【智能控制】第1，2章智能控制绪论，模糊控制的应用理论基础，模糊集合的基本运算(北京航天航空大学）

1965年美国加州大学自动控制系L.A.Zedeh提出模糊集合理论，奠定了模糊控制的基础；1974年伦敦大学的Mamdani博士利用模糊逻辑，开发了世界上第一台模糊控制的蒸汽机，从而开创了模糊控制的历史；1983年日本富士电机开创了模糊控制在日本的第一项应用—水净化处理，之后，富士电机致力于模糊逻辑元件的开发与研究，并于1987年在仙台地铁线上采用了模糊控制技术，1989年将模糊控制消费品推向高潮，使日本成为模糊控制技术的主导国家。

基于模糊控制的发展可分为三个阶段：

（1）1965年-1974年为模糊控制发展的第一阶段，即模糊数学发展和形成阶段；

（2）1974年-1979年为模糊控制发展的第二阶段，产生了简单的模糊控制器；

（3）1979年—现在为模糊控制发展的第三阶段，即高性能模糊控制阶段。

模糊逻辑控制器的设计不依靠被控对象的模型，但它却非常依靠控制专家或操作者的经验知识。模糊逻辑控制的突出优点是能够比较容易地将人的控制经验溶入到控制器中，但若缺乏这样的控制经验，很难设计出高水平的模糊控制器。

采用模糊系统可充分逼近任意复杂的非线性系统，基于模糊系统逼近的自适应模糊控制是模糊控制的更高形式。

4. 智能控制的几个重要分支：神经网络控制

神经网络的研究已经有几十年的历史了。1943年McCulloch和Pitts提出了神经元数学模型；1950年-1980年为神经网络的形成期，有少量成果，如1975年Albus提出了人脑记忆模型CMAC网络，1976年Grossberg提出了用于无导师指导下模式分类的自组织网络；1980年以后为神经网络的发展期，1982年Hopfield提出了Hopfield网络，解决了回归网络的学习问题。1986年美国Rumelhart等提出了BP网络，该网络是一种按照误差逆向传播算法训练的多层前馈神经网络，为神经网络的应用开辟了广阔的发展前景。

将神经网络引入控制领域就形成了神经网络控制。神经网络控制是从机理上对人脑生理系统进行简单结构模拟的一种新兴智能控制方法。神经网络具有并行机制、模式识别、记忆和自学习能力的特点，它能够学习与适应不确定系统的动态特性，有很强的鲁棒性和容错性等。采用神经网络可充分逼近任意复杂的非线性系统，基于神经网络逼近的自适应神经网络控制是神经网络控制的更高形式。神经网络控制在控制领域有广泛的应用。

智能搜索算法是人工智能的一个重要分支。随着优化理论的发展，智能算法得到了迅速发展和广泛应用，成为解决搜索问题的新方法，如遗传算法、粒子群算法、差分进化算法等。这些优化算法都是通过模拟揭示自然现象和过程来实现，其优点和机制的独特，为具有搜索问题提供了切实可行的解决方案。

20世纪70年代初，美国密西根大学的霍兰教授和他的学生提出并创立了一种新型的优化算法—遗传算法。遗传算法的基本思想来源于达尔文的进化论，该算法将待求的问题表示成串(或称染色体)，即为二进制码或者整数码串，从而构成一群串，并将他们置于问题的求解环境中。根据适者生存的原则，从中选择出适应环境的串进行复制，并且通过交换、变异两种基因操作产生出新的一代更加适应环境的串群。经过一代代的不断变化，最后收敛到一个最适应环境的串上，即求得问题的最优解。

粒子群优化算法也是一种进化计算技术，1995年由Eberhart博士和Kennedy博士提出，该算法源于对鸟群捕食的行为研究。与遗传算法相似，粒子群算法也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，没有遗传算法的“交叉”和“变异”操作，通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决系统辨识问题中展示了其特殊的优越性。

差分进化算法是一种新兴的进化计算技术，它是由Storn等人于1995年提出的。该算法保留了基于种群的全局搜索策略，采用实数编码、基于差分的简单变异操作和一对一的竞争生存策略，降低了遗传操作的复杂性。同时，差分进化算法特有的记忆能力使其可以动态跟踪当前的搜索情况，以调整其搜索策略，具有较强的全局收敛能力和鲁棒性, 且不需要借助问题的特征信息，适于求解一些利用常规的数学规划方法所无法求解的复杂环境中的优化问题。

智能算法不依赖于问题模型本身的特性，能够快速有效的搜索复杂、高度非线性和多维空间，为智能控制的研究与应用开辟一条新的途径。

5. 智能控制的特点

（1）学习功能：智能控制器能通过从外界环境所获得的信息进行学习，不断积累知识，使系统的控制性能得到改善；

（2）适应功能：智能控制器具有从输入到输出的映射关系，可实现不依赖于模型的自适应控制，当系统某一部分出现故障时，也能进行控制；

（3）自组织功能：智能控制器对复杂的分布式信息具有自组织和协调的功能，当出现多目标冲突时，它可以在任务要求的范围内自行决策，主动采取行动。

（4）优化能力：智能控制能够通过不断优化控制参数和寻找控制器的最佳结构形式，获得整体最优的控制性能。

6. 智能控制的研究工具

（1）符号推理与数值计算的结合

如专家控制，它的上层是专家系统，采用人工智能中的符号推理方法；下层是传统意义下的控制系统，采用数值计算方法。

（2）模糊集理论

模糊集理论是模糊控制的基础，其核心是采用模糊规则进行逻辑推理，其逻辑取值可在0与1之间连续变化，其处理的方法是基于数值的而不是基于符号的。

（3）神经元网络理论

神经网络通过许多简单的关系来实现复杂的函数，其本质是一个非线性动力学系统，但它不依赖数学模型，是一种介于逻辑推理和数值计算之间的工具和方法。

（4）遗传算法

遗传算法根据适者生存、优胜劣汰等自然进化规则来进行搜索计算和问题求解。对许多传统数学难以解决或明显失效的复杂问题，特别是优化问题，GA提供了一个行之有效的途径。

（5）离散事件与连续时间系统的结合

主要用于计算机集成制造系统（CIMS）和智能机器人的智能控制。以CIMS为例，上层任务的分配和调度、零件的加工和传输等可用离散事件系统理论进行分析和设计；下层的控制，如机床及机器人的控制，则采用常规的连续时间系统方法。

7. 智能控制的应用

作为智能控制发展的高级阶段，智能控制主要解决那些用传统控制方法难以解决的复杂系统的控制问题，其中包括智能机器人控制、计算机集成制造系统（CIMS）、工业过程控制、航空航天控制、社会经济管理系统、交通运输系统、环保及能源系统等。下面以智能控制在机器人控制和过程控制中的应用为例进行说明。

（1）在运动控制中的应用

以机器人控制为例，智能机器人是目前机器人研究中的热门课题。E.H.Mamdan于20世纪80年代初首次将模糊控制应用于一台实际机器人的操作臂控制。J.S.Albus于1975年提出小脑模型关节控制器（Cerebellar Model Arculation Controller，简称CMAC），它是仿照小脑如何控制肢体运动的原理而建立的神经网络模型，采用CMAC，可实现机器人的关节控制，这是神经网络在机器人控制的一个典型应用。目前工业上用的90%以上的机器人都不具有智能。随着机器人技术的迅速发展，需要各种具有不同程度智能的机器人。

飞行器是非线性、多变量和不确定性的复杂对象，是智能控制发挥潜力的重要领域。利用神经网络所具有对非线性函数的逼近能力和自学习能力，可设计神经网络飞行器控制算法。例如，利用反演控制和神经网络技术相结合的非线性自适应方法，可实现飞行系统的纵向和横侧向通道的控制器设计。

（2）在过程控制中的应用

过程控制是指石油、化工、电力、冶金、轻工、纺织、制药、建材等工业生产过程的自动控制，它是自动化技术的一个极其重要的方面。智能控制在过程控制上有着广泛的应用。在石油化工方面，1994年美国的Gensym公司和Neuralware公司联合将神经网络用于炼油厂的非线性工艺过程。

在冶金方面，日本的新日铁公司于1990年将专家控制系统应用于轧钢生产过程。

在化工方面，日本的三菱化学合成公司研制出用于乙烯工程模糊控制系统。

智能控制应用于过程控制领域，是控制理论发展的新的方向。

2.1 概述——模糊控制的提出

以往的各种传统控制方法均是建立在被控对象精确数学模型基础上的，然而，随着系统复杂程度的提高，将难以建立系统的精确数学模型。

模糊控制是建立在人工经验基础之上的。对于一个熟练的操作人员，他往往凭借丰富的实践经验，采取适当的对策来巧妙地控制一个复杂过程。若能将这些熟练操作员的实践经验加以总结和描述，并用语言表达出来，就会得到一种定性的、不精确的控制规则。如果用模糊数学将其定量化就转化为模糊控制算法，形成模糊控制理论。

模糊控制理论具有一些明显的特点：

（1）模糊控制不需要被控对象的数学模型。模糊控制是以人对被控对象的控制经验为依据而设计的控制器，故无需知道被控对象的数学模型。

（2）模糊控制是一种反映人类智慧的智能控制方法。模糊控制采用人类思维中的模糊量，如“高”、“中”、“低”、“大”、“小”等，控制量由模糊推理导出。这些模糊量和模糊推理是人类智能活动的体现。

（3）模糊控制易于被人们接受。模糊控制的核心是控制规则，模糊规则是用语言来表示的，如“今天气温高，则今天天气暖和”，易于被一般人所接受。

（4）构造容易。模糊控制规则易于软件实现。

（5）鲁棒性和适应性好。通过专家经验设计的模糊规则可以对复杂的对象进行有效的控制。

2.2 模糊集合

2.2.1 模糊集合

对大多数应用系统而言，其主要且重要的信息来源有两种，即来自传感器的数据信息和来自专家的语言信息。数据信息常用0.5，2，3，3.5等数字来表示，而语言信息则用诸如“大”、“小”、“中等”、“非常小”等文字来表示。传统的工程设计方法只能用数据信息而无法使用语言信息，而人类解决问题时所使用的大量知识是经验性的，它们通常是用语言信息来描述。语言信息通常呈经验性，是模糊的。因此，如何描述模糊语言信息成为解决问题的关键。

模糊集合的概念是由美国加利福尼亚大学著名教授L.A.Zadeh于1965年首先提出来的。模糊集合的引入，可将人的判断、思维过程用比较简单的数学形式直接表达出来。模糊集理论为人类提供了能充分利用语言信息的有效工具。

模糊集合是模糊控制的数学基础。

1 特征函数和隶属函数

在数学上经常用到集合的概念。

例如：集合A由4个离散值x1，x2，x3，x4组成。A={x1,x2,x3,x4} 例如：集合A由0到1之间的连续实数值组成。

以上两个集合是完全不模糊的。对任意元素x，只有两种可能：属于A，不属于A。这种特性可以用特征函数来描述：

为了表示模糊概念，需要引入模糊集合和隶属函数的概念：

其中A称为模糊集合，由0,1及构成。

表示元素x属于模糊集合A的程度，取值范围为[0,1]，称为x属于模糊集合A的隶属度。

2 模糊集合的表示

① 模糊集合A由离散元素构成，表示为：

或

② 模糊集合A由连续函数构成，各元素的隶属度就构成了隶属度函数（Membership Function），此时A表示为：

在模糊集合的表达中，符号“/”、“+”和“∫”不代表数学意义上的除号、加号和积分，它

例2.1 设论域U={张三，李四，王五}，评语为“学习好”。设三个人学习成绩总评分是张三得95分，李四得90分，王五得85分，三人都学习好，但又有差异。若采用普通集合的观点，选取特征函数们是模糊集合的一种表示方式，表示“构成”或“属于”。

模糊集合是以隶属函数来描述的，隶属度的概念是模糊集合理论的基石。

例2.1

设论域U={张三，李四，王五}，评语为“学习好”。设三个人学习成绩总评分是张三得95分，李四得90分，王五得85分，三人都学习好，但又有差异。

若采用普通集合的观点，选取特征函数

此时特征函数分别为 C (张三)=1， C(李四)=1， C (王五)=1。这样就反映不出三者的差异。假若采用模糊子集的概念，选取[0，1]区间上的隶属度来表示它们属于“学习好”模糊子集A的程度，就能够反映出三人的差异。

采用隶属函数，由三人的成绩可知三人“学习好”的隶属度为 (张三)=0.95， (李四)=0.90， (王五)=0.85。用“学习好”这一模糊子集A可表示为： U (张三)=0.95，U(李四)=0.90，U (王五)=0.85。用“学习好”这一模糊子集A可表示为：

其含义为张三、李四、王五属于“学习好”的程度分别是0.95，0.90，0.85。

例2.2

以年龄为论域，取。Zadeh给出了“年轻”的模糊集Y，其隶属函数为

通过Matlab仿真对上述隶属函数作图，隶属函数曲线如图3-1所示。

“年轻”的隶属函数曲线

2.2.2 模糊集合的运算

1 模糊集合的基本运算

由于模糊集是用隶书函数来表征的，因此两个子集之间的运算实际上就是逐点对隶属度作相应的运算。

（1）空集

模糊集合的空集为普通集，它的隶属度为0，即

（2）全集

模糊集合的全集为普通集，它的隶属度为1，即

（3）等集

两个模糊集A和B，若对所有元素u，它们的隶属函数相等，则A和B也相等。即

（4）补集

若为A的补集，则

例如，设A为“成绩好”的模糊集，某学生属于“成绩好”的隶属度为：

则属于“成绩差”的隶属度为：

（5）子集

若B为A的子集，则

（6）并集

若C为A和B的并集，则

C=A∪B

一般地，

（7）交集

若C为A和B的交集，则C=A∩B,一般地，

（8）模糊运算的基本性质

模糊集合除具有上述基本运算性质外，还具有下表所示的运算性质。

表2-1 运算法则

1．幂等律 A∪A=A，A∩A=A

2．交换律 A∪B=B∪A，A∩B=B∩A

3．结合律 (A∪B)∪C=A∪(B∪C)

(A∩B)∩C=A∩(B∩C)

4．吸收律 A∪(A∩B)=A

A∩(A∪B)=A

5．分配律 A∪(B∩C)=(A∪B)∩(A∪C)

A∩(B∪C)=(A∩B) ∪(A∩C)

6．复原律

7．对偶律

8．两极律 A∪E=E，A∩E=A

A∪Ф=A，A∩Ф=Ф

例2.3

设

求A∪B，A∩B

则

例2.4

试证普通集合中的互补律在模糊集合中不成立，即

证：设

则

2 模糊算子

模糊集合的逻辑运算实质上就是隶属函数的运算过程。采用隶属函数的取大（MAX）-取小（MIN）进行模糊集合的并、交逻辑运算是目前最常用的方法。但还有其它公式，这些公式统称为“模糊算子”。

设有模糊集合A、B和C，常用的模糊算子如下：

（1）交运算算子

设C=A∩B，有三种模糊算子：

① 模糊交算子

② 代数积算子

③ 有界积算子

（3）平衡算子

当隶属函数取大、取小运算时，不可避免地要丢失部分信息，采用一种平衡算子，即“算子”可起到补偿作用。

设A和B经过平衡运算得到C，则

其中γ取值为[0，1]。当γ=0时，，相当于A∩B时的算子。

当γ=1，，相当于A∪B时的代数和算子。

平衡算子目前已经应用于德国Inform公司研制的著名模糊控制软件Fuzzy-Tech中。

下期讲隶属函数

资料仅供学习使用

如有错误欢迎留言交流

金港考研周导师的其他专栏：

金港考研周导师了解更多

上理考研周导师

关注

9
点赞
踩
30

收藏

觉得还不错? 一键收藏
0
评论
【智能控制】第1，2章智能控制绪论，模糊控制的应用理论基础，模糊集合的基本运算(北京航天航空大学）

【智能控制】第1，2章智能控制绪论，智能控制的概念和发展，模糊控制的应用理论基础，模糊控制，模糊集合的基本运算，模糊算子(北京航天航空大学）
复制链接

扫一扫