微机控制论文 模糊控制

模糊控制模糊控制 科技名词定义 中文名称 模糊控制 英文名称 fuzzy control 定义 利用模糊数学的基本思想和理论的控制方法 所属学科 机械工程 一级学科 传动 二级学科 电气传动 三级学科 模糊控制 利用模糊数学的基本思想和理论的控制方法 在传统的控制领域里 控制系统动态模式的 精确与否是影响控制优劣的最主要关键 系统动态的信息越详细 则越能达到精确控制的 目的 然而 对于复杂的系统 由于变量太多 往往难以正确的描述系统的动态 于是工 程师便利用各种方法来简化系统动态 以达成控制的目的 但却不尽理想 换言之 传统 的控制理论对于明确系统有强而有力的控制能力 但对于过于复杂或难以精确描述的系统 则显得无能为力了 因此便尝试着以模糊数学来处理这些控制问题 自从 Zadeh 发展出模糊数学之后 对于不明确系统的控制有极大的贡献 自七 年代 以后 便有一些实用的模糊控制器相继的完成 使得我们在控制领域中又向前迈进了一大 步 在此将对模糊控制理论做一番浅介 1 11 1 概念概念 一般控制系统包含了五个主要部分 即 定义变量 模糊化 知识库 逻辑判断及反模 糊化 底下将就每一部分做简单的说明 1 1 定义变量定义变量 也就是决定程序被观察的状况及考虑控制的动作 例如在一般控制问题上 输入变量 有输出误差 E 与输出误差之变化率 CE 而控制变量则为下一个状态之输入 U 其中 E CE U 统称为模糊变量 2 2 模糊化 模糊化 fuzzifyfuzzify 将输入值以适当的比例转换到论域的数值 利用口语化变量来描述测量物理量的过程 依适合的语言值 linguisitc value 求该值相对之隶属度 此口语化变量我们称之为模糊子 集合 fuzzy subsets 3 3 知识库知识库 包括数据库 data base 与规则库 rule base 两部分 其中数据库是提供处理模糊数 据之相关定义 而规则库则藉由一群语言控制规则描述控制目标和策略 4 4 逻辑判断逻辑判断 模仿人类下判断时的模糊概念 运用模糊逻辑和模糊推论法进行推论 而得到模糊控 制讯号 此部分是模糊控制器的精髓所在 5 5 解模糊化 解模糊化 defuzzifydefuzzify 将推论所得到的模糊值转换为明确的控制讯号 做为系统的输入值 1 21 2 变量选择与论域分割变量选择与论域分割 1 2 11 2 1 变量选择变量选择 控制变量的选择要能够具有系统特性 而控制变量选择是否正确 对系统的性能将有 很大的影响 例如做位置控制时 系统输出与设定值的误差量即可当做模糊控制器的输入 变量 一般而言 可选用系统输出 输出变化量 输出误差 输出误差变化量及输出误差 量总和等 做为模糊控制器的语言变量 而如何选择则有赖工程师对于系统的了解和专业 知识而定 因此 经验和工程知识在选择控制变量时占有相当重要的角色 1 2 21 2 2 论域分割论域分割 当控制变量确定之后 接下来就是根据经验写出控制规则 但是在做成模糊控制规则 之前 首先必需对模糊控制器的输入和输出变量空间做模糊分割 例如当输入空间只有单 一变量时 可以用三个或五个模糊集合对空间做模糊分割 划分成三个或五个区域 当输 入空间为二元变量时 如采用四条模糊控制规则 可以将空间分成四个区域 模糊分割即 对部分空间表为模糊状态 图中斜线部分即为对明确的领域 模糊分割时各领域间重叠的程度大大地影响控制的性能 一般而言 模集合重叠的程 度并没有明确的决定方法 目前大都依靠模拟和实验的调整决定分割方式 不过最近有些 报告提出大约 3 1 2 最为理想 重叠的部份意味着模糊控制规则间模糊的程度 因此模 糊分割是模糊控制的重要特征 1 31 3 隶属度函数的型式隶属度函数的型式 Mamdani 教授最初所用的模糊变量分为连续型和离散型两种型式 因此隶属度函数的 型式也可以分为连续型与离散型两种 由于语言变量及相对应隶属度函数的选择 将造成 多不同的模糊控制器架构 因此 底下将对各隶属度函数的型式加以介绍 连续型隶属度函数连续型隶属度函数 模糊控制器中常见的连续型隶属度函数有下列三种 吊钟形 如图 3 3 a 所示 其隶属度函数可表示如下 三角形 如图 3 3 b 所示 其隶属度函数可表示如下 梯形 如图 3 3 所示 其隶属度函数之表示法和三角形相类似 在式中参数 为隶属度函数中隶属度为 时的 值 参数 W 为隶属度函数涵盖论域宽 窄的程度 而图中 NB NM NS ZO PS PM PB 等是论域中模糊集合的标记 其意义如下所示 NB 负方向大的偏差 Negative Big NM 负方向中的偏差 Negative Medium NS 负方向小的偏差 Negative Small ZO 近于零的偏差 Zero PS 正方向小的偏差 Positive Small PM 正方向中的偏差 Positive Medium PB 正方向大的偏差 Positive Big 图上将模糊集合之全集合加以正规化为区间 1 1 在模糊控制上 使用标准化的模 糊变量 其全集也常正规化 这时之正规化常数 亦称为增益常数 也是在设计模糊控制 器时必须决定的重要参数 离散型隶属度函数离散型隶属度函数 Mamdani 教授除了使用连续型之外 另外也使用了全集合由 个元素所构成的离 散合 而且模糊集合之隶属度均以整数表示 这是由于用微处理机计算时使用整数比用 0 1 的小数更方便 如表 3 1 所示 模糊控制理论发展之初 大都采用吊钟形的隶属度函数 但近几年几乎都已改用三角 形的隶属度函数 这是由于三角形计算上比较简单 且在性能上正与吊钟形几乎没有差别 的缘故 1 1 4 4 模糊控制规则模糊控制规则 控制规则是模糊控制器的核心 规则的正确与否直接影响控制器的性能 而规则数目 的多寡也是一个重要因素 因此底下将对控制规则做进一步的探讨 1 4 1 4 1 1 模控制规则的来源模控制规则的来源 模糊控制规则的取得方式 专家的经验和知识 前面曾经提到模糊控制也称为控制上的专家系统 专家的经验和知识是设计上有余力 的线索 人类日常生活常中判断事情时 使用语言定性分析多于数值定量分析 而模糊控 制规则提供了一个自然的架构来描述人类的行为及决策分析 并且专家的知识通常可用 if then 的型式来表示 藉由询问经验丰富的专家 在获得系统的知识后 将知识改为 if then 的型式 则如 此便可构成模糊控制规则 为了获得最佳的系统性能 常需多次使用试误法 以修正模糊 控制规则 操作员的操作模式 现在流行的专家系统 其想法只考虑知识的获得 专家巧妙地操作复杂的控制对象 但要将专家的诀窍加以逻辑化并不容易 因此 在控制上也要考虑技巧的获得 在许多工 业系统无法以一般的控制理论做正确的控制 但是熟练的操员在没有数学模式下 也能够 成功地控制这些系统 因此 记录操作员的操作模式 并将其整理为 if then 的型式 可 构成一组控制规则 学习 为了改善模糊控制器的性能 必须让它有自我学习或自我组织的能力 得模糊控制器 能依设定的目标 增加或修改模糊控制规则 1 4 21 4 2 模糊控制规则的型式模糊控制规则的型式 模糊控制规则的型式主要可分为二种 状态评估模糊控制规则 状态评估 state evaluation 模糊控制规则为类似人类的直觉思考 所以大多数的模糊 控制器都使用这种模糊控制规则 其型式如下 Ri if x1 is Ai1 and x2 is Ai2 and xn is Ain then y is Ci 其中 x1 x2 xn 及 y 为语言变量或称为模糊变量 代表系统的态变量和 控制变量 Ai1 Ai2 Ain 及 Ci 为语言值 代表论域中的模糊集合 其次还有另一种表示 法 是将后件部改为系统状态变量的函数 其型式如下 Ri if x1 is Ai1 and x2 is Ai2 and xn is Ain then y f x1 x2 xn 2 目标评估模糊控制规则 目标评估 object evaluation 模糊控制规则能够评估控制目标 并且预测未来控制信 号 其型式如下 Ri if U is Ci x is A1 and y is B1 then U is Ci 1 4 3 决定模糊控制规则的流程 实际应用模糊控制时 最初的问题是控制器的设计 即如何设计模糊控制法则 但到 目前为止尚未有像传统的控制理论一样 能借由一套发展完整的理论推导来设计 其设计 概念将于此简单介绍 图 3 4 所示为单输入和单输出之定值控制的时间响应图 若使用状态评估模糊控制规 则的型式 前件部变量为输出的误差 E 和在一取样周期内 E 的变化量 CE 后件部变量为 控制器输出量 U 之变化量 CU 则误差 误差变化量及控制输出变化量之表示为 其中 E 表误差 R 表设定值 Y 表系统输出 U 表控制输出 下标 n 表在时刻 n 时的 状态 由此可知 误差变化量 CE 是随输出 Y 的斜率的符号变号 当输出上升时 CE0 本文所设计的模糊控制器之输出输入关系为 E CE CU 在一般控制的计算法上称为速度型 这是由于其输出为 U 对时间的微分 相当于速度 的 CU 在构造上也可采用以 U 为后件部变量的位置型 但前件部变量必需改用 E 的积分 值 由于由 E 与 CE 推论 CU 的构造 其中 CU 与 E 的关系恰巧相当于积分关系 U t Ki E t dt 而 CU 与 CE 的关系相当于比例关系 U t KpE t 的缘故 所以又称为 Fuzzy PI 控制 设计模糊控制规则时 是在所设想对控制对象各阶段之反应 记述采取那一种控制比 较好 首先选择各阶段的特征点 记录在模糊控制规则的前件部 然后思考在该点采取的 动作 记录在模糊控制规则的后件部 例如在图 3 6 中 在第一循环之 点附近 误差 为正且大 但误差变化量几乎是零 可以记为 E is PB and CE is ZO 在此点附近需要很大 的控制输出 记为 CU is PB 同样地 对于 点 点 点等的附近 可分别得 到如下的控制规则 a1 If E is PB and CE is ZO then CU is PB b1 If E is ZO and CE ix NB then XU is NB 1 If E is NB and CE is ZO then CU is NB 1 If E is ZO and CE is PB then CU is PB 在第二循环之 等之附近 其 E 和 CE 的 绝对值比 点中之值相对减少 所以其 CU 值 相对地也较小 其控制规则如下 If E is PM and CE is ZO then CU is PM If E is ZO and CE is NM then CU is NM 1 51 5 模糊推论及解模糊化模糊推论及解模糊化 1 5 11 5 1 模糊推论模糊推论 模糊控制理论发展至今 模糊推论的方法大致可分为三种 第一种推论法是依据模糊 关系的合成法则 第二种推论法是依据模糊逻辑的推论法简化而成 第三种推论法和第一 种相类似 只是其后件部分改由一般的线性式组成的 模糊推论大都采三段论法 可表示 如下 条件命题 If x is A then y is B 事 实 x is A 结 论 y is B 表示法中的条件命题相当于模糊控制中的模糊控制规则 前件部和后件部的关系 可 以用模糊关系式来表达 至于推论演算 则是将模糊关系和模糊集合 A 进行合成演算 得 到模糊集合 B 推论算法可以下式表示 B A R 若前件部分含有多个命题时 则可表示如下 条件命题 If x1 is A1 and xn is An then y is B 事 实 x is A 1 and and xn is A n 结 论 y is B 这种模糊推论法其前件部用 连结各命题 推论演算的过程则以模糊逻辑来结合前件 部中各命题的模糊集合 故前件部的集合 A 可表示如下 A A1 A2 An iAi 由 3 7 式可得到模糊集合 A 和后件部的模糊集合 B 利用 2 5 节中模糊关系 R 的定义 来求得条件命题的模糊关系 其隶属度函数可用 R x1 x2 xn y 来表示 同样地 事实 部分的模糊集合 A 亦可表为 A iAi 因此 以合成算法可得到推论结果如下 B y A x R x1 x2 xn y 本章将针对第一种和第三种推论法做介绍 第一种推论法 为 Mamdani 教授最初所使用的方法 其所用的控制规则如下所述 R1 If x1 is A11 and and xn is A1n then y1 is B1 R2 If x1 is A21 and and xn is A2n then y2 is B2 Rn If x1 is Am1 and and xn is Amn then ym is Bm 其中 Aij B i 代表论域中的模糊集合 若使用模糊关系 Rc 和最大 最小合成的模糊推 论 则推论结果可得到模糊集合 Bi 的隶属函数为 3 12 式中 的值称为前件部的适合度 因此藉由各条件命题