模糊控制技术第7章.pptVIP

7.1 概 　述 　　在第4章，我们通过例子讲述了模糊控制系统的设计，设计的主要途径是采用人类专家经验，这类模糊控制系统已经成功地应用于许多工业控制系统中。采用数字输入输出数据设计模糊控制器的方法也逐渐增多。但是，不管采用哪种方法设计模糊控制器，仍存在一些问题：　　(1) 通过一个特定方式设计模糊控制器，在选择控制器某些参数时会遇到一些困难，例如怎样确定隶属函数及规则库才能够满足系统性能指标。　　(2) 针对被控对象正常情况下设计的模糊控制器，如果对象参数存在着不可预测的变化，或者受到某些干扰以及其他环境的影响，控制器就不适应，因而控制性能指标会受到影响。能否根据系统运行情况自动在线修改控制器参数，满足系统性能指标？答案是肯定的，有两种自适应控制方案：直接自适应控制和间接自适应控制。 　　图7.1所示的直接自适应控制系统中，“自适应机”观察来自控制系统的信号u(t)及y(t)，如果对象产生变化，自适应机自动改变控制器参数以适应对象的变化，保持系统性能指标。有时将所希望的性能指标用一个“参考模型”来表征，即使对象参数改变时，控制器能够寻找合适的参数，使得闭环系统的性能指标和参考模型的性能指标一样，这种自适应控制称为模型参考自适应控制(Model Reference Adaptive Control，MRAC)。 　　间接自适应控制系统参看图7.2。在间接自适应控制系统中，采用在线系统辨识的方法，如果对象参数改变，辨识器提供参数改变的估计值，控制器设计模块随后调整控制器。当然，我们假定所有时间内所估计的对象参数与实际参数一致。如果针对每一组对象参数的估计值，控制器设计模块都能够确定出一个相应的控制器，那么系统就能够成功地控制对象。这种系统称为间接自适应控制，因为是先估计对象参数，再间接地调整控制器，而在直接自适应控制系统中不用辨识对象参数，直接估计控制器参数。本章只重点论述直接自适应控制系统。 　　7.2 模糊模型参考学习控制(FMRLC)　　模糊模型参考学习控制(Fuzzy Model Reference Learning Control，FMRLC)系统中，控制器根据周围环境的影响，利用反馈信息产生命令并输入到对象，改进闭环系统的性能指标。　　模糊模型参考学习控制属于直接型模型参考自适应控制，系统框图如图7.3所示。 　　图7.3所示的模糊模型参考学习控制系统有四个主要组成部分：对象、可调整的模糊控制器、参考模型以及学习机(或称自适应机)。系统中使用离散时间信号，因为采用离散系统可以更容易说明FMRLC的工作原理。学习机(图7.3中虚线框部分)观测模糊控制系统的数据，即ym(kT)和y(kT)(T为采样周期)，这些数据表征模糊控制系统当前的性能指标，学习机利用这些数据去调整模糊控制器，以便满足所给定的性能指标。图7.3中参考模型表征闭环系统的性能指标，给定r(kT)输入到参考模型，其输出为ym(kT)，期望模糊控制系统的输出y(kT)与ym(kT)一致。图7.3的下部分为模糊控制环，它调整控制量，使得对象的输出y(kT)跟踪给定值r(kT)；图7.3的上部分为自适应控制环，它通过调整模糊控制器的参数使得对象的输出y(kT)跟踪参考模型的输出ym(kT)。下面我们通过单输入单输出系统更详细地说明FMRLC各部分的作用。 7.2.1 模糊控制器　　图7.3中，对象的输入和输出分别为u(kT)及y(kT)，通常模糊控制器的输入为偏差e(kT)=r(kT)－y(kT)，偏差变化 　　1. 规则库　　模糊控制器中的规则库中有下列形式的规则：　　　　　　If e is Ej and c is Cl Then u is Ume和c分别相应于模糊控制器输入e(kT)及c(kT)的语言变量，u为控制器输出u(kT)的语言变量，Ej、Cl及Um分别对应语言变量e、c和u的语言值。例如一条规则可能是　　　　　If e is PL and c is NS Then u is PL 参阅图7.4所设计的e(kT)隶属函数，E4就是PL。设c(kT)也是这样定义的11个隶属函数，则规则库中的规则有11×11=121条。假如模糊控制器的输入变量增加，规则就会增加很多。 　　2. 规则库的初始化　　模糊控制器输入隶属函数常常是不变的，它不被FMRLC调整。而在输出论域上的隶属函数假设是未知的，它由FMRLC自动生成或调整。因此，FMRLC对于规则前件的各种情况总是努力提供应该采取的策略。　　我们必须选择输出隶属函数的初始值。例如输出论域为[－1，1]，可以选择中心点为0、底宽为0.4的三角形隶属函数，这表示开始时模糊控制器并不知道怎样去控制对象，只是将u