模糊控制(fuzzy control)

模糊控制仿真与实现入门

在日常生活中我们常常能听到人们说诸如天气太热了或者天气太冷了这样的话.太冷,太热这样的词是人们对温度数值高低的一种看法,如果我们细问,太冷是多少摄氏度?太热又是多少摄氏度?我们不太可能得到一个确切的温度值,这个数值会随不同的人的看法而改变,年轻人可能15摄氏度才觉得冷,而老年人可能18摄氏度就觉得冷了,不仅如此,实际上我们可能根本得不到一个确切的温度数值,而只能得到一个大致的温度范围,这样冷和热这两个词的意思就不是很明确,而是一种感觉,模模糊糊的说不清楚.

如果我们让10个人用冷,合适,热三个词来表达他们对0-30摄氏度的感觉,可能会得到下面的图1:
在这里插入图片描述

图中横轴表示温度,范围是0-30摄氏度,纵轴是在不同温度下感觉冷,合适,热的人数.

可以看出:

1.观察代表冷的蓝色线,在0-9度时所有人都认为冷,而在9-14度,认为冷的人数依次减少,14度之后没人认为冷.

2.观察代表合适的绿色线,在9-22度,认为温度合适的人先增后减,在15度左右所有人都认为温度合适,除此之外的温度值没人认为温度合适.

3.观察代表热的红色线,只有在17度之后才有人认为热,且随温度升高,人数不断增加,在22度之后所有人都认为热.

这张图就将人们对0-30度的感觉转换为了给定温度下人们对冷,合适,热这三种感觉的认可程度.比如说在10度时,8个人认为冷,2个人认为合适,没有人认为热.类似的图我们在后面的仿真中还会见到.下面将通过一个日常生活的例子来介绍什么是模糊控制.

我们可以通过调节火炉里火的大小来调节室内的温度,过程如下:

输入:我们通过身体感受环境的温度值,并将温度值归为冷,合适,热三种模糊的感觉.

处理的三条规则: 1.如果冷,则用大火;2.如果热则用小火;3.如果温度合适则不调节火的大小,保持当前火的大小不变.

输出:根据上面的三条规则去调节火的大小,从而控制温度的高低.

如果我们想设计一个自动温度调节器来代替我们调节火的大小,这个调节器应该具有怎样的结构呢?很明显,如果这个调节器能完成上面的从输入到输出的过程,那么这个调节器就能代替人来自动调节温度.

对于输入来说,这个调节器要有温度传感器,这样才能像人一样感受外界温度的变化,但传感器只能感受到温度的具体数值是多少,却无法得出这个数值对于人来说是冷,还是热.所以我们需要一种将具体温度值转化为冷,合适和热的方法.而这恰恰是上面的图1的功能.比如说,现在温度传感器传回来外界温度是4摄氏度,通过上面的图1可知,这时对应的感觉是冷,如果外界的温度是10度,则8个人认为冷,2个人认为合适,可以认为是8成冷和2成合适.

处理的规则不变仍旧是前面的三条.现在问题又来了,如果我们告诉输出设备,输出大火或者输出小火,输出设备是听不懂的.到底多大的火是大火,多小的火是小火?这也是模模糊糊说不清,因此需要将大小这些模糊的词转化为具体的值进行输出.不妨假设最大的火是10级,最小的是0级.再去问问10个人对0-10级火是大火还是小火的看法吧,可以得到下面的图2:
在这里插入图片描述

可以看出,对于0级火,所有人都认为是小火,对于10级火所有人都认为是大火.随着火的级数的增加认为是大火的人渐渐增多,觉得是小火的人渐渐减少.这样就建立起了大火,小火这两种感觉和火的具体级数的关系,可以利用这种关系将大火,小火转变为具体的火的级数.而输出设备是知道火的具体级数的,这是事先约定好的.

对比图1和图2,可以发现这两张图横轴都是具体的数值,而纵轴则是表达了具体的数值符合若干模糊词汇的程度.因此可以完成输入要求的具体到模糊的转化和输出要求的模糊到具体的转化.有了图1,图2,控制规则和输入输出设备则可以完成自动温度调节器的设计,具体来说就是:

1. 通过温度传感器得到当前外部环境的温度值

2. 通过图1将具体的温度值转化为冷,合适,热这三种感觉

3. 参照处理的三条规则得到是用大火还是用小火还是不改变火的大小

4. 参照图2得到要调节的火的具体级数,并通过输出设备输出

上面通过类比人调节温度的过程,总结了人调节温度的经验,并将这些经验用于设计自动温度调节器,这种温度调节器就是一种模糊控制器,可见模糊控制器具有以下特点

1.不需要知道控制对象的具体数学模型,只要对被控对象有大体了解,并总结出控制规则就能快速实现控制.

2.模糊控制的“模糊”体现在控制规则的提出是基于人的感觉,而这种感觉具有模糊性,如对温度的冷,合适,热的感觉和对火的大小的感觉.这些感觉并不是精确的某一数值,而是一个范围,不同的人会有不同的看法.所以会看到,图1和图2中不同感觉会有重合的地方.

3.模糊控制器的特异性,由于不同人对相同事物看法的不同,导致对同一被控对象,不同的人会提出不同的控制策略.

作者:cyb519
来源:CSDN
原文:https://blog.csdn.net/cyb519/article/details/77966688
版权声明:本文为博主原创文章,转载请附上博文链接!

  • 12
    点赞
  • 39
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
模糊控制是一种基于模糊逻辑理论的控制方法,它通过建立模糊规则来处理模糊信息,实现对模糊向量u的控制。模糊向量u是指输入控制系统的模糊变量,它由模糊集和隶属度函数组成。 在模糊控制中,首先需要建立模糊集和隶属度函数。模糊集描述了变量的模糊程度,而隶属度函数用于描述变量对于各个模糊集的隶属程度。对于模糊向量u,我们可以将其划分为多个模糊集,并为每个模糊集定义相应的隶属度函数。 接下来,需要建立模糊规则。模糊规则是指在不确定情况下,根据经验和知识建立的一种决策规则。模糊规则可以根据输入变量的模糊集和输出变量的模糊集之间的关系来确定。 然后,需要进行模糊推理。模糊推理是指通过模糊规则对输入模糊向量进行推理,得出输出的模糊向量。在模糊推理过程中,模糊控制系统首先对输入变量的隶属度进行模糊化处理,然后根据模糊规则进行推理,最后将推理结果进行模糊化合成得到输出的模糊向量。 最后,需要进行解模糊化。解模糊化是将模糊向量转化为具体的控制值。解模糊化过程通过从模糊向量中选择最具代表性的元素,或者通过模糊向量的重心等方法来对模糊向量进行解码,得到具体的控制值,以实现对系统的控制。 综上所述,模糊控制通过建立模糊集和隶属度函数、确定模糊规则、进行模糊推理和解模糊化等步骤,实现对模糊向量u的控制。模糊控制具有较强的适应性和鲁棒性,能够处理不确定性和模糊性信息,广泛应用于工程和科学领域中的控制问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值