Concetto di base
Regole di controllo fuzzy
Le regole di controllo fuzzy sono il cuore del controller fuzzy e la sua correttezza influisce direttamente sulle prestazioni del controller, il suo numero Il polyworld è anche un fattore importante nella misurazione delle prestazioni del controller.
Le regole di controllo fuzzy fanno parte della knowledge base nel controller fuzzy e le regole di controllo fuzzy sono basate su variabili di linguaggio. Le variabili linguistiche sono "grandi", "medie", "piccole", ecc., ogni sottoinsieme fuzzy suggerisce che il valore esatto degli argomenti di base appartiene all'estensione del sottoinsieme fuzzy. Pertanto, per stabilire una regola di controllo fuzzy, è richiesto il valore esatto sulla discussione di base in accordo con la funzione di appartenenza a ciascun sottoinsieme fuzzy, in modo che il valore esatto sia sostituito con la variabile di lingua (grande, medio, piccolo, piccolo , eccetera.). Questo processo rappresenta la divisione sfocata della variabile osservata e la quantità di controllo durante il controllo. Poiché ogni variabile varia l'intervallo di valori, ciascuno degli argomenti di base viene prima mappato a un argomento standardizzato in diverse corrispondenze, rispettivamente. Tipicamente, la corrispondenza viene presa come fattore di quantizzazione. Per facilitare l'elaborazione, separare gli standard e altre separazioni, quindi dividere fuzzy, definire il sottoinsieme fuzzy, come NB, PZ, PS, ecc. La stessa libreria di regole di controllo fuzzy, diversa divisione vaga degli aromi di base e l'effetto di controllo è anche diverso.
Controllore sfocato
Come mostrato nella Figura 1, la struttura di base del controller fuzzy include una base di conoscenza, ragionamento fuzzy, ambiguità e quantificazione dell'output.
(1) Base di conoscenza
La Knowledge Base include una libreria di parametri del controller fuzzy e una base di regole di controllo fuzzy. Nello specifico, le relazioni corrispondenti, gli argomenti standard, i sottoinsiemi fuzzy e le funzioni di affiliazione di ciascun sottoinsieme fuzzy hanno un grande impatto sul controllo. Questi tre tipi di parametri hanno la stessa importanza, quindi li consumano nella libreria di regole di controllo fuzzy per formare una base di conoscenza con la banca di regole di controllo fuzzy.
(2) sfocato
Cambia la quantità di input accurata nella quantità ambigua F ha due metodi:
UN. Conversione dell'importo esatto nella teoria standard Singolo punto fuzzy impostato sul dominio.
La quantità esatta di X viene convertita nell'elemento base sull'aroma standard X dalla relazione di corrispondenza con la relazione corrispondente G.
B. Converti l'importo esatto nel sottoinsieme fuzzy di standard sorge.
L'importo esatto viene convertito nell'elemento di base sulla discussione standard nella relazione corrispondente e nel sottoinsieme fuzzy del grado di appartenenza massimo, ovvero un sottoinsieme fuzzy dell'accuratezza.
(3) Ragionamento sfocato
La forma di ragionamento fuzzy più elementare è:
premessa 1 se A ALLORA B
Prerequisiti 2 SE A '
Conclusioni Allora B'
dove A, A 'è il sottoinsieme fuzzy del dominio u, B, b' è il sottoinsieme fuzzy del campo V. I prerequisiti 1 sono chiamati le implicazioni fuzzy, ricordati di essere A → B. Nelle applicazioni pratiche, viene generalmente eseguito per ciascuna regola, quindi il risultato finale del ragionamento è ottenuto dal risultato totale del ragionamento.
(4) Preciso
Il sottoinsieme fuzzy del ragionamento da convertire in un valore esatto per ottenere l'output della quantità di controllo finale Y. Vengono comunemente utilizzati due metodi di precisione:
UN. Metodo massimo di appartenenza. Nel ragionamento sul sottoinsieme fuzzy, seleziona la media degli standard più grandi per il livello più grande come accuratezza.
B. metodo gravitazionale. La funzione di grado del sottoinsieme degli affari di sottoinsiemi sfocati e i criteri del centro di gravità della coordinata orizzontale sono risultati di precisione. Dopo aver ottenuto l'accuratezza del risultato del ragionamento, dovrebbe essere basato anche sulla relazione corrispondente per ottenere l'uscita di controllo finale Y.
Regole di controllo fuzzy Origine
Regole di controllo fuzzy per ottenere il metodo:
(1) Esperti e conoscenze
Controllo fuzzy Sistema esperto, esperienza esperta nel sistema di controllo e conoscenza nella sua progettazione. L'umanità viene giudicata nella vita quotidiana, utilizzando l'analisi qualitativa del linguaggio piuttosto che l'analisi quantitativa numerica; e le regole di controllo sfocate forniscono un'architettura naturale che descrive il comportamento umano e l'analisi delle decisioni; la conoscenza degli esperti può solitamente essere espressa da IF .... THEN .
Interrogando esperti esperti, ottenendo la conoscenza del sistema, e la conoscenza viene cambiata in if....Then's type, le regole di controllo fuzzy possono essere costituite. Inoltre, per ottenere le migliori prestazioni del sistema, è spesso necessario utilizzare più volte un metodo di missione per correggere le regole di controllo fuzzy.
(2) Modalità operativa dell'operatore
sistema esperto popolare, la sua idea considera solo la conoscenza. Gli esperti possono azionare sottilmente oggetti di controllo complessi, ma per registrare gli esperti, ciò richiede la considerazione delle tecniche da considerare. Molti sistemi industriali non possono eseguire un controllo corretto con la teoria del controllo generale, ma operatori esperti possono controllare con successo questi sistemi senza modalità matematica: questo ci ispira a registrare la modalità operativa dell'operatore e organizzarla in IF .... Il tipo di allora può costituire un insieme di controllo regole.
(3) Apprendimento
Per migliorare le prestazioni del controller fuzzy, deve renderlo autoapprendimento o auto-tessuto, consentendo al controller fuzzy di aumentare in base all'obiettivo impostato o modificare le regole di controllo fuzzy.
Regole di controllo fuzzy
Le regole di controllo fuzzy possono essere divise in due:
(1) regole di controllo fuzzy per la valutazione dello stato
< P> State Evaluation Regole di controllo fuzzy Similar to human intuition, it is used by most fuzzy controllers, its forms are as follows: in which
(2) Valutazione del target Regola di controllo fuzzy
target La regola di controllo fuzzy per la valutazione dell'oggetto può valutare l'obiettivo di controllo e prevedere il segnale di controllo futuro, la forma è la seguente:
Tabella delle regole di controllo fuzzy
controllo fuzzy dell'applicazione effettiva, il problema iniziale È il design del controller, ovvero come progettare un metodo di controllo fuzzy.
All'interno del controller fuzzy, questa tabella è una tabella di regole fuzzy, dove e rappresenta l'errore, EC rappresenta la modifica dell'errore, u è la variabile di output, la prima colonna (NB, NM, ....) è E La variabile di lingua, lo stesso, la prima riga è la variabile di lingua di EC. Ha tre metodi per stabilire questa regola fuzzy:
(1) si basa sul controllo delle conoscenze ingegneristiche e della maturità.
(2) si basa sull'effettivo processo di controllo dell'operatore.
(3) processo modello fuzzy.