4_现代控制理论与智能控制基础-模糊逻辑控制
合集下载
智能控制简明教程-模糊控制的基本概念
选取控制量为“-1”级，即U= -1
具体说：水位偏高时，应排出一些水； U负—排水，U正—进
水
8. 模糊控制响应表（控制表）
模糊控制规则由模糊矩阵R来描述。 北师大汪培庄教授提出：R中每一行对应每个 非模糊的观测结果所引起的模糊响应。 方法： 采取在R中每一行寻找峰域中心值，即R
如果采用模糊控制水位，则必须做到如下 几步工作：
1. 观测量：输入量、输出量（控制量） 水位对于O点的偏差：
-定义O点的水位高度 h -实际测得的水位高度
u 正：贮水，逆时针旋转 u 负：排水，顺时针旋转
(Fuzzy Inference)
将U 精确量U（Defuzzification) 返回1，下一次中断采样
b. 模糊控制工作原理
水位模糊控制： 设有一贮水器，具有可变的水位，另有一
调节阀门，可向内进水和向外排水。试设 计一个模糊控制器，并通过调节阀将水位 稳定在固定点O的附近。 用浮球检测贮水器中的水位高度， 为了保持水位高度在一定位置，采用水位 控制系统代替手动控制。如图。
控制状态表
if NB NS ZO PS PB E then PB PS ZO NS NB U
5. 模糊控制关系矩阵
模糊控制规则是一组多重条件语句，它可以表示 为从误差论域X到控制论域Y的模糊控制关系R
求 的最大值
6. 模糊决策
e’=1
7. 模糊量化成精确量
最大隶属度
按隶属应取最大原则：
FC
Fuzzy 化
Fuzzy 控制 算法
非 Fuzzy
化
对象
2. 输入/出变量论域（离散化） 偏差e的实际论域： e [-30,30]
e的离散论域： X {-3,-2,1,0,+1,+2,+3}
具体说：水位偏高时，应排出一些水； U负—排水，U正—进
水
8. 模糊控制响应表（控制表）
模糊控制规则由模糊矩阵R来描述。 北师大汪培庄教授提出：R中每一行对应每个 非模糊的观测结果所引起的模糊响应。 方法： 采取在R中每一行寻找峰域中心值，即R
如果采用模糊控制水位，则必须做到如下 几步工作：
1. 观测量：输入量、输出量（控制量） 水位对于O点的偏差：
-定义O点的水位高度 h -实际测得的水位高度
u 正：贮水，逆时针旋转 u 负：排水，顺时针旋转
(Fuzzy Inference)
将U 精确量U（Defuzzification) 返回1，下一次中断采样
b. 模糊控制工作原理
水位模糊控制： 设有一贮水器，具有可变的水位，另有一
调节阀门，可向内进水和向外排水。试设 计一个模糊控制器，并通过调节阀将水位 稳定在固定点O的附近。 用浮球检测贮水器中的水位高度， 为了保持水位高度在一定位置，采用水位 控制系统代替手动控制。如图。
控制状态表
if NB NS ZO PS PB E then PB PS ZO NS NB U
5. 模糊控制关系矩阵
模糊控制规则是一组多重条件语句，它可以表示 为从误差论域X到控制论域Y的模糊控制关系R
求 的最大值
6. 模糊决策
e’=1
7. 模糊量化成精确量
最大隶属度
按隶属应取最大原则：
FC
Fuzzy 化
Fuzzy 控制 算法
非 Fuzzy
化
对象
2. 输入/出变量论域（离散化） 偏差e的实际论域： e [-30,30]
e的离散论域： X {-3,-2,1,0,+1,+2,+3}
模糊控制ppt课件
可编辑课件PPT
23
5. 建立模糊控制表 模糊控制规则可采用模糊规则表4-5来描述，共
49条模糊规则，各个模糊语句之间是或的关系，由第 一条语句所确定的控制规则可以计算出u1。同理，可 以由其余各条语句分别求出控制量u2,…,u49，则控制 量为模糊集合U可表示为
uu1u2 u49
可编辑课件PPT
规则模型化，然后运用推理便可对PID参数实现最佳
调整。
可编辑课件PPT
32
由于操作者经验不易精确描述，控制过程中各种 信号量以及评价指标不易定量表示，所以人们运用 模糊数学的基本理论和方法，把规则的条件、操作 用模糊集表示，并把这些模糊控制规则以及有关信 息(如初始PID参数等)作为知识存入计算机知识库中 ，然后计算机根据控制系统的实际响应情况，运用 模糊推理，即可自动实现对PID参数的最佳调整，这 就是模糊自适应PID控制，其结构如图4-15所示。
可编辑课件PPT
31
随着计算机技术的发展，人们利用人工智能的
方法将操作人员的调整经验作为知识存入计算机中
，根据现场实际情况，计算机能自动调整PID参数，
这样就出现了智能PID控制器。这种控制器把古典的
PID控制与先进的专家系统相结合，实现系统的最佳
控制。这种控制必须精确地确定对象模型，首先将
操作人员（专家）长期实践积累的经验知识用控制
糊控制的维数。
可编辑课件PPT
10
（1）一维模糊控制器 如图所示，一维模糊控制器的 输入变量往往选择为受控量和输入给定的偏差量E。由 于仅仅采用偏差值，很难反映过程的动态特性品质， 因此，所能获得的系统动态性能是不能令人满意的。 这种一维模糊控制器往往被用于一阶被控对象。
可编辑课件PPT
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。
智能控制简明教程 第二章 模糊逻辑理论基础
u1 u2 u3 u4 u5 u6
A0.1 u1, u2 , u3, u4 , u5, u6
0.1A0.1
0.1 u1
0.1 u2
0.1 u3
0.1 u4
0.1 u5
0.1 u6
A0.2 u2 , u3, u4 , u5, u6
0.2 A0.2
0.2 u2
0.2 u3
0.2 u4
0.2 u5
其中：（ui ),i 1, 2, , n 隶属度
2021/4/7
例：设U={1,2,3,…8,9,10} Zadeh表示法：
A 1 0.9 0.7 0.5 0.3 0.1 0 0 0 0 1 2 3 4 5 6 7 8 9 10
向量表示法：
A (1,0.9,0.7,0.5,0.3,0.1,0,0,0,0)
F. 并集 A与B的并集： C A B
AB (u) C (u) max(A (u), B (u)) AB A (u) B (u)
设U u1,u2 ,u3,u4
0.9 0.2 0.8 0.5 A
u1 u2 u3 u4 B 0.3 0.1 0.4 0.6
u1 u2 u3 u4
A B (u) (u)
A
B
A (u) 1 (u)
A
A
u 如某人 i 成绩好 A(ui ) 0.9
则成绩差 A (ui ) 0.1
2021/4/7
E. 子集 A B A(u) B (u)
如 A: “少年”，B: “年轻”
某人 ui : A (ui ) 0.8
则：B (ui ) 0.8
普通集合:A= { X|1<x<∞ } 所有大于1的实数
模糊集合:A= { X|1<x<∞ } 所有比1大得多的实数
A0.1 u1, u2 , u3, u4 , u5, u6
0.1A0.1
0.1 u1
0.1 u2
0.1 u3
0.1 u4
0.1 u5
0.1 u6
A0.2 u2 , u3, u4 , u5, u6
0.2 A0.2
0.2 u2
0.2 u3
0.2 u4
0.2 u5
其中：（ui ),i 1, 2, , n 隶属度
2021/4/7
例：设U={1,2,3,…8,9,10} Zadeh表示法：
A 1 0.9 0.7 0.5 0.3 0.1 0 0 0 0 1 2 3 4 5 6 7 8 9 10
向量表示法：
A (1,0.9,0.7,0.5,0.3,0.1,0,0,0,0)
F. 并集 A与B的并集： C A B
AB (u) C (u) max(A (u), B (u)) AB A (u) B (u)
设U u1,u2 ,u3,u4
0.9 0.2 0.8 0.5 A
u1 u2 u3 u4 B 0.3 0.1 0.4 0.6
u1 u2 u3 u4
A B (u) (u)
A
B
A (u) 1 (u)
A
A
u 如某人 i 成绩好 A(ui ) 0.9
则成绩差 A (ui ) 0.1
2021/4/7
E. 子集 A B A(u) B (u)
如 A: “少年”，B: “年轻”
某人 ui : A (ui ) 0.8
则：B (ui ) 0.8
普通集合:A= { X|1<x<∞ } 所有大于1的实数
模糊集合:A= { X|1<x<∞ } 所有比1大得多的实数
智能控制模糊控制PPT课件
同时期，Mamdani和Ostergaard分别将模糊控制成功地应用 于蒸汽机和水泥窑的控制，为模糊理论的发展展现了光明 的前景。
机械结构力学及控制国家2.1.1 模糊控制的发展概述 模糊控制的发展——第三阶段
上世纪80年代，模糊理论的应用在深度和广度上 都有了较大进展，产生了大量的应用成果。
识别
输入的烹饪功能命令，口感命令
都是模糊的概念，带有人类思维
执行级
的命令。
对象
智能控制系统分层递阶结构示意图
机械结构力学及控制国家重点实验室
8
2.1 引言
2.1.1 模糊控制的发展概述 举个小例子
如何从人群中识别出自己认识的人？
计算机怎么识别？
脸部特征（脸型，眼睛，鼻子等） 身材（高、矮，胖、瘦） 声音 年龄 走路特征
如今需求：要考虑视觉、听觉、触觉信号，包含了图形、 文字、语言、声音等信息
输入参数越来越直接，越来越智能。
机械结构力学及控制国家重点实验室
4
2.1 引言
2.1.1 模糊控制的发展概述 一个小问题
随着社会文明的进步，社会分工越来越明确。于是对 于大部分人来说，做饭能力。。。
排骨怎么烧？
机械结构力学及控制国家重点实验室
特别是在日本，模糊控制被成功地应用于废水处 理、机器人、汽车驾驶、家用电器和地铁系统等 许多领域，掀起了模糊技术应用的浪潮。模糊软 硬件也投入商业使用。
机械结构力学及控制国家重点实验室
13
2.1 引言
2.1.1 模糊控制的发展概述 模糊控制的发展——第四阶段
上世纪90年代以来，模糊理论的研究取得了一系列突 破性的进展，例如自适应模糊控制，模糊系统的结构 和稳定性分析，模糊优化，模糊逼近等。
机械结构力学及控制国家2.1.1 模糊控制的发展概述 模糊控制的发展——第三阶段
上世纪80年代，模糊理论的应用在深度和广度上 都有了较大进展，产生了大量的应用成果。
识别
输入的烹饪功能命令，口感命令
都是模糊的概念，带有人类思维
执行级
的命令。
对象
智能控制系统分层递阶结构示意图
机械结构力学及控制国家重点实验室
8
2.1 引言
2.1.1 模糊控制的发展概述 举个小例子
如何从人群中识别出自己认识的人？
计算机怎么识别？
脸部特征（脸型，眼睛，鼻子等） 身材（高、矮，胖、瘦） 声音 年龄 走路特征
如今需求：要考虑视觉、听觉、触觉信号，包含了图形、 文字、语言、声音等信息
输入参数越来越直接，越来越智能。
机械结构力学及控制国家重点实验室
4
2.1 引言
2.1.1 模糊控制的发展概述 一个小问题
随着社会文明的进步，社会分工越来越明确。于是对 于大部分人来说，做饭能力。。。
排骨怎么烧？
机械结构力学及控制国家重点实验室
特别是在日本，模糊控制被成功地应用于废水处 理、机器人、汽车驾驶、家用电器和地铁系统等 许多领域，掀起了模糊技术应用的浪潮。模糊软 硬件也投入商业使用。
机械结构力学及控制国家重点实验室
13
2.1 引言
2.1.1 模糊控制的发展概述 模糊控制的发展——第四阶段
上世纪90年代以来，模糊理论的研究取得了一系列突 破性的进展，例如自适应模糊控制，模糊系统的结构 和稳定性分析，模糊优化，模糊逼近等。
模糊逻辑控制及其应用 研究生现代控制工程教案 人工智能控制 教学讲义.doc
模糊逻辑控制及其应用研究生现代控制工程教案人工智能控制教学讲义2018/8/4 1 模糊逻辑控制及其应用（选修）上海交通大学谢康林2003-2004学年第1学期2 教学内容一、绪论二、模糊逻辑及其理论基础三、模糊逻辑控制工作原理四、模糊逻辑控制器五、模糊逻辑控制系统设计六、数字单片机模糊逻辑控制技术的应用七、模糊逻辑控制软件开发工具八、模糊逻辑控制集成电路和模糊计算机3 教学时数及参考书目 36 学时教学参考书： 1. 模糊逻辑控制技术及其应用窦振中编著北京航空航天大学出版社 2. 补充材料4 第一章绪论第一章绪论5 第一章绪论第一章绪论 1 1- - 1 模糊逻辑的发展 1- - 2 模糊逻辑与计算机 1- - 3 模糊逻辑与人工智能 1- - 4 模糊逻辑技术中的几个问题8 模糊逻辑 ----- 糊逻模辑：：对二值逻辑的扩充。
关键的概念是是渐变的隶属关系。
一个集合可以有部分属于它的元素；（（渐变））一个命题可能亦此亦彼，存在着部分真部分伪。
（（不完全确定））9 模糊逻辑模糊逻辑是通过模仿人的思维方式来表示和分析不确定、不精确信息的方法和工具。
模糊逻辑本身并不模糊，它并不是模糊的逻辑，而是用来对模糊（现象、事件）进行处理，以达到消除模糊的逻辑。
10 常规集合模糊逻辑的数学基础：通过模糊集合来工作的。
----- 常规集合：：集合中的对象关系被严格划分为0 或1，，不存在介于两者之间的对象。
（1--- 完全属于这个集合； 0--- 完全不属于这个集合。
））11 模糊集合 ----- 模糊集合：：允许在一个集合部分隶属。
对象在模糊集合中的隶属度: 可为从0 - 1 之间的任何值。
即可以从不隶属到隶属逐步过渡。
12 模糊逻辑技术的发展二、模糊逻辑技术的发展和现状 1960 年柏克莱加州大学电子工程系扎德（（L.A.Zadeh））教授，提出模糊的概念。
1965 年发表关于模糊集合理论的论文。
1966 年马里诺斯（（P.N.Marinos））发表关于模糊逻辑的研究报告。
智能控制第二章 模糊控制(1)
2010-11-28 12
课程名： 课程名：智能控制 教 师： 刘国栋
第二章 模糊控制
2) 连续形式 连续形式:
令X = R
+
为人类年龄的集合, 为人类年龄的集合,
B = {x,µB(x) | x ∈ X } 式中：
年龄在50岁左右” 年龄在50岁左右 则表示为: 模糊集合 B = “年龄在50岁左右”则表示为:
1 µA = 0
2010-11-28
如果 X ∈ A 如果 X ∉ A
8
课程名： 课程名：智能控制 教 师： 刘国栋
第二章 模糊控制
模糊集合：对模糊概念的一种描述。 模糊集合：对模糊概念的一种描述。 模糊概念： 模糊概念： １) 没有清晰的外延：年轻、年老、胖子、 没有清晰的外延：年轻、年老、胖子、 瘦子、贫困、发达、误差较大、超调太大、 瘦子、贫困、发达、误差较大、超调太大、 扰动较小、 ； 扰动较小、······； 没有清晰的内涵（开放性）：聪明、 ）：聪明 ２) 没有清晰的内涵（开放性）：聪明、 美丽、 。 美丽、······。
第二章 模糊控制
是连续空间时， 表示法为: 当 X 是连续空间时，Zadeh表示法为 表示法为
A =
3）序偶表示法 ） A={(x1, µ1), …, (xn, µn)} µi为0的项可省略。 的项可省略。 的项可省略 设论域X={ 1,2,3,4,5,6,7,8,9,10 }，A表示“小的数”： 表示“ 例：设论域 ， 表示 小的数”
课程名： 课程名：智能控制 教 师： 刘国栋
第二章 模糊控制
３．自然界存在的模糊现象
天气冷热
雨的大小
风的强弱
2010-11-28
人的胖瘦
年龄大小
课程名： 课程名：智能控制 教 师： 刘国栋
第二章 模糊控制
2) 连续形式 连续形式:
令X = R
+
为人类年龄的集合, 为人类年龄的集合,
B = {x,µB(x) | x ∈ X } 式中：
年龄在50岁左右” 年龄在50岁左右 则表示为: 模糊集合 B = “年龄在50岁左右”则表示为:
1 µA = 0
2010-11-28
如果 X ∈ A 如果 X ∉ A
8
课程名： 课程名：智能控制 教 师： 刘国栋
第二章 模糊控制
模糊集合：对模糊概念的一种描述。 模糊集合：对模糊概念的一种描述。 模糊概念： 模糊概念： １) 没有清晰的外延：年轻、年老、胖子、 没有清晰的外延：年轻、年老、胖子、 瘦子、贫困、发达、误差较大、超调太大、 瘦子、贫困、发达、误差较大、超调太大、 扰动较小、 ； 扰动较小、······； 没有清晰的内涵（开放性）：聪明、 ）：聪明 ２) 没有清晰的内涵（开放性）：聪明、 美丽、 。 美丽、······。
第二章 模糊控制
是连续空间时， 表示法为: 当 X 是连续空间时，Zadeh表示法为 表示法为
A =
3）序偶表示法 ） A={(x1, µ1), …, (xn, µn)} µi为0的项可省略。 的项可省略。 的项可省略 设论域X={ 1,2,3,4,5,6,7,8,9,10 }，A表示“小的数”： 表示“ 例：设论域 ， 表示 小的数”
课程名： 课程名：智能控制 教 师： 刘国栋
第二章 模糊控制
３．自然界存在的模糊现象
天气冷热
雨的大小
风的强弱
2010-11-28
人的胖瘦
年龄大小
智能控制课件-模糊控制
0 0 0 0
0 .5 1 .0
0 .5 1 .0
0 .5 1 .0 0 .5 0 .5 0 0
0 0 0 0 0 0 0 .5 0 0 .5 0 .5 0 .5 1 .0 0 0
15
5
模糊决策 模糊控制器的输出为误差向量和模糊关系的合成 合成（ 复合） 合成（复合）
0
0
0
0 0 0 0 0 0 PSe × PSu = 0 × [0 0 0 0 0 0.5 1.0 0.5 0] = 0 1.0 0 0.5 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
自学习、自适应；模糊推理策略；模糊模型辨识；稳定性；硬件实现
3
3.2 模糊控制的基本原理
以模糊集理论 模糊集理论、 模糊集理论 、 模糊语言变量、 模糊语言变量、 模糊逻辑推理为基础，从行为上模 模糊逻辑推理 仿人的模糊推理和决策过程的一种智能控制方法。
3.2.1 模糊控制器的构成
模糊控制器（ Fuzzy Controller—FC ）也称模糊逻辑控制器（ Fuzzy Logic Controller—FLC）。采用模糊理论中模糊条件语句来描述，是一种 语言型控制器，也称模糊语言控制器（ Fuzzy Language Controller-FLC）。 语言型控制器
12
0 0 0 0 0 0 .5 0 0 .5 0 .5 0 .5 1 0 0 .5 1 .0 0 .5 NSe × NSu = 0 × [0 0.5 1 0.5 0 0 0 0 0] = 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
- 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)。
2007-08-27
现代控制理论与智能控制基础
6/81
绪论
1. 模糊逻辑的发展
（2）模糊逻辑技术的发展和现状 • 中国：
• • • • • • • • • • • 在模糊理论和应用方面的研究起步较慢，但发展较快 1976年 起步 1979年 模糊控制器的研究 1980年 模糊控制器的算法研究 1981年 模糊语言和模糊文法的研究 1982年 磨床研磨表面光洁度模糊控制、关式液压位置伺服系 统模糊控制研究 1984年 提出语义推理的自学习方法 1986年 单片微机比例因子模糊逻辑控制器 1987年 我国第一台模糊逻辑推理机 1982年 磨床研磨表面光洁度模糊控制、开关式液压位置伺服 系统模糊控制研究； 1984年 提出语义推理的自学习方法；
2007-08-27 现代控制理论与智能控制基础 18/81
绪论
4. 模糊逻辑技术中的几个问题
（2）模糊逻辑是如何工作的
模糊化
模糊推理
解模糊化
精确的数字量 转变为 模糊量
-08-27
现代控制理论与智能控制基础
19/81
绪论
4. 模糊逻辑技术中的几个问题
2007-08-27
现代控制理论与智能控制基础
7/81
绪论
1. 模糊逻辑的发展
（2）模糊逻辑技术的发展和现状 • 中国：
• • • 1986年 单片微机比例因子模糊逻辑控制器 1987年 我国第一台模糊逻辑推理机 1990年起：工业控制模糊逻辑控制器：玻璃窑炉、水泥回转窑、 PVC树脂聚合过程、功率因数补偿等 目前： • 模糊逻辑控制技术在工业控制、家电领域有很好发展 • 开展模糊信息处理方面的基础研究和理论研究 • 开发专用模糊控制电路和模糊推理芯片等
对传统控制方法无法解决的： • • 只能采用模糊逻辑技术 模糊逻辑技术在家电方面的应用，仅是它的简单和初步的应用。模 糊逻辑技术的强大作用在实现高级人工智能的系统中才能充分体现
2007-08-27
•
目前，在模糊逻辑控制应用中，绝大多数用8位单片微机已能满 足要求，少数才需用16位单片微机
2007-08-27
现代控制理论与智能控制基础
21/81
绪论
5. 模糊逻辑技术的发展远景
模糊逻辑技术应用的直接动力是这种技术的经济价值（商业价值） 对传统控制方法能用、但较复杂的系统： • 对微机及传感器的要求较高，采用模糊逻辑技术以后，能降低对微 机及传感器的要求
•
2007-08-27
现代控制理论与智能控制基础
8/81
绪论
2. 模糊逻辑与计算机
（1）人脑和电脑 电脑扩大并延伸了人脑的功能，但两者存在重大差别： • 工作方法 • 传统的冯 ·诺依曼计算机：连续串行的微观工作方式 • 人脑：串并行的工作方式 • 智能性： • 计算机的人工智能：建立在对精确符号系统的数据处理 上 • 人脑的自然智能：接受的信号具有某种不确定性；用统 计方法处理（具有模糊性） • 语言： • 计算机：使用的是精确形式化的数学语言或程序语言 • 人脑：可以使用具有模糊性或歧义性的自然语言
2007-08-27 现代控制理论与智能控制基础 15/81
绪论
3. 模糊逻辑与人工智能
（2）模糊逻辑与神经网络 • 模糊逻辑技术与神经网络技术相结合，可以形成一个互补的系统： – 神经网络的关键特性和基本限制是：神经网络所知的信息是隐 含的，安排每一个输入的权重是关键
– 模糊逻辑系统所具有的“知识”，由该领域的专家所提供。其 模糊逻辑控制规则是由人的直觉和经验制定。但本身不具有学 习功能 • 模糊逻辑技术与神经网络技术各有长处和局限性，两者相结合，构 成模糊神经网络，能各取所长，共生互补
模糊专家系统 • • • 如果前提是非零值，即某种程度的真，则规则即被激活 规则可以不同程度地被激活 通常对于给出的一组输入，可有不止一个规则被激活。其专家系统的 输出可能是几条规则合成的结果
2007-08-27
现代控制理论与智能控制基础
14/81
绪论
3. 模糊逻辑与人工智能
（2）模糊逻辑与神经网络 • 神经网络：是被相互连接起来的处理器结点矩阵 • 每一个结点是一个神经元，简单近似模拟了人的大脑神经细胞的结 构 • 每一个神经元接受一个以上的、且与相应加权因子相乘的输入，并 相加后产生输出 • 神经元被分层安排： 第一层接受基本输入------传递其输出到第二层； 第二层又有自己的加权因子和代数和，传递至第三层 …… 直至最后一层，产生输出。 • 神经网络在本质上是模糊的，神经网络与传统方法进行信息处理有 两个完全不同的性质： • 神经网络是自适应和可被训练的，有自修改的能力 • 神经网络的结构本身就意味着大规模平行机制
现代控制理论与智能控制基础 4/81
2007-08-27
绪论
1. 模糊逻辑的发展
（2）模糊逻辑技术的发展和现状
• 1960年柏克莱加州大学电子工程系扎德（L.A.Zadeh）教授，提出 “模糊”的概念 1965年发表关于模糊集合理论的论文 1966年马里诺斯（P.N.Marinos）发表关于模糊逻辑的研究报告 以后，扎德（L.A.Zadeh）又提出关于模糊语言变量的概念 1974年扎德（L.A.Zadeh）进行有关模糊逻辑推理的研究 七十年代欧洲进行模糊逻辑在工业控制方面的应用研究 实现了第一个试验性的蒸汽机控制 热交换器模糊逻辑控制试验 转炉炼钢模糊逻辑控制试验 温度模糊逻辑控制 十字路口交通控制 污、废水处理等
2007-08-27
现代控制理论与智能控制基础
17/81
绪论
4. 模糊逻辑技术中的几个问题
（2）模糊逻辑是如何工作的 • 在模糊逻辑控制中，工作过程分为三个阶段： “模糊化” “模糊推理” “解模糊化” • “模糊化”： 输入/输出变量按各种分类被安排成不同的隶属度 如温度输入，根据其高低被安排成冷、凉、暖、热等 • “模糊推理”： 输入变量被加到一个“ if - then ”的控制规则的集合中 按各种控制规则进行推理，将结果合成在一起 产生一个“模糊推理输出”集合 • “解模糊化”（解模糊判决）： 对模糊推理输出进行解模糊判决 即在一个输出范围内，找到一个被认为最具有代表性的 可直接驱动控制装置的确切的输出控制值
（1）模糊逻辑与专家系统
• • • • 专家系统是一种信息系统 专家系统中的知识库中的知识由专家提供 其中罗列了大量的规则和事实 专家系统可分为： – 传统专家系统 – 模糊专家系统
现代控制理论与智能控制基础 13/81
2007-08-27
绪论
3. 模糊逻辑与人工智能
传统专家系统 • 如果前提是真，则规则被激活 • 规则要么被激活，要么不被激活 • 如果对一组输入仅有一个规则被激活，则这个规则将完全控制该专家 系统的输出
（3）模糊逻辑技术的优越性
• • • • •
简化设计 提高性能 加快开发周期 减少编码，降低成本 提高系统可靠性
2007-08-27
现代控制理论与智能控制基础
20/81
绪论
4. 模糊逻辑技术中的几个问题
（4）模糊逻辑与单片微机 • 模糊逻辑在家用电器产品和嵌入式控制系统中的应用快速增长，其 原因是： • 模糊逻辑推理过程类似人的推理过程，不必使用严格的系统数 学模型。产品开发周期缩短 • 除了少数需要特定的专用模糊逻辑集成电路芯片外，大部分可 以用廉价的标准单片微机来实现
2007-08-27
现代控制理论与智能控制基础
10/81
绪论
2. 模糊逻辑与计算机
（2）电脑思维和人脑思维 • 思维模式有两种：
• • 精确的理性的分析模式：与读、写、算相联系 模糊的直觉的全盘模式：与模式识别和音乐能力有关，允许以 不精确、不确定、非定量的自然语言，对复杂多变的事物或现 象进行思维
2007-08-27 现代控制理论与智能控制基础 9/81
绪论
2. 模糊逻辑与计算机
（1）人脑和电脑 • 可靠性：
• • 计算机：计算具有高精度的特点。但对事物整体把握的可靠性 不如人脑 人脑：低精度条件下完成非常复杂的任务，达到相当高的可靠 性
• •
模糊逻辑的发展与计算机的发展密切相关，互为促进 计算机不能代替人脑，但可模仿人脑，延伸人脑功能
• •
精确的理性的分析模式 模糊的直觉的全盘模式
• • • 人脑的思维具有上述两种模式 计算机不具备后一种模式能力 要使计算机进一步模拟人类思维的特点，可以引入模糊逻辑
现代控制理论与智能控制基础 11/81
2007-08-27
绪论
3. 模糊逻辑与人工智能
人工智能——新兴的边缘学科。 （AI---Artificial Intelligence） 人工智能主要研究： 如何使计算机完成原来由人才能做的具有智能性质的工作，即 感知观察能力、记忆能力、逻辑思维能力和语言表达能力等一 系列人的脑力活动中所表现出来的能力 人工智能是许多相关技术的总称，包括： 专家系统、机器学习、神经网络、语言识别、模糊逻辑等等 人工智能领域的三大前沿： 专家系统、模式识别和智能机器人
2007-08-27 现代控制理论与智能控制基础 2/81
绪论
绪论 1. 模糊逻辑的发展 2. 模糊逻辑与计算机 3. 模糊逻辑与人工智能
4. 模糊逻辑技术中的几个问题
2007-08-27
现代控制理论与智能控制基础
3/81
绪论
1. 模糊逻辑的发展
（1）模糊逻辑的起源
• • • • • • • • • 模糊逻辑------Fuzzy Logic 的中文意译 模糊概念、模糊现象到处存在 在经典二值（布尔）逻辑体系中：所有的分类都被假定为有明确的 边界 糊逻模辑：对二值逻辑的扩充。关键的概念是渐变的隶属关系。 一个集合可以有部分属于它的元素 模糊逻辑是通过模仿人的思维方式来表示和分析不确定、不精确信 息的方法和工具 模糊逻辑本身并不模糊，它并不是“模糊的” 逻辑，而是用来对 “模糊”（现象、事件） 进行处理，以达到消除模糊的逻辑 模糊逻辑的数学基础：通过模糊集合来工作的 常规集合：集合中的对象关系被严格划分为0或1，不存在介于两者 之间的对象 模糊集合：允许在一个集合部分隶属。对象在模糊集合中的隶属度， 可为从0 - 1之间的任何值，即可以从“不隶属”到“隶属”逐步 过渡