1典型F、C的组成及结构
F、C的组成:模糊控制器是把人的判断或数据放到计算机中进行判断或提供判断材料而形成的, 因此模糊系统的组成类同于一般的数字控制系统。主要由数模转换器、F、C控制器、执行机构、被控对象、传感器等组成。
(1) 模糊控制器:实际上是微计算机和模糊控制系统软件共同组成, 根据控制系统的需要, 即可以选用系统机, 又可选用单板机或单片机再加控制软件组成。
(2) 输入/输出接口装置:模糊控制器通过输入输出接口从被控对象获取数字信号量, 并将模糊器决策的输出数字信号经过数模变换, 将其转换为模拟信号, 送给执行机构去控制被控对象。
(3) 广义对象:包括被控对象及执行机构, 被控对象缺乏精确数学模型的情况适宜选择模糊控制。
(4) 传感器:它是将被控对象或各种过程的被控制量转换为电信号 (模拟的或数字的) 一类装置。
F、C的结构:是指确定模糊控制器的输入变量和输出变量;其规则是模拟人脑的思维决策方式来获取输出信息的。
由于只选一个输入变量时, 动态控制性能不佳, 而模糊器的准数选的过高, 模糊控制规则就变得过于复杂, 控制算法的实现相当困难。因而典型的模糊控制器结构的输入变量为偏差E和偏差变化C, 输出变量为控制量U, 因此它是一个二维模糊控制器。F、C量化就是在变量论域中确定一定数量的模糊子集, 以便合理利用操作人员的控制经验, 更好地反映模糊推理, 模糊运算主要是根据控制规则求出模糊关系矩阵R, 然后根据实际变量的模糊等级, 再经过大量的重复计算求出决策前的控制量矩阵。模糊决策主要是从上面求出的控制量矩阵中, 利用不同的决策方法, 求取一个精确的控制等级的过程。
典型F.C的设计。
Fuzzy (模糊) 控制器是通过计算机来代替人用自然语言描述的一种控制活动。
模糊控制的核心部分为模糊控制器 (包括计算控制变量, 量化处理, 模糊控制规则, 模糊决策, 非模糊化处理等) 模糊控制器的控制规律由计算机的程序实现, 微机经过中断采样获取被控制量的精确值, 然后将此量与给定值比较得到偏差信号E, 把信号E的精确量进行模糊量化变成模糊量。一个模糊控制器就像一个操作人员一样, 他首先把对象的输出模糊化处理, 然后根据要求的性能指标和自己的控制经验进行推理, 从而得到一个控制量, 最后作用于一个被控对象, 使对象的输出按照期望的值变化。
2模糊量到精确量的转换方法
模糊控制器的输出是一个模糊量, 这不能直接控制被控对象, 还需要将它转换成一个精确量, 这个转换称为清晰化, 也称其为判决。
判决方法有下列三种。
(1) 选择最大隶属度法, 此方法是选取隶属度最大的元素为判决结果 (控制量) 。
此方法简单易行, 算法实时性好, 缺点是只考虑隶属度最大的控制作用。对于隶属程度较小的点的控制作用没有考虑, 利用的信息量少。
(2) 取中位数法。选取求出模糊子集的隶属函数曲线和模坐标所围成区域的面积平分为两部分的数, 作为非模糊化的结果。
(3) 加权平均判决法。这种方法是仿照普通加权平均法的计算公式:
微机的实时控制:精确的数字控制量经过D/A转换, 作用于被控对象, 当系统响应后经过反馈环节, 通过A/D转换再变成数字量, 再次进行模糊控制, 直至系统达到要求的稳态精度为止。
影响F、C性能的因素:由于模糊控制器是一种语言控制器, 其结构与一般控制器不同。所以, 不能用衡量一般控制器性能的标准来确定。模糊控制规则和决策方法;设计一个模糊控制器的核心是确立适当的控制规则, 它是在成功的控制经验的基础上总结出来的, 反映了系统的变化规律。但在实际中, 某些控制过程由于其复杂性, 往往还没有成功的控制经验, 或者某些方面的变化规律还没有掌握, 这种获取的控制规则或缺乏根据, 或者粗糙, 这样就会严重影响模糊控制的效果。因而准确的获取Fuzzy控制规则是提高模糊控制器性能的关键, 判决方法一般采用最大隶属度法和权系数平均判决法较好, 可以做到全面兼顾, 不会使信息量丢失。
自适应模糊控制器的仿真与研究:仿真是将一已知系统在计算机上进行复现, 它是分析设计系统的一种重要实验手段。当我们要求能观察到系统的结构和参数变化是怎样改变着系统输出时, 或对一个复杂系统难以用分析方法研究时, 用计算机仿真是一种行之有效的方法, 线性系统的计算机仿真就是用计算机来解模拟这些系统的方程。
自适应F、C的研究, 由于人们对某些复杂系统的动态过程了解的不完性, 以及被控过程的复杂性和模糊控制理论的不完备性, 使简单的Fuzzy控制器的品质不是十分令人满意的, 且通用性亦较差, 如煤矿井下这样非线性、多变量、大时滞并带有随机干扰的系统, 一般的模糊控制器是难以继任的, 这就要求Fuzzy控制器提高自身的自适应能力, 要随着环境的变化完备控制规则, 并随时改变。自适应控制器必须同时具备两个功能, 一是根据被控过程的运行状态给出合适的控制量, 即控制功能。二是根据给出控制量的控制效果, 对控制器的控制决策进一步改进, 以获得更好的控制效果, 即学习功能。
自适应模糊控制器的本质是通过对控制性能的观察做出控制决策, 并用语言形式描述策略。扎德教授的模糊集理论是设计自适应模糊控制器的重要工具, 它将描述外部世界的不精确的语言与控制器内部的精确数学表示联系起来, 用语言表示的策略要比用精确的数学表示的策略简单、方便而且灵活, 这是自适应模糊控制器比其他形式的自适应控制器具有的突出优点。
计算机的活动必须是以具体的数据为基础, 所以要机器代替人进行模糊推理就必须把模糊概念转换成数据, 这就不可避免地把人的主观东西渗杂进去, 控制规则的制定是依据人的经验的总结和人的推理方式, 如果人的经验不足或者主观量与客观量值相差甚远, 推理不合逻辑, 那么设计的控制器也不可能与客观对象相匹配, 这仍然是主观与客观相分离的问题, 它同样会影响系统的控制效果和稳定性。要想得到一个实用的控制器, 就必须对整个设计过程进行反复的修正和大量重复性计算, 同时要获得良好的稳态精度, 模糊档级就得分得多些, 这就增加了关系系数, 以致于无法进行离线或在线计算, 最终导致模糊控制无法实施。因而要通过大量反复的计算和修正来寻求良好的控制效果, 模糊控制器通过在实际中的不断运用, 才能得到进一步的更新和发展, 其优越性会更多的表现出来。
摘要：现代化的安全生产中控制理论在电气上的运用非常广泛, 但现实环境的变化无常对控制器提出更高的要求, 因而有了模糊控制器的研究和设计, 它主要是把一个或多个模糊的概念通过控制转换变成一个规则的可控输出。
关键词：模糊控制器,设计