当前课程知识点:智能控制 > 第一章 智能控制课程概论 > 1.10 智能控制的类型之模糊控制系统 > 1.10
下面我们来看一下模糊控制系统
模糊控制系统基本来源就来自于模糊集合
那么什么叫模糊集合呢
我们以前学过普通集合的概念
比如说男生和女生
比如说一班和二班同学
任何一位同学要么是男生要么是女生
她要么是一般的要么是二班的
不存在既属于男生又属于女生
既属于一班又属于二班的这种情况
也就是说在经典的普通集合里面
任何一个元素与集合之间的关系有且仅有两种
第一 元素它完全属于这种集合
a完全属于A
或者是完全不属于
某一个元素完全不属于这个集合A
它描述的就是一种非此即彼的关系
这样的话它的概念比较清晰
但是实际现实生活中
并不是所有的事物
都能用这种清晰的概念来描述一下
比如风的强弱有大有小
它不一定是大风小风或者台风微风
这个概念比较模糊的
比如各位同学
胖子站这边瘦子站这边
大家都听不懂
我到底是胖子还是瘦子
这个胖瘦也是比较模糊的概念
比如个子高矮
高个子站这边矮个子站这边
那我1米78
我是高个子还是矮个子呢
我1米65
我是高个子还是矮个子呢
不清楚
这概念都是比较模糊的
还有年龄的大小
老年人 中年人 中青年
青年 青少年 少年 儿童 婴儿
这些概念都是比较模糊的
它并不存在非此即彼的关系
它是某种程度上的又属于又不属于这样的关系
那为了描述这样一些事实
就提出了模糊集合的概念
那么模糊集合呢它是美国加州大学伯克利分校的
乍德教授在1965年创立的模糊集合
它在这个概念的基础上
提出了模糊集合理论
模糊逻辑 模糊推理和模糊控制方面的内容
那么模糊集合呢其实它就是
描述的是一个元素在多大程度上
属于某个集合的程度
比如人的高矮
我可以定义一个最大值
比如两百五十斤为满分
那么把每个人的体重都除以250斤
比如我是200斤除以250
那么我就在0.8的程度上
隶属于胖子这个模糊集合
比如我是125斤
那么我就会在0.5的程度上隶属于胖子这个模糊集合
这样的话
每个人的体重就会在0到1的程度上
分别隶属于胖子这样一个模糊集合
那么用这个模糊集合的概念可以继续推广
比如年龄
把人的最大年龄定为比如说120岁
每个人的年龄比如说60
那我就在0.5的程度上属于老年人
也不一定正确
有可能年龄定义为一百岁
这样的话如果我50岁
我就会在0.5的程度上隶属于老年人这个模糊集合
如果我75岁
我就会在0.75的程度上隶属于老年人这个模糊集合
如果一百岁
我就会在1的程度上隶属于老年人这个模糊集合
这也符合我们的日常生活经验
那实际上呢就把元素和集合之间的关系
由原来的非此即彼
也就是零完全不属于 1完全属于
扩展到了闭区间0到1之间
描述了元素在多大程度上隶属于某个模糊集合
那这个概念叫隶属度
后面会详细介绍
那么有了这个隶属度的概念
有了这个模糊集合的概念
在这个基础上就可以形成了模糊集合理论
模糊逻辑 模糊推理 模糊控制等相关的内容
那实际上它也是模糊控制呢
它也是模仿了人类的
一个外部的这样一个行为
那么乍德提出来这个模糊集合的概念
利用隶属度 隶属度函数的概念
就形成了模糊控制理论
那么后面有一些专家在不同的方面
实现了在实际工程中应用了模糊控制的方法
实现了对汽轮机的控制
实现了对水泥窑炉的模糊控制
这样的话大大地促进了
模糊控制的实际工程应用
以及它的理论应用发展
那么日本也在它的日本家电控制领域
得到了广泛的应用
包括日本的地铁线上也得到广泛应用
目前模糊控制在各行各业得到了广泛的应用
取得了很好的控制效果
我们看一下传统的控制方法
均是建立在被控对象精确数据模型的基础上
但是随着系统复杂程度提高
往往难以建立系统的精确数学模型
在实际工程中
我们发现一个复杂的控制系统
可由一个操作人员凭着丰富的实践经验
得到满意的控制效果
这说明如果我们通过模拟人脑的智能方法
设计一个控制器
就可能实现复杂系统的控制
这样就形成了模糊控制
比如一个大型火电机组
由于电网调度的负荷指令随时发生变化
同时由于煤粉燃烧的过程中
不同来源的煤
不同品质的煤 单位质量的煤
它的发热量是不一样的
这样的话呢就对电厂的运行人员
提出了很高的要求
但是我们也发现
实际电厂运行中
很多有经验的老师傅
他就可以根据他的感觉
可以手动地调整得很好
让这个机组始终能够
在一种比较最优的情况下进行运行
实现节能优化控制
那么他这种感觉
如果能用计算机的手段把它实现出来
这就是模糊控制手段
那么他这种感觉有的时候只可意会不可言传
他也是凭感觉来了
稍微大一点 稍微小一点
这样的话这都是属于模糊控制
可以通过模糊控制算法
把他这种经验给提取出来
设计一个模糊控制器替代人
是不是能够获得更好的效果呢
答案是肯定的
这是一个模糊控制系统的框架
首先类似于计算机控制系统
我们首先要对于一个具体的控制问题
比如说控制房间温度
我们首先要采集温度的信息
把来自测量仪表的信息送入这个控制系统
那么这个采集的温度信息呢
一般是模拟量信号
而且是精确的
比如说25度
那么对于模糊控制器来说呢
我们首先要对它进行一个模糊化处理
将这个温度转化为它和温度 偏低
适中 偏高
或者再加上比较低 比较高
这样一些模糊集合之间的一个关系
那也就是通过隶属度函数曲线
来建立了精确的测量信息
它和这些模糊集合之间的一个关系
把它进行模糊化处理
然后通过模糊推理的方法
在规则库里
这是模糊规则库
找到相应的控制规则
对它进行触发
那么可能会同时触发多条规则
这样的话最终形成一个实际的控制指令
在这控制指令呢它也是模糊语言
它会告诉你在多大程度上较大
多大程度上适中
多大程度上较小这样的一个模糊指令
对于现场的执行机构
比如说阀门来说
它是听不懂的
怎么办呢
还需要进行反模糊化
也就是清晰化处理
同样地 经过隶属度函数
把模糊推理计算出来的模糊指令
通过反模糊化处理
转换成精确的控制力
告诉阀门开度开到50%还是30%
这样的话就实现了一个模糊控制的思路
在模糊控制系统里
这个规则库其实就是模糊规则
比如 第一条
如果温度比较高
那么阀门开度就比较大
比如说这个阀门开度是控制
冷却剂流量大小
温度偏高了
我就把这阀门开度开大一点
如果温度偏低了
我们的阀门开度得开小一点
这样的话还有第三条
如果温度适中
那么阀门开度就适中或者保持不动
这样的话就构成这样一些模糊规则
模糊推理机
模糊推理
就是要在模糊规则库里
按照它的算法进行匹配
找到当前这个时刻输入的状况
所对应的模糊规则进行触发
最后整个的模糊推理指令
将会是触发的若干条模糊规则的合成
指令的合成
-开篇
--开篇
-1.1课程考试方式
-1.2 数据、信息、知识与智能
-1.3传统控制面临的挑战
-1.4 控制科学发展过程
-1.5 智能控制的多元论
--1.5
-1.6 控制策略的渗透与融合
--1.6
-1.7 智能控制与传统控制的联系与区别
--1.7
-1.8 智能控制的类型之分级递阶智能控制系统
--1.8
-1.9 智能控制的类型之专家控制系统
--1.9
-1.10 智能控制的类型之模糊控制系统
--1.10
-1.11 智能控制的类型之神经网络控制系统,智能控制的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制
--1.11
-1.12智能控制系统的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制
--1.12
-1.13本章小结
--1.13
-第一章测试
-2.1基于搜索的问题求解
-- 2.1.7 均一代价搜索
-- 2.1.10 A星算法
-2.2 专家系统简介
- 2.3 专家PID
-第二章测试
-3.1 模糊控制概述
-3.2 模糊集合
-3.3 隶属函数
--3.3隶属函数.
-3.4 模糊关系及其运算
-第三章测试
- 4.1 模糊自适应整定PID控制原理
-4.2 基于FF的模糊PID控制试验验证
-第四章测试
- 5.1 神经网络简介
- 5.2 神经网络的发展简史
-5.3 神经网络的基本概念
- 5.4 神经网络的分类
-5.5 神经网络的学习算法、基本特征和研究领域
-第五章测试
-6.1 感知器
--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)
- 6.2 BP神经网络
--6.2.2.1 BP神经网络应用实例分析之一:逻辑运算异或实现
--6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合
-第六章测试
- 7.1 什么是遗传算法
-7.2 遗传算法的特点
-7.3 遗传算法的基本操作之复制
-7.4 遗传算法的基本操作之交叉与变异
-第七章测试
-8.1 遗传编程工作原理
-8.2 遗传编程基本操作之复制
-8.3 遗传编程基本操作之交换和突变
- 8.4 遗传编程的工作步骤及实例分析
-第八章测试
-期末测试
