基于模糊逻辑的道路拥堵判别.docVIP

第2章 模糊控制 2.1 模糊理论概述 2.1.1 模糊理论的创立 模糊理论是美国帕克莱加州大学电器系L. A. Zadeh教授1965年创立的模糊集合理论的数学基础上发展起来的，主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容。 模糊逻辑是一种连续逻辑，由一个可以确定隶属度的句子来表示一个模糊命题，可以用来描述客观世界中普遍存在的模糊现象。 模糊控制是以模糊集合论作为它的数学基础，模糊控制系统应用于诸如在测量数据不确切，要处理的数据量过大以致无法判断它们的兼容性，一些复杂可变的被控对象等场合是非常适合。 由于模糊理论受到了世人前所未有的关注，MathWorks公司聘请澳大利亚Queensland大学的A. Lot教授开发了基于MATLAB环境下的“模糊推理系统工具箱”（Fuzzy Inference System Toolbox for MATLAB）。该工具箱集成度高，内容丰富，基本包括了模糊集合理论的各个方面，其功能强大和方便使用的特点得到了用户的广泛欢迎。因为它在各个方面都能给人留下深刻的印象，从而使模糊逻辑成为智能系统的概念与设计的有效工具。 模糊逻辑控制简称模糊控制，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。模糊控制的基本思想是利用计算机来实现人的控制经验，而这些经验多是用语言表达的具有相当模糊性的控制规则。模糊控制器获得巨大成功的主要原因在于它具有如下一些突出特点：模糊控制是一种基于规则的控制。它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用。基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统的语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折的选择，使控制效果优于常规控制器。模糊控制算法是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。、、 图2-1 模糊逻辑控制器的基本结构 从图中可以看出，模糊逻辑控制系统的主要部件是模糊化过程、、在模糊控制理论中，模糊推理有几十种不同的机理。但是在模糊控制中较多应用的只有四种，它们分别是Mamdani推理、Larsen推理、Tsukamoto推理、Takagi-Sugeno推理，一般选用Mamdani推理。下面阐述基于Mamdani推理的控制算法。Mamdani推理蕴含关系A→B用A和B的直积表示，即有 即 （2-1） 因此有下列推理过程： 设有控制规则： r1: if x is A1 and y is B1 then z is C1 r2: if x is A2 and y is B2 then z is C2 … rn: if x is An and y is Bn then z is Cn 则对于模糊控制规则的前件来说有推理强度： … 其中和 i=1, 2, …,n分别是Ai和Bi的隶属度函数。对于第i条模糊控制规则，则有模糊控制量Ci′, 其隶属度函数为： i=1, 2, …,n （2-2） 对于一个模糊逻辑控制器，最后的模糊控制量C是由所有的模糊控制规则共同作用的，其隶属度函数为： （2-3） 其中“∨” 和“∧”分别为最大运算符和最小运算符，即对任意, 有： , （2-4） 由于推理中采用了最大、最小运算符，故Mamdani推理又称Max-Min推理。 2.5 求输出控制量 在模糊控制系统中，模糊控制器的输入量是模糊量，输出量也是模糊量。对于实际被控对象，它所需的控制信号是有一定物理意义的精确值，为了使模糊控制器的输出能对被控对象进行控制，要把它输出的模糊量转换成精确量，这个过程称反模糊化，反模糊化是一个把最后的组合模糊结论转换为非模糊结论的