模糊逻辑控制系统

介绍：

模糊逻辑控制（FLC）是模糊集理论、模糊推理和模糊逻辑应用中最活跃的研究领域。 FLC 的应用范围从工业过程控制扩展到生物医学仪器和证券。与传统的控制技术相比，FLC 在复杂的定义不明确的问题中得到了最好的利用，这些问题可以由高效的人类运算符控制，而无需了解其潜在动态。

控制系统是一组物理组件，旨在改变另一个物理系统，使该系统表现出某些所需的特性。存在两种类型的控制系统：开环和闭环控制系统。在开环控制系统中，输入控制动作与物理系统输出无关。另一方面，在闭环控制系统中，输入控制动作取决于物理系统输出。闭环控制系统也称为反馈控制系统。控制任何物理变量的第一步是对其进行测量。传感器测量受控信号，植物是受控的物理系统。在闭环控制系统中，系统输入的强制信号由系统的输出响应决定。给出基本控制问题如下：

受控制的物理系统的输出在误差信号的帮助下进行调整。实际响应（计算）与期望响应之间的差异给出了误差信号。为了使闭环控制系统获得满意的响应和特性，可以将一个称为补偿器或控制器的附加系统添加到回路中。闭环控制系统的基本框图如图1所示。模糊控制规则基本上是IE-THEN规则。

图 1：闭环控制系统框图

控制系统设计：

为复杂的物理系统设计控制器包括以下步骤：

将大规模系统分解为各种子系统的集合。
缓慢地改变被控对象的动力学并线性化关于一组操作点的非线性平面动力学。
为所考虑的系统组织一组状态变量、控制变量或输出特征。
4. 为子系统设计简单的P、PD、PID控制器。也可以设计最佳控制器。

除了前四个步骤外，由于外部环境条件可能会出现不确定性。根据控制工程师的专业知识，控制器的设计应尽可能符合最佳控制器设计。这可以通过以语言、直觉和其他种类的与植物和外部环境的动态相关的相关信息的形式对输入-输出关系进行各种数值观察来完成。最后，管理控制系统，无论是手动运算符的或自动的，形成一个额外的反馈控制回路以调节和调整控制器的参数，用于补偿由非线性和改造动力学变分的效果。与传统的控制系统设计相比，FLC 系统设计应具有以下假设，以防被选中。所考虑的工厂应该是可观察和可控的。范围广泛的知识，包括一组专家语言规则、基本工程常识、一组输入/输出数据或控制器分析模型，可以模糊化并从中可以形成模糊规则的基础，应该存在。此外，对于所考虑的问题，应该存在一个解决方案，并且应该是这样的，工程师正在努力寻找“好的”解决方案，而不是专门寻找最佳解决方案。在这种情况下，控制器的设计应尽我们所能并在可接受的精度范围内。应当指出，稳定性和最优性问题是模糊控制器设计中的持续问题。

在设计模糊逻辑控制器时，形成模糊规则的过程起着至关重要的作用。模糊产生式规则系统有四种结构（Weiss and Donnel，1979），如下所示：

代表专家决策者的策略和启发式策略的一组规则。
在实际决策之前立即评估的一组输入数据。
在有可用数据的情况下，评估任何提议的行动是否符合所表达的规则的方法。
一种生成有希望的动作并确定何时停止搜索更好动作的方法。

模糊逻辑控制器中使用的所有必要参数都由隶属函数定义。这些规则使用诸如近似推理或插值推理之类的技术进行评估。这四种模糊规则结构有助于获得将控制动作与测量状态或输出变量相关联的控制面。然后可以将操纵面采样到有限数量的点，并且基于该信息，可以构建查找表。查找表包括有关控制面的信息，可以下载到只读存储器芯片中。该芯片将构成工厂的固定控制器。

FLC系统的架构和操作：

模糊逻辑控制器的基本架构如图 2 所示。 FLC 系统的主要组件是模糊器、模糊规则库、模糊知识库、推理机和去模糊器。它还包括用于标准化的参数。当去模糊器的输出不是一个工厂的控制动作时，系统就是一个模糊逻辑决策系统。模糊器目前将清晰的数量转换为模糊的数量。模糊规则库存储有关领域专业知识过程操作的知识。模糊知识库存储了所有输入输出模糊关系的知识。它包括定义模糊规则库的输入变量和受控设备的输出变量的隶属函数。推理引擎是 FLC 系统的核心，它具有通过执行近似推理来模拟人类决策以实现所需控制策略的能力。解模糊器通过推理机将模糊量转换为来自推断的模糊控制动作的清晰量。

图 2：FLC 系统的基本架构

设计模糊逻辑控制器所涉及的各个步骤如下：

步骤 1：定位所考虑平面的输入、输出和状态变量。一世
第 2 步：将每个变量所涵盖的整个话语领域拆分为多个模糊子集，并为每个子集分配一个语言标签。子集包括宇宙中的所有元素。
步骤 3：获取每个模糊子集的隶属函数。
步骤4：分配一侧模糊子集的输入或状态与另一侧模糊子集的输出之间的模糊关系，从而形成规则库。
第 5 步：为输入和输出变量选择合适的比例因子，以对 [0, 1] 和 [-1, I] 区间之间的变量进行归一化。
第六步：进行模糊化处理。
步骤 7：使用模糊近似推理识别每个规则贡献的输出。
步骤 8：组合从每个规则获得的模糊输出。
第 9 步：最后，应用去模糊化以形成清晰的输出。

上述步骤是针对一个简单的 FLC 系统执行和执行的。设计通用 FLC 系统采用以下设计要素：

模糊化策略和模糊器的解释。
模糊知识库：涉及参数的归一化；输入和输出空间的划分；初级模糊集的隶属函数选择。
模糊规则库：输入和输出变量的选择；导出模糊控制规则的来源；模糊控制规则的类型；模糊控制规则的完备性。
决策·制定逻辑：模糊蕴涵的正确定义；连接词“和”的解释；连接词“或”的解释；推理引擎。
去模糊化材料和去模糊化器的解释。

应用：

FLC 系统在各种工业和商业产品和系统中有着广泛的应用。在一些与非线性、时变、不确定系统以及复杂系统相关的应用中，与其他传统控制系统相比，FLC 系统已被证明是非常有效的。 FLC系统的应用包括：

交通管制
蒸汽机
飞机飞行控制
导弹控制
自适应控制
液位控制
直升机模型
汽车速度控制器
制动系统控制器
过程控制（包括水泥窑控制）
机器人控制
电梯（自动升降）控制；
自动运行控制
冷却设备控制
水处理
锅炉控制；
核反应堆控制；
电力系统控制；
空调控制（温度控制器）
生物过程
基于知识的系统
故障检测控制单元
模糊硬件实现和模糊计算机