安徽理工大学：《智能控制及仿真》课程教学资源（课件讲义）第4章 模糊控制

第4章模糊控制

第4章 模糊控制

4.1模糊控制的基本原理 4.1.1模糊控制原理 模糊控制是以模糊集理论、模糊语言变量和模 糊逻辑推理为基础的一种智能控制方法，它是从行 为上模仿人的模糊推理和决策过程的一种智能控制 方法。该方法首先将操作人员或专家经验编成模糊 规则，然后将来自传感器的实时信号模糊化，将模 糊化后的信号作为模糊规则的输入，完成模糊推理 ，将推理后得到的输出量加到执行器上

模糊控制器（微机） 给定值+ 计算 模糊 慎糊 模 A/D 控制 量化 控制 糊 非模 糊化 D/A 变量 处理 规则 决 策 处理 传感器 被控对象 执行机构 图4-1模糊控制原理框图

模糊控制器（Fuzzy Controller-一FC) 也称为模糊逻辑控制器（Fuzzy Logic Controller-一FLC),由于所采用的模糊控制规 则是由模糊理论中模糊条件语句来描述的， 因此模糊控制器是一种语言型控制器，故也 称为模糊语言控制器(Fuzzy Language Controller--FLC)

4.1.2模糊控制器的构成 模糊控制器的组成框图如图所示。 数据库 规则库 知识库 输入1 输出 模糊化接口 推理机 解模糊接口 图4-2 模糊控制器的组成框图

模糊化接口(Fuzzy interface) 模糊控制器的输入必须通过模糊化才能用于控制输出的 求解，因此它实际上是模糊控制器的输入接口。它的主要作 用是将真实的确定量输入转换为一个模糊矢量。对于一个模 糊输入变量e,其模糊子集通常可以作如下方式划分： (1)e={负大，负小，零，正小，正大}={NB,NS,Z0,PS, PB} (2)e={负大，负中，负小，零，正小，正中，正大}={NB, NM,NS,ZO,PS,PM,PB} (3)e={负大，负中，负小，零负，零正，正小，正中，正 }={NB,NM,NS,NZ,PZ,PS,PM,PB}

用三角型隶属度函数表示如图所示。 u(e) S NZ PZ PS PB -12-10-8-6-4-2024681012 图4-3模糊子集和模糊化等级

用三角型隶属度函数表示如图所示。 图4-3 模糊子集和模糊化等级

2.知迟库(Knowledge Base-KB) 知识库由数据库和规则库两部分构成。 (1)数据库(Data Base-DB) 数据库所存放 的是所有输入、输出变量的全部模糊子集的隶属度 矢量值（即经过论域等级离散化以后对应值的集 合)，若论域为连续域则为隶属度函数。在规则推 理的模糊关系方程求解过程中，向推理机提供数据

(2)规则库(Rule Base-RB) 模糊控制器规则司基于专家知识或手动操作人 员长期积累的经验，它是按人的直觉推理的一种语 言表示形式。模糊规则通常有一系列的关系词连接 而成，如if-then、else、also、end、or等，关系词 必须经过“翻译”才能将模糊规则数值化。最常用 的关系词为if-then、also,对于多变量模糊控制系 统，还有and等。例如，某模糊控制系统输入变量为 e(误差)和ec(误差变化)，它们对应的语言变量 为E和EC,可给出一组模糊规则：

R:IF E is NB and EC is NB then U is PB .R2:IF E is NB and EC is NS then U is PM 通常把if.部分称为“前提部，而then..部分称 为“结论部”，其基本结构可归纳为If A and B then C,其中A为论域U上的一个模糊子集，B是论域 V上的一个模糊子集。根据人工控制经验，可离线 组织其控制决策表R,R是笛卡儿乘积集U×V上的 一个模糊子集，则某一时刻其控制量由下式给出：