模糊控制綜述

課題論文一模糊掌握理論的進展

及其應(yīng)用學(xué)姓班學(xué)電氣工程學(xué)院

陸艷娟學(xué)姓班學(xué)電氣工程學(xué)院

陸艷娟院：_名：—級：—號：—授課老師:電103班1012022067

華亮摘要:常規(guī)掌握的基本特點是掌握器的設(shè)計要建立在被控對象的數(shù)學(xué)模型基礎(chǔ)上，但是在很多狀況下被控對象的精確數(shù)學(xué)模型很難建立，而實行模糊掌握和其它技術(shù)的結(jié)合形成的掌握方法，在對多變量、非線性、不確定的簡單系統(tǒng)中卻能取得較好的掌握效果。對此總結(jié)了模糊掌握理論進展的概況，介紹了模糊掌握理論與其它掌握方法的結(jié)合技術(shù)，研討了模糊掌握的應(yīng)用和進展前景。一、模糊規(guī)律的提出在日常生活中，人們往往使用“較少”、“較多”、“小一些”、“很小”等模糊語言，例如，當我們擰開水閥向水桶放水時，有這樣的閱歷：桶里沒有水或水較少時，應(yīng)開大水閥門；桶里的水比較多時，水閥應(yīng)擰小一些；水桶快滿時,應(yīng)把閥門擰很?。凰袄锏乃疂M時，應(yīng)快速關(guān)掉水閥。“模糊”比“清楚”所擁有的信息容量更大，內(nèi)涵更豐富，更符合客觀世界。為了用數(shù)學(xué)方法描述和處理自然界消失的不精確、不完整的信息，1965年美國加州高校L.A.Zadeh教授首次提出用“隸屬函數(shù)”的概念來定量描述事物模糊性的模糊集合理論，從今奠定了模糊數(shù)學(xué)的基礎(chǔ)。在20世紀60年月后期，很多學(xué)者提出了新的模糊方法，如模糊算法、模糊決策等，建立了討論模糊掌握的基礎(chǔ)理論，在引入語言變量概念的基礎(chǔ)上，提出了用“IF-THEN”的規(guī)章來量化人類的學(xué)問。二、模糊理論的討論1)模糊規(guī)律模糊集合(FuzzySets)是經(jīng)典集合的推廣，經(jīng)典集合只能描述確定性的概念，是二值規(guī)律一一非“真”即“假”，而不能描述現(xiàn)實世界中模糊的概念，例如，“天氣很熱”等概念。模糊規(guī)律仿照人類的思維，引入隸屬度(degreeofmembership)的概念，描述介于“真”與“假”中間的過程。給集合中每一個元素給予一個介于。和1之間的實數(shù)，描述其屬于一個集合的強度，該實數(shù)稱為元素屬于一個集合的隸屬度，集合中全部元素的隸屬度全體構(gòu)成集合的隸屬函數(shù)。例如，“成年人”集合:月成年人(%)-例如，“成年人”集合:月成年人(%)-1 x>180xv182）模糊規(guī)章模糊掌握規(guī)章："IFTHEN"o很多模糊規(guī)章實際上是一組多重條件語句，可以表示為從條件論域到結(jié)論論域的模糊關(guān)系矩陣R。模糊規(guī)章連同各語言變量的隸屬函數(shù)一起構(gòu)成了應(yīng)用系統(tǒng)的學(xué)問庫。3）模糊推理模糊推理是模擬人腦日常推理方式的一種近似推理模式，它作為模糊掌握技術(shù)的核心內(nèi)容。通過條件模糊向量與模糊關(guān)系矩陣R的合成進行模糊推理，得到結(jié)論的模糊向量。依據(jù)模糊集合和模糊關(guān)系理論，對于不同類型的模糊規(guī)章可用不同的模糊推理方法。4）模糊決策由模糊推理得到的結(jié)論或者操作是一個模糊向量，不能直接應(yīng)用，需轉(zhuǎn)化為精確量，這一過程稱為“模糊決策”。常用的模糊決策方法包括：最大隸屬度法一一在模糊向量中，取隸屬度最大的量作為推理結(jié)果；加權(quán)平均判別法一一〃.自“（"血;U——

n/=1中位數(shù)法一一把模糊集的中位數(shù)作為系統(tǒng)掌握量。三、模糊理論的進展隨著科學(xué)技術(shù)的迅猛進展，對自動掌握系統(tǒng)的掌握精度、響應(yīng)速度、系統(tǒng)穩(wěn)定性和適應(yīng)力量的要求越來越高，對于大多數(shù)簡單的被控對象，采納傳統(tǒng)的掌握方法往往難以收到滿足的掌握效果。模糊掌握綜合了專家的操作閱歷，具有不依靠被控對象的精確數(shù)學(xué)模型，設(shè)計簡潔，便于應(yīng)用，抗干擾力量強，響應(yīng)速度快，易于掌握和把握，對系統(tǒng)參數(shù)的變化有較強的魯棒性等特點，在經(jīng)典掌握理論和現(xiàn)代掌握理論難以應(yīng)用的場合發(fā)揮了很大的作用，已經(jīng)成為智能掌握的主要分支。20世紀70年月的一個重大大事就是誕生了處理實際系統(tǒng)的模糊掌握器。模糊掌握是以模糊數(shù)學(xué)為基礎(chǔ)，運用語言規(guī)章表示方法和先進的計算機技術(shù)，由模糊推理進行決策的一種高級掌握策略。它無疑屬于智能掌握范疇，而且進展至今已成為人工智能領(lǐng)域中的一個重要分支。模糊掌握的進展過程中,提出了多種自組織、自學(xué)習(xí)、自適應(yīng)模糊掌握器。它們依據(jù)被控過程的特性和系統(tǒng)參數(shù)的變化，自動生成或調(diào)整模糊掌握器的規(guī)章和參數(shù),達到掌握目的。這類模糊掌握器在實現(xiàn)人的掌握策略基礎(chǔ)上,又進一步將人的學(xué)習(xí)和適應(yīng)力量引入掌握器，使模糊掌握具有更高的智能性。自校正模糊掌握器、參數(shù)自調(diào)整模糊掌握等掌握方法也都較大地增加了對環(huán)境變化的適應(yīng)力量。模糊掌握器正向著自適應(yīng)、自組織、自學(xué)習(xí)方向進展,使得模糊掌握參數(shù)、規(guī)章在掌握過程中自動地調(diào)整、修改和完善,從而不斷完善系統(tǒng)的掌握性能,達到更好的掌握效果,而與專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等其他智能掌握技術(shù)相融合成為其進展趨勢。與其它智能掌握的融合模糊掌握與其它智能掌握的結(jié)合產(chǎn)生了多種掌握方法，可謂各取所長。1）模糊PID掌握器模糊PID掌握器的討論是將模糊技術(shù)與常規(guī)的PID掌握算法相結(jié)合的一種掌握方法，得到了很多學(xué)者的關(guān)注。模糊PID掌握器是一種雙模掌握形式。這種改進的掌握方法的動身點主要是消退模糊掌握的系統(tǒng)穩(wěn)態(tài)誤差，采用PID掌握器提高掌握精度，消退誤差，增加穩(wěn)態(tài)掌握性能。從PID掌握角度動身，提出FI—PKFI—PD、FI—PID三種形式的模糊掌握器，并能運用各種方式得出模糊掌握器中量化因子、比例因子同PID掌握器的因子KP、KI、KD之間的關(guān)系式。對基于簡潔線性規(guī)章TS模型的模糊掌握器進行了分析，指出這類模糊掌握器是一種非線性增益PID掌握器。有人試圖采用GA算法，通過性能指標評價函數(shù)，打算模糊掌握器的Ke、Kec、Ku等參數(shù)。2）模糊掌握與神經(jīng)網(wǎng)絡(luò)的融合神經(jīng)模糊掌握是神經(jīng)網(wǎng)絡(luò)技術(shù)與模糊規(guī)律掌握技術(shù)相結(jié)合的產(chǎn)物，是指基于神經(jīng)網(wǎng)絡(luò)的模糊掌握方法，集學(xué)習(xí)、聯(lián)想、識別、自適應(yīng)及模糊信息處理于一體。模糊系統(tǒng)是建立在“IFTHEN”表達式之上，這種方式簡潔讓人理解，但是在自動生成和調(diào)整隸屬函數(shù)和模糊規(guī)章上卻很困難。而人工神經(jīng)網(wǎng)絡(luò)是模擬人直觀性思維的一種方式，它是將分布式存儲的信息并行協(xié)同處理，是一個非線性動力學(xué)系統(tǒng)，每個神經(jīng)元結(jié)構(gòu)簡潔，但大量神經(jīng)元構(gòu)成網(wǎng)絡(luò)系統(tǒng)能實現(xiàn)很強的功能，因此人工神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)的學(xué)習(xí)力量、容錯性和魯棒性，并且神經(jīng)網(wǎng)絡(luò)對環(huán)境的變化具有較強的自適應(yīng)力量，所以可結(jié)合神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)力量來訓(xùn)練模糊規(guī)章，提高整個系統(tǒng)的學(xué)習(xí)力量和表達力量。將神經(jīng)網(wǎng)絡(luò)引入模糊掌握，目前主要是討論采用神經(jīng)網(wǎng)絡(luò)設(shè)計并自動獵取隸屬函數(shù)和“IF-THEN”規(guī)章，可以有效地提高掌握系統(tǒng)的性能并削減開發(fā)時間和成本。五、模糊掌握理論的應(yīng)用模糊掌握是基于語言變量的非線性掌握，是面對實際應(yīng)用的掌握方法，具有清楚簡潔的結(jié)構(gòu)。因此，很簡潔與PID掌握、變結(jié)構(gòu)掌握、猜測掌握、最優(yōu)掌握等傳統(tǒng)掌握方法相結(jié)合，發(fā)揮各自的優(yōu)點，也使模糊掌握可以繼承以往的討論成果，這也是模糊掌握進展的重要方向之一?？傊?jīng)過多年的進展，模糊掌握已不僅僅是將人的閱歷納入自動掌握的一條便捷途徑，而且也逐步形成了一種簡潔易行的智能掌握方法，其簡潔的形式、豐富的內(nèi)涵顯示了它充分的進展?jié)摿蛯掗煹膽?yīng)用前景。模糊掌握在很多實際掌握系統(tǒng)中得到廣泛應(yīng)用，如工業(yè)掌握過程中的蒸汽發(fā)生裝置掌握系統(tǒng)、鑄鐵退火爐溫度掌握系統(tǒng)等。此外，模糊掌握也應(yīng)用于航天飛行器掌握、機器人掌握、異步電動機掌握、污水處理、病人血壓調(diào)整、電梯群掌握、吊車自動掌握等系統(tǒng)中。日用家電產(chǎn)品中的模糊掌握應(yīng)用也已相當普遍，如用模糊掌握系統(tǒng)掌握水溫?，F(xiàn)以模糊掌握器在中心空調(diào)系統(tǒng)溫度掌握中的應(yīng)用為例，并與傳統(tǒng)PID掌握方法進行比較。1）功能實現(xiàn)的分析：中心空調(diào)系統(tǒng)的設(shè)計是以室內(nèi)空氣參數(shù)為基本依據(jù)，通過對整個空調(diào)系統(tǒng)新風(fēng)、回風(fēng)的溫度、濕度、送風(fēng)風(fēng)機運行狀態(tài)、初效過濾段的壓差等現(xiàn)場信號的采集，依據(jù)所設(shè)計的掌握策略掌握送風(fēng)風(fēng)機的變頻調(diào)速、加濕器的加濕、冷、熱水閥門的開度大小來達到設(shè)定的空氣狀態(tài)，且依據(jù)室內(nèi)、外空氣的狀態(tài)（溫度、濕度）確定系統(tǒng)的運行工況，在保證生產(chǎn)工藝的要求的前提下，使空調(diào)系統(tǒng)運行合理、平安、牢靠、能耗低等，使掌握效果達到最優(yōu)。2）掌握策略的選?。阂话阆到y(tǒng)中的被控參數(shù)可設(shè)定為兩個，室內(nèi)溫度和濕度。常規(guī)恒溫恒濕中心空調(diào)系統(tǒng)是一個多輸入、多輸出的掌握系統(tǒng)。由于回風(fēng)溫、濕度與室內(nèi)溫、濕度的變化狀況有全都性，所以常把系統(tǒng)回風(fēng)溫、濕度作為被控參數(shù)，掌握回路采納多個回路的PID掌握。但由于空調(diào)系統(tǒng)傳遞滯后較大，且是一個干擾大、高度非線性、隨機干擾因素多的系統(tǒng)，參數(shù)整定困難，一組整定好的參數(shù)只能在較小的范圍內(nèi)有較好的掌握效果，當參數(shù)變化超過肯定范圍時，系統(tǒng)掌握效果變差，致使一般PID掌握難以滿足要求。針對以上狀況，我們運用模糊掌握技術(shù)，采納一種基于模糊掌握規(guī)章的掌握方法設(shè)計出恒溫恒濕中心空調(diào)掌握系統(tǒng)，具有超調(diào)小、調(diào)整快速和提升時間短的特點，且具有很好的魯棒性。3）模糊掌握器的設(shè)計：第一步，確定語言變量、語言值和隸屬度函數(shù)，該設(shè)計涉及的模糊掌握器有兩個輸入信號和一個輸出信號，分別為：1）輸入語言變量之一，記為e,是溫度設(shè)定值和回風(fēng)溫度的偏差，e=s-y。2）輸入語言變量之二，記為de/dt是偏差的變化率。3）輸出語言變量，記為u,是電動水閥的掌握電壓，單位為V,對應(yīng)電動水閥的開度。輸入語言變量e的取值：｛負大，負中，負小，零，正小，正中，正大｝,表示符號｛NB,NM,NS,ZE,PS,PM,PB｝。語言值隸屬度函數(shù)選擇三角形。輸入語言變量de/dt的取值：｛負大，負中，負小，零，正小，正中，正大｝,表示符號｛NB,NM,NS,ZE,PS,PM,PB｝。語言值隸屬度函數(shù)選擇三角形。輸出變量u的取值：｛關(guān)閉，微開，小開，半開，小半開，大半開，全開｝,表示符號｛CB,CM,CS,M,OS,OM,OB｝o語言值隸屬度函數(shù)選擇梯形。其次步，引入模糊推斷、規(guī)律實現(xiàn)和掌握決策推斷。而推斷規(guī)律是由一組IF-THEN的掌握規(guī)章組成的。這一組掌握規(guī)章的形成來源于實際閱歷的總結(jié)。從閱歷動身，用語言形式表達表達推理掌握決策過程如下：IF｛溫度設(shè)定值和回風(fēng)溫度偏差過大AND偏差有變大的趨勢｝THEN｛電動水閥全開｝；IF｛溫度設(shè)定值和回風(fēng)溫度偏差過小AND偏差有變小的趨勢｝THEN｛電動水閥全閉｝；類似于上述的一系列掌握規(guī)章集中在掌握規(guī)章表中。在應(yīng)用模糊掌握器實際進行實時掌握時，肯定的偏差e和偏差變化率de/dt,對應(yīng)的就有某一些IF-THEN掌握規(guī)章生效，而這些生效的掌握規(guī)章產(chǎn)生一個綜合推斷結(jié)論，并通過解模糊過程轉(zhuǎn)換為一個確定的輸出值，從而給定電動水閥的掌握電壓，對應(yīng)于電動水閥的開度。我們應(yīng)用了模糊規(guī)律的min-max合成運算獲得綜合推斷掌握決策，并通過mom法，進行解模糊，產(chǎn)生確定的掌握調(diào)整作用。4）MATLAB仿真分析：使用以上設(shè)計的模糊掌握器，通過計算機實現(xiàn)實時掌握。依據(jù)偏差和偏差變化值的大小，再采用模糊掌握規(guī)章確定電動水閥的輸出，從而取得了良好的掌握效果，能實時地對溫度進行監(jiān)控，具有以下特點：1）和一般PID掌握器掌握效果相比，采納模糊掌握器后系統(tǒng)響應(yīng)超調(diào)小，響應(yīng)曲線平穩(wěn)。2）系統(tǒng)具有良好的響應(yīng)速度、穩(wěn)定性和精確性，且具有較強的魯棒性。3）由模糊掌握規(guī)章確定的三個參數(shù)是動態(tài)變化的，更符合空調(diào)系統(tǒng)的掌握特點。所以說模糊掌握器可以克服一般PID掌握器的局限性，在中心空調(diào)自動掌握中具有廣泛的應(yīng)用價值。模糊掌握雖然已經(jīng)有不少的討論成果，而且也被廣泛地應(yīng)用于生產(chǎn)實踐中，但模糊掌握將來的進展空間仍很大，尤其是模糊掌握與其他智能化掌握方法相結(jié)合的掌握方法，還有待于人們在實踐中得到驗證和進一步的提高。參考文獻：[1]ZadehLA.FuzzySets[J].Inf.Sci. ,1965(4)：338-353.[2]章衛(wèi)國.模糊掌握理論與應(yīng)用[M].西安：西北工業(yè)高校出版社，2000.[3]陳霞，陳廣林.模糊掌握理論的進展與應(yīng)用[J].煤礦現(xiàn)代化，2004(3)：34.[4]胡玉玲，曹建國.基于模糊神經(jīng)網(wǎng)絡(luò)的動態(tài)非線性系統(tǒng)辨識討論[J].系統(tǒng)仿真學(xué)報，2007,19(3)：560-563.[5]崔濤，趙莉.模糊掌握理論和應(yīng)用的進展概況[J].自動化儀表，2002,23(7)：2-3.[6]李友善，李軍.模糊掌握理論及其在過程掌握中的應(yīng)用[M].北京：國防工業(yè)出版社，1993.[7]張化光.簡單系統(tǒng)的模糊辨識與模糊自適應(yīng)掌握.沈陽：東北高校出版社，1994.[8]竇振中.模糊規(guī)律掌握技術(shù)及其應(yīng)用[M].北京：北京航空航天高校出版社，1995.[9]權(quán)太范等.模糊掌握技術(shù)在過程掌握中的應(yīng)用現(xiàn)狀及前景.掌握與決策，1988,3(1)：59-62.[10]汪培莊.模糊集合及應(yīng)用.上海：上?？茖W(xué)技術(shù)出版社,1983.[11]孫增圻等.智能掌握理論與技術(shù).北京：清華高校出版社，廣西科學(xué)技術(shù)出版社.1997年4月。[12]邱黎輝，闕沛文，毛義梅.模糊PID掌握在中心空調(diào)系統(tǒng)中的應(yīng)用討論,計算機測量與掌握.2004,(1):57-59o[13]李金川，鄭才智.空調(diào)制冷自動掌握系統(tǒng)運行于管理，北京：中國建材工業(yè)出版社，2002年6月。[14]孫亮,楊鵬.自動掌握原理.北京:北京工業(yè)高校出版社，1999年9月。[15]焦連渤，沈東凱.模糊PID在溫濕度掌握中的應(yīng)用，南京航空航天高校學(xué)報，1998,(8)：437-442o[16]涂序彥.人工智能及其應(yīng)用.北京：電子工業(yè)出版社，1988[17]田盛豐，人工智能原理與應(yīng)用，北京：北京工業(yè)學(xué)院出版社，1993口8]朱福喜，湯怡群，傅建明，人工智能原理，武漢：武漢高校出版社，2002[19]王凌，智能優(yōu)化算法及其應(yīng)用，北京：清華高校出版社[20]王士同，人工智能教程，北京：電子工業(yè)出版社，2001[21]王文杰，人工智能原理與應(yīng)用，北京：人民郵電出版社，2004[22]王萬良，生產(chǎn)調(diào)度智能算法及其應(yīng)用，北京：科學(xué)出版社，2007[23]康師友，人工智能技術(shù)導(dǎo)論，西安：西安電子科技高校出版社，2002LeachLP.Criticalchainprojectmanagement[M].London:ArtechHouseInc,2000,236~257RainerKolisch.SerialandParallelResource-ConstrainedProjectSchedulingmethodsrevisited:Theroyandcomputation.EuropeanJournalofOperationalResearch,1996,90:320^333.K.Boulei