智能控制模糊控制论文

《智能控制模糊控制论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

模糊控制现代工业对控制系统的先进性、可靠性、可扩展性、易实现性和易管理性提出了越来越高的要求，这导致常规仪表逐渐淡出舞台，而以微处理器为核心的计算机控制系统则逐渐占据了统治地位。随着计算机尤其是微机的发展和应用，自动控制理论和技术获得了"跃的发展。基于状态变量描述的现代控制理论对于解决线性或非线性、定常或时变的多输入多输出系统问题，获得了广泛的应用，例如在阿波罗登月舱的姿态控制、宇宙飞船和导弹的精密制导以及在工业生产过程控制等方面得到了成功的运用。伹是，无论采用经典控制理论还是现代控制理论设计一个控制系统，都需要事先知道被控制对象（或生产过程）精确的数学模型，然后根据数学模型以及给定的性能指标，选择适当的控制规律，进行控制系统设计。然而，在许多情况下被控对象（或生产过程）的精确数学模型很难建立。显而易见，在自然科学、社会科学、工程技术的各个领域，都会涉及大量的模糊因素和模糊信息处理问题、模糊技术几乎渗透到了所右领域，列存模糊专题的较大型国家会议每年约存十多个，各种模糊技术成果和模糊产品也逐渐从实验室走向社会，有些己经取得了明显的社会效益与经济效益。像冶金、机械、石油、化工、电力、电子、轻工、交通、医疗、法律、教育、军事科学等等，每个领域都有其成功的应用范例。模糊控制是作为结合传统的并基于规则的专家系统、模糊集理论 和控制理论的成果而诞生的，它与基于被控过程数学模型的传统控制理论有很大的区别。在模糊控制中并不是的领域专家那里获取知识，即专家行为和经验。当被控过程十分复杂甚至“病态”时，建立被控过程的数学模型或者不可能，或者需要高昂的代价，此时模糊控制就显得具有吸引力和使用性。由于人类专家的行为是实现模糊控制的基础，因此必须用一种容易且有效的方式来表达人类专家的知识。以往的各种传统控制方法均是建立在被控对象精确数学模型基础上的，然而，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。模糊控制，既不是指被控制对象是模糊的，也不是被控制器是不确定的，它是指在表示知识、概念上的模糊性。虽然模糊控制算法是通过模糊语言描述的，但它所完成的却是一项完全确定的工作，所以模糊自动控制是以模糊集合化、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。模糊自动控制是以模糊集合论、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。从线性控制与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，而且它己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相融合，正在显示出其巨大的应力潜力。模糊控制器的控制规则是基于手动控制策略，而手动控制策略又是人们通过学习、试验以及长期经验积累而逐渐形成的，存贮在操作者头脑中的一种技术知识集 合。手动控制过程一般是通过对被控对象（过程）的一些观测，操作者再根据己有的经验和技术知识，进行综合分析并作出控制决策，调整加到被控对象的控制作用，从而使系统达到预期的目标。它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，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，并用语言表达出来，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糊控制算法，形成模糊控制理论。模糊控制不需要被控对象的数学模型。模糊控制是以人对被控对象的控制经验为依据而设计的控制器，故无需知道被控对象的数学模型。在工程实践中，人们发现，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，如果通过模拟人脑的思维方法设计控制器，可实现复杂系统的控制，由此产生了模糊控制。模糊控制是一种反映人类智慧的智能控制方法。模糊控制采用人类思维中的模糊量，如“高”、“中”、“低”、“大”、“小”等，控制量由模糊推理导出。这些模糊量和模糊推理是人类智能活动的体现。要实现一个实际的模糊控制系统，需要解决三个问题；知识的表示、推理策略和知识获取。知识表示是指如何将语言规则用数值方式 表示出来；推理策略是指如何根据当前输入“条件”产生一个合理的“结果”；知识的获取解决如何获得一组恰当的规则。由于领域专家提供的知识常常是定性的，包含某种不确定性，因此，知识的表示和推理必须是模糊的或近似的，近似推理理论正是为满足这种需要而提出的。近似推理可看作是根据一些不精确的条件推导出一个精确结论的过程，许多学者对模糊表示、近似推理进行了大量的研究，在近似推理算法中，最广泛使用的是关系矩阵模型，它基于L.A.Zadeh的合成推理规则，首次由Mamdani采用。由于规则可被解释成逻辑意义上的蕴含关系，因此大量的蕴含算子己被提出并应用于实际中。由此可见，模糊控制是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机控制。从线性控制与非线性控制的角度分类，模糊控制是一种非线性控制。从控制器智能性看，模糊控制属于智能控制的范畴，而且它己成为目前实现智能控制的一种重要而又有效的手段。尤其是模糊控制与祌经网络、预测控制、遗传算法、混沌理论等新学科的结合，正在显示出其巨大的应用潜力。模糊控制易于被人们接受。模糊控制的核心是控制规则，模糊规则是用语言来表示的，如“今天气温高，则今天天气暖和”，易于被一般人所接受。而且构造容易，模糊控制规则易于软件实现。鲁棒性和适应性好。通过专家经验设计的模糊规则可以对复杂的对象进行存效的控制。模糊集理论构成了模糊计算系统的基础。人们在此基础上把人工智能中关于知识表示和推理的方法引入进来，或者说把模糊集理论用 到知识工程中去就形成Y模糊逻辑和模糊推理为了克服这些模糊系统知识获取的不足及学习能力低下的缺点，又把神经计算加入到这些模糊系统中，形成了模糊神经系统。这些研究都成为人工智能研究的热点，因为它们表现出了许多领域专家方具有的能力。同时，这些模糊系统在计算形式上一般都以数值计算为主，也通常被人们归为软计算、智能计算的范畴。模糊控制理论是控制领域中非常有发展前途的一个分支，这是由于模糊控制具有许多传统控制无法与之比拟的优点，其中主要是：1.使用语言的方法，可不需要挖掘过程的精确数学模型。因为对复杂的生产过程很难获取过程的精确数学模型，而语言方法却是一种很方便的近拟。2.对于具有一定操作经验、而非控制专业的工作者，模糊控制方法易于掌握。3.操作人员易于通过人的自然语言进行人机界面联系，这些模糊条件语句很容易加入到过程的控制环节上。4.采用模糊控制，过程的动态响应品质优于常规HD控制，并对过程参数的变化具的较强的适应性。鉴于模糊控制的独特优点，模糊逻辑可使电子计算机模拟人的直觉，并依据不确切信息作出的决定，这将是下一代自动化设备、系统的基础。虽然模糊控制理论己在工程上获得了许多成功的应用，但目前仍处于发展过程的初级阶段，还存在大量有待解决的问题，0前面临的主要任务是: 首先要建立一套系统的模糊控制理论。模糊控制理论研究还期待着坚实的、系统的、奠基性的内容，以解决模糊控制的机理、稳定性分析、系统化设计方法、新型自适应模糊控制系统、专家模糊控制系统、神经模糊控制系统和多变量模糊控制系统的分析和设计等一系列问题，以促进模糊控制理论的发展，从而简历一套严格的、系统的模糊控制理论。其次，模糊集成控制系统设计方法研究。随着被控制对象曰益复杂，往往需要二种或多种控制策略的集成，通过动态控制特性上的互补来获得满意的控制效果。现代控制理论、神经网络理论与模糊控制的互相结合以及互相渗透,可构成所谓的模糊集成控制系统。对其建立一套完整的分析和设计方法也是模糊控制理论研究的一个重要方向。模糊控制在非线性复杂系统应用中的模糊建模、模糊规则的建立和推理算法的深入研究，自学习模糊控制策略和智能化系统及其实现。常规模糊控制系稳态性能的改善。把己经取得的研究成果应用到工程实际过程中，尽快转化为生产力。因此，需加快简单、实用的模糊集成芯片和模糊控制装置、通用模糊控制系统的开发与推广应用。综上所述，模糊控制在工业中的应用时一个相对迅速发展的领域。随着模糊控制理论的不断发展和运用，模糊控制技术将为工业过程控制开辟新的应用途径，前景十分光明。