模糊控制讲义第一章

1、模糊逻辑系统与控制主讲：高巍 副教授电话一章 绪论 1.1自动控制理论发展简史 19世纪中期，马克斯威尔(J.C.Maxwell)就针对蒸汽机飞轮调速器的离心调节问题发表了“关于调节器”的论文。 20世纪40年代，自动控制理论作为一门新学科受到众多学者关注。 1948年，维纳(Wiener)创立了控制论。 此后，应用范围越来越广。 20世纪80年代，计算机技术推动了控制理论的深入研究。开始智能控制和生物进化优化计算的研究阶段。第一章 绪论 自动控制理论发展可分为三个阶段： 1.1.1经典控制论 20世纪50年代，经典控制理论，自动控制理论发展的第一个历史时期第一个历史

2、时期。 以单输入-单输出（SISO）的线性定常系统为主要研究对象主要研究对象。 依赖于系统的精确数学模型。 以传递函数、频率特性、特征根分布等为理论基础理论基础。 主要采用波特(H.W.Bode)图法和依凡思(W.R.Evans)的根轨迹法，包括劳斯-赫尔维茨(E.J.Routh-A.Hurwitz)代数判据、乃奎斯特(H.Nyquist)稳定判据与基于期望对数频率特性的分析与设计方法等分析与设计方法等。 主导思想主导思想：构成加有反馈通道的闭环控制系统。 研究的目标装置研究的目标装置：能够使闭环控制系统达到预期动态、静态性能要求的自动调节器。 对于非线性系统，采用线性化方法研究，或描述函数分

3、析和不超过两个变量的庞加莱(Puincare)相平面分析法。 工程实用方法工程实用方法：PID调节原理和PID调节器设计方法，串级、前馈补偿等 。 1.1.2 现代控制理论与先进控制策略 始于20世纪60年代末。 主要研究主要研究：多输入-多输出受控对象。系统可以是线性的或非线性的，定常的或时变的，可以是集中参数或分布参数的，也可以是连续的或离散的。 依赖系统精确数学模型，但将原来直接根据受控系统的机理特性的建模方法，向基于参数估计和系统辨识理论的建模方向拓展。 优势优势：用一组状态方程代替经典控制理论中的高阶微分方程式来描述系统，系统中各个变量均取为时间t的函数，属于时域分析方法，更有利于用

4、计算机进行运算；状态变量的选取可以不一定是系统中可观测的物理量，具有很大的自由度。 系统结构系统结构：由单闭环系统扩展到双闭环、多环以及含有适应环、学习环等多种结构的系统。 综合和分析系统，从受控系统的外部特征描述，深入到揭示系统内部的规律性；从局部控制进入到一定意义上的全局优化。 第一章 绪论 现代控制理论范畴包括：现代控制理论范畴包括： 系统运动状态的描述和能控性、能观性。系统运动状态的描述和能控性、能观性。状态空间描述法为系统性能设计与分析提供了强有力的工具。1960年。由卡尔曼（R.E.Kalman）首先提出能控性和能观性这两个重要概念，也是最优控制与最优估计的理论基础。 系统极大值原

5、理。系统极大值原理。由贝尔曼（R.E.Kalman）根据哈密尔顿-雅克比（Hamilton-Jacobi）方程提出的动态规划最佳原理，和由前苏联学者庞特里亚金（Pontryagin）提出的极大值原理，是以性能指标泛函最小（或最大）为目标，对系统进行“最佳控制”的重要理论基础。 系统识别与滤波理论系统识别与滤波理论。建立在统计函数理论上，应用相关函数的系统动态特性测量方法（系统辨识）和卡尔曼滤波理论。卡尔曼滤波是利用系统在时间上的转移关系所获得的一套适合于计算机运算的递推公式，属于时域方法。 第一章 绪论现代控制理论范畴包括：现代控制理论范畴包括：稳定性理论。稳定性理论。包括李亚普诺夫(Lyap

6、unov)稳定性理论和李亚普诺夫函数。李亚普诺夫稳定性理论（直接法）是根据系统微分方程组解的性质来判定系统的稳定性；李亚普诺夫函数（亦称V函数）的特点是可以不求出状态方程的解，直接利用李亚普诺夫函数来确定任意阶非线性系统和时变系统的稳定性，此外还可以对系统瞬态响应的品质进行评价，对系统参数优化问题进行求解。自适应原理自适应原理。20世纪70年代初，随着对自动控制系统性能要求的不断提高，人们希望在环境条件有大范围变化时，在环境条件的改变并不确知情况下，仍能保证系统最佳运行状态（即确定性自适应问题），能实现系统最佳控制（不确定性自适应问题）。因而产生了自适应控制概念。 第一章 绪论常见先进控制策略

7、包括：常见先进控制策略包括：1.最优控制最优控制(optimal control, optimum control)最优控制是由庞特里亚金和贝尔曼在20世纪50年代末做了奠基性研究工作后发展起来的。自动控制理论从经典到现代、从大系统到智能控制的半个多世纪发展以来，最优控制始终是一种有效的控制手段，并起着重要的作用。使评价控制系统的某一目标函数最小（或最大）来确定控制量的控制问题，都被称为最优控制问题。这类问题的解是以状态变量为函数的控制量。在考虑时间域为无限大时，可由Riccati代数方程式来求得最优解，最优控制量则由时不变状态反馈增益来实现。2.自适应控制自适应控制(Adaptive Con

8、trol)自适应控制把控制对象特性的模型辨识和根据已知特性决定控制量的控制规律设计结合起来，探索容易辨识的控制和容易控制的辨识。自适应控制虽然以在线辨识为核心，但其所提供的原理框架在离线辨识中也同样有效。第一章 绪论 常见先进控制策略包括：常见先进控制策略包括： 2.自适应控制自适应控制 目前自适应控制理论的主要研究方向有：目前自适应控制理论的主要研究方向有： 自适应控制的收敛性。自适应控制的收敛性。指在给定条件下，一个自适应控制算法能够收敛达到期望目标，并在这一过程中保持系统的所有变量有界。自适应控制收敛性是区别各种自适应控制算法的优劣和在实际应用中可信度的重要标志。 自适应控制的稳定性。自

9、适应控制的稳定性。指自适应控制系统在外界干扰的影响下，系统的状态、输入、输出和参数等的界限问题。 自适应控制的鲁棒性。自适应控制的鲁棒性。指当系统存在未建模动态特性和随机扰动时，仍能保持系统的稳定性和必要的动态性能的能力。随机扰动能使系统参数产生时变和漂移，从而导致自适应控制系统的不稳定，特别当系统存在未建模动态特性时，有可能使自适应控制系统丧失稳定性。 第一章 绪论常见先进控制策略包括：常见先进控制策略包括：3.3.变结构控制变结构控制(VSC-Variable Structure Control)(VSC-Variable Structure Control)变结构控制是由前苏联学者欧曼尔

10、扬诺夫（S.V.Emelyanov）、犹特金（V.I.Utkin）和依特克斯（Uitkis）等人于20世纪60年代初首先进行的研究，40多年来变结构控制已经成为新型控制技术的一个重要分支。变结构控制是在状态空间设定的切换面上，约束控制系统的动态，频繁地切换两个控制规则，使受控状态搜索至原点。变结构控制在多数情况下是指滑模控制，但从广义上讲，如开关控制，多模态控制也属于变结构控制。这种控制方法具有鲁棒性和吸收模型化误差的能力。若要增加控制能力，有必要采用具有大增益的控制规则来切换，这势必增加控制能量和执行元器件的功耗。消除变结构控制中的“抖振”现象，是其重要的研究课题之一。 第一章 绪论常见先进

11、控制策略包括：常见先进控制策略包括：4.模型预测控制模型预测控制(MPC-Model Predictive Control)模型预测控制是20世纪70年代中后期，在欧美工业领域内出现的一类新型的计算机控制算法。（Richalet等著名学者在发表的几篇论文中首先阐述了这种算法产生的背景、机理与应用效果。）预测控制的主要特征是：以预测模型为基础，采用二次型在线滚动优化性能指标和反馈校正的策略，来克服受控对象建模误差、参数和环境不确定性因素的影响。 第一章 绪论 常见先进控制策略包括：常见先进控制策略包括：4.模型预测控制模型预测控制(MPC-Model Predictive Control) 基本

12、模型预测控制包括基本模型预测控制包括：1）由Cutler等人提出的基于有限阶跃响应模型的动态矩阵控制（DMC-Dynamic Matrix Control）。2）由Rouhani等人提出的基于有限脉冲响应模型的模型算法控制（MAC-Modol Algorithmic Control）。3）由Clarke提出的基于受控自回归积分滑动平均模型（CARIMA-Controlled Auto-Regressive Integrated Moving Average）的广义预测控制（GPC-Generalized Predictive Control）等。 前两种是以非参数模型为预测模型，而后一种则是与

13、常规自适应控制相结合的一类长程预测控制算法。预测控制目前算法繁多，但它不外乎包括：预测模型、参考轨迹、在线校正、目标函预测模型、参考轨迹、在线校正、目标函数、性能指标、在线滚动优化数、性能指标、在线滚动优化等五个方面。 第一章 绪论常见先进控制策略包括：常见先进控制策略包括：4.模型预测控制模型预测控制(MPC-Model Predictive Control)预测控制特点：预测控制特点：（1）预测模型的多样性）预测模型的多样性从原理上讲，只要是具有预测功能的受控对象模型，无论采用什么描述形式和建模方法都从原理上讲，只要是具有预测功能的受控对象模型，无论采用什么描述形式和建模方法都可以作为预测

14、模型。可以作为预测模型。（2）滚动优化的时变性）滚动优化的时变性预测控制采用的是在有限时域内的滚动优化策略，即在每个时刻，采用对未来充分长时间预测控制采用的是在有限时域内的滚动优化策略，即在每个时刻，采用对未来充分长时间内的理想优化和包含系统存在的时变、不确定性、局域优化相兼顾的目标函数。内的理想优化和包含系统存在的时变、不确定性、局域优化相兼顾的目标函数。 第一章 绪论常见先进控制策略包括：常见先进控制策略包括：4.模型预测控制模型预测控制(MPC-Model Predictive Control)预测控制特点：预测控制特点：（3）在线校正的鲁棒性）在线校正的鲁棒性在预测控制中，把系统输出的

15、动态预估问题分为预测模型的输出预测和基于偏差的预测校正两部分。由于预测模型只是对对象动态特性的粗略描述，不可能完全包括实际系统存在的非线性、时变性、模型失配与随机干扰等因素，因此预测模型与系统输出必然存在偏差，对这种偏差进行在线校正，构成具有负反馈的系统结构，提高了预测控制系统的鲁棒性。 第一章 绪论常见先进控制策略包括：常见先进控制策略包括：5.解耦控制（解耦控制（Decoupling Control）在多变量控制系统中，往往存在多个输入和输出量之间的耦合作用。如何消除这种耦合，使输入给定值与输出控制量之间做到一一对应，是理想解耦控制的理念。消除这种耦合，在实现方法上往往不是很容易，控制装置

16、会变得更加复杂，其调节也很困难。6.鲁棒控制（鲁棒控制（Robust Control）鲁棒控制最早是于1972年提出的。鲁棒控制是研究当系统有一定范围的参数不确定性及一定限度的未建模误差时的控制器设计问题，使系统闭环仍能保持稳定并保证期望的动态品质。此外，还希望控制系统变动、传感器和执行元件故障时仍能保证系统的整体性质和稳定性。 第一章 绪论1.1.3智能控制理论智能控制理论20世纪70年代后期，自动控制受控对象扩展到大规模复杂系统，要建立这类系统的数学模型是相当困难的，有时几乎不可能，即使能获得它们的近似模型，也难以求解或不能适应实时控制的要求。基于这种情况，自动控制理论研究出现大系统递阶控

17、制和智能控制两个分支，标志着自动控制理论研究开始进入到第三个发展时期。1965年，傅京孙教授首先提出将人工智能的启发式规则应用于学习控制系统；1966年门代尔首次将人工智能用于飞船控制系统的设计；1967年里昂兹等人首次应用“智能控制”这一名词。智能控制主要是指一类无需人为干预，基于知识规则和学习推理的，能独立驱动智能机器实现其目标的自动控制技术。 第一章 绪论 1.1.3智能控制理论智能控制理论 智能控制的主要特点是：智能控制的主要特点是： 智能控制是一门多学科交叉、综合性很强的学科，需要这些相关学科之间的配合与支撑，它的理论研究与技术进展取决于这些学科的发展，并渗透到各个新兴领域。 智能控

18、制主要是针对那些具有复杂性（多输入-多输出、强耦合、严重非线性、大时滞）、非完全性、模糊性或不确定性的被控对象，由数学模型与知识表示的非数学广义模型相结合，通过知识推理、学习、启发引导，进行问题求解，来实现拟人智能的控制方式。 智能控制可以具有高层组织级控制，该层的主要任务是对现实环境、过程或对象进行规划、决策和综合优化，实现广义问题求解，且具有拟人的思维特征。 第一章 绪论 1.1.3智能控制理论智能控制理论 智能控制系统的核心是智能控制器，它是对人脑神经结构、思维、专家决策过程的一种模仿，甚至对仿生物进化和群体特性的优化算法。它应该是： 具有分层信息处理和决策功能。 具有变结构特性。在按当

19、前规律调整参数无法满足性能要求时，能通过逻辑判断以跃变方式改变控制模式与结构。 具有人类思维、理解、识别和规划等非线性特性。 具有总体自学习、自组织、自寻优能力，能群体优化和全局搜索最佳参数与结构，达到总体最优控制性能。 第一章 绪论1.1.3智能控制理论智能控制理论智能控制目前主要包括模糊控制、神经元网络、专家控制系统、学习控制、人工生物进化（包括遗传、免疫和种群寻优）算法等。1.神经网络控制（神经网络控制（Neural Network Control）神经网络控制是使用人工神经元作为控制器（或者其中一部分），对被控系统进行学习、训练和控制。它具有对非线性函数逼近、大规模并行处理、学习、寻优

20、和自适应、自组织等能力。显然，人工神经网络具有最优化和学习两种功能，在控制系统中主要是利用多层神经网络的学习功能，构成一类智能控制系统和智能控制器。 第一章 绪论 神经元网络是由人工神经网络按多层（输入层、中间层和输出层）平行结构互连而成的信息处理网络，亦称人工神经网络。目前大致可以分成三大类，即前馈网络前馈网络、互连网络互连网络和自组织网络自组织网络。在神经元网络中，由于基本上没有像微分、积分这类的动态算子，因此一般只能学习静态非线性函数；当对控制系统的动态性能也有要求时，最简单的方法是外加积分器和微分器，将它们的输出作为神经元网络的输入信号，这样神经元网络也就是可以学习非线性动态函数了。

21、第一章 绪论1.1.3智能控制理论智能控制理论2.基于规则库控制（基于规则库控制（Rule Based on Control）以往多数控制系统是要求有人参与的，对于人机接口，不仅可以用数学式子来预示规则、动作等，更简单的可以用规则来描述控制，特别是像顺序动作那样的规则，且作为控制装置核心的计算机也是面向规则描述的。因此，规则库控制方式成为当前的人工智能控制之一，得到迅速发展和推广。基于规则库的控制包括专家系统和专家控制系统。 第一章 绪论 1.1.3智能控制理论智能控制理论2.基于规则库控制（基于规则库控制（Rule Based on Control）（1）专家系统（）专家系统（Expert

22、System） 专家系统先导者费根鲍姆（Feigenbaum）教授，把专家系统定义为一个智能计算机系统，是通过知识库和推理过程来解决那些需要大量专家知识和经验才能解决的难题。 近年来发展的新型专家系统有：分布式专家系统和协同式专家系统等。 其特点是： a 并行技术和分布处理； b 高级语言和知识语言的描述功能； c 先进的智能人机接口； d 具有自学习功能； e 引进新的推理机制； f 多专家系统协同工作； g 具有自纠错和自完善功能。 第一章 绪论 1.1.3智能控制理论智能控制理论2.基于规则库控制（基于规则库控制（Rule Based on Control）（2）专家控制系统）专家控制系

23、统（Expert Control System） 也是一种典型的基于知识库的控制系统，是应用专家系统的概念和相关技术，模拟人类专家的控制知识和熟练工程技术人员的操作经验所构造的智能控制系统。 第一章 绪论 专家控制系统与专家系统区别在于：专家控制系统与专家系统区别在于： 从广义上讲，专家系统可在各个领域得到普遍应用。针对某一领域的专家系统，要求可靠性高，并具有解释、预测、分析、诊断、调试、设计、规划、控制、监视、教学、检测、咨询、管理、评估和快速决策等功能；而专家控制系统是“专家系统”中的一员，它是以智能控制为目标领域，也应该具有分析、诊断、控制、调试和预测等多种功能。 专家系统的推理是以知识

24、规则为基础，推理结果是原知识项、新知识项以及对原知识项的更新项；而专家控制系统需要独立、自主地做出控制决策，其推理结果是更新的知识项或启动（执行）某些解析算法。 专家系统通常以离散方式工作，而专家控制系统需要采集在线动态信息，对系统进行实时控制。 第一章 绪论1.1.3智能控制理论智能控制理论3.学习控制（学习控制（Learning Control）学习是人类基本的智能活动，也是人类智能的基本特征之一。人类的知识、才能、智慧和能力是在人类活动中不断学习所形成、发展和完善的。这种学习主要有：监督学习（又称有导师学习）监督学习（又称有导师学习）。学习者直接接受导师的知识讲解，按导师要求进行正确的调

25、节与控制。这种来源于别人知识的学习，虽然不太准确，但能为学习者简捷地提供一个粗略的控制方案。无监督学习（又称无导师学习）无监督学习（又称无导师学习）。学习者通过一段时间的观察，在最初建立的控制经验中，有一部分由于能带来良好的控制效果，逐渐在大脑记忆中得到“强化”，而另一部分则渐渐“弱化”。得到强化的知识与经验，经过知识表示、语言处理、逻辑归纳，以一定形式的控制规则较长期地记忆在大脑中，并随时可以作为监督学习的知识。 第一章 绪论 学习控制大致有如下几种类型：学习控制大致有如下几种类型： 基于模式识别的学习控制。基于模式识别的学习控制。由史密斯（F.W.Smith）提出基于模式识别自适应原理的b

26、ang-bang控制；由傅京孙等人提出把启发式规则用于再励学习（或强化学习）控制和利用贝叶斯（Bayes）学习估计的学习控制方法等。 基于规则的学习控制。基于规则的学习控制。由傅京孙等提出的基于模糊规则推理的模糊学习控制等。 重复学习控制重复学习控制（Repetitive Learning Control）。由日本学者内山首先提出。此后，由井上、中野等人针对电子同步加速器的电源研究，提出了频域范围内的重复学习控制。 反复学习控制反复学习控制（Iterative Learning Control）。亦称迭代学习控制，由日本学者有本、川村和宫崎等人提出，是在理论上对重复学习控制的进一步发展，并推广

27、到时域范围内，其应用领域也极宽广。 连接主义学习控制连接主义学习控制（Connectionist Learning Control）。自20世纪80年代初期以来，神经网络技术的研究和发展，为连接主义学习控制开创了新的途径。由霍普菲尔德（J.J.Hopfileld）提出的一种具有理想记忆功能的反馈互连网络学习控制，以及由鲁姆尔哈特（Rumelhart）提出的能实现多层神经网络的误差反向传播的学习控制等。近几年来对连接主义的学习控制研究较为引人关注。 第一章 绪论1.1.3智能控制理论智能控制理论4.人工生物进化算法人工生物进化算法人工生物进化算法（包括遗传、免疫和集群智能）是20世纪80年代以后

28、，随着人工智能理论研究不断深入和应用领域的不断扩大，通过“拟人”与“仿生”等理念而形成的一系列新算法。除了人工神经网络算法以外，它包括遗传算法、人工生物进化算法、模糊逻辑、集群寻优算法等。由于这些算法具有自适应、自学习、自组织和高度并行计算等特征，为解决许多复杂受控系统的知识表达、信息处理、全局寻优和智能控制等提供了新思路和新的契机。 第一章 绪论（1）遗传算法）遗传算法（GAgenetic algorithms）。它是一种随机搜索算法，借鉴于生物界自然选择和自然遗传机制，由J.Holland的学生J.D.Bagley在其博士学位论文中首次提出“遗传算法”一词，并讨论了遗传算法在自动博弈中的应

29、用。遗传算法的主要特点是群体搜索策略和群体中各个个体之间的信息交换，这种搜索并不依赖于梯度信息，特别适合于复杂和非线性问题的寻优。作为一种全局优化算法，它简单通用、鲁棒性强、适宜于并行计算、有广阔的发展和应用前景。（2）人工免疫（）人工免疫（Artificial Immune）算法）算法。人工免疫系统是模拟生物免疫系统所具有的认知和学习能力、自组织机理、局部优化和分布处理的能力，来改进大型复杂不确定系统的控制特性，增强系统的自学习和自适应性能。 第一章 绪论目前人工免疫算法与神经网络和遗传算法相结合，有：人工免疫遗传算法人工免疫遗传算法（Artificial Immune GA）：它是一种无知

30、识引导的随机搜索方法，是借助于生物免疫系统能快速识别抗原，产生相应抗体并保持抗体多样性的特点而提出的一种新的优化算法。它不着眼于全局最优，而是进化地处理不同抗体，达到有效改善遗传算法的局部搜索能力，从而克服早熟现象。人工免疫网络人工免疫网络（Artificial Immune Network）。由于生物免疫系统具有免疫记忆和免疫遗忘、并行分散性和自组织性以及抗体的“克隆”等特点，正好有利于克服人工神经网络存在的严重过学习现象、自适应、自学习速度慢、实时性差等不足。基于人工免疫网络控制的目的是模拟生物免疫系统的部分功能，来解决不确定性系统的控制问题。人工免疫网络模型的概念是由H.K.Jerne首

31、先提出来的，该模型是采用非线性数学方程来描述免疫系统中抗体和抗原的反应、生成、消亡过程的动态特性。 第一章 绪论 1.1.3智能控制理论智能控制理论4.人工生物进化算法人工生物进化算法（3）集群智能算法）集群智能算法（Swarm Intelligence）。 按信息学观点：集群智能是由非智能体组成的，系统通过相互之间或者与环境之间交互作用表现出来的一种集体智能行为。在这种集群智能中，每个单体只具有一些十分有限的基本功能，并不具备单独处理问题所需要的知识和能力。集群智能就是以集群性动物的行为和人工生物进化理论为基础，研究各种集群行为的内在机理，寻求一类复杂非线性问题新的求解方法。 第一章 绪论

32、集群智能应具有集群智能应具有以下五个原则原则： 邻近原则邻近原则（Proximity Principle）：即群体能够执行基本的时间与空间的运算。由于空间和时间可以转换为能量消耗，因而对于某一给定的时空环境，群体应对环境激励的直接行为具有有效响应的能力，而这种响应在某种程度上是群体某些行为的效用最大化。 质量原则质量原则（Quality Principle）：即群体不仅能够对时间和空间因素做出反应，而且能够对质量因素（如行为的质量、位置的安全性）做出反应。 多种反应原则多种反应原则（Principle of Diverse Response）：即群体不应将自己获得资源的途径限制在过于狭窄的范围

33、内。群体应该通过多种方式分散其资源，以应付由于环境变动造成某些资源的突然变化。但一般不希望是对环境完全有序的响应。 稳定性原则稳定性原则（Principle of Stability）：即群体不应该随着环境的每一次变化而改变自己的行为模式。因为改变自己行为模式需要消耗能量，并不一定能获取有价值的投资回报。 适应性原则适应性原则（Principle of Adaptability）：当改变行为模式带来的回报与能量投资是值得的时候，群体应该及时改变自己的行为模式。适应性原则与稳定性原则是互为均衡的两个方面，因此最佳响应应该是完全有序和完全混沌之间的某种平衡。然而，群体内的随机性是一个重要因素：足够

34、的干扰将允许响应的多样性，而太多的干扰将会破坏任何协调行为。 第一章 绪论“集群智能集群智能”有蚁群优化、粒子群优化和鱼群优化算法优化算法等： 蚁群优化蚁群优化（ACOAnt Colony Optimization）算法算法。 优点优点 ：有较强的适应性：必要时只需要对蚁群优化算法模型稍加修改，就可以适用于不同问题优化。分布式并行算法：蚁群优化算法具有本质上的平行性，易于实现并行计算。易于和其它算法集成：蚁群优化算法很容易与多种启发式算法相结合，以改善算法的寻优性能。 第一章 绪论粒子群优化粒子群优化（PSOParticle Swarm Optimization）算法算法。 主要特点 ：每一个

35、个体（即每一个粒子）都被赋予一个随机速度，并以该速度在整个求解问题空间中流动。每一个个体都具有记忆功能。每一个个体的进化主要是通过各个体之间的合作与竞争来实现。 第一章 绪论1.2 模糊控制理论模糊控制理论1.2.1 模糊控制理论研究与进展模糊控制理论研究与进展 20世纪60年代，美国加利福尼亚大学著名教授扎德提出模糊集合和模糊算法的概念。20世纪70年代，扎德在模糊映射、模糊推理和模糊控制原理等方面进行了一系列的研究工作，特别是模糊知识表示、语言变量、模糊规则和模糊图等概念的提出和完善，为模糊建模和模糊控制的发展奠定了理论基础。 第一章 绪论模糊控制理论研究大致有以下几方面：1.自学习、自适

36、应模糊控制理论研究自学习、自适应模糊控制理论研究模糊控制的实质是将相关领域的专家知识和熟练操作人员的经验，转换成模糊化后的语言规则，通过模糊推理与模糊决策，实现对复杂系统的控制。然而，一个复杂受控系统往往具有非线性、大时滞、不确定性和时变性，单纯依靠基于人为信息的有限多条模糊规则，很难完善地描述和适应复杂受控对象的多变性。如何在控制过程中自动地修改、调整和完善模糊控制规则，来提高模糊系统的控制性能，逐步达到良好的控制效果，是自学习、自适应模糊控制理论研究的主要内容。2.模糊推理策略研究模糊推理策略研究模糊推理策略对模糊控制器设计和模糊控制系统的性能影响起着重要作用。目前所采用的模糊推理策略有4

37、种：Mamdani推理、Tsukamoto推理、Larsen推理和Takagi推理方法。它们的共同特点是：其模糊性都取决于模糊规则的前提条件和结论部分的语言描述；它们的不同点是模糊模型与（或）推理合成算子的选择。 第一章 绪论3.模糊模型的辨识研究模糊模型的辨识研究模糊控制理论研究中模糊模型的辨识研究具有非常重要的意义。所谓模糊模型就是指描述受控系统性能的一组模糊规则，尽管它可以有多种表示形式，但都属于非线性模型，宜于用来表达非线性时变系统。模糊模型的辨识在控制、规划、决策、统计和分析等领域中得到了广泛的应用。由日本学者Takagi和Sugeno提出的一种称为T-S的模型是目前在模糊辨识中被广

38、泛使用的模型。该模型基于系统局域线性化，在模糊规则结论部分用线性多项式表示，用来拟合受控对象的非线性特性，具有逼近能力强和结构简单等特点，成为复杂受控系统建模的有效方法。4.模糊系统稳定性研究模糊系统稳定性研究稳定性分析对于任何一类控制系统都是十分重要的性能指标和研究课题。由于模糊控制器是一种基于规则的“语言型”控制器，难以用数学式子来描述，因此对它的各种性能分析也相当困难。早期对模糊系统的稳定性理论研究，主要都是针对开环模糊控制系统模型进行稳定性分析；此后针对单变量闭环模糊控制系统模型进行稳定性分析，一些学者给出了系统稳定性条件。尽管目前对于模糊控制系统的稳定性研究已经取得了不少研究成果，但

39、至今还没有一种统一和完善的模糊系统稳定性分析方法。 第一章 绪论5.模糊控制器的硬件实现模糊控制器的硬件实现常规的模糊控制器由计算机软件编程实现，这样要提高其实时性势必是有困难的，因此，一些学者在模糊控制芯片和模糊计算机硬件实现方法进行了不少探索，并取得了一定研究成果。如Togai等人实现了用于实时模糊控制推理的芯片，该模糊芯片可并行处理16条规则，每秒处理25万条模糊逻辑推理，比常规的软件实现要快1万倍，为模糊控制实时应用提供了强有力的硬件支持。 第一章 绪论1.2.2模糊集成控制理论模糊集成控制理论 1.模糊预测控制模糊预测控制模糊预测控制是把各种预测控制的典型算法与模糊控制理论相结合，构

40、成一种以模糊控制为主体的集成控制策略。若以预测控制为主题，则被称为预测模糊控制以示其主、辅关系。但其共同之处是利用模糊控制与预测控制的各自特点，达到互补的目的。 第一章 绪论1.2.2模糊集成控制理论模糊集成控制理论 1.模糊预测控制模糊预测控制 国内外近几年的主要研究成果如下：（1）模糊控制与预测控制的集成）模糊控制与预测控制的集成 （2）基于模糊模型的预测控制）基于模糊模型的预测控制（3）基于优化目标的模糊预测控制）基于优化目标的模糊预测控制（4）模糊内模控制）模糊内模控制 第一章 绪论1.2.2模糊集成控制理论模糊集成控制理论2.模糊神经网络控制模糊神经网络控制 这方面的研究通常有：这方

41、面的研究通常有：（1）在模糊控制系统框架下，利用神经网络的学习功能，来进行模糊化、模糊推理与解模糊自调整过程，获得优化了的模糊规则与隶属度函数，实现具有自学习功能的模糊控制器。（2）模糊神经网络在复杂系统模型辨识和控制中的应用。（3）用模糊逻辑增强神经网络的功能。目前这方面研究成果还较少，主要是研究如何用模糊逻辑提高神经网络的学习速度。 第一章 绪论1.2.2模糊集成控制理论模糊集成控制理论 3.模糊遗传算法控制模糊遗传算法控制将遗传算法引入模糊控制中，可以利用遗传算法寻找模糊控制器的各项最优参数；输入-输出空间的模糊域划分、模糊规则数的选择、规则的连接和模糊集的隶属度函数寻优等，使模糊控制系

42、统具有自组织、自校正和自学习功能。目前这方面的研究主要有：采用遗传算法对模糊控制器的隶属度函数参数进行调整采用遗传算法对模糊控制器的隶属度函数参数进行调整。采用遗传算法对模糊控制器的规则进行寻优与调整采用遗传算法对模糊控制器的规则进行寻优与调整。采用遗传算法对模糊模型建模与学习优化采用遗传算法对模糊模型建模与学习优化。 第一章 绪论 1.3模糊控制应用领域与研究现状模糊控制应用领域与研究现状 具有代表性的早期应用成果有：具有代表性的早期应用成果有： 1975年，应用于工业反应炉搅拌池的温度控制中。 1976年，应用于对压力容器内部的压力和液面的控制，初步解决了过程控制中的非线性、强耦合、时变和时滞特性等难题。 1977年，模糊控制首次应用于多变量控制系统中；同年，首次应用于交通枢纽指挥系统，使车辆平均等待时间减少7%。 1979年，有学者研究了一种自组织模糊控制器，能在控制过程中不断修改和调整控制规则，使控制系统更加完善，进一步提高了模糊控制器的“智能化”程度。 1980年，日本的山川烈研制成功了世界上第一块模糊芯片，但它只能进行基本的模糊逻辑运算，不具有模糊推理功能。 1980年