4.5 专家控制与基于专家经验的模糊控制
模糊控制_精品文档
1.0 很慢 慢 较慢 中等 较快 快 很快 语言值集合T(X)
(x)
算法规则M
0 30 50
70 90 105 120
论域U / km h1
模糊控制的基本原理
模糊基本思想
模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种 智能控制方法，它是从行为上模仿人的模糊推理和决策过程的一种智能 控制方法。该方法首先将操作人员或专家经验编成模糊规则，然后将来 自传感器的实时信号模糊化，将模糊化后的信号作为模糊规则的输入， 完成模糊推理，将推理后得到的输出量加到执行器上。 操作人员或专家的控制经验是如何转化为数字控制器的 ？
[0,1]上的取值的隶属函数F来表示，即：
F ：U [0,1] u F （映射）
模糊控制的基本原理
F (u)=1：u完全属于F； F (u)= 0：u完全不属于F； 0< F (u)<1：u部分属于F。
U中的模糊集F可以用元素u和它的隶属度 来表示：
F={(u ,F (u) )| uU}
模糊控制的基本原理
表示。
uU表示元素（个体）u在集合论域 （全体） U内。
模糊控制的基本原理
集合表示法(经典集合)：
(1)列举法：将集合的元素全部列出的方法。 (2)定义法：用集合中元素的共性来描述集合的方法。
(3)归纳法：通过一个递推公式来描述一个集合的方法。 (4)特征函数表示法：利用经典集合论非此即彼的明晰性 来表示集合。因为某一集合中的元素要么属于这个集合， 要么就不属于这个集合。
模糊控制的基本原理
模糊集合
天气冷热
雨的大小
风的强弱
人的胖瘦
年龄大小
个子高低
模糊控制的基本原理
模糊控制的基本原理
模糊控制的基本原理模糊控制是以模糊集合理论、模糊语言及模糊逻辑为基础的控制，它是模糊数学在控制系统中的应用，是一种非线性智能控制。
模糊控制是利用人的知识对控制对象进行控制的一种方法，通常用“if条件，then结果”的形式来表现，所以又通俗地称为语言控制。
一般用于无法以严密的数学表示的控制对象模型，即可利用人（熟练专家）的经验和知识来很好地控制。
因此，利用人的智力，模糊地进行系统控制的方法就是模糊控制。
模糊控制的基本原理如图所示：i .......... 濮鬧挖制器.. (1)模糊控制系统原理框图它的核心部分为模糊控制器。
模糊控制器的控制规律由计算机的程序实现，实现一步模糊控制算法的过程是：微机采样获取被控制量的精确值，然后将此量与给定值比较得到误差信号E; —般选误差信号E作为模糊控制器的一个输入量，把E 的精确量进行模糊量化变成模糊量，误差E的模糊量可用相应的模糊语言表示；从而得到误差E的模糊语言集合的一个子集e（e实际上是一个模糊向量）; 再由e和模糊控制规则R（模糊关系）根据推理的合成规则进行模糊决策，得到模糊控制量u 为：u R式中u为一个模糊量；为了对被控对象施加精确的控制，还需要将模糊量u 进行非模糊化处理转换为精确量：得到精确数字量后，经数模转换变为精确的模拟量送给执行机构，对被控对象进行一步控制；然后，进行第二次采样，完成第二步控制 %二这样循环下去，■就实现了被控对象的模糊控制「..................... ""模糊控制（FUZZy Control/是'以模糊集合理论"模糊语言变量和模'糊逻辑推理''' 为基础的一种计算机数字控制。
模糊控制同常规的控制方案相比，主要特点有：（1）模糊控制只要求掌握现场操作人员或有关专家的经验、知识或操作数据，不需要建立过程的数学模型，所以适用于不易获得精确数学模型的被控过程，或结构参数不很清楚等场合。
智能控制基础答案
智能控制基础答案【篇一：智能控制基础思考题】xt>复习思考题一重要概念解释 1 智能控制答：智能控制是一门交叉学科，美国学者在运筹学的基础上提出了三元论的智能控制概念，即ic=ac n ai n or 各子集的含义为：ic为智能控制，ai为人工智能，ac为自动控制，or为运筹学。
所谓智能控制，即设计一个控制器，使之具有学习、抽象、推理、决策等功能，并能根据环境（包含被控对象或被控过程）信息的变化做出适应性反应，从而实现由人来完成的任务。
2 专家系统与专家控制答：专家系统是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。
专家控制是智能控制的一个重要分支，又称专家智能控制。
所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。
3 模糊集合与模糊关系，模糊推理模糊控制答：模糊集合：给定论域u上的一个模糊集a?是指：对任何元素u?u 都存在一个数?a?u???0,1?与之对应，表示元素u属于集合a?的程度，这个数称为元素u对集合a?的隶属度，这个集合称为模糊集合。
模糊关系：二元模糊关系：设a、b是两个非空集合，则直积a?b???a,b?|a?a,b?b?中的一个模糊集合称为从a到b的一个模糊关系。
模糊关系r?可由其隶属度?r?a,b?完全描述，隶属度?r?a,b?表明了元素a与元素b具有关系r?的程度。
模糊推理：知道了语言控制规则中蕴含的模糊关系后，就可以根据模糊关系和输入情况，来确定输出的情况，这就叫“模糊推理”。
4神经网络？答：人工神经网络（artificial neural network ）是模拟人脑思维方式的数学模型。
神经网络是在现代生物学研究人脑组织成果的基础上提出的，用来模拟人类大脑神经网络的结构和行为，它从微观结构和功能上对人脑进行抽象和简化，神经网络反映了人脑功能的基本特征，如并行信息处理、学习、联想、模式分类、记忆等。
模糊控制系统的应用
模糊控制系统的应用一、模糊控制系统的应用背景模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。
1965年美国的扎德创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理。
1974 年英国的Mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生。
模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域。
从信息技术的观点来看, 模糊控制是一种基于规则的专家系统。
从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器。
相对传统控制, 包括经典控制理论与现代控制理论。
模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型, 应用CRI 等各类模糊推理方法,可以得到适合控制要求的控制量, 可以说模糊控制是一种语言变量的控制。
模糊控制具有以下特点:(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; 但一个系统的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;(4) 模糊控制算法是基于启发性的知识及语言决策规则设计的, 这有利于模拟人工控制的过程和方法, 增强控制系统的适应能力, 使之具有一定的智能水平;(5) 模糊控制系统的鲁棒性强, 干扰和参数变化对控制效果的影响被大大减弱, 尤其适合于非线性、时变及纯滞后系统的控制。
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。
基于模糊方法的专家系统设计
基于模糊方法的专家系统设计专家系统是一种基于人工智能的计算机系统，通过模拟人类专家的思维和知识，能够在特定领域内进行高效的问题求解和决策推理。
而模糊方法是专家系统中常用的一种技术，其能够处理真实世界中的不确定性和模糊性，使得系统具备更强的适应性和鲁棒性。
本文将探讨基于模糊方法的专家系统设计，以及其在实际应用中的优势和限制。
一、模糊方法的基本原理与应用场景模糊方法是一种用于处理不完全、不精确信息的数学工具。
它的核心概念是模糊集合与模糊逻辑运算，通过引入模糊隶属度来描述事物的隶属程度，从而使得系统能够处理到模糊和不确定性的情况。
在专家系统设计中，模糊方法常用于以下几个方面：1. 知识表示与推理：通过使用模糊集合来描述专家知识，将模糊逻辑运算应用于知识推理中，能够更好地模拟人类专家的推理过程。
2. 决策支持：基于模糊方法的专家系统能够处理不完整、不确定的决策信息，帮助用户做出合理的决策。
3. 模式识别与分类：利用模糊方法处理输入数据的模糊性，对对象进行模糊分类和识别，广泛应用于图像处理、数据挖掘等领域。
4. 自适应控制：通过模糊控制算法，根据实时的输入变量来调整系统输出，实现对动态环境的适应性控制。
二、基于模糊方法的专家系统设计步骤基于模糊方法的专家系统设计一般包含以下步骤：1. 问题分析与知识获取：对待解决问题进行全面的分析，获取领域内的专家知识，并将其进行模糊化处理，转化为模糊规则库。
2. 知识建模与表示：将获取到的知识进行形式化表示，通常采用模糊集合、模糊关系和模糊规则等形式来描述。
3. 模糊推理机制设计：根据问题的特点和应用要求，选择合适的模糊推理机制，如模糊逻辑推理、模糊关联推理等，对输入进行模糊推理和决策。
4. 系统实现与验证：将设计好的专家系统进行编码实现，通过与真实数据的对比验证系统的正确性和有效性。
5. 系统优化与改进：根据实际应用的结果和反馈信息，对系统进行优化和改进，提高系统的性能和适应性。
自动化专业概论与职业发展第4章
推理机
数据库
规则库
输入
-+
PID控制器 误差
-
工业过程
输出
图4.16 由智能决策单元（IDU）来修正控制器
4.7 非线性系统及其控制
自动控制系统由各种环节（元件 组成，而环节或元件按其特性，可 分为线性元件和非线性元件。
输出（V）
0Hale Waihona Puke 输入（误差）（mV）图4.17 电子放大器的静特性图
输出（V）
第四章 基本控制方法
4.1 自动控制系统行为描述
uf uf
ur
0
t
图4.1 自动控制系统中被控制量的振荡
从图4.1上可以看出电炉炉膛温度
uf在t=0冷工件进入后，稍后温度开
始下降，接着就开始产生力图校正 误差的控制作用（图上曲线上的向 上箭头，表示电炉受到的新增电能 供应）。
当uf向上升并与ur的横线相交时uf =ur，△u=0，此时放大器输出为0， 电动机降速至停止转动。
⑵ 非线性系统的平衡运动状态 （即稳态，Steady State），除平衡 点外还可能有周期解；
⑶ 线性系统的输入为正弦函数时， 其输出的稳态过程也是同频率的正 弦函数，两者仅在相位和幅值上不 同。但非线性系统的输入为正弦函 数时，其输出为包含有高次谐波的 非正弦周期函数。
⑷ 复杂的非线性系统在一定条件 下还会产生突变、分岔和混沌等现 象。
扰动补偿
扰动测量
给定
输入+ 误差
给定环节
控制器
+
- 反馈信号
放大环节 执行环节
扰
动 输出
被控对象
反馈环节
图4.6 复合自动控制系统框图
4.3 比例积分微分控制
模糊控制
A = {x, x∈R,1.0 ≤ x ≤100} .
以上两个集合是完全不模糊的。对任意元素x， 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 只有两种可能：属于A，不属于A。这种特性可以 用特征函数
µ A (x) 来描述： 来描述：
1 µ A (x) = 0
x∈ A x∉ A
模糊控制的理论基础
概述
模糊控制的特点 模糊控制是建立在人工经验基础之上的。 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， 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。 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， 将这些熟练操作员的实践经验加以总结和描述，并 语言表达出来，就会得到一种定性的、 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 控制规则。 糊控制算法，形成模糊控制理论。 糊控制算法，形成模糊控制理论。
为了表示模糊概念， 为了表示模糊概念 ， 需要引入模糊集合和隶属函 数的概念： 为对象x的集合， 数的概念：X为对象x的集合，即论域 x∈ A 1 µ A ( x ) = ( 0 ,1) x 属于 A 的程度 0 x∉ A 其中A称为模糊集合， 其中A称为模糊集合，由0,1及 µ A (x) 构成。 构成。
7．对偶律 8．两极律
AI B = A U B
AU B = A I B
A∪E=E，A∩E=A E=E， A∪Ф=A，A∩Ф=Ф Ф=A，
例 3 .4 设
A=
B =
0 .9 0 .2 0 .8 0 .5 + + + u1 u2 u3 u4
模糊控制基本原理
第四章模糊控制基本原理模糊控制是以模糊集合论、模糊语言变量及模糊逻辑为基础的计算机智能控制。
模糊控制从其诞生至今也不过30年的时间，1974年马达尼(Maindani)教授在他的博士论文中首次论述了如何将模糊逻辑应用于过程控制，从而开创了模糊控制的先河。
在这之后的30年间的发展中，模糊控制在理论和应用研究方面均取得了重大的成功。
传统的控制方法在执行控制时，往往需要取得对象的数学模型，比如PID 控制。
但是一些学者发现人类在处理复杂对象的过程，并不是首先建立被控对象的数学模型，然后根据这一模型去精确地计算出系统所需要的控制量，而是完全在模糊概念的基础上利用模糊的量完成对系统的合理控制。
人们正是因为从中得到了启示，最终导致了模糊控制的诞生。
可以看到，经验和知识将扮演重要的角色，通过对经验和知识进行推理进而产生相应的控制策略。
模糊控制从1974年到现在，模糊控制的发展经历了两个阶段，即简单模糊控制阶段和自我完善模糊控制阶段。
简单模糊控制阶段指在计算机系统上把控制器上的推理过程处理成控制表，这种模糊控制器结构简单但不灵活，自适应能力和鲁棒性有限，控制精度不高;自我完善模糊控制阶段指具有参数自调整、自组织和自学习功能的模糊控制器，这样使模糊控制系统的性能得到了很大的提高。
20世纪80年代末，日本首先将模糊控制技术应用于家用电器领域，之后相继推出了模糊洗衣机、电冰箱、空调器、电饭锅等，显示了模糊控制强大的生命力。
最初的模糊电冰箱是在变频冰箱系统中得到尝试的，首先通过A/D采样读入冷藏室及冷冻室的温度值和温度变化的速度，并将其模糊化后，然后根据原先计算的模糊规则，调节压缩机的转速。
4.1清晰集合的基本知识集合指具有同一本质属性的全体事物的总和汇集成一个确定的整体论域由被考虑对象的所有元素的全体组成的基本集合称为论域，又称为全域或空间，用大写英文字母E表示。
4.1.1序偶在人们所接触的许多事物中，往往可以发现它们是成对地出现的，而且具有一定的顺序。
模糊控制――文献综述
模糊控制――文献综述摘要模糊控制理论是以模糊数学为基础，用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策.模糊控制作为以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制,它已成为目前实现智能控制的一种重要而又有效的形式尤其是模糊控制和神经网络、遗传算法及混沌理论等新学科的融合，正在显示出其巨大的应用潜力。
实质上模糊控制是一种非线性控制,从属于智能控制的范畴.模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。
本文简单介绍了模糊控制的概念,模糊控制系统的组成，模糊控制的算法,其中包含模糊控制系统的原理、模糊控制器的分类及其设计元素。
最后以模糊PID复合控制在锅炉汽包水位控制中的应用说明模糊控制系统的整体设计过程，通过仿真证明了模糊控制显示出的优势。
1. 模糊控制的基本思想模糊控制是模糊集合理论中的一个重要方面，是以模糊集合化、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制，从线性控制到非线性控制的角度分类，模糊控制是一种非线性控制；从控制器的智能性看，模糊控制属于智能控制的范畴[1］［2]。
模糊控制是建立在人类思维模糊性基础上的一种控制方式，模糊逻辑控制技术模仿人的思考方式接受不精确不完全信息来进行逻辑推理,用直觉经验和启发式思维进行工作，是能涵盖基于模型系统的技术。
它不需用精确的公式来表示传递函数或状态方程，而是利用具有模糊性的语言控制规则来描述控制过程.控制规则通常是根据专家的经验得出的，所以模糊控制的基本思想就是利用计算机实现人的控制经验［3]。
2. 模糊控制系统的组成及结构分析摸糊控制系统是采用计算机控制技术构成的一种具有反馈通道的闭环结构的数字模糊控制系统。
智能性的模糊控制器是模糊控制系统的核心，一个模糊控制系统性能的优劣，主要取决于模糊控制器的结构,所采用的模糊控制规则、合成推理算法以及模糊决策的方法等因素[6］［7]。
模糊控制系统组成原理如图1所示。
- 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)。
4.2.2 基于专家经验的模糊控制
④ 清晰化方法的确定
加权平均法 控制作用按下式求得：
k x (t ) u (t ) k
i i i
系数ki应根据实际情况加以选择，不同取法将直接影响 系统性能，所以可通过选择和调整该系数来改善系统 性能，具有较大的灵活性
4.2.2 基于专家经验的模糊控制
① 清晰量的模糊化方法
a. 测量输出信号的语言变量分档 分档越多，对事物描述越细、越准确，制定控 制规则更灵活，控制效果越好。但太多可能使 控制变得复杂，编程困难，占用存储量大；
分档太少，规则变少，效果较差。
4.2.2 基于专家经验的模糊控制
① 清晰量的模糊化方法
b. 隶属函数的形状 一般可选用三角形、梯形隶属函数，优点是数学表达和运 算较简单，所占内存空间小，在输入值变化时，比正态分 布或钟形分布具有更大的灵敏性，当存在偏差时，能很快 反应产生一个相应的调整量输出。三角形隶属函数的形状 与直线斜率有关，适合于隶属函数在线调整的自适应模糊 控制
正低
零 负低
5摄氏度
负中 负高
4.2.2 基于专家经验的模糊控制
(基于专家经验的)模糊控制系统设计方案
① 模糊化方法的确定
② 控制规则的确定
③ 推理方法的选取 ④ 清晰化方法的确定
4.2.2 基于专家经验的模糊控制
② 控制规则的确定
模糊控制规则是模糊控制器的核心，控制规则是人们
对受控过程认识的模糊信息的归纳和操作经验的总结， 控制器的性能很大程度上取决于模糊控制规则的确定 及其可调整性。选择控制规则应注意的问题：规则的 条数及质量。
y(t )
PS (t ) exp ZO (t ) exp NS (t ) exp
( y ( t ) 2) 2 2 ( y ( t ) 0) 2 2 ( y ( t ) 2) 2 2 ( y ( t ) 4) 2 2
y(t )
正中 正低 零 负低
负中 负高
NM (t ) exp NB (t ) exp
出最能代表这个模糊集合作用的精确控制量
控制 信号 对应 的 模糊集 精确 的 控制 信号
清晰化
4.2.2 基于专家经验的模糊控制
④ 清晰化方法的确定
常用的清晰化(模糊判决)方法有： 最大隶属度法
加权平均法
重心法 中位数法
4.2.2 基于专家经验的模糊控制
④ 清晰化方法的确定
如何避免模糊控制中的大量在线计算？
精确 的 测量 输出 信号
截 取
量 化
隶 属 度 函 数 表
模糊 的 测量 输出 信号
4.2.2 基于专家经验的模糊控制
如何避免模糊控制中的大量在线计算？
关于温度的隶属度函数表
x1 -6 PB PM 0 0 x2 -5 0 0 x3 -4 0 0 x4 -3 0 0 x5 -2 0 0 x6 -1 0 0 x7 -0 0 0 x8 0 0 0 x9 1 0 0 x10 2 0 0.2 x11 3 0.1 0.7 x12 4 0.4. 1.0 x13 5 0.8 0.7 x14 6 1.0 0.2
专家控制规则（模糊条件语句） 采用语言描述的形式： IF <条件> THEN
<控制规则>
4.2.2 基于专家经验的模糊控制
② 控制规则的确定
控制规则的获取方法
经验归纳法
推理合成法 在通用控制规则的基础上，进行适当修正，作 为系统的控制规则。
模糊规则的形成依靠人的直觉和经验，一般没有成熟而 固定的设计过程和方法
PS
PO NO NS NM NB
0
0 0 0 0 1
0
0 0 0 0.7 0.8
0
0 0 0.1 1 0.5
0
0 0 0.5 0.7 0.1
0
0 1 1 0.2 0
0
0 0.6 0.8 0 0
0
0 0.1 0.5 0 0
0.3
1 0 0 0 0
0.8
0.6 0 0 0 0
1.0
0.1 0 0 0 0
湿度
温度
湿度
模 糊 推 理
控 制 量
清 晰 化 接 口
控 制 量
知识库（数据库+规则库）
被控对象 (空调)
4.2.2 基于专家经验的模糊控制
(基于专家经验的)模糊控制系统设计方案
① 模糊化方法的确定
② 控制规则的确定
③ 推理方法的选取 ④ 清晰化方法的确定
4.2.2 基于专家经验的模糊控制
4.2.2 基于专家经验的模糊控制
① 清晰量的模糊化方法
PB (t ) exp
( y ( t ) 6) 2 2 ( y ( t ) 4) 2 2
正高
PB (t ) PM (t ) PS (t ) ZO (t ) NS (t ) NM (t )
PM (t ) exp
隶 属 度 函 数
X i (t ) f ( y (t )) i 1, 2...N
y(t )
y(t )
4.2.2 基于专家经验的模糊控制
① 清晰量的模糊化方法
a. 测量输出信号的语言变量分档
正高 正中 较高 高 正低 零 负低 负中 负高
高
中 低 较低
中
低
三档
五档
七档
4.2.2 基于专家经验的模糊控制
方程，从而获得模糊控制量的功能部分。
4.2.2 基于专家经验的模糊控制
③ 推理方法的确定
模糊推理有多种实现方法，如基于模糊关系矩阵的 Mamdani推理合成法，Mamdani直接推理法，拉森 推理法，Baldwin推理法，模糊推理直接法，精确
值直接推理法，强度转移法等。推理的结果是一个
模糊向量(模糊集)
( y ( t ) 6) 2 2
NB (t )
4.2.2 基于专家经验的模糊控制
① 清晰量的模糊化方法
正高 正中 温度 模糊化 1.0 0.8 0.4 0.0 0.0 0.0 0.0
正低
零 负低
25摄氏度
负中 负高
4.2.2 基于专家经验的模糊控制
① 清晰量的模糊化方法
正高 正中 温度 模糊化 0.2 0.6 1.0 0.0 0.0 0.0 0.0
0.5
0 0 0 0 0
0.1
0 0 0 0 0
0
0 0 0 0 0
0
0 0 0 0 0
4.2.2 基于专家经验的模糊控制
如何避免模糊控制中的大量在线计算？
关于湿度的隶属度函数表
y1 -6 PB PM 0 0 y2 -5 0 0 y3 -4 0 0 y4 -3 0 0 y5 -2 0 0 y6 -1 0 0 y7 -0 0 0 y8 0 0 0 y9 1 0 0 y10 2 0 0.2 y11 3 0.1 0.7 y12 4 0.5. 1.0 y13 5 0.9 0.8 y14 6 1.0 0.2
0.5
0 0 0 0 0
0.1
0 0 0 0 0
0
0 0 0 0 0
0
0 0 0 0 0
4.2.2 基于专家经验的模糊控制
如何避免模糊控制中的大量在线计算？
模糊规则表
温度 控制量
NB NM NS O PS PM PB湿度NBPB源自PBPBPB
PM
PM
PS
NM
NS NO PO PS PM PB
~ ~
D 'ij ( x, y ) U ij ( x, y )
~ ~
4.2.2 基于专家经验的模糊控制
(基于专家经验的)模糊控制系统设计方案
① 模糊化方法的确定
② 控制规则的确定
③ 推理方法的选取 ④ 清晰化方法的确定
4.2.2 基于专家经验的模糊控制
④ 清晰化方法的确定
经过模糊推理得到的控制输出，是一个模糊隶属 函数或模糊子集。必须将模糊输出隶属函数中求
智能控制
4. 模糊数学与模糊控制
4.5 专家控制与基于专家经验的模糊控制
上海大学自动化系---杜鑫
1
4.5 专家控制与基于专家经验的模糊控制
4.5.1 专家控制系统 4.5.2 基于专家经验的模糊控制
4.5.3 仿真算例
4.2.2 基于专家经验的模糊控制
模糊控制系统的一般结构
对象
4.2.2 基于专家经验的模糊控制
③ 推理方法的确定
Mamdani推理合成法中控制规则所蕴含的关系
Rij ( y1 , y2 , u ) Ti ( y1 ) M j ( y2 ) U ij ( y1 , y2 )
~ ~ ~
Dij ( x, y ) U ij ( x, y )
如果温度很低 && 湿度很小
则空调制冷量小
4.2.2 基于专家经验的模糊控制
(基于专家经验的)模糊控制系统设计方案
① 模糊化方法的确定
② 控制规则的确定
③ 推理方法的选取 ④ 清晰化方法的确定
4.2.2 基于专家经验的模糊控制
(基于专家经验的)模糊控制系统设计方案
模 糊 化 接 口
温度
最大隶属度法 在推理结论的模糊集合中，取隶属度最大的那个元素作为 输出量。如果所得到的隶属函数曲线是平顶的，则其具有 最大隶属度的元素不止一个，需要对这些最大隶属度的元 素求平均值。这种方法具有简单、方便、易实现以及实时 性好等优点，但丢掉了隶属度较小的元素，忽略了模糊椎 理结果的隶属函数形状宽窄和分布情况，所概括的信息量 较少，所以这种方法应用于实时性要求高但控制精度要求 低的控制系统中。