模糊逻辑系统的结构及应用

近半个世纪以来，自动控制理论经历了经典控制和现代控制两个重要发展阶段，它们是建立在对被控对象的模型精确了解的基础上。而在实际控制中，许多被控对象和过程常常呈非线性、不确定性，很难建立理想的模型，这使得依赖于模型的传统控制理论的应用受到了极大的限制。对于某些复杂的对象，即使能建立起数学模型，也会因整个系统过于复杂而难以进行实时控制。因此，人们期望一种少依赖或不依赖模型的智能型控制方法。模糊控制正是在这样一种背景下产生的。

模糊理论是在美国伯克利加州大学电气工程系教授L.A.Zadeh于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。其核心是对复杂的系统或过程建立一种语言分析的数学模式，使人们日常生活中的自然语言能直接转化为计算机所能接受的算法语言。

模糊逻辑系统由模糊规则库、模糊推理机、模糊化接口和清晰化接口四部分组成。其基本结构如图6-8所示。

图6-8 模糊逻辑系统的基本结构

（1）模糊规则库 模糊规则库是具有如下形式规则的总和：

Rⁱ：if x₁ is Fⁱ₁ and … and x_n is Fⁱn

then y is Y_ii=1，2，…，r （6-18）

式中，Rⁱ为被控对象的描述规则；x_j为输入变量；F_jⁱ为第j个模糊集；r为模糊规则数。

模糊规则来源于人们离线或在线对控制过程的了解。人们通过直接观察控制过程，或对控制过程建立数学模型仿真，对控制过程的特性能够有一个直观的认识。虽然这种认识并不是很精确的数学表达，而只是一些定性描述，但它能够反映过程控制的本质，是人的智能的体现。在此基础上，人们往往能够成功地实施控制。因此，建立在语言变量基础上的模糊控制规则为表达人的控制行为和决策过程提供了一条途径。(www.xing528.com)

（2）模糊推理机 模糊推理机是模糊逻辑系统和模糊控制的“心脏”，它根据模糊系统的输入和模糊推理规则，经过模糊关系合成和模糊推理合成等逻辑运算，得出模糊系统的输出。

（3）模糊化接口 模糊化接口的作用是将一个确定的点x∈（x₁…x_n）^T∈U映射成一个模糊集合x。映射方式至少有两种：

1）单点模糊化。若A′对支撑集为单点模糊集，则对某一点x′=x时有μ_A（x）=1，而对其余所有的点x′≠x，x′∈U，有μ_A（x）=0。几乎所有的模糊化算子都是采用单点模糊算子。

2）非单点模糊化。当x′≠x时有μ_A（x）=1，但当x′逐渐远离x时μ_A（x）从1开始衰减。

（4）清晰化接口 因为在实际控制中，系统的输出是精确的量，不是模糊集，但模糊推理或系统的输出是模糊集，而不是精确的量。所以清晰化接口的作用是将V上的模糊集合映射为一个确定的点。通常清晰化有如下几种形式：

1）最大隶属度方法。选取模糊子集中隶属度最大的元素作为控制量。

2）重心法。将模糊推理得到的模糊集合的隶属度函数与横坐标围成的面积的中心所对应的V上的数值作为精确化结果。

3）中心加权平均法。对V上各模糊集合的中心加权平均得到精确结果。

概括地讲，模糊控制具有以下特点：模糊控制是一种非线性控制方法，工作范围宽，适用范围广，特别适合于非线性系统的控制；不依赖于对象的数学模型，对无法建模或很难建模的复杂对象，也能利用人的经验知识或其他方法来设计模糊控制器，完成控制任务，而传统的控制方法都要已知被控对象的数学模型，才能设计控制器；具有极强的鲁棒性，对被控对象的特性变化不敏感，模糊控制器的设计参数容易选择调整；算法简单，执行快，易于实现；不需要很多的控制理论知识，容易普及推广。