45专家控制与基于专家经验的模糊控制

1智能控制4.5专家控制与基于专家经验的模糊控制上海大学自动化系---杜鑫4.模糊数学与模糊控制4.5专家控制与基于专家经验的模糊控制4.5.1专家控制系统4.5.2基于专家经验的模糊控制4.5.3仿真算例对象执行器传感器uy模糊化模糊推理机模糊规则库解模糊化模糊控制器4.2.2基于专家经验的模糊控制对象模型可以是未知的模糊控制系统的一般结构对象模型可以是未知的存在一定程度的关于被控对象的控制知识如果温度很高&&湿度很大则空调制冷量大4.2.2基于专家经验的模糊控制模糊控制系统的一般结构如果温度不高&&湿度很大则空调制冷量中如果温度很低&&湿度很小则空调制冷量小①模糊化方法的确定④清晰化方法的确定②控制规则的确定③推理方法的选取4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制系统设计方案温度湿度模糊化接口温度湿度被控对象(空调)模糊推理控制量控制量清晰化接口知识库（数据库+规则库）4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制系统设计方案①模糊化方法的确定④清晰化方法的确定②控制规则的确定③推理方法的选取4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制系统设计方案模糊控制器对模糊变量(不同于一般变量)进行处理，因而必须将输入精确量转化为模糊矢量。完成从输入信号(如偏差e及偏差的变化率ec）的精确值到模糊量的模糊化过程。温度模糊化温度①清晰量的模糊化方法4.2.2基于专家经验的模糊控制精确的测量输出信号模糊的测量输出信号隶属度函数()yt()(())1,2...iXtfytiN()yt①清晰量的模糊化方法4.2.2基于专家经验的模糊控制①清晰量的模糊化方法a.测量输出信号的语言变量分档正高正中正低零负低负中负高较高高中低较低高中低三档五档七档4.2.2基于专家经验的模糊控制①清晰量的模糊化方法a.测量输出信号的语言变量分档4.2.2基于专家经验的模糊控制分档越多，对事物描述越细、越准确，制定控制规则更灵活，控制效果越好。但太多可能使控制变得复杂，编程困难，占用存储量大；分档太少，规则变少，效果较差。b.隶属函数的形状一般可选用三角形、梯形隶属函数，优点是数学表达和运算较简单，所占内存空间小，在输入值变化时，比正态分布或钟形分布具有更大的灵敏性，当存在偏差时，能很快反应产生一个相应的调整量输出。三角形隶属函数的形状与直线斜率有关，适合于隶属函数在线调整的自适应模糊控制①清晰量的模糊化方法4.2.2基于专家经验的模糊控制幅宽窄，模糊子集形状较陡，称为高分辨率，输出变化剧烈，控制灵敏度高幅宽宽，模糊子集形状较平缓，称为低分辨率，输出变化缓慢，稳定性好在偏差较小或接近于0的区域，最好采用窄幅宽的隶属函数；而偏差较大时采用宽幅宽的隶属函数①清晰量的模糊化方法4.2.2基于专家经验的模糊控制b.隶属度函数的选取研究表明，隶属函数的形状在达到控制要求方面差别不大，幅宽大小对性能影响较大()NMt()NBt()yt2222222(()6)2(()4)2(()2)2(()0)2(()2)2(()4)2(()6)2()exp()exp()exp()exp()exp()exp()expytPBytPMytPSytZOytNSytNMytNBttttttt()yt①清晰量的模糊化方法4.2.2基于专家经验的模糊控制正高正中正低零负低负中负高()PBt()PMt()PSt()ZOt()NSt温度模糊化正高正中正低零负低负中负高1.00.80.40.00.00.00.025摄氏度①清晰量的模糊化方法4.2.2基于专家经验的模糊控制温度模糊化正高正中正低零负低负中负高0.20.61.00.00.00.00.05摄氏度①清晰量的模糊化方法4.2.2基于专家经验的模糊控制4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制系统设计方案①模糊化方法的确定④清晰化方法的确定②控制规则的确定③推理方法的选取专家控制规则（模糊条件语句）采用语言描述的形式：IF条件THEN控制规则②控制规则的确定4.2.2基于专家经验的模糊控制模糊控制规则是模糊控制器的核心，控制规则是人们对受控过程认识的模糊信息的归纳和操作经验的总结，控制器的性能很大程度上取决于模糊控制规则的确定及其可调整性。选择控制规则应注意的问题：规则的条数及质量。控制规则的获取方法经验归纳法推理合成法在通用控制规则的基础上，进行适当修正，作为系统的控制规则。模糊规则的形成依靠人的直觉和经验，一般没有成熟而固定的设计过程和方法②控制规则的确定4.2.2基于专家经验的模糊控制4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制系统设计方案①模糊化方法的确定④清晰化方法的确定②控制规则的确定③推理方法的选取测量输出信号对应的模糊量控制信号对应的模糊集模糊推理③推理方法的确定4.2.2基于专家经验的模糊控制推理机是模糊控制器，根据输入模糊量和知识库（数据库、规则库）完成模糊推理并求解模糊关系方程，从而获得模糊控制量的功能部分。模糊推理有多种实现方法，如基于模糊关系矩阵的Mamdani推理合成法，Mamdani直接推理法，拉森推理法，Baldwin推理法，模糊推理直接法，精确值直接推理法，强度转移法等。推理的结果是一个模糊向量(模糊集)③推理方法的确定4.2.2基于专家经验的模糊控制121212~~~~~'~~(,,)()()(,)(,)(,)(,)(,)ijijijijijijijRyyuTyMyUyyDxyUxyDxyUxyMamdani推理合成法中控制规则所蕴含的关系4.2.2基于专家经验的模糊控制③推理方法的确定4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制系统设计方案①模糊化方法的确定④清晰化方法的确定②控制规则的确定③推理方法的选取精确的控制信号清晰化4.2.2基于专家经验的模糊控制④清晰化方法的确定控制信号对应的模糊集经过模糊推理得到的控制输出，是一个模糊隶属函数或模糊子集。必须将模糊输出隶属函数中求出最能代表这个模糊集合作用的精确控制量常用的清晰化(模糊判决)方法有：最大隶属度法加权平均法重心法中位数法4.2.2基于专家经验的模糊控制④清晰化方法的确定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。如果所得到的隶属函数曲线是平顶的，则其具有最大隶属度的元素不止一个，需要对这些最大隶属度的元素求平均值。这种方法具有简单、方便、易实现以及实时性好等优点，但丢掉了隶属度较小的元素，忽略了模糊椎理结果的隶属函数形状宽窄和分布情况，所概括的信息量较少，所以这种方法应用于实时性要求高但控制精度要求低的控制系统中。最大隶属度法4.2.2基于专家经验的模糊控制④清晰化方法的确定控制作用按下式求得：()()iiikxtutk系数ki应根据实际情况加以选择，不同取法将直接影响系统性能，所以可通过选择和调整该系数来改善系统性能，具有较大的灵活性加权平均法4.2.2基于专家经验的模糊控制④清晰化方法的确定如何避免模糊控制中的大量在线计算？4.2.2基于专家经验的模糊控制当控制规则个数增多时，进行在线模糊推理的计算复杂度会快速升高，影响模糊控制器的在线实现对测量输出信号进行量化(从无限转为有限)，进而将所有可能的模糊输入输出关系进行离线计算，其结果作为模糊控制表供在线控制时查询使用问题及原因解决方案精确的测量输出信号模糊的测量输出信号隶属度函数表截取量化如何避免模糊控制中的大量在线计算？4.2.2基于专家经验的模糊控制x1x2x3x4x5x6x7x8x9x10x11x12x13x14-6-5-4-3-2-1-00123456PB00000000000.10.4.0.81.0PM0000000000.20.71.00.70.2PS00000000.30.81.00.50.100PO000000010.60.10000NO000010.60.10000000NS000.10.510.80.50000000NM00.710.70.2000000000NB10.80.50.10000000000关于温度的隶属度函数表如何避免模糊控制中的大量在线计算？4.2.2基于专家经验的模糊控制关于湿度的隶属度函数表如何避免模糊控制中的大量在线计算？4.2.2基于专家经验的模糊控制y1y2y3y4y5y6y7y8y9y10y11y12y13y14-6-5-4-3-2-1-00123456PB00000000000.10.5.0.91.0PM0000000000.20.71.00.80.2PS00000000.30.81.00.50.100PO000000010.70.10000NO000010.70.10000000NS000.10.510.80.50000000NM00.810.80.2000000000NB10.90.60.10000000000NBNMNSOPSPMPBNBPBPBPBPBPMPMPSNMPBPBPMPMPMPSONSPMPMPSPSOOONOPSPSPSOOONSPOPSOOONSNSNSPSOOONSNSNMNMPMONSNMNMNMNBNBPBNSNMNMNBNBLNBNB模糊规则表如何避免模糊控制中的大量在线计算？4.2.2基于专家经验的模糊控制温度湿度控制量如何避免模糊控制中的大量在线计算？4.2.2基于专家经验的模糊控制模糊控制表如何避免模糊控制中的大量在线计算？4.2.2基于专家经验的模糊控制模糊控制表基于现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用。模糊控制算法是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制方法---优势4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制方法---应用案例1975年,英国工程师Mamdani和和Assilian创立了模糊控制器的的基本框架,并将模糊控制器用于控制蒸汽机1978年,丹麦Holmblad和和Qstergaard开发出了模糊水泥窑控制器20世纪80年代初,来自于日立公司的Yasunobu和Miyamoto开始给仙台地铁开发模糊系统。他们于1987年结束了该项目,并创造了世界上最先进的地铁系统20世纪90年代初,带“模糊控制器”的空调器、电冰箱、洗衣机、洗碗机等家用电器风靡日本4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制方法---应用案例（基于专家经验的）模糊控制具有先天的不严谨性，这是由于模糊是传统逻辑的一种扩展，整个过程是“定义”出来的。当然每一种“定义”都有其优势或者特点，但我们无法用某个指标来评价它。而且这些“定义”含有很大的随意性，不同的“定义”会带来不同的结果，使得一般性的理论分析很难进展下去。当输入、输出数目和模糊语言变量划分的等级增大时，模糊规则的数目是以级数的平方关系迅速增长，而引起规则“爆炸”4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制方法---不足之处4.2.2基于专家经验的模糊控制(基于专家经验的)模糊控制方法---吐槽