e c o m em o r ec o m p l e x , b l 吐也ea i m sf o rc o n t r o la r eh i g h e ra n d h i g h e r i n t e l l i g e n tc o n t r o lp r o v i d e sa e f f e c t i v ew a yf o rs o t v 吨t h ep m b l e n lf u z z yl o g i c a n dn e u r a ln e ta r et h ei m p o a a n tm e a n so f i n t e i l i g e “tc y t m e t i c s f u z z yc o n l m l d o e sn o t n e e dt os e tu pt h ee x a c tm a t hm o a e i ，h a v eg o o dr o b u s t n e s s , b u ti ti sd i t l i c u l tt op r o d u c e a n da d j u s tr r e m b e r s h i pf u n c t i o na n df u z z yr u l e s n e u r a ln e t w 阱kh a v et h ea b i l i t i e so f s e l 纠c 龇n j n 岛a d a p ta n dp a r a l l e lr n a m g e m m t , b m 吐】c s t m c t t r a ls e l e c t i o nl a c k sa c a d e m i c b a s e s c o m b i n i n g d a eb o t hc 锄l e a m f r o mo m e r ss t r o n gp o i n t st oo f f s e to n e sw 出n e s s m a d i m p e l 删c s t o h i g h l e v e l h 11 h e 印p 讹u s ef o r w a r dn e l x a ln e t w o r km o d e lo f f i v el a y e r st om a pt h ef u z z y r u l e s t h e n e u r a l n e t w o r k - f i a z z y c o r a r o l l e r i s n m i m p r o v e d t h a n p r e v i o u s c o n t r o l l e r b u t t h e r ea r es o m e d e f i c i e n c i e s , $ 1 , h a sc 0 耐m 1 1 j n gm 咖o f 如z z y 鳓b s 晚p i 她印f u z z y m l e sa n dc 砌m 崦t h e 洲毗o f m 髓0 b 螂a i m j n g a tf l e s ed e f l d e n e i e s t h e 吐疏螂印m e n 删l n e m m 蛔删b 。d o n c h 蛾锄d y 豫t h e 删血b 盯 o f f u z z ys u b s e tc m l b ec o n 在r 静db ym e a n s o f c c n l i n n i n gn t m a b e ro f b e s tc h s t c l 蜒i n w h i c ht h ev a l i df u n c t i o no fc m u a e d n gi su s e d c c 枷蛐i 碰a lv a l u eo f m e m b e r s h i p f u n c t i o nm a dg e t t i n gr u l e sc 驵1b ec a n i e dm 呻b ym 黜o f c l l 捌啦a n a l y s e t h e n e u r a l r e t w o r k - f u z z y c o n u o l l e r b a s e d o n c l u s t e r i n g a n a l y s e c a n b e g a i n e d a t h w a i n i n g o f n e u r a l n e t w o r k c l u s t e r i n ga n a l y s ei sa r n e t h o do f d a t a d i 印商l 唱a n d i n c l u d eh a r dc h l s t 堍f u z z y c h t e f 吨m a df e a s i b i l i t yc l u s l m i n g1 b e 叩嘲do f 姗d l 蛾j s 蜘b u t i t d i s s e v e r s t h e r e l m i o n s o f s a m p l e s f u r y c l u s t e r i n g o v e r c o m e i t , l 鼬t l t m e i s l o c a l b e s t 1 1 硷 t h e s i sb r i n g su pa i m p r o v e dn 麓蝴t o o v i 玎c a mi tb yc o m b u , 崦h a r dc l u s m i l l g 甜d f u z z y c l u s t e r i n g t h e n e u r a l n e t w o n k - f u z z y c o n l m l b a s e d o n c l 咄a n a l y s e i s a p p l i e d t o t h e w a t e r l e v e lc o n l r o lo f b o i l e ri np o w e r p l a n t i tc m b e 簧髓f r o m 性s i m l 】i m i o n 吐1 越t h ec o n w o l 小】a l i l y i s h i g h a n d r o l m s t r e s s i s s t r o n g 。 k e y w o r d s i n t e l l i g e n tc o n t r o l ，f u z z y c o n t r o l ，n e u r a ln e t w 0 1 k ， c l u s t e r i n ga n a l y s e ，p o w e rp l a n t c o n t r o l i i 太原理工大学硕士学位论文 第一章绪论 自1 9 4 9 年维纳发表控制论短短5 0 多年来，自动控制的理论 和方法都得到了长足发展：从经典控制理论到现代控制理论、从线性 系统理论到非线性系统理论等，但人类面临的问题也日益复杂：系统 工作行为的高度复杂性、控制性能指标要求不断提高等，这些都使基 于精确数学模型的传统控制理论面临严峻的挑战，多年来自动控制理 论一直在寻找新的出路。人工智能( a r t i f i c i a li n t e l l i g e n c e ，a i ) 的出现 为自动控制理论的发展提供了新的思路，促使它向更高的水平智 能控制发展i j j 。 1 1 智能控制理论的发展概况 虽然国内外众多学者在智能控制的研究方面做了大量工作，发表 了大量以智能控制为主题的论著。但是，何谓智能控制? 对于这个问 题，不同的专家具有不同的看法和见解。最早提出智能控制概念的当 首推傅京孙教授，他通过对人一机控制器和机器人方面的研究，在七 十年代提出了智能控制为自动控制和人工智能相结合的二元交集结构 理论。s a r i d i s 在傅京孙工作的基础上，以智能机器人为背景提出了智 能控制的三元交集结构理论，他认为仅有二元组合无助于智能控制的 有效性和成功应用，必须引入运筹学，使其成为三元组合；并提出了 由组织级、协调级和控制级构成的分层递阶智能控制理论框架【2 1 。国 内蔡自兴教授在研究了上述结构理论之后，从系统的整体性和目的性 出发，提出了智能控制的四元交集结构理论，把信息论作为智能控制 结构的一个子集。其理论依据是信息论是揭示知识和智能的一种手段， 培论 它和控制论，系统论紧密结合，相互作用。对于控制系统或控制过程 来说，信息是关于控制系统或过程运动状态和方式的知识。智能控制 的知识和经验源于信息，又可被加工处理，变为新的信息，如指令、 决策、方案和计划等，并应用于控制系统或装置f 7 】，这个理论极大的 推动了智能控制的发展。近二十年来，国内也有不少学者对智能控制 的理论、技术和方法展开了广泛深入的研究，取得了丰硕的研究成果。 10 2 智能控制的特点 智能控制是人工智能和自动控制的重要组成部分和研究领域，它 将控制论的三要素一信息、反馈和控制都赋予了新的内涵，具有智 能信息处理、智能反馈和智能决策的控制方式，我们把这种以智能为 核心的控制论称为智能控制论【 。做为传统控制理论发展的高级阶段， 智能控制是被控系统的高度复杂性、高度不确定性以及人们对控制性 能要求越来越高的的产物，其被控对象更复杂，控制目标更多样；具 有克服传统自适应控制算法计算复杂性的能力和处理不确定性( 包括 模型结构不确定性、参数不确定性、干扰和噪声) 的能力；是控制论、 人工智能、信息论以及运筹学等许多相关学科领域的理论和方法交叉 结合的结果【4 】。 一般说来，典型的智能控制系统应具有下述功能特点f 3 j ： 1 、智能控制具有分层信息处理和决策机构，核心在组织级。高层 控制的任务在于对实际环境或过程进行分析组织，即决策和规划，实 现广义问题求解。求解过程与人脑的思维过程具有一定相似性，实际 是对人的神经结构或专家决策机构的一种模仿。低层控制级也是智能 控制系统必不可少的组成部分，采用常规控制。 2 太原理工大学硕士学位论文 2 、智能控制具有非线性、变结构特性和总体自寻优的特点。在控 制过程中计算机在线获取信息，实时处理并给出控制决策，当调整参 数得不到满足时，可以以跃变方式改变控制器的结构来改善系统的性 能。智能控制就是通过不断优化参数和寻找控制器的最佳结构形式获 取整体最优控制性能。 3 、智能控制的实质是宏观、定性的决策与微观、定量的控制的综 合集成，决策与控制被置于同样重要的地位，他们彼此不仅互不排斥， 而且相辅相成，表现为控制器不再是被动单一的数学解析型，而是集 数学解析与直觉推理能力于一身的主动式知识型。 4 、智能控制的主要功能特点是学习功能、适应功能和组织功能。 其可以对一个过程及其环境所提供的信息进行识别、记忆、学习，并 能够利用积累的经验进一步改善系统的性能；智能控制的适应性是一 种不依赖于模型的自适应估计，可在故障情况下自修复；它对于复杂 任务和分散的传感信息具有自组织和协调功能，使系统具有主动性和 灵活性。 1 3 智能控制基本方法 随着控制界对智能控制的定义、基本特征和结构特点等问题的深 入探讨，实现智能控制的基本方法业已形成。其中最有发展潜力的三 个分支是：基于模糊逻辑的模糊控制系统、基于神经网络的神经控制 系统以及基于知识的专家控制系统1 4 1 。 模糊控制 1 9 6 5 年z a d e h 首先提出f u z z ys e t 的概念，由此开创了模糊数学 及其应用的新纪元。模糊控制是基于模糊逻辑的控制方法，不同于建 3 绪 论 立在精确数学模型之上的传统方法，模糊逻辑只是关心功能目标。它 主要依赖于模糊规则和模糊变量的隶属度函数，无须考虑输入与输出 间的准确的数学关系，这样就避开了复杂系统建模的困难，减少了系 统的复杂性。1 9 7 4 年英国的m a m d a n i 教授首先将其引入到用于表达 人类控制决策的不确定性问题上，实现了一台小型蒸汽机的模糊控制， 取得良好的控制效果。在此之后，模糊控制理论和实践不断取得突破， 一直悬而未决的稳定性问题也正在逐步解决，经过三十多年来的发展， 模糊控制已成为智能控制理论和应用研究中最活跃的分支，并在复杂 工业过程、水质控制、列车自动驾驶，电梯自动运行以及模糊家电产 品等许多领域取得了成功应用。虽然模糊控制的理论和应用研究已取 得了大量成果，但模糊控制理论远非成熟，特别是在规则的自动获取、 模糊控制系统( 尤其是多变量系统) 的系统化设计与性能( 稳定性和 鲁棒性等) 分析以及模糊控制方法与其他智能控制方法的融合等方面 值得进一步研究。 神经网络 神经网络是另一种重要的智能控制方法，其研究始于1 9 世纪4 0 年代，是基于联接主义来模拟人脑神经网络的结构和功能，是一种并 行的非线性动力学系统，具有很强的非线性映射能力，理论上可以逼 近任意非线性函数。作为动态系统辨识、建模和控制的一种新工具， 神经网络具有分布式存储信息，自组织和自学习的特点【5 】。这些特点 在一定程度上适应了复杂系统对控制理论的基本要求，从而使控制理 论摆脱目前的困境。但目前神经网络应用在控制系统中的研究还停留 在理论层面上，这是因为其还存在许多问题，比如现有的算法收敛速 度低，神经网络的结构难以确定等，因此研究新的快速学习算法，设 计用于控制的新神经网络模型和算法就构成智能控制系统当前研究的 4 太原理工大学硕士学位论文 一个热点。 专家控制系统 专家系统是一个具有大量专门知识与经验的程序系统，它应用人 工智能技术，根据一个或多个专家提供的特殊领域知识、经验进行推 理和判断，模拟人类专家做决策的过程来解决那些需要专家决定的复 杂问题。简言之，就是将专家经验和知识以适当的形式存放在人工系 统( 如计算机) 中，并利用它来完成复杂问题的咨询和决策工作【4 】。 一般专家系统由知识库、数据库、推理机、解释部分及知识获取五个 部分。通常它具有以下特征1 、由于拥有专家经验和知识，问题的求 解能够避免大规模的盲目搜索2 、借助于符号，专家系统有效地表示 与操作知识进行推理，这是与传统方法不同的重要特征3 、具有一定 的通用问题求解能力。专家经验具有不精确性，一些问题的高效求解 离不开以这些经验为基础的通用问题求解能力4 、具备一定的回答用 户提问和解释自己推理结果的能力。由于具有上述优点，专家系统适 合于复杂问题的求解。历史上，a s t r o m 第一个提出了专家控制系统， 它避开了对象或过程的数学模型，很好的解决了现代控制理论和工程 所面临的一些问题。目前虽然专家控制系统取得了很大的发展，但仍 面临着知识获取、知识表示、人一机界面设计以及实时推理等一系列 需要解决的问题。随着理论研究水平的不断提高，专家系统的研制和 推广必将带来更大的经济效益和社会效益。 智能控制的综合集成 近年来召开了许多有关人工智能及智能控制的国际学术会议，会 议讨论的热点表明当前国际智能控制方法及应用研究的发展趋势已从 先前的单学科研究逐步发展到理论交叉研究，而且应用领域也在不断 5 暗 论 拓宽。另一方面，在面对复杂系统的控制问题时，单一的控制方法确 实存在局限性，常常难以独立进行，需要与其他控制方法结合，这无 疑为智能控制的深化特别是对复杂系统的控制研究开辟了新途径。 目前，相互结合的智能控制方法有：专家模糊控制，专家神经网 络控制，模糊神经网络控制等。其中，神经网络与模糊逻辑的结合尤 为引人注目。模糊逻辑适于应用经验知识，但缺乏自学习和自适应能 力：神经网络容错能力强并具备自适应学习功能，但不能很好地利用 已有的经验知识，因而增加了网络的寻优时间，并且有可能陷入局部 极小。将二者结合，既能表示定性知识，又具有自学习和处理定量数 据的能力，所以发展前景广阔。但是采用神经网络训练的模糊控制系 统仍然存在不足，需要加以完善。完善的方法很多，聚类分析就是其 中之一，基于聚类分析的神经网络一模糊控制是本文的研究重点。 总之，智能控制理论和实践都取得了很大发展，但依然存在不足， 需要我们不断的加以完善和发展。 6 太原理工大学硕士学位论文 1 4 立论依据和主要工作 1 4 1 立论依据和学术思想 模糊控制已经成为智能控制领域非常活跃的一个分支，它不需要 建立被控对象的精确数学模型，根据实际系统的输入输出结果数据， 参考现场操作人员的运行经验，就可对系统进行实时控制，具有良好 的鲁棒性，适用于非线性、时变及滞后系统的控制，但常规模糊控制 器的控制规则是根据现场操作人员或专家的经验总结出来的，模糊隶 属函数的确定，模糊论域的划分多带有主观性，严重影响着控制品质。 神经网络是另一种重要的智能控制方法，它是基于联接主义来模 拟人脑神经网络的结构和功能，是一种并行的非线性动力学系统，具 有很强的非线性映射能力，理论上可以逼近任意非线性函数。神经网 络具有分布式存储信息，自组织和自学习的特点，对环境具有较强的 自适应能力，所以可结合神经网络的学习功能来训练模糊规则。提高 整个系统的学习能力和表达能力，这是目前最受关注的一个课题。但 目前神经网络应用还存在许多问题：1 ) 现有的学习算法收敛速度低2 ) 在许多情况下还常常导致局部最优3 ) 网络结构的确定缺乏充分的理论 依据，所以需要结合其他方法来克服上述缺点，聚类就是其中之一。 聚类也叫聚类分析，是按照事物相似性对他们进行区分和归类的 过程。它是多元统计分析的方法之一，也是统计模式识别中非监督模 式识别的一个重要分支。目前已提出了许多不同的聚类方法来解决聚 类问题，大体上分为硬聚类方法、模糊聚类方法和可能性聚类方法。 从数据集的划分空间上看，硬聚类是在立方体的顶点上搜寻最优解， 模糊聚类是在超立方体的一个超平面上搜寻最优解，可能性聚类是在 7 培论 超立方体内搜寻最优解。由于将聚类问题表述成优化问题后易于与经 典数学的非线性规划领域联系起来，从而能用现代数学方法求解；而 且算法的求解过程比较容易用计算机来实现，所以聚类算法得到很大 的发展。随着理论研究的不断深入，各种聚类算法在实际领域中也得 到了广泛地应用。 1 4 2 本文的主要工作和内容安排 本文总结了模糊集理论、神经网络和聚类分析的基本框架及其扩 展，阐明了它们各自的特点，分析了它们在智能控制系统领域中的应 用，并就它们之间的取偿补短、相互融合提出了自己的观点，最后将 其用于火电厂锅炉汽包水位控制系统进行仿真研究，进一步阐明它们 具有广泛的应用前景。 本章主要阐述了智能控制的学科基础和综合集成的本质，概述了 本文的立论依据和内容安排。 第二章深入分析了模糊控制和神经网络的特点和缺陷，提出基于 神经网络的模糊控制。 第三章阐述聚类分析的理论基础，并将其与上述控制系统相结 合，提出一种新的控制算法对前述算法进行完善补充。 第四章，与传统p i d 控制组成串级控制系统，对火电厂锅炉汽包 水位控制系统进行仿真研究，表明该算法的有效性，可以得到较好的 控制特性。 第五章对本文的工作进行了总结，并对后继工作提出一些展望。 8 太原理i 大学硕士学位论文 - - - _ _ _ - _ _ _ _ _ _ _ - _ _ _ _ _ _ _ _ _ _ - _ _ _ _ _ _ _ _ - h _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ - 参考文献 【1 刘曙光，魏俊民，竺志抄模糊控制技术 m 】北京：中国纺织出版社，2 0 0 1 【2 王耀南智能控制系统：模糊控制专家系统神经网络控制湖南大学出 版社，1 9 9 6 3 孙增圻智能控制理论与技术清华大学出版社，广西科学技术出版 社1 9 9 7 【4 李士勇模糊控制、神经控制和智能控制论 m 】哈尔滨工业大学出版社，1 9 9 6 5 】史忠科神经网络控制理论【m 西北工业大学出版社，1 9 9 7 【6 】刘永红神经网络理论的发展及前沿问题【j 】信息与控制，1 9 9 9 ，n o 1 【7 蔡自兴智能控制基础与应用【h 叼北京：国防工业出版社，1 9 9 8 8 诸静智能控制理论基础及技术【m 】机械工业出版社，1 9 9 8 【9 】谢克明，南建峰基于模糊神经网络的辨识与控制技术的现状及展望 j 太原 理工大学学报，1 9 9 8 ，2 9 ( 1 ) ：8 - 1 2 1 0 】邓洪敏，高向京关于模糊规则的提取及利用神经网络进行优化的问题 j 】自 动化与仪器仪表，1 9 9 6 ，4 ：2 1 5 2 1 1 夏吾勇，孙杰，姚天顺智能系统中获取模糊规则的神经网络方法 j 】信 息与控制，1 9 9 8 ，2 7 ( 6 ) ：4 0 8 4 1 2 【1 2 】l a y n ejr p a d d i n okm f u z z ym o d e lr e f e r e n c el e a r n i n gc o n t r 0 1 i n t e l l f u z z ys y s t1 9 9 6 ，4 ( 1 ) ：3 3 - 4 7 1 3 】z h a n gs h u l i n g ，x i ek e m i n g t h ei n t e l l i g e n tl e a r n i n g c o n t r a l u s i n gs i n g l e n e u r o na n di t sa p p l i c a t i o ni na ni n d u s t r i a lb o i l e r i n ：p r o c e e d i n g so ft h e19 9 7 i e e ei c i p c ：v 0 1 i b e i j i n g ， c h i n a ：t h e w o r d t e c h n o l o g yp r i m i n g h o u s e ，1 9 9 7 7 9 7 8 0 0 【1 4 】x i ek e m i n g ，n a nj i a n f e n g ，t yl i n an e wf a s t 比科- n e u r a lf e e d b a c ki n 9 绪论 印p l i c a t i o n t o t e m p e r a t u r e c o n t r 0 1 i n p m c o ft h e 1 4 i hw o r l d c o n g r e s s o f j i n t e r n a t i o n a lf e d e r a t i o no f a u t o m a t i c j c o n t m l ( i f a c 9 9 ) ，1 9 9 9 ，b e r i n g e r c h i n a ： 3 3 9 3 3 4 【15 s u n b o n gn i e ，dal i n k e n s l e a r n i n gc o n t r o lu s i n gf u z z i f i e ds e l f - o r g a n i z i n g r a d i a lb a s i sf u n c t i o nn e t w o r k i e e et r a n s f u z z ys y s t ，1 9 9 3 ，1 ( 4 ) ：2 8 1 2 8 7 1 6 e c o x a d a p t i v ef u z z ys y s t e m i e e es p e c t r u m j ，1 9 9 3 ，3 0 ( 2 ) ：2 7 - 3 1 【1 7 】胡谋“模糊逻辑- 神经网络及软计算”专题导引 j 】上海铁道大学学报，1 9 9 6 ， 1 7 ( 2 ) ：1 - 2 【1 8 】盛兴华，赵俊慧软计算及其新一代模糊控制器【j 】北方交通大学学报， 1 9 9 9 ，2 3 ( 2 ) ：1 5 - 1 8 【1 9 】杨斌基于神经网络的模糊控制四川大学学报，1 9 9 6 ，3 3 ( 2 ) ：1 6 5 1 6 9 2 0 1 张清华一种可调整模糊强度的f u z z y - p i d 控制器【j 】自动化与仪表， 2 0 0 0 ，1 5 ( 6 ) ：1 5 - 1 7 【2 1 】方开泰，潘恩沛聚类分析嗍中国地质出版社1 9 8 2 【2 2 】李晓忠模糊神经网络 m 贵州科学出版杜，1 9 9 1 【2 3 田盛丰，聚类分析方法，计算机研究与发展1 9 9 2 ，3 ：1 2 0 2 4 j 河清模糊聚类分析理论与应用研究进展模糊系统与数学1 9 9 8 ，2 ：8 9 9 4 f 2 5 】徐勇等一种基于自适应遗传算法的聚类分析方法系统过程与电子技术 1 9 9 7 ，9 ：3 9 4 3 【2 6 】钱峰，徐麟文知识发现中的聚类分析及其应用杭州师范学院学报 2 0 0 1 ，1 8 ( 1 ) ：3 4 - 3 7 1 2 7 l e w i sfl n e u r a ln e t w o r kc o n t r o lo fr o b o t m a n i p u l a t o r s i e e ee x p e r ti n t e l l s y s t t h e i r a p p l i c 1 9 9 6 1 1 ( 3 ) ：6 4 7 3 【2 8 b u c k l e ) , jj o nt h ee q u i v a l e n c eo fn e u r a ln e t sa n df u z z ye x p e r ts y s t e m s 1 0 太原理工大学硕士学往论文 一一 。 f u z z y s e t sa n ds y s t e m s ，1 9 9 3 ，5 3 ：1 2 9 1 3 4 【2 9 】c h i n t o n gl i n ，c sg e o r g el e e n e u r a l ，n e t w o r k _ b a s e df u z z y l o g i 。c o “i r 0 j a n dd e c i s i o ns y s t e m s i e e e t r a n so nc o m p u t e r s ，1 9 9 1 ，4 0 ( 1 2 ) ：1 3 2 0 - 1 3 3 6 3 0 1 h o r i k a w as ，e ta l ，o nf u z z ym o d e l l i n gu s i n gf u z z y n e u r a ln e t w o r k sw i t ht h e b a c k p r o p a g a t i o n a l g o r i t h m ，1 e e e t r a n so nn e u r a ln e t w o r k s - 19 9 2 ， 3 ( 5 ) ：8 0 l - 8 0 6 f 31 】s b a r b a r o - h o f e r , d n e u m e r k e l ，d a n d h u n tk n e u r a l c o n t r o lo fas t e e l r o l l i n g m i l l i e e ec o n t r o ls y s t e m ，1 9 9 3 + 1 3 ( 3 ) ：6 9 - 7 5 【3 2 】t o d dn e w t o nr a n dx uy a n g s h e n ，n e u r a ln e t w o r t ec o n t r o lo fas p a c e m a n i p u l a t o r i e e ec o n t r o ls y s t e m s1 9 9 3 ，1 3 ( 6 ) ：1 4 - 2 2 1 3 3 1a n t o n i om ；d e t a l af u z z yc l u s t e r i n g b a s e dr a p i dp r o t o t y p i n gf o rf u z z y r u l e b a s e dm o d e l i n g i e e et r a n s f u z z ys y s t e m ，1 9 9 7 ，2 ( 5 ) ：2 2 3 - - 2 2 9 3 4 】b a j c s yp , a h u j a n l o c a t i o na n d d e n s i t y - b a s e d h i e r a r c h i c a l c l u s t e r i n g u s i n g s i m i l a r i t ya n a l y s i s i e e et r a n s p a m i 1 9 9 8 ，2 0 ( 9 ) ：1 0 11 1 0 1 5 3 5 】b e n tc ，l i ux m al e a s tb i a s e df u z z yc l u s t e r i n gm e t h o d i e e et r a n s p a m i ， 19 9 2 ，16 ( 9 ) ：9 5 4 9 6 0 【3 6 】b e d e kjc n u m e r i c a lt a x o n o m yw i t hf u z z y s e t s j m a t h e m e s t i c a l b i o l o g y , 1 9 7 4 1 ：5 7 7 1 3 7 】b e z d e k jc c l u s t e rv a l i d i t yw i t hf u z z ys e t s j c y b e m i t ，1 9 7 4 ，3 ：5 8 7 2 【3 8 】b e d e k j c ，c a s t e l a zp fp r o t o t y p e c l a s s i f i c a t i o na n df e a t u r es e l e c t i o nw i t h f u z z ys e t s i e e et r a n s s m c 1 9 7 7 ，7 ( 2 ) ：8 7 9 5 【3 9 】p a lnr ，b e z d e kjc o nc l u s t e rv a l i d i t yf o rt h ef u z z yc m e a n sm o d e l i e e e f u z z ys y s t e m s ，1 9 9 53 4 0 】z h u a n g e x t e n s i o n st ot h ek - - m e a n sa l g o r i t h mf o rc l u s t e r i n gl a r g ed a t as e t s w i t h c a t e g o r i c a l v a l u e s d a t a m i n i n g a n d k n o w e d g ed i s c o v e r y , 1 9 9 8 , 绪埝 2 ：2 8 3 - 3 0 4 【4 1 】j cb e z d e k ，e t a l f u z z yk o h o n e nc l u s t e r i n gn e t w o r k s i e e et r a n s o nf u z z y s y s t e m 1 9 9 2 ：1 0 3 5 - 1 0 4 3 【4 2 jn r p a la n dj c b e z d e k o nc l u s t e rv a l i d i t yf o rt h ef u z z yc m e a n sm o d e l i e e et r a n s f u z z ys y s t e m s 1 9 9 5 ，3 ，3 ：3 7 0 - - 3 9 0 1 2 太原理工大学硕士学位论文 第二章基于神经网络的模糊控制 作为控制理论发展的高级阶段，智能控制的基本出发点是模拟人 的智能，实现对复杂不确定性系统的有效控制。模拟人的智能，主要 是从三个方面入手：一是模拟人的抽象( 逻辑) 思维：二是模拟人的 形象( 直觉) 思维；三是模拟人的灵感( 顿悟) 思维，所以模拟人的 模糊逻辑思维的模糊集合论，模拟人的大脑神经系统的结构和功能的 神经网络理论，以及模拟人的感知行动的进化论等就成为研究智能控 制理论的新学科基础的重要组成部分”j 。 2 1 模糊控制理论基础 2 1 1 模糊控制的产生和发展 1 9 6 5 年，z a d e h 教授发表了模糊集合论，提出用“隶属函数” 这个概念来描述现象差异的中间过渡，从而突破了古典集合论中属于 或不属于的绝对关系。这一开创性的工作，标志着一个新的数学分支 一一模糊数学的诞生i “。模糊数学一经出现就表现出强大的生命力和 渗透力，在广泛的领域内得到了很快的发展。在工业生产方面，自动 控制理论和模糊数学相结合形成了一门交叉学科一一模糊控制理论。 1 9 7 4 年英国伦敦大学的教授m a m d a n i 成功地把模糊理论用于锅炉和 蒸汽机的控制，这一开拓性的工作标志着模糊控制工程的诞生，随后 的发展基本上可分为两个阶段：初创时期、发展时期。 初创时期：在模糊控制的早期应用研究中，研究者大多数通过试 凑的方法总结控制规则以实现工业过程的模糊控制。模糊控制理论的 研究开始涉及模糊控制器的各个环节。1 9 7 6 年，t o n g 论述了用关联 1 3 基于神经网络的模糊控制 矩阵研究模糊控制的算法结构。k i c k e r t 等提出了模糊控制器的多值继 电器模型，试图用常规方法来分析和研究模糊控制系统，如稳定性等。 1 9 7 7 年，d w i l l a e y 提出了最优模糊控制的概念。此外在知识表述和 推理、控制器设计等问题上也取得了一些重要成果。 发展时期：进入上世纪8 0 年代，随着计算机技术的发展，模糊控 制研究进入了多模式发展的阶段，在理论上和实践上均取得了丰硕成 果。人们开始研究控制规则的自动提取问题。p r o c k y 和m a m d a n i 首先 提出了自学习( 或称语言自组织) 模糊控制器，该控制器在模糊控制 器的基础上，增加了三个功能模块，即性能测量、控制量校正和控制 规则修正模块，从而能够模仿人类的学习能力，按照预定的系统整体 性能，来获取和修正模糊规则。而后，自学习模糊控制器又有了新的 发展。近年来，为进一步解决隶属函数的调节和模糊控制规则的获取、 修正等问题，人们己开始将模糊控制与神经网络、遗传算法等软计算 技术相结合方法的研究工作，有望取得突破性进展【5 】。 2 1 2 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，其框图如图2 1 所示： 图2 - 1 模糊控制系统组成 f i g u r e 2 - 1t h ec o m p o s i n go f f u z z yc o n t r o 1 4 太原理工大学硕士学位论文 模糊控制系统一般可分为五个组成部分i l l ： ( 1 ) 模糊控制器自动控制系统中的核心部分，由于被控对象的不同， 以及对系统静态，动态特性的要求和所应用的控制规则各异，可以构 成各种类型的控制器，如在经典控制理论中，用运算放大器加上阻容 网络构成的p i d 控制器和由前馈、反馈环节构成的各种串、并联校正 器等。而在模糊控制理论中，则采用基于模糊控制知识表示和规则推 理的语言型“模糊控制器”，这也是模糊控制系统区别于其它自动控制 系统的特点所在。 ( 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 数字信号量，并将模糊控制器决策的输出信号经过数模转换，转换为 模拟信号，然后送给被控对象。在i o 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、生物的或其他各种状态转移过程。这 些被控对象可以是稳定的或模糊的、单变量的或多变量的、有滞后的 或无滞后的，也可以是线性的或非线性的、定常的或时变的，以及具 有强藕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被控制量转换为电信 号的一类装置。被控制量往往是非电量，如位移、速度、加速度、温 度、压力、流量、浓度、湿度等。传感器在模糊控制系统中占有十分 重要的地位，它的精度往往直接影响整个控制的精度，因此，在选择 基于神经网络的模糊控制 传感器时，应注意选择精度高且稳定性好的传感器。 2 1 3 模糊控制的基本原理 模糊控制是一类应用模糊集合理论，建立在模糊逻辑基础上的语 言控制。一方面，模糊控制提出了一种新的机制用于实现基于知识( 规 则) 甚至语义描述的控制规律。另一方面，模糊控制为非线性控制器提 出了一个比较容易的设计方法，尤其是当受控对象或过程含有不确定 性而且很难用常规非线性控制理论处理时，更是有效。模糊逻辑控制 的基本结构如图2 2 所示。 图2 - 2 模糊逻辑控制的一般结构 f i g u r e 2 - 2t h eg e n e r a ls t r u c t u r eo f f u z z yc o n t r o l 模糊控制的核心为模糊控制器，模糊控制器的核心为知识库，知 识库涉及到应用领域和控制目标等知识，由数据库和模糊控制规则库 组成。数据库为语言控制规则的论域离散化和隶属度函数提供必要的 定义：模糊控制规则库则是把领域专家在过程控制中的控制策略加以 总结而得到的若干条模糊条件语句的集合。 模糊控制器由计算机程序实现，其过程如下：微机经中断采样获 取被控制量的精确值，然后将此量与给定值比较得到偏差信号e ，同 时计算得到偏差信号的变化率c e ，一般选e 和c e 作为模糊控制器的 输入量。先将e 和c e 的精确量模糊量化成模糊量，得到e 和c e 模 1 6 太原理工大学硕士学位论文 糊语言集合的一个子集 巳；j 。再由i e , e 和模糊控制规则r 依据推理 的合成规则进行模糊决策，得到模糊控制量u 。为了对被控对象施加 精确的控制，还需要将模糊量u 转化为精确量，这也称为非模糊化处 理。得到了精确的数字控制量后，经数模变换转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。然后等待第二次采样，进行 第二步控制。这样循环下去，就实现了被控对象的模糊控制。上 述过程可以概括为以下四个步骤( 1 】： r、 ( 1 ) 根据本次采样得到系统的输出值，计算模糊控制器输入变量 e ，e lj r、 ( 2 ) 将 e ，p 的精确值变为模糊量 lj ( 3 ) 根据输入变量( 模糊量) 及模糊控制规则，按模糊推理规则合成计 算控制量( 模糊量) ( 4 ) 由上述的模糊量计算精确的控制量 本质上讲，模糊控制器是非线性p i d 控制器f 3 1 。一维模糊控制是 非线性p 控制；经典二维模糊控制器相当于交互影响的分片p d ( 或p 1 1 控制；三维模糊控制器相当于一个变增益p i d 控制器。速度型模糊控 制器以控制量增量为输出，相当于引入了积分作用。有助于消除静差， 在后面介绍的仿真实验中采用这种控制器。 2 1 4 模糊控制系统的优缺点和对它的改进 传统的自动控制，包括经典控制理论和现代控制理论都有一个共 同的特点，即控制器的综合设计都要建立在被控对象精确的数学模型 的基