CN112346334A - 模糊控制参数的配置方法、装置、设备及存储介质 - Google Patents
模糊控制参数的配置方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112346334A CN112346334A CN201910721138.3A CN201910721138A CN112346334A CN 112346334 A CN112346334 A CN 112346334A CN 201910721138 A CN201910721138 A CN 201910721138A CN 112346334 A CN112346334 A CN 112346334A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- fuzzy control
- parameter selection
- parameter
- selection result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Stored Programmes (AREA)
- Feedback Control In General (AREA)
Abstract
本发明实施例公开了一种模糊控制参数的配置方法、装置、设备及存储介质。所述方法包括:获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;将各所述参数选择结果发送至工业服务器,以使所述工业服务器根据所述参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。本发明实施例的技术方案,使现有的模糊控制算法可以自由选择隶属度函数及个数,能适应复杂的非线性、高耦合性的工业现场。
Description
技术领域
本发明实施例涉及工业控制技术领域,尤其涉及一种模糊控制参数的配置方法、装置、设备及存储介质。
背景技术
由于模糊控制不用建立数学模型,根据实际的输入输出数据,参考现场操作人员的运行经验,就可对系统进行实时控制,因此,模糊控制在工业控制领域的应用越来越广泛。
现有技术中,模糊控制在工业控制领域中的应用都是用户针对特定的工业现场自定义开发的,其输入、输出参数比较单一,用户对参数的可选择性比较低,通常直接将需要的输入输出参数写入模糊控制的实现代码中,导致现有的应用于工业控制领域中的模糊控制不具有普遍性,不能适应复杂的非线性、强耦合的工业现场,造成开发成本的浪费。
发明内容
本发明实施例提供一种模糊控制参数的配置方法、装置、设备及存储介质,以使现有的模糊控制可以自由选择模糊语言类型及隶属度函数类型,能适应复杂的非线性、高耦合性的工业现场。
第一方面,本发明实施例提供了一种模糊控制参数的配置方法,包括:
获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
将各所述参数选择结果发送至工业服务器,以使所述工业服务器根据所述参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
可选的,在获取用户在配置界面对各模糊控制选项的参数选择结果之前,还包括:
建立隶属度函数库,所述隶属度函数库中包括至少两个函数类型的隶属度函数;
获取用户在配置界面对各模糊控制选项的参数选择结果,包括:
获取用户在配置界面中选择的输入参数和输出参数;
获取用户从隶属度函数库中选择的分别与所述输入参数和所述输出参数匹配的模糊语言个数、模糊语言类型及与所述模糊语言类型匹配的隶属度函数类型;
将所述输入参数、输出参数、模糊语言个数、模糊语言类型及隶属度函数类型作为参数选择结果。
可选的,所述隶属度函数库包括:高斯型隶属度函数、三角型隶属度函数、广义钟型隶属度函数、S型隶属度函数、Z型隶属度函数以及梯型隶属度函数。
第二方面,本发明实施例还提供了一种模糊控制参数的配置方法,包括:
接收前端设备发送的用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
根据预设的模糊规则库,建立与所述参数选择结果匹配的模糊规则查询表;
根据所述模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
可选的,所述参数选择结果包括:所述前端设备根据用户在配置界面中选择的输入参数、输出参数、从隶属度函数库中选择的分别与所述输入参数和所述输出参数匹配的模糊语言个数、模糊语言类型及与所述模糊语言类型匹配的隶属度函数类型;
根据预设的模糊规则库,建立与所述参数选择结果匹配的模糊规则查询表,包括:
根据所述参数选择结果中与各输入参数匹配的模糊语言个数和模糊语言类型,从预设的模糊规则库中选择匹配的模糊规则,建立模糊规则查询表。
可选的,根据所述模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果,包括:
对所述输入参数进行模糊化处理,得到与各输入参数匹配的隶属度函数分布图;
分别获取各输入参数在匹配的隶属度函数分布图中对应的目标模糊子集;
根据所述目标模糊子集,从模糊规则查询表中选择目标模糊规则;
根据所述目标模糊规则,在与输出参数匹配的隶属度函数分布图中选择目标控制区域;
利用重心法对所述目标控制区域进行反模糊化处理,得到模糊控制输出结果。
第三方面,本发明实施例还提供了一种模糊控制参数的配置装置,包括:
参数选择结果获取模块,用于获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
参数选择结果发送模块,用于将各所述参数选择结果发送至工业服务器,以使所述工业服务器根据所述参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
第四方面,本发明实施例还提供了一种模糊控制参数的配置装置,包括:
参数选择结果接收模块,用于接收前端设备发送的用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
模糊规则确定模块,用于根据预设的模糊规则库,建立与所述参数选择结果匹配的模糊规则查询表;
模糊计算模块,用于根据所述模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
第五方面,本发明实施例还提供了一种设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例提供的模糊控制参数的配置方法。
第六方面,本发明实施例还提供了一种计算机可读存储介质,该程序被处理器执行时实现本发明任意实施例提供的模糊控制参数的配置方法。
本发明实施例的技术方案,首先获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场,然后将各参数选择结果发送至工业服务器,以使工业服务器根据参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果,解决了现有技术中针对特定的工业现场自定义开发模糊控制,用户对参数的可选择性比较低,不能适应复杂的非线性、强耦合的工业现场的问题,使现有的模糊控制可以自由选择模糊语言类型及隶属度函数类型,能适应复杂的非线性、高耦合性的工业现场,提高了模糊控制的普遍性。
附图说明
图1是本发明实施例一中的一种模糊控制参数的配置方法的流程图;
图2是本发明实施例二中的一种模糊控制参数的配置方法的流程图;
图3a是本发明实施例适应的一种应用场景的实现流程图;
图3b是本发明实施例三中的高斯型隶属度函数的函数图形;
图3c是本发明实施例三中的三角型隶属度函数的函数图形;
图3d是本发明实施例三中的广义钟型隶属度函数的函数图形;
图3e是本发明实施例三中的S型隶属度函数的函数图形;
图3f是本发明实施例三中的Z型隶属度函数的函数图形;
图3g是本发明实施例三中的梯型隶属度函数的函数图形;
图3h是本发明实施例三中的配置界面的示意图;
图3i是本发明实施例三中的偏差的隶属度函数分布图;
图3j是本发明实施例三中的偏差变化率的隶属度函数分布图;
图3k是本发明实施例三中的输出参数的隶属度函数分布图;
图4是本发明实施例四中的一种模糊控制参数的配置装置的结构示意图;
图5是本发明实施例五中的一种模糊控制参数的配置装置的结构示意图;
图6是本发明实施例六中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的一种模糊控制参数的配置方法的流程图,本实施例可适用于提高模糊控制的参数配置自由度的情况,该方法可以由模糊控制参数的配置装置来执行,该装置可以由软件和/或硬件的方式实现,并一般可以集成在各种提供模糊控制服务的设备中,例如,前端设备,与工业服务器配合使用。结合图1,具体包括如下步骤:
步骤110、获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场。
模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法,是从行为上模仿人的模糊推理和决策过程的一种智能控制方法。该方法首先将操作人员或专家经验编成模糊规则,然后将收集的实时信号模糊化,将模糊化后的信号作为模糊规则的输入,完成模糊推理,将推理后得到的输出量加到执行器上。
本实施例中,配置界面是前端设备向用户提供的一种用于模糊控制参数选择的界面,其设计符合工业控制领域的IEC61131标准,具体的,该配置界面向用户提供的模糊控制选项至少包括:两个输入参数选项,例如偏差和偏差变化率,输出参数选项,各输入参数的取值范围选项、模糊语言个数选项、模糊语言类型选项以及隶属度函数类型选项,输出参数的选择范围选项、模糊语言个数选项、模糊语言类型选项以及隶属度函数类型选项,其中,输出参数选项可以有多个,即该配置界面可以配置单输入单输出、两输入单输出、两输入多输出等类型的模糊控制。
其中,偏差为实际输入参数与给定参数之间的误差,偏差变化率是对偏差进行微分处理得到的,模糊语言为取值为“大”、“中”、“小”等这样的模糊子集,各模糊子集以隶属函数表明基本论域上的精确值属于该模糊子集的程度。本实施例中可以认为隶属度函数是对模糊语言的数学描述。本实施例中,用户通过在配置界面上对各模糊控制选项做出不同的参数选择,即可适配不同的工业现场,例如,对于水位控制等线性工业现场,用户可以在配置界面上选择偏差作为输入参数,并为输入参数和输出参数选择三角型隶属度函数,或者其他的线性隶属度函数;对于温度控制等非线性工业现场,可以选择偏差和偏差变化率作为输入参数,并为输入参数和输出参数选择高斯型隶属度函数,或者其他的非线性隶属度函数,可见该配置界面的设计可以解决现有技术根据特定的工业现场自定义开发模糊控制,用户对模糊控制参数的可选择性很低的问题,增加了用户对模糊控制参数的选择自由度,可以适应绝大多数复杂的非线性、高耦合性的工业现场。
可选的,为了使用户在配置界面能够为输出参数和输出参数选择多种隶属度函数,前端设备在获取用户在配置界面对各模糊控制选项的参数选择结果之前,还包括:建立隶属度函数库,隶属度函数库中包括至少两个函数类型的隶属度函数。
可选的,隶属度函数库可以包括:高斯型隶属度函数、三角型隶属度函数、广义钟型隶属度函数、S型隶属度函数、Z型隶属度函数以及梯型隶属度函数。其中,隶属度函数库并不仅仅包括上述隶属度函数,也可以包括其他类型的隶属度函数,本发明实施例中不一一列举。
可选的,获取用户在配置界面对各模糊控制选项的参数选择结果,包括:获取用户在配置界面中选择的输入参数和输出参数;获取用户从隶属度函数库中选择的分别与输入参数和输出参数匹配的模糊语言个数、模糊语言类型及与模糊语言类型匹配的隶属度函数类型;将输入参数、输出参数、模糊语言个数、模糊语言类型及隶属度函数类型作为参数选择结果。
示例性的,首先获取用户在配置界面中选择的模糊控制输入参数:偏差和偏差变化率,以及输出参数模糊控制输出,然后获取偏差的模糊语言个数为3,模糊语言为偏差负小、偏差不变和偏差正小,对应的隶属度函数分别为高斯型隶属度函数、三角型隶属度函数和高斯型隶属度函数,接着获取偏差变化率和模糊控制输出的模糊语言个数、模糊语言类型以及对应的隶属度函数。
步骤120、将各参数选择结果发送至工业服务器,以使工业服务器根据参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
本实施例中,通过前端设备获取在配置界面对各模糊控制选项的参数选择结果后,根据该参数选择结果生成可执行代码,并通过配置界面的接口,将该可执行代码发送至工业服务器,以使工业服务器在执行模糊控制算法的实现代码时,通过调用该可执行代码来进行模糊控制计算,从而得到所适配的工业现场的模糊控制输出结果。
本发明实施例的技术方案,首先获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场,然后将各参数选择结果发送至工业服务器,以使工业服务器根据参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果,解决了现有技术中针对特定的工业现场自定义开发模糊控制,用户对参数的可选择性比较低,不能适应复杂的非线性、强耦合的工业现场的问题,使现有的模糊控制可以自由选择模糊语言类型及隶属度函数类型,能适应复杂的非线性、高耦合性的工业现场,提高了模糊控制的普遍性。
实施例二
图2是本发明实施例二中的一种模糊控制参数的配置方法的流程图,本实施例可适用于提高模糊控制的参数配置自由度的情况,该方法可以由模糊控制参数的配置装置来执行,该装置可以由软件和/或硬件的方式实现,并一般可以集成在各种提供模糊控制服务的设备中,例如,工业服务器,与前端设备配合使用。结合图2,具体包括如下步骤:
步骤210、接收前端设备发送的用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场。
本实施例中,工业服务器接收的前端设备发送的用户在配置界面对各模糊控制选项的参数选择结果包括:前端设备根据用户在配置界面中选择的输入参数、输出参数、从隶属度函数库中选择的分别与输入参数和输出参数匹配的模糊语言个数、模糊语言类型及与模糊语言类型匹配的隶属度函数类型。
步骤220、根据预设的模糊规则库,建立与参数选择结果匹配的模糊规则查询表。
本实施例中,模糊规则是按人的直觉推理的一种语言表示形式,其来源可以有3条途径:基于专家的经验知识和操作人员的实际操作、基于模糊模型以及基于模糊控制的自学习。模糊规则通常由一系列的关系词连接而成,如if-then、else、also、end、or等。由于模糊规则建立在模糊语言的基础上,因此针对所有可能选择的模糊语言,预先建立了一个模糊规则库,包括与各模糊语言对应的所有模糊规则。
示例性的,假设输入参数为水箱内实际水位相对于临界水位的偏差e,输出参数为注水速度u,参数可选的模糊语言有负大NB、负小NS、零ZO、正小PS和正大PB,则根据日常操作经验,可以预先建立如下所示的模糊规则,构成模糊规则库:
if e=NB then u=NB;
if e=NS then u=NS;
if e=ZO then u=ZO;
if e=PS then u=PS;
if e=PB then u=PB;其中,e为负时需要排水,此时u为负,且偏差e越大排水速度u越快,e为正时需要注水,此时u为正,且偏差e越大注水速度u越快。
可选的,根据预设的模糊规则库,建立与参数选择结果匹配的模糊规则查询表,可以包括:根据参数选择结果中与各输入参数匹配的模糊语言个数和模糊语言类型,从预设的模糊规则库中选择匹配的模糊规则,建立模糊规则查询表。
示例性的,假设参数选择结果中与偏差匹配的模糊语言个数为3,其中一个模糊语言为偏差负小NSe,与偏差变化率匹配的模糊语言个数也为3,其中一个模糊语言为偏差正小PSec,则针对模糊语言偏差负小NSe和偏差正小PSec,从预设的模糊规则库中选择出的匹配模糊规则为:规则R19:If NSe and PSec,Then 19。通过获取各与偏差以及偏差变化率的模糊语言组合对应的模糊规则,建立所适配的工业现场的模糊规则查询表,该表总结了被控对象手动操作过程中各种可能出现的情况和相应的控制策略。
步骤230、根据模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
本实施例中,确立模糊规则查询表之后,需要根据输入参数,由模糊规则完成模糊推理来获得模糊控制输出量,可选的,根据模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果,包括:对输入参数进行模糊化处理,得到与各输入参数匹配的隶属度函数分布图;分别获取各输入参数在匹配的隶属度函数分布图中对应的目标模糊子集;根据目标模糊子集,从模糊规则查询表中选择目标模糊规则;根据目标模糊规则,在与输出参数匹配的隶属度函数分布图中选择目标控制区域;利用重心法对目标控制区域进行反模糊化处理,得到模糊控制输出结果。
本发明实施例的技术方案,通过接收前端设备发送的用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场,根据预设的模糊规则库,建立与参数选择结果匹配的模糊规则查询表,并根据模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果,解决了现有技术中针对特定的工业现场自定义开发模糊控制,用户对参数的可选择性比较低,不能适应复杂的非线性、强耦合的工业现场的问题,使现有的模糊控制可以自由选择模糊语言类型及隶属度函数类型,能适应复杂的非线性、高耦合性的工业现场,提高了模糊控制的普遍性。
实施例三
图3a是本发明实施例适应的一种应用场景的实现流程图,本实施例可以与上述实施例中各个可选方案结合。具体的,参考图3a,该方法可以包括如下步骤:
首先,前端设备预先建立隶属度函数库。
可选的,隶属度函数库至少包括:高斯型隶属度函数、三角型隶属度函数、广义钟型隶属度函数、S型隶属度函数、Z型隶属度函数以及梯型隶属度函数等常用的隶属度函数。
其中,高斯型隶属度函数的函数表达式如式(1)所示,其函数图形如图3b所示,
三角型隶属度函数的函数表达式如式(2)所示,其函数图形如图3c所示,
广义钟型隶属度函数的函数表达式如式(3)所示,其函数图形如图3d所示,
S型隶属度函数的函数表达式如式(4)所示,其函数图形如图3e所示,
Z型隶属度函数的函数图形如图3f所示,梯型隶属度函数的函数图形如图3g所示。
然后,前端设备获取用户在配置界面选择的输入参数、输出参数,以及分别与输入参数和输出参数匹配的模糊语言个数、模糊语言类型及与所述模糊语言类型匹配的隶属度函数类型。
本实施例中,如图3h所示,配置界面至少向用户提供了输入参数E和EC、模糊控制输出参数O和其他用于参数调整的输出参数K、P、I,以及与输入、输出参数相关的模糊语言和隶属度函数的配置选项,其中,可以通过隶属度函数的配置选项,获取用户从预先建立的隶属度函数库中为输入参数和输出参数的模糊语言选择的隶属度函数。该配置界面还可以向用户提供其他配置选项,本实施例中不一一列出。
本实施例采用双输入、单输出位置型。输入分别是输出偏差E和输出偏差变化率EC,控制输出是O,其中,EC是E经过微分处理得到的。
接着,前端设备将输入参数、输出参数、模糊语言个数、模糊语言类型及隶属度函数类型作为参数选择结果发送至工业服务器。
接着,工业服务器根据预先建立的模糊规则库,建立与所接收到的参数选择结果相匹配的模糊规则查询表。
本实施例中,假设所接收到的参数选择结果中,用户为偏差选择了7个模糊语言:偏差负大(NBe)、偏差负中(NMe)、偏差负小(NSe)、偏差不变(ZOe)、偏差正小(PSe)、偏差正中(PMe)、偏差正大(PBe),为偏差变化率也选择了7个模糊语言:偏差负大(NBec)、偏差负中(NMec)、偏差负小(NSec)、偏差不变(ZOec)、偏差正小(PSec)、偏差正中(PMec)、偏差正大(PBec),则模糊规则查询表如下:
NBe | NMe | NSe | ZOe | PSe | PMe | PBe | |
NBec | 1 | 8 | 15 | 22 | 29 | 36 | 43 |
NMec | 2 | 9 | 16 | 23 | 30 | 37 | 44 |
NSec | 3 | 10 | 17 | 24 | 31 | 38 | 45 |
ZOec | 4 | 11 | 18 | 25 | 32 | 39 | 46 |
PSec | 5 | 12 | 19 | 26 | 33 | 40 | 47 |
PMec | 6 | 13 | 20 | 27 | 34 | 41 | 48 |
PBec | 7 | 14 | 21 | 28 | 35 | 42 | 49 |
上述表格中含有49条规则,转换成下列语句是:
规则R1:If NBe and NBec,Then 1;
规则R2:If NBe and NMec,Then 2;
……
规则R48:If PBe and PMec,Then 48;
规则R49:If PBe and PBec,Then 49。
然后,工业服务器对输入参数进行量化处理和模糊化处理,得到模糊输入量以及与各模糊输入量匹配的隶属度函数分布图。
由于各输入参数的取值范围各异,因此首先将各基本论域分别以不同的对应关系映射到一个标准化论域上。通常,对应关系取为量化因子。
本实施例中,假设偏差E的物理范围(即基本论域)为:[-X,X],X>0;且其模糊范围(即标准化论域)为:[-N,N],N>0,则偏差的量化因子为:
通过将偏差E与其量化因子相乘,即可得到偏差的模糊量。
如果偏差变化率EC的物理范围为:[-Y,Y],Y>0;且它的模糊范围为:[-M,M],M>0,则偏差变化率的量化因子为:
通过将偏差变化率EC与其量化因子相乘,即可得到偏差变化率的模糊量。
模糊化是产生模糊子集,即产生模糊语言及所对应的隶属度函数的过程。对于偏差E而言,模糊语言个数及对应的隶属度函数是用户在规定范围内自由选择的,假设用户为偏差和偏差变化率的模糊语言偏差不变选择的隶属度函数为三角型隶属度函数,为其他模糊语言选择的隶属度函数为高斯型隶属度函数,则得到如图3i所示的偏差的隶属度函数分布图,以及如图3j所示的偏差变化率的隶属度函数分布图。
然后,工业服务器获取各输入参数在匹配的隶属度函数分布图中对应的目标模糊子集,并从模糊规则查询表中选择与目标模糊子集对应的目标模糊规则。
如图3i所示,若偏差模糊量是-3.5,则它对应的目标模糊子集有两个,分别落入NMe的B点,隶属度大概是0.2,以及落入NSe的A点,隶属度大概是0.7。如图3j所示,若偏差变化率模糊量是-0.7,则它对应的目标模糊子集有两个,分别落入NSec的D点,隶属度大概是0.2,以及落入ZOec的C点,隶属度大概是0.68。
根据目标模糊子集,可以确定被激活的目标模糊规则有四条,分别是模糊规则查询表中的规则10、11、17、18。其中,模糊规则采用的是蕴含算子,即取小运算。
接着,工业服务器根据目标模糊规则进行模糊推理,得到所适配的工业现场的模糊控制输出变量。
本实施例中,假设所接收到的参数选择结果中,用户为输出参数O选择了7个模糊语言:控制输出负大(NBu)、控制输出负中(NMu)、控制输出负小(NSu)、控制输出不变(ZOu)、控制输出正小(PSu)、控制输出正中(PMu)、控制输出正大(PBu),为各模糊语言选择的隶属度函数都是三角型隶属度函数,则根据模糊规则10、11、17、18可以得到如图3k中深色区域所示的输出控制区域,然后利用重心法进行反模糊化,将输出控制区域围成的面积的重心作为所适配的工业现场的模糊控制输出变量。
最后,对模糊控制输出变量进行量化,得到实际的模糊控制输出结果。
假设模糊控制输出变量的物理范围为:[-W,W],X>0;且它的模糊范围为:[-G,G],G>0。则模糊控制输出变量的量化因子为:
通过将模糊控制输出变量与其量化因子相乘,即可得到实际的模糊控制输出结果。
实施例四
图4是本发明实施例四中的一种模糊控制参数的配置装置的结构示意图。本实施例可适用于提高模糊控制的参数配置自由度的情况。如图4所示,该模糊控制参数的配置装置应用于前端设备,包括:
参数选择结果获取模块410,用于获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
参数选择结果发送模块420,用于将各所述参数选择结果发送至工业服务器,以使所述工业服务器根据所述参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
本发明实施例的技术方案,首先获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场,然后将各参数选择结果发送至工业服务器,以使工业服务器根据参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果,解决了现有技术中针对特定的工业现场自定义开发模糊控制,用户对参数的可选择性比较低,不能适应复杂的非线性、强耦合的工业现场的问题,使现有的模糊控制可以自由选择模糊语言类型及隶属度函数类型,能适应复杂的非线性、高耦合性的工业现场,提高了模糊控制的普遍性。
可选的,参数选择结果获取模块410还包括:函数库建立单元,用于在获取用户在配置界面对各模糊控制选项的参数选择结果之前,建立隶属度函数库,所述隶属度函数库中包括至少两个函数类型的隶属度函数;
参数选择结果获取模块410具体用于:获取用户在配置界面中选择的输入参数和输出参数;
获取用户从隶属度函数库中选择的分别与所述输入参数和所述输出参数匹配的模糊语言个数、模糊语言类型及与所述模糊语言类型匹配的隶属度函数类型;
将所述输入参数、输出参数、模糊语言个数、模糊语言类型及隶属度函数类型所述作为参数选择结果。
可选的,所述隶属度函数库包括:高斯型隶属度函数、三角型隶属度函数、广义钟型隶属度函数、S型隶属度函数、Z型隶属度函数以及梯型隶属度函数。
本发明实施例所提供的模糊控制参数的配置装置可执行本发明任意实施例所提供的应用于前端设备的模糊控制参数的配置方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五中的一种模糊控制参数的配置装置的结构示意图。本实施例可适用于提高模糊控制的参数配置自由度的情况。如图5所示,该模糊控制参数的配置装置应用于工业服务器,包括:
参数选择结果接收模块510,用于接收前端设备发送的用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
模糊规则确定模块520,用于根据预设的模糊规则库,建立与所述参数选择结果匹配的模糊规则查询表;
模糊计算模块530,用于根据所述模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
本发明实施例的技术方案,通过接收前端设备发送的用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场,根据预设的模糊规则库,建立与参数选择结果匹配的模糊规则查询表,并根据模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果,解决了现有技术中针对特定的工业现场自定义开发模糊控制,用户对参数的可选择性比较低,不能适应复杂的非线性、强耦合的工业现场的问题,使现有的模糊控制可以自由选择模糊语言类型及隶属度函数类型,能适应复杂的非线性、高耦合性的工业现场,提高了模糊控制的普遍性。
可选的,所述参数选择结果包括:所述前端设备根据用户在配置界面中选择的输入参数、输出参数、从隶属度函数库中选择的分别与所述输入参数和所述输出参数匹配的模糊语言个数、模糊语言类型及与所述模糊语言类型匹配的隶属度函数类型;
模糊规则确定模块520具体用于:根据所述参数选择结果中与各输入参数匹配的模糊语言个数和模糊语言类型,从预设的模糊规则库中选择匹配的模糊规则,建立模糊规则查询表。
可选的,模糊计算模块530具体用于:对所述输入参数进行模糊化处理,得到与各输入参数匹配的隶属度函数分布图;
分别获取各输入参数在匹配的隶属度函数分布图中对应的目标模糊子集;
根据所述目标模糊子集,从模糊规则查询表中选择目标模糊规则;
根据所述目标模糊规则,在与输出参数匹配的隶属度函数分布图中选择目标控制区域;
利用重心法对所述目标控制区域进行反模糊化处理,得到模糊控制输出结果。
本发明实施例所提供的模糊控制参数的配置装置可执行本发明任意实施例所提供的应用于工业服务器的模糊控制参数的配置方法,具备执行方法相应的功能模块和有益效果。
实施例六
参照图6,图6是本发明实施例六中的一种设备的结构示意图,如图6所示,该设备包括处理器610、存储器620、输入装置630和输出装置640;设备中处理器610的数量可以是一个或多个,图6中以一个处理器610为例;设备中的处理器610、存储器620、输入装置630和输出装置640可以通过总线或其他方式连接,图6中以通过总线连接为例。
存储器620作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的模糊控制参数的配置方法对应的程序指令/模块(例如,模糊控制参数的配置装置中的参数选择结果获取模块410、和参数选择结果发送模块420,或者另一种模糊控制参数的配置装置中的参数选择结果接收模块510、模糊规则确定模块520以及模糊计算模块530)。处理器610通过运行存储在存储器620中的软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述的模糊控制参数的配置方法。
存储器620可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器620可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器620可进一步包括相对于处理器610远程设置的存储器,这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可用于接收对各模糊控制选项的参数选择结果,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示服务器。
实施例七
本发明实施例七提供了一种计算机可读存储介质,其上存储有计算机指令,该计算机指令被处理器执行时实现上述实施例提供的任一种模糊控制参数的配置方法,其中,一种模糊控制参数的配置方法,包括:
获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
将各所述参数选择结果发送至工业服务器,以使所述工业服务器根据所述参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
或者,另一种模糊控制参数的配置方法,包括:
接收前端设备发送的用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
根据预设的模糊规则库,建立与所述参数选择结果匹配的模糊规则查询表;
根据所述模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
当然,本发明实施例所提供的一种计算机可读存储介质,其计算机指令可执行不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的模糊控制参数的配置方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述模糊控制参数的配置装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种模糊控制参数的配置方法,其特征在于,包括:
获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
将各所述参数选择结果发送至工业服务器,以使所述工业服务器根据所述参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
2.根据权利要求1所述的方法,其特征在于,在获取用户在配置界面对各模糊控制选项的参数选择结果之前,还包括:
建立隶属度函数库,所述隶属度函数库中包括至少两个函数类型的隶属度函数;
获取用户在配置界面对各模糊控制选项的参数选择结果,包括:
获取用户在配置界面中选择的输入参数和输出参数;
获取用户从隶属度函数库中选择的分别与所述输入参数和所述输出参数匹配的模糊语言个数、模糊语言类型及与所述模糊语言类型匹配的隶属度函数类型;
将所述输入参数、输出参数、模糊语言个数、模糊语言类型及隶属度函数类型作为参数选择结果。
3.根据权利要求2所述的方法,其特征在于,所述隶属度函数库包括:高斯型隶属度函数、三角型隶属度函数、广义钟型隶属度函数、S型隶属度函数、Z型隶属度函数以及梯型隶属度函数。
4.一种模糊控制参数的配置方法,其特征在于,包括:
接收前端设备发送的用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
根据预设的模糊规则库,建立与所述参数选择结果匹配的模糊规则查询表;
根据所述模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
5.根据权利要求4所述的方法,其特征在于,所述参数选择结果包括:所述前端设备根据用户在配置界面中选择的输入参数、输出参数、从隶属度函数库中选择的分别与所述输入参数和所述输出参数匹配的模糊语言个数、模糊语言类型及与所述模糊语言类型匹配的隶属度函数类型;
根据预设的模糊规则库,建立与所述参数选择结果匹配的模糊规则查询表,包括:
根据所述参数选择结果中与各输入参数匹配的模糊语言个数和模糊语言类型,从预设的模糊规则库中选择匹配的模糊规则,建立模糊规则查询表。
6.根据权利要求4所述的方法,其特征在于,根据所述模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果,包括:
对所述输入参数进行模糊化处理,得到与各输入参数匹配的隶属度函数分布图;
分别获取各输入参数在匹配的隶属度函数分布图中对应的目标模糊子集;
根据所述目标模糊子集,从模糊规则查询表中选择目标模糊规则;
根据所述目标模糊规则,在与输出参数匹配的隶属度函数分布图中选择目标控制区域;
利用重心法对所述目标控制区域进行反模糊化处理,得到所适配的工业现场的模糊控制输出结果。
7.一种模糊控制参数的配置装置,其特征在于,包括:
参数选择结果获取模块,用于获取用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
参数选择结果发送模块,用于将各所述参数选择结果发送至工业服务器,以使所述工业服务器根据所述参数选择结果进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
8.一种模糊控制参数的配置装置,其特征在于,包括:
参数选择结果接收模块,用于接收前端设备发送的用户在配置界面对各模糊控制选项的参数选择结果,其中,不同的参数选择结果组合适配不同的工业现场;
模糊规则确定模块,用于根据预设的模糊规则库,建立与所述参数选择结果匹配的模糊规则查询表;
模糊计算模块,用于根据所述模糊规则查询表,对输入参数进行模糊控制计算,得到所适配的工业现场的模糊控制输出结果。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-3中任一所述的模糊控制参数的配置方法,或者实现如权利要求4-6中任一所述的模糊控制参数的配置方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-3中任一所述的模糊控制参数的配置方法,或者实现如权利要求4-6中任一所述的模糊控制参数的配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910721138.3A CN112346334B (zh) | 2019-08-06 | 2019-08-06 | 模糊控制参数的配置方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910721138.3A CN112346334B (zh) | 2019-08-06 | 2019-08-06 | 模糊控制参数的配置方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112346334A true CN112346334A (zh) | 2021-02-09 |
CN112346334B CN112346334B (zh) | 2022-01-11 |
Family
ID=74366384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910721138.3A Active CN112346334B (zh) | 2019-08-06 | 2019-08-06 | 模糊控制参数的配置方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112346334B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115302630A (zh) * | 2022-10-08 | 2022-11-08 | 南通钰昇智能科技有限公司 | 一种新型混凝土砂浆搅拌控制方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5251124A (en) * | 1991-04-30 | 1993-10-05 | Omron Corporation | Fuzzy controller apparatus and method for steady state control |
CN101266463A (zh) * | 2008-04-29 | 2008-09-17 | 江南大学 | 基于fpga的模糊控制器 |
US8260893B1 (en) * | 2004-07-06 | 2012-09-04 | Symantec Operating Corporation | Method and system for automated management of information technology |
CN102707617A (zh) * | 2012-06-20 | 2012-10-03 | 北京金自能源科技发展有限公司 | 一种模糊PID算法ActiveX控件的实现方法 |
CN103309233A (zh) * | 2013-05-13 | 2013-09-18 | 陕西国防工业职业技术学院 | 一种模糊pid控制器的设计方法 |
CN103955368A (zh) * | 2014-04-28 | 2014-07-30 | 中国人民解放军理工大学 | 一种软件模糊自适应支撑系统和开发方法 |
CN104298111A (zh) * | 2014-09-28 | 2015-01-21 | 重庆工商职业学院 | 一种用于窑炉热工参数控制系统的模糊控制方法 |
EP2882159A1 (en) * | 2013-12-06 | 2015-06-10 | Cyberlytic Limited | Profiling cyber threats detected in a target environment and automatically generating one or more rule bases for an expert system usable to profile cyber threats detected in a target environment |
CN105785760A (zh) * | 2016-01-06 | 2016-07-20 | 北京首钢自动化信息技术有限公司 | 一种退火炉净环水硬度自动控制系统及其方法 |
CN108132603A (zh) * | 2017-12-21 | 2018-06-08 | 广东工业大学 | 一种模糊自整定pid控制方法及系统 |
CN108154569A (zh) * | 2017-12-27 | 2018-06-12 | 广州奥格智能科技有限公司 | 一种基于对象模型化配置的巡查采集方法 |
CN108351622A (zh) * | 2015-09-10 | 2018-07-31 | 艾系统工业自动化公司 | 生成用于可编程模糊控制器的模糊知识库的方法 |
CN109313530A (zh) * | 2017-05-16 | 2019-02-05 | 苹果公司 | 用于在用户界面之间进行导航以及与控制对象进行交互的设备、方法和图形用户界面 |
-
2019
- 2019-08-06 CN CN201910721138.3A patent/CN112346334B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5251124A (en) * | 1991-04-30 | 1993-10-05 | Omron Corporation | Fuzzy controller apparatus and method for steady state control |
US8260893B1 (en) * | 2004-07-06 | 2012-09-04 | Symantec Operating Corporation | Method and system for automated management of information technology |
CN101266463A (zh) * | 2008-04-29 | 2008-09-17 | 江南大学 | 基于fpga的模糊控制器 |
CN102707617A (zh) * | 2012-06-20 | 2012-10-03 | 北京金自能源科技发展有限公司 | 一种模糊PID算法ActiveX控件的实现方法 |
CN103309233A (zh) * | 2013-05-13 | 2013-09-18 | 陕西国防工业职业技术学院 | 一种模糊pid控制器的设计方法 |
EP2882159A1 (en) * | 2013-12-06 | 2015-06-10 | Cyberlytic Limited | Profiling cyber threats detected in a target environment and automatically generating one or more rule bases for an expert system usable to profile cyber threats detected in a target environment |
CN103955368A (zh) * | 2014-04-28 | 2014-07-30 | 中国人民解放军理工大学 | 一种软件模糊自适应支撑系统和开发方法 |
CN104298111A (zh) * | 2014-09-28 | 2015-01-21 | 重庆工商职业学院 | 一种用于窑炉热工参数控制系统的模糊控制方法 |
CN108351622A (zh) * | 2015-09-10 | 2018-07-31 | 艾系统工业自动化公司 | 生成用于可编程模糊控制器的模糊知识库的方法 |
CN105785760A (zh) * | 2016-01-06 | 2016-07-20 | 北京首钢自动化信息技术有限公司 | 一种退火炉净环水硬度自动控制系统及其方法 |
CN109313530A (zh) * | 2017-05-16 | 2019-02-05 | 苹果公司 | 用于在用户界面之间进行导航以及与控制对象进行交互的设备、方法和图形用户界面 |
CN108132603A (zh) * | 2017-12-21 | 2018-06-08 | 广东工业大学 | 一种模糊自整定pid控制方法及系统 |
CN108154569A (zh) * | 2017-12-27 | 2018-06-12 | 广州奥格智能科技有限公司 | 一种基于对象模型化配置的巡查采集方法 |
Non-Patent Citations (2)
Title |
---|
VISHAL THAREJA: "fuzzy control parameter configure;configurable fuzzy logic coprocessor for small scale food preparation", 《2009 3RD INTERNATIONAL WORKSHOP ON SOFT COMPUTING APPLICATIONS》 * |
王明明: "基于模糊PID的烘干机温度控制系统的设计与实现", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115302630A (zh) * | 2022-10-08 | 2022-11-08 | 南通钰昇智能科技有限公司 | 一种新型混凝土砂浆搅拌控制方法 |
CN115302630B (zh) * | 2022-10-08 | 2023-01-31 | 南通钰昇智能科技有限公司 | 一种混凝土砂浆搅拌控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112346334B (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yager | On the construction of hierarchical fuzzy systems models | |
Sun et al. | Stability analysis for linear switched systems with time-varying delay | |
Chen et al. | Guaranteed cost control of T–S fuzzy systems with state and input delays | |
Sharma | Designing and modeling fuzzy control Systems | |
Yager | Fuzzy rule bases with generalized belief structure inputs | |
CN112818588B (zh) | 一种电力系统的最优潮流计算方法、装置及存储介质 | |
Petelin et al. | Control system with evolving Gaussian process models | |
CN107241135B (zh) | 一种卫星网络切换方法及装置 | |
Borisova et al. | Algorithm for assessing quality of fuzzy expert information | |
CN112346334B (zh) | 模糊控制参数的配置方法、装置、设备及存储介质 | |
Bonzanini et al. | Safe learning-based model predictive control under state-and input-dependent uncertainty using scenario trees | |
Moraga | Introduction to fuzzy logic | |
Hu et al. | Solving fuzzy inequalities with piecewise linear membership functions | |
Wang et al. | Assumptions of decision-making models in AGI | |
Vega-Amaya | Solutions of the average cost optimality equation for Markov decision processes with weakly continuous kernel: The fixed-point approach revisited | |
Mastacan et al. | Level fuzzy control of three-tank system | |
Liu et al. | Fuzzy cognitive map and its causal inferences | |
CN115421494A (zh) | 清洁机器人路径规划方法、系统、计算机设备及存储介质 | |
Castillo et al. | Short remark on interval type-2 fuzzy sets and intuitionistic fuzzy sets | |
Noorani et al. | A probabilistic perspective on risk-sensitive reinforcement learning | |
Huber et al. | Application of fuzzy graphs for metamodeling | |
Chen et al. | An extension of the FuzzyR toolbox for non-singleton fuzzy logic systems | |
Ying | Important and Challenging Issues for Interval Type-2 Fuzzy Control Research | |
Yager et al. | Modeling fuzzy logic controllers having noisy inputs | |
SCARPELLI et al. | High level fuzzy Petri nets and backward reasoning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210209 Assignee: Beijing Shuili Intelligent Building Technology Co.,Ltd. Assignor: KYLAND TECHNOLOGY Co.,Ltd. Contract record no.: X2022990000047 Denomination of invention: Configuration method, device, equipment and storage medium of fuzzy control parameters Granted publication date: 20220111 License type: Common License Record date: 20220121 |