西北工业大学明德学院本科毕业设计论文
个生产的、自然的、社会的、生物的或者其他各种状态转移过程。这些被控对象可以是线性或非线性的、定常或时变的，也可以是单变量或多变量的、有时滞或无时滞的以及有强干扰的多种情况。对于那些难以建立精确数学模型的复杂对象，更加适合采用模糊控制器。
5. 传感器:传感器是将被控对象或各种过程的被控制量转换为电信号的一类装置。被控制量往往是非电量，如温度、压力、流量、浓度、湿度等。传感器在模糊控制系统中占有十分重要的地位，它的精度往往直接影响整个控制系统的精度。因此，在选择传感器时，应注意选择精度高且稳定性好的传感器。
4.2 模糊控制器的组成和结构
4.2.1 模糊控制器的组成
模糊控制器的基本组成如图4-2所示
图4-2 模糊控制器的组成图
它包含模糊化接口、规则库、模糊推理、清晰化接口等部分。输入变量是过程实测变量与系统设定值之差值。输出变量是系统的实时控制修正变量。模糊控制的核心部分是包含语言规则的规则库和模糊推理。模糊推理就是一种模糊变换，它将输入变量的模糊集变换为输出变量的模糊集，实现论域的转换。 1.模糊化接口(FuzzyInterface)：模糊控制器的输入必须通过模糊化才能用于模糊控制输出的求解，因此它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化成一个模糊矢量。
2.数据库(DB—Data Base)：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(即经过论域等级的离散化以后所对应的值的集合)，若论域为连续域，则为隶属度函数。
3.规则库(RB—Rule Base)：模糊控制器的规则是基于专家知识或手动操作熟练人员长期积累的经验，它是按人的直觉推理的一种语言形式。模糊规则通常由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(或or)，对于多变量模糊控制系统还有and。
规则库是用来存放全部模糊控制规则的，在推理时为“推理机”提供控制规
- 28 -
西北工业大学明德学院本科毕业设计论文
则，规则条数和语言变量的模糊子集划分有关，这种划分越细，规则条数越多，但这并不意味着规则库的准确度越高，规则库的“准确性”还与专家的知识准确度有关。
由规则库和数据库这两部分组成整个模糊控制器的知识库(KB—Knowledge Base)。
4.推理机(InferenceMachine)：推理机是模糊控制器中，根据输入模糊量，由模糊控制规则完成模糊推理来求解模糊关系方程，并获得模糊控制量的功能部分。它通常是在模糊控制设计过程中选定的推理算法软件，但是随着现代微电子和集成技术的发展，具有该类功能的硬件芯片已经逐步被广泛领域所应用。
模糊推理是模糊逻辑理论中最基本的问题。目前模糊推理的方法很多，但是在模糊控制中考虑到推理时间，通常采用运算较简单的推理方法。最基本的有Zadeh近似推理，它包含有正向推理和逆向推理两类，对于规则ifEisAthenUisB可以用表4-1来示意。正向推理常被用于模糊控制中，相当于控制器的输入(前提1)已知，根据模糊关系R(前提2)求其输出控制量(结论部分)：而逆向推理一般用于知识工程学领域的专家系统中。
表 4-1 Zadeh近似推理
类型 推理 前提1 前提2 结论 模糊关系R
正向推理 E是A' E是A则U是B U是B' A×B 逆向推理 U是B' E是A则U是B E是A’ A×B 模糊控制中的推理与知识工程中的模糊推理不同，模糊控制中的推理，其推理前提(模糊控制器的实际输入)不是模糊值，多为确切的数值，需要经过模糊化； 而知识工程学中使用的生产规律等则不同，容许模糊表示。此外，知识工程学中推理大多数是多级推理，而模糊控制中推理通常是单级推理。
5.解模糊接口(DefuzzyInterface)：模糊推理的结果一般都是模糊值，不能直接用来作为被控对象的控制量，需要将其转化成一个可以被执行结构所实现的精确量。此过程一般被称为解模糊过程，或称为模糊判决，它可以看作是模糊空间到清晰空间的一种映射。解模糊的目的是根据模糊推理的结果求得能反映控制量的实际分布。 4.2.2 模糊控制器的结构
在确定性自动控制系统中，通常将具有一个输入变量和一个输出变量(即一
- 29 -
西北工业大学明德学院本科毕业设计论文
个控制量和一个被控制量)的系统称为单变量系统，而将多于一个输入/输出变量的系统称为多变量控制系统。在模糊控制系统中，可以类似地分别定义为“单变量模糊控制系统”和“多变量模糊控制系统”。不同的是在模糊控制系统中往往把一个被控制量(通常是系统输出量)的偏差、偏差变化以及偏差变化的变化率作为模糊控制器的输入，因此，从形式上看，这时的输入量应该是3个，但是人们也习惯于称它为单变量模糊控制系统。 1. 单变量模糊控制系统
在单变量模糊控制系统中，通常把单变量模糊控制器的输入量个数称之为模糊控制器的维数，如图4-3所示：
(1) 一维模糊控制器：如图4-3a所示。
一维模糊控制器的输入变量往往选择为受控变量和输入给定的偏差量E。由于仅仅采用偏差值，很难反映受控过程的动态特性品质，因此所能获得的动态性能是不能令人满意的。这种一维模糊控制器往往被采用于一阶被控对象。 (2) 二维模糊控制器：如图4-3b所示。
二维模糊控制器的两个输入变量基本上都选用受控变量和输入给定的偏差E和偏差变化EC，由于它们能够比较严格地反映受控过程中输出变量的动态特性，因此，在控制效果上要比一维模糊控制器好得多，也是目前采用较广泛的一类模糊器。
图4-3单变量模糊控制器
(3) 三维模糊控制器：如图4-3c所示。
三维模糊控制器的三个输入变量分别为系统偏差量E、偏差变化量EC和偏差变化的变化率ECC。由于这类模糊控制器结构复杂，推理运算时间长，因此除非对动态特性的要求特别高的场合，一般较少选用三维模糊控制器。 上述三类模糊控制器的输出变量，均选择了受控变量的变化值。从理论上讲，模糊控制系统所选用的模糊控制器维数越高，系统的控制精度也就越高。但是维数选择太高，模糊控制规律就过于复杂，基于模糊合成推理的控制算法的计算机实现，也就更困难，这也许是人们在设计模糊控制系统时，多数采用二维控制器的原因。在需要时，为了获得较好的上升段特性和改善控制器的动态品质，也可以对模糊控制器的输出量作分段选择，即在偏差E“大”时，以控制量的绝对量
- 30 -
西北工业大学明德学院本科毕业设计论文
为输出，而当偏差E“小”或“中等”时，则仍以控制增量为输出。 2. 多变量模糊控制系统
一个多变量模糊控制系统所采用的模糊控制器，往往具有多变量结构，称之为多变量模糊控制器，如图4-4所示：
图4-4多变量模糊控制器
4.3 模糊控制器的设计内容
4.3.1 基本概述
模糊逻辑控制器(Fuzzy Logic Controller)简称模糊控制器(Fuzzy Controller)，因为模糊控制器的控制规则是基于模糊条件语句描述的语言控制规则，所以模糊控制器又称为模糊语言控制器。
1. 模糊控制器的设计包括以下几项内容：
(1) 确定模糊控制器的输人变量和输出变量(即控制量)； (2) 设计模糊控制器的控制规则；
(3) 确立模糊化和非模糊化(又称清晰化)的方法；
(4) 选择模糊控制器的输人变量及输出变量的论域并确定模糊控制器的参数(如量化因子、比例因子)；
2. 模糊控制器设计的主要步骤流程如图4-5
确定输入、输出物理量确定模糊控制其结构确定模糊子集隶属函数建立模糊控制规则系统分析达标否调整参数设计结束 图4-5 模糊控制器设计流程图
4.3.2 模糊模型的选择
模糊控制器的模糊模型的选择对整个模糊控制系统的静态和动态特性有相当大的影响，因此，在设计模糊控制器的时候，模糊模型的选择显得非常重要。
- 31 -
西北工业大学明德学院本科毕业设计论文
模糊控制中主要使用的两种模型：Mamdani模糊模型和Takagi-Sugeno模糊模型。
Mamdani型模糊模型是由英国的E.H.Mamnadi提出的，它是一种语言模型，利用Mamdani构成的模糊系统实质上是一组模糊IF-THEN规则，在这组规则中前件变量和后件变量均为模糊语言集，其一般形式如下:
Ri: If Z1 is Mi1 and...and Zg is Mig
Then u1 is Ni1 and...and up is Nip i=1,2,...n 其中，Z1,Z2...Zg是规则前件语言变量，表征了被控对象的状态； u1,u2,...pu是规则后件语言变量，代表了作用于对象的控制量； Mi1...Mig,Ni1...Nip是模糊语言真值表； i表示规则数目。
Takagi-Sugeno模糊模型(简称T-S模型)是1985年由日本的Takagi和Sugeno提出，T-S模型与Mamdani模型既有区别又有联系：相同之处是两种模型的前提部分都是采用模糊语言值，不同之处是T-S模型的结论部分不是模糊的，而是采用线性或常值型的隶属函数。值得注意的是当结论部分是常值型时，T-S模型也可以看为Mamdani模型的一种特例，即输出变量隶属度函数为单值的Mamdani模型，而在一般情况下，两者是不同的。重要的是，由于T-S模型可以方便的进行非线性系统建模和非线性控制系统设计，可以克服Mamdani模型的一些固有缺点，所以得到了广大研究者的关注，逐渐成为了独立的模糊模型。由于MIMO 系统可以分解为多个MISO系统，所以我们只需讨论MISO系统。MISO系统的T-S模型数学描述为:
i Ri: If x1 is A1，x2 is Ai2，...，xm is Aim
ix1+ki2x2+...+kimxm (4-1) Then yi=k0i+k1其中，Ri表示T-S模糊模型的第i条规则，也称为模糊子系统；
xj?j?1,2,...,m?为第j个输入变量； m为输入变量的数量；
Aij是一个模糊子集，其隶属函数中的参数称为前提参数；
yi第i条规则的输出；
- 32 -