(5) 寻找能够具有自学习调整隶属度函数的模糊控制方法。
小组成员：
(1) 易于控制并且能消除静态控制偏差的模糊PID 控制器, 且尽 量减少可调参数, 最好控制在三个以内;
(2) 模糊预测控制, 就是把预测控制和模糊推理相结合也是很有 吸引力的研究方向之一;
(3) 模糊控制应用于医学、生物、金融、风险评估等新型领域。 扩大模糊控制的应用领域;
(4) 将遗传算法或其它算法应用于模糊神经网络, 以提高运算速 度和参数寻优的结果;
如何应用知识。专家系统方法重视知识的多层次及分类的需 要, 以及利用这些知识进行推理的计算机组织。
将模糊控制与专家控制相结合能够表达和利用控制复杂过
程和对象所需的启发式知识, 重视知识的多层次和分类的需要, 弥补了模糊控制器结构过于简单、规则比较单一的缺陷, 赋予 了模糊控制更高的智能;二者的结合还能够拥有过程控制复杂 的知识, 并能够在更为复杂的情况下对这些知识加以有效利用。
神经模糊控制是神经网络技术与模糊逻辑控制技术相结
合的产物, 是指基于神经网络的模糊控制方法。模糊系统是建 立在IF-THEN 表达式之上, 这种方式容易让人理解, 但是在自
动生成和调整隶属函数和模糊规则上却很困难。而人工神经
网络是模拟人直观性思维的一种方式, 它是将分布式存储的信 息并行协同处理, 是一个非线性动力学系统, 每个神经元结构 简单, 但大量神经元构成网络系统能实现很强的功能, 因此人 工神经网络具有自适应的学习能力、容错性和鲁棒性, 并且神 经网络对环境的变化具有较强的自适应能力, 所以可结合神经 网络的学习能力来训练模糊规则, 提高整个系统的学习能力和 表达能力。
自适应模糊控制器就是借鉴自适应控制理论的一些理念来
设计模糊控制器, 也称作语言自组织模糊控制器(SOC) , 它的思 想就在于在线或离线调节模糊控制规则的结构或参数, 使之趋
于最优状态。目前主要有通过采用一种带有修正因子的控制算 法, 改变控制规则的特性;或直接对模糊控制规则进行修正;还有 一种是对控制规则进行分级管理, 提出自适应分层模糊控制器; 又有人提出规则自组织自学习算法, 对规则的参数以及数目进 行自动修正;更进一步的是采用神经网络对模糊控制规则及参 数进行调整, 也是一种实现模糊自适应控制的好方法。
虽然有很多文献对模糊控制的稳定性方法做了较多分析，但同时指出模 糊系统稳定性分析仍不够成熟, 许多研究仍仅给出充分条件, 并且局限于 系统和特定的方法。可以看出, 近年来对控制系统的稳定性分析作了较多 研究, 然而要建立一套完整有效的分析方法, 仍需不懈努力。
为了更好的利用模糊控制, 相继有不少公司开发了模糊控制的软件工具 和硬件集成电路。文献〔8〕介绍了两类开发工具, 一类是开发模糊系 统的软件工具, 如FREEWA RE 、FIDE 、东芝IFCS 、NEC FLSDE 、 FC - TOOL V1. 0 。另一类是通用模糊逻辑开发工具, 如CUBICA LC 、 FUZZY -C 、FUZZLE 1. 8 、MET US FUZZY LIBRA RY 、FUZZY LOGIC DESIGNER 等。并介绍了一些其它的开发工具。 在文献〔2〕中介绍了适应于复杂控制系统和信息处理的硬件产品, 如 下列领域:1) 工业自动化的控制系统;2) 伺服电机;3) 自动驾驶;4) 燃料喷 射控制等。这些硬件产品的生产厂家有OMRON 公司、Siemens (西门 子) 公司、Totai Inf ralogic 公司、Neural logic 公司。在文献中对这些 公司的产品都作了一些例举, 并简介了功能。
专家模糊控制系统是由专家系统技术和模糊控制技术相结
合的产物。把专家系统技术引入模糊控制之中, 目的是进一步
提高模糊控制器的智能水平。专家模糊控制保持了基于规则 的方法的价值和用模糊集处理带来的灵活性, 同时把专家系统 技术的表达, 利用知识的长处结合进来。专家系统技术考虑了 更多方面的问题, 如是什பைடு நூலகம்组成知识, 如何组织、如何表达、
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; (3) 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; (4) 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; (5) 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。
长度较短的、性能较好的基因片段。用遗传算法优化模糊控制
器时, 优化的主要对象是模糊控制器的隶属函数和规则集。已经
有人运用这个方法对倒立摆控制器隶属函数的位置、形状等参
数, 结果表明遗传算法优化后的隶属函数远远优于手工设计的。 显然通过改进遗传算法, 按所给优化性能指标, 对被控对象进行 寻优学习, 可以有效地确定模糊逻辑控制器的结构和参数。文献 〔14〕介绍了遗传算法模糊控制的结构和发展趋势。
模糊控制的展望
模糊控制虽然已经有不少的研究成果, 而且也被广泛地应用于生 产实践中, 但模糊控制的发展历史还不长, 理论上的系统性和完 善性、技术上的成熟性和规范性都还是远远不够的, 尤其是模糊 控制与其他智能化控制方法相结合的控制方法, 还有待于人们在 实践中得到验证和进一步的提高。
文献〔2〕提到需要解决的两个重要的问题是:如何获得模糊规 则及隶属函数, 以及如何保证模糊系统的稳定性。文献〔4〕对 当前模糊控制的发展方向和在实际中的应用提出了担心, 一是发 展方向上有些过分依赖数学模型, 另一是在应用上并没有比PID 更好用。文献〔2〕、〔3〕都提到了模糊控制发展的九个方向。
模糊控制的应用非常广泛。除广泛应用于工业控制、
家电控制、水电控制、航天等等外。我们还可以看到文献 〔12〕介绍的模糊逻辑在统计上的应用及其发展趋势。文 献〔13〕介绍的模糊逻辑在决策系统上的应用。文献〔16〕 介绍了模糊控制在制造活性炭过程中的应用。文献〔17〕 介绍了模糊控制在交通上的应用, 并且介绍了一种新的推 论方法。可见, 模糊控制的应用领域正在扩大。开发模糊 控制在一些新领域的应用仍有一定的意义。
1、模糊PID控制器 2、自适应模糊控制器 3、模糊控制与神经控制的结合 4、遗传算法优化的模糊控制 5、模糊控制与专家控制相结合
模糊PID 控制器的研究是将模糊技术与常规的PID 控制 算法相结合的一种控制方法, 得到了许多学者的关注。模糊 PID 控制器是一种双模控制形式。这种改进的控制方法的出 发点主要是消除模糊控制的系统稳态误差, 利用PID 控制器提 高控制精度, 消除误差, 增加稳态控制性能。从PID 控制角度 出发, 提出FI —PI 、FI —PD 、FI —PID 三种形式的模糊控制 器, 并能运用各种方式得出模糊控制器中量化因子、比例因子 同PID 控制器的因子KP 、KI 、KD之间的关系式。对基于简 单线性规则TS 模型的模糊控制器进行了分析, 指出这类模糊 控制器是一种非线性增益PID 控制器。有人试图利用GA 算法, 通过性能指标评价函数, 决定模糊控制器的Ke 、Kec 、Ku 等 参数。
什么是模糊控制 模糊控制是用模糊数学的知识模仿人脑的思维方式，对模糊现象
进行识别和判决，给出精确的控制量，对被控对象进行控制。
模糊控制的特点 与经典控制理论和现代控制理论相比，模糊控制的主要特点是不
需要建立对象的数学模型。
专家经验控制 用计算机模拟操作人员手动控制的经验，对被控对象进行控制。 (人的经验是模糊的)
考虑到模糊控制器的优化涉及到大范围、多参数、复杂和不
连续的搜索表面, 而专家的经验只能起一个指导作用, 很难根据 它准确地定出各项参数, 因而实际上还要反复试凑, 寻找一个最 优过程。因此,人们自然想到用遗传算法来进行优化。遗传算法 应用于模糊控制器的优化设计是非常适合的, 遗传算法的运行仅 由适应度数值驱动而不需要被优化对象的局部信息。此外, 优化 模糊控制器正好符合遗传算法的所谓“积木块” 假设, 积木块指
模糊控制系统通常由模糊控制器、输入输出接口、执 行机构、测量装置和被控对象等五个部分组成，如下图所 示。
模糊控制的现状
模糊控制的研究主要体现在控制器的研究和开发以及各类实际应用中, 目前模糊控制已经应用在各个行业。各类模糊控制器也非常多, 模糊控制器 的研究一直是控制界研究的热点问题, 而关于模糊控制系统的稳定性分析则 是模糊控制需要研究和解决的基本问题。目前已经出现了为实现模糊控制功 能的各种集成电路芯片。开发模糊控制系统的软件工具也出现了不少。下面 作一简单介绍。
模糊控制的现状与发展
小组成员：
目录
一 二 三 四
模糊控制简介
模糊控制是以模糊集合论、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年美国的扎德创立了模糊 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Mamdani 首先用模糊控制语句组成模糊控制器,并 把它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。
清晰化是模糊系统的重要环节, 是将模糊推理中产生的模糊量转化为精确
量。常见的非模糊化方法主要有最大隶属度值法、面积平均法、重心法和最 大隶属度平均值法。
模糊控制的过程就是上述三个环节相互作用的结果, 其关键部分就是选 用合适的隶属度函数进行模糊化, 运用合理的推理方法得到结论, 采用适当的 清晰化方法还原出精确量。在模糊控制的发展过程中, 基本上是围绕着这些问 题来的, 同进还运用或融合了其它的智能控制方法。使模糊控制得以发展。
模糊化处理就是将模糊控制器输入量的确定值转换为相应模糊 语言变量值的过程, 此相应语言变量值均由对应的隶属度来定义。通 过这样一个把输入变量映射到合适的响应论域量程的过程, 精确的输 入数据就变换成适当的语言值或模糊集合的标识符。一般的模糊控 制器采用误差及其变化作为输入语言变量。