模糊控制算法的研究

1、模糊控制算法的研究0842812128夏中宇模糊控制概述“模糊”是人類感知萬(wàn)物,獲取知識(shí),思維推理,決策實(shí)施的重要特征。“模糊”比“清晰”所擁有的信息容量更大,內(nèi)涵更豐富,更符合客觀世界。在日常生活中,人們的思維中有許多模糊的概念,如大、小、冷、熱等,都沒(méi)有明確的內(nèi)涵和外延,只能用模糊集合來(lái)描述。人們常用的經(jīng)驗(yàn)規(guī)則都是用模糊條件語(yǔ)句表達(dá),例如,當(dāng)我們擰開(kāi)水閥往水桶里注水時(shí),有這樣的經(jīng)驗(yàn):桶里沒(méi)水或水較少時(shí),應(yīng)開(kāi)大水閥;桶里水較多時(shí),應(yīng)將水閥關(guān)小些;當(dāng)水桶里水快滿時(shí),則應(yīng)把閥門(mén)關(guān)得很小;而水桶里水滿時(shí)應(yīng)迅速關(guān)掉水閥。其中,“較少”、“較多”、“小一些”、“很小”等,這些表示水位和控制閥門(mén)動(dòng)作的概

2、念都具有模糊性。即有經(jīng)驗(yàn)的操作人員的控制規(guī)則具有相當(dāng)?shù)哪：?。模糊控制就是利用?jì)算機(jī)模擬人的思維方式,按照人的操作規(guī)則進(jìn)行控制,實(shí)現(xiàn)人的控制經(jīng)驗(yàn)。模糊控制理論是由美國(guó)著名的學(xué)者加利福尼亞大學(xué)教授ZadehLA于1965年首先提出,它以模糊數(shù)學(xué)為基礎(chǔ),用語(yǔ)言規(guī)則表示方法和先進(jìn)的計(jì)算機(jī)技術(shù),由模糊推理進(jìn)行決策的一種高級(jí)控制策略。1974年,英國(guó)倫敦大學(xué)教授MamdaniEH研制成功第一個(gè)模糊控制器,充分展示了模糊技術(shù)的應(yīng)用前景。模糊控制概況模糊邏輯控制(Fuzzy Logic Control)簡(jiǎn)稱模糊控制(Fuzzy Control)，是以模糊集合論、模糊語(yǔ)言變量和模糊邏輯推理為基礎(chǔ)的一種計(jì)算機(jī)數(shù)

3、字控制技術(shù)。1965年，美國(guó)的創(chuàng)立了模糊集合論；1973年他給出了模糊邏輯控制的定義和相關(guān)的定理。1974年，英國(guó)的首先用模糊控制語(yǔ)句組成模糊控制器，并把它應(yīng)用于鍋爐和蒸汽機(jī)的控制，在實(shí)驗(yàn)室獲得成功。這一開(kāi)拓性的工作標(biāo)志著模糊控制論的誕生。模糊控制實(shí)質(zhì)上是一種非線性控制，從屬于智能控制的范疇。模糊控制的一大特點(diǎn)是既具有系統(tǒng)化的理論，又有著大量實(shí)際應(yīng)用背景。模糊控制的發(fā)展最初在西方遇到了較大的阻力；然而在東方尤其是在日本，卻得到了迅速而廣泛的推廣應(yīng)用。近20多年來(lái)，模糊控制不論從理論上還是技術(shù)上都有了長(zhǎng)足的進(jìn)步，成為自動(dòng)控制領(lǐng)域中一個(gè)非?；钴S而又碩果累累的分支。其典型應(yīng)用的例子涉及生產(chǎn)和生活的許

4、多方面，例如在家用電器設(shè)備中有模糊洗衣機(jī)、空調(diào)、微波爐、吸塵器、照相機(jī)和攝錄機(jī)等；在工業(yè)控制領(lǐng)域中有水凈化處理、發(fā)酵過(guò)程、化學(xué)反應(yīng)釜、水泥窯爐等的模糊控制；在專用系統(tǒng)和其它方面有地鐵靠站停車、汽車駕駛、電梯、自動(dòng)扶梯、蒸汽引擎以及機(jī)器人的模糊控制等。模糊控制的基本理論所謂模糊控制,就是在控制方法上應(yīng)用模糊集理論、模糊語(yǔ)言變量及模糊邏輯推理的知識(shí)來(lái)模擬人的模糊思維方法,用計(jì)算機(jī)實(shí)現(xiàn)與操作者相同的控制。該理論以模糊集合、模糊語(yǔ)言變量和模糊邏輯為基礎(chǔ),用比較簡(jiǎn)單的數(shù)學(xué)形式直接將人的判斷、思維過(guò)程表達(dá)出來(lái),從而逐漸得到了廣泛應(yīng)用。應(yīng)用領(lǐng)域包括圖像識(shí)別、自動(dòng)機(jī)理論、語(yǔ)言研究、控制論以及信號(hào)處理等方面。在

5、自動(dòng)控制領(lǐng)域,以模糊集理論為基礎(chǔ)發(fā)展起來(lái)的模糊控制為將人的控制經(jīng)驗(yàn)及推理過(guò)程納入自動(dòng)控制提供了一條便捷途徑。1.知識(shí)庫(kù)知識(shí)庫(kù)包括模糊控制器參數(shù)庫(kù)和模糊控制規(guī)則庫(kù)。模糊控制規(guī)則建立在語(yǔ)言變量的基礎(chǔ)上。語(yǔ)言變量取值為“大”、“中”、“小”等這樣的模糊子集,各模糊子集以隸屬函數(shù)表明基本論域上的精確值屬于該模糊子集的程度。因此,為建立模糊控制規(guī)則,需要將基本論域上的精確值依據(jù)隸屬函數(shù)歸并到各模糊子集中,從而用語(yǔ)言變量值(大、中、小等)代替精確值。這個(gè)過(guò)程代表了人在控制過(guò)程中對(duì)觀察到的變量和控制量的模糊劃分。由于各變量取值范圍各異,故首先將各基本論域分別以不同的對(duì)應(yīng)關(guān)系,映射到一個(gè)標(biāo)準(zhǔn)化論域上。通常,對(duì)

6、應(yīng)關(guān)系取為量化因子。為便于處理,將標(biāo)準(zhǔn)論域等分離散化,然后對(duì)論域進(jìn)行模糊劃分,定義模糊子集,如NB、PZ、PS等。同一個(gè)模糊控制規(guī)則庫(kù),對(duì)基本論域的模糊劃分不同,控制效果也不同。具體來(lái)說(shuō),對(duì)應(yīng)關(guān)系、標(biāo)推論域、模糊子集數(shù)以及各模糊子集的隸屬函數(shù)都對(duì)控制效果有很大影響。這3類參數(shù)與模糊控制規(guī)則具有同樣的重要性,因此把它們歸并為模糊控制器的參數(shù)庫(kù),與模糊控制規(guī)則庫(kù)共同組成知識(shí)庫(kù)。模糊控制規(guī)則的來(lái)源有3條途徑:基于專家經(jīng)驗(yàn)和實(shí)際操作,基于模糊模型,基于模糊控制的自學(xué)習(xí)。2.模糊化將精確的輸入量轉(zhuǎn)化為模糊量F有兩種方法:(1)將精確量轉(zhuǎn)換為標(biāo)準(zhǔn)論域上的模糊單點(diǎn)集。精確量x經(jīng)對(duì)應(yīng)關(guān)系G轉(zhuǎn)換為標(biāo)準(zhǔn)論域x上的

7、基本元素,則該元素的模糊單點(diǎn)集F為uF(u)=1 if u=G(x)(2)將精確量轉(zhuǎn)換為標(biāo)準(zhǔn)論域上的模糊子集。精確量經(jīng)對(duì)應(yīng)關(guān)系轉(zhuǎn)換為標(biāo)準(zhǔn)論域上的基本元素,在該元素上具有最大隸屬度的模糊子集,即為該精確量對(duì)應(yīng)的模糊子集。3.模糊推理最基本的模糊推理形式為:前提1IF A THEN B前提2IF A結(jié)論THEN B其中,A、A為論域U上的模糊子集,B、B為論域V上的模糊子集。前提1稱為模糊蘊(yùn)涵關(guān)系,記為AB。在實(shí)際應(yīng)用中,一般先針對(duì)各條規(guī)則進(jìn)行推理,然后將各個(gè)推理結(jié)果總合而得到最終推理結(jié)果。4.精確化推理得到的模糊子集要轉(zhuǎn)換為精確值,以得到最終控制量輸出y。目前常用兩種精確化方法:(1)最大隸屬度

8、法。在推理得到的模糊子集中,選取隸屬度最大的標(biāo)準(zhǔn)論域元素的平均值作為精確化結(jié)果。(2)重心法。將推理得到的模糊子集的隸屬函數(shù)與橫坐標(biāo)所圍面積的重心所對(duì)應(yīng)的標(biāo)準(zhǔn)論域元素作為精確化結(jié)果。在得到推理結(jié)果精確值之后,還應(yīng)按對(duì)應(yīng)關(guān)系,得到最終控制量輸出y。模糊控制理論研究的現(xiàn)狀盡管模糊控制理論已經(jīng)取得了可觀的進(jìn)展,但與常規(guī)控制理論相比仍不成熟。模糊控制系統(tǒng)的分析和設(shè)計(jì)尚未建立起有效的方法,在很多場(chǎng)合下仍然需要依靠經(jīng)驗(yàn)和試湊。近年來(lái),許多人一直嘗試將常規(guī)控制理論的概念和方法擴(kuò)展至模糊控制系統(tǒng),而模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法已成為研究的熱點(diǎn),二者的結(jié)合有效地推動(dòng)了自學(xué)習(xí)模糊控制的發(fā)展。模糊控制易于獲得由語(yǔ)

9、言表達(dá)的專家知識(shí),能有效地控制那些難以建立精確模型而憑經(jīng)驗(yàn)可控制的系統(tǒng),而神經(jīng)網(wǎng)絡(luò)則由于其仿生特性更能有效利用系統(tǒng)本身的信息,并能映射任意函數(shù)關(guān)系,具有并行處理和自學(xué)習(xí)能力,容錯(cuò)能力也很強(qiáng)。在集成大系統(tǒng)中,神經(jīng)網(wǎng)絡(luò)可用于處理低層感知數(shù)據(jù),模糊邏輯可用于描述高層的邏輯框架。模糊邏輯與神經(jīng)網(wǎng)絡(luò)的結(jié)合有兩種情況:一是將模糊技術(shù)用于神經(jīng)網(wǎng)絡(luò)形成模糊神經(jīng)網(wǎng)絡(luò),一是用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊控制。這兩方面均見(jiàn)于大量的研究文獻(xiàn)。常規(guī)模糊控制的兩個(gè)主要問(wèn)題在于:改進(jìn)穩(wěn)態(tài)控制精度和提高智能水平與適應(yīng)能力。從大量文獻(xiàn)中可以看出,在實(shí)際應(yīng)用中,往住是將模糊控制或模糊推理的思想,與其他相對(duì)成熟的控制理論或方法結(jié)合起來(lái),發(fā)揮各

10、自的長(zhǎng)處,從而獲得理想的控制效果。如:利用模糊復(fù)合控制理論的分檔控制,將PI或PID控制策略引入Fuzzy控制器,構(gòu)成Fuzzy-PI或Fuzzy-PID復(fù)合控制;適應(yīng)高階系統(tǒng)模糊控制需要的三維模糊控制器;將精確控制和模糊控制結(jié)合起來(lái)的精確模糊混合控制;將預(yù)測(cè)控制與模糊控制相結(jié)合,利用預(yù)測(cè)模型對(duì)控制結(jié)果進(jìn)行預(yù)報(bào),并根據(jù)目標(biāo)誤差和操作者的經(jīng)驗(yàn)應(yīng)用模糊決策方法在線修正控制策略的模糊預(yù)測(cè)控制等。模糊控制的發(fā)展過(guò)程中,提出了多種自組織、自學(xué)習(xí)、自適應(yīng)模糊控制器。它們根據(jù)被控過(guò)程的特性和系統(tǒng)參數(shù)的變化,自動(dòng)生成或調(diào)整模糊控制器的規(guī)則和參數(shù),達(dá)到控制目的。這類模糊控制器在實(shí)現(xiàn)人的控制策略基礎(chǔ)上,又進(jìn)一步將

11、人的學(xué)習(xí)和適應(yīng)能力引入控制器,使模糊控制具有更高的智能性。自校正模糊控制器、參數(shù)自調(diào)整模糊控制等控制方法也都較大地增強(qiáng)了對(duì)環(huán)境變化的適應(yīng)能力。模糊控制與其他智能控制方法的結(jié)合組成的模糊控制,如專家模糊控制能夠表達(dá)和利用控制復(fù)雜過(guò)程和對(duì)象所需的啟發(fā)式知識(shí),重視知識(shí)的多層次和分類的需要,彌補(bǔ)了模糊控制器結(jié)構(gòu)過(guò)于簡(jiǎn)單、規(guī)則比較單一的缺陷,賦予了模糊控制更高的智能。二者的結(jié)合還能夠擁有過(guò)程控制復(fù)雜的知識(shí),并能夠在更為復(fù)雜的情況下對(duì)這些知識(shí)加以有效利用?；谏窠?jīng)網(wǎng)絡(luò)的模糊控制能夠?qū)崿F(xiàn)局部或全部的模糊邏輯控制功能。模糊控制器正向著自適應(yīng)、自組織、自學(xué)習(xí)方向發(fā)展,使得模糊控制參數(shù)、規(guī)則在控制過(guò)程中自動(dòng)地調(diào)整

12、、修改和完善,從而不斷完善系統(tǒng)的控制性能,達(dá)到更好的控制效果,而與專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等其他智能控制技術(shù)相融合成為其發(fā)展趨勢(shì)。模糊控制基礎(chǔ)模糊控制的基本思想是利用計(jì)算機(jī)來(lái)實(shí)現(xiàn)人的控制經(jīng)驗(yàn)，而這些經(jīng)驗(yàn)多是用語(yǔ)言表達(dá)的具有相當(dāng)模糊性的控制規(guī)則。模糊控制器(Fuzzy Controller，即FC)獲得巨大成功的主要原因在于它具有如下一些突出特點(diǎn)：模糊控制是一種基于規(guī)則的控制。它直接采用語(yǔ)言型控制規(guī)則，出發(fā)點(diǎn)是現(xiàn)場(chǎng)操作人員的控制經(jīng)驗(yàn)或相關(guān)專家的知識(shí)，在設(shè)計(jì)中不需要建立被控對(duì)象的精確數(shù)學(xué)模型，因而使得控制機(jī)理和策略易于接受與理解，設(shè)計(jì)簡(jiǎn)單，便于應(yīng)用。由工業(yè)過(guò)程的定性認(rèn)識(shí)出發(fā)，比較容易建立語(yǔ)言控制規(guī)則，因

13、而模糊控制對(duì)那些數(shù)學(xué)模型難以獲取、動(dòng)態(tài)特性不易掌握或變化非常顯著的對(duì)象非常適用?；谀Ｐ偷目刂扑惴跋到y(tǒng)設(shè)計(jì)方法，由于出發(fā)點(diǎn)和性能指標(biāo)的不同，容易導(dǎo)致較大差異；但一個(gè)系統(tǒng)的語(yǔ)言控制規(guī)則卻具有相對(duì)的獨(dú)立性，利用這些控制規(guī)律間的模糊連接，容易找到折中的選擇，使控制效果優(yōu)于常規(guī)控制器。模糊控制算法是基于啟發(fā)性的知識(shí)及語(yǔ)言決策規(guī)則設(shè)計(jì)的，這有利于模擬人工控制的過(guò)程和方法，增強(qiáng)控制系統(tǒng)的適應(yīng)能力，使之具有一定的智能水平。模糊控制系統(tǒng)的魯棒性強(qiáng)，干擾和參數(shù)變化對(duì)控制效果的影響被大大減弱，尤其適合于非線性、時(shí)變及純滯后系統(tǒng)的控制。模糊控制的特點(diǎn) 簡(jiǎn)化系統(tǒng)設(shè)計(jì)的復(fù)雜性，特別適用于非線性、時(shí)變、模型不完全的系統(tǒng)

14、上。利用控制法則來(lái)描述系統(tǒng)變量間的關(guān)系。 不用數(shù)值而用語(yǔ)言式的模糊變量來(lái)描述系統(tǒng)，模糊控制器不必對(duì)被控制對(duì)象建立完整的數(shù)學(xué)模式。 模糊控制器是一語(yǔ)言控制器，使得操作人員易于使用自然語(yǔ)言自然語(yǔ)言進(jìn)行人機(jī)對(duì)話。 模糊控制器是一種容易控制、掌握的較理想的非線性控制器，具有較佳的適應(yīng)性及強(qiáng)健性(Robustness)、較佳的容錯(cuò)性(Fault Tolerance)。模糊控制的缺點(diǎn)1.模糊控制的設(shè)計(jì)尚缺乏系統(tǒng)性，這對(duì)復(fù)雜系統(tǒng)的控制是難以奏效的。所以如何建立一套系統(tǒng)的模糊控制理論，以解決模糊控制的機(jī)理、穩(wěn)定性分析、系統(tǒng)化設(shè)計(jì)方法等一系列問(wèn)題；2.如何獲得模糊規(guī)則及隸屬函數(shù)即系統(tǒng)的設(shè)計(jì)辦法，這在目前完全憑經(jīng)

15、驗(yàn)進(jìn)行；3.信息簡(jiǎn)單的模糊處理將導(dǎo)致系統(tǒng)的控制精度降低和動(dòng)態(tài)品質(zhì)變差。若要提高精度則必然增加量化級(jí)數(shù)，從而導(dǎo)致規(guī)則搜索范圍擴(kuò)大，降低決策速度，甚至不能實(shí)時(shí)控制；4.如何保證模糊控制系統(tǒng)的穩(wěn)定性即如何解決模糊控制中關(guān)于穩(wěn)定性和魯棒性問(wèn)題模糊控制理論主要研究?jī)?nèi)容模糊控制理論主要研究?jī)?nèi)容:模糊控制穩(wěn)定性,模糊模型的辨識(shí),模糊最優(yōu)控制,模糊自適應(yīng)控制,與其他控制結(jié)合等。如將智能控制與傳統(tǒng)控制方法相結(jié)合,產(chǎn)生了模糊變結(jié)構(gòu)控制(FVSC),自適應(yīng)模糊控制(AFC),自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制(ANNC),神經(jīng)網(wǎng)絡(luò)變結(jié)構(gòu)控制(NNVAC),神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制(ANNPC),模糊預(yù)測(cè)控制(FPC),專家模糊控制(EFC

16、),模糊神經(jīng)網(wǎng)絡(luò)控制(FNNC),專家神經(jīng)網(wǎng)絡(luò)控制(ENNC)等方法。模糊控制系統(tǒng) 模糊控制以現(xiàn)代控制理論為基礎(chǔ),同時(shí)與自適應(yīng)控制技術(shù)、人工智能技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)的相結(jié)合,在控制領(lǐng)域得到了空前的應(yīng)用。 Fuzzy-PID復(fù)合控制Fuzzy-PID復(fù)合控制是模糊技術(shù)與常規(guī)PID控制算法相結(jié)合，以達(dá)到較高的控制精度。當(dāng)溫度偏差較大時(shí)采用Fuzzy控制，響應(yīng)速度快，動(dòng)態(tài)性能好；當(dāng)溫度偏差較小時(shí)采用PID控制，使其靜態(tài)性能好，滿足系統(tǒng)控制精度。因此它比單個(gè)的模糊控制器和單個(gè)的PID調(diào)節(jié)器均有更好的控制性能。自適應(yīng)模糊控制這種控制方法具有自適應(yīng)自學(xué)習(xí)的能力，能自動(dòng)地對(duì)自適應(yīng)模糊控制規(guī)則進(jìn)行修改和完善，以

17、提高控制系統(tǒng)的性能。對(duì)于那些具有非線性、大時(shí)滯、高階次的復(fù)雜系統(tǒng)有著更好的控制性能。參數(shù)自整定模糊控制也稱為比例因子自整定模糊控制。這種控制方法對(duì)環(huán)境變化有較強(qiáng)的適應(yīng)能力，在隨機(jī)環(huán)境中能對(duì)控制器進(jìn)行自動(dòng)校正，使得被控對(duì)象特性變化或擾動(dòng)情況下控制系統(tǒng)保持較好性能。專家模糊控制pert Fuzzy Controller)模糊控制與專家系統(tǒng)技術(shù)相結(jié)合，進(jìn)一步提高了模糊控制器智能水平。這種控制方法既保持了基于規(guī)則的方法的價(jià)值和用模糊集處理帶來(lái)的靈活性，同時(shí)把專家系統(tǒng)技術(shù)的表達(dá)與利用知識(shí)的長(zhǎng)處結(jié)合起來(lái)，能處理更廣泛的控制問(wèn)題。仿人智能模糊控制其特點(diǎn)在于IC算法具有比例模式和保持模式兩種基本模式。這兩種特

18、點(diǎn)使得系統(tǒng)對(duì)誤差絕對(duì)值變化時(shí)，可使系統(tǒng)處于閉環(huán)運(yùn)行和開(kāi)環(huán)運(yùn)行兩種狀態(tài)。這樣能妥善解決穩(wěn)定性、準(zhǔn)確性、快速性的矛盾，能較好地應(yīng)用于純滯后對(duì)象。神經(jīng)模糊控制-Fuzzy Control)這種控制方法以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，利用了模糊邏輯具有較強(qiáng)的結(jié)構(gòu)性知識(shí)表達(dá)能力，即描述系統(tǒng)定性知識(shí)的能力以及神經(jīng)網(wǎng)絡(luò)的強(qiáng)大的學(xué)習(xí)能力與的直接處理能力。多變量模糊控制這種控制適用于多變量控制系統(tǒng)。一個(gè)多變量模糊控制器有多個(gè)輸入變量和輸出變量。模糊控制理論案例分析案例一:模糊控制理論在經(jīng)濟(jì)預(yù)測(cè)中的運(yùn)用一、前言1965年美國(guó)控制論專家Zadeh教授創(chuàng)立了模糊集理論，為描述和研究模糊現(xiàn)象提供了有力的數(shù)學(xué)工具。1974年英國(guó)自動(dòng)控

19、制專家E.H.Mamdani教授成功地將模糊語(yǔ)言邏輯運(yùn)用于工業(yè)過(guò)程，標(biāo)志著模糊控制的誕生。近40年來(lái)，模糊控制理論取得了很大的發(fā)展，在眾多領(lǐng)域得到了廣泛的應(yīng)用。在經(jīng)濟(jì)領(lǐng)域，經(jīng)濟(jì)計(jì)量學(xué)和統(tǒng)計(jì)學(xué)利用給定的數(shù)據(jù)建立模型，用于經(jīng)濟(jì)預(yù)測(cè)估等。所謂預(yù)測(cè)就是利用樣本數(shù)據(jù)和樣本模型來(lái)估計(jì)系統(tǒng)未來(lái)時(shí)刻的預(yù)測(cè)值。到目前為止，經(jīng)濟(jì)計(jì)量學(xué)的預(yù)測(cè)模型都把經(jīng)濟(jì)現(xiàn)象視為一種隨機(jī)現(xiàn)象，根據(jù)統(tǒng)計(jì)學(xué)之建立預(yù)測(cè)模型。然而許多經(jīng)濟(jì)現(xiàn)象不僅僅具有隨機(jī)性，同時(shí)也具有模糊性。例如，當(dāng)我們說(shuō)某商品的質(zhì)量好時(shí)，術(shù)語(yǔ)“好”就是一個(gè)模糊概念。對(duì)這類經(jīng)濟(jì)現(xiàn)象，如果僅考慮其隨機(jī)性而忽略其模糊性，顯然所建立的模型預(yù)測(cè)效果不會(huì)太理想。另外，有些經(jīng)濟(jì)現(xiàn)象中

20、的有關(guān)因素不一定存在統(tǒng)計(jì)關(guān)系，這樣就很難對(duì)它們建立統(tǒng)計(jì)模型。有時(shí)為了得到較高的模擬效果，常常增加外生變量建立多變量模型增加了計(jì)算量，而且積累了誤差。然而將某些因素適當(dāng)?shù)剡M(jìn)行模糊化處理就可提高預(yù)測(cè)精度針對(duì)以上幾個(gè)問(wèn)題，本文提出建立模糊控制模型來(lái)進(jìn)行經(jīng)濟(jì)預(yù)測(cè)想是：在影響內(nèi)生變量素中，突出主要因素，把外生變量系看內(nèi)生變量系，運(yùn)用模糊控制的基本理論和方法建立模型。二、模糊控制系統(tǒng)在經(jīng)濟(jì)領(lǐng)域的應(yīng)用模糊控制理論已成功地運(yùn)用于眾多領(lǐng)域，包括經(jīng)濟(jì)領(lǐng)域，這里將利用模糊控制理論來(lái)建立一個(gè)模糊控制模型，用它來(lái)對(duì)一類具有模糊性因素的經(jīng)濟(jì)現(xiàn)象進(jìn)行經(jīng)濟(jì)預(yù)測(cè)。根據(jù)統(tǒng)計(jì)分析方法生變量相關(guān)的眾多因素中選取主要因素作為輸入變量。

21、建模步驟如下：步驟一：把輸入輸出空間劃分為模糊空間建立模糊控制模型時(shí)，所有的輸入輸出變量都需要模糊化，用模糊集合來(lái)表示。如選一變量z，將其論域a,b等分為k個(gè)子區(qū)間，定義k+1個(gè)模糊集合，為計(jì)算簡(jiǎn)便起見(jiàn)，這里選三角形隸屬度函數(shù)。步驟二：建立模糊規(guī)則首先，根據(jù)給定的數(shù)據(jù)對(duì)生成模糊規(guī)則。具體做法為：對(duì)每組輸入輸出數(shù)據(jù)確定和yp分別隸屬于模糊集和的隸屬度值，Ni和Ny分別表示根據(jù)步驟一在變量xi和y論域上定義的模糊集的數(shù)。選擇使得具有最大隸屬度值的模糊集，類似的選擇，則得模糊規(guī)則：如果x1為A1j *且且xn為，則y為。（注：若由輸入輸出數(shù)據(jù)對(duì)生成沖突規(guī)則，即規(guī)則的“IF”部分相同而“THEN”部分

22、不同，這時(shí)可為每條規(guī)則賦予一個(gè)強(qiáng)度，然后從沖突的規(guī)則群中選擇強(qiáng)度最大的一條。）其次，在實(shí)踐中，輸入輸出數(shù)據(jù)對(duì)比較少時(shí)，生成的規(guī)則也比較少，會(huì)導(dǎo)致模型達(dá)不到預(yù)期的精度。這時(shí)可以請(qǐng)?jiān)擃I(lǐng)域的專家根據(jù)他們的經(jīng)驗(yàn)給出一些控制規(guī)則，這也是模糊控制的特點(diǎn)，即結(jié)合專家經(jīng)驗(yàn)。直觀上，可以把一個(gè)模糊規(guī)則庫(kù)描述成一個(gè)兩維輸入的表格，每一個(gè)空格對(duì)應(yīng)著一條規(guī)則。這種建立模糊規(guī)則庫(kù)的方法可以看作是用恰當(dāng)?shù)囊?guī)則來(lái)填表格，故稱其為查表法步驟三：構(gòu)造模糊系統(tǒng)根據(jù)步驟二中生成的模糊規(guī)則庫(kù)，選用帶有單值模糊器、模糊規(guī)則庫(kù)規(guī)則、乘積推理機(jī)和中心平均解模糊器的模糊系統(tǒng)，其模型為：。其中，是外生變量，f(x)是內(nèi)生變量。由模型公式（1）可見(jiàn)，輸出f(x)是一個(gè)精確值，但在實(shí)際應(yīng)用中不可能準(zhǔn)確無(wú)誤地預(yù)測(cè)一個(gè)值，必定帶有誤差。設(shè)真值為y *，則可用相對(duì)誤差衡量預(yù)測(cè)的準(zhǔn)確度。三、實(shí)例分析眾所周知，商品的銷售與商品的價(jià)格、廣告促銷費(fèi)、信譽(yù)、品牌等眾多因素有關(guān)。為了檢測(cè)本文設(shè)計(jì)的模糊控制模型的效果，這里選擇一種商品，其銷售主要受廣告促銷費(fèi)和信譽(yù)（其評(píng)定是模糊的）影響。數(shù)據(jù)調(diào)查如下：2003年到2007年數(shù)據(jù)年度2