【正文】 移法，就是當控制系統(tǒng)有精確值輸入時，精確值 在條件語句的前件中所得到的語言變量轉(zhuǎn)移到后件的語言變量值去，從而得到推理結(jié)果的過 程。步驟為：(1)前件強度的求取為了簡化而清晰地說明推理過程，我們假設(shè)誤差e(k)及其變化率ec(k)分 別最多對應(yīng)2個語言變量值，設(shè)e(k)的 兩個語言變量值為A1 、A2，且對模糊 變量A1 、A2的隸屬度為uA1 (e)、uA2 (e)，ec(k)的兩個語言變量值為B1 、B2，且對這兩個模糊變量的隸屬度為uB1 (ec)、uB2 (ec)，控制規(guī)則如下：if e(k) is A1 and ec(k) is B1 then kp is C1 if e(k) is A1 and ec(k) is B2 then kp is C2 if e(k) is A2 and ec(k) is B1 then kp is C3if e(k) is A2 and ec(k) is B2 then kp is C4從以上4條規(guī)則中，可產(chǎn)生出模糊推理的前件強度為：u1 = uA1 (e)∧ uB1 (ec) u2 = uA1 (e) ∧ uB2 (ec) u3 = uA2 (e) ∧ uB1 (ec) u4 = uA2 (e) ∧ uB2 (ec)(2) 后件強度的求取由于在強度轉(zhuǎn)移法中，是把精確值對前件的作用強度轉(zhuǎn)移到后件中去，并作為后件模糊量kpi 的隸屬度，因此，依前件強度可得后件強度為：uC1 (kp1 ) = u1uC2 (kp2 ) = u2uC3 (kp3 ) = u3uC4 (kp4 ) = u4（3） 精確值kp的求?。? 根據(jù)kp的語言變量值和隸屬度的解析表達式求出kp1 、kp2 、kp3 、kp4 。 模糊推理中，在求解前件強度和后件強度時，對e，ec以及PID三個參數(shù)的描述，都是用名詞來表示。3 動詞PID控制器 動詞控制規(guī)則 模糊規(guī)則的動詞化 動詞PID控制器的系統(tǒng)組成大部分與模糊PID控制器相似，在控制規(guī)則方面，動詞PID控 制器相比模糊PID控制器做了改進。動詞反映的是參數(shù)的變化趨勢，這樣一來，不同的名詞組合，可以用相同的動詞來表示。把相同的變化趨勢合并，可以減少規(guī)則數(shù)目。 動詞規(guī)則[4] 動詞種類繁多，為了規(guī)范化，方便地描述計算動詞規(guī)則，可以只用一個動詞(bee)加名詞和副詞參數(shù)來替換所有動詞。比如“jump”可以表示成bee fast(current,bigger than current)，stay high可以表示成bee(high,high)等 等。7條計算動詞規(guī)則如下：其中Z、S、M、B分別代表zero、small、medium、big。用“動詞相似度(similarities)”來恒量各個動詞之間的關(guān)系。 在動詞控制規(guī)則里，可以把前件條件里的7個動詞定義為7個標準動詞，控制過程中觀察到的 動詞都和這些標準動詞做比較。 基于進化函數(shù)的動詞相似度的計算[4]上一節(jié)提到，所有動詞都可以用Bee來進行規(guī)范化。計 算 動 詞 進 化 函 數(shù) 的 構(gòu) 造 需 要 依 賴 以 下 兩 個 因 素：名 詞 中 心 和 物 理 語 義 學 的 動 詞 中 心。求動詞的相似度首先將Tw 分成state 1和state 2兩個區(qū)間，再按以下幾個步驟 進行運算。將兩個窗口“∧”的 面積相加，“∨”的面積也相加，相似度是 “∧” 的總面積與 “∨” 的總面積之比。比如，取state1=big，state2=medium，把觀察動詞的181。medium與標準進化函數(shù)進行 “∧”、 “∨”、積分、加法、除法運算之后，比值與其他規(guī)則的計算結(jié)果相比最大，則說明被觀察動詞與bee(big,medium)最相似。一個觀察到的動詞與Bee(offset,offset+ )求相似度，可分為兩部分，一部分是變化趨勢的相似度，另一部分是起始位置的相似度。?，K取6時，畫出不同 的觀察動詞與的相似度。但這個算法不適合于求與“e Bee(Zero,Zero)”的相似度，因為當 e stay Zero時，其?0為0，?0是一個分母，所以與這條規(guī)則相對應(yīng)的動詞相似度的求解采用另外一種算法。圖 : 動詞與stay Zero的相似度 起始位置的相似度 觀察到的動詞的起始位置為offsetobserved，定義標準動詞的起始位置為offset0，計算起始 位置的相似度我采用如下算法： ()p取正偶數(shù)。圖 : 起始位置與big的相似度 起始位置的相似度與模糊隸屬度函數(shù)有相似之處。控制器的輸入和輸出都是動詞形式。 ()公式的形式與模糊推理強度轉(zhuǎn)移法中重心法()的形式有相似之處。 在求出?k之后，PID三個參數(shù)的修正方式為：Knext = Kcurrent + ?k。而對于生產(chǎn)鋼鐵的最重要的一環(huán)——高爐——的要求也越來越高。PID控制是溫度控制系統(tǒng)中一種典型的控制方式，是在溫度控制中應(yīng)用最廣泛、最基本的一種控制方式。因此，智能PID控制的引入時精密溫度控制系統(tǒng)的發(fā)展趨勢。 系統(tǒng)函數(shù)高爐溫度控制系統(tǒng)具有非線性、時變性、滯后性等特性。Simulink可以針對控制系統(tǒng)等進行系統(tǒng)建模、仿真、分析等工 作?！鶱ew→Model。根據(jù)控制系統(tǒng)的結(jié)構(gòu)，用戶可以從模型庫中選擇所需要的各種模塊，按要求連接、修改各 模塊的參數(shù)，建立系統(tǒng)模型。各 個 模 塊 的 屬 性 都 可 通 過 雙 擊 該 模 塊 進 行 更 改。其中Step階躍信號幅值為1，Transport Delay為208秒。仿真波形可以雙擊scope進行觀察。若kp太小，則控制結(jié)果無法向原定的控制目標靠近，kp增大，響 應(yīng)曲線開始出現(xiàn)振蕩。所以應(yīng)該調(diào)整kp， 使響應(yīng)看起來是一條振幅越來越小的曲線。ki從0開始增大，調(diào)整ki，使響應(yīng)曲線保持在控制目標上下振蕩。一般通過合適的ki把振蕩的平衡位置修正之后，不必再調(diào)ki了。kd能 抑 制 響 應(yīng) 曲 線 上 下 振 蕩 的 振 幅，但kd過 大，反 而 降 低 響 應(yīng) 速 度。，即kp=18，ki=，kd=1000。 Simulink的Scope中的響應(yīng)曲線原本是黑色背景，黃色曲線。：傳統(tǒng)PID仿真 模糊PID控制Simulink仿真 在Matlab中建立模糊判決器 用FIS Editor建立模糊判決器[3]在Matlab主窗口中輸入fuzzy，彈出FIS Editor，這是一個新建的空白的FIS。在新建FIS時，點擊FileNew FISSugeno即可。把這5個變量(variable)的名字(Name)改成e、ec、kp、ki和kd。新建的variable默認只有3個子集，在Membership Function Editor中點擊EditAdd MFs ，添加子集，加到7個。添加規(guī)則：在FIS Editor中點擊EditRules，彈出Rule Editor。先添加條數(shù)，再按規(guī)則修改。：Membership Function Editor：Rule Editor 用Matlab程序生成模糊判決器[1]。 建立一個新的FIS，取名fuzzpid。a=addvar(a,’input’,’e’,[3*escale,3*escale])。本行往下共7行分別添加MFsa=addmf(a,’input’,1,’NM’,’trimf’,[3*escale,2*escale,0])。 a=addmf(a,’input’,1,’Z’,’trimf’,[2*escale,0,2*escale])。 a=addmf(a,’input’,1,’PM’,’trimf’,[0,2*escale,3*escale])。這幾行代碼添加了e這個variable，作為input，range為[3,3]，e有7個子集，Name、Type和 Params各不相同。個 人 感 覺 這 樣 子 生 成FIS比 用FIS Edit還 快。ec、kp、ki、kd的scale的更改完全類似。1 2 7 1 3 1 1。 7 7 1 7 7 1 1]。 這幾十行代碼實現(xiàn)49條模糊控制規(guī)則的添加。數(shù)值1～7按順序代表從NB到PB7個子集，5個數(shù)字的位置對應(yīng)e、ec、kp、ki、kd。 這個rulelist可以完全按照模糊控制規(guī)則，用數(shù)字代表7個字母符號列出來的。a=setfis(a,’DefuzzMethod’,’mom’)。writefis(a,’fuzzpid’)。這個模塊還能被Matlab編程語言調(diào)用，在第5章用Matlab程序進行模糊PID控制仿真的時