智能控制模糊控制设计实例
人工智能-模糊控制全自动洗衣机 -

在模糊洗衣机中,布质和布量是无法通过物理传感器测出的;所以,它们的求取都是采用间接的方法.布质,布量和洗涤的过程有很大的关系.从一般人们的经验知道,布质是绵质,则洗涤会困难一些;布质如果是化学纤维,则困难会小一些.布量多一些,则洗涤过程要长一些,反之短一些.所以,除了肮脏度之外,模糊推理还考虑布质和布量.
模糊控制全自动洗衣机
1.模糊控制简介
模糊控制是一种非线性的控制方法,主要针对那些无法取得数学模型或数学模型相当粗糙的系。首先要对被控对象按照人们的经验总结出模糊规则,采用模糊量,借助单片机对这些信息按照模糊规则转换为控制量,来完成自动控制。
2.应用前景
近年来,模糊控制在家用电器控制中得到较广泛的应用,采用模糊控制的洗衣机,可具有自动识别衣质、衣量、脏污程度、脏污性质、自动决定水量、自动投入恰当的洗涤剂等功能,不仅实现了洗衣机的全面自动化,也大大提高了洗衣的质量。
则把水流定为特弱,洗涤时间定为特长;洗衣推理如表1所示:
表1洗衣机的模糊推理
他给出了洗衣机推理的所有规则。很明显这些规则的前见有三个因素,后件有两个因素。故它们也是一种多输入多输出的推理。对于输入量,即前件,各个因素的模糊量定义不同。布量的模糊量为多中少;水温的模糊量为高中低;而布质的模糊量为棉布偏多,棉布化纤各半,化纤偏多;而输出量,即后件中,水流的模糊量取特强,强,中,弱,特弱;时间的模糊量取特长,长,中,短,特短;在上述的模糊量中,各自的隶属函数都不同。水温,布质和时间的模糊量如图3所示。
对于主要因素推理和顺序因素推理这两种推理,它们之间是有这隐含的推理关系的。主要因素推理是以采用人的思维中的主要因素起到决定作用原理执行的。在这种原理中,抛弃各种次要因素,以见米欧那个的形式产生因素少的推理规则,便于进行处理。顺序因素推理则是把前一种推理的结果作为本次推理的前件,从而推理出新的结果。在洗衣机中,如果考虑浑浊度,洗涤剂投入量,水流,洗涤时间等因素的推理。作为主要因素推理显然有:
第三章(2) 模糊控制系统的设计

假设中等小费是15%,高是25%,小费低是5%。 小费函数大致形状如下。明显地,曲线形状受 当地传统、文化喜好影响,但三条规则通用。
0.25
0.15
0.05
服务差或食品差 服务好或食品好
3.3 模糊控制器的设计举例 31
μ μ A(e) μ B(e)
0
e
3.2模糊控制系统的设计 12
二、模糊控制器的设计原则 b). α 较小,控制灵敏度高; α 较大,鲁棒性好; 一般取α = 0.5。
μ μ A(e) μ B(e) μ μ A(e) μ B(e)
0
e
0
e
3.2模糊控制系统的设计
13
二、模糊控制器的设计原则 3、设计规则库 规则数: N=nout*(nin(nlevel-1)+1)。 4、设计模糊推理 可由软、硬件实现。
20
3.3 模糊控制器的设计举例
3.3 模糊控制器的设计举例 4、模糊控制规则的确定 为使系统输出的动态特性最佳,根据操作经验而 总结的一条条模糊条件语句。
3
4 5 2 1
Td
0
t
3.3 模糊控制器的设计举例
21
3.3 模糊控制器的设计举例 (1)误差e = T – Td 为负大时,全功率加热。
5、精确化方法 一定要选取有代表性的值。
3.2模糊控制系统的设计
14
3.3 模糊控制器的设计举例 以加热炉温度控制系统为例: 由于模糊关系矩阵是一个高阶矩阵,多次合成计 算使输出使系统实时性变差,在实际应用中通 常采用查表法。
DE
Td
_
e
Δ
KΔe Ke E
模糊 控制表
U
Ku
u
被控对象
智能控制的主要控制方法

智能控制的主要控制方法一、模糊控制。
1.1 模糊控制的基本概念。
模糊控制啊,就像是一种“差不多”的控制方法。
它不追求精确到小数点后多少位的数值,而是用一些模糊的概念,像“大”“小”“快”“慢”之类的。
比如说,要控制房间的温度,它不会精确到25.5度,而是大概分为“冷”“合适”“热”这么几个模糊的状态。
这就很符合咱们日常生活中的思维方式,咱们人在判断很多事情的时候,也不是用特别精确的数字,而是靠这种模糊的感觉。
就像咱们常说的“差不多得了”,模糊控制就是这么个意思。
1.2 模糊控制的应用。
在实际生活中,模糊控制的应用可不少呢。
像洗衣机的控制,它不知道衣服到底有多脏,但是可以根据衣物的重量、材质等大概的因素,来确定洗涤的时间和强度。
这就好比一个有经验的主妇,虽然不能精确测量污垢的含量,但是凭借经验就能把衣服洗得差不多干净。
还有汽车的自动变速器,它根据车速、油门踏板的位置等模糊的信息,来决定换挡的时机,不需要精确计算每一个瞬间的动力需求。
二、神经网络控制。
2.1 神经网络控制的原理。
神经网络控制就像是模拟人的大脑神经工作方式。
它有很多的神经元节点,这些节点之间相互连接,就像大脑里的神经细胞一样。
每个节点都能接收和处理信息,然后把处理后的结果传递给其他节点。
这就好比一个庞大的信息传递网络,大家互相协作。
这有点像咱们常说的“众人拾柴火焰高”,众多的神经元一起工作,来实现对系统的控制。
2.2 神经网络控制的实例。
比如说在图像识别方面,神经网络控制就大显身手了。
它可以识别出照片里是猫还是狗,或者是其他的物体。
就像人的眼睛和大脑的结合一样,神经网络通过对图像的大量特征进行分析,就像咱们看东西的时候会注意到动物的耳朵、眼睛、尾巴等特征,它也是这么去判断的。
再比如在股票市场预测中,虽然不能做到百分百准确,但是它可以根据历史数据等众多因素,像公司的业绩、市场的趋势等,来对股票价格的走势做出一个大致的预测。
三、遗传算法控制。
智能控制技术(模糊控制)

INTELLIGENT CONTROL
随着系统复杂程度的提高,将难以建立系统的精 确数学模型和满足实时控制的要求。 人们希望探索一种除数学模型以外的描述手段和 处理方法。 例如: 骑自行车 水箱水温控制
2011年4月10日
INTELLIGENT CONTROL
模糊控制就是模仿上述人的控制过程,其中包 含了人的控制经验和知识。从这个意义上来说,模 糊控制也是一种智能控制。模糊控制方法既可用于 简单的控制对象,也可用于复杂的过程。 模糊控制是以模糊集合论作为数学基础。 1965年L.A.Zandeh(美国教授)首先提出了模糊集 合的概念。 1974年E.H.Mamdani(英国教授)首先将模糊集合 理论应用于加热器的控制。 典 型 例 子
2011年4月10日
INTELLIGENT CONTROL
二、模糊控制的特点 特点: (1)无需知道被控对象的数学模型 (2)是一种反映人类智慧思维的智能控制 (3)易被人接受 (4)构造容易 (5)鲁棒性好
2011年4月10日
INTELLIGENT CONTROL
第二节
模糊集合论基础 一、模糊集合的概念 二、模糊集合的运算 三、隶属函数的建立 四、模糊关系
2011年4月10日
INTELLIGENT CONTROL
现代控制系统的数学模型难以通过传统的数学工具 来描述。就是说,采用数学工具或计算机仿真技术的传 统控制理论,已无法解决此类系统的控制问题。 从生产实践中可以看到,许多复杂的生产过程难以 实现的目标,可以通过熟练的操作工、技术人员或专家 的操作得到满意的控制效果。 如何有效地将熟练操作工、技术人员或专家的经验 知识和控制理论结合,去解决复杂系统的控制问题,就 是智能控制研究的目标。
模糊控制的应用实例与分析

模糊控制的应用实例与分析本页仅作为文档封面,使用时可以删除This document is for reference only-rar21year.March模糊控制的应用学院实验学院专业电子信息工程姓名指导教师日期 2011 年 9 月 20 日在自动控制中,包括经典理论和现代控制理论中有一个共同的特点,即控制器的综合设计都要建立在被控对象准确的数学模型(如微分方程等)的基础上,但是在实际工业生产中,很多系统的影响因素很多,十分复杂。
建立精确的数学模型特别困难,甚至是不可能的。
这种情况下,模糊控制的诞生就显得意义重大,模糊控制不用建立数学模型,根据实际系统的输入输出的结果数据,参考现场操作人员的运行经验,就可对系统进行实时控制。
模糊控制实际上是一种非线性控制,从属于智能控制的范畴。
现代控制系统中的的控制能方便地解决工业领域常见的非线性、时变、在滞后、强耦合、变结构、结束条件苛刻等复杂问题。
可编程控制器以其高可靠性、编程方便、耐恶劣环境、功能强大等特性很好地解决了工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题,这两者的结合,可在实际工程中广泛应用。
所谓模糊控制,其定义是是以模糊数学作为理论基础,以人的控制经验作为控制的知识模型,以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的一种控制。
模糊控制具有以下突出特点:(1)模糊控制是一种基于规则的控制,它直接采用语言型控制规则,出发点是现场操作人员的控制经验或相关专家的知识,在设计中不需要建立被控对象的精确的数学模型,因而使得控制机理和策略易于接受与理解,设计简单,便于应用(2)由工业过程的定性认识出发,比较容易建立语言控制规则,因而模糊控制对那些数学模型难以获取,动态特性不易掌握或变化非常显著的对象非常适用。
(3)基于模型的控制算法及系统设计方法,由于出发点和性能指标的不同,容易导致较大差异;但一个系统语言控制规则却具有相对的独立性,利用这些控制规律间的模糊连接,容易找到折中的选择,使控制效果优于常规控制器。
智能控制工程中的模糊控制算法

智能控制工程中的模糊控制算法随着科技的不断发展,人工智能开始走入人们的生活中,并渗透到了各个领域当中。
智能控制工程作为其中的一种应用,正在受到越来越多的关注。
而作为智能控制工程中的一个重要技术手段,模糊控制算法在这个领域中得到了广泛的应用。
模糊逻辑是一种基于模糊数学的逻辑体系,它允许分类和处理不确定的信息。
在计算机领域中,模糊控制就是一种基于模糊逻辑的控制方法,它用来解决那些有模糊性、不确定性或者非线性的控制问题。
模糊控制算法的核心在于将模糊推理原理运用到控制系统中。
首先需要通过分析控制系统的输入输出变量,建立数学模型。
接下来是规则库的建立,通过专家的判断和经验,将控制变量之间的关系作为规则库的内容记录下来。
最终,通过模糊推理来求解控制系统输出的控制量。
在实际的应用中,模糊控制算法具有以下几个优点。
首先,模糊控制算法不需要精确的数学模型来描述被控对象,只需要根据经验和专家知识建立一些模糊规则即可。
这样可以大大降低建模的难度和复杂度。
其次,模糊控制算法可以处理非线性系统和时变系统,可以解决传统的线性控制方法无法处理的问题。
最后,模糊控制算法可以很好地处理控制对象模糊不确定、噪声干扰等问题。
在实际的应用中,模糊控制算法得到了广泛的应用。
例如在工业自动化控制中,模糊控制算法可以应用于水处理、化工、轧钢等工业过程中的控制;在电力系统中,可以应用于电力厂调度、电网控制、发电机组控制等方面;在交通管理中,模糊控制算法可以应用于智能交通系统、车辆控制等方面。
虽然模糊控制算法在工程应用中具有广泛的应用前景,但是它也存在一些问题和挑战。
首先,模糊控制算法的规则库建立需要专家的知识和经验,对于某些复杂的系统,规则库的建立非常困难。
其次,模糊控制算法需要很好地解决模糊推理的问题,才能得到准确的控制量。
最后,模糊控制算法需要在实际的控制系统中进行充分的实验和验证,才能确保其有效性和可靠性。
综合而言,模糊控制算法是一种有效的控制方法,可以解决那些由于复杂性、非线性或者模糊性而难以进行精确控制的问题。
智能控制及MATLAB实现—水箱液位模糊控制仿真设计

智能控制及MATLAB实现—水箱液位模糊控制仿真设计智能控制是一种利用先进的智能技术和算法来实现自动控制的方法。
在智能控制中,模糊控制是一种常见且有效的方法之一、模糊控制通过将模糊逻辑应用于控制系统中的输入和输出,根据模糊规则来进行决策和控制。
水箱液位控制是一个典型的控制问题,常常用于工业和民用领域中的自动化系统。
在许多控制应用中,水箱液位的控制是一个关键的问题,因为它需要根据系统的液位情况来实现稳定的控制。
在模糊控制中,首先需要建立一套模糊规则系统,该系统包括模糊化、模糊推理和解模糊化这三个步骤。
模糊化是将实际输入转换为模糊集合的过程。
在水箱液位控制中,可以将液位分为低、中和高三个模糊集合。
通过将实际液位值映射到这些模糊集合中的一个,来表示液位状态。
模糊推理是根据一组模糊规则,将模糊输入转换为模糊输出的过程。
通过将输入和规则进行匹配,确定输出的模糊集合。
在水箱液位控制中,可以使用如下规则:如果液位低且液位变化小,则控制信号为增大水流量;如果液位高且液位变化大,则控制信号为减小水流量;如果液位中等且液位变化适中,则控制信号为不变。
解模糊化是将模糊输出转换为实际的控制信号的过程。
在水箱液位控制中,可以使用模糊加权平均值的方法来进行解模糊化。
通过将模糊集合和其对应的权重进行加权平均计算,得到最终的控制信号。
在MATLAB中,可以使用Fuzzy Logic Toolbox来实现水箱液位模糊控制仿真设计。
首先需要建立输入和输出的模糊化和解模糊化函数,然后根据实际的模糊规则,构建模糊系统。
最后通过设定输入的模糊值,使用模糊系统进行推理和解模糊,得到最终的控制信号。
总结起来,智能控制及MATLAB实现水箱液位模糊控制仿真设计包括建立模糊规则系统,进行模糊化、模糊推理和解模糊化三个步骤,通过Fuzzy Logic Toolbox来实现模糊控制系统的构建和仿真。
通过利用模糊控制的方法,可以实现水箱液位的自动稳定控制,并提高了控制系统的鲁棒性和适应性。
《智能控制技术》智能控制技术——模糊控制系统

若e=测量-给定
(1)为E为正大,则U为负大。 If E = PB then U= NB
(2)为E为正小,则U为负小。 (3)为E为零,则U为零。 (4)为E为负小,则U为正小。 (5)为E为负大,则U为正大。
If E = PS then U = NS If E =ZE then U= ZE If E= NS then U = PS If E= NB then U = PB
方面明显优于一维控制器。
18
3.1 模糊控制系统的组成
3.1.3 推理决策过程 推理决策逻辑 模糊控制的核心。 利用知识库的信息,模拟人类的推理决策过程。
即上一章中介绍的模糊逻辑推理。 常用的是最大—最小(玛达尼)推理。
19
3.1 模糊控制系统的组成
3.1.4 精确化过程 精确化的定义 把由模糊推理所得到的模糊输出量,转变为精确控制量。 进而去驱动或控制具体的执行机构。
3.1 模糊控制系统的组成
3.1.1 模糊化
模糊化的过程(举例说明:一个二维模糊控制器)
(2)量化因子和比例因子
定义量化因子:
n
kde demax
定义比例因子:
ku
umax n
7
3.1 模糊控制系统的组成
3.1.1 模糊化 模糊化的过程(举例说明:一个二维模糊控制器)
(3)语言值的选取
正大—“PB” 正中—“PM” 正小—“PS” 零 —“ZE” 负小—“NS” 负中—“NM” 负大—“NB”
模糊化的过程(举例说明:一个二维模糊控制器)
(2)量化因子和比例因子
定义量化因子:
ke
n em ax
ke确定后,任何e值都可以转化为X上的某一元素。
x
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
对上面各语言之给定其模糊化的隶属度函数,这里选择三角 形函数。
a
6
4 建立模糊控制规则
•If E=PB and EC=NB or NS or Z then U=NB •If E=PB and EC=PB or PS then U=NM •If E=PM and EC=NB or NS then U=NB •If E=PM and EC=PB then U=NS •If E=PM and EC=PS or Z then U=NM •If E=PS and EC=NB then U=NM •If E=PS and EC=NS or Z then U=NS •If E=PS and EC=PB or PS then U=Z •If E=Z and EC=NB or NS then U=NS
a
5
2.3输出控制电压u
系统输出控制量u,取其语言变量为U,论域Z={-3,-2,-1,0 ,+1,+2,+3},论域上模糊子集是Ck(k=1,2,3,…,7),相应语言 值为{正大(PB),正中(PM),正小(PS),零(Z),负 小(NS),负中(NM),负大(NB)}。分别表示控制执行机 构动作为:“发水位高限报警,关闭阀门V1”、“阀门V1开度减 小量大”、“阀门V1开度减小量小”、“阀门V1开度不变”、“阀门V1 开度增加量小”、“阀门V1开度增加量大”、“发水位低限报警,并 阀门V1开度为最大”。
模糊控制器的设计
吴离蒙 刘晓萱 宋雨荷
a
1
模糊控制器组成
input
④
知识库 Knowledge base
① 模糊化
② 模糊推理
③ 清晰化
Fuzzification
Fuzzy-inference 模糊控制器
Defuzzification
output
控制对象
Plant
Fig The structure of Fuzzy Control system
a
3
1.首先确定模糊控制器结构。
为得到良好的控制性能,观测液位误差e和误差变化ec,
而控制量只有一个——电磁阀V1的开启电压u。因此,模糊 控制器采用两输入单输出的二维结构。
2.确定语言变量。
需要确定的语 言变量有3个
:
误差e 误差变化ec 输出控制电压u
a
4
2.1 误差e
设液位给定高度hd,实际高度h,则液位误差e=hd-h,取其语言变量 为E,论域X={-3,-2,-1,0,+1,+2,+3},论域上模糊子集是 Ai(i=1,2,…,7),相应语言值为{正大(PB),正中(PM),正小 (PS),零(Z),负小(NS),负中(NM),负大(NB)}。分 别表示当前水位h相对设定值hd为:“极低”、“很低”、“偏低”、 “正好”、“偏高”、“很高”、“极高”。
a
7
5 确定模糊关系
a
8
计算模糊关系R,为计算方便起见,先将由图给出的模糊隶属度函数以 矢量形式表示,列成表。
模糊集合A的隶属度函数
a
9
模糊集合B的隶属度函数
a
10
模糊集合C的隶属度函数
a
11
R1:If E=PB and EC=NB or NS or Z then U=NB
可理解为 :
R
:If E=PB then U=NB;R
a
2
模糊控制器设计实例
倒锥形容器的液位模糊控制系统设计及实现:
•受控对象:倒锥形容器的液位高度h
•检测装置:测量容器底部压力来间接 测量液位
•执行机构:系统的执行机构为电磁阀 V1,通过控制V1的开启度来控制液位。 假设V1的开启度与液位呈线性关系。
•模糊控制器:受控对象是倒锥形容器, 其液位高度h和进水量Q间的关系不是 线性关系,且有实质性,因此是较为 复杂的控制对象。此类控制对象采用 模糊控制器是可取的方案。
•If E=Z and EC=PB or PS then U=PS •If E=Z and EC=Z then U=Z •If E=NS and EC=NB or NS then U=Z •If E=NS and EC=Z or PS then U=PS •If E=NS and EC=PB then U=PM •If E=NM and EC=NB then U=PS •If E=NM and EC=Z or NS then U=PM •If E=NB and EC=NS or NB then U=PM •If E=NM and EC=PB or PS then U=PB •If E=NB and EC=Z or PS or PB then U=PB
0 .6 5 0 .6 5 0 .3 0 0 0 0
1
0 . 6 5 0 . 3 0 0 0 0
a
12
5
在求RB1之前先求出“并集” B j j 3
5
U B j B 3 B 4 B 5 1 , 0 .7 5, 1, 1, 0 .6 5, 0 .3, 0
j 3
1
0
.7
5
1
U R B 1
2.2误差变化ec
系统液位误差前后两次采样值变化量是ec=e2-e1=(hd-h1)-(hd-h2)=h2h1,取其语言变量为EC,论域Y={-3,-2,-1,0,+1,+2,+3}, 论域上的模糊子集是Bj(j=1,2,3,…,5),相应语言值为{正大(PB ),正小(PS),零(Z),负小(NS),负大(NB)}。分别表 示当前水位变化h2-h1为:“快速上升”、“上升”、“不变”、“下降”、“快 速下降”。
A1
B 1:If EC=NB or NS or Z then U=NB。
0
0
0
R A1
( A1 C 7 )
0
1
0 .6 5
0 .3
0
0
0
0
0 .3
0 .6 5
1
0
0
0 0 0 0 0
ห้องสมุดไป่ตู้
0
0
0
0
0
0
0
0
0
0 0 0 0 0
=
0
0
0
0
0
0
0
0 .3
0 .3 0 .3 0 0 0 0
(
5
B j C7)
1
1
0 .6 5
0 .3
0
0
0
0
j 3
0 .6 5
0 .3
0
1
0 .6 5 0 .3 0 0 0 0
0
.7
5
0 .6 5
0 .3
0
0
0
0
1
0 .6 5 0 .3 0 0 0 0
=
1
0 .6 5
0 .3
0
0
0
0
0 .6 5 0 .6 5 0 .3 0 0 0 0