模糊控制技术在点滴速度监控装置中的应用.doc

湖南工业大学本科生毕业设计第一章 绪论智能控制是当前国内外人工智能、自动化、计算机领域中的热门课题，受到了极其广泛的关注，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。目前，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、2、3、4。1.1 模糊控制理论的产生及发展概况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。例如，有些对象难以用一般的物理和化学方面的规律来描述，有的影响因素很多，而且相互之间又有交叉耦合，使其模型十分复杂，难于求解。还有一些生产过程缺乏适当的测试手段，或者测试装置不能进入被测试区域，致使无法建立过程的数学模型。像建材工业中生产中的回转窖，轻工生产中的造纸过程，食品工业生产中的各种发酵过程。还有为数众多的炉类，如炼钢的冶炼过程，退火炉温控过程，工业炉的燃烧过程等等。诸如此类过程的变量多，被控对象或过程具有非线性、时变性、强耦合、较大的随机干扰，过程机理错综复杂，被控对象的精确数学模型也难以建立，甚至是办不到的。这样一来，对于这类对象或过程就难以进行自动控制。虽然常规自适应控制技术可以解决一些问题，但范围是有限的。对于那些难以建立数学模型的复杂被控对象，采用传统的控制方法，包括基于现代控制理论的控制方法，往往不如一个有实践经验的操作人员所进行的手动控制效果好。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。人的经验信息通常是以自然语言的形式表达的，其特点是定性的描述，所以具有模糊性。由于这种特性使得人们无法用现有的定量控制理论对这些信息进行处理，需要探索出新的理论与方法。美国控制理论专家查德(L.A.Zadeh) 教授于1965年首先提出了模糊集合的概念，开创了模糊数学及其应用的新纪元。1973年，L.A.Zadeh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5、6、7。模糊集合理论的诞生，为处理客观世界中存在一类模糊性问题，提供了有力的工具。同时，也适应了自适应科学发展的迫切需要。正是在这种背景下，作为模糊数学一个重要应用分支的模糊控制理论便应运而生了。模糊理论在控制领域里的应用开始于1974年。英国科学家曼丹尼(Mamdani)首次将模糊理论应用于蒸汽机的控制系统中，开辟了模糊理论应用的新领域。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应用的例子。其中比较典型的有：热交换过程的控制、暖水工厂的控制，污水处理过程控制、交通路口控制、水泥窑的控制、飞船飞行控制、机器人控制、汽车速度控制、水质净化控制、电梯控制以及家电产品的控制9，并且生产出了专用的模糊芯片和模糊计算机。从1979年开始，我国也开展了模糊控制理论及其应用方面的研究工作11。至今，世界上研究“模糊”的学者已超过万人，发表的重要论文5000多篇，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。与知识工程和控制方面有关的研究有：模糊建模理论、模糊序列、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于人脑的智能信息处理系统，其发展前景十分诱人12。1.2 模糊控制的概念和特点 模糊控制(Fuzzy control)是指模糊理论在控制技术上的应用。它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。模糊控制技术适用于被控过程没有数学模型或很难建立数学模型的工业过程，这些参数变动，时变，呈现极强的非线性特征。模糊控制不需要精确的数学模型，是解决不确定性线系统控制的一种有效途径。与常规的控制系统相比较，模糊控制系统的主要特点是：模糊控制系统可以解决复杂系统的控制问题。当系统为多输入多输出、强非线性，时变及滞后系统时，系统的数学模型非常复杂或根本就不存在，不能用常规控制方法控制系统。模糊控制建立在对过程的语言型经验之上，不需要精确的数学模型10。模糊控制系统中的控制逻辑更加接近于人类思维。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。模糊控制系统中直接采用人类语言型控制规则，使得控制机理和控制策略易于理解和接受，设计简单，便于维护和推广。由于控制规律可以不断丰富和完善，加之克服了人类机体本身的不足，使得模糊控制器优于熟练工人的手动控制。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了模糊集概念和模糊联接，干扰和参数的变化对控制效果影响非常小13。1.3 模糊控制的进展和展望目前，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，使模糊理论的应用将越来越广泛。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遗传基因模糊技术，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，但目前模糊系统理论还有一些重要的理论课题还没有解决，其中两个重要的问题是：如何获得模糊规则及隶属函数问题以及如何保证模糊系统的稳定性。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) 适合于解决工程上普遍问题的稳定性分析方法、稳定性评价体系，控制器的鲁棒性分析，系统的可控性分析和可观测性分析。(2) 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。(3) 模糊控制在非线性复杂系统中的模糊建模、模糊规则的建立和推理算法的深入研究。(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) 常规模糊控制系统稳态性能的改善。(6) 模糊动态模型的辨识别方法。(7) 模糊预测系统的设计方法和提高计算速度的方法。(8) 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。(9) 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。(10) 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。(11) 简单、实用且具有模糊推理功能的模糊集成芯片和模糊控制装置、通用模糊控制系统的开发和推广应用。在短短的三十多年时间里，模糊控制得到长足的发展。它的应用领域涉及诸多方面，控制方法也有了很大进展，模糊控制器的性能不断提高。模糊控制系统易于接受，设计简单、维护方便，而且比常规控制系统稳定性好、鲁棒性高，使得模糊控制正得到越来越广泛的应用14、15。1.4 本课题的研究背景和意义1.4.1 研究背景本论文研究的内容是湖南科技大学校校内资助项目“输液速度自动测控系统的研制”的部分研究内容。输液是医院常用的医疗手段，它不仅是一种重要的给药途径，而且还是给患者补充体液、营养的重要方法。在输液过程中，输液速度是一个很重要的参数，决定输液速度的因素有以下几个方面：(1) 患者年龄：成年人输液速度常在40-60滴/分，小儿、老年人不宜超过20-40滴/分。(2) 患者病情：如果患者有心脏或肺部疾患，输液速度宜慢，一般为30-40滴/分。滴速过快可以加重心脏负荷。若患者脱水严重或失血过多引起休克，则要快速补液，以补充血容量。(3) 药物种类：不同的药物滴速要求也不一样,如高渗盐水、升压药物及某些有刺激性的药物如氯化钾、环丙沙星等输液速度宜慢；而治疗高颅压的甘露醇输液速度宜快,一瓶(250ml)一般要求在15-30分钟内滴完,否则就起不到降颅压的作用。(4) 综合因素：如果一位老年脑血管病患者需要输甘露醇，由于他的心脏功能不太好，就要权衡利弊，既要考虑让甘露醇更好发挥疗效，又要考虑患者心脏的耐受程度等情况。目前在我国的大、中、小型医院及下属社区卫生院、诊所等医疗机构进行输液治疗时，输液速度都是一个不精确的值。输液速度是护士通过转动输液器上的手动滑轮来控制液体流速的，这样不仅会影响预期治疗效果，而且在输液过程中，患者或陪护人员必需要时时监视剩余的药液，当药液输完，要由护士及时更换储液瓶或者拔除针头，否则会造成静脉回血，这是很危险的；有些药物在给药时对给药速度和剂量有特殊要求，并且还需不断调整，这些调整又须很仔细且很烦琐；输液异常、输液结束也不易被及时发现。这些因素不仅是病人生命财产的隐患，也是造成医务人员工作量大、工作压力重的重要来源。1.4.2 研究意义人工调整滴流速度不够准确和方便，而且值班护士需不断巡视全病区的输液情况，工作量很大。目前医院已经在使用的输液泵是解决输液速度的一种有效方法，但它机器成本和耗材成本太高，只适用于急救和重症情况。为了提高医疗设备的自动化水平，给护士输液工作提供方便，给输液病人提供可靠的安全保证。因此本论文本着实用、可靠、操作方便、节约劳力、降低劳动强度、提高操作准确性的原则，提出一种基于红外检测技术、微机技术、计算机网络技术和智能模糊控制技术，组成一个分布式的主从局域测控网络，实现对点滴速度自动检测和调节，并监视剩余药液的解决方案。输液速度自动测控系统可以实时监测每个病床病人的输液情况，并对输液中的异常情况（如针头堵塞、药液滴完等）发出报警；还可以根据护士设定参数，自动精确调节和监测输液速度；输液速度可以通过通讯线路传输到护士站，医护人员的控制操作也可在护士站遥控进行，做到既安全又省心，把医护人员彻底从烦琐的劳动中解放出来。这种既具有自动控制又具有遥测遥控并且价廉的输液监测系统性能稳定，成本低廉，使用简便、易操作，适合于临床普及，具有较高的实用价值和较高的社会、经济效益。1.5 本课题的技术要求 本课题的要求是研究与开发一个基于主从测控网络(要求有32个从站)的有线输液速度自动测控系统。1、总体要求(1) 要求系统能够满足医院的某一病理科所有住院输液病人输液速度的监视、调节和对储液瓶中剩余的药液进行监视。(2) 输液速度能在5120(滴/分)范围内连续可调，稳态误差不超过1滴。(3) 输液速度可以传输到护士站，医护人员的控制操作可在护士站遥控进行。(4) 系统必须具有高度可靠性，操作简单、方便。成本低廉，适合于临床普及。(5) 能实时存储和记录系统运行时的现场数据。2、从站功能(1) 输液速度控制：如图1.1所示，通过步进电机拖动改变滴斗至受液瓶底的高度h2来调节输液点滴速度。(2) 输液速度检测：在滴斗处检测点滴速度，能实现点滴速度（滴/分）的动态显示。(3) 输滴速度可用键盘设定并显示，设定范围为5-120(滴/分)，控制误差范围为设定值1滴。调整时间不超过1分钟（从改变设定值起到输液滴速度基本稳定，能人工读出数据为止）。(4) 当储液瓶液位高度h1降低到警戒值（2-3cm）时，能发出报警信号。(5) 能向主机输出本从站号、输液速度、报警信号和病人请求服务信号。(6) 接收主机设定的输液速度信息并显示。(7) 对异常情况(如针头堵塞、药液滴完等)进行可靠的报警。3、主站功能： (1) 具有定点和巡回检测从机工作状况两种工作方式。(2) 可显示从站传输过来的从站号、从站输液速度和报警信号等信息。(3) 在巡回检测时，主站能任意设定要查询的从站数量、从站号、输液速度和报警信号。 (4) 收到从站发来的报警信号后，能声光报警并显示相应的从站号；可用手动方式解除报警状态。1.6 本论文的组织与结构第一章 绪论 本章介绍了模糊控制理论的产生、发展和模糊控制的概念和特点。叙述了近年来，国内外模糊控制技术的进展，展望了今后一段时间模糊控制技术的发展。第二章 模糊控制系统的原理、设计与性能分析 这一章详细论述了模糊控制系统组成、基本原理和基本模糊控制器的设计方法。第三章 模糊控制系统稳态性能的改善 本章讨论了复合模糊控制和自调整规则因子自适应模糊控制器的设计方法，使模糊控制器具有自学习、自适应能力。仿真分析表明这些方法都能有效的改善模糊控制系统的稳态性能，显著的提高控制质量。第四章 模糊控制技术在智能输液系统中的应用 本章研究了系统参数的采集与处理、步进电机的驱动与系统液位报警、模糊控制算法、PID控制算法在系统中的实现，最后给出了基于RS-485总线串行通信的输液速度主从分布式自动测控网络的软、硬件设计方案。第2章 模糊控制系统的原理、设计与性能分析二十世纪七十年代Zandeh教授提出模糊集合的概念，由此开创了模糊数学及应用的新纪元22。模糊控制是模糊集合理论应用中的一个重要方面，是以模糊集合化、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制。从线性控制与非线性控制的角度分类，模糊控制是一种非线性控制；从控制器的智能性看，模糊控制属于智能控制的范畴，本章论述模糊控制系统的组成、模糊控制的基本原理和基本模糊控制器的设计。2.1 模糊控制系统的组成和原理2.1.1 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似于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。2.1.2 模糊控制的基本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: (2.1)(2.1)式中u为一个模糊量。执行机构传感器被控对象精确量模糊控制器逆模糊化模糊化D规则库模糊推理模糊量精确量-+给定值 图2.2 模糊控制原理框图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)。得到了精确的数字控制量后，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。综上所述，模糊控制算法可概括为以下四个步骤：(1) 根据本次采样得到的系统的输出值，计算所选择的系统的输入变量。(2) 将输入变量的精确值变为模糊量。(3) 根据输入变量(模糊量)和模糊控制规则，按模糊推理合成模糊控制规则计算控制量(模糊量)。2.2 模糊控制系统设计和分析2.2.1 模糊控制器的结构设计模糊控制器的结构设计是指确定模糊控制器的输入变量和输出变量。在确定性自动控制系统中，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。单输入单输出模糊控制器的几种结构形式如图2.3所示。一般情况下，一维模糊模糊控制器模糊控制器ECCE(b) 二维模糊控制器模糊控制器CE(a) 一维模糊控制器(C) 三维模糊控制器图2.3 模糊控制器的结构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10。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，则以控制量的增量(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。2.2.2 基本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。2.2.2.1 模糊化模糊化就是通过在输入论域上定义语言变量，来将精确的输入值转换为模糊的语言值。模糊化接口的设计步骤： （1）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）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。（3）定义各语言变量的语言值。通常E和EC的取值为“正大”，“正中”，“正小”，“零”，“负小”，“负中”，“负大”=PB，PM，PS，ZO，NS，NM，NB；（4）各语言变量的论域上定义其语言值的隶属函数。通常隶属函数的形状取正态分布函数。例如高斯基函数其中，ai为函数的中心值，bi为函数的宽度。假设与PB，PM，PS，ZO，NS，NM，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。隶属函图2.4 模糊控制器的隶属函数分布数的形状和分布如图2.4所示。这样，输入的精确值就转换为语言值了16。2.2.2.2 规则库 规则库由若干条控制规则组成，这些控制规则根据人类控制专家的经验总结得出，按照IF is AND is THEN is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 A1 AND EC is B1 THEN U is C1R2: IF E is A2 AND EC is B2 THEN U is C2 Rn: IF E is An AND EC is Bn THEN U is Cn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。Ai、Bi、Ci是第i条规则中与E、EC、U对应的语言值17。2.2.2.3 模糊推理 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种方法，其中最常用的是Mamdani的max-min合成法，具体说明如下18、19、21：第i条控制规则, Ri: IF E is Ai AND EC is Bi THEN U is Ci,其中， Ai、Bi、Ci为论域X、Y、Z上的语言值，该规则蕴涵的模糊关系为：全部模糊规则所对应的模糊关系，用取并的方法得到，即：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： 2.2.2.4 逆模糊化 由模糊推理得到控制量的语言值后，要经过逆模糊化操作将其转换为执行机构能够接受的精确值。 逆模糊化就是根据一定的算法将模糊推理得到的模糊输出转化为可以直接控制对象的精确输出。去模糊化的算法很多，最常用的是隶属度函数加权平均判决法，即 输出u在作用于执行机构之前，应将其论域Z转换为执行机构所能接受的范围。2.2.2.5 模糊控制查询表经过模糊化、模糊推理和逆模糊化，对于一组输入（e, ec）,可以得到控制器的输出u。我们可以离线计算出所有（e,ec）组合对应的u，得到一个模糊控制查询表，假设模糊控制规则总结如表2.1所示。表2.1 模糊控制规则表 ECUENBNMNSZOPSPMPBNBNBNBNBNBNMZOZONMNBNBNBNBNMZOZONSNMNMNMNMZOPSPSZONMNMNSZOPSPMPMPSNSNSZOPMPMPMPMPMZOZOPMPBPBPBPBPBZOZOPMPBPBPBPB则对于e,ec的每种可能取值，经过模糊化、推理和逆模糊化后，可得到模糊控制查询表如下：表2.2 模糊控制查询表EC U E-6-5-4-3-2-10123456-6-5-5-5-5-5-5-5-4-3-2000-5-5-5-5-5-5-5-5-4-3-2000-4-5-5-5-5-5-5-5-3-3-2000-3-4-4-4-4-4-4-4-3-2-1111-2-4-4-4-4-4-4-4-2-10222-1-4-4-4-3-3-3-3-1223330-4-4-4-3-3-101334441-3-3-3-2-2133334442-2-2001234444443-1-101234444444400123455555555001234555555560012345555555该表被存储于计算机中，在线运行时根据e,ec的实测值，查表就可以得到控制输出u。综上所述，模糊控制器设计的步骤可以概括为： （1）确定模糊控制器的输入变量和输出变量；（2）确定输入、输出的论域；（3）总结模糊控制规则；（4）选择推理算法；（5）确立模糊化和逆模糊化的方法；2.2.3 隶属函数对系统控制性能的影响研究结果表明，某一模糊变量的模糊子集的隶属函数曲线的形状不同会导致不同的控制特性。隶属函数曲线形状较尖的模糊子集其分辨率较高，控制灵敏度也较高。相反，隶属函数曲线形状较缓，控制特性也较平缓，系统稳定性较好。因此，在选择模糊变量的模糊集的隶属函数时，在误差较大的区域采用低分辨率的模糊集，在误差较小的区域采用较高的分辨率的模糊集，当误差接近于零时，选用高分辨率的模糊集。从自动控制的角度，希望一个控制系统在要求的范围内都能够很好的实现控制。模糊控制系统设计时也要考虑这个问题。因此，在选择描述某一模糊变量的各个模糊子集时，要使它们在论域上的分布合理，即它们应该较好的覆盖整个论域。在定义这些模糊子集时，要注意使论域中任何一点对这些模糊子集的隶属度的最大值不能太小，否则会在这样的点附近出现不灵敏区，以至造成失控，使模糊控制系统控制性能变坏。适当的增加各模糊变量的模糊子集论域中的元素个数，如一般论域中的元素个数的选择均不低于13个，而模糊子集总数通常选7个，当论域中元素总数为模糊子集总数二至三倍时，模糊子集对论域的覆盖程度较好。此外，各模糊子集之间相互也有影响，如图2.5所示，1及2分别为两种情况下两个模糊子集A和B的交集的最大隶属度，显然1小于2，可用值大小来描述两个模糊子集之间的影响程度，当值较小时控制灵敏度较高，而当值较大时模糊控制器鲁棒性较好，即控制器具有较好的适应对象特性参数变化能力。值取得过小或过大都是不利的，一般选取值为0.4-0.8。值过大时会造成两个子集难以区分，使控制的灵敏度显著降低21。2(b)01B(x)A(x)x(x)(a)01B(x)A(x)1x(x)图2.5 两个隶属函数曲线的重迭(相交)程度2.2.4 论域、量化因子和比例因子对系统控制性能的影响2.2.4.1 论域及基本论域 模糊控制器的输入变量误差及误差变化的实际范围称为这些变量的基本论域。设误差的基本论域为-xe,+xe,误差变化的基本论域为-xec,+xec，被控对象实际要求的变化范围为模糊控制器输出变量(控制量)的基本论域，设其为-yu,+yu。误差变量所取的模糊子集的论域为：-n,-n+1,0,n-1,n误差变化变量所取的模糊子集的论域为：-m,-m+1,0,m-1,m控制量所取的模糊子集的论域为：-p,-p+1,0,p-1,p有关论域的选择问题，一般选择误差论域的n6，选误差变化论域的m6，控制量的论域p7。这是因为语言变量的词集多半选为七个或八个，这样能满足模糊集合论域中所含元素个数为模糊语言词集总数的两倍以上，确保模糊集能较好的覆盖论域，避免出现失控现象。从理论上讲，增加论域中元素个数，即把等级细分，可提高控制精度，但这受到计算机字长的限制，另外也要增大计算量。2.2.4.2 量化因子及比例因子为了进行模糊处理，必须将输入变量从基本论域转换到相应的模糊集的论域，这中间须将输入变量乘以相应的量化因子。量化因子一般用K表示，误差的量化因子Ke,及误差变化的量化因子Kec分别由下面两个公式来确定，即Ke=n/xe (2.2) Kec=m/xec (2.3)在模糊控制器实际工作过程中，一般误差和误差变化的基本论域选择范围要比模糊论域选择范围小的多，所以，量化因子一般都远大于1，如Ke=10，Kec=150。此外，每次采样经模糊控制算法给出的控制量(精确量)还不能直接控制对象，必须将其转换到为控制对象所能接受的基本论域中去。输出控制量的比例因子由下式确定，即：Ku=yu/p (2.4)由于控制量的基本论域为一连续的实数域，所以，从控制量的模糊集论域到基本论域的变换，可以利用式(2.5)计算，即：yui=Kupj (2.5)式中pj为控制量模糊集论域中的任一元素或为控制量的模糊集所判决得到的确切控制量，yui为控制量基本论域中的一个精确量，Ku为比例因子。量化因子和比例因子都是考虑两个论域变换而引出的，但对于输入变量而言的量化因子确实具有量化效应，而对输出而言的比例因子只起比例作用。2.2.4.3 量化因子及比例因子对系统控制性能的影响设计一个模糊控制器除了要有一个好的模糊控制规则外，合理的选择模糊控制器输入变量的量化因子和输出控制量的比例因子也是非常重要的。实验结果表明，量化因子和比例因子的大小及其不同量化因子之间大小的相对关系，对模糊控制器的控制性能影响极大。量化因子Ke及Kec的大小对控制系统的动态性能影响很大。Ke选得较大时，系统的超调也较大，过渡过程长。因为从理论上讲，Ke增大，相当于缩小了误差的基本论域，增大了误差变量的控制作用，虽然能使上升时间变短，但由于超调过大，使得系统的过渡过程变长。 Kec选择越大系统超调越小，但系统的响应速度变慢。Kec对超调的遏制作用十分明显。表2.3给出了一组误差量化因子改变时，某单输入单输出模糊控制系统的阶跃响应情况(其中误差变化因子=150保持不变)。对于同一模糊控制系统(被控对象不变)，在保持误差量化因子Ke=12的情况下，改变误差变化的量化因子Kec，系统响应应如表2.4所示。 表2.3 Kec不变Ke变化对控制性能的影响序号量化因子Ke超调量/%响应时间ts/s12345121520306001.03.94.65.36.256.758.75910 表2.4 Ke不变Kec变化对控制性能的影响序号量化因子Kec超调量/%响应时间ts/s12346775851501198.308.758.2586.25量化因子Ke和Kec的大小意味着对输入变量和误差变化的不同加权程度，Ke和Kec两者之间也相互影响，在选择量化因子时要充分考虑到这一点。输出比例因子Ku作为模糊控制器的总的增益，它的大小影响着控制器的输出，也影响着模糊控制系统的特性。Ku选择过小会使系统动态响应过程变长，而Ku选择过大会导致系统振荡加剧。通过调整Ku可以改变对被控对象输入控制量的大小。量化因子和比例因子的选择并不是惟一的，可能有几组不同的值，都能使系统获得较好的响应特性。对于比较复杂的被控过程，有时采用一组固定的量化因子和比例因子难以收到预期的控制效果，可以在控制过程中采用改变量化因子和比例因子的方法，来调整整个控制过程中不同阶段上的控制特性，使其对复杂过程控制收到良好的控制效果。这种形式的控制器称为自调整比例因子模糊控制器10。2.2.5 模糊控制规则的选取控制规则的设计是设计模糊控制器的关键，一般包括三部分设计内容：选择描述输入输出变量的词集，定义各模糊变量的模糊子集及建立模糊控制器的控制规则。2.2.5.1 择描述输入输出变量的词集模糊控制器的控制规则表现为一组模糊条件语句，在条件语句中描述输入输出变量状态的一些词汇(如“正大”、“负小”等)的集合，称为这些变量的词集(也称为变量的模糊状态)。日常生活中，一般来说，人们总是习惯于把事物分为三个等级，如事物的大小可分为大、中、小；运动的速度可分为快、中、慢；人的身高可分为高、中、矮。所以，一般都选用“大、中、小”三个词汇来描述模糊控制器的输入、输出变量的状态。由于人的行为在正、负两个方向的判断基本上是对称的，将大、中、小再加上正、负两个方向并考虑变量的零状态，共有七个词汇，即：负大，负中，负小，零，正小，正中，正大一般用英文头缩写为：NB,NM,NS,O,PS,PM,PB选择较多的词汇描述输入、输出变量，可以使制定控制规则方便，但是控制规则相应变得复杂。选择词汇过少，使得描述变得粗糙，导致控制器的性能变坏。一般情况下，都选择上述七个词汇，但也可以根据实际系统需要选择三个或五个语言变量。2.2.5.2 义模糊变量的模糊子集定义一个模糊子集，实际上就是要确定模糊子集隶属函数曲线的形状。将确定的隶属函数曲线离散化，就得到了有限个点上的隶属度，便构成了一个相应的模糊变量的模糊子集。2.2.5.3 立模糊控制器的控制规则模糊控制器的控制规则是基于手动控制策略，而手动控制策略又是人们通过学习、实验以及长期积累而逐渐形成的，存贮在操作者头脑中的一种技术知识集合。手动控制过程一般是通过对被控对象的一些观测，操作者再根据已有的经验和技术知识，进行综合分析并做出控制决策，调整加到被控对象的控制作用，从而使系统达到预期的目标。手动控制的作用同自动控制系统中的控制器的作用是基本相同的，所不同的是手动控制决策是基于操作经验和技术知识，而控制器的控制决策是基于某种控制算法为数值运算。利用模糊集合理论和语言变量的概念，可以把用语言归纳的手动控制策略上升为数值运算，于是可以采用微机完成这个任务，从而代替人的手动控制，实现所谓的模糊自动控制。 利用语言归纳手动控制策略的过程，实际上就是建立模糊控制器的控制规则的过程。手动控制策略一般都可以用条件语句加以描述，有关条件语句的知识已经在前面介绍过，下面以手动操作控制水温为例，总结一下手动控制策略，从而给出一类模糊控制规则。设温度的误差为E、温度的误差的变化为EC，热水流量的变化为U。假设选取E及U的语言变量的词集均为： NB,NM,NS,ZO，PS,PM,PB选取EC的语言变量词集为：NB,NM,NS,O,PS,PM,PB现将操作者在操作过程中遇到的各种可能出现的情况和相应的控制策略汇总为表2.2。建立模糊控制规则表的基本思想是：首先考虑误差为负的情况，当误差为负大时，若当误差变化为负，这时误差有增大的趋势，为尽快消除已经有的负大误差并且抑制误差变大，所以控制量的变化取正大。当误差为负而误差变化为正时，系统本身已有减少误差的趋势，所以，为尽快消除误差且又不超调，应取较小的控制量。当误差为负大而误差变化为正小时，控制量的变化取为正中，若误差变化为正大或正中时，控制量不宜增加，否则造成超调会产生正误差，因此，这里控制量变化取为0等级。当误差为负中时，控制量的变化应该使误差尽快消除，基于这种原则，控制量的变化选取同误差为负大时相同。当误差为负小时，系统接近稳态，若误差变化为负时，选取控制量变化为正中，以抑制误差往负方向变化；若误差变化为正时，系统本身有消除负小的误差的趋势，选取控制量变化为正小。上述选取控制量变化的原则是：当误差大或较大时，选择控制量以尽快消除误差为主；而当误差较小时，选择控制量要注意防止超调，以系统的稳定性为主要出发点。2.2.6 出控制量解模糊方法分析模糊控制器的输出是一个模糊集，它包含控制量的各种信息。但被控对象仅能接受一个精确的控制量，应从中选择哪一个控制量施加到被对象中去，必须进行模糊判决(模糊决策)，把模糊量转化精确量。把模糊量转化为精确量的过程称为清晰化，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。2.2.6.1 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=u1,u2,um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决结果，应满足： U()U(),U 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，即有最大点共p个，则取,中点(+)/2作为判决结果。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：U1=0/-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+0.7/4+1/5+0.7/6+0.2/7U2=0.3/0+1/1+1/2+0.8/3+0.4/4+0.2/5在U1中应用模糊判决的最大隶属度原则可得+5为判决输出。在U2中有两个，即它们分别对应于元素1和2，则取=(1+2)/2=1.5。2.2.6.2 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输出，即应满足： (2.6)例如在前面所举的输出模糊集U1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： =0.3/0.7=0.43因此=+3+0.43=+3.43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。2.2.6.3 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ki(i=1,2,m)已确定时，模糊量的判决输出可由下式给出： (2.7)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： (2.8)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。2.2.7 采样时间的选择模糊控制属于计算机控制的一种类型，合理选择采样时间对模糊控制来说也是一个很重要的问题。香农采样定理给出了选择采样周期的上限，即：T (2.9)式中max为采样信号的上限角频率。在此范围内，采样周期越小，就越接近连续控制。但选择采样时间还要综合考虑各方面因素，如：从执行机构来看，有时要求输出信号保持一定的时间，因为执行机构本身有个响应过程，从这一点来看，采样时间必须大于执行机构的响应时间；从控制系统随动以及抗干扰的性能要求方面看，希望采样时间短些为好；从计算机计算精度来看，采样周期的选择还与计算机字长有关，为了保持相同的计算精度，对于较小的采样时间，则需要较长的计算字长，或者说，至少在最低有效位上反映出信息的变化。从计算机控制算法所需要的时间来看，在一个采样周期内，必须完成一个控制步的计算量，用汇编语言编制的应用程序执行起来要比一般高级语言快得多，因此如用一般高级语言编程，采样时间不能太小；从上面分析可以看出，各方面因素对采样时间的要求是不同的，甚至是相矛盾的。在模糊控制系统中，其输入变量为误差和误差变化率，而这两个变量又是通过两次采样间隔等到的。因此，为了获得较精细的控制规律，应使误差变化的值较大，从这一点来看，采样周期不能太短。但从一次响应过程中控制作用的次数来看，一般不能低于五次，否则会控制不精细。因此，在模糊控制系统中选择采样时间受到误差变化最大值与一次响应过程中控制作用次数两方面的制约，在实际控制系统设计中，选择采样时间要综合考虑各方面因素进行折衷考虑。在系统调试过程中，通过对不同采样时间进行实验，从中确定本系统的最佳采样时间。或者根据系统动态特性的需要采用变采样时间的方法，用以改善控制系统的性能10。2.3 小结本章介绍了模糊控制系统的组成、原理和基本模糊控制器的设计，并讨论了隶属函数、论域、量化因子和比例因子对模糊控制性能的影响。第3章 模糊控制系统稳态性能的改善在上一章，我们详细论述了基本模糊控制器的设计及特性，本章提出几种改进的模糊控制器的设计方法，使得模糊控制能有效的消除系统的静态误差、具备自学习、自适应的能力，以显著的提高控制