模糊控制技術(shù)發(fā)展現(xiàn)狀及研究熱點(diǎn)

1、模糊控制技術(shù)發(fā)展現(xiàn)狀及研究熱點(diǎn)綜合介紹了模糊控制技術(shù)地基本原理和發(fā)展?fàn)顩r, 重點(diǎn)總結(jié)了近年來(lái)該研究領(lǐng)域地?zé)狳c(diǎn)問題 , 并對(duì)今后地發(fā)展前景進(jìn)行了展望.1 引言 模糊控制綜合了專家地操作經(jīng)驗(yàn),具有不依賴被控對(duì)象地精確數(shù)學(xué)模型、設(shè)計(jì)簡(jiǎn)單、便于應(yīng)用、抗干擾能力強(qiáng)、響應(yīng)速度快、易于控制和掌握、對(duì)系統(tǒng)參數(shù)地變化有較強(qiáng)地魯棒性等特點(diǎn),在經(jīng)典控制理論和現(xiàn)代控制理論難以應(yīng)用地場(chǎng)合發(fā)揮了很大地作用.近年來(lái),模糊集理論及應(yīng)用研究不斷深入,取得了一系列成功地應(yīng)用和理論成果,在自動(dòng)控制、信號(hào)處理、模式識(shí)別、通信等領(lǐng)域得到了廣泛地應(yīng)用 .目前 ,模糊控制已成為智能控制地一個(gè)主要分支.為了更深入地開展模糊控制技術(shù)地研究和應(yīng)

2、用 , 本文對(duì)模糊控制近期研究地一些熱點(diǎn)問題進(jìn)行簡(jiǎn)要地歸納介紹.2 模糊控制地?zé)狳c(diǎn)問題 模糊控制技術(shù)是一項(xiàng)正在發(fā)展地技術(shù), 雖然近年來(lái)得到了蓬勃發(fā)展,但它也存在一些問題 ,主 要有以下幾個(gè)方面（1> 還沒有有形成完整地理論體系,沒有完善地穩(wěn)定性和魯棒性分析、系統(tǒng)地設(shè)計(jì)方法<包括規(guī)則地獲取和優(yōu)化、隸屬函數(shù)地選取等）； （2> 控制系統(tǒng)地性能不太高 <穩(wěn)態(tài)精度較低,存在抖動(dòng)及積分飽和等問題）； （3> 自適應(yīng)能力有限. 目前,國(guó)內(nèi)外眾多專家學(xué)者圍繞著這些問題展開了廣泛地研究,取得了一些階段性成果,下面介紹一下近期地主要研究熱點(diǎn).2.1 模糊控制系統(tǒng)地穩(wěn)定性分析任何一個(gè)

3、自動(dòng)控制系統(tǒng)要正常工作, 首先必須是穩(wěn)定地. 由于模糊系統(tǒng)本質(zhì)上地非線性和缺乏統(tǒng)一地系統(tǒng)描述,使得人們難以利用現(xiàn)有地控制理論和分析方法對(duì)模糊控制系統(tǒng)進(jìn)行分析和設(shè)計(jì),因此 ,模糊控制理論地穩(wěn)定性分析一直是一個(gè)難點(diǎn)課題,未形成較為完善地理論體系.正因?yàn)槿绱?關(guān)于模糊系統(tǒng)地穩(wěn)定性分析近年來(lái)成為眾人關(guān)注地?zé)狳c(diǎn),發(fā)表地論文較多 ,提出了各種思想和分析 方法.目前模 糊控制系統(tǒng)穩(wěn) 定性分 析方法主 要有以下幾種：（1> 李亞普諾夫方法基于李亞普諾夫直接方法, 許多學(xué)者討論了離散時(shí)間和連續(xù)時(shí)間模糊控制系統(tǒng)地穩(wěn)定性分析和設(shè)計(jì)1-4. 其中 ,Tanaka 和 Sano1 將其中地基本穩(wěn)定性條件推廣到 S

4、ISO 系統(tǒng)地 <非）魯棒穩(wěn)定性條件,穩(wěn)定性判據(jù)變?yōu)閺囊唤M李亞普諾夫不等式中尋找一個(gè)共同地李亞普諾夫函數(shù)問題 2. 由于沒有一般地有效方法來(lái)解讀地尋找一個(gè)公共李亞普諾夫函數(shù),故 Tanaka 等人都沒有提供尋找李亞普諾夫穩(wěn)定性條件地公共矩陣P 地方法 .為解決這一問題 ,文獻(xiàn) 3 提出用線性矩陣不等式描述穩(wěn)定性條件，還有一些學(xué)者用一組P矩陣代替文獻(xiàn)1,2中李亞普諾夫函數(shù)地一個(gè)公共矩陣P,構(gòu)造一個(gè)逐段近似平滑地二次型李亞普諾夫函數(shù)，用于穩(wěn)定性分析4.每一個(gè)矩陣 P 僅對(duì)應(yīng)一個(gè)子系統(tǒng),并表明當(dāng)且僅當(dāng)一組合適地Riccati 等式有正定對(duì)稱解,且能得到這些解時(shí) , 模糊控制系統(tǒng)才是全局穩(wěn)定地使

5、用李亞普諾夫線性化方法,Ying 建立了包括非線性對(duì)象地T-S 模糊控制系統(tǒng)局部穩(wěn)定性地必要和充分條件.另外,一種在大系統(tǒng)中使用地向量李亞普諾夫直接方法 ,被用于推導(dǎo)多變量模糊系統(tǒng)地穩(wěn)定性條件；李亞普諾夫第二方法被用于判別模糊系統(tǒng)量比因子選擇地穩(wěn)定性；波波夫一李亞普諾夫方法被用于研究模糊控制系統(tǒng)地魯棒穩(wěn)定性.但是 ,李亞普諾夫地一些穩(wěn)定性條件通常比較保守,即當(dāng)穩(wěn)定性條件不滿足時(shí),控制系統(tǒng)仍是穩(wěn)定地.(2> 基于滑模變結(jié)構(gòu)系統(tǒng)地穩(wěn)定性分析方法 由于模糊控制器是采用語(yǔ)義表達(dá),系統(tǒng)設(shè)計(jì)中不易保證模糊控制系統(tǒng)地穩(wěn)定性和魯棒性.而滑模控制有一個(gè)明顯地特點(diǎn), 即能處理控制系統(tǒng)地非線性 ,而且是魯棒控

6、制.因此一些學(xué)者提出設(shè)計(jì)帶有模糊滑模表面地模糊控制器,從而能用李亞普諾夫理論來(lái)獲得閉環(huán)控制系統(tǒng)穩(wěn)定性地證明.Palm 和 Driankov 采用滑?？刂频馗拍罘治隽嗽鲆嬉?guī)劃地閉環(huán)模糊控制系統(tǒng)地穩(wěn)定性和魯棒性.另有一些學(xué)者用模糊推理來(lái)處理控制系統(tǒng)地非線性和減少控制震顫,使得基于李亞普諾夫方法可保證控制系統(tǒng)地穩(wěn)定性. 基于變結(jié)構(gòu)系統(tǒng)理論,可以得到控制系統(tǒng)地跟蹤精度和模糊控制器地I/O 模糊集映射形狀之間地關(guān)系 ,從而可以解釋模糊控制器地魯棒性和控制性能. 文獻(xiàn)等研究了基于變結(jié)構(gòu)控制框架地模糊控制系統(tǒng)地穩(wěn)定性,通過輸出反饋地模糊變結(jié)構(gòu)控制, 并用李亞普諾夫方法證明了閉環(huán)控制系統(tǒng)是全局有界輸入有界輸出

7、穩(wěn)定地.若使用變結(jié)構(gòu)控制類型地模糊規(guī)則集 ,模糊控制器從語(yǔ)義和定量上可顯示出變結(jié)構(gòu)地特性.為便于李亞普諾夫穩(wěn)定性判據(jù)能指導(dǎo)設(shè)計(jì)和調(diào)整模糊控制器,文獻(xiàn)推導(dǎo)出模糊控制器地具體數(shù)學(xué)表達(dá)式 .(3> 描述函數(shù)方法描述函數(shù)方法可用于預(yù)測(cè)極限環(huán)地存在、頻率、幅度和穩(wěn)定性.通過建立模糊控制器與多值繼電控制器地關(guān)系 ,描述函數(shù)方法可用于分析模糊控制系統(tǒng)地穩(wěn)定性2. 另外 ,指數(shù)輸入地描述函數(shù)技術(shù)也能用于研究模糊控制系統(tǒng)地暫態(tài)響應(yīng).雖然描述函數(shù)方法能用于SISO 和 MISO 模糊控制器以及某些非線性對(duì)象模型,但不能用于三輸入及以上地模糊控制器.并且由于這種方法一般應(yīng)用于非線性系統(tǒng)中確定周期振蕩地存在性,

8、因此只是一種近似穩(wěn)定性分析方法 .(4> 圓穩(wěn)定性判據(jù)方法 圓判據(jù)可用于分析和再設(shè)計(jì)一個(gè)模糊控制系統(tǒng).使用扇區(qū)有界非線性地概念,一般化地奈魁斯特<圓)穩(wěn)定性判據(jù)可用于分析SISO 和 MIMO 模糊系統(tǒng)地穩(wěn)定性,并且擴(kuò)展圓判據(jù)可用于推導(dǎo)一類簡(jiǎn)單模糊 PI 控制系統(tǒng)穩(wěn)定性地充分條件. 由于圓判據(jù)要求比較嚴(yán)格,Furutani提出一種移動(dòng)地波波夫判據(jù)，用于分析模糊控制系統(tǒng)地穩(wěn)定性.當(dāng)此判據(jù)中參數(shù)8設(shè)為零時(shí) ,該判據(jù)與圓判據(jù)一致4. 除了以上介紹地方法外,模糊控制系統(tǒng)地穩(wěn)定性分析還有相平面法、關(guān)系矩陣分析法、超穩(wěn)定理論、Popov判據(jù)、模糊穴一穴映射、數(shù)值穩(wěn)定性分析方法以及最近出現(xiàn)地魯棒

9、控制理論分析方法和 LMI< 矩陣不等式)凸優(yōu)化方法等.2.2 自適應(yīng)模糊控制器地研究 5 為了提高模糊控制系統(tǒng)地自適應(yīng)能力 ,許多學(xué)者對(duì)自適應(yīng)模糊控制器進(jìn)行了研究,研究方向主要集中在以下方面.(1> 自校正模糊控制器 自校正模糊控制器是在常規(guī)模糊控制地基礎(chǔ)上，采用加權(quán)推理決策，并引入?yún)f(xié)調(diào)因子，根據(jù)系統(tǒng)偏差e和偏差變化ec地大小，預(yù)測(cè)控制系統(tǒng)中地不確定量并選擇一個(gè)最佳地控制參數(shù)或控制規(guī)則集, 在線自動(dòng)調(diào)整保守和大膽控制地混合程度 ,從而更全面確切地反映出人對(duì)諸因素地綜合決策思想, 提高系統(tǒng)地控制精度和魯捧性能.目前這種變結(jié)構(gòu)地自校正模糊控制器是根據(jù)被調(diào)量e和ec在線選取最佳控制規(guī)則

10、及控制決策地，而對(duì)于一些復(fù)雜地生產(chǎn)過程,其生產(chǎn)工藝和環(huán)境因素都較為復(fù)雜,往往不能只考慮系統(tǒng)地偏差和偏差變化率來(lái)確定其控制策略,難于總結(jié)出比較完整地經(jīng)驗(yàn),此時(shí)模糊控制規(guī)則或者缺乏 ,或者很粗糙,并且當(dāng)被控對(duì)象參數(shù)發(fā)生變化或受到隨機(jī)干擾影響時(shí), 都會(huì)影響模糊控制地效果.(2> 自組織模糊控制器 自組織模糊控制器能自動(dòng)對(duì)系統(tǒng)本身地參數(shù)或控制規(guī)則進(jìn)行調(diào)整,使系統(tǒng)不斷完善,以適應(yīng)不斷變化地情況,保證控制達(dá)到所希望地效果.它根據(jù)自動(dòng)測(cè)量得到地實(shí)際輸出特征和期望特征地偏差 ,確定輸出響應(yīng)地校正量并轉(zhuǎn)化控制校正量,調(diào)整模糊控制規(guī)則,作用于被控對(duì)象.其基本特征是：控制算法和規(guī)則可以通過在線修改,變動(dòng)某幾個(gè)

11、參數(shù)可以改變控制結(jié)果.它不僅僅是局限于某個(gè)對(duì) 象 ,而 是通過自組 織適 應(yīng)幾類 對(duì)象.有代 表性為以下三種類 型： 為自校正模糊控制器：在常規(guī)模糊控制中增加系統(tǒng)辨別和修正控制功能.通過使用一個(gè)較為粗糙地初期模型,經(jīng)過模糊控制器地自組織功能 ,達(dá)到在線修正模糊控制規(guī)則 ,完善系統(tǒng)性能,使其達(dá)到預(yù)期地要求； 自調(diào)整比例因子模糊控制器：通過調(diào)整系統(tǒng)偏差及偏差變化率地比例因子來(lái)控制模糊控制器中地輸出量地比例系數(shù),即改變系統(tǒng)地增益.它充分體現(xiàn)了操作者手動(dòng)控制地思維特點(diǎn)和控制策略,保證了系統(tǒng)有良好地動(dòng)態(tài)性和穩(wěn)態(tài)精度； 模糊自整定PID 參數(shù)控制器：應(yīng)用模糊集理論,根據(jù)系統(tǒng)運(yùn)行狀態(tài),在線整定控制器 PID

12、 參數(shù) KP 、 KI 、 KD .由于模糊自整定參數(shù)KP 、 KI 、 KD 與偏差 e 變化率 ec 間建立起在線自整定函數(shù)關(guān)系,且這種關(guān)系是根據(jù)人地經(jīng)驗(yàn)和智慧積累起來(lái)地,使系統(tǒng)在不同地運(yùn)動(dòng)狀態(tài)下能對(duì)PID 控制器參數(shù)實(shí)現(xiàn)智能調(diào)節(jié) ,能明顯改善被控過程地動(dòng)態(tài)性和穩(wěn)定性能,提高抗干擾能力和魯棒性.2.3 模糊控制與其他智能技術(shù)分支相結(jié)合 作為智能控制地一種新方法, 模糊控制與智能領(lǐng)域地一些其他新技術(shù)相結(jié)合向著更高層次地應(yīng)用發(fā)展也是目前研究熱點(diǎn)之一.下面簡(jiǎn)要介紹模糊控制與神經(jīng)網(wǎng)絡(luò)和遺傳算法地結(jié)合情況.(1> 模糊控制與神經(jīng)網(wǎng)絡(luò)(NN> 地結(jié)合 神經(jīng)網(wǎng)絡(luò)是由大量地簡(jiǎn)單處理單元構(gòu)成地非

13、線形動(dòng)力系統(tǒng),能映射任意函數(shù)關(guān)系 ,且具有學(xué)習(xí)性,能處理不完整、不精確地、非常模糊地信息.模糊控制和神經(jīng)網(wǎng)絡(luò)之間具有很強(qiáng)地互補(bǔ)性 ,一方面對(duì)神經(jīng)網(wǎng)絡(luò)來(lái)說知識(shí)抽取和知識(shí)表達(dá)比較困難 ,而模糊信息處理方法對(duì)此卻很有效；另一面,模糊模式很難從樣本中直接學(xué)習(xí)規(guī)則,且在模糊推理過程中會(huì)增加模糊性,但神經(jīng)網(wǎng)絡(luò)能進(jìn)行有效地學(xué)習(xí) ,并且采用聯(lián)想記憶而降低模糊摘 6.由此可見,神經(jīng)網(wǎng)絡(luò)適合于處理非結(jié)構(gòu)化信息,而模糊模式對(duì)處理結(jié)構(gòu)化地知識(shí)更有效.模糊控制與神經(jīng)網(wǎng)絡(luò)地融合系統(tǒng)是一種自適應(yīng)模糊控制系統(tǒng).目前 ,實(shí)現(xiàn)模糊控制地神經(jīng)網(wǎng)絡(luò)從結(jié)構(gòu)上看主要有兩類,其一是在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中引入模糊模式,使其具有處理模糊信息地能力,

14、如把神經(jīng)元中地加權(quán)求和運(yùn)算轉(zhuǎn)變?yōu)椤安ⅰ焙汀敖弧钡刃问降啬：壿嬤\(yùn)算以構(gòu)成模糊神經(jīng)元；其二是直接利用神經(jīng)網(wǎng)絡(luò)地學(xué)習(xí)功能及映射能力 ,去等效模糊控制中地模糊功能塊 ,如模糊化、模糊推理、反模糊化等 ,目前研究應(yīng)用最為廣泛地ANFIS 模糊神經(jīng)網(wǎng)絡(luò)就屬于這一類.ANFIS 網(wǎng)絡(luò)一般由五層前向網(wǎng)絡(luò)組成,每層都有明確地含義 ,第一層為輸入層；第二層計(jì)算隸屬度函數(shù)；第三層計(jì)算每條規(guī)則地使用度；第四層進(jìn)行歸一化計(jì)算；第五層實(shí)現(xiàn)清晰化即解模糊化 .ANFIS 網(wǎng)絡(luò)所包含地信息能夠清晰地獲得,克服了BP 網(wǎng)絡(luò)黑箱型操作地不足 7. 采用神經(jīng)元網(wǎng)絡(luò)實(shí)現(xiàn)地模糊控制 ,對(duì)于知識(shí)地表達(dá)并不是通過顯式地一條條規(guī)則,而是把

15、這些規(guī)則隱含地分布在整個(gè)網(wǎng)絡(luò)之中.在控制應(yīng)用中不必進(jìn)行復(fù)雜費(fèi)時(shí)地規(guī)則搜索、推理,而只須通過高速并行分布計(jì)算就可產(chǎn)生輸出結(jié)果,這在某種意義上與人地思維更為接近.（2> 模糊控制與遺傳算法<GA ）地結(jié)合 遺傳算法是一種借鑒生物界自然選擇和自然遺傳機(jī)制地隨機(jī)化搜索算法, 由美國(guó)Michigan 大學(xué)地 Holland 教授首先提出 .選擇、交叉和變異是遺傳算法地三個(gè)主要操作算子,它們構(gòu)成了所謂地遺傳操作10. 遺傳算法主要特點(diǎn)是群體搜索策略和群體中個(gè)體之間地信息交換,搜索不依賴于梯度信息,這使得它可以高效率地發(fā)現(xiàn)全局最優(yōu)解或接近最優(yōu)解,并避免陷入局部最優(yōu)解,而且對(duì)問題地初始條件要求較少

16、 . 目前利用遺傳算法優(yōu)化模糊控制器時(shí), 優(yōu)化地主要對(duì)象是隸屬函數(shù)和模糊控制規(guī)則集 .根據(jù)優(yōu)化 對(duì) 象地不同,現(xiàn)有地研究可分為以下幾種類型： 已知模糊控制規(guī)則,利用GA 優(yōu)化隸屬函數(shù)一般先設(shè)定隸屬函數(shù)地形狀,實(shí)踐表明,三角形型、梯形型、高斯型等比較簡(jiǎn)單地隸屬函數(shù)即可滿足一般模糊控制器地需要.設(shè)定隸屬函數(shù)形狀后,確定待尋優(yōu)地隸屬函數(shù)參數(shù),一般高斯型有2 個(gè)參數(shù),三角形有3 個(gè)參數(shù) ,梯形有 4 個(gè)參數(shù).利用已有知識(shí)確定各參數(shù)地大致允許范圍 ,并對(duì)參數(shù)進(jìn)行編碼,將所有地待尋優(yōu)參數(shù)串接起來(lái)構(gòu)成一個(gè)個(gè)體 ,代表一個(gè)模糊控制器.然后建立一定地性能指標(biāo),最后便可利用遺傳算法地一般步驟進(jìn)行尋優(yōu).已知隸屬函數(shù)

17、，利用GA優(yōu)化模糊控制規(guī)則事先確定輸入輸出隸屬函數(shù)地形狀和各參數(shù)，將每個(gè)輸入輸出變量劃分為一定數(shù)量地模糊子集, 從而確定最大可列舉規(guī)則數(shù),將一個(gè)規(guī)則表按一定地順序展開為一維, 并編碼為一個(gè)個(gè)體. 隨機(jī)地選擇一定數(shù)量地個(gè)體作為初始群體 ,對(duì)這些個(gè)體進(jìn)行遺傳操作,實(shí)現(xiàn)控制規(guī)則地優(yōu)化 8. 同時(shí)優(yōu)化隸屬函數(shù)和模糊控制規(guī)則 隸屬函數(shù)和模糊控制規(guī)則不是相互獨(dú)立而是相互聯(lián)系地,因此很多學(xué)者認(rèn)為固定隸屬函數(shù)優(yōu)化模糊控制規(guī)則或固定模糊控制規(guī)則優(yōu)化隸屬函數(shù)地做法人為地割裂了這種聯(lián)系 ,使優(yōu)化得到地隸屬函數(shù)或控制規(guī)則失去了原來(lái)地意義,建議應(yīng)該同時(shí)對(duì)二者進(jìn)行調(diào)整,并在這方面做了一些工作.3 模糊控制地發(fā)展前景 在模

18、糊控制地發(fā)展初期 ,大多數(shù)學(xué)者地主要精力放在模糊控制地應(yīng)用研究上,在很多領(lǐng)域取,以至于西得輝煌地成果.但與應(yīng)用地成果相比 ,模糊控制地系統(tǒng)分析和理論研究卻沒有顯著進(jìn)展方地一些學(xué)者對(duì)模糊控制地理論依據(jù)和有效性產(chǎn)生疑慮.1993 年 7 月 ,在美國(guó)第十一屆人工智能年會(huì)上 ,加州大學(xué)圣地亞哥分校計(jì)算機(jī)科學(xué)和工程系助教授Clarles Elkan 博士地一篇題為“模糊邏輯似是而非地成功”報(bào)告, 就代表了這種思想. 雖然 C.Elkan 地一些觀點(diǎn)是不確切和片面地,會(huì)后很多專家對(duì)此進(jìn)行了批駁, 但他確確實(shí)實(shí)指出了模糊控制理論基礎(chǔ)不夠堅(jiān)實(shí)地缺點(diǎn),從而引起了模糊控制領(lǐng)域地學(xué)者地廣泛關(guān)注并加強(qiáng)了對(duì)這一方面地研究.通過上節(jié)地介紹可以看到,目前