搜索
模糊控制原理在炉温控制系统中的应用简介一、摘要模糊技术的特长在于逻辑推理能力。将模糊控制技术引入到神经网络中，可以大大拓宽其信息处理能力；与遗传算法结合可以增强系统的鲁棒性和自适应性。火炉炉温控制系统是“大惯性”“大滞后”系统，这种系统精确数学模型很难得到，而模糊控制正适合数学模型未知，动态过程变化大的系统。二、模糊控制原理1、模糊控制原理与模糊控制器对于模糊控制来说，其核心在于模糊控制器。也就是说，模糊控制的机理是通过模糊控制器来体现的。模糊控制器的思想来自人类在生产实践中对被控对象的控制。在生产实践中，人们发现有经验的操作人员虽然不懂被控对象的数学模型，但却能十分有效地对系统执行控制。如一个汽车司机不懂汽车的数学模型而能很好地驾驶汽车，这是因为操作人员对系统的控制是建立在直观的经验上的，凭借在实际中取得的经验采取相应的决策就可以很好地完成控制工作。人的经验是一系列含有语言变量值的条件语句和规则，而模糊集合理论能十分恰当地表达具有模糊性的语言变量和条件语句。因此，模糊集合理论描述人的经验就有着得天独厚的长处。很明显，把人的经验用模糊条件语句表示，然后，用模糊集合理论对语言变量定量化，在用模糊推理对系统的实时输入状态进行处理，产生相应的控制决策。这无疑是一种新颖的方法。这样就产生了模糊控制器。模糊控制器对被控对象的控制采用的是人类的模糊控制意念。这种模糊控制意念是以模糊控制语句来描述的。在模糊控制语句中，含有人类对环境的模糊检测和对被控对象的模糊命令。这一系列意念就是模糊控制规则，只不过是用模糊控制语句来表达而已。这些模糊控制语句可以采用条件语句的形式化格式表示。用t表示环境温度，分别用SU、UH、SH、MH、BH表示合适、微高、稍高、较高、高；而用v表示电风扇转速，用ST、LO、MI、FA、VF分别表示停止、低速、中速、较快速、快速，则可以以if---then格式表示如下：ift=BHthenv=VFift=MHthenv=FAift=SHthenv=MIift=UHthenv=LOift=SUthenv=ST在上述语句中，环境温度t所取的合适（SU）、微高（UH）、稍高（SH）、较高（MH）、高（BH）是人对环境的模糊检测结果，所以都是模糊量；电风扇的转速v所取的停止（ST）、低速（LO）、中速（MI）、较快（FA）、快速（VF）是人对电风扇转动所给出的模糊命令，也是模糊量。2、模糊集合的隶属函数在经典集合中，特征函数只能取0和1两个值，即特怔函数与{0，1}相对应；而在模糊集合中，其特征函数的取值范围从两个元素的集合扩大到在[0，1]区间连续取值。为了把两者区分开来，就把模糊集合的特征函数称作隶属函数。若是隶属函数的取值只有0和1，那么模糊集合就缩减成经典集合。从这个意义上来说，模糊集合的隶属函数是经典集合特征函数的扩展和一般化。模糊集合与经典集合不同的是，元素与集合属于关系并不适用于模糊集合，因为在模糊集合中已没有元素的概念。如果说到元素，实际上那是指的全集合的元素，而不是指模糊集合的元素。所以从概念上严格的说，隶属度应该是全集X的元素x被包含于模糊部分集合A的程度，而不能说是x属于模糊集合A的程度。但在一般情况下，并不严格去区分。图可变模糊温度的隶属函数讨论可变模糊温度的隶属函数，上图表示在用摄氏温度计测出的摄氏温度域上的各种形式，每条曲线为不同模糊变量，如“很冷”，“冷”，“常温”，“热”，“很热”等所对应的隶属函数。当然，这些曲线起相互关联的作用并可提供人们进行分析。确定隶属函数至今还未找到一种统一的方法。但有三条必须遵守的原则：1)表示隶属函数的模糊集合必须是凸模糊集合。2)变量所取的隶属函数通常是对称和平衡的。3)隶属函数要遵从语意顺序和避免不恰当的重合。3、模糊判决通过模糊推理得到的结果是一个模糊集合或者隶属函数，但在实际使用中，特别是在模糊逻辑控制中，必须用一个确定的值才能去控制伺服机构。在推理得到的模糊集合中取一个相对最能代表这个模糊集合的单值的过程就称作解模糊或模糊判决（Defuzzification）。模糊判决可以采用不同的方法，用不同的方法所得到的结果也是不同的。理论上用重心法比较合理，但是计算比较复杂，因而在实时性要求较高的系统不采用这种方法。最简单的方法是最大隶属度方法，这种方法取所有模糊集合或者隶属函数中隶属度最大的那个值作为输出，但是这种方法未考虑其他隶属度较小的值的影响，代表性不好，蓑衣它往往用于比较简单的系统。介于这两者之间的还有几种平均法：如加权平均法、隶属度限幅元素平均法等。下面介绍各种模糊判决方法，并以“水温适中”为例，说明不同方法的计算过程。这里假设“水温适中”的隶属函数为：U(xi)={X:0.0/0+0.0/10+0.33/20+0.67/30+1.0/40+1.0/50+0.75/60+0.5/70+0.25/80+0.0/90+0.0/100}(1)重心法所谓重心法就是取模糊隶属函数曲线与横坐标轴围成面积的重心作为代表点。理论上应该计算输出范围内一系列连续点的重心,但实际上是计算输出范围内整个采样点（即若干离散值）的重心。这样，在不花太多时间的情况下，用足够小的取样间隔来提供所需要的精度，这是一种最好的折衷方案。u=∑xiU(xi)/∑U(xi)=(0*0.0＋10*0.0＋20*0.33＋30*0.67＋40*1.0＋50*1.0＋60*0.75＋70*0.5＋80*0.25＋90*0.0＋100*0.0)/(0.0＋0.0＋0.33＋0.67＋1.0＋1.0＋0.75＋0.5＋0.25＋0.0＋0.0)=48.2在隶属函数不对称的情况下，其输出的代表值是48.2℃。如果模糊集合中没有48.2℃，那么就选取最靠近的一个温度值50℃输出。(2)最大隶属度法这种方法最简单，只要在推理结论的模糊集合中取隶属度最大的那个元素作为输出量即可。不过，要求这种情况下其隶属函数曲线一定是正规凸模糊集合（即其曲线只能是单峰曲线）。如果该曲线是梯形平顶的，那么具有最大隶属度的元素就可能不止一个，这时就要对所有取最大隶属度的元素求其平均值。例如，对于“水温适中”，按最大隶属度原则，有两个元素40和50具有最大隶属度1.0，那就要对所有取最大隶属度的元素40和50求平均值，执行量应取：Umax=(40+50)/2=45(3)系数加权平均法系数加权平均法的输出执行量由下式决定：U=ki*xi/∑ki式中，系数ki的选择要根据实际情况而定，不同的系统就决定系统有不同的响应特性。当该系数选择ki=U(xi)时，即取其隶属函数时，这就是重心法。在模糊逻辑控制中，可以通过选择和调整该系数来改善系统的响应特性。因而这种方法具有灵活性。(4)隶属度限幅元素平均法用所确定的隶属度值α对隶属度函数曲线进行切割，再对切割后等于该隶属度的所有元素进行平均，用这个平均值作为输出执行量，这种方法就称为隶属度限幅元素平均法。例如，当取α为最大隶属度值时，表示“完全隶属”关系，这时α＝1.0。在“水温适中”的情况下，40℃和50℃的隶属度是1.0，求其平均值得到输出代表量：u=(40+50)/2=45。这样，当“完全隶属”时，其代表量为45℃。如果当α＝0.5时，表示“大概隶属”关系，切割隶属度函数曲线后，这时从30℃到70℃的隶属度值都包含在其中，所以求其平均值得到输出代表量：u=(30+40+50+60+70)/5=50。这样，当“大概隶属”时，其代表量为50℃。三、控制器的设计炉温控制系统方块图如下：火炉模糊控制采用二维输入、单输出的结构，以温度偏差、偏差变化率为输入，以油量为输出。e*=Td*-T*e=Td-Tu是模糊控制器的输出，并做为火炉燃料油控制阀的输入信号。模糊控制器的结构如下：图模糊控制器结构偏差e的量化论域为［-6,6］，即e={-6,-5,-4,-3,-2,-1,01,2,3,4,5,6}模糊子集为{NB,NM,NS,NO,PO,PS,PM,PB}偏差变化率e*的论域为［-6,6］，即E*={-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}模糊子集为{NB,NM,NS,O,PS,PM,PB}输出油空比u的论域、模糊子集取法e。模糊控制器设计接下来是为模糊子集决定隶属度函数，隶属度函数的选择是依赖于设计者的经验，这里我们使用三角函数如下：图隶属度函数设计模糊控制器的核心是模糊规则库的建立。建立模糊规则库常用的方法是根据工艺操作规程及对操作人员经验的总结，抽取相应的模糊规则，这种方法较为简便，但获得的规则较为粗糙，且因操作人员经验的不同而带有一定的主观性。另一种方法是应用系统辨识技术，根据输入输出数据建立对象的模糊模型，再根据模糊模型提取相应的模糊控制规则。在此，我们采用操作人员的经验设计控制规则的方法如下表：表1模糊控制规则表表2模糊控制规则表模糊判决采用重心法：四、小结模糊控制不需要掌握过程的精确数学模型，对被控对象的非线性和时变性具有一定的适应能力，因此模糊控制理论的研究和应用在现代控制领域中具有重要的地位和意义。模糊控制理论不仅适用于小规模线性单变量系统，而且逐渐向大规模、非线性复杂系统扩展。五、参考文献：1、孙增圻《智能控制技术与理论》清华大学出版社19972、冯冬青《模糊智能控制》化学工业出版社1998