|
|
今天在網(wǎng)上查找有關(guān)“模糊控制”的資料，現(xiàn)摘錄一些。
模糊控制具有良好控制效果的關(guān)鍵是要有一個完善的控制規(guī)則。但由于模糊規(guī)則是人們對過程或?qū)ο竽：畔⒌臍w納，對高階、非線性、大時滯、時變參數(shù)以及隨機干擾嚴(yán)重的復(fù)雜控制過程，人們的認(rèn)識往往比較貧乏或難以總結(jié)完整的經(jīng)驗，這就使得單純的模糊控制在某些情況下很粗糙，難以適應(yīng)不同的運行狀態(tài)，影響了控制效果。
常規(guī)模糊控制的兩個主要問題在于：改進(jìn)穩(wěn)態(tài)控制精度和提高智能水平與適應(yīng)能力。在實際應(yīng)用中，往往是將模糊控制或模糊推理的思想，與其它相對成熟的控制理論或方法結(jié)合起來，發(fā)揮各自的長處，從而獲得理想的控制效果。由于模糊規(guī)則和語言很容易被人們廣泛接受，加上模糊化技術(shù)在微處理器和計算機中能很方便的實現(xiàn)，所以這種結(jié)合展現(xiàn)出強大的生命力和良好的效果。對模糊控制的改進(jìn)方法可大致的分為模糊復(fù)合控制，自適應(yīng)和自學(xué)習(xí)模糊控制，以及模糊控制與智能化方法的結(jié)合等三個方面。
1、模糊復(fù)合控制：
Fuzzy-PID復(fù)合控制:即模糊PID控制，通常是當(dāng)誤差較大時采用模糊控制，而誤差較小時采用PID控制，從而既保證動態(tài)響應(yīng)效果，又能改善穩(wěn)態(tài)控制精度;一種簡便有效的做法是模糊控制器和I調(diào)節(jié)器共同合成控制作用。
模糊-線性復(fù)合控制:如模糊-前饋補償控制等，實際利用了模糊控制是變增益PI控制器的特點，在實際系統(tǒng)的控制中取得了較好的效果。
史密斯-模糊控制器:針對系統(tǒng)的純滯后特性設(shè)計，用模糊控制器替代PID可以解決常規(guī)史密斯-PID控制器對參數(shù)變化適應(yīng)能力較弱的缺陷;此外模糊推理和模糊規(guī)則的運用有利于在一定程度上適應(yīng)時延的變化，在更復(fù)雜的情況下對對象的純滯后進(jìn)行有效的補償。
三維模糊控制器:一種是利用誤差E，誤差變化Ec和誤差變化速率Ecc作為三維變量，可以解決傳統(tǒng)二維模糊控制器的快速響應(yīng)與穩(wěn)定性要求之間的矛盾;另一種方法是利用E，Ec和誤差的累積和ΣE，這相當(dāng)于變增益的PID控制器，提高了模糊控制的穩(wěn)態(tài)精度。
多變量模糊控制:一般采用結(jié)構(gòu)分解和分層分級結(jié)構(gòu)，利用多個簡單的模糊控制器進(jìn)行組合，并兼顧多規(guī)則集之間的相互關(guān)系。
2、自適應(yīng)和自學(xué)習(xí)模糊控制：
自校正模糊控制器:修改控制規(guī)則的自校正模糊控制器，從響應(yīng)性能指標(biāo)的評價出發(fā)，利用模糊集合平移或隸屬函數(shù)參數(shù)的改變，來實現(xiàn)控制規(guī)則的部分或全面修正，也可通過修正規(guī)則表或隸屬函數(shù)本身來進(jìn)行調(diào)整;基于模糊模型的自校正模糊控制器，包括利用模糊集理論辨識系統(tǒng)模型的語言化方法，基于參考模糊集的系統(tǒng)模糊關(guān)系模型辨識方法，以及由I/O數(shù)據(jù)建立模糊規(guī)則模型，并以此作為自校正控制器設(shè)計的基礎(chǔ)等。
參數(shù)自調(diào)整模糊控制:自調(diào)整比例因子的模糊控制，引入性能測量和比例因子調(diào)整的功能，在線改變模糊控制器的參數(shù)，較大的增強了對環(huán)境變化的適應(yīng)能力;基于模糊推理的PID自整定控制，如參數(shù)自整定模糊PD控制，以及類似的PI及PID控制等。
模型參考自適應(yīng)模糊控制器:利用參考模型輸出與控制作用下系統(tǒng)輸出間的偏差來修正模糊控制器的輸出，包括比例因子、解模糊策略、模糊控制規(guī)則等。
具有自學(xué)習(xí)功能的模糊控制:包括多種對外擾影響或重復(fù)任務(wù)的性能具有自學(xué)習(xí)功能的模糊控制方法，以及自尋優(yōu)模糊控制器等，其關(guān)鍵在于學(xué)習(xí)和尋優(yōu)算法的設(shè)計，尤其是提高其速度和效率。
自組織模糊控制器:將參考模型和自組織機制相結(jié)合的模糊模型參考學(xué)習(xí)控制，及自適應(yīng)遞階模糊控制等更高級的自組織形式具有很大的發(fā)展?jié)摿Α?br />
3、模糊控制與其它智能控制方法的結(jié)合：
盡管模糊控制在概念和理論上仍然存在著不少爭議，但進(jìn)入90年代以來，由于國際上許多著名學(xué)者的參與，以及大量工程應(yīng)用上取得的成功，尤其是對無法用經(jīng)典與現(xiàn)代控制理論建立精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)特別顯得成績非凡，因而導(dǎo)致了更為廣泛深入的研究，事實上模糊控制已作為智能控制的一個重要分支確定了下來。
4、專家模糊控制：
專家系統(tǒng)能夠表達(dá)和利用控制復(fù)雜過程和對象所需的啟發(fā)式知識，重視知識的多層次和分類的需要，彌補了模糊控制器結(jié)構(gòu)過于簡單、規(guī)則比較單一的缺陷，賦予了模糊控制更高的智能;二者的結(jié)合還能夠擁有過程控制復(fù)雜的知識，并能夠在更為復(fù)雜的情況下對這些知識加以有效利用。
5、基于神經(jīng)網(wǎng)絡(luò)的模糊控制：
神經(jīng)網(wǎng)絡(luò)實現(xiàn)局部或全部的模糊邏輯控制功能，前者如利用神經(jīng)網(wǎng)絡(luò)實現(xiàn)模糊控制規(guī)則或模糊推理，后者通常要求網(wǎng)絡(luò)層數(shù)多于三層;自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊控制，利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能作為模型辨識或直接用作控制器;基于模糊神經(jīng)網(wǎng)絡(luò)的隸屬函數(shù)及推理規(guī)則的獲取方法，具有模糊連接強度的模糊神經(jīng)網(wǎng)等，均在控制中有所應(yīng)用;模糊系統(tǒng)與遺傳算法相結(jié)合的控制器設(shè)計方法則提供了更為新穎的思路。
此外，模糊預(yù)測控制，模糊變結(jié)構(gòu)方法，模糊系統(tǒng)建模及參數(shù)辨識，模糊模式識別等的研究，也都屬于較為前沿的研究方向。
模糊控制研究方向展望
模糊控制仍然是一個充滿爭議的領(lǐng)域。由于它的發(fā)展歷史還不長，理論上的系統(tǒng)性和完善性，技術(shù)上的成熟性和規(guī)范性都還是不夠的，有待人們的進(jìn)一步提高。
模糊系統(tǒng)理論還有一些重要的理論課題沒有解決。其中兩個重要的問題是:如何獲得模糊規(guī)則及隸屬函數(shù)，這在目前完全憑經(jīng)驗來進(jìn)行;以及如何保證模糊系統(tǒng)的穩(wěn)定性。
大體說來，在模糊控制理論和應(yīng)用方面應(yīng)加強研究的主要課題為： 適合于解決工程上普遍問題的穩(wěn)定性分析方法，穩(wěn)定性評價理論體系;控制器的魯棒性分析，系統(tǒng)的可控性和可觀測性判定方法等。
模糊控制規(guī)則設(shè)計方法的研究，包括模糊集合隸屬函數(shù)的設(shè)定方法，量化水平，采樣周期的最優(yōu)選擇，規(guī)則的系數(shù)，最小實現(xiàn)以及規(guī)則和隸屬函數(shù)參數(shù)自動生成等問題;進(jìn)一步則要求我們給出模糊控制器的系統(tǒng)化設(shè)計方法。
模糊控制器參數(shù)最優(yōu)調(diào)整理論的確定，以及修正推理規(guī)則的學(xué)習(xí)方式和算法等。
模糊動態(tài)模型的辨識方法。
模糊預(yù)測系統(tǒng)的設(shè)計方法和提高計算速度的方法。
神經(jīng)網(wǎng)絡(luò)與模糊控制相結(jié)合，有望發(fā)展一套新的智能控制理論。
模糊控制算法改進(jìn)的研究:由于模糊邏輯的范疇很廣，包含大量的概念和原則;然而這些概念和原則能真正的在模糊邏輯系統(tǒng)中得到應(yīng)用的卻為數(shù)不多。這方面的嘗試有待深入。
最優(yōu)模糊控制器設(shè)計的研究:依據(jù)恰當(dāng)提出的性能指標(biāo)，規(guī)范控制規(guī)則的設(shè)計依據(jù)，并在某種意義上達(dá)到最優(yōu)。
|
|
QQ好友和群
QQ空間
騰訊微博
騰訊朋友
收藏
淘帖
頂
踩
