《智能控制》-第4章

《智能控制》_第4章第一頁，共93頁。

模糊控制是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種智能控制方法，它是從行為上模仿人的模糊推理和決策過程的一種智能控制方法。該方法首先將操作人員或?qū)＜医?jīng)驗編成模糊規(guī)則，然后將來自傳感器的實時信號模糊化，將模糊化后的信號作為模糊規(guī)則的輸入，完成模糊推理，將推理后得到的輸出量加到執(zhí)行器上。4.1.1、模糊控制原理第二頁，共93頁。

模糊控制器（FuzzyController—FC）也稱為模糊邏輯控制器（FuzzyLogicController—FLC）,由于所采用的模糊控制規(guī)則是由模糊理論中模糊條件語句來描述的，因此模糊控制器是一種語言型控制器，故也稱為模糊語言控制器（FuzzyLanguageController—FLC）。第三頁，共93頁。圖

模糊控制原理框圖第四頁，共93頁。4.1.2模糊控制器的構(gòu)成模糊控制器的組成框圖如圖所示。

圖模糊控制器的組成框圖第五頁，共93頁。1.

模糊化接口（Fuzzyinterface）

模糊控制器的輸入必須通過模糊化才能用于控制輸出的求解，因此它實際上是模糊控制器的輸入接口。它的主要作用是將真實的確定量輸入轉(zhuǎn)換為一個模糊矢量。對于一個模糊輸入變量e，其模糊子集通?？梢宰魅缦路绞絼澐郑海?）={負(fù)大，負(fù)小，零，正小，正大}={NB,NS,ZO,PS,PB}（2）={負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}={NB,NM,NS,ZO,PS,PM,PB}（3）={大，負(fù)中，負(fù)小，零負(fù)，零正，正小，正中，正大}={NB,NM,NS,NZ,PZ,PS,PM,PB}第六頁，共93頁。用三角型隸屬度函數(shù)表示如圖所示。

圖

模糊子集和模糊化等級

第七頁，共93頁。2.知識庫（KnowledgeBase—KB）知識庫由數(shù)據(jù)庫和規(guī)則庫兩部分構(gòu)成。（1）數(shù)據(jù)庫（DataBase—DB）數(shù)據(jù)庫所存放的是所有輸入、輸出變量的全部模糊子集的隸屬度矢量值（即經(jīng)過論域等級離散化以后對應(yīng)值的集合），若論域為連續(xù)域則為隸屬度函數(shù)。在規(guī)則推理的模糊關(guān)系方程求解過程中，向推理機提供數(shù)據(jù)。第八頁，共93頁。（2）規(guī)則庫（RuleBase—RB）模糊控制器的規(guī)則司基于專家知識或手動操作人員長期積累的經(jīng)驗，它是按人的直覺推理的一種語言表示形式。模糊規(guī)則通常有一系列的關(guān)系詞連接而成，如if-then、else、also、end、or等，關(guān)系詞必須經(jīng)過“翻譯”才能將模糊規(guī)則數(shù)值化。最常用的關(guān)系詞為if-then、also，對于多變量模糊控制系統(tǒng)，還有and等。例如，某模糊控制系統(tǒng)輸入變量為（誤差）和（誤差變化），它們對應(yīng)的語言變量為E和EC，可給出一組模糊規(guī)則：第九頁，共93頁。R1:IFEisNBandECisNBthenUisPBR2:IFEisNBandECisNSthenUisPM

通常把if…部分稱為“前提部，而then…部分稱為“結(jié)論部”，其基本結(jié)構(gòu)可歸納為IfAandBthenC,其中A為論域U上的一個模糊子集，B是論域V上的一個模糊子集。根據(jù)人工控制經(jīng)驗，可離線組織其控制決策表R,R是笛卡兒乘積集上的一個模糊子集，則某一時刻其控制量由下式給出：第十頁，共93頁。式中×模糊直積運算；

°模糊合成運算。規(guī)則庫是用來存放全部模糊控制規(guī)則的，在推理時為“推理機”提供控制規(guī)則。規(guī)則條數(shù)和模糊變量的模糊子集劃分有關(guān)，劃分越細，規(guī)則條數(shù)越多，但并不代表規(guī)則庫的準(zhǔn)確度越高，規(guī)則庫的“準(zhǔn)確性”還與專家知識的準(zhǔn)確度有關(guān)。第十一頁，共93頁。3．推理與解模糊接口（InferenceandDefuzzy-interface）推理是模糊控制器中，根據(jù)輸入模糊量，由模糊控制規(guī)則完成模糊推理來求解模糊關(guān)系方程，并獲得模糊控制量的功能部分。在模糊控制中，考慮到推理時間，通常采用運算較簡單的推理方法。最基本的有Zadeh近似推理，它包含有正向推理和逆向推理兩類。正向推理常被用于模糊控制中，而逆向推理一般用于知識工程學(xué)領(lǐng)域的專家系統(tǒng)中。第十二頁，共93頁。

推理結(jié)果的獲得，表示模糊控制的規(guī)則推理功能已經(jīng)完成。但是，至此所獲得的結(jié)果仍是一個模糊矢量，不能直接用來作為控制量，還必須作一次轉(zhuǎn)換，求得清晰的控制量輸出，即為解模糊。通常把輸出端具有轉(zhuǎn)換功能作用的部分稱為解模糊接口。綜上所述，模糊控制器實際上就是依靠微機（或單片機）來構(gòu)成的。它的絕大部分功能都是由計算機程序來完成的。隨著專用模糊芯片的研究和開發(fā)，也可以由硬件逐步取代各組成單元的軟件功能。第十三頁，共93頁。4.1.3、模糊控制系統(tǒng)的工作原理

以水位的模糊控制為例，如圖4-4所示。設(shè)有一個水箱，通過調(diào)節(jié)閥可向內(nèi)注水和向外抽水。設(shè)計一個模糊控制器，通過調(diào)節(jié)閥門將水位穩(wěn)定在固定點附近。按照日常的操作經(jīng)驗，可以得到基本的控制規(guī)則：“若水位高于O點，則向外排水，差值越大，排水越快”；“若水位低于O點，則向內(nèi)注水，差值越大，注水越快”。根據(jù)上述經(jīng)驗，按下列步驟設(shè)計模糊控制器：第十四頁，共93頁。圖

4-4水箱液位控制

第十五頁，共93頁。1確定觀測量和控制量定義理想液位O點的水位為h0，實際測得的水位高度為h，選擇液位差將當(dāng)前水位對于O點的偏差e作為觀測量，2輸入量和輸出量的模糊化將偏差e分為五級：負(fù)大（NB），負(fù)?。∟S），零（O），正?。≒S），正大（PB）。第十六頁，共93頁。根據(jù)偏差e的變化范圍分為七個等級：-3，-2，-1，0，+1，+2，+3。得到水位變化模糊表4-1。表4-1水位變化劃分表第十七頁，共93頁。

控制量u為調(diào)節(jié)閥門開度的變化。將其分為五級：負(fù)大（NB），負(fù)?。∟S），零（O），正?。≒S），正大（PB）。并根據(jù)u的變化范圍分為九個等級：-4，-3，-2，-1，0，+1，+2，+3，+4。得到控制量模糊劃分表4-2。第十八頁，共93頁。表4-2控制量變化劃分表第十九頁，共93頁。3模糊規(guī)則的描述根據(jù)日常的經(jīng)驗，設(shè)計以下模糊規(guī)則：（1）“若e負(fù)大，則u正大”（2）“若e負(fù)小，則u正小”（3）“若e為0，則u為0”（4）“若e正小，則u負(fù)小”（5）“若e正大，則u負(fù)大”第二十頁，共93頁。

上述規(guī)則采用“IFATHENB”形式來描述：（1）ife=NBthenu=NB（2）ife=NSthenu=NS（3）ife=0thenu=0（4）ife=PSthenu=PS（5）ife=PBthenu=PB

根據(jù)上述經(jīng)驗規(guī)則，可得模糊控制表4-3。第二十一頁，共93頁。表4-3模糊控制規(guī)則表4求模糊關(guān)系模糊控制規(guī)則是一個多條語句，它可以表示為U×V上的模糊子集，即模糊關(guān)系R：其中規(guī)則內(nèi)的模糊集運算取交集，規(guī)則間的模糊集運算取并集。第二十二頁，共93頁。第二十三頁，共93頁。第二十四頁，共93頁。由以上五個模糊矩陣求并集（即隸屬函數(shù)最大值），得：第二十五頁，共93頁。5模糊決策模糊控制器的輸出為誤差向量和模糊關(guān)系的合成：當(dāng)誤差e為NB時，控制器輸出為第二十六頁，共93頁。第二十七頁，共93頁。6控制量的反模糊化由模糊決策可知，當(dāng)誤差為負(fù)大時，實際液位遠高于理想液位，e=NB，控制器的輸出為一模糊向量，可表示為：如果按照“隸屬度最大原則”進行反模糊化，則選擇控制量為，即閥門的開度應(yīng)關(guān)大一些，減少進水量。第二十八頁，共93頁。仿真：按上述步驟，設(shè)計水箱模糊控制的Matlab仿真程序。通過該程序，可實現(xiàn)模糊控制的動態(tài)仿真。模糊控制響應(yīng)表見表4-4所示。取偏差e=-3，運行該程序，得u=-3.1481。表4-4模糊控制響應(yīng)表第二十九頁，共93頁。四、模糊控制器結(jié)構(gòu)

在確定性控制系統(tǒng)中，根據(jù)輸入變量和輸出變量的個數(shù)，可分為單變量控制系統(tǒng)和多變量控制系統(tǒng)。在模糊控制系統(tǒng)中也可類似地劃分為單變量模糊控制和多變量模糊控制。1單變量模糊控制器

在單變量模糊控制器（SingleVariableFuzzyController—SVFC）中，將其輸入變量的個數(shù)定義為模糊控制的維數(shù)。第三十頁，共93頁。（1）一維模糊控制器如圖所示，一維模糊控制器的輸入變量往往選擇為受控量和輸入給定的偏差量E。由于僅僅采用偏差值，很難反映過程的動態(tài)特性品質(zhì)，因此，所能獲得的系統(tǒng)動態(tài)性能是不能令人滿意的。這種一維模糊控制器往往被用于一階被控對象。第三十一頁，共93頁。（2）二維模糊控制器如圖所示，二維模糊控制器的兩個輸入變量基本上都選用受控變量和輸入給定的偏差E和偏差變化EC，由于它們能夠較嚴(yán)格地反映受控過程中輸出變量的動態(tài)特性，因此，在控制效果上要比一維控制器好得多，也是目前采用較廣泛的一類模糊控制器。第三十二頁，共93頁。（3）三維模糊控制器如圖所示，三維模糊控制器的三個輸入變量分別為系統(tǒng)偏差量E、偏差變化量EC和偏差變化的變化率ECC。由于這些模糊控制器結(jié)構(gòu)較復(fù)雜，推理運算時間長，因此除非對動態(tài)特性的要求特別高的場合，一般較少選用三維模糊控制器。第三十三頁，共93頁。

模糊控制系統(tǒng)所選用的模糊控制器維數(shù)越高，系統(tǒng)的控制精度也就越高。但是維數(shù)選擇太高，模糊控制規(guī)律就過于復(fù)雜，這是人們在設(shè)計模糊控制系統(tǒng)時，多數(shù)采用二維控制器的原因。第三十四頁，共93頁。2多變量模糊控制器一個多變量模糊控制器（MultipleVariableFuzzyController）系統(tǒng)所采用的模糊控制器，具有多變量結(jié)構(gòu)，稱之為多變量模糊控制器。如圖4-6所示。要直接設(shè)計一個多變量模糊控制器是相當(dāng)困難的，可利用模糊控制器本身的解耦特點，通過模糊關(guān)系方程求解，在控制器結(jié)構(gòu)上實現(xiàn)解耦，即將一個多輸入-多輸出（MIMO）的模糊控制器，分解成若干個多輸入-單輸出（MISO）的模糊控制器，這樣可采用單變量模糊控制器方法設(shè)計。第三十五頁，共93頁。圖4-6多變量模糊控制器第三十六頁，共93頁。

第2節(jié)模糊控制系統(tǒng)分類1按信號的時變特性分類（1）恒值模糊控制系統(tǒng)系統(tǒng)的指令信號為恒定值，通過模糊控制器消除外界對系統(tǒng)的擾動作用，使系統(tǒng)的輸出跟蹤輸入的恒定值。也稱為“自鎮(zhèn)定模糊控制系統(tǒng)”，如溫度模糊控制系統(tǒng)。（2）隨動模糊控制系統(tǒng)系統(tǒng)的指令信號為時間函數(shù)，要求系統(tǒng)的輸出高精度、快速地跟蹤系統(tǒng)輸入。也稱為“模糊控制跟蹤系統(tǒng)”或“模糊控制伺服系統(tǒng)”。第三十七頁，共93頁。2按模糊控制的線性特性分類對開環(huán)模糊控制系統(tǒng)S，設(shè)輸入變量為u，輸出變量為v。對任意輸入偏差Δu和輸出偏差Δv，滿足，。

定義線性度δ，用于衡量模糊控制系統(tǒng)的線性化程度：其中，，為線性化因子，m為模糊子集V的個數(shù)。第三十八頁，共93頁。設(shè)k0為一經(jīng)驗值，則定義模糊系統(tǒng)的線性特性為：（1）當(dāng)時，S為線性模糊系統(tǒng)；（2）當(dāng)時，S為非線性模糊系統(tǒng)。3按靜態(tài)誤差是否存分類（1）有差模糊控制系統(tǒng)將偏差的大小及其偏差變化率作為系統(tǒng)的輸入為有差模糊控制系統(tǒng)。（2）無差模糊控制系統(tǒng)引入積分作用，使系統(tǒng)的靜差降至最小。第三十九頁，共93頁。4按系統(tǒng)輸入變量的多少分類控制輸入個數(shù)為1的系統(tǒng)為單變量模糊控制系統(tǒng)，控制輸入個數(shù)>1的系統(tǒng)為多變量模糊控制系統(tǒng)。第四十頁，共93頁。第3節(jié)模糊控制器的設(shè)計3.1、模糊控制器的設(shè)計步驟模糊控制器最簡單的實現(xiàn)方法是將一系列模糊控制規(guī)則離線轉(zhuǎn)化為一個查詢表（又稱為控制表）。這種模糊控制其結(jié)構(gòu)簡單，使用方便，是最基本的一種形式。本節(jié)以單變量二維模糊控制器為例，介紹這種形式模糊控制器的設(shè)計步驟，其設(shè)計思想是設(shè)計其他模糊控制器的基礎(chǔ)。第四十一頁，共93頁。1模糊控制器的結(jié)構(gòu)單變量二維模糊控制器是最常見的結(jié)構(gòu)形式。2定義輸入輸出模糊集對誤差E、誤差變化EC及控制量u的模糊集及其論域定義如下：E、EC和u的模糊集均為：E、EC的論域均為：{-3，-2，-1，0，1，2，3}u的論域為：{-4.5,-3,-1.5,0,1,3,4.5}第四十二頁，共93頁。3定義輸入輸出隸屬函數(shù)模糊變量誤差E、誤差變化EC及控制量u的模糊集和論域確定后，需對模糊語言變量確定隸屬函數(shù)，確定論域內(nèi)元素對模糊語言變量的隸屬度。4建立模糊控制規(guī)則根據(jù)人的經(jīng)驗，根據(jù)系統(tǒng)輸出的誤差及誤差的變化趨勢來設(shè)計模糊控制規(guī)則。模糊控制規(guī)則語句構(gòu)成了描述眾多被控過程的模糊模型。第四十三頁，共93頁。5建立模糊控制表模糊控制規(guī)則可采用模糊規(guī)則表4-5來描述，共49條模糊規(guī)則，各個模糊語句之間是或的關(guān)系，由第一條語句所確定的控制規(guī)則可以計算出u1。同理，可以由其余各條語句分別求出控制量u2,…,u49，則控制量為模糊集合U可表示為第四十四頁，共93頁。表4-5模糊規(guī)則表第四十五頁，共93頁。6模糊推理模糊推理是模糊控制的核心，它利用某種模糊推理算法和模糊規(guī)則進行推理，得出最終的控制量。7反模糊化通過模糊推理得到的結(jié)果是一個模糊集合。但在實際模糊控制中，必須要有一個確定值才能控制或驅(qū)動執(zhí)行機構(gòu)。將模糊推理結(jié)果轉(zhuǎn)化為精確值的過程稱為反模糊化。常用的反模糊化有三種：第四十六頁，共93頁。(1)最大隸屬度法選取推理結(jié)果模糊集合中隸屬度最大的元素作為輸出值，即，。如果在輸出論域V中，其最大隸屬度對應(yīng)的輸出值多于一個，則取所有具有最大隸屬度輸出的平均值，即：N為具有相同最大隸屬度輸出的總數(shù)。第四十七頁，共93頁。

最大隸屬度法不考慮輸出隸屬度函數(shù)的形狀，只考慮最大隸屬度處的輸出值。因此，難免會丟失許多信息。它的突出優(yōu)點是計算簡單。在一些控制要求不高的場合，可采用最大隸屬度法。(2)重心法為了獲得準(zhǔn)確的控制量，就要求模糊方法能夠很好的表達輸出隸屬度函數(shù)的計算結(jié)果。重心法是取隸屬度函數(shù)曲線與橫坐標(biāo)圍成面積的重心為模糊推理的最終輸出值，即第四十八頁，共93頁。對于具有m個輸出量化級數(shù)的離散域情況

與最大隸屬度法相比較，重心法具有更平滑的輸出推理控制。即使對應(yīng)于輸入信號的微小變化，輸出也會發(fā)生變化。第四十九頁，共93頁。(3)加權(quán)平均法工業(yè)控制中廣泛使用的反模糊方法為加權(quán)平均法，輸出值由下式?jīng)Q定其中系數(shù)的選擇根據(jù)實際情況而定。不同的系數(shù)決定系統(tǒng)具有不同的響應(yīng)特性。當(dāng)系數(shù)取隸屬度時，就轉(zhuǎn)化為重心法。第五十頁，共93頁。

反模糊化方法的選擇與隸屬度函數(shù)形狀的選擇、推理方法的選擇相關(guān)

Matlab提供五種解模糊化方法：（1）centroid：面積重心法；（2）bisector：面積等分法；（3）mom：最大隸屬度平均法；（4）som最大隸屬度取小法；（5）lom：大隸屬度取大法；在Matlab中，可通過setfis()設(shè)置解模糊化方法，通過defuzz()執(zhí)行反模糊化運算。第五十一頁，共93頁。

例如，重心法通過下例程序來實現(xiàn)：x=-10:1:10;mf=trapmf(x,[-10,-8,-4,7]);xx=defuzz(x,mf,’centroid’);

在模糊控制中，重心法可通過下例語句來設(shè)定：a1=setfis(a,'DefuzzMethod','centroid')其中a為模糊規(guī)則庫。第五十二頁，共93頁。3.2模糊控制器的Matlab仿真

根據(jù)上述步驟，建立二輸入單輸出模糊控制系統(tǒng)，該系統(tǒng)包括兩個部分，即模糊控制器的設(shè)計和位置跟蹤。1．模糊控制器的設(shè)計模糊規(guī)則表如表4-5所示，控制規(guī)則為49條。誤差、誤差變化率和控制輸入的范圍均為。通過運行showrule(a)，可得到用于描述模糊系統(tǒng)的49條模糊規(guī)則。控制器的響應(yīng)表如表4-6所示。第五十三頁，共93頁。表4-5模糊規(guī)則表第五十四頁，共93頁。

表4-6模糊響應(yīng)表

eec-3-2-10123-3-3-2-2-1-101-2-2-2-2-1011-1-2-2-10112-1-1-101122-1-10112332011233331122334第五十五頁，共93頁。

模糊控制器的設(shè)計仿真程序見chap4_2.m。在仿真時，模糊推理系統(tǒng)可由命令plotfis(a2)得到。系統(tǒng)的輸入輸出隸屬度函數(shù)如圖4-7至4-9所示。

圖4-7

偏差隸屬度函數(shù)

第五十六頁，共93頁。圖4-8

偏差變化率隸屬度函數(shù)

第五十七頁，共93頁。圖4-9

控制器輸出隸屬度函數(shù)

第五十八頁，共93頁。2．模糊控制位置跟蹤被控對象為首先運行模糊控制器程序chap4_2.m，并將模糊控制系統(tǒng)保存在a2之中。然后運行模糊控制的Simulink仿真程序，位置指令取正弦信號，仿真結(jié)果如圖4-10所示。模糊控制位置跟蹤的Simulink仿真程序見chap4_3.mdl。第五十九頁，共93頁。圖4-10正弦位置跟蹤圖4-10正弦位置跟蹤

第六十頁，共93頁。第4節(jié)模糊控制器設(shè)計實例-洗衣機模糊控制

以模糊洗衣機的設(shè)計為例，其控制是一個開環(huán)的決策過程，模糊控制按以下步驟進行。（1）模糊控制器的結(jié)構(gòu)選用單變量二維模糊控制器。控制器的輸入為衣物的污泥和油脂，輸出為洗滌時間。（2）定義輸入輸出模糊集將污泥分為三個模糊集：SD（污泥少），MD（污泥中），LD（污泥多），取值范圍為[0，100]。第六十一頁，共93頁。（3）定義隸屬函數(shù)選用如下隸屬函數(shù)：采用三角形隸屬函數(shù)實現(xiàn)污泥的模糊化，如圖4-11所示。第六十二頁，共93頁。圖4-11污泥隸屬函數(shù)第六十三頁，共93頁。

采用Matlab仿真，可實現(xiàn)污泥隸屬函數(shù)的設(shè)計，仿真程序為chap4_4.m第六十四頁，共93頁。

將油脂分為三個模糊集：NG（無油脂），MG（油脂中），LG（油脂多），取值范圍為[0，100]。選用如下隸屬函數(shù)：第六十五頁，共93頁。采用三角形隸屬函數(shù)實現(xiàn)污泥的模糊化，如下圖4-12所示。仿真程序同污泥隸屬函數(shù)。圖4-12油脂隸屬函數(shù)第六十六頁，共93頁。將洗滌時間分為三個模糊集：VS（很短），S（短），M（中等），L（長），VL（很長），取值范圍為[0，60]。選用如下隸屬函數(shù)：采用三角形隸屬函數(shù)實現(xiàn)洗滌時間的模糊化，如圖4-13所示。第六十七頁，共93頁。圖4-13洗滌時間隸屬函數(shù)第六十八頁，共93頁。

采用Matlab仿真，可實現(xiàn)洗滌時間隸屬函數(shù)的設(shè)計，仿真程序為chap4_5。第六十九頁，共93頁。（4）建立模糊控制規(guī)則根據(jù)人的操作經(jīng)驗設(shè)計模糊規(guī)則，模糊規(guī)則設(shè)計的標(biāo)準(zhǔn)為：“污泥越多，油脂越多，洗滌時間越長”；“污泥適中，油脂適中，洗滌時間適中”；“污泥越少，油脂越少，洗滌時間越短”。（5）建立模糊控制表根據(jù)模糊規(guī)則的設(shè)計標(biāo)準(zhǔn)，建立模糊規(guī)則表4-7。第七十頁，共93頁。表4-7模糊洗衣機的洗滌規(guī)則第七十一頁，共93頁。

第*條規(guī)則為：“IF衣物污泥少且沒有油脂THEN洗滌時間很短”。（6）模糊推理分以下幾步進行：①規(guī)則匹配。假定當(dāng)前傳感器測得的信息為：，，分別帶入所屬的隸屬函數(shù)中求隸屬度：第七十二頁，共93頁。通過上述四種隸屬度，可得到四條相匹配的模糊規(guī)則，如表4-8所示：表4-8模糊推理結(jié)果第七十三頁，共93頁。②規(guī)則觸發(fā)。由上表可知，被觸發(fā)的規(guī)則有4條：Rule1：IFyisMDandxisMGTHENzisMRule2：IFyisMDandxisLGTHENzisLRule3：IFyisLDandxisMGTHENzisLRule4：IFyisLDandxisLGTHENzisVL③規(guī)則前提推理。在同一條規(guī)則內(nèi)，前提之間通過“與”的關(guān)系得到規(guī)則結(jié)論，前提之間通過取小運算，得到每一條規(guī)則總前提的可信度：規(guī)則1前提的可信度為：min（4/5，3/5）=3/5規(guī)則2前提的可信度為：min（4/5，2/5）=2/5規(guī)則3前提的可信度為：min（1/5，3/5）=1/5規(guī)則4前提的可信度為：min（1/5，2/5）=1/5第七十四頁，共93頁。由此得到洗衣機規(guī)則前提可信度表，即規(guī)則強度表4-9。表4-9規(guī)則前提可信度第七十五頁，共93頁。④將上述兩個表進行“與”運算，得到每條規(guī)則總的輸出，如表4-10所示表4-10規(guī)則總的可信度第七十六頁，共93頁。⑤模糊系統(tǒng)總的輸出模糊系統(tǒng)總的輸出為各條規(guī)則推理結(jié)果的并，即⑥反模糊化

模糊系統(tǒng)總的輸出實際上是三個規(guī)則推理結(jié)果的并集，需要進行反模糊化，才能得到精確的推理結(jié)果。下面以最大平均法為例，進行反模糊化。第七十七頁，共93頁。

將帶入洗滌時間隸屬函數(shù)中的，得到規(guī)則前提隸屬度與規(guī)則結(jié)論隸屬度的交點：，得：，。采用最大平均法，可得精確輸出第七十八頁，共93頁。仿真實例：采用MATLAB中模糊控制工具箱中的模糊命令設(shè)計洗衣機模糊控制系統(tǒng)，采用本節(jié)的隸屬函數(shù)，按上述步驟設(shè)計模糊系統(tǒng)。取x=60，y=70，反模糊化采用重心法，模糊推理結(jié)果為33.6853。利用模糊命令ruleview可實現(xiàn)模糊控制的動態(tài)仿真。動態(tài)仿真模糊系統(tǒng)如圖4-16所示。仿真程序：chap4_6.m第七十九頁，共93頁。圖4-16動態(tài)仿真模糊系統(tǒng)

第八十頁，共93頁。第5節(jié)模糊自適應(yīng)整定PID控制

5.1模糊自適應(yīng)整定PID控制原理

見WORD文檔。第八十一頁，共93頁。第6節(jié)Sugeno模糊模型6.1Sugeno模糊模型

傳統(tǒng)的模糊系統(tǒng)為Mamdani模糊模型，輸出為模糊量。

Sugeno模糊模型輸出隸屬函數(shù)為constant或linear，其函數(shù)形式為：它與Mamdani模型的區(qū)別在于：（1）輸出變量為常量或線性函數(shù)；（2）輸出為精確量。第八十二頁，共93頁。6.2Sugeno模糊模型的設(shè)計

設(shè)輸入，，將它們模糊化為兩個模糊量：小，大。輸出為輸入的線性函數(shù)，模糊規(guī)則為：第八十三頁，共93頁。仿真設(shè)計：根據(jù)上述規(guī)則設(shè)計一個二輸入、單輸出的Sugeno模型，可觀察到輸入輸出隸屬函數(shù)曲線。仿真結(jié)果如圖所示。仿真程序：chap4_8.m仿真第八十四頁，共93頁。圖

Sugeno模糊推理系統(tǒng)的輸入隸屬函數(shù)曲線

第八十五頁