CN1779584A

CN1779584A - 模糊控制表自动生成及优化的方法

Info

Publication number: CN1779584A
Application number: CN 200410084783
Authority: CN
Inventors: 施海锋; 周滨海
Original assignee: Shanghai University of Engineering Science
Current assignee: Shanghai University of Engineering Science
Priority date: 2004-11-26
Filing date: 2004-11-26
Publication date: 2006-05-31

Abstract

一种模糊控制表自动生成及优化的方法，可以利用少量数据得到模糊控制表，并利用计算机辅助分析得到模糊控制表，首先将控制系统组成数字PID控制，记录系统的误差、输出和控制数据输出的时间间隔；接着输入实验数据，利用辅助计算机进行回归分析，得到初表数据，取模糊控制表各输入控制端的分组数；利用计算机辅助分析，形成模糊控制初表；确定控制表控制效果的评价指标，并组成最优化的目标函数：将被测系统以模糊控制初表工作，利用计算机对其进行检测，通过对记录数据的分析及上述公式，得到最优化的模糊控制表。

Description

模糊控制表自动生成及优化的方法

技术领域

本发明涉及有关一种模糊控制表生成技术，尤其是涉及一种模糊控制表自动生成及优化的方法。

背景技术

传统的自动控制，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型(如微分方程、传递函数或状态方程)的基础上，但是在实际工业生产中，很多系统的影响因素很多，十分复杂。建立精确的数学模型特别困难，甚至是不可能的。这种情况下，模糊控制的诞生就显得意义重大，模糊控制不用建立数学模型，根据实际系统的输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。模糊控制实际上是一种非线性控制，从属于智能控制的范畴。模糊控制具有的突出特点：(1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。(2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。(3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。(4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。(5)模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。

然而，模糊控制技术也具有很多的缺陷，其主要表现在，模糊控制的(1)精度不太高；(2)自适应能力有限；(3)易产生振荡现象。为了解决上述问题，业界人士经过不断的努力，研发出很多新的模糊控制系统，如具有自学习功能的模糊控制，其即包括多种对外扰影响或重复任务的性能具有自学习功能的模糊控制方法，以及自寻优模糊控制器等，其关键在于学习和寻优算法的设计，尤其是提高其速度和效率。

发明内容

本发明的目的在于提供一种模糊控制表自动生成及优化的方法，可以利用少量数据得到模糊控制表，并利用计算机辅助分析得至最优化模糊控制表。

本发明的目的是这样实现的：种模糊控制表自动生成及优化的方法，可以利用少量数据得到模糊控制表，并利用计算机辅助分析得至最优化模糊控制表，其包括以下步骤：

第一步，将控制系统组成数字PID控制，记录系统的误差Xij(其中i＝1，2，3，4；j＝0，1，2，3…N)、输出Y_j(j＝0，1，2，3…N)和控制数据输出的时间间隔t；

第二步，输入实验数据，利用辅助计算机进行回归分析，得到初表数据，即误差率X_2j＝(X_1j-X_1j-1)/t (j＝1，2，…N)；

误差率变化X_3j＝(X_2j-X_2j-1)/t (j＝2，3，…N)；

累积误差X_4j＝X₁₀+X₁₁+X₁₂…+X_1N (j＝0，1，2…N)；

第三步，利用上述数据，按最小二乘估计出b₀、b₁…b₄，使得y＝b₁X₁+b₂X₂+b₃X₃+b₄X₄+b₀，并同时算出各组数据的统计值，平均值Y_平和X_i平(i＝1，2，3，4)；标准差σ_Y和σ_i(i＝1，2，3，4)；最大值Y_max和X_max i(i＝1，2，3，4)；最小值Y_min和X_min i(i＝1，2，3，4)；

第四步，取模糊控制表各输入控制端的分组数M_i≥(X_max i-X_min I)/σ_i；各组的代表值初步取为X_i±kσ_i平，k＝0，1，2…M_i(i＝1，2，3，4)，利用计算机辅助分析，形成模糊控制初表；

第五步，确定控制表控制效果的评价指标，将各指标F_p(x)乘以权系数ω_p组成最优化的目标函数：

min f(x)＝∑ω_pF_p(x) (p＝1，2…M)

x∈Rⁿ；

第六步，将被测系统以模糊控制初表工作，利用计算机对其进行检测，通过对记录数据的分析及上述公式，得到最优化的模糊控制表。

与现有技术相比，本发明的有益效果是：可以利用少量数据得到最优化模糊控制表，节省模糊控制系统模糊控制表的建立工作过程中的人力，提高工作效率。

附图说明

图1为本发明模糊控制表自动生成及优化的方法的流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步描述。

请参阅图1所示，本发明种模糊控制表自动生成及优化的方法，可以利用少量数据得到模糊控制表，并利用计算机辅助分析得至最优化模糊控制表，其包括以下步骤：

第一步，将控制系统组成数字PID控制，记录系统的误差X_ij(其中i＝1，2，3，4；j＝0，1，2，3…N)、输出Y_j(j＝0，1，2，3-----N)和控制数据输出的时间间隔t；

误差率变化X_3j＝(X_2j-X_2j-1)/t (j＝2，3，…N)；

累积误差X_4j＝X₁₀+X₁₁+X₁₂…+X_1N (j＝0，1，2…N)；

在本实施例中，取N＝42…102，因为X2要从第2个开始有效，而X3要从第3个数据开始有效，所以实际有用数据为40…100组。

在本实施例中，取i＝1，2，3，即3个输入控制端(X₁、X₂及X₃)，且每项均取5组数据，得到模糊控制初表如下表：

X₁＝-2	X₂	-2					-1					0					1					2
	X₂	-2					-1					0					1					2					X₃	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2
	Y	y₀	y₁	y₂	y₃	y₄	y₅	Y₆	y₇	y₈	y₉	y₁₀	y₁₁	y₁₂	y₁₃	y₁₄	y₁₅	y₁₆	y₁₇	y₁₈	y₁₉	y₂₀	y₂₁	y₂₂	y₂₃	y₂₄	X₃	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2
	Y	y₀	y₁	y₂	y₃	y₄	y₅	Y₆	y₇	y₈	y₉	y₁₀	y₁₁	y₁₂	y₁₃	y₁₄	y₁₅	y₁₆	y₁₇	y₁₈	y₁₉	y₂₀	y₂₁	y₂₂	y₂₃	y₂₄	X₁=-1	X₂	-2					-1					0					1					2
X₃	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2			X₂	-2					-1					0					1					2
X₃	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	Y		y₂₅	y₂₆	y₂₇	y₂₈	y₂₉	y₃₀	Y₃₁	y₃₂	y₃₃	y₃₄	y₃₅	y₃₆	y₃₇	y₃₈	y₃₉	y₄₀	y₄₁	y₄₂	y₄₃	y₄₄	y₄₅	y₄₆	y₄₇	y₄₈	y₄₉
X₁＝-0	X₂	-2					-1					0					1					2						y₂₅	y₂₆	y₂₇	y₂₈	y₂₉	y₃₀	Y₃₁	y₃₂	y₃₃	y₃₄	y₃₅	y₃₆	y₃₇	y₃₈	y₃₉	y₄₀	y₄₁	y₄₂	y₄₃	y₄₄	y₄₅	y₄₆	y₄₇	y₄₈	y₄₉
	X₂	-2					-1					0					1					2					X₃	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2
	Y	y₅₀	y₅₁	y₅₂	y₅₃	y₅₄	y₅₅	Y₅₆	y₅₇	y₅₈	y₅₉	y₆₀	y₆₁	y₆₂	y₆₃	y₆₄	y₆₅	y₆₆	y₆₇	y₆₈	y₆₉	y₇₀	y₇₁	y₇₂	y₇₃	y₇₄	X₃	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2
	Y	y₅₀	y₅₁	y₅₂	y₅₃	y₅₄	y₅₅	Y₅₆	y₅₇	y₅₈	y₅₉	y₆₀	y₆₁	y₆₂	y₆₃	y₆₄	y₆₅	y₆₆	y₆₇	y₆₈	y₆₉	y₇₀	y₇₁	y₇₂	y₇₃	y₇₄	X₁＝1	X₂	-2					-1					0					1					2
X₃	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2			X₂	-2					-1					0					1					2
X₃	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	Y		y₇₅	y₇₆	y₇₇	y₇₈	y₇₉	y₈₀	Y₈₁	y₈₂	y₈₃	y₈₄	y₈₅	y₈₆	y₈₇	y₈₈	y₈₉	y₉₀	y₉₁	y₉₂	y₉₃	y₉₄	y₉₅	y₉₆	y₉₇	y₉₈	y₉₉
X₁＝-2	X₂	-2					-1					0					1					2						y₇₅	y₇₆	y₇₇	y₇₈	y₇₉	y₈₀	Y₈₁	y₈₂	y₈₃	y₈₄	y₈₅	y₈₆	y₈₇	y₈₈	y₈₉	y₉₀	y₉₁	y₉₂	y₉₃	y₉₄	y₉₅	y₉₆	y₉₇	y₉₈	y₉₉
	X₂	-2					-1					0					1					2					X₃	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2
	Y	y₁₀₀	y₁₀₁	y₁₀₂	y₁₀₃	y₁₀₄	y₁₀₅	Y₁₀₆	y₁₀₇	y₁₀₈	y₁₀₉	y₁₁₀	y₁₁₁	y₁₁₂	y₁₁₃	y₁₁₄	y₁₁₅	y₁₁₆	y₁₁₇	y₁₁₈	y₁₁₉	y₁₂₀	y₁₂₁	y₁₂₂	y₁₂₃	y₁₂₄	X₃	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2	-2	-1	0	1	2

第五步，确定控制表控制效果的评价指标，包括控制精度、响应速度、超调量等系统性能指标和输入变量个数、分级数等反映模糊控制结构性能等指标，将各指标F_p(x)乘以权系数ω_p组成最优化的目标函数：

min f(x)＝∑ω_pF_p(x) (p＝1，2…M)

x∈Rⁿ；

其约束条件由各评价指标、自变量的论域、以及系统必须满足的设计指标组成。

综上所述，本发明完成了发明人的目的，可以利用少量数据得到最优化模糊控制表，节省模糊控制系统模糊控制表的建立工作过程中的人力，提高工作效率。

Claims

1.一种模糊控制表自动生成及优化的方法，可以利用少量数据得到模糊控制表，并利用计算机辅助分析得至最优化模糊控制表，其包括以下步骤：

误差率变化X_3j＝(X_2j-X_2j-1)/t (j＝2，3，…N)；

累积误差X_4j＝X₁₀+X₁₁+X₁₂…+X_1N (j＝0，1，2…N)；

第三步，利用上述数据，按最小二乘估计出b₀、b₁…b₄，使得y＝b₁X₁+b₂X₂+b₃X₃+b₄X₄+b₀，并同时算出各组数据的统计值，平均值Y_平和X_i平(i＝1，2，3，4)；标准差σ_Y和σ_i(i＝1，2，3，4)；最大值Y_max和X_maxi(i＝1，2，3，4)；最小值Y_min和X_mini(i＝1，2，3，4)；

第四步，取模糊控制表各输入控制端的分组数M_i≥(X_maxi-X_minI)/σ_i；各组的代表值初步取为X_i±kσ_i平，k＝0，1，2…M_i(i＝1，2，3，4)，利用计算机辅助分析，形成模糊控制初表；

min f(x)＝∑ω_pF_p(x) (p＝1，2…M)

x∈Rⁿ；

2.如权利要求1所述的模糊控制表自动生成及优化的方法，其特征在于：所述PID控制也可以为P控制。

3.如权利要求1所述的模糊控制表自动生成及优化的方法，其特征在于：所述PID控制也可以为PI控制。

4.如权利要求1所述的模糊控制表自动生成及优化的方法，其特征在于：所述PID控制也可以为PD控制。

5.如权利要求1所述的模糊控制表自动生成及优化的方法，其特征在于：其中所述及的i可以仅为1，2，3，4中的部分值。