【正文】 到了進一步的推廣，模糊家電開始出現(xiàn)在我們的日常生活中。雖然模糊理論的提出只有短短30多年的時間，但其發(fā)展速度卻十分的驚人。大量對模糊理論進行研究的文獻論文不斷發(fā)表，并且數(shù)量呈幾何趨勢增長。這充分體現(xiàn)了模糊理論的發(fā)展速度[25]，而且顯示了模糊控制理論巨大的發(fā)展?jié)摿?。隨著科學技術(shù)的不斷進步，自動控制系統(tǒng)被控對象也朝著復雜化的方向發(fā)展，主要表現(xiàn)在多輸入一多輸出的強耦合性、參數(shù)時變性和嚴重的非線性等特點上。然而就在這樣復雜的多變量、非線性、時變的系統(tǒng)中，對控制質(zhì)量的要求卻越來越高。正是由于模糊控制具有突出的優(yōu)點，并且在解決控制系統(tǒng)中的復雜問題上有著特別的優(yōu)勢，所以對模糊控制理論的深入研究對控制理論的發(fā)展來說是十分重要的，并且很有實際意義。模糊邏輯應(yīng)用最有效、最廣泛的領(lǐng)域就是模糊控制，它在許多領(lǐng)域成功解決了傳統(tǒng)控制方法無法或難以解決的問題，模糊控制是以人的控制經(jīng)驗作為控制的知識模型，以模糊集合、模糊語言變量及模糊邏輯推理作為控制算法的數(shù)學工具，使用計算機來實現(xiàn)的一種智能控制。模糊控制技術(shù)的理論基礎(chǔ)的核心是模糊推理理論。:，設(shè)計中不需要建立被控對象的精確數(shù)學模型，使得控制機理與策略易于接受，便于應(yīng)用。，利用這些控制規(guī)律間的模糊連結(jié)，容易找到折中的選擇，使控制效果優(yōu)于常規(guī)控制器。，增強控制系統(tǒng)的適應(yīng)能力，使之具有一定的智慧水平。，干擾和參數(shù)變化對控制效果的影響被大大減弱，尤其適合于非線性、時變及純滯后系統(tǒng)的控制。模糊控制理論落后于應(yīng)用的發(fā)展，所以目前模糊控制研究應(yīng)集中在理論上的挖掘。模糊控制理論是建立在模糊集合論、模糊語言變量及模糊邏輯推理基礎(chǔ)上的一種計算機數(shù)字控制理論。它因在設(shè)計系統(tǒng)時不需要建立被控對象精確的數(shù)學模型而得到了日益廣泛的應(yīng)用。模糊控制在研究像倒立擺這樣的高度非線性系統(tǒng)上有很大的優(yōu)勢。但是，在用模糊控制理論解決倒立擺這樣多變量系統(tǒng)控制問題時，不可避免會遇到規(guī)則爆炸(Rule Explosion)問題，本章研究了運用最優(yōu)控制方法設(shè)計融合函數(shù)以降低模糊控制器的輸入變量維數(shù)，大大減少模糊控制的規(guī)則數(shù)，成功解決了規(guī)則爆炸問題。并研究了量化因子對控制效果的影響，通過設(shè)置閾值使量化因子可以自動調(diào)節(jié)，進而提升了模糊控制器的性能質(zhì)量。，對于被控對象的非線性和時變性具有一定的適應(yīng)能力，然而它也存在一定的缺陷:。這主要是由于模糊控制表的量化等級有限而造成的，通過增加量化等級數(shù)目雖然可以提高精度，但是查詢表將過于龐大，須占用較大空間，使運算時間增加。實際上，如果模糊控制器不引入積分機制，原則上誤差總是存在的。由于量化因子和比例因子是固定的，當對象參數(shù)隨環(huán)境的變化而變化時，它不能對自己的控制規(guī)則進行有效的調(diào)整，從而使其良好的性能不能得到充分的發(fā)揮。如果查詢表構(gòu)造不合理或者量化因子和比例因子選擇不當，都會導致系統(tǒng)振蕩。模糊控制是以模糊集合、模糊語言變量及模糊邏輯推理為基礎(chǔ)的一種計算機數(shù)字控制。從線性控制與非線性控制的角度分類，模糊控制是一種非線性控制；從控制器的智慧性看，模糊控制屬于智慧控制的范疇，而且它已經(jīng)成為目前智慧控制的一種重要而有效的形式[35~36]。模糊控制屬于計算機數(shù)字控制的一種形式，因此，模糊控制系統(tǒng)的組成類似于一般數(shù)字控制系統(tǒng)，其框圖如圖41所示。圖51 模糊系統(tǒng)框圖 (1)模糊控制器:這是模糊控制系統(tǒng)的核心部分，采用基于模糊控制知識表示和規(guī)則推理的語言型“模糊控制器”，這也是模糊控制系統(tǒng)區(qū)別于其他自動控制系統(tǒng)的特點所在。(2)輸入/輸出接口:模糊控制器通過輸入/輸出接口從被控對象獲取數(shù)字信號量，并將模糊控制器決策的數(shù)字信號經(jīng)過數(shù)模轉(zhuǎn)換，將其轉(zhuǎn)變?yōu)槟M信號，然后送給被控對象。在I/O接口裝置中，除A/D,D/A轉(zhuǎn)換外，還包括必要的電平轉(zhuǎn)換電路。(3)執(zhí)行機構(gòu):包括交、直流電機，伺服電機，步進電機，氣動調(diào)節(jié)閥和液壓電動機、液壓閥等。(4)被控對象:這些被控對象可以是確定的或者模糊的、單變量的或者多變量的、有滯后的或者無滯后的，也可以是線性的或者非線性的，定常的或者時變的，以及具有強耦合和干擾等多種情況。對于那些難以建立精確數(shù)學模型的復雜對象，更加適合采用模糊控制。(5)傳感器:是將被控對象或者各種過程的被控量轉(zhuǎn)換為電信號(模擬或者數(shù)字)的一類裝置。被控制量往往是非電量，如位移、速度、加速度、溫度、壓力、流量、濃度、濕度等。傳感器在模糊控制系統(tǒng)中占有十分重要的地位，它的精度往往直接影響整個控制系統(tǒng)的精度，因此，在選擇傳感器時，應(yīng)該選擇精度高且穩(wěn)定性好的傳感器。 圖52 模糊系統(tǒng)結(jié)構(gòu)圖模糊控制系統(tǒng)的核心是模糊控制器(Fuzzy Controller)，其組成見圖5－２模糊控制器一般是可以靠軟件程序設(shè)計來實現(xiàn)的，實現(xiàn)模糊控制的一般步驟如下：(1)確定模糊控制器的輸入變量和輸出變量(即控制量)；(2)設(shè)計模糊控制器的控制規(guī)則；(3)進行模糊化和去模糊化；(4)選擇模糊控制器的輸入變量及輸出變量的論域，并確定模糊控制器的量化因子、比例因子)；(5)編制模糊控制算法的應(yīng)用程序；(6)合理選擇模糊控制算法的采樣時間?！　≡谘芯康沽[這類多變量非線性系統(tǒng)的模糊控制時，一個難題就是規(guī)則爆炸(Rule Explosion)，比如一級倒立擺的控制涉及的狀態(tài)變量共有4個，每個變量的論域作7個模糊集的模糊劃分，這樣，完備的推理規(guī)則庫會包含2401個推理規(guī)則；而對于二級倒立擺有6個狀態(tài)變量，推理規(guī)則會達到117649，顯然如此多的規(guī)則是難以實現(xiàn)的?！? 為了解決這個問題，張乃堯等提出雙死循環(huán)的倒立擺模糊控制方案，內(nèi)環(huán)控制倒立擺的角度，外環(huán)控制倒立擺的位移[12]。范醒哲等人將這一方法推廣到三級倒立擺控制系統(tǒng)中，并提出兩種模糊串級控制方案，用來解決倒立擺這類多變量系統(tǒng)模糊控制時的規(guī)則爆炸問題[37]。Shuliang Lei和Reza Langari應(yīng)用分級思想將四個狀態(tài)變量分成兩個子系統(tǒng)，分別用兩個模糊控制器控制，然后再設(shè)計一個上層模糊控制器來協(xié)調(diào)子系統(tǒng)之間的相互作用[38]。文獻[39,40]提出參變量模糊控制方法解決規(guī)則爆炸問題。這種控制器結(jié)構(gòu)如圖43所示。圖53 二級倒立擺模糊控制結(jié)構(gòu) 融合技術(shù)和融合函數(shù)從理論上講，小車位移x以及速度x與擺桿角度θ及擺桿角速度θ存在很大的藕合關(guān)系。既要將小車運動控制在零點位置范圍內(nèi)，又要使擺不倒，就要綜合考慮擺桿和小車的力學關(guān)系以及各自所處的狀態(tài)。對于多因素問題，采用分步處理的方法能簡化問題的解決過程，這一思想可以應(yīng)用到多輸入模糊控制器的設(shè)計過程中。假設(shè)要設(shè)計高維輸入變量X映像到輸出變量Y的模糊控制器，鑒于直接設(shè)計由X到Y(jié)的單級模糊控制策略比較困難，因而可以采用多級控制方式，將單一的模糊控制策略轉(zhuǎn)化為多級控制策略嵌套:Y=F2[F1(X)] (51)即先使用算法F1（X）對輸入變量進行初步處理，再利用算法F2（X）根據(jù)前級算法的輸出進行控制。如果算法F1（X）的輸出維數(shù)小于X的維數(shù)，那么算法F2（X）所要完成的控制工作就得到了簡化。可以看出，算法F1（X）利用系統(tǒng)狀態(tài)的相關(guān)性和輸入信息的可融合性完成了組合、提取問題信息的過程，可稱為“融合函數(shù)”。而算法F2（X）實現(xiàn)了根據(jù)約簡因素進行模糊推理的功能，可以稱為模糊作用函數(shù)?；谛畔⑷诤系亩噍斎肽：刂破髟O(shè)計方法就是通過融合函數(shù)進行信息、合并與提取，從而實現(xiàn)控制問題的逐步簡化。融合函數(shù)設(shè)計二級倒立擺是典型的多輸入單輸出(MISO)系統(tǒng)，已經(jīng)得到二級倒立擺系統(tǒng)近似線性狀態(tài)方程，因此利用線性系統(tǒng)的輸出信息具有可直接融合的特點，我們構(gòu)造了一個線性融合函數(shù)，把二級倒立擺6維狀態(tài)變量融合成綜合誤差E和綜合誤差變化EC。構(gòu)造融合函數(shù)的步驟：1) 利用最優(yōu)控制理論計算出一組可以讓二級倒立擺系統(tǒng)的線性模型基本穩(wěn)定的狀態(tài)回饋矩陣K2) 利用狀態(tài)反饋矩陣K構(gòu)造融合函數(shù)F1(X)3) 通過F1(X)把輸入變量X降維，得到綜合誤差E和綜合誤差變化率EC６結(jié)束語　　科學技術(shù)的發(fā)展不斷給智能控制的研究提出新的挑戰(zhàn)，同時也為智能控制的發(fā)展提供了強大的推動力。在控制領(lǐng)域控制系統(tǒng)越來越復雜，控制精度要求也越高，單一的控制方法越來越難以達到要求。人們開始尋找各種控制方法的有機結(jié)合，取得了很好的成果。針對這一發(fā)展趨勢，本論文將三大智能控制方法有機結(jié)合起來，提出了基于遺傳算法的模糊神經(jīng)網(wǎng)絡(luò)控制。模糊控制與神經(jīng)網(wǎng)絡(luò)控制由于其控制策略的非解析式描述，能夠針對某一特定過程建立具有較強魯棒性的非線性控制器，與遺傳算法相結(jié)合形成的復合控制器可明顯改善控制效果。模糊邏輯與神經(jīng)網(wǎng)絡(luò)控制具有整體功能的等效性，都不需要建立任何數(shù)學模型，具有相同的正規(guī)數(shù)學特性，且共享同一狀態(tài)空間。但兩者也各有缺憾之處。于是將兩者結(jié)合是智慧控制發(fā)展的必然趨勢。模糊神經(jīng)網(wǎng)絡(luò)控制器便是兩者結(jié)合的典型，即基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的模糊控制，將神經(jīng)網(wǎng)絡(luò)的非線性和自學習特性應(yīng)用于模糊控制后，控制器無需專家知識，就可自動地劃分模糊子集確定模糊隸屬函數(shù)，并形成規(guī)則集，理論上可滿足任意的性能評價標準。接下來遇到的問題是尋找一種快速有效的學習優(yōu)化算法，基于神經(jīng)網(wǎng)絡(luò)的模糊控制器的權(quán)值會隨學習算法的不同而變化，能夠進行模糊規(guī)則的推理和隸屬函數(shù)的調(diào)整，所以可通過對神經(jīng)網(wǎng)絡(luò)的訓練得到模糊控制器的參數(shù)。實際應(yīng)用中對控制實時性要求往往很高，而一般的模糊神經(jīng)網(wǎng)絡(luò)控制器一般都具有四層以上的網(wǎng)絡(luò)結(jié)構(gòu)。這就導致尋優(yōu)參數(shù)增多，學習速度下降等缺點，所以對神經(jīng)網(wǎng)絡(luò)進行結(jié)構(gòu)簡化是一種行之有效的措施。普通的神經(jīng)網(wǎng)絡(luò)算法本質(zhì)上是局部尋優(yōu)算法，容易陷入局部最小點，對具有非線性及時變性的對象難以取得滿意效果。利用改進的遺傳算法訓練模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)，能彌補這些不足。模糊神經(jīng)網(wǎng)絡(luò)控制器本質(zhì)上仍是模糊邏輯控制，為了提高模糊控制的精度，本文采用變論域控制，同時利用遺傳算法優(yōu)化模糊隸屬函數(shù)參數(shù)，在提高控制器精度的同時，使控制器具有了自適應(yīng)學習能力。智能控制不僅在理論上取得了很大的成就，己逐步邁入工程化、實用化階段。采用學習控制技術(shù)是實現(xiàn)高度智慧化控制的重要技術(shù)，學習控制技術(shù)的發(fā)展是隨著相關(guān)的模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法、專家系統(tǒng)等技術(shù)的發(fā)展而發(fā)展。由于模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法及其混合技術(shù)在基于知識的復雜系統(tǒng)的推理、識別、學習與優(yōu)化等方面表現(xiàn)出巨大的生命力，因而被廣泛地應(yīng)用在各種復雜系統(tǒng)的控制中。但目前二者結(jié)合的理論研究和實際應(yīng)用還處在不斷發(fā)展和完善中。在模式識別與數(shù)字信號處理方面，兩者結(jié)合應(yīng)用，可加快模式識別的準確度，提高識別速度，使信號的處理更具有邏輯更可靠。在經(jīng)濟管理方面，可把神經(jīng)網(wǎng)絡(luò)與模糊技術(shù)結(jié)合組成經(jīng)濟管理上的認知圖，可以通過對經(jīng)濟管理規(guī)則的模糊推理結(jié)果應(yīng)用到神經(jīng)網(wǎng)絡(luò)而實現(xiàn)經(jīng)濟管理的最優(yōu)化?？蓪⒛：壿嬇c神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合起來應(yīng)用到家用電器方面，改善電器的性能，降低能耗節(jié)約能源。目前模糊神經(jīng)網(wǎng)絡(luò)模型很少從人腦對模糊信息的處理機制上考慮問題，本質(zhì)上仍局限于模糊邏輯推理，而且控制仍然依賴于經(jīng)驗知識，但實際中知識經(jīng)驗的獲取往往很困難，以后應(yīng)從智能問題本身創(chuàng)造性地設(shè)計模糊神經(jīng)網(wǎng)絡(luò)模型。另外要吸取其它研究領(lǐng)域的重要成果，還要關(guān)注數(shù)學領(lǐng)域中的新研究。模糊邏輯與神經(jīng)網(wǎng)絡(luò)技術(shù)的結(jié)合，是一種把經(jīng)驗與數(shù)學模型結(jié)合，把邏輯推理與數(shù)理運算結(jié)合，把抽象與具體結(jié)合的新方法。打破了各種學科在邏輯上的獨立性，這種研究預示了智能控制的發(fā)展?jié)摿εc廣闊的應(yīng)用前景。大多數(shù)控制算法都面臨這樣一個共同的問題:控制器的性能到達一定的程度后,在該算法的基礎(chǔ)上進一步提升控制系統(tǒng)性能將變得越來越困難,這就是著名的邊際效應(yīng)現(xiàn)象[11]。如何突破這一現(xiàn)象的限制成為一項重要的研究內(nèi)容。由于倒立擺系統(tǒng)的控制最終依賴于先進的控制理論的應(yīng)用,因此,最重要的解決方法無疑是智能控制理論自身的成熟與完善。此外,許多研究僅僅是基于模型的仿真(如TS模型),而模型往往難以準確地反映真實系統(tǒng)的諸多不確定性。同時,倒立擺系統(tǒng)的智能控制問題不僅僅涉及理論算法問題,它還與各狀態(tài)參數(shù)的測量精度和傳感器的精度有關(guān)。由此可以看出,對倒立擺系統(tǒng)的控制,仍然有許多工作要做。隨著模糊邏輯控制理論與神經(jīng)網(wǎng)絡(luò)等智能控制理論的不斷成熟以及檢測技術(shù)等其它相關(guān)技術(shù)的迅速發(fā)展,對倒立擺系統(tǒng)的控制研究也將不斷深入,并取得更好的應(yīng)用效果。參考文獻[1]張東軍，,2003,7(10):912