CN103412482A - 一种动态模糊控制系统及其控制方法 - Google Patents

Abstract

本发明公开了一种动态模糊控制系统，该动态模糊控制系统包括动态模糊化接口模块、动态模糊推理模块、清晰化接口模块和动态模糊知识库模块，通过动态模糊化接口模块接收采样输入量，与参考输入量对比将其偏差量映射到动态模糊输入论域上，得到动态模糊输入量；由动态模糊推理模块根据动态模糊知识库模块的动态模糊控制规则进行推理计算，得到动态模糊控制输出量，并由清晰化接口模块对动态模糊控制输出量进行清晰化，得到确定的控制输出量并输出至一执行机构，由所述执行机构控制被控对象；该动态模糊控制系统不仅很好地解决了非线性动态模糊系统过程控制中的动态性问题，而且更加体现了该动态模糊控制系统的动态模糊特性、提高控制系统的品质。

Description

一种动态模糊控制系统及其控制方法

技术领域

本发明涉及智能控制领域，尤其涉及一种动态模糊控制系统及其控制方法。 

背景技术

传统的自动控制，包括经典控制和现代控制，而经典控制和现代控制的控制器的设计都要建立在被控对象的精确数学模型的基础上，但在实际应用中，许多系统的影响因素很多，呈现出非线性、强耦合、时变及滞后的特性，其被控对象的精确数学模型非常复杂或根木就不存在，不能用传统的控制方法进行控制。 

为此，人们提出了模糊控制、人工神经网络控制等智能控制方法，为解决非线性复杂系统的控制问题提供了一种有效途径；其中，模糊控制由于其直接利用人类专家经验作为控制规则，不需要建立精确的数学模型，使得控制机理和控制策略易于理解和接受，并且对非线性复杂对象的控制显示了鲁棒性好、控制性能高的优点，现已成为智能控制的一种重要技术手段。 

目前的模糊控制其模糊逻辑部分大多是静态的，不具备动态性能，是一种静态控制器；现有技术中提出了一种新的动态模糊控制器（西安电子科技大学学报），该动态模糊控制器通过增加控制系统的输入参数以及额外的模糊推理规则实现，不仅增加了系统的复杂性，而且其核心的控制规则仍然是基于静态的模糊逻辑原理。 

另外，为了克服模糊控制的模糊规则主要依靠人的经验、静态误差大、不具有自学习能力等缺点，达到优化设计的目的，人们又将模糊规则与其他自学习和优化技术相结合形成了模糊混合方法，如模糊PID控制、模糊神经网络控制、模糊专家系统控制、模糊遗传算法控制等。但这些方法主要是针对控制系统中的静态特性、模糊性、自学习性提出的，不能很好地解决非线性动态模糊系统过程控制中的动态性问题。 

因此，有必要提出一种动态模糊控制系统，使其既能解决复杂的非线性动态模糊系统过程控制中的动态性问题，又能很好地在线追踪被控对象参数的变化趋势。 

发明内容

为了克服现有技术的缺陷，本发明旨在提供一种不仅具有模糊控制系统的优点，而且不必额外增加控制系统的输入参数和控制规则，实现简单、直观，并能在线追踪被控对象参数变化的动态模糊控制系统及其控制方法。 

为了实现上述目的，本发明提供了一种动态模糊控制系统，包括动态模糊知识库模块、动态模糊化接口模块、动态模糊推理模块以及清晰化接口模块；其中，所述动态模糊化接口模块连接一测量装置，所述动态模糊化接口模块接收所述测量装置的采样输入量，将所述采样输入量与给定参考输入量的偏差量映射 到动态模糊输入论域上，得到动态模糊输入量，并将所述动态模糊输入量输入到所述动态模糊推理模块；所述动态模糊推理模块分别连接所述动态模糊化接口模块和所述清晰化接口模块，通过所述动态模糊推理模块根据所述动态模糊知识库模块提供的动态模糊控制规则，并对所述动态模糊输入量进行动态模糊蕴含及合成推理计算，得到对应动态模糊输出论域的控制输出量，并将所述控制输出量输入至所述清晰化接口模块；所述清晰化接口模块连接一执行机构，通过所述清晰化接口模块将所述控制输出量清晰化为确定的控制输出量，最后将所述确定的控制输出量输出至所述执行机构，由所述执行机构对一被控对象进行控制；其中，所述动态模糊知识库模块分别连接所述动态模糊化接口模块、所述动态模糊推理模块和所述清晰化接口模块，所述动态模糊知识库模块为所述动态模糊化接口模块、所述动态模糊推理模块和所述清晰化接口模块提供动态模糊处理的规则和相关的各种参数； 

较佳地，所述动态模糊知识库模块包括动态模糊数据库和动态模糊控制规则库，所述动态模糊数据库中包括与动态模糊控制规则以及动态模糊数据处理有关的各种参数，主要包括尺度变换参数、定义的动态模糊输入量和控制输出量的动态模糊语言值以及各动态模糊语言值的隶属函数；所述动态模糊控制规则库包括若干“IF-THEN”型动态模糊条件句，所述若干“IF-THEN”型动态模糊条件句的前件为动态模糊输入量的语言值，所述若干“IF-THEN”型的动态模糊条件句的后件为动态模糊控制输出量的语言值。 

较佳地，所述给定参考值为所述动态模糊控制系统的一个控制目标值。 

较佳地，所述采样输入量为所述测量装置从所述被控对象采集的反馈信号。 

本发明还提供一种动态模糊控制方法，包括如下步骤： 

（1）所述动态模糊化接口模块接收所述测量装置的采样输入量，并将所述采样输入量与给定参考输入量的偏差量映射到动态模糊输入论域上，得到动态模糊输入量； 

（2）所述动态模糊推理模块根据所述动态模糊输入量及动态模糊控制规则，按照动态模糊蕴涵计算法则和动态模糊推理合成法则进行推理和决策，得到动态模糊控制输出量； 

（3）所述清晰化接口模块将所述动态模糊控制输出量清晰化为确定的控制输出量，并将所述确定的控制输出量输出至执行机构，由所述执行机构根据所述确定的控制输出量对被控对象进行控制。 

较佳地，所述步骤（1）具体包括： 

①所述动态模糊化接口模块接收所述测量装置检测到的采样输入量，并将所述采样输入量与给定参考输入量进行比较，得到偏差量； 

②将所述偏差量进行尺度变换，使所述偏差量映射到动态模糊控制输入所要求的论域范围； 

③将已经变换到论域范围的偏差量进行动态模糊处理，使其变成动态模糊量，并用相应的动态模糊集合表示。 

较佳地，将所述采样输入量与给定参考输入量的偏差量映射到动态模糊输入论域上之前，需要分别确定所述偏差量与所述控制输出量的基本论域、动态模糊论域、动态模糊语言值以及所述动态模糊语言值的 隶属函数，其中： 

所述基本论域为所述偏差量和所述控制输出量的实际变化范围； 

所述动态模糊论域为动态模糊控制所要求的变化范围，包括所述偏差量对应的动态模糊输入论域和所述控制输出量对应的动态模糊输出论域； 

所述动态模糊语言值为所述偏差量与所述控制输出量在所述动态模糊论域上的取值，用动态模糊集合来表示，所述每个动态模糊语言值对应一个动态模糊集合，且所述动态模糊集合由所述动态模糊语言值的隶属函数确定。 

较佳地，所述步骤（2）进一步包括： 

首先，根据所述动态模糊输入量各语言值的隶属函数，将所述动态模糊控制规则库中各“IF-THEN”型动态模糊条件句的前件和各“IF-THEN”型动态模糊条件句的后件对应的动态模糊向量，通过动态模糊蕴涵计算法则得到每条规则的动态模糊关系矩阵，并将所述每条规则的动态模糊关系矩阵做并运算，得到总的动态模糊关系矩阵； 

然后，根据动态模糊推理合成法则，由所述动态模糊输入量和所述动态模糊关系矩阵进行合成运算，得到动态模糊控制输出量。 

较佳地，所述步骤（3）进一步包括，所述清晰化接口模块根据所述动态模糊知识库模块，利用动态模糊逻辑中的清晰化方法将所述动态模糊控制输出量转换为实际用于控制的清晰量，即所述确定的控制输出量。 

与现有技术相比，本发明的有益效果如下： 

1、本发明通过采用基于动态模糊逻辑的控制方法，将测量装置输入的采样输入量与给定参考输入量的偏差量按照动态模糊逻辑理论映射到动态模糊输入论域上，并根据动态模糊控制规则进行推理得到动态模糊控制输出量，将其清晰化后对被控对象进行控制，克服了现有控制系统不能很好地解决非线性动态模糊系统过程控制中的动态性问题的缺陷，从而能够更好地体现控制系统的动态模糊特性，并提高控制系统的品质。 

2、本发明的动态模糊控制系统及其控制方法，是基于动态模糊逻辑理论进行控制，不但具有模糊控制系统的优点，而且不必额外地增加控制系统的输入参数和控制规则，实现简单、直观，不仅能够解决复杂的非线性动态模糊系统过程控制中的动态性问题，又能很好地在线追踪被控对象参数的变化趋势。 

附图说明

图1为本发明动态模糊控制系统的结构框图； 

图2为本发明动态模糊控制系统应用于水箱液位控制的系统框图; 

图3为本发明动态模糊控制方法的流程图； 

图4为本发明实施的应用于水箱液位控制动态模糊控制方法流程图。 

符号列表： 

100-动态模糊控制系统，101-动态模糊知识库模块，102-动态模糊化接口模块，103-动态模糊推理模块，104-清晰化接口模块，200-执行机构，300-水箱，400-测量装置。 

具体实施方式：

参见示出本发明实施例的附图，下文将更详细的描述本发明。然而，本发明可以以不同形式、规格等实现，并且不应解释为受在此提出之实施例的限制。相反，提出这些实施例是为了达成充分及完整公开，并且使更多的有关本技术领域的人员完全了解本发明的范围。这些附图中，为清楚可见，可能放大或缩小了相对尺寸。 

请参考图1至图4，如图1所示，本发明提供的一种动态模糊控制系统100，包括动态模糊知识库模块101、动态模糊化接口模块102、动态模糊推理模块103以及清晰化接口模块104；该动态模糊化接口模块102连接一测量装置400，该动态模糊推理模块103分别连接动态模糊化接口模块102和清晰化接口模块104，该清晰化接口模块104连接一执行机构200，该动态模糊知识库模块101分别连接动态模糊化接口模块102、动态模糊推理模块103和清晰化接口模块104；其中：动态模糊化接口模块103接收测量装置400的采样输入量，将采样输入量与给定参考输入量的偏差量映射到动态模糊输入论域上，得到动态模糊输入量，并将该动态模糊输入量输入到动态模糊推理模块103；通过动态模糊推理模块103对动态模糊输入量经过动态模糊推理计算，得到对应动态模糊输出论域的动态模糊控制输出量，并将动态模糊控制输出量输入至清晰化接口模块104；并通过清晰化接口模块104将动态模糊控制输出量清晰化为确定的控制输出量，并将确定的控制输出量输出至执行机构200，由执行机构200对一被控对象进行控制；动态模糊知识库模块101为该动态模糊化接口模块102、动态模糊推理模块103和清晰化接口模块104提供动态模糊处理的控制规则和相关的各种参数。 

其中，动态模糊知识库模块101包括动态模糊数据库和动态模糊控制规则库，动态模糊数据库中包括与动态模糊控制规则以及动态模糊数据处理有关的各种参数，主要包括尺度变换参数、定义的动态模糊输入量和控制输出量的动态模糊语言值以及各动态模糊语言值的隶属函数；动态模糊控制规则库包括若干“IF-THEN”型动态模糊条件句，该若干“IF-THEN”型动态模糊条件句的前件为动态模糊输入量的语言值，“IF-THEN”型的动态模糊条件句的后件为动态模糊控制输出量的语言值。 

而且，给定参考输入量为动态模糊控制系统100的一个控制目标值，采样输入量为测量装置400从被控对象采集的反馈信号。 

如图2所示为一种动态模糊控制方法，利用图1所示的动态模糊控制系统对被控对象进行动态模糊控制，包括如下步骤： 

（1）动态模糊化接口模块102接收所述测量装置400的采样输入量，并将所述采样输入量与给定参考输入量的偏差量映射到动态模糊输入论域上，得到动态模糊输入量； 

步骤（1）具体包括： 

①动态模糊化接口模块102接收测量装置400检测到的采样输入量，并将采样输入量与给定参考输入量进行比较，得到偏差量； 

②将偏差量进行尺度变换，使偏差量映射到动态模糊控制输入所要求的论域范围；且此时需要确定偏差量和控制输出量的基本论域和动态模糊论域，以及用于进行尺度变换的量化因子； 

③将已经变换到论域范围的偏差量进行动态模糊化处理，使原先精准的偏差量变成动态模糊量，并用相应的模糊集合表示，且此时需要确定偏差量和控制输出量的动态模糊语言值以及动态模糊语言值的隶属函数。 

（2）动态模糊推理模块103根据所述动态模糊输入量及动态模糊控制规则，按照动态模糊蕴涵计算法则和动态模糊推理合成法则进行推理和决策，得到动态模糊控制输出量； 

步骤（2）进一步包括： 

首先，根据动态模糊输入量各语言值的隶属函数，将动态模糊控制规则库中各“IF-THEN”型动态模糊条件句的前件和各“IF-THEN”型动态模糊条件句的后件对应的动态模糊向量，通过动态模糊蕴涵计算法则得到每条规则的动态模糊关系矩阵，并将各条规则即动态模糊控制规则的动态模糊关系矩阵做并运算，得到总的动态模糊关系矩阵； 

比如：令

为论域上的动态模糊集合；

为论域

上的动态模糊集合，假设动态模糊蕴涵

是

上动态模糊关系

的描述，则由“

是 

和动态模糊控制规则“如果是

则是

得到的动态模糊集合

可定义为： 

式中“o”是合成运算符；

为动态模糊蕴涵关系，如果规则库中有n条动态模糊控制规则参与推理，则

然后，根据动态模糊推理合成法则，由所述动态模糊输入量和所述动态模糊关系矩阵进行合成运算，得到动态模糊控制输出量； 

用最大-最小合成运算时

的计算式为： 

（3）清晰化接口模块104将所述动态模糊控制输出量清晰化为确定的控制输出量，并将所述确定的控制输出量输出至执行机构，由所述执行机构200根据所述确定的控制输出量对被控对象进行控制； 

动态模糊逻辑中常用的清晰化方法有平均最大隶属度法、中位数法和加权平均法，本实施例通过加权平均法的计算方法进行计算，即取动态模糊控制量

的隶属度的加权平均值作为其清晰值有： 

$(\stackrel{\←}{z_0},\stackrel{\→}{z_0})=\frac{\underset{(\stackrel{\←}{a},\stackrel{\→}{a})}{\overset{(\stackrel{\→}{b},\stackrel{\←}{b})}{\∫}}(\stackrel{\←}{z},\stackrel{\→}{z})(\stackrel{\←}{C\′}\left(\stackrel{\←}{z}\right),\stackrel{\→}{C\′}\left(\stackrel{\→}{z}\right))d(\stackrel{\←}{z},\stackrel{\→}{z})}{\underset{(\stackrel{\←}{a},\stackrel{\→}{a})}{\overset{(\stackrel{\←}{b},\stackrel{\→}{b})}{\∫}}(\stackrel{\←}{C\′}\left(\stackrel{\←}{z}\right),\stackrel{\→}{C\′}\left(\stackrel{\→}{z}\right))d(\stackrel{\←}{z},\stackrel{\→}{z})}$

对于论域为离散的情况，则可写成如下计算式： 

$(\stackrel{\←}{y_0},\stackrel{\→}{y_0})=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(\stackrel{\←}{y_i},\stackrel{\→}{y_i})(\stackrel{\←}{B\′}\left(\stackrel{\←}{y_i}\right),\stackrel{\→}{B\′}\left(\stackrel{\→}{y_i}\right))}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(\stackrel{\←}{B\′}\left(\stackrel{\←}{y_i}\right),\stackrel{\→}{B\′}\left(\stackrel{\→}{y_i}\right))}$

其中，基本论域为所述偏差量和所述控制输出量的实际变化范围；动态模糊论域为动态模糊控制所要求的变化范围，包括偏差量对应的动态模糊输入论域和控制输出量对应的动态模糊输出论域；动态模糊语言值为偏差量与控制输出量在其动态模糊论域上的取值，可用动态模糊集合来表示；每个动态模糊语言值对应一个动态模糊集合，且动态模糊集合由动态模糊语言值的隶属函数确定。 

本实施例的动态模糊控制方法通过采用基于动态模糊逻辑的控制方法，将测量装置的采样输入量与给定参考输入量的偏差量按照动态模糊逻辑理论映射到动态模糊输入论域上，并根据动态模糊控制规则进行推理得到动态模糊控制输出量，将其清晰化后对被控对象进行控制，克服了现有控制系统不能很好地解决非线性动态模糊系统过程控制中的动态性问题的缺陷，从而能够更好地体现控制系统的动态模糊特性，提高控制系统的品质。 

应用例： 

如图3至图4所示，为本发明动态模糊控制系统100应用于水箱300的液位控制，该应用于水箱300上的控制系统包括动态模糊控制系统100、测量装置400、执行机构200和水箱300，该动态模糊控制系统100包括动态模糊知识库模块101、动态模糊化接口模块102、动态模糊推理模块103以及清晰化接口模块104，该动态模糊控制系统100一端连接测量装置400，一端连接执行机构200，该执行机构200包括PLC 或变频器等控制器件，该执行机构200连接并控制水箱液位，且测量装置400通过一液位传感器测量水箱300中水位高度，通过该测量装置400采集水位高度，动态模糊化接口模块102接收测量装置的采样输入量，并与给定参考输入量比较得出输入偏差量；假设某一时刻t测量装置向动态模糊化接口模块102输入的输入偏差量e为6dm，则动态模糊化接口模块102将该偏差量映射到动态模糊论域上，为上的点 

按单点动态模糊化的方法，偏差量e动态模糊化后的动态模糊集合为 

动态模糊推理模块103可根据动态模糊数据库中的动态模糊语言值的隶属函数，将动态模糊控制规则库中的各动态模糊条件语句前件和后件对应的动态模糊向量做动态模糊蕴涵最小运算得到动态模糊关系矩阵

然后按照最大-最小合成法则，将

和

合成得到动态模糊控制输出量的动态模糊值，即： 

该动态模糊控制输出量为输出论域上的一个动态模糊集合，需通过清晰化接口模块104进行清晰化，本实施例按照平均加权法原则，得到动态模糊输出控制量为将其映射到输出论域[-20,20]上，得到对应于某一时刻输入信号e为+6dm时的输出频率变化量u为(-2.5)×20/4=-12.5Hz，即要求变频调速器的频率减少12.5Hz，并且有越来越少的趋势。 

然后，动态模糊控制系统100的输出接口（D/A装置）将动态模糊控制输出量u转换为执行机构200所要求的模拟信号，进而控制水箱300中的水位。 

如图4所示，具体的为该动态模糊控制系统应用于水箱系统进行动态模糊控制的控制方法，其具体步骤包括： 

（1）：动态模糊化接口模块102接收测量装置400的采样输入量，并将该采样输入量与给定参考输入量的偏差量映射到动态模糊输入论域上，得到动态模糊输入量； 

具体的，该应用于水箱系统液位控制的动态模糊控制系统可基于PLC来设计使变频器的输出频率即电动机的转速随着水位的变化而自动改变，PLC经中断采样获取液位传感器传来的当前的水位值，将此水位值与设定的水位值进行比较得到水位偏差，并将该水位偏差量进行动态模糊化处理，将水位偏差量映射到相应的动态模糊输入论域上，得到相应的动态模糊子集；该当前的水位即采样输入量，该设定的水位值即给定的参考输入量，该动态模糊子集即动态模糊输入量。 

其中，水位偏差e的基本论域由采样输入量决定，动态模糊控制输出量u的基本论域由变频器实际输出的频率变化量决定，而动态模糊输入量

对应的输入论域

以及动态模糊控制输出量

对应的输出论域

是根据动态模糊控制规则确定的；将水位偏差和动态模糊控制输出量的基本论域分别 设置为[-10,+10]和[-20,+20]，而两者的动态模糊论域均定义为离散的有限论域，分别定义为7个等级和9个等级，即： 

$(\stackrel{\←}{X},\stackrel{\→}{X})=\{(\stackrel{\←}{-3},\stackrel{\→}{3}),(\stackrel{\←}{-2},\stackrel{\→}{2}),(\stackrel{\←}{-1},\stackrel{\→}{-1}),(\stackrel{\←}{0},\stackrel{\→}{0}),(\stackrel{\←}{1},\stackrel{\→}{1}),(\stackrel{\←}{2},\stackrel{\→}{2}),(\stackrel{\←}{3},\stackrel{\→}{3})\}$

$(\stackrel{\←}{Y},\stackrel{\→}{Y})=\{(\stackrel{\←}{-4},\stackrel{\→}{-1}),(\stackrel{\←}{-3},\stackrel{\→}{3}),(\stackrel{\←}{-2},\stackrel{\→}{2}),(\stackrel{\←}{-1},\stackrel{\→}{-1}),(\stackrel{\←}{0},\stackrel{\→}{0}),(\stackrel{\←}{1},\stackrel{\→}{1}),(\stackrel{\←}{2},\stackrel{\→}{2}),(\stackrel{\←}{3},\stackrel{\→}{3}),(\stackrel{\←}{4},\stackrel{\→}{4})\}$

则偏差

的量化因子K_e=3/10=0.3，变频器输出的频率变化量

的比例因子K_u=20/4=5；通过该量化因子，偏差

的基本论域[-10,+10]内的数值可以映射到动态模糊控制器所要求的输入论域；而通过该比例因子，可将动态模糊控制输出量

转换到变频器输出的频率变化量的基本论域[-20,+20]内；动态模糊输入论域

和输出论域

中的每一个等级分别对应着偏差e和控制输出量u基本论域内一定范围的数值；本实施例中，偏差

通过量化因子K_e变换到输入论域，K_e为0.3；具体为通过如下规则将某时刻测得基本论域内的输入偏差e变换到动态模糊输入论域

中： 

设n是在[-x,x]范围内连续偏差离散化后分成的档数，构成输入论域的元素，本发明中取n=3，包括两种情况： 

情况1：当|K_ee|<n时，n_j等于|K_e|e的四舍五入取整; 

情况2：当|K_ee|≥n时，n_j=n; 

例如，偏差e∈[-x,x]为+6dm时，|K_e|e=0.3×(+6)=1.8，对应动态模糊输入论域内的等级偏差e为-10dm时，|K_e|e=0.3×(-6)=-3，对应输入论域内的等级

而偏差e的动态模糊化处理如下例所示：如果控制输入量的偏差e为-10dm，经量化因子变换后，并采用单点动态模糊集合，将其映射到动态模糊输入论域，可以得到动态模糊输入量为

（2）：分别确定动态模糊控制输入量和动态模糊控制输出量的动态模糊语言值及各动态模糊语言值的隶属函数； 

将动态模糊控制输入量

和动态模糊控制输出量

所取的动态模糊语言值均定义为5个DF子集 $\{(\stackrel{\&LeftArrow;}{\mathrm{NB}},\stackrel{\&RightArrow;}{\mathrm{NB}}),(\stackrel{\&LeftArrow;}{\mathrm{NS}},\stackrel{\&RightArrow;}{\mathrm{NS}}),(\stackrel{\&LeftArrow;}{\mathrm{ZE}},\stackrel{\&RightArrow;}{\mathrm{ZE}}),(\stackrel{\&LeftArrow;}{\mathrm{PS}},\stackrel{\&RightArrow;}{\mathrm{PS}}),(\stackrel{\&LeftArrow;}{\mathrm{PB}},\stackrel{\&RightArrow;}{\mathrm{PB}})\};$ 其中， $(\stackrel{\&LeftArrow;}{\mathrm{NB}},\stackrel{\&RightArrow;}{\mathrm{NB}})$ 表示“负大”、 $(\stackrel{\&LeftArrow;}{\mathrm{NS}},\stackrel{\&RightArrow;}{\mathrm{NS}})$ 表示“负小”、

表示“零”、

表示“正小”、

表示“正大”； 

水位偏差

的各动态模糊语言值，即各动态模糊子集是定义在动态模糊输入论域上的，由于该动 态模糊输入论域为离散论域，则对各语言值规定的动态模糊化的隶属函数值如下表1： 

表1水位偏差

语言值的隶属函数 

动态模糊控制输出量的各动态模糊语言值，即各动态模糊子集定义在动态模糊输出论域上，其动态模糊化的隶属函数值列于表2： 

表2变频器输出的频率变化量

语言值的隶属函数 

其中，在表1和表2中，第一行分别代表动态模糊输入论域和动态模糊输出论域中的不同等级，第一列分别代表水位偏差

的各动态模糊语言值和动态模糊控制输出量

的各动态模糊语言值，表格的中间部分代表各动态模糊语言值对应于相应论域的隶属度； 

（3）根据动态模糊语言值的隶属函数，将动态模糊控制规则库中的动态模糊控制规则前件和后件对应的动态模糊向量通过动态模糊蕴涵最小运算得到每条规则的动态模糊关系矩阵，并将各条规则的动态模糊关系矩阵做并运算，得到总的动态模糊关系矩阵； 

其中根据专家和操作人员的经验，确定水位控制的动态模糊控制规则库，本实施例中包括五条规则： 

如果 $(\stackrel{\&LeftArrow;}{e},\stackrel{\&RightArrow;}{e})$ 是 $(\stackrel{\&LeftArrow;}{\mathrm{NB}},\stackrel{\&RightArrow;}{\mathrm{NB}}),$ 则

是 $(\stackrel{\&LeftArrow;}{\mathrm{PB}},\stackrel{\&RightArrow;}{\mathrm{PB}});$

如果 $(\stackrel{\&LeftArrow;}{e},\stackrel{\&RightArrow;}{e})$ 是 $(\stackrel{\&LeftArrow;}{\mathrm{NS}},\stackrel{\&RightArrow;}{\mathrm{NS}}),$ 则

是 $(\stackrel{\&LeftArrow;}{\mathrm{PS}},\stackrel{\&RightArrow;}{\mathrm{PS}});$

如果 $(\stackrel{\&LeftArrow;}{e},\stackrel{\&RightArrow;}{e})$ 是 $(\stackrel{\&LeftArrow;}{\mathrm{ZE}},\stackrel{\&RightArrow;}{\mathrm{ZE}}),$ 则是 $(\stackrel{\&LeftArrow;}{\mathrm{ZE}},\stackrel{\&RightArrow;}{\mathrm{ZE}});$

如果 $(\stackrel{\&LeftArrow;}{e},\stackrel{\&RightArrow;}{e})$ 是 $(\stackrel{\&LeftArrow;}{\mathrm{PS}},\stackrel{\&RightArrow;}{\mathrm{PS}}),$ 则

是 $(\stackrel{\&LeftArrow;}{\mathrm{NS}},\stackrel{\&RightArrow;}{\mathrm{NS}});$

如果 $(\stackrel{\&LeftArrow;}{e},\stackrel{\&RightArrow;}{e})$ 是 $(\stackrel{\&LeftArrow;}{\mathrm{PB}},\stackrel{\&RightArrow;}{\mathrm{PB}}),$ 则 $(\stackrel{\&LeftArrow;}{u},\stackrel{\&RightArrow;}{u})$ 是 $(\stackrel{\&LeftArrow;}{\mathrm{NB}},\stackrel{\&RightArrow;}{\mathrm{NB}});$

如上五条规则构成的动态模糊关系

为： 

式中，是各条件语句的前件与后件，即动态模糊输入量到动态模糊控制输出量

的动态模糊关系；其中： 

$(\stackrel{\&LeftArrow;}{R_1},\stackrel{\&RightArrow;}{R_1})=(\stackrel{\&LeftArrow;}{A_1},\stackrel{\&RightArrow;}{A_1})\&times;(\stackrel{\&LeftArrow;}{B_5},\stackrel{\&RightArrow;}{B_5})={(\stackrel{\&LeftArrow;}{A_1},\stackrel{\&RightArrow;}{A_1})}^T^(\stackrel{\&LeftArrow;}{B_5},\stackrel{\&RightArrow;}{B_5})$

$=\left[\begin{array}{c}(\stackrel{\&LeftArrow;}{1},\stackrel{\&RightArrow;}{1})\\ (\stackrel{\&LeftArrow;}{0.5},\stackrel{\&RightArrow;}{0.5})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})\end{array}\right]^\left[\begin{array}{ccccccc}(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& \left(\stackrel{\&LeftArrow;}{0,}\stackrel{\&RightArrow;}{0}\right)& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0.5},\stackrel{\&RightArrow;}{0.5})& (\stackrel{\&LeftArrow;}{1},\stackrel{\&RightArrow;}{1})\end{array}\right]$

$=\left[\begin{array}{ccccccc}(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0.5},\stackrel{\&RightArrow;}{0.5})& (\stackrel{\&LeftArrow;}{1.0},\stackrel{\&RightArrow;}{1.0})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0.5},\stackrel{\&RightArrow;}{0.5})& (\stackrel{\&LeftArrow;}{0.5},\stackrel{\&RightArrow;}{0.5})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0.0},\stackrel{\&RightArrow;}{0.0})& (\stackrel{\&LeftArrow;}{0.0},\stackrel{\&RightArrow;}{0.0})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0.0},\stackrel{\&RightArrow;}{0.0})& (\stackrel{\&LeftArrow;}{0.0},\stackrel{\&RightArrow;}{0.0})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0.0},\stackrel{\&RightArrow;}{0.0})& (\stackrel{\&LeftArrow;}{0.0},\stackrel{\&RightArrow;}{0.0})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0.0},\stackrel{\&RightArrow;}{0.0})& (\stackrel{\&LeftArrow;}{0.0},\stackrel{\&RightArrow;}{0.0})\\ (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})& (\stackrel{\&LeftArrow;}{0.0},\stackrel{\&RightArrow;}{0.0})& (\stackrel{\&LeftArrow;}{0.0},\stackrel{\&RightArrow;}{0.0})\end{array}\right]$

同理，可通过分别计算 $(\stackrel{\&LeftArrow;}{A_2},\stackrel{\&RightArrow;}{A_2})\&times;(\stackrel{\&LeftArrow;}{B_4},\stackrel{\&RightArrow;}{B_4}),$ $(\stackrel{\&LeftArrow;}{A_3},\stackrel{\&RightArrow;}{A_3})\&times;(\stackrel{\&LeftArrow;}{B_3},\stackrel{\&RightArrow;}{B_3}),$ $(\stackrel{\&LeftArrow;}{A_4},\stackrel{\&RightArrow;}{A_4})\&times;(\stackrel{\&LeftArrow;}{B_2},\stackrel{\&RightArrow;}{B_2})$ 和  $(\stackrel{\&LeftArrow;}{A_5},\stackrel{\&RightArrow;}{A_5})\&times;(\stackrel{\&LeftArrow;}{B_1},\stackrel{\&RightArrow;}{B_1}),$ 得到 $(\stackrel{\&LeftArrow;}{R_2},\stackrel{\&RightArrow;}{R_2}),$ $(\stackrel{\&LeftArrow;}{R_3},\stackrel{\&RightArrow;}{R_3}),$ $(\stackrel{\&LeftArrow;}{R_4},\stackrel{\&RightArrow;}{R_4})$ 和 $(\stackrel{\&LeftArrow;}{R_5},\stackrel{\&RightArrow;}{R_5}),$ 再对上述各动态模糊关系求并集， 

从而得到总的动态模糊关系矩阵

（4）根据动态模糊推理合成法则，由动态模糊输入量

和动态模糊关系矩阵

合成得到动态模糊控制输出量； 

现假设 $(\stackrel{\&LeftArrow;}{A\&prime;},\stackrel{\&RightArrow;}{A\&prime;})=(\stackrel{\&LeftArrow;}{A_1},\stackrel{\&RightArrow;}{A_1})=[(\stackrel{\&LeftArrow;}{1},\stackrel{\&RightArrow;}{1})(\stackrel{\&LeftArrow;}{0.5},\stackrel{\&RightArrow;}{0.5})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})(\stackrel{\&LeftArrow;}{0},\stackrel{\&RightArrow;}{0})]$

按照动态模糊推理最大-最小合成法则，通过

和

动态模糊关系合成计算，得到动态模糊控制输出量为： 

则

（5）将动态模糊控制输出量进行清晰化处理，得到确定的控制输出量，并将该确定的控制输出量输出至执行机构200，由执行机构200根据该确定的控制输出量对被控对象进行控制； 

动态模糊控制输出量经清晰化处理后得到确定的控制输出量，再由动态模糊控制系统100中的处理器传给PLC，并由PLC输出给变频器即执行机构，通过调节变频器的输出频率，从而改变电动机转速来控制水箱300中的水位高度； 

例如，步骤（4）中得到的动态模糊控制输出量

是输出控制量论域上的一个动态模糊集合，其中的

对应输出论域

中的等级根据平均最大隶属度原则，选取控制量为

级，将其映射到输出论域[-20,20]上，得到输出频率变化量u为(4)*20/4=20Hz，即要求变频器的频率增加20Hz，并且有越来越大的趋势。 

本实施例的动态模糊控制方法通过基于动态模糊控制规则，将测量装置400采集的水箱300水位值与给定的水位值的偏差量按照动态模糊逻辑理论映射到动态模糊输入论域上，并根据动态模糊控制规则进行推理、计算得到动态模糊输出量，经过清晰化接口模块104清晰化后输出确定的输出量，并由执行机构200对水箱水位进行控制；因此，本实施例的动态模糊控制方法不需要知道被控对象的数学模型，易于实现对具有不确定非线性对象的动态模糊控制，并能较好地反映控制输入量和输出量的变化趋势，从而能够有效地处理非线性动态模糊系统过程控制中的动态性问题，进一步提高了控制系统的品质。 

此外，我们还应该认识到，本发明并不以此实施例为限，本发明涉及的执行机构并不仅仅以PLC或变频器为例，还可以为其他的能够实现精确控制的控制器件，从而实现对被测对象的精确控制；且该动态模糊控制系统的应用也不仅限于本实施例提出的水箱水位的动态模糊控制，还可以应用于其他的控制领域，从而进一步提高该动态模糊控制系统的品质及其广泛应用。 

显然，本领域的技术人员可以对本发明进行各种改动和变形而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变形属于本发明权利要求及其等同技术的范围内，则本发明也意图包含这些改动在内。 

Claims (9)

1.一种动态模糊控制系统，其特征在于，包括动态模糊知识库模块、动态模糊化接口模块、动态模糊推理模块以及清晰化接口模块；其中：

所述动态模糊化接口模块连接一测量装置，所述动态模糊化接口模块接收所述测量装置的采样输入量，将所述采样输入量与给定参考输入量的偏差量映射到动态模糊输入论域上，得到动态模糊输入量，并将所述动态模糊输入量输入到所述动态模糊推理模块；

所述动态模糊推理模块分别连接所述动态模糊化接口模块和所述清晰化接口模块，所述动态模糊推理模块根据所述动态模糊知识库模块提供的动态模糊控制规则，并对所述动态模糊输入量进行动态模糊蕴含及合成推理计算，得到对应动态模糊输出论域的动态模糊控制输出量，并将所述动态模糊控制输出量输入至所述清晰化接口模块；

所述清晰化接口模块连接一执行机构，通过所述清晰化接口模块将所述动态模糊控制输出量清晰化为确定的控制输出量，并将所述确定的控制输出量输出至所述执行机构，由所述执行机构对一被控对象进行控制；

所述动态模糊知识库模块分别连接所述动态模糊化接口模块、所述动态模糊推理模块和所述清晰化接口模块，所述动态模糊知识库模块为所述动态模糊化接口模块、所述动态模糊推理模块和所述清晰化接口模块提供动态模糊处理的规则和相关的各种参数。

2.根据权利要求1所述的动态模糊控制系统，其特征在于，所述动态模糊知识库模块包括动态模糊数据库和动态模糊控制规则库，所述动态模糊数据库中包括与动态模糊控制规则以及动态模糊数据处理有关的各种参数；所述动态模糊控制规则库包括若干“IF-THEN”型动态模糊条件句，所述若干“IF-THEN”型动态模糊条件句的前件为动态模糊输入量的语言值，所述若干“IF-THEN”型的动态模糊条件句的后件为动态模糊控制输出量的语言值。

3.根据权利要求1所述的动态模糊控制系统，其特征在于，所述给定参考值为所述动态模糊控制系统的一个控制目标值。

4.根据权利要求1所述的动态模糊控制系统，其特征在于，所述采样输入量为所述测量装置从所述被控对象采集的反馈信号。

5.一种动态模糊控制方法，利用如权利要求1所述的动态模糊控制系统对被控对象进行动态模糊控制，其特征在于，包括如下步骤：

（1）所述动态模糊化接口模块接收所述测量装置的采样输入量，并将所述采样输入量与给定参考输入量的偏差量映射到动态模糊输入论域上，得到动态模糊输入量；

（2）所述动态模糊推理模块根据所述动态模糊输入量及动态模糊控制规则，按照动态模糊蕴涵计算法则和动态模糊推理合成法则进行推理和决策，得到动态模糊控制输出量；

（3）所述清晰化接口模块将所述动态模糊控制输出量清晰化为确定的控制输出量，并将所述确定的控制输出量输出至执行机构，由所述执行机构根据所述确定的控制输出量对被控对象进行控制。

6.根据权利要求5所述的动态模糊控制方法，其特征在于，所述步骤（1）具体包括：

①所述动态模糊化接口模块接收所述测量装置检测到的采样输入量，并将所述采样输入量与给定参考输入量进行比较，得到偏差量；

②将所述偏差量进行尺度变换，使所述偏差量映射到动态模糊控制输入所要求的论域范围；

③将已经变换到论域范围的偏差量进行动态模糊处理，使其变成动态模糊量，并用相应的动态模糊集合表示。

7.根据权利要求5所述的动态模糊控制方法，其特征在于，将所述采样输入量与给定参考输入量的偏差量映射到动态模糊输入论域上之前需要分别确定所述偏差量与所述控制输出量的基本论域、动态模糊论域、动态模糊语言值以及所述动态模糊语言值的隶属函数，其中：

所述基本论域为所述偏差量和所述控制输出量的实际变化范围；

所述动态模糊论域为动态模糊控制所要求的变化范围，包括所述偏差量对应的动态模糊输入论域和所述控制输出量对应的动态模糊输出论域；

所述动态模糊语言值为所述偏差量与所述控制输出量在所述动态模糊论域上的取值，用动态模糊集合表示，所述每个动态模糊语言值对应一个动态模糊集合，且所述动态模糊集合由所述动态模糊语言值的隶属函数确定。

8.根据权利要求5所述的动态模糊控制方法，其特征在于，所述步骤（2）进一步包括：

首先，根据所述动态模糊输入量各语言值的隶属函数，将所述动态模糊控制规则库中各“IF-THEN”型动态模糊条件句的前件和各“IF-THEN”型动态模糊条件句的后件对应的动态模糊向量，通过动态模糊蕴涵计算法则得到每条动态模糊控制规则的动态模糊关系矩阵，并将所述每条动态模糊控制规则的动态模糊关系矩阵做并运算，得到总的动态模糊关系矩阵；

然后，根据动态模糊推理合成法则，由所述动态模糊输入量和所述动态模糊关系矩阵进行合成运算，得到动态模糊控制输出量。

9.根据权利要求5所述的动态模糊控制方法，其特征在于，所述步骤（3）进一步包括，所述清晰化接口模块根据所述动态模糊知识库模块，利用动态模糊逻辑中的清晰化方法将所述动态模糊控制输出量转换为实际用于控制的清晰量，即所述确定的控制输出量。

Images