模糊控制

第4章模糊控制4.1模糊控制的基本原理模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它是从行为上模仿人的模糊推理和决策过程的一种智能控制方法。该方法首先将操作人员或专家经验编成模糊规则，然后将来自传感器的实时信号模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，将推理后得到的输出量加到执行器上。4.1.1模糊控制原理图1模糊控制原理框图模糊控制器（FuzzyController—FC）也称为模糊逻辑控制器（FuzzyLogicController—FLC）,由于所采用的模糊控制规则是由模糊理论中模糊条件语句来描述的，因此模糊控制器是一种语言型控制器，故也称为模糊语言控制器（FuzzyLanguageController—FLC）。4.1.2模糊控制器的构成模糊控制器的组成框图如图所示:图2模糊控制器的组成框图1.模糊化接口（Fuzzyinterface）模糊控制器的输入必须通过模糊化才能用于控制输出的求解，因此它实际上是模糊控制器的输入接口。它的主要作用是将真实的确定量输入转换为一个模糊矢量。对于一个模糊输入变量e，其模糊子集通常可以作如下方式划分：（1）{负大，负小，零，正小，正大}={NB,NS,ZO,PS,PB}（2）{负大，负中，负小，零，正小，正中，正大}={NB,NM,NS,ZO,PS,PM,PB}（3）{负大，负中，负小，零负，零正，正小，正中，正大}={NB,NM,NS,NZ,PZ,PS,PM,PB}2.知识库（KnowledgeBase—KB）（1）数据库（DataBase—DB）数据库所存放的是所有输入、输出变量的全部模糊子集的隶属度矢量值（即经过论域等级离散化以后对应值的集合）。在规则推理的模糊关系方程求解过程中，向推理机提供数据。（2）规则库（RuleBase—RB）模糊控制器的规则司基于专家知识或手动操作人员长期积累的经验，它是按人的直觉推理的一种语言表示形式。模糊规则通常有一系列的关系词连接而成，如if-then、else等，规则库是用来存放全部模糊控制规则的，在推理时为“推理机”提供控制规则。3.推理与解模糊接口推理是模糊控制器中，根据输入模糊量，由模糊控制规则完成模糊推理来求解模糊关系方程，并获得模糊控制量的功能部分。在模糊控制中，考虑到推理时间，通常采用运算较简单的推理方法。最基本的有Zadeh近似推理，它包含有正向推理和逆向推理两类。正向推理常被用于模糊控制中，而逆向推理一般用于知识工程学领域的专家系统中。综上所述，推理结果的获得，表示模糊控制的规则推理功能已经完成。但所获得的结果仍是一个模糊矢量，不能直接用来作为控制量，还必须作一次转换，求得清晰的控制量输出，即为解模糊。至此，模糊控制器实际上就是依靠微机（或单片机）来构成的。它的绝大部分功能都是由计算机程序来完成的。随着专用模糊芯片的研究和开发，也可以由硬件逐步取代各组成单元的软件功能。4.1.3模糊控制器结构在确定性控制系统中，根据控制器输出的个数，可分为单变量控制系统和多变量控制系统。在模糊控制系统中也可类似地划分为单变量模糊控制和多变量模糊控制。1单变量模糊控制器在单变量模糊控制器（SingleVariableFuzzyController—SVFC）中，将其输入变量的个数定义为模糊控制的维数。（1）一维模糊控制器如图所示，一维模糊控制器的输入变量往往选择为受控量和输入给定的偏差量E。由于仅仅采用偏差值，很难反映过程的动态特性品质，因此，所能获得的系统动态性能是不能令人满意的。这种一维模糊控制器往往被用于一阶被控对象。（2）二维模糊控制器如图所示，二维模糊控制器的两个输入变量基本上都选用受控变量和输入给定的偏差E和偏差变化EC，由于它们能够较严格地反映受控过程中输出变量的动态特性，因此，在控制效果上要比一维控制器好得多，也是目前采用较广泛的一类模糊控制器。（3）三维模糊控制器如图所示，三维模糊控制器的三个输入变量分别为系统偏差量E、偏差变化量EC和偏差变化的变化率ECC。由于这些模糊控制器结构较复杂，推理运算时间长，因此除非对动态特性的要求特别高的场合，一般较少选用三维模糊控制器。模糊控制系统所选用的模糊控制器维数越高，系统的控制精度也就越高。但是维数选择太高，模糊控制规律就过于复杂，这是人们在设计模糊控制系统时，多数采用二维控制器的原因。2.多变量模糊控制器一个多变量模糊控制器（MultipleVariableFuzzyController）系统所采用的模糊控制器，具有多变量结构，称之为多变量模糊控制器。如图4-6所示。要直接设计一个多变量模糊控制器是相当困难的，可利用模糊控制器本身的解耦特点，通过模糊关系方程求解，在控制器结构上实现解耦，即将一个多输入-多输出（MIMO）的模糊控制器，分解成若干个多输入-单输出（MISO）的模糊控制器，这样可采用单变量模糊控制器方法设计。图4-6多变量模糊控制器4.2模糊控制系统分类1按信号的时变特性分类（1）恒值模糊控制系统系统的指令信号为恒定值，通过模糊控制器消除外界对系统的扰动作用，使系统的输出跟踪输入的恒定值。也称为“自镇定模糊控制系统”，如温度模糊控制系统。（2）随动模糊控制系统系统的指令信号为时间函数，要求系统的输出高精度、快速地跟踪系统输入。也称为“模糊控制跟踪系统”或“模糊控制伺服系统”。2按模糊控制的线性特性分类对开环模糊控制系统S，设输入变量为u，输出变量为v。对任意输入偏差Δu和输出偏差Δv，满足kuvVvUu,定义线性度δ，用于衡量模糊控制系统的线性化程度：其中，，为线性化因子，m为模糊子集V的个数。muvmaxmax2minmaxmaxvvvminmaxmaxuuu设k0为一经验值，则定义模糊系统的线性特性为：（1）当时，S为线性模糊系统；（2）当时，S为非线性模糊系统。0kk0kk3按静态误差是否存分类（1）有差模糊控制系统将偏差的大小及其偏差变化率作为系统的输入为有差模糊控制系统。（2）无差模糊控制系统引入积分作用，使系统的静差降至最小。4按系统控制输入变量的多少分类控制输入个数为1的系统为单变量模糊控制系统，控制输入个数1的系统为多变量模糊控制系统。4.3模糊控制器的设计4.3.1、模糊控制器的设计步骤模糊控制器最简单的实现方法是将一系列模糊控制规则离线转化为一个查询表（又称为控制表）。这种模糊控制其结构简单，使用方便，是最基本的一种形式。本节以单变量二维模糊控制器为例，介绍这种形式模糊控制器的设计步骤，其设计思想是设计其他模糊控制器的基础。1.模糊控制器的结构单变量二维模糊控制器是最常见的结构形式。2.定义输入输出模糊集对误差E、误差变化EC及控制量u的模糊集及其论域定义如下：E、EC和u的模糊集均为：E、EC的论域均为：{-3，-2，-1，0，1，2，3}u的论域为：{-4.5,-3,-1.5,0,1,3,4.5}PBPMPSZNSNMNB,,,,,,3.定义输入输出隶属函数模糊变量误差E、误差变化EC及控制量u的模糊集和论域确定后，需对模糊语言变量确定隶属函数，确定论域内元素对模糊语言变量的隶属度。4.建立模糊控制规则根据人的经验，根据系统输出的误差及误差的变化趋势来设计模糊控制规则。模糊控制规则语句构成了描述众多被控过程的模糊模型。5.建立模糊控制表模糊控制规则可采用模糊规则表4-5来描述，共49条模糊规则，各个模糊语句之间是或的关系，由第一条语句所确定的控制规则可以计算出u1。同理，可以由其余各条语句分别求出控制量u2,…,u49，则控制量为模糊集合U可表示为4921uuuu6.模糊推理模糊推理是模糊控制的核心，它利用某种模糊推理算法和模糊规则进行推理，得出最终的控制量。7.反模糊化通过模糊推理得到的结果是一个模糊集合。但在实际模糊控制中，必须要有一个确定值才能控制或驱动执行机构。将模糊推理结果转化为精确值的过程称为反模糊化。常用的反模糊化有三种：(1)最大隶属度法选取推理结果模糊集合中隶属度最大的元素作为输出值，即，。如果在输出论域V中，其最大隶属度对应的输出值多于一个，则取所有具有最大隶属度输出的平均值，即：N为具有相同最大隶属度输出的总数。NiivNv101))((maxvvvVvi)(max0vvvVv最大隶属度法不考虑输出隶属度函数的形状，只考虑最大隶属度处的输出值。因此，难免会丢失许多信息。它的突出优点是计算简单。在一些控制要求不高的场合，可采用最大隶属度法。(2)重心法为了获得准确的控制量，就要求模糊方法能够很好的表达输出隶属度函数的计算结果。重心法是取隶属度函数曲线与横坐标围成面积的重心为模糊推理的最终输出值，即VvVvdvvdvvvv)()(0对于具有m个输出量化级数的离散域情况与最大隶属度法相比较，重心法具有更平滑的输出推理控制。即使对应于输入信号的微小变化，输出也会发生变化。mkkvmkkvkvvvv110)()((3)加权平均法工业控制中广泛使用的反模糊方法为加权平均法，输出值由下式决定其中系数的选择根据实际情况而定。不同的系数决定系统具有不同的响应特性。当系数取隶属度时，就转化为重心法。miimiiikkvv110ikik)(iVv反模糊化方法的选择与隶属度函数形状的选择、推理方法的选择相关Matlab提供五种解模糊化方法：（1）centroid：面积重心法；（2）bisector：面积等分法；（3）mom：最大隶属度平均法；（4）som最大隶属度取小法；（5）lom：大隶属度取大法；在Matlab中，可通过setfis()设置解模糊化方法，通过defuzz()执行反模糊化运算。4.4模糊自适应整定PID控制4.4.1模糊自适应整定PID控制原理在工业生产过程中，许多被控对象随着负荷变化或干扰因素影响，其对象特性参数或结构发生改变。自适应控制运用现代控制理论在线辨识对象特征参数，实时改变其控制策略，使控制系统品质指标保持在最佳范围内，但其控制效果的好坏取决于辨识模型的精确度，这对于复杂系统是非常困难的。因此，在工业生产过程中，大量采用的仍然是PID算法，大多数都以对象特性为基础。随着计算机技术的发展，人们利用人工智能的方法将操作人员的调整经验作为知识存入计算机中，根据现场实际情况，计算机能自动调整PID参数，这样就出现了智能PID控制器。这种控制器把古典的PID控制与先进的专家系统相结合，实现系统的最佳控制。这种控制必须精确地确定对象模型，首先将操作人员（专家）长期实践积累的经验知识用控制规则模型化，然后运用推理便可对PID参数实现最佳调整。由于操作者经验不易精确描述，控制过程中各种信号量以及评价指标不易定量表示，所以人们运用模糊数学的基本理论和方法，把规则的条件、操作用模糊集表示，并把这些模糊控制规则以及有关信息(如初始PID参数等)作为知识存入计算机知识库中，然后计算机根据控制系统的实际响应情况，运用模糊推理，即可自动实现对PID参数的最佳调整，这就是模糊自适应PID控制，其结构如图4-15所示。PID参数模糊自整定是找出PID三个参数与和之间的模糊关系，在运行中通过不断检测和，根据模糊控制原理来对3个参数进行在线修改，以满足不同和时对控制参数的不同要求，而使被控对象有良好的动、静态性能。图4-15自适应模糊控制器结构从系统的稳定性、响应速度、超调量和稳态精度等各方面来考虑，的作用如下：（1）比例系数的作用是加快系统的响应速度，提高系统的调节精度。越大，系统的响应速度越快，系统的调节精度越高，但易产生超调，甚至会导致系统不稳定。取值过小，则会降低调节精度，使响应速度缓慢，从而延长调节时间，使系统静态、动态特性变坏。（2）积分作用系数的作用是消除系统的稳态误差。越大，系统的静态误差消除越快，但过大，在响应过程的初期会产生积分饱和现象，从而引起响应过程的较大超调。若过小，将使系统静态误差难以消除，影响系统的调节精度。（3）微分作用系数的作用是改善系统的动态特