|
一、模糊控制概况 模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年，美国的L.A.Zadeh创立了模糊集合论；1973年他给出了模糊逻辑控制的定义和相关的定理。1974年，英国的E.H.Mamdani首先用模糊控制语句组成模糊控制器，并把它应用于锅炉和蒸汽机的控制，在实验室获得成功。这一开拓性的工作标志着模糊控制论的诞生。 模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力；然而在东方尤其是在日本，却得到了迅速而广泛的推广应用。近20多年来，模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。 二、模糊控制基础 模糊控制的基本思想是利用计算机来实现人的控制经验，而这些经验多是用语言表达的具有相当模糊性的控制规则。模糊控制器(Fuzzy Controller，即FC)获得巨大成功的主要原因在于它具有如下一些突出特点： -
模糊控制是一种基于规则的控制。它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。 -
由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用。 -
基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统的语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 -
模糊控制算法是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。 -
模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。 模糊控制系统的基本结构如图1所示： 
图1 模糊控制系统框图 其中s为系统的设定值，y为系统输出，e和c分别是系统偏差和偏差的微分信号，也就是模糊控制器的输入，u为控制器输出的控制信号，E、C、U为相应的模糊量。由图可知模糊控制器主要包含三个功能环节:用于输入信号处理的模糊量化和模糊化环节，模糊控制算法功能单元，以及用于输出解模糊化的模糊判决环节。 模糊控制器设计的基本方法和主要步骤大致包括： 1、选定模糊控制器的输入输出变量，并进行量程转换。选取方法一般如图1所示，即分别取e、c和u。 2、确定各变量的模糊语言取值及相应的隶属函数，即进行模糊化。模糊语言值通常选取3、5或7个，例如取为{负，零，正}，{负大，负小，零，正小，正大}，或{负大，负中，负小，零，正小，正中，正大}等。然后对所选取的模糊集定义其隶属函数，可取三角形隶属函数(如图2所示)或梯形，并依据问题的不同取为均匀间隔或非均匀的；也可采用单点模糊集方法进行模糊化。 
图2 隶属函数取法示意 3、建立模糊控制规则或控制算法。这是指规则的归纳和规则库的建立，是从实际控制经验过渡到模糊控制器的中心环节。控制律通常由一组if-then结构的模糊条件语句构成，例如:if e=N and c=N，then u=PB……等；或总结为模糊控制规则表，如表1中所示，可直接由e和c查询相应的控制量u。 表1 模糊控制规则表举例 4、确定模糊推理和解模糊化方法。常见的模糊推理方法有最大最小推理和最大乘积推理两种，可视具体情况选择其一：解模糊化方法有最大隶属度法，中位数法，加权平均，重心法，求和法或估值法等等，针对系统要求或运行情况的不同而选取相适应的方法，从而将模糊量转化为精确量，用以实施最后的控制策略。 | 
