模糊控制！

bachelor_0925

谁有模糊控制方面的资料呀？
我想学习一下！~
希望能共享！~

新洁电子

模糊控制控制是一个系统概念,不是一两句话能够解释的清楚的.
5 E8 M( \# Q, B本人对此也不是很专业,只是以前做产品是用到过,本来不想应助,可是看到这么多天无人应助.似乎不大好.
下面俺跟你传一个附件(内含模糊控制简介和模糊控制原理两片文章)
制作的比较简单,请广大会员给予批评指正.
Windows WORD版的,应该所有的用户都能够阅读.

bachelor_0925

我是刚刚接触这方面，不是很了解。
所以只要是介绍模糊控制的都对我有帮助，谢谢！~

煤城

自从1965年美国加利福尼亚大学控制论专家L .A .zadeh教授提出模糊数学以来”，吸引了众多的学者对其进行研究，使其理论与方法日臻完善，并且广泛地应用于自然科学和社会科学的各个领域，尤其是在第5代计算机研制和知识工程开发等领域占有特殊重要的地位。把模糊逻辑应用于控制领域则始于1973年”。1974年英国的E．H．Mamdani成功地将模糊控制应用于锅炉和蒸汽机控制。此后20多年来，模糊控制不断发展并在许多领域中得到成功应用。由于模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种系统的推理方法，因而能够解决许多复杂而无法建立精确数学模型系统的控制问题，所以它是处理推理系统和控制系统中不精确和不确定性的一种有效方法。从广义上讲，模糊控制是适于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制策略。它是模糊数学同控制理论相结合的产物，同时也是智能控制的重要组成部分。模糊控制的突出特点在于：

+ Y& [( k/ x) r# F% U) `    ①控制系统的设计不要求知道被控对象的精确数学模型，只需要提供现场操作人员的经

2 P% y( U9 i  H9 _% s& {5 _0 e验知识及操作数据。
$ m7 Q$ z4 N3 p" c0 W5 k3 |
* m# }' d" [6 r1 A    ⑦控制系统的鲁棒性强，适应于解决常规控制难以解决的非线性、时变及大纯滞后等问题。

    ③以语言变量代替常规的数学变量，易于形成专家的“知识”。
! f" `' [: L. j! H# x7 Y
' [7 @2 v4 ~4 g* ]8 {* \: b    ④控制推理采用“不精确推理”(Approximatc Reasoning)。推理过程模仿人的思维过程。由于介入了人类的经验．因而能够处理复杂甚至“病态”系统。

煤城

模糊控制理論
在傳統的控制領域裏，控制系統動態模式的精確與否是影響控制優劣的最主要關鍵，系統動態的資訊越詳細，則越能達到精確控制的目的。然而，對於複雜的系統，由於變數太多，往往難以正確的描述系統的動態，於是工程師便利用各種方法來簡化系統動態，以達成控制的目的，但卻不儘理想。換言之，傳統的控制理論對於明確系統有強而有力的控制能力，但對於過於複雜或難以精確描述的系統，則顯得無能為力了。因此便嘗試著以模糊數學來處理這些控制問題。
自從Zadeh發展出模糊數學之後，對於不明確系統的控制有極大的貢獻，自七○年代以後，便有一些實用的模糊控制器相繼的完成，使得我們在控制領域中又向前邁進了一大步，在此將對模糊控制理論做一番淺介。
一般控制系統的架構，此架構包含了五個主要部分，即:定義變數、模糊化、知識庫、邏輯判斷及反模糊化，底下將就每一部分做簡單的說明：
(1) 定義變數：也就是決定程序被觀察的狀況及考慮控制的動作，例如在一般控制問題上，輸入變數有輸出誤差E與輸出誤差之變化率CE，而控制變數則為下一個狀態之輸入U。其中E、CE、U統稱為模糊變數。
(2) 模糊化（fuzzify）：將輸入值以適當的比例轉換到論域的數值，利用口語化變數來描述測量物理量的過程，依適合的語言值（linguisitc value）求該值相對之隸屬度，此口語化變數我們稱之為模糊子集合（fuzzy subsets）。
(3) 知識庫：包括資料庫（data base）與規則庫（rule base）兩部分，其中資料庫是提供處理模糊數據之相關定義；而規則庫則藉由一群語言控制規則描述控制目標和策略。
(4) 邏輯判斷：模仿人類下判斷時的模糊概念，運用模糊邏輯和模糊推論法進行推論，而得到模糊控制訊號。此部分是模糊控制器的精髓所在。
(5) 解模糊化（defuzzify）：將推論所得到的模糊值轉換為明確的控制訊號，做為系統的輸入值。

煤城

续：控制變數的選擇要能夠具有系統特性，而控制變數選擇是否正確，對系統的性能將有很大的影響。例如做位置控制時，系統輸出與設定值的誤差量即可當做模糊控制器的輸入變數。一般而言，可選用系統輸出、輸出變化量、輸出誤差、輸出誤差變化量及輸出誤差量總和等，做為模糊控制器的語言變數，而如何選擇則有賴工程師對於系統的瞭解和專業知識而定。因此，經驗和工程知識在選擇控制變數時佔有相當重要的角色。
# w- J+ B# K9 G' Q論域分割
前一節提到了控制變數的選擇問題，當控制變數確定之後，接下來就是根據經驗寫出控制規則，但是在做成模糊控制規則之前，首先必需對模糊控制器的輸入和輸出變數空間做模糊分割。例如當輸入空間只有單一變數時，可以用三個或五個模糊集合對空間做模糊分割，劃分成三個或五個區域。當輸入空間為二元變數時，如採用四條模糊控制規則，可以將空間分成四個區域，模糊分割即對部分空間表為模糊狀態，圖中斜線部份即為對明確的領域。
; L( L7 z3 [* \, F% Z% G模糊分割時各領域間重疊的程度大大地影響控制的性能；一般而言，模集合重疊的程度並沒有明確的決定方法，目前大都依靠模擬和實驗的調整決定分割方式，不過最近有些報告提出大約１/3~1/2最為理想。重疊的部份意味著模糊控制規則間模糊的程度，因此模糊分割是模糊控制的重要特徵。

煤城

模糊控制理論
! P0 U+ Q$ B: G( k: h在傳統的控制領域裏，控制系統動態模式的精確與否是影響控制優劣的最主要關鍵，系統動態的資訊越詳細，則越能達到精確控制的目的。然而，對於複雜的系統，由於變數太多，往往難以正確的描述系統的動態，於是工程師便利用各種方法來簡化系統動態，以達成控制的目的，但卻不儘理想。換言之，傳統的控制理論對於明確系統有強而有力的控制能力，但對於過於複雜或難以精確描述的系統，則顯得無能為力了。因此便嘗試著以模糊數學來處理這些控制問題。
7 C  u& c) I% c2 b/ y自從Zadeh發展出模糊數學之後，對於不明確系統的控制有極大的貢獻，自七○年代以後，便有一些實用的模糊控制器相繼的完成，使得我們在控制領域中又向前邁進了一大步，在此將對模糊控制理論做一番淺介。
一般控制系統的架構，此架構包含了五個主要部分，即:定義變數、模糊化、知識庫、邏輯判斷及反模糊化，底下將就每一部分做簡單的說明：
(1) 定義變數：也就是決定程序被觀察的狀況及考慮控制的動作，例如在一般控制問題上，輸入變數有輸出誤差E與輸出誤差之變化率CE，而控制變數則為下一個狀態之輸入U。其中E、CE、U統稱為模糊變數。
+ h9 d2 c% V! \- I# a* R9 G" |' H2 M, U(2) 模糊化（fuzzify）：將輸入值以適當的比例轉換到論域的數值，利用口語化變數來描述測量物理量的過程，依適合的語言值（linguisitc value）求該值相對之隸屬度，此口語化變數我們稱之為模糊子集合（fuzzy subsets）。
(3) 知識庫：包括資料庫（data base）與規則庫（rule base）兩部分，其中資料庫是提供處理模糊數據之相關定義；而規則庫則藉由一群語言控制規則描述控制目標和策略。
' ~! V  t* b1 r3 P" R% M(4) 邏輯判斷：模仿人類下判斷時的模糊概念，運用模糊邏輯和模糊推論法進行推論，而得到模糊控制訊號。此部分是模糊控制器的精髓所在。
! ?: f9 e8 k, v" Y(5) 解模糊化（defuzzify）：將推論所得到的模糊值轉換為明確的控制訊號，做為系統的輸入值。

hzg886187

深奥的学科
/ K, H  T0 ?% j0 \支 持 一 下

fangchengyin

这个可不是补两天就可以掌握的