模糊控制基礎(chǔ)ppt課件(編輯修改稿)
2025-06-08 08:41 本頁面
【文章內(nèi)容簡介】 子及模糊空間的分級數(shù)等 。 – 規(guī)則庫 包括用模糊語言變量表示的一系列控制規(guī)則 。 它們反映了控制專家的經(jīng)驗和知識 。 2022/5/29 26 模糊控制的系統(tǒng)結(jié)構(gòu) ? 模糊推理 – 模糊推理是模糊控制器的 核心 ， 它具有模擬人的基于模糊概念的推理能力 。 該推理過程是基于模糊邏輯中的 蘊含關(guān)系及推理規(guī)則 來進(jìn)行的 。 2022/5/29 27 模糊控制的系統(tǒng)結(jié)構(gòu) ? 去模糊化或清晰化 – 清晰化的作用是將模糊推理得到的 控制量 （ 模糊量 ） 變換為實際用于控制的 精確量 。 ? 清晰化包含兩部分內(nèi)容： – 將模糊的控制量經(jīng) 清晰化 變換表示為論域范圍內(nèi)的精確量； – 將表示在論域范圍內(nèi)的精確量經(jīng) 尺度變換 變成實際的控制量 。 2022/5/29 28 精確量的模糊化 ? 模糊化 – 作用是將輸入的精確量轉(zhuǎn)換成模糊量 。 – 物理量的精確值轉(zhuǎn)換成語言變量值 。 – 模糊化的具體過程如下： ? 首先，對這些輸入量進(jìn)行處理變成模糊控制器要求的輸入量。通常是計算誤差 e=rc和誤差變化率 e’ ,有時還包括誤差的積分。 ? 第二，將已經(jīng)處理過的輸入量進(jìn)行尺度變換，使其變換到各自的論域范圍。 ? 第三，將已經(jīng)變換到論域范圍的輸入量進(jìn)行模糊處理，使原來的精確輸入變成模糊量并用相應(yīng)的模糊集合表示。 2022/5/29 29 精確量的模糊化 ? 語言變量的分檔 – 語言變量是用語言（自然或人工語言的詞、詞組或句子）作為值來表示一個物理量。 – 分檔問題 ：用語言變量值表示一個語言變量時，必須考慮用 多少個語言變量值 去描述語言變量。 ? 分檔方法 – 關(guān)系合成推理法（ CRI）：語言變量的論域轉(zhuǎn)換成整數(shù)論域，然后在整數(shù)論域去對語言變量分檔； – 非 CRI推理：直接對語言變量的論域進(jìn)行劃分。 2022/5/29 30 精確量的模糊化 ? CRI法推理時的語言變量分檔 – CRI法推理的具體方法：推理時，為在實時控制中避免進(jìn)行關(guān)系矩陣的合成運算，總是在脫機狀態(tài)下把所有可能輸入和輸出的情況計算出來，然后形成一張 控制表 去執(zhí)行控制。 – 控制表：以整數(shù)表示輸入量和控制量。 – 為了能產(chǎn)生控制表，語言變量的論域轉(zhuǎn)換成有限整數(shù)論域。 – 論域轉(zhuǎn)換的本質(zhì)：連續(xù)論域離散化后產(chǎn)生離散論域。 2022/5/29 31 精確量的模糊化 ? CRI法推理時的語言變量分檔 – 論域的離散化 設(shè)有物理量，論域為 X = [x， x]，把其論域轉(zhuǎn)換成整數(shù)論域 N = {n， n+1， … ， 1， 0， 1， … ， n}。 為此，令 q 稱為量化因子。 對應(yīng)關(guān)系： X論域中值 a， N論域中值 b 小數(shù)部分按四舍五入處理。 nq x?b qa?2022/5/29 32 精確量的模糊化 ? CRI法推理時的語言變量分檔考慮的問題 – 檔級過少，語言變量值會過于粗糙，對控制的質(zhì)量有不良影響； – 檔級過多，語言變量值過細(xì)，則產(chǎn)生的關(guān)系矩陣過大，在形成控制表時的計算較煩瑣，得到的控制表也較龐大。 – 常用的分檔： 5 ~ 10檔。 – 論域中的元素個數(shù)：語言變量檔的 ~ 2 倍。 2022/5/29 33 精確量的模糊化 ? 語言變量隸屬函數(shù)設(shè)定的基本原則 – 表示隸屬度函數(shù)的模糊集合必須是凸模糊集合； – 變量所取隸屬度函數(shù)通常是對程和平衡的，一般情況個數(shù)應(yīng)為奇數(shù)； – 隸屬度函數(shù)要符合人們的語義順序，避免不恰當(dāng)?shù)闹丿B； 2022/5/29 34 精確量的模糊化 ? 語言變量隸屬函數(shù)設(shè)定的基本原則 – 論域中的每個點應(yīng)該至少屬于一個隸屬度函數(shù)的區(qū)域，同時它一般應(yīng)該屬于至多不超過兩個隸屬度函數(shù)的區(qū)域； – 對于同一輸入，沒有兩個隸屬度函數(shù)會同時有最大隸屬度； – 對兩個隸屬度函數(shù)重疊時，重疊部分對于兩個隸屬度函數(shù)的最大隸屬度不應(yīng)該有交叉。 2022/5/29 35 精確量的模糊化 ? 語言變量隸屬函數(shù)設(shè)定的基本原則 – 重疊指數(shù)： 是衡量隸屬度函數(shù)與模糊控制器性能關(guān)系的一個重要指標(biāo)。 ? 重 疊 范 圍重 疊 率 附 近 模 糊 隸 屬 函 數(shù) 的 范 圍12()2( )UAALdxUL???????總 的 重 疊 面 積重 疊 魯 棒 性總 的 重 疊 最 大 面 積重疊范圍 附近隸屬函數(shù)范圍 l ?x01A 2AL U2022/5/29 36 精確量的模糊化 ? 語言變量隸屬函數(shù)設(shè)定的基本原則 – 重疊率和重疊魯棒性越大，模糊控制模塊更具有模糊性。 不恰當(dāng)?shù)闹丿B，會導(dǎo)致系統(tǒng)產(chǎn)生隨意的混亂行為。 – 重疊率： ~ ；重疊魯棒性： ~ 。 隸屬函數(shù)重疊的范例 2022/5/29 37 精確量的模糊化 ? 語言值的表示方法 – 對于一個語言變量，是由它的值的集合來描述的。 – 每一個語言值，在 CRI法推理中，表示為整數(shù)論域的模糊子集；在非 CRI法推理中，表示物理量論域中的模糊子集。 – 常用的表示方法： ? 圖形表示法 ? 公式表示法 ? 表格表示法 ? 坐標(biāo)表示法 2022/5/29 38 精確量的模糊化 ?語言值的表示方法舉例 對于語言變量“誤差”，可用 E表示。它的語言變量值分別為“ NB”，“ NS”，“ ZR”，“ PS”，“ PB。 則： E = { NB， NS， ZR， PS， PB}。 對一個整數(shù)論域 N = { 5， 4， 3， 2， 1， 0， 1，2， 3， 4， 5 }，這些語言變量值可以用不同的表示方法表示。 坐標(biāo)表示法： NB = （ 5 5 4 2）； NS = （ 4 2 0）； ZR = （ 2 0 2）； PS = （ 0 2 4）； PB = （ 2 4 5 5）。 2022/5/29 39 精確量的模糊化 ? 例：圖形表示法 2022/5/29 40 精確量的模糊化 ? 例：表格表示法 5 4 3 2 1 0 1 2 3 4 5 NB 1 1 1 0 0 0 0 0 0 0 0 NS 0 0 1 1 1 0 0 0 0 0 0 ZR 0 0 0 0 1
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1