如果条件则结论.pptVIP

第八章 机器人智能控制 8.1 模糊逻辑控制 8.2 模糊控制在机器人中的应用 8.1 模糊逻辑控制 引言： 8.1 模糊逻辑控制 清晰值和模糊值： 清晰值是具有明确定义且只有一种解释的值，也称为单值。比如温度是75度，纯净水。 模糊值不清晰，可能有多种不同的解释，或有多种不同的值和他关联。比如温度暖和，水干净。 8.1 模糊逻辑控制 模糊控制器的基本原理 8.1 模糊逻辑控制 模糊化： 模糊化是将输入和输出值转化为其隶属度函数的过程。模糊化的结果是一组图，它描述不同模糊变量中不同值的隶属度。 8.1 模糊逻辑控制 例题：一个制冷系统采用模糊逻辑控制，两个输入是湿度和温度，输出是空调的功率，设计这个模糊控制系统。 第一步：模糊化 8.1 模糊逻辑控制 8.1 模糊逻辑控制 模糊推理规则库： 规则库按照真值表进行推理。规则库是与模糊集合、输入量、输出量有关的规则集合，通常采用如下描述形式的一种： 如果 条件 则 结论 如果 条件1与（或）条件2 则 结论 如果条件1与（或）条件2 则 结论1与（或）结论2 比如一条模糊规则可以是： 如果温度高与湿度大，则空调功率高 也可能是：如果温度高或湿度大，则空调功率高 注意：模糊值的逻辑运算结果不是“真”与“假”，而是： “与”运算的结果是两值中的极小值 “或”运算的结果是两值中的极大值 8.1 模糊逻辑控制 规则库中规则的总数等于每个输入变量集合的乘积。例如，如果有三个输入变量，模糊集合的数量分别为m、n、p，则规则总数R=m×n×p 规则与输入变量的关系也可以用图来表示。 8.1 模糊逻辑控制 清晰化 清晰化是将模糊输出值转化为供实际应用的等效清晰值的过程。对模糊规则进行匹配并计算相应的数值，其结果将得到一个与不同输出模糊隶属度函数相关的数。 比如：空调功率25%隶属于“低”，75%隶属于“中”，必须转化成单一数值结果给空调执行。 8.1 模糊逻辑控制 清晰化方法一：Mamdani推理法 步骤（1）每个输出隶属度函数在相应的隶属度值处截去顶端，该隶属度函数值从规则库中的来； （2）用“或”函数将截取后剩余的隶属度函数相加，合并为一个描述输出的新区域； （3）计算合并区域的重心，得到清晰值。 8.2 模糊控制在机器人中的应用 导航控制举例： 8.2 模糊控制在机器人中的应用 模糊化： 障碍物距离输入量 ，目标定位量 ，输出转角 都需要模糊化。 8.2 模糊控制在机器人中的应用 模糊化： 8.2 模糊控制在机器人中的应用 规则库： （1）无障碍情况： 8.2 模糊控制在机器人中的应用 规则库： （1）无障碍情况： 8.2 模糊控制在机器人中的应用 规则库： （2）有障碍情况： 8.2 模糊控制在机器人中的应用 规则库： （2）有障碍情况： 8.2 模糊控制在机器人中的应用 规则库： （2）有障碍情况： * * 今天本应是吉林很晴朗的一天，而事实上今天相当的冷。当我们坐在教室里上课的时候，非常大的空间里只有极少数的同学，让老师感到心情更加寒冷。不过听课的同学老认真了，所以我感到舒服很多。 这段话中有许多描述性的形容词陈述某些不十分清楚的情况。 人类可以将某一段的意义与其条件相关的特定描述联系起来，并做出与模糊描述相关的推论。 生活中我们可以用一些清晰条件作控制器，比如洗衣机、空调的调节，但效果并不理想。 需要一种方法，能将口语模糊描述词转化为系统能够使用的工程描述词。 模糊集合和隶属度： 模糊集合：与某个模糊值有关的一组值成的集合。比如与温度有关的一组值：寒冷、凉爽、温暖、炎热构成一个模糊集。 隶属度：模糊集合中的每一个值都有一个隶属该集合的隶属度，从0%变化到100%，比如75度对“炎热”有80%的隶属度，对“温暖”有10%的隶属度，对“寒冷”有0%的隶属度。 模糊化 推理规则库 清晰化 多数自然现象符合a图的钟形曲线，b图为计算简化后的三角曲线。 模糊化的设计过程依靠系统的性能要求和设计者的经验。之后，我们还将研究系统的响应，如有必要，还将调整设计参数。 注：前面例题采用“与”逻辑 清晰化方法一：重心法 步骤（1）用输出集合的单值乘以每个输出变量的隶属度； （2）将第一步的所有值相加，再除以输出隶属度的和。 如前面例题：输出功率应该为 前面例题用mamdani法求解时，用合并区域面积的一阶矩除以整个面积，得到结果是34%