精确值输入的模糊化处理方法

模糊控制器的输入量，即误差e和误差变化率ec。

输入量精确值模糊化有一个量化因子问题，输入误差和误差变化率实际上是连续的，变化范围即论域为

U＝｛－n，－n＋1，…，－1，0，1，…，n－1，n｝

但采用模糊控制时，要把论域离散化成为几个量化等级，因此存在一个量化问题，就是说要用一个量化因子进行论域转换。

例如身高，可表示为

身高＝（1.2，1.4，1.6，1.7）

要把它们模糊化为较矮，矮，中等，高，较高等等级，则哪个属于矮，哪个属于较高，就有一个转化问题。

设在模糊论域为｛－e，e｝或｛－ecec｝中，取一个转化系数叫做量化因子和比例因子k

k_e＝n／ek_ec＝n／ec，k_u＝n／u

k_e、k_ec为输入量化因子

k_u为输出比例因子，模糊控制经过反模糊化后得到的量化等级n与比例因子k_u的乘积即为实际的输出量。应注意的是，k值若取得过大，就会造成被控过程阻尼程度下降；相反，若取得过小，将使被控过程的响应特性迟缓。

为了实现模糊控制器的标准化设计，目前在实际中常用的处理方法是Zadeh提出的方法，将偏差e和ec的变化范围设定为［－6，＋6］区间连续变化量，使之离散化，构成含7个整数元素的离散集合：即正大、（PB）、正中（PM）、正小（PS）、零（0）、负小（NS）、负中（NM）和负大（NB）等这7个语言值来描述。有时将零分为正零（PO）和负零（NO）两个值，以表示误差变化在当前是增加趋势还是减小的趋势。这样就构成了8个语言变量值｛NB、NM、NS、PO、NO、PS、PM、PB｝，当语言变量为7个时，这些语言变量称为模糊子集，隶属函数、模糊集合如图3-8所示，横轴表示变化范围。

各个语言变量模糊子集的取值一般采取：

正大（PB）＋4～＋6(www.xing528.com)

正中（PM）＋2～＋6

正小（PS）0～＋4

零（0）－2～2

负小（NS）－4～0

负中（NM）－6～－2

负大（NB）－6～－4

图3-87 个三角隶属函数语言值的模糊集合

表3-1为元素从属于8个模糊子集的隶属度参考表。在实际工作中，精确输入量的变化一般不会在［－6，6］之间，如果其范围是在［a，b］之间的话，可以通过变换计算

将X在［a，b］之间变换的变量转换为［－6，6］之间变化的变量。

表3-1 模糊子集的隶属度