第2章 模糊控制13.1 模糊控制的基本思想研究和考虑人的控制行为特点，对于无法构造数学模型的对象让计算机模拟人的思维方式，进行控制决策。

将人的控制行为，总结成一系列条件语句，运用微机的程序来实现这些控制规则。

在描述控制规则的条件语句中的一些词，如“较大”、“稍小”、“偏高”等都具有一定的模糊性，因此用模糊集合来描述这些模糊条件语句，即组成了所谓的模糊控制器。

3.2 模糊集合的定义模糊集合的定义：给定论域U ，U 到[0,1]闭区间的任一映射A μ]1,0[:→U μA都确定U 的一个模糊集合A , A μ称为模糊集合且的隶属函数。

)(x μA 的取值范围为闭区间[0,1]，)(x μA 接近1，表示x 属于A 的程度高；)(x μA 接近0，表示x 属于A 的程度低。

3.3 常用的3种模糊集合的表示方法， (1)Zadeh 表示法用论域中的元素x i 与其隶属度)(i A x μ按下式表示A ，则在Zadeh 表示法中，隶属度为零的项可不写入。

(2)序偶表示法用论域中的元素x i 与其隶属度)(i A x μ的构成序偶来表示且，则在序偶表示法中，隶属度为零的项可省略。

(3)向量表示法用论域中元素x i 的隶属度)(i A x μ构成向量来表示，则在向量表示法中，隶属度为零的项不能省略。

3.4凸模糊集的定义若A 是以实数R 为论域的模糊集合，其隶属函数为)(x μA ，如果对任意实数b x a <<，都有则称A 为凸模糊集。

凸模糊集实质上就是其隶属函数具有单峰值特性。

第2章 模糊控制23．5 常见的4种隶属函数 (1)正态型正态型是最主要也是最常见的一种分布，表示为其分布曲线如图2-4所示。

图2-4 正态型分布曲线(2)三角型1(),1()(),0,x a a x b b a x x c b x cb c μ⎧-≤<⎪-⎪⎪=-≤≤⎨-⎪⎪⎪⎩其它(3) 降半梯形1(),0,x a b x x a x bb a b xμ≤⎧⎪-⎪=<≤⎨-⎪<⎪⎩，（4）升半梯形第2章 模糊控制3(),1,x a x a x a x bb a b xμ≤≤⎧⎪-⎪=<<⎨-⎪≤⎪⎩0，3.6 己知两个模糊向量分别如下所示，试求它们的笛卡儿乘积x =[0.9 0.5 0.2]，y=[0.2 0.3 0.6 1]解：由定义，有x y Tx y ⨯=⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦0.90.50.2ο[]0.2 0.3 0.6 1.0 = ∧∧∧∧⎡⎤⎢⎥∧∧∧∧⎢⎥⎢⎥∧∧∧∧⎣⎦0.90.2 0.90.3 0.90.6 0.9 1.00.50.2 0.50.3 0.50.6 0.5 1.0 0.20.2 0.20.3 0.20.6 0.2 1.0 = ⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦0.2 0.3 0.6 0.90.2 0.3 0.5 0.5 0.2 0.2 0.2 0.2 3．7 模糊向量的内积与外积设有1×n 维模糊向量x 和1×n 维模糊向量y ，则定义为模糊向量x 和y 的内积。

与内积的对偶运算称为外积。

第2章 模糊控制43.7 模糊逻辑推理1．简单模糊条件语句对于上面介绍的广义肯定式推理，结论B '是根据模糊集合A '和模糊蕴含关系A →B 的合成推出来的，因此可得如下的模糊推理关系R A B A A B '=→'=')(式中，R 为模糊蕴含关系，“ ”是合成运算符。

它们可采用以上所列举的任何一种运算方法。

例2-7 若人工调节炉温，有如下的经验规则：“如果炉温低，则应施加高电压”，当炉温为“非常低”时，应施加怎样的电压。

解：设x 和y 分别表示模糊语言变量“炉温”和“电压”，并设x 和y 的论域为X =Y ={1,2,3,4,5}A 表示炉温低的模糊集合B 表示高电压的模糊集合从而模糊规则可表述为：“如果x 是A ，则y 是B ”。

设A '为非常A ，则上述问题变为 “如果x 是A '，则B '应是什么”。

为了便于计算，将模糊集合A 和B 与成向量形式A =[1 0.8 0.6 0.4 0.2]，B =[0.2 0.4 0.6 0.8 1]由于该例中x 和y 的论域均是离散的，因而模糊蕴含关系Kc 可用如下模糊矩阵来表示当A ' =“炉温非常低”= A 2 = [1 0.64 0.36 0.16 0.04]时第2章 模糊控制5其中B '中的每项元素是根据模糊关系矩阵的合成规则求出的，如第1行第1列的元素为这时，推论结果B '仍为“高电压”。

2．多重模糊条件语句1)使用“and ”连接的模糊条件语句 在模糊逻辑控制中，常常使用如下的 广义肯定式推理结构模糊推理关系R A B A A B '=→'=')(与前面不同的是，这里的模糊条件的输入和前提部分是将模糊命题用“and ”连接起来 的。

一般情况下可以有多个“and ”将多个模糊命题连接在一起。

模糊前提“x 是A ，则y 是B ”可以看成是直积空间X ×Y 上的模糊集合．并记为A ×B ，其隶属函数为或者时的模糊蕴含关系可记为A ×B →C ，其具体运算方法一般采用以下关系结论z 是C '，可根据如下的模糊推理关系得到式中， R 为模糊蕴含关系；“ ”是合成运算符。

它们可采用以上列举的任何一种运算方法。

2)使用“also ”连接的模糊条件语句在模糊逻辑控制中，也常常给出如下一系列的模糊控制规则这些规则之间无先后次序之分。

连接这些子规则的连接词用“also ”表示。

这就要求对于“also ”的运算具有能够任意交换和任意结合的性质。

而求并和求交运算均能满足这样的要求。

根据Mizumoto 的研究结果，当模糊蕴含运算采用R c 或R p ，“also ”采用求并运算时，可得最好的控制结果。

假设第i 条规则“如果x 是A i and y 是B i ，则z 是C i ”的模糊蕴含关系R i 定义为第2章 模糊控制6R i =( A i and B i )→C i 其中“A i and B i ”是定义在X ×Y 上的模糊集合A i ×B i ,R i =( A i and B i )→C i 是定义在X ×Y ×Z 上的模糊蕴含关系。

则所有n 条模糊控制规则的总模糊蕴含关系为(取连接词“also ”为求并运算)i ni R R 1==输出模糊量z (用模糊集合C '表示)为R B A C )('⨯'='此处，)()(),()(y μx μy x μB A B A '''⨯'∧= 或 )()(),()(y μx μy x μB A B A '''⨯'= 3．模糊推理的性质 1)性质1若合成运算“ ”采用最大—最小法或最大—积法，连接词“also ”采用求并法．则“ ”和“also ”的运算次序可以交换，即2)性质2若模糊蕴含关系采用R c 和R p 时，则有例2-8 己知一个双输入单输出的模糊系统，其输入量为x 和y ,输出量为z ，其输入/输出关系可用如下两条模糊规则描述：R 1：如果x 是A 1 and y 是B 1，则z 是C 1 R 2：如果x 是A 2 and y 是B 2，则z 是C 2现已知输入为x 是A 'and y 是B '，试求输出量z 。

这里x 、y 、z 均为模糊语言变量。

解：由于这里所有模糊集合的元素均为离散量，因此模糊集合可用模糊向量来描述，模糊关系可用模糊关系矩阵来描述。

(1)求每条规则的模糊组合关系R i =(A i and B i )→C i (i =1,2)若此处A i and B i 采用求交运算，蕴含关系采用最小运算R c ，则第2章 模糊控制7为便于下面进一步的计算，可将A 1×B 2的模糊关系矩阵表示成如下的向量同理可得2)求总的模糊蕴含关系R3)计算输入量的模糊集合(4)计算输出量的模糊集合第2章 模糊控制8最后求得输出量z 的模糊集合为2.3.1 模糊控制系统的组成模糊控制系统由模糊控制器和控制对象组成，如图2-9所示。

图2-9 模糊控制系统的组成2.3.2 模糊控制器的基本结构模糊控制器的基本结构，如图2-9虚线框中所示。

它主要包括以下四个部分。

1．模糊化（fuzzyfication ）模糊化的作用是将输入的精确量转换成模糊化量。

其输入量包括外界的参考输入、系统的输出或状态等。

模糊化的具体过程如下；(1)首先对这些输入量进行处理，以变成模糊控制器要求的输入量。

例如，常见的情况是计算e=r -y 和dt de e= (式中，r 表示参考输入；y 表示系统输出；e 表示误差)。

有时为了减小噪声的影响，常常对e进行滤波后再使用，如可取[(1)]e s Ts e =+； (2)将上述已经处理过的输入量进行尺度变换，使其变换到各自的论域范围；(3)将已经变换到论域范围的输入量进行模糊处理，使原先精确的输入量变成模糊量，并用相应的模糊集合来表示。

2．知识库(knownledge base )知识库中包含了具体应用领域中的知识和要求的控制目标制规则库两部分组成。

它通常由数据库和模糊控制规则库两部分组成。

(1)数据库主要包括各语言变量的隶属函数，尺度变换因子及模糊空间的分级数等。

第2章 模糊控制9(2)规则库包括了用模糊语言变量表示的一系列控制规则。

它们反映了控制专家的经验和知识。

3．模糊推理(fuzzy reasoning) 模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力程是基于模糊逻辑中的蕴含关系及推理规则来进行的。

4．清晰化(defuzzyfication)清晰化的作用是将模糊推理得到的控制量(模糊量)变换为实际用于控制的清晰量。

它包含以下两部分内容：(1)将模糊的控制量经清晰化变换，变成表示在论域范围的清晰量； (2)将表示在论域范围的清晰量经尺度变换变成实际的控制量。

2.3.3 模糊控制的基本原理1．一步模糊控制算法模糊控制的基本原理可由图2-10表示，首先把误差信号E 的精确量进行模糊量化变成模糊量，误差E 的模糊量可用相应的模糊语言表示，得到误差E 的模糊语言集合的一个子集~e (~e实际上是一个模糊向量)。

再由~e 和模糊控制规则~R (模糊关系)根据推理的合成规则进行模糊决策，得到模糊控制量~u 为(2—3—1)式中，~u 为一个模糊量。

图2-10 模糊控制原理框图为了对被控对象施加精确的控制，还需要将模糊量~u 转换为精确量，即非模糊化处理(亦称清晰化)。