系制系统框图描述和的模糊语言变量为负很大负大负中负小零正小正中正大，正很大，用符号表示为。和的论域将精确量离散化，划分为个等级，即，取，则，通过转换公式式中表示低限值，表示高限值。式中，表示量化因子。将论域在，变化的误差论域在，变化的误差变化率论域在，变化的控制量都转换到则量化因子，量化因子，比例因子。模糊变量赋值表的选取对系统的控制特性有定的影响，而且也具有主观模糊性。例如可以取等腰三角形分布或正态型分布。模糊子集的隶属函数选为三角形，在论域上模糊集合和的隶属函数分布如图所示。表分别为和的隶属度赋值表。图输入输出隶属度函数图根据控制对象的实际情况以及实际操作经验，确定控制过程的控制规则模糊控制规则实质上是将操作者在控制过程中的实践经验即手动控制策略加以总结，而得到的条条模糊条件语句的集合，它是模糊控制的核心。而手动控制策略又是人们通过学习试验以及长期工作经验而逐渐形成的。手动控制策略旦形成，就存储在操作者的头脑中，并形成种技术知识集合。般手动控制的过程是操作者通过对被控对象的观测，根据已有的经验和技术知识进行综合分析并作出控制决策，然后调整加到被控对象，实现控制作用的大小，从而使系统达到预期目标的过程。人在手动控制中的作用同自动控制系统中的控制器表模糊变量的隶属度赋值表的作用基本是相同的，所不同的是手动控制决策是基于操作经验和技术知识，而控制器的控制决策是基于种控制算法的数值运算。利用模糊集合理论和语言变量的概念，可以把归纳的手动控制策略上升为数值运算，于是可以使用微机完成控制任务，从而代替人的手动控制，实现所谓的模糊自动控制。实际上，由于操作者在控制过程中要碰到各种可能出现的情况，因此反映手动控制策略的完整控制规则般要由若干条结构相同，但语言值不同的模糊条件语句构成。显然，由各种模糊条件语句决定的控制决策之间的关系应是或。二维模糊控制器的模糊规则通常由模糊条件语句Ĉ来表达，其中Ĉ为的模糊子集。多条这种结构的模糊条件语句就可以总结为模糊控制规则表格。表模糊变量的隶属度赋值表本系统根据基于专家的专业知识和场操作人员手动调节供水压力的经验操作人员的操作经验，以及输入和输出的隶属函数，总结出控制规则表如表所示。表模糊控制规则表模糊控制规则是由组彼此间通过或关系连结起来的模糊条件语句来描述的，其中每条模糊条件语句，当输入输出语言变量在各自论域上反映各语言值的模糊子集为已知时，都可以表达为论域积集上的模糊关系。在计算出每条模糊条件语句决定的模糊关系为组模糊条件语句的语句数之后，可得到描述整个系统的控制规则的总模糊关系模糊推理及其模糊量的非模糊方法有了表达手动控制策略的模糊关系，在给定模糊控制器输入语言变量论域上的模糊子集Ĉ之后，可根据模糊推理合成规则，求出其输出语言变量论域上的模糊集合。模糊推理后，输出的是个模糊集合，还需要经过模糊判决，得到精确的控制量。模糊判决的方法有多种，如最大隶属度法中位数法加权平均法等等。各种方法各有特点，应根据被控过程的具体情况加以选用。本系统采用加权平均法又称为重心法，得到精确控制量。该法针对论域中的每个元素以它作为待判决输出模糊集合的隶属度，加权系数，加权平均值为平均值就是应用该法判决得到的输出模糊集合的判决结果。最后由语言变量控制量变化的赋值表查出论域元素或量化等级对应的精确量，它便是实际加到被控过程上的控制量。模糊控制查询表由模糊判决得到的实际控制量变化的精确量。对模糊语言集合对应的论域的全部元素的所有组合计算出相应的以的论域元素表示的控制量变化值，并组成矩阵，形成如表所示的模糊控制查询表。这张表为根据模糊控制规则及模糊推理离线计算得到，在实际系统中，可在试验中不断调整了控制表，使系统得到更好的控制效果。将模糊控制表固存在计算机中。在控制过程中，计算机直接根据采样和论域变换得来的以论域元素形式表现的和，由控制表找到对应的，并以此去控制被控过程，以达到预期的控制目的。模糊控制表体现模糊控制算法的最终结果。控制表事先离线计算取得，存放在计算机中，在实时模糊控制的过程中，实现模糊控制的过程，就转化为计算量不大的查找查询表的过程。这样，把模糊控制算法的量大而又费时的计算离线进行，使模糊控制具有良好的实时性。同时这种模糊控制算法不依赖于被控过程的精确数学模型，因此，这种算法在本系统中，是很好的选择。表模糊控制查询表自调整修正因子控制器当水压控制器输入变量偏差偏差变化率和输出控制量的论域等级划分相同时，其模糊控制规则可引入修正因子,用解析式概括地表示为∈，其中，为调整因子，又称加权因子。通过调整值，可以改变偏差和偏差变化对控制输出量的加权程度，从而灵活地调整控制规则。但是，若值旦选定，在整个控制过程中就不再改变，即在控制规则中，对偏差偏差变化的加权固定不变。然而在实际控制中，模糊控制系统在不同的状态下，对控制规则中偏差与偏差变化的加权程度会有不同的要求。对变频恒压供水系统来说，当偏差较大时，控制系统的任务是消除偏差，这时对偏差的加权应该大些相反，当偏差较小时，此时系统接近稳值，控制系统的主要任务是使系统尽快稳定，避免产生过大的系统超调，这就要求在控制规则中偏差变化起主要控制作用，即偏差变化的加权程度大些。因此，在不同的偏差范围时，应采用不同的加权因子，以实现控制规则的自调整。以作为修正因子修改控制规则十分方便，并且值的大小直接表示了对误差和误差变化的加权程度。在被控对象的阶次较高时，对误差变化的加权值就应该大于对误差的加权值，故取较小的值反之在被控对象的阶次较低时，对误差变化的加权位就应该小于对误差的加权值，故取较大的值所以，这种用修正因子修改控制规则的方法是合理可行的。但是，仅用个修正因子修改控制规则来改善系统性能。由于修正因子的可调范围比较窄，不能完全满足控制系统在不同误差等级下的要求同时控制规则的调整仍然是凭经验来确定，这势必带有定的盲目性，很难得到最佳参数另外系统未能在运行中自动调整修正因子，不具有自动调整模糊控制规则的功能，人们仍然希望统能果阶段瞬态和稳态滤波器的输出。这些参数的选择主要是基于种算法质量的权衡中所提到的适应性能。我们提出了个自适应滤波器的性能改善的方法。也就是说，我们提出了几个基于算法的不同参数的滤波器，并提供不同的适应阶段选择最合适的算法标准。这种方法可以适用于所有的的算法，虽然我们在这里只考虑其中几个。本文的结构如下，作者认为的的算法概述载于第节，第节提出了自适应算法的改进和组合标准，仿真结果在第节。基于的算法让我们定义输入信号向量和矢量加权系数为权重系数向量计算应根据其中为算法步长是预期值的估计。在中，常数表式误差，是个参考信号。根据中不同的预期值估计在，我们可以得出种各种形式的自适应算法的定义，变步长算法和基本算法具有相同的形式，但在适应过程中步长是变化的，。正在研究中的自适应滤波问题在于尝试调整权重系数，使系统的输出跟踪参考信号，中是个零均值与方差的高斯噪声，是最佳权向量维纳向量。我们考虑两种情况是个常数固定的情况下，随时间变化非平稳的情况下。在非平稳情况下，未知系统参数即最佳载体是随时间变化的。我们假设变量可以建立模型为，它是随机独立的零均值，依赖于和自相关矩阵。注意分析直接服从，如果，的条件是满足的，那么加权系数向量收敛于维纳解。定义加权错位系数，,。是因为这两个梯度噪声加权系数的平均值左右的变化和加权矢量滞后平均及最佳值的差额的影响，。它可以表示为根据，是是加权系数的偏差，与方差是零均值的随机变量差，它取决于的算法类型，以及外部噪声方差。因此，如果噪声方差为常数或是缓慢变化的，为特定的基于时间不变的算法。在这个意义上说，在后面的分析中我们将假定只依赖算法类型，及其参数。自适应滤波器的个重要性能衡量标准是其均方差的加权系数。对于自适应滤波器，它被赋值，组合自适应滤波器合并后的自适应滤波器的基本思想是在两个或两个以上自适应算法并行实现与每个迭代之间的最佳选择，。在每次迭代中选择最合适的算法，选择最佳的加权系数值。最好的加权系数是，即在给定的时刻，向相应的维纳矢量值最接近。让,是以基本算法为基础的第个加权系数，在瞬间选择参数和系数。注意，现在我们可以在个统的处理方式≡,≡,≡下。基于算法的行为主要依赖于，在每个迭代中有个最佳值，生产的最佳表现的自适应算法。现在分析最小均方与些基于相同类型的算法相结合的自适应滤波器，但参数是不同的。加权系数周围分布随机变量和,和方差，相关，。中的概率κ依赖κ的值例如κ的高斯分布，κ两个规则。置信区间的定义,,接着，从式到式我们认为只要,关于独立，这意味着，对于小偏差，置信区间对同的的算法是不同的，而对同系制系统框图描述和的模糊语言变量为负很大负大负中负小零正小正中正大，正很大，用符号表示为。和的论域将精确量离散化，划分为个等级，即，取，则，通过转换公式式中表示低限值，表示高限值。式中，表示量化因子。将论域在，变化的误差论域在，变化的误差变化率论域在，变化的控制量都转换到则量化因子，量化因子，比例因子。模糊变量赋值表的选取对系统的控制特性有定的影响，而且也具有主观模糊性。例如可以取等腰三角形分布或正态型分布。模糊子集的隶属函数选为三角形，在论域上模糊集合和的隶属函数分布如图所示。表分别为和的隶属度赋值表。图输入输出隶属度函数图根据控制对象的实际情况以及实际操作经验，确定控制过程的控制规则模糊控制规则实质上是将操作者在控制过程中的实践经验即手动控制策略加以总结，而得到的条条模糊条件语句的集合，它是模糊控制的核心。而手动控制策略又是人们通过学习试验以及长期工作经验而逐渐形成的。手动控制策略旦形成，就存储在操作者的头脑中，并形成种技术知识集合。般手动控制的过程是操作者通过对被控对象的观测，根据已有的经验和技术知识进行综合分析并作出控制决策，然后调整加到被控对象，实现控制作用的大小，从而使系统达到预期目标的过程。人在手动控制中的作用同自动控制系统中的控制器表模糊变量的隶属度赋值表的作用基本是相同的，所不同的是手动控制决策是基于操作经验和技术知识，而控制器的控制决策是基于种控制算法的数值运算。利用模糊集合理论和语言变量的概念，可以把归纳的手动控制策略上升为数值运算，于是可以使用微机完成控制任务，从而代替人的手动控制，实现所谓的模糊自动控制。实际上，由于操作者在控制过程中要碰到各种可能出现的情况，因此反映手动控制策略的完整控制规则般要由若干条结构相同，但语言值不同的模糊条件语句构成。显然，由各种模糊条件语句决定的控制决策之间的关系应是或。二维模糊控制器的模糊规则通常由模糊条件语句Ĉ来表达，其中Ĉ为的模糊子集。多条这种结构的模糊条件语句就可以总结为模糊控制规则表格。表模糊变量的隶属度赋值表本系统根据基于专家的专业知识和场操作人员手动调节供水压力的经验操作人员的操作经验，以及输入和输出的隶属函数，总结出控制规则表如表所示。表模糊控制规则表模糊控制规则是由组彼此间通过或关系连结起来的模糊条件语句来描述的，其中每条模糊条件语句，当输入输出语言变量在各自论域上反映各语言值的模糊子集为已知时，都可以表达为论域积集上的模糊关系。在计算出每条模糊条件语句决定的模糊关系为组模糊条件语句的语句数之后，可得到描述整个系统的控制规则的总模糊关系模糊推理及其模糊量的非模糊方法有了表达手动控制策略的模糊关系，在给定模糊控制器输入语言变量论域上的模糊子集Ĉ之后，可根据模糊推理合成规则，求出其输出语言变量论域上的模糊集合。模糊推理后，输出的是个模糊集合，还需要经过模糊判决，得到精确的控制量。模糊判决的方法有多种，如最大隶属度法中位数法加权平均法等等。各种方法各有特点，应根据被控