Základní koncept
Pravidla fuzzy kontroly
Pravidla fuzzy kontroly je jádrem fuzzy regulátoru a jeho správnost přímo ovlivňuje výkon regulátoru, jeho počet Polyworld je také důležitým faktorem při měření výkonu regulátoru.
Pravidla fuzzy řízení jsou součástí znalostní báze fuzzy regulátoru a pravidla fuzzy řízení jsou založena na jazykových proměnných. Jazykové proměnné jsou „velké“, „střední“, „malé“ atd., každá fuzzy podmnožina naznačuje, že přesná hodnota základních argumentů patří do rozsahu fuzzy podmnožiny. Proto, aby bylo možné stanovit fuzzy kontrolní pravidlo, je vyžadována přesná hodnota na základní diskusi v souladu s funkcí příslušnosti ke každé fuzzy podmnožině, takže přesná hodnota je nahrazena jazykovou proměnnou (velká, střední, malá, malá , atd.). Tento proces představuje fuzzy dělení sledované veličiny a regulačního množství během regulace. Protože každá proměnná má rozsah hodnot, každý ze základních argumentů je nejprve mapován na standardizovaný argument v různých korespondencích. Typicky je shoda brána jako kvantizační faktor. Pro snazší zpracování oddělte standardy a další separace, pak fuzzy dělení, definujte fuzzy podmnožinu, jako je NB, PZ, PS atd. Stejná knihovna fuzzy řídicích pravidel, jiné vágní rozdělení základních aromat a kontrolní efekt je také různé.
Fuzzy ovladač
Jak je znázorněno na obrázku 1, základní struktura fuzzy regulátoru zahrnuje znalostní bázi, fuzzy uvažování, nejednoznačnost a kvantifikaci výstupu.
(1) Znalostní báze
Znalostní báze zahrnuje knihovnu parametrů fuzzy regulátoru a databázi fuzzy regulačních pravidel. Konkrétně odpovídající vztahy, standardní argumenty, fuzzy podmnožiny a přidružené funkce každé fuzzy podmnožiny mají velký vliv na ovládání. Tyto tři typy parametrů jsou stejně důležité, takže je spotřebovávají do knihovny fuzzy řídicích pravidel, aby vytvořily znalostní bázi s bankou fuzzy řídicích pravidel.
(2) Fuzzy
Změnit přesné vstupní množství na nejednoznačné množství F má dva způsoby:
A. Převod přesného množství na standardní teorii Fuzzy single point set na doméně.
Přesné množství X je převedeno na základní prvek na standardním aroma X vztahem korespondence s odpovídajícím vztahem G.
b. Převeďte přesnou částku na fuzzy podmnožinu normy.
Přesné množství je převedeno na základní prvek standardní diskuse v odpovídajícím vztahu a fuzzy podmnožinu maximálního stupně členství, tj. fuzzy podmnožinu přesnosti.
(3) Fuzzy uvažování
Nejzákladnější forma fuzzy uvažování je:
předpoklad 1, když A TAK B
Předpoklady 2 IF A '
Závěry pak B'
kde A, A 'je fuzzy podmnožina oboru u, B, b' je fuzzy podmnožina pole V. Předpoklady 1 se nazývají fuzzy implikace, nezapomeňte, že je A → B. V praktických aplikacích se obecně provádí pro každé pravidlo a poté je konečný výsledek uvažování získán celkovým výsledkem uvažování.
(4) Přesné
Fuzzy podmnožina uvažování, která se má převést na přesnou hodnotu, aby se získal konečný výstup kontrolního množství Y. Běžně používané dvě přesné metody:
A. Způsob maximálního členství. V odůvodnění fuzzy podmnožiny vyberte jako přesnost průměr největších standardů pro největší úroveň.
b. gravitační metoda. Jako výsledky přesnosti slouží funkce stupně aférující podmnožiny fuzzy podmnožin a kritéria těžiště horizontální souřadnice. Po získání přesnosti výsledku uvažování by mělo být také založeno na odpovídajícím vztahu, aby se získal konečný kontrolní výstup Y.
Pravidla fuzzy kontroly Zdroj
Fuzzy kontrolní pravidla pro získání metody:
(1) Odborníci a znalosti
Fuzzy řízení Expertní systém, odborná praxe v řídicím systému a znalost jeho návrhu. Lidstvo je posuzováno v každodenním životě pomocí jazykové kvalitativní analýzy než numerické kvantitativní analýzy; a fuzzy řídicí pravidla poskytují přirozenou architekturu, která popisuje lidské chování a analýzu rozhodování; znalosti odborníků lze obvykle vyjádřit KDYŽ .... PAK .
Dotazováním zkušených odborníků, získáním znalostí systému a znalostí se změní na typ if ....Ten, lze vytvořit pravidla fuzzy řízení. Kromě toho, aby bylo dosaženo nejlepšího výkonu systému, je často nutné použít metodu mise vícekrát k opravě pravidel fuzzy řízení.
(2) Provozní režim operátora
populární expertní systém, jeho myšlenka uvažuje pouze o znalostech. Experti mohou nenápadně obsluhovat složité řídicí objekty, ale pro přihlášení odborníků to vyžaduje zvážení technik. Mnoho průmyslových systémů nemůže provádět správné řízení s obecnou teorií řízení, ale zkušení operátoři mohou tyto systémy úspěšně ovládat bez matematického režimu: to nás inspiruje k zaznamenání provozního režimu operátora a jeho uspořádání do IF .... Typ potom může tvořit sadu řízení. pravidla.
(3) Učení
Aby se zlepšil výkon fuzzy regulátoru, musí se stát samoučícím se nebo samotkáňovým, což umožní fuzzy regulátoru růst podle nastaveného cíle nebo upravit pravidla fuzzy regulace.
Pravidla fuzzy ovládání
Pravidla fuzzy kontroly lze rozdělit do dvou:
(1) pravidla fuzzy kontroly pro hodnocení stavu
< P> State Evaluation Pravidla fuzzy kontroly Similar to human intuition, it is used by most fuzzy controllers, its forms are as follows: in which
(2) Vyhodnocení cíle Pravidlo fuzzy kontroly
cíl Pravidlo fuzzy kontroly pro hodnocení objektů může vyhodnotit cíl kontroly a předpovědět budoucí kontrolní signál, formulář je následující:
Tabulka pravidel fuzzy kontroly
aktuální aplikace fuzzy řízení, počáteční problém Jde o návrh regulátoru, tedy jak navrhnout metodu fuzzy řízení.
Uvnitř fuzzy regulátoru je tato tabulka tabulkou fuzzy pravidel, kde e představuje chybu, EC představuje změnu chyby, u je výstupní proměnná, první sloupec (NB, NM, ....) je E Jazyková proměnná, stejně, první řádek je jazyková proměnná EC. Má tři metody pro vytvoření tohoto fuzzy pravidla:
(1) je založen na kontrole technických znalostí a vyspělosti.
(2) vychází ze skutečného kontrolního procesu provozovatele.
(3) zpracovat fuzzy model.