模糊控制技術(shù)發(fā)展現(xiàn)狀及研究熱點

1、模糊控制技術(shù)發(fā)展現(xiàn)狀及研究熱點綜合介紹了模糊控制技術(shù)地基本原理和發(fā)展狀況, 重點總結(jié)了近年來該研究領(lǐng)域地熱點問題 , 并對今后地發(fā)展前景進行了展望.1 引言 模糊控制綜合了專家地操作經(jīng)驗,具有不依賴被控對象地精確數(shù)學模型、設(shè)計簡單、便于應用、抗干擾能力強、響應速度快、易于控制和掌握、對系統(tǒng)參數(shù)地變化有較強地魯棒性等特點,在經(jīng)典控制理論和現(xiàn)代控制理論難以應用地場合發(fā)揮了很大地作用.近年來,模糊集理論及應用研究不斷深入,取得了一系列成功地應用和理論成果,在自動控制、信號處理、模式識別、通信等領(lǐng)域得到了廣泛地應用 .目前 ,模糊控制已成為智能控制地一個主要分支.為了更深入地開展模糊控制技術(shù)地研究和應

2、用 , 本文對模糊控制近期研究地一些熱點問題進行簡要地歸納介紹.2 模糊控制地熱點問題 模糊控制技術(shù)是一項正在發(fā)展地技術(shù), 雖然近年來得到了蓬勃發(fā)展,但它也存在一些問題 ,主 要有以下幾個方面（1> 還沒有有形成完整地理論體系,沒有完善地穩(wěn)定性和魯棒性分析、系統(tǒng)地設(shè)計方法<包括規(guī)則地獲取和優(yōu)化、隸屬函數(shù)地選取等）； （2> 控制系統(tǒng)地性能不太高 <穩(wěn)態(tài)精度較低,存在抖動及積分飽和等問題）； （3> 自適應能力有限. 目前,國內(nèi)外眾多專家學者圍繞著這些問題展開了廣泛地研究,取得了一些階段性成果,下面介紹一下近期地主要研究熱點.2.1 模糊控制系統(tǒng)地穩(wěn)定性分析任何一個

3、自動控制系統(tǒng)要正常工作, 首先必須是穩(wěn)定地. 由于模糊系統(tǒng)本質(zhì)上地非線性和缺乏統(tǒng)一地系統(tǒng)描述,使得人們難以利用現(xiàn)有地控制理論和分析方法對模糊控制系統(tǒng)進行分析和設(shè)計,因此 ,模糊控制理論地穩(wěn)定性分析一直是一個難點課題,未形成較為完善地理論體系.正因為如此,關(guān)于模糊系統(tǒng)地穩(wěn)定性分析近年來成為眾人關(guān)注地熱點,發(fā)表地論文較多 ,提出了各種思想和分析 方法.目前模 糊控制系統(tǒng)穩(wěn) 定性分 析方法主 要有以下幾種：（1> 李亞普諾夫方法基于李亞普諾夫直接方法, 許多學者討論了離散時間和連續(xù)時間模糊控制系統(tǒng)地穩(wěn)定性分析和設(shè)計1-4. 其中 ,Tanaka 和 Sano1 將其中地基本穩(wěn)定性條件推廣到 S

4、ISO 系統(tǒng)地 <非）魯棒穩(wěn)定性條件,穩(wěn)定性判據(jù)變?yōu)閺囊唤M李亞普諾夫不等式中尋找一個共同地李亞普諾夫函數(shù)問題 2. 由于沒有一般地有效方法來解讀地尋找一個公共李亞普諾夫函數(shù),故 Tanaka 等人都沒有提供尋找李亞普諾夫穩(wěn)定性條件地公共矩陣P 地方法 .為解決這一問題 ,文獻 3 提出用線性矩陣不等式描述穩(wěn)定性條件，還有一些學者用一組P矩陣代替文獻1,2中李亞普諾夫函數(shù)地一個公共矩陣P,構(gòu)造一個逐段近似平滑地二次型李亞普諾夫函數(shù)，用于穩(wěn)定性分析4.每一個矩陣 P 僅對應一個子系統(tǒng),并表明當且僅當一組合適地Riccati 等式有正定對稱解,且能得到這些解時 , 模糊控制系統(tǒng)才是全局穩(wěn)定地使

5、用李亞普諾夫線性化方法,Ying 建立了包括非線性對象地T-S 模糊控制系統(tǒng)局部穩(wěn)定性地必要和充分條件.另外,一種在大系統(tǒng)中使用地向量李亞普諾夫直接方法 ,被用于推導多變量模糊系統(tǒng)地穩(wěn)定性條件；李亞普諾夫第二方法被用于判別模糊系統(tǒng)量比因子選擇地穩(wěn)定性；波波夫一李亞普諾夫方法被用于研究模糊控制系統(tǒng)地魯棒穩(wěn)定性.但是 ,李亞普諾夫地一些穩(wěn)定性條件通常比較保守,即當穩(wěn)定性條件不滿足時,控制系統(tǒng)仍是穩(wěn)定地.(2> 基于滑模變結(jié)構(gòu)系統(tǒng)地穩(wěn)定性分析方法 由于模糊控制器是采用語義表達,系統(tǒng)設(shè)計中不易保證模糊控制系統(tǒng)地穩(wěn)定性和魯棒性.而滑?？刂朴幸粋€明顯地特點, 即能處理控制系統(tǒng)地非線性 ,而且是魯棒控

6、制.因此一些學者提出設(shè)計帶有模糊滑模表面地模糊控制器,從而能用李亞普諾夫理論來獲得閉環(huán)控制系統(tǒng)穩(wěn)定性地證明.Palm 和 Driankov 采用滑模控制地概念分析了增益規(guī)劃地閉環(huán)模糊控制系統(tǒng)地穩(wěn)定性和魯棒性.另有一些學者用模糊推理來處理控制系統(tǒng)地非線性和減少控制震顫,使得基于李亞普諾夫方法可保證控制系統(tǒng)地穩(wěn)定性. 基于變結(jié)構(gòu)系統(tǒng)理論,可以得到控制系統(tǒng)地跟蹤精度和模糊控制器地I/O 模糊集映射形狀之間地關(guān)系 ,從而可以解釋模糊控制器地魯棒性和控制性能. 文獻等研究了基于變結(jié)構(gòu)控制框架地模糊控制系統(tǒng)地穩(wěn)定性,通過輸出反饋地模糊變結(jié)構(gòu)控制, 并用李亞普諾夫方法證明了閉環(huán)控制系統(tǒng)是全局有界輸入有界輸出

7、穩(wěn)定地.若使用變結(jié)構(gòu)控制類型地模糊規(guī)則集 ,模糊控制器從語義和定量上可顯示出變結(jié)構(gòu)地特性.為便于李亞普諾夫穩(wěn)定性判據(jù)能指導設(shè)計和調(diào)整模糊控制器,文獻推導出模糊控制器地具體數(shù)學表達式 .(3> 描述函數(shù)方法描述函數(shù)方法可用于預測極限環(huán)地存在、頻率、幅度和穩(wěn)定性.通過建立模糊控制器與多值繼電控制器地關(guān)系 ,描述函數(shù)方法可用于分析模糊控制系統(tǒng)地穩(wěn)定性2. 另外 ,指數(shù)輸入地描述函數(shù)技術(shù)也能用于研究模糊控制系統(tǒng)地暫態(tài)響應.雖然描述函數(shù)方法能用于SISO 和 MISO 模糊控制器以及某些非線性對象模型,但不能用于三輸入及以上地模糊控制器.并且由于這種方法一般應用于非線性系統(tǒng)中確定周期振蕩地存在性,

8、因此只是一種近似穩(wěn)定性分析方法 .(4> 圓穩(wěn)定性判據(jù)方法 圓判據(jù)可用于分析和再設(shè)計一個模糊控制系統(tǒng).使用扇區(qū)有界非線性地概念,一般化地奈魁斯特<圓)穩(wěn)定性判據(jù)可用于分析SISO 和 MIMO 模糊系統(tǒng)地穩(wěn)定性,并且擴展圓判據(jù)可用于推導一類簡單模糊 PI 控制系統(tǒng)穩(wěn)定性地充分條件. 由于圓判據(jù)要求比較嚴格,Furutani提出一種移動地波波夫判據(jù)，用于分析模糊控制系統(tǒng)地穩(wěn)定性.當此判據(jù)中參數(shù)8設(shè)為零時 ,該判據(jù)與圓判據(jù)一致4. 除了以上介紹地方法外,模糊控制系統(tǒng)地穩(wěn)定性分析還有相平面法、關(guān)系矩陣分析法、超穩(wěn)定理論、Popov判據(jù)、模糊穴一穴映射、數(shù)值穩(wěn)定性分析方法以及最近出現(xiàn)地魯棒

9、控制理論分析方法和 LMI< 矩陣不等式)凸優(yōu)化方法等.2.2 自適應模糊控制器地研究 5 為了提高模糊控制系統(tǒng)地自適應能力 ,許多學者對自適應模糊控制器進行了研究,研究方向主要集中在以下方面.(1> 自校正模糊控制器 自校正模糊控制器是在常規(guī)模糊控制地基礎(chǔ)上，采用加權(quán)推理決策，并引入?yún)f(xié)調(diào)因子，根據(jù)系統(tǒng)偏差e和偏差變化ec地大小，預測控制系統(tǒng)中地不確定量并選擇一個最佳地控制參數(shù)或控制規(guī)則集, 在線自動調(diào)整保守和大膽控制地混合程度 ,從而更全面確切地反映出人對諸因素地綜合決策思想, 提高系統(tǒng)地控制精度和魯捧性能.目前這種變結(jié)構(gòu)地自校正模糊控制器是根據(jù)被調(diào)量e和ec在線選取最佳控制規(guī)則

10、及控制決策地，而對于一些復雜地生產(chǎn)過程,其生產(chǎn)工藝和環(huán)境因素都較為復雜,往往不能只考慮系統(tǒng)地偏差和偏差變化率來確定其控制策略,難于總結(jié)出比較完整地經(jīng)驗,此時模糊控制規(guī)則或者缺乏 ,或者很粗糙,并且當被控對象參數(shù)發(fā)生變化或受到隨機干擾影響時, 都會影響模糊控制地效果.(2> 自組織模糊控制器 自組織模糊控制器能自動對系統(tǒng)本身地參數(shù)或控制規(guī)則進行調(diào)整,使系統(tǒng)不斷完善,以適應不斷變化地情況,保證控制達到所希望地效果.它根據(jù)自動測量得到地實際輸出特征和期望特征地偏差 ,確定輸出響應地校正量并轉(zhuǎn)化控制校正量,調(diào)整模糊控制規(guī)則,作用于被控對象.其基本特征是：控制算法和規(guī)則可以通過在線修改,變動某幾個

11、參數(shù)可以改變控制結(jié)果.它不僅僅是局限于某個對 象 ,而 是通過自組 織適 應幾類 對象.有代 表性為以下三種類 型： 為自校正模糊控制器：在常規(guī)模糊控制中增加系統(tǒng)辨別和修正控制功能.通過使用一個較為粗糙地初期模型,經(jīng)過模糊控制器地自組織功能 ,達到在線修正模糊控制規(guī)則 ,完善系統(tǒng)性能,使其達到預期地要求； 自調(diào)整比例因子模糊控制器：通過調(diào)整系統(tǒng)偏差及偏差變化率地比例因子來控制模糊控制器中地輸出量地比例系數(shù),即改變系統(tǒng)地增益.它充分體現(xiàn)了操作者手動控制地思維特點和控制策略,保證了系統(tǒng)有良好地動態(tài)性和穩(wěn)態(tài)精度； 模糊自整定PID 參數(shù)控制器：應用模糊集理論,根據(jù)系統(tǒng)運行狀態(tài),在線整定控制器 PID

12、 參數(shù) KP 、 KI 、 KD .由于模糊自整定參數(shù)KP 、 KI 、 KD 與偏差 e 變化率 ec 間建立起在線自整定函數(shù)關(guān)系,且這種關(guān)系是根據(jù)人地經(jīng)驗和智慧積累起來地,使系統(tǒng)在不同地運動狀態(tài)下能對PID 控制器參數(shù)實現(xiàn)智能調(diào)節(jié) ,能明顯改善被控過程地動態(tài)性和穩(wěn)定性能,提高抗干擾能力和魯棒性.2.3 模糊控制與其他智能技術(shù)分支相結(jié)合 作為智能控制地一種新方法, 模糊控制與智能領(lǐng)域地一些其他新技術(shù)相結(jié)合向著更高層次地應用發(fā)展也是目前研究熱點之一.下面簡要介紹模糊控制與神經(jīng)網(wǎng)絡和遺傳算法地結(jié)合情況.(1> 模糊控制與神經(jīng)網(wǎng)絡(NN> 地結(jié)合 神經(jīng)網(wǎng)絡是由大量地簡單處理單元構(gòu)成地非

13、線形動力系統(tǒng),能映射任意函數(shù)關(guān)系 ,且具有學習性,能處理不完整、不精確地、非常模糊地信息.模糊控制和神經(jīng)網(wǎng)絡之間具有很強地互補性 ,一方面對神經(jīng)網(wǎng)絡來說知識抽取和知識表達比較困難 ,而模糊信息處理方法對此卻很有效；另一面,模糊模式很難從樣本中直接學習規(guī)則,且在模糊推理過程中會增加模糊性,但神經(jīng)網(wǎng)絡能進行有效地學習 ,并且采用聯(lián)想記憶而降低模糊摘 6.由此可見,神經(jīng)網(wǎng)絡適合于處理非結(jié)構(gòu)化信息,而模糊模式對處理結(jié)構(gòu)化地知識更有效.模糊控制與神經(jīng)網(wǎng)絡地融合系統(tǒng)是一種自適應模糊控制系統(tǒng).目前 ,實現(xiàn)模糊控制地神經(jīng)網(wǎng)絡從結(jié)構(gòu)上看主要有兩類,其一是在神經(jīng)網(wǎng)絡結(jié)構(gòu)中引入模糊模式,使其具有處理模糊信息地能力,

14、如把神經(jīng)元中地加權(quán)求和運算轉(zhuǎn)變?yōu)椤安ⅰ焙汀敖弧钡刃问降啬：壿嬤\算以構(gòu)成模糊神經(jīng)元；其二是直接利用神經(jīng)網(wǎng)絡地學習功能及映射能力 ,去等效模糊控制中地模糊功能塊 ,如模糊化、模糊推理、反模糊化等 ,目前研究應用最為廣泛地ANFIS 模糊神經(jīng)網(wǎng)絡就屬于這一類.ANFIS 網(wǎng)絡一般由五層前向網(wǎng)絡組成,每層都有明確地含義 ,第一層為輸入層；第二層計算隸屬度函數(shù)；第三層計算每條規(guī)則地使用度；第四層進行歸一化計算；第五層實現(xiàn)清晰化即解模糊化 .ANFIS 網(wǎng)絡所包含地信息能夠清晰地獲得,克服了BP 網(wǎng)絡黑箱型操作地不足 7. 采用神經(jīng)元網(wǎng)絡實現(xiàn)地模糊控制 ,對于知識地表達并不是通過顯式地一條條規(guī)則,而是把

15、這些規(guī)則隱含地分布在整個網(wǎng)絡之中.在控制應用中不必進行復雜費時地規(guī)則搜索、推理,而只須通過高速并行分布計算就可產(chǎn)生輸出結(jié)果,這在某種意義上與人地思維更為接近.（2> 模糊控制與遺傳算法<GA ）地結(jié)合 遺傳算法是一種借鑒生物界自然選擇和自然遺傳機制地隨機化搜索算法, 由美國Michigan 大學地 Holland 教授首先提出 .選擇、交叉和變異是遺傳算法地三個主要操作算子,它們構(gòu)成了所謂地遺傳操作10. 遺傳算法主要特點是群體搜索策略和群體中個體之間地信息交換,搜索不依賴于梯度信息,這使得它可以高效率地發(fā)現(xiàn)全局最優(yōu)解或接近最優(yōu)解,并避免陷入局部最優(yōu)解,而且對問題地初始條件要求較少

16、 . 目前利用遺傳算法優(yōu)化模糊控制器時, 優(yōu)化地主要對象是隸屬函數(shù)和模糊控制規(guī)則集 .根據(jù)優(yōu)化 對 象地不同,現(xiàn)有地研究可分為以下幾種類型： 已知模糊控制規(guī)則,利用GA 優(yōu)化隸屬函數(shù)一般先設(shè)定隸屬函數(shù)地形狀,實踐表明,三角形型、梯形型、高斯型等比較簡單地隸屬函數(shù)即可滿足一般模糊控制器地需要.設(shè)定隸屬函數(shù)形狀后,確定待尋優(yōu)地隸屬函數(shù)參數(shù),一般高斯型有2 個參數(shù),三角形有3 個參數(shù) ,梯形有 4 個參數(shù).利用已有知識確定各參數(shù)地大致允許范圍 ,并對參數(shù)進行編碼,將所有地待尋優(yōu)參數(shù)串接起來構(gòu)成一個個體 ,代表一個模糊控制器.然后建立一定地性能指標,最后便可利用遺傳算法地一般步驟進行尋優(yōu).已知隸屬函數(shù)

17、，利用GA優(yōu)化模糊控制規(guī)則事先確定輸入輸出隸屬函數(shù)地形狀和各參數(shù)，將每個輸入輸出變量劃分為一定數(shù)量地模糊子集, 從而確定最大可列舉規(guī)則數(shù),將一個規(guī)則表按一定地順序展開為一維, 并編碼為一個個體. 隨機地選擇一定數(shù)量地個體作為初始群體 ,對這些個體進行遺傳操作,實現(xiàn)控制規(guī)則地優(yōu)化 8. 同時優(yōu)化隸屬函數(shù)和模糊控制規(guī)則 隸屬函數(shù)和模糊控制規(guī)則不是相互獨立而是相互聯(lián)系地,因此很多學者認為固定隸屬函數(shù)優(yōu)化模糊控制規(guī)則或固定模糊控制規(guī)則優(yōu)化隸屬函數(shù)地做法人為地割裂了這種聯(lián)系 ,使優(yōu)化得到地隸屬函數(shù)或控制規(guī)則失去了原來地意義,建議應該同時對二者進行調(diào)整,并在這方面做了一些工作.3 模糊控制地發(fā)展前景 在模

18、糊控制地發(fā)展初期 ,大多數(shù)學者地主要精力放在模糊控制地應用研究上,在很多領(lǐng)域取,以至于西得輝煌地成果.但與應用地成果相比 ,模糊控制地系統(tǒng)分析和理論研究卻沒有顯著進展方地一些學者對模糊控制地理論依據(jù)和有效性產(chǎn)生疑慮.1993 年 7 月 ,在美國第十一屆人工智能年會上 ,加州大學圣地亞哥分校計算機科學和工程系助教授Clarles Elkan 博士地一篇題為“模糊邏輯似是而非地成功”報告, 就代表了這種思想. 雖然 C.Elkan 地一些觀點是不確切和片面地,會后很多專家對此進行了批駁, 但他確確實實指出了模糊控制理論基礎(chǔ)不夠堅實地缺點,從而引起了模糊控制領(lǐng)域地學者地廣泛關(guān)注并加強了對這一方面地研究.通過上節(jié)地介紹可以看到,目前