TOP13【毕业设计】模糊控制器设计.doc文档免费在线阅读

当然，过细的划分反而使控制规则变得复杂，因此应视具体情况而定。

如误差等的语言变量的语言值般取为负大，负中，负小，零，正小，正中，正大。

语言值隶属函数的确定语言值的隶属函数又称为语言值的语义规则。

它有时以连续函数的形式出现，有时以离散的量化等级形式出现。

连续的隶属函数描述比较准确，而离散的量化等级简洁直观。

模糊控制规则的建立模糊控制规则的建立常采用经验归纳法和推理合成法。

所谓经验归纳法，就是根据已有的控制经验和直觉推理，经整理加工和提炼后构成模糊规则的方法。

推理合成法是根据已有的输入输出数据，通过模糊推理合成，求取模糊控制量。

模糊推理模糊推理般形式为维形式二维形式清晰化目的是根据模糊推理的结果，求得最能反映控制量的真实分布。

目前常用的方法有三种，即取最大隶属度法加权平推理合成法。

所谓经验归纳法，就是根据已有的控制经验和直觉推理，经整理加工和提炼后构成模糊规则的方法。

推理合成法是根据已有的输入输出数据，通过模糊推理合成，求取模糊控制量。

模糊推理模糊推理般形式属函数又称为语言值的语义规则。

它有时以连续函数的形式出现，有时以离散的量化等级形式出现。

连续的隶属函数描述比较准确，而离散的量化等级简洁直观。

模糊控制规则的建立模糊控制规则的建立常采用经验归纳法和可能得到的控制效果就越好。

当然，过细的划分反而使控制规则变得复杂，因此应视具体情况而定。

如误差等的语言变量的语言值般取为负大，负中，负小，零，正小，正中，正大。

语言值隶属函数的确定语言值的隶机实现也就更困难，这也许是人们在设计模糊控制系统时，多数采用二维控制器的原因。

模糊规则的选择和模糊推理模糊规则的选择模糊语言变量的确定般来说，个语言变量的语言值越多，对事物的描述就越准确，因此除非对动态特性要求特别高的场合，般较少选用。

从理论上讲，模糊控制系统所选用的模糊控制器维数越高，系统的控制精度也就越高。

但是维数选择太高，模糊控制规律就过于复杂，基于模糊合成推理的控制算法的计算制器好得多，也是目前采用较广泛的类模糊控制器。

三维模糊控制器如图所示。

三个输入变量分别为系统偏差量偏差变化率和偏差变化率的变化率。

由于这类模糊控制器结构较复杂，推理运算时间长，能令人满意的。

二维模糊控制器如图所示。

两个输入变量基本上都选用被控变量与输入给定量的偏差和偏差变化率，由于它们能够较好地反映受控过程中输出变量的动态特性，因此，在控制效果上要比维模糊控个数定义为模糊控制器的维数，如图所示。

维模糊控制器如图所示。

输入变量往往选择为被控量和输入给定量的偏差。

由于仅仅采偏差值，很难反映受控过程的动态特性品质，因此，所能获得的系统动态性能是不量作为模糊控制器的输入变量和输出变量模糊控制器的结构分为单输入单输出。

结构和多输入多输出结构两类。

由于单输入单输出结构用的较多，这里只对该结构给予介绍。

在单输入单输出结构的模糊控制器中，将其输入变量的规则，按模糊推理合成规则计算控制量模糊量由上述得到的控制量模糊量计算精确的控制量。

模糊控制器设计模糊控制器的结构设计确定模糊控制器的结构是设计模糊控制器的第步，所谓结构是指确定哪些变元素提供的主导信息的充分重视，因此这种方法在实际应用中受到定限制。

模糊控制算法可概括为下述个步骤采样系统的被控量，得到输入变量将输入变量的精确值变为模糊量根据输入变量模糊量及模糊控制部分，以分界点所对应的论域元素作为判决输出。

图为模糊控制量隶属函数曲线，根据中位数判决，得输出量。

中位数判决法虽然比较充分地利用了模糊子集提供的信息量，但在计算时比较烦琐，而且缺乏对隶属度较大例如，若，则取中位数法在最大隶属度判决法中，只考虑了最大隶属数，而忽略了其它信息的影响。

中位数判决法是将隶属函数曲线与横坐标所围成的面积平均分成两好，突出了隶属度最大元素的控制作用缺点是它概括的信息量少，对隶属度较小元素的控制作用没有考虑。

加权平均判决法该方法的输出量的值由下式来决定中，元素的隶属度最大，则按最大隶属度原则，应取执行量若，在中，隶属度最大有两个，它们分别为元素和，则取。

最大隶属度判决法的优点是简单易行，算法实时性则取精确量作为输出控制量。

就是该模糊子集中隶属度最大的那个元素。

如果这样的隶属度最大点不唯，就取它们的平均值作为执行量。

例如，若，在对象只能接受个控制量，因此要进行控制必须经过清晰化接口将模糊量转换为精确量。

将模糊量转换为精确量通常采用以下三种方法最大隶属度判决法若对应的模糊决策的模糊集中，元素∈，且满足对象只能接受个控制量，因此要进行控制必须经过清晰化接口将模糊量转换为精确量。

将模糊量转换为精确量通常采用以下三种方法最大隶属度判决法若对应的模糊决策的模糊集中，元素∈，且满足则取精确量作为输出控制量。

就是该模糊子集中隶属度最大的那个元素。

如果这样的隶属度最大点不唯，就取它们的平均值作为执行量。

例如，若，在中，元素的隶属度最大，则按最大隶属度原则，应取执行量若，在中，隶属度最大有两个，它们分别为元素和，则取。

最大隶属度判决法的优点是简单易行，算法实时性好，突出了隶属度最大元素的控制作用缺点是它概括的信息量少，对隶属度较小元素的控制作用没有考虑。

加权平均判决法该方法的输出量的值由下式来决定例如，若，则取中位数法在最大隶属度判决法中，只考虑了最大隶属数，而忽略了其它信息的影响。

中位数判决法是将隶属函数曲线与横坐标所围成的面积平均分成两部分，以分界点所对应的论域元素作为判决输出。

图为模糊控制量隶属函数曲线，根据中位数判决，得输出量。

中位数判决法虽然比较充分地利用了模糊子集提供的信息量，但在计算时比较烦琐，而且缺乏对隶属度较大元素提供的主导信息的充分重视，因此这种方法在实际应用中受到定限制。

模糊控制算法可概括为下述个步骤采样系统的被控量，得到输入变量将输入变量的精确值变为模糊量根据输入变量模糊量及模糊控制规则，按模糊推理合成规则计算控制量模糊量由上述得到的控制量模糊量计算精确的控制量。

模糊控制器设计模糊控制器的结构设计确定模糊控制器的结构是设计模糊控制器的第步，所谓结构是指确定哪些变量作为模糊控制器的输入变量和输出变量模糊控制器的结构分为单输入单输出。

结构和多输入多输出结构两类。

由于单输入单输出结构用的较多，这里只对该结构给予介绍。

在单输入单输出结构的模糊控制器中，将其输入变量的个数定义为模糊控制器的维数，如图所示。

维模糊控制器如图所示。

输入变量往往选择为被控量和输入给定量的偏差。

由于仅仅采偏差值，很难反映受控过程的动态特性品质，因此，所能获得的系统动态性能是不能令人满意的。

二维模糊控制器如图所示。

两个输入变量基本上都选用被控变量与输入给定量的偏差和偏差变化率，由于它们能够较好地反映受控过程中输出变量的动态特性，因此，在控制效果上要比维模糊控制器好得多，也是目前采用较广泛的类模糊控制器。

三维模糊控制器如图所示。

三个输入变量分别为系统偏差量偏差变化率和偏差变化率的变化率。

由于这类模糊控制器结构较复杂，推理运算时间长，因此除非对动态特性要求特别高的场合，般较少选用。

从理论上讲，模糊控制系统所选用的模糊控制器维数越高，系统的控制精度也就越高。

但是维数选择太高，模糊控制规律就过于复杂，基于模糊合成推理的控制算法的计算机实现也就更困难，这也许是人们在设计模糊控制系统时，多数采用二维控制器的原因。

模糊规则的选择和模糊推理模糊规则的选择模糊语言变量的确定般来说，个语言变量的语言值越多，对事物的描述就越准确，可能得到的控制效果就越好。

当然，过细的划分反而使控制规则变得复杂，因此应视具体情况而定。

如误差等的语言变量的语言值般取为负大，负中，负小，零，正小，正中，正大。

语言值隶属函数的确定语言值的隶属函数又称为语言值的语义规则。

它有时以连续函数的形式出现，有时以离散的量化等级形式出现。

连续的隶属函数描述比较准确，而离散的量化等级简洁直观。

模糊控制规则的建立模糊控制规则的建立常采用经验归纳法和推理合成法。

所谓经验归纳法，就是根据已有的控制经验和直觉推理，经整理加工和提炼后构成模糊规则的方法。

推理合成法是根据已有的输入输出数据，通过模糊推理合成，求取模糊控制量。

模糊推理模糊推理般形式为维形式二维形式清晰化目的是根据模糊推理的结果，求得最能反映控制量的真实分布。

目前常用的方法有三种，即取最大隶属度法加权平均判决法和取中位数法。

模糊控制器的论域量化因子比例因子的确定输入输出变量的实际变化范围称为这些变量的基本论域，以二维模糊控制器为例，设定误差的基本论域为误差变化率的基本论域为控制量的基本论域为，。

设误差变量所取的模糊子集的论域为误差变化率所取的模糊子集的论域为控制量所取的模糊子集的论域为若用，分别表示误差误差变化率的量化因子，用表示控制量的比例因子，则有比较量化因子和比例因子不难看出，两者均是考虑两个论域变化而引出的。

对输入变量而言，量化因子实现输入变量的基本论域到模糊集论域的变换对输出控制量而言，比例因子实现控制量的模糊集论域到基本论域的变换。

设计个模糊控制器除了要有个好的模糊控制规则外，合理地选择模糊控制器输入变量的量化因子和输出控制量的比例因子也是非常重要的。

实验结果表明，量化因子和比例因子的不同大结果为设计个模糊控制器，满足如下条件输入范围内分为个论域隶属度函数满足高斯分布输入的误差范围内分为个论域隶属度函数满足高斯分布输出到范围内分为个论域隶属度函数为常数。

模糊推理过程，输入隶属度函数值输入误差的隶属度函数值输出论域的中心值。

控制规则输入为程序为，