（电气工程专业论文）模糊—神经—pid融合的控制策略的工程应用.pdf

摘要 模糊控制和神经控制是智能控制的前沿领域，文章对模糊控制和神经控制的设计 理论和应用进行了研究，针对基于数学模型的传统p i d 控制方法不能满足具有不确定 性、难以精确建模的复杂控制系统设计的要求，采用了多种模糊一神经p i d 融合的 控制策略，并对工程实际进行了仿真实验，验证了所采用的控制方法的有效性。本文 的主要内容如下： 1 ) 总结了自动控制理论、模糊控制、神经控制的发展，研究状况和展望；指出传 统p i d 控制方法存在的缺陷和不足；阐明了设计先进p i d 控制策略的必要性。 2 ) 研究了模糊控制和自适应单神经元控制的原理和设计方法。 3 ) 针对锅炉燃烧器这类存在大惯性环节，难以建立精确数学模型的控制对象，采 用了模糊p i d 复合控制策略。这种策略在大偏差范围内采用模糊控制，加快动态 响应过程；在小偏差范围内转换为p i d 控制，消除稳态误差，实现精确控制。通 过m a t l a b 仿真实验表明，模糊p i d 复合控制能够满足系统要求，具有良好的快速 性和稳态精度，具有很强的鲁棒性和抗干扰力，体现了优异的控制品质。 4 ) 针对过热汽温调节系统这样一个存在非线性耦合、大滞后、多变量、干扰强的 复杂被控对象，采用基于单神经元网络的智能p i d 控制。该方法利用了神经元具 有高度的容错性，鲁棒性，自组织，自学习和实时处理等特点对过热气温调节系 统进行控制。通过m a t l a b 仿真实验表明，基于单神经元网络的智能p i d 控制方法 具有算法简单、实时性好的特点，具有较强的自适应、自学习能力和较强的鲁棒 性。 、 5 ) 将模糊p i d 复合控制策略和基于单神经元网络的智能p i d 控制方法融合采用了 模糊一神经一p i d 融合的控制策略，通过m a t l a b 仿真实验表明模糊一神经一p i d 融合的先进控制策略综合了模糊控制、神经控制和传统p i d 的优点，比前面两种 控制策略具有更好的鲁棒性、快速性和控制精度。表现出及其优异的控制品质。 关键词；模糊p i d ；智能p i d ；工业对象：不确定性 a b s t r a c t t h ef u z z ya n dn e u r a lc o n t r o la r et w oo ft h ef o r w a r dp o s i t i o n so fi n t e l l i g e n t c o n t r 0 1 t h ed e s i g nt h e o r i e sa n da p p l i c a t i o n so ff u z z ya n dc o n t r o l l e ra r ed i s c u s s e d i nt h i st h e s i s s e v e r a lf u z z y - n e u r o - p i dc o n t r o ls t r a t e g i e sa r ep r o p o s e da n dt h e s i m u l a t i o ne x p e r i m e n t si nm a t l a bo fc o n t r o l l i n gi n d u s t r i a l p l a n t sa r em a d e b e c a u s et h et r a d i t i o n a lp i dc o n t r o l l i n gm e t h o db a s e do na c c u r a t em o d e ic a n t s a t i s f yt h ep e r f o r m a n c eo fc o n t r o l l i n gi n d u s t r i a lp l a n t sw i t hu n c e r t a i n t i e sa n d c o m p l e x i t yt om o d e l t h em a i nc o n t e n t so ft h i st h e s i sa r ea sf o l l o w s ： 1 ) g e n e r a l i z et h ed e v e l o p m e n t ，p r e s e n tc o n d i t i o na n do u t l o o ko ft h ea u t o m a t i c c o n t r o lt h e o r y f u z z yc o n t r o ia n dn e u r a ic o n t r o i ；p o i n to u tt h ed e f e c ta n d s h o r t a g eo ft r a d i t i o n a l p i dc o n t r o lm e t h o d ；d e m o n s t r a t et h en e c e s s i t yo f d e s i g n i n ga d v a n c e dp i dc o n t r o ls t r a t e g y 2 ) d i s c u s st h ep r i n c i p l ea n dd e s i g nm e t h o do ff u z z ya n ds i n g l en e u r o n c o n t r o l l e r 3 ) p r o p o s et h ef u z z yp i dc o m p o u n dc o n t r o lm e t h o db a s e do nt h et y p eo f c o n t r o l l e dp l a n tw h i c he x i s t sl a r g ei n e r t i a ll i n ka n dh a r dt om o d e le t c s u c ha s b u r n e ro fb o i l e r t h i ss t r a t e g ya d o p t st h ef u z z yc o n t r o lw i t h i nt h es c o p eo fb i g e r r o rw h i c hs p e e dd y n a m i cp r o c e s so fr e s p o n s ea n da d o p t st h ep i dc o n t r o l w i t h i ns m a l lw h i c hr e m o v e st h es t e a d ye r r o ra n dc a r r yo u ta c c u r a t ec o n t r 0 1 q u a l i t yt h a ts a t i s f i e st h ep e r f o r m a n c ea n dh a sb e t t e rs p e e d i n e s s ，s t e a d y a c c u r a c y , s t r o n gr o b u s t n e s sa l s oa n t i - i n t e r f e r e n c aa b i l i t y 4 ) p r o p o s et h ei n t e l l i g e n tp i db a s e do nt h en e t w o r ko fs i n g l en e u r o nw h i c h a i m sa ts o l v i n gt h ec o n t r o l l e dp l a n t st h a th a v en o n l i n e a r i t y ，m u l t i v a r i a b l e ，l a r g e l a ga n di n t e r f e r e n c es u c ha ss u p p e r - h e a t e ds t e a mt e m p e r a t u r es y s t e m 5 ) p r o p o s et h ea d v a n c e dc o m p o u n df u z z y - n e u r o - p i dc o n t r o ls t r a t e g yb a s e d o nt h en e t w o r ko fs i n g l en e u r o na n df u z z yp i dc o m p o u n dc o n t r o lm e t h o d t h e s i m u l a t i o nr e s u l t ss h o wt h a ti th a si n t e g r a t e dt h ee x c e l l e n c yo ff u z z yc o n t r o la n d n e u r a lc o n t r o ia n dt r a d i t i o n a lp i dc o n t r o lm e t h o d i th a sm o r er e a l t i m e s p e c i a l i t ya n ds t r o n gr o b u s t n e s sa n ds t e a d ya c c u r a c yt h e nt h ei n t e l l i g e n tp i d a n df u z z yp i dc o m p o u n dc o n t r o im e t h o d a l s ot h es i m u l a t i o nr e s u l t ss h o wt h a t i th a sv e r ye x c e l l e n tc o n t r o lq u a l i t y k e yw o r d s ：f u z z yp i d ，i n t e l l i g e n tp i d ，i n d u s t r i a lp l a n t s u n c e r t a i n t y 辽宁工程技术大学硕士学位论文 前言 自动控制理论形成以来，一直在科技的发展中扮演着举足轻重的角色。由于 它涉及的学科非常广泛，因此，自动控制理论的应用和影响也遍及了工农业生产 和人类社会的各个领域。回顾自动控制理论的发展历程，大体上可以划分为经典 控制理论、现代控制理论和智能控制理论三个阶段。通常，人们将经典控制理论 和现代控制理论称为传统控制理论，而它们是基于对象线性化数学模型已知的控 制方法，而智能控制不但可以应用于对象线性化数学模型已知的情况下，而且可 以用于控制对象模型未知以及非线性时变的系统。 传统控制理论的一个重要应用领域是工业控制。目前，工业控制大多采用常 规p i d 控制，因为，p i d 控制可以满足大多数工业控制的需要。并且具备控制效 果较好、理论成熟、实现方便等优点。尤其适用于可以精确建立数学模型的确定 性系统。然而随着工业化的迅速发展，受控对象和环境的日益复杂和多样化，在 许多场合下，要想建立精确的数学模型变得十分困难或不可能，加之系统的复杂 导致系统的非线性、时变程度增大，这使得基于对象线性化数学模型的传统控制 理论无法满足控制系统对控制理论的要求。由此，理论界致力于研究新的控制理 论，从而使自动控制向智能控制方向发展。 智能控制由于具备不同于传统控制理论的本质特征：学习功能、自适应功能 和组织功能，使其在解决复杂、非线性时变和不确定性受控的控制问题时，具有 传统控制无法比拟的优势。因此智能控制理论及其应用的研究成为自动控制发展 的一个主要方向，作为两种主要的智能控制方法，模糊控制和神经网络控制，由 于它们能模拟人的智能行为，并能够处理传统控制方法难以解决的控制问题，因 此，模糊控制和神经网络控制成为智能控制的前沿和研究热点。 研究模糊控制是为了将人类的经验( 知识) 通过模糊逻辑语言变量及其之间 的模糊关系进行模糊推理。从而，使计算机控制进入那些基于对象精确数学模型 无法控制的禁区，以便获得基于对象精确数学模型控制无法达到的控制效果。 研究神经网络控制是利用人工神经网络具有信息分布存储、自组织和自学习 能力强大、可以利用并行处理技术提高效率以及它具有极强的非线性逼近能力等 优点，对难以精确描述的复杂非线性对象建立数学模型。还可以作为控制器来控 制对象，以及用于优化计算，推理和故障诊断等多种用途。从而达到对复杂非线 性系统进行卓有成效的控制。 辽宁工程技术大学硕士学位论文 2 本文在p i d 控制的基础上，结合模糊控制、神经网络控制算法，先将模糊控 制、神经网络控制与传统p i d 控制结合，最后将三种控制策略结合，采用模糊神 经p i d 控制策略，并对实际工程应用进行了m a t l a b 实验仿真。第一章综述了自 动控制理论的发展历程，指出传统控制存在的缺陷和不足，阐述模糊控制、神经 网络控制的基本思想。第二章系统的介绍了模糊控制和神经网络控制的基本概 况，神经网络的分类、算法以及应用研究现状。第三章介绍了模糊控制和自适应 神经网络控制的基本原理及设计。第四章针对锅炉燃烧器一类存在大惯性环节， 难以建立精确数学模型的被控对象，采用了模糊p i d 复合控制策略，并进行 m a t l a b 仿真。第五章把神经元的学习特性和常规p i d 控制算法结合起来，设计 了基于单神经网络的智能p i d 控制，通过m a t l a b 仿真。第六章综合了模糊控制、 神经网络控制的优点，采用了将模糊控制、神经网络控制和常规p i d 控制策略融 合的智能模糊神经p i d 控制策略，并通过m a t l a b 仿真。 辽宁工程技术大学硕士学位论文 3 1 绪论 1 1 引言 自动控制理论形成以来，一直在科学技术的发展中扮演着重要的角色。由于 它涉及的学科非常广泛，包括数学，计算机科学，信息论，控制论及工程科学等 众多领域，因此自动控制理论的应用和影响也遍及工农业生产和人类社会的各个 领域。正是因为在实践中不断地发现问题，解决问题，从而涌现了大批新思想， 新方法，推动自动控制理论的不断发展和不断完善。 回顾自动控制理论的发展历程，大体上可以划分为经典控制理论，现代控制 理论和智能控制理论三个重要阶段“。 第一阶段：时问为2 0 世纪4 0 6 0 年代，称为“经典控制理论”时期。经典 控制理论主要是解决单输入但输出问题。 第二阶段：时间为2 0 世纪6 0 7 0 年代，称为“现代控制理论”时期。状态 空间法可以解决多输入多输出问题，系统既可以是线性的、定常的，也可以是非 线性的、时变的。 第三阶段：时间是2 0 世纪7 0 年代木至今，称为“智能控制理论时期”。智 能控制的基本出发点是仿人的智能实现对复杂不确定性系统进行有效的控制。它 所涉及的领域，除了传统控制外还包括：计划、学习、搜索算法、复合系统，容 错、纠错、重构、自主、p e t r i 网、神经网络和模糊逻辑等。 1 2 课题的提出和意义 从引言中知道，自动控制理论研究正由成熟的传统控制理论阶段过渡到智能 控制理论时期。常规p i d 控制策略具有以下特性： 1 ) 原理简单。 2 ) 适应性强。 3 ) 鲁棒性强。 在p i d 控制中，p i d 参数的整定是一个关键问题，它直接影响控制效果。确 定p i d 参数的传统方法是：在获得对象数学模型的基础上，根据某一整定原则来 确定。当数学模型不可得到时，则利用经验并通过试验的方法确定p i d 参数。控 制器一旦设计好，其p i d 参数也就定了。然而，实际工业生产过程往往具有非线 性，时变不确定性，难以建立精确的数学模型，应用常规p i d 控制器不能达到理 想的控制效果，而且在实际生产现场中，由于受到参数整定方法繁杂的困扰，常 辽宁工程技术大学硕士学位论文4 规p i d 控制器往往整定不良，性能欠佳，对运行工况的适应性很差。这就要求 p i d 参数能在线调整，以满足控制的要求。 因此在传统p i d 控制的基础上，结合模糊控制、神经网络以及其他智能算法 ( 如人工遗传算法) 的研究和应用将有非常广阔的前景。本论文的设计理论就基 于此。 1 3 模糊控制和神经控制的基本思想 模糊控制的基本思想是利用计算机来实现人的控制经验。研究模糊控制的目 的不是要把控制理论搞得模模糊糊，而是要通过引入模糊逻辑语言变量及其它们 之间构成的模糊关系进行模糊推理，从而，使微机控制进入那些基于精确模型无 法控制的禁区，以便获得基于精确模型控制所无法达到的精确的控制效果。 模糊控制器( f u z z yc o n t r o l l e r , f c ) 获得巨大成功的主要原因在于它具有如 下一些突出特点： 1 ) 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。 2 ) 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：但一个系统的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，容易找到折衷的选择，使控制效果优于常规控制器。 3 ) 模糊控制算法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。 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。 而神经控制的基本思想则是利用计算机来实现人的自组织，自学习和自适应 功能。神经网络能够用于自控领域，主要有如下特征【1 4 j ： 1 ) 并行处理功能：既能解决大批量实际计算和判决问题，又具有较强的容错能 力。 2 ) 由于隐层的存在，只需三层网络便可以任意精度逼近任意非连续函数。在系 统中，它至少能起三个基本作用：无当非线性控制对象模型；充当各种不同功能 的控制器构造；构造优化计算或矩阵代数计算部件。 3 ) 对不同的输入模式，隐层各单元激活强度不同。对于干扰原因产生给定值偏 离或系统内部结构变化，当经典方式和现代方式构成的负反馈调节无能为力时， 辽宁工程技术大学硕士学位论文 5 神经控制却能因不同的激活强度获得满意的性能。 4 ) 具有自学习能力。 由以上分析可知，模糊控制能够模拟人的思维和语言中对模糊信息的表达和 处理方式，利用经验性知识，但是缺乏自学习能力：神经控制以神经元网络系统 理论为基础，能够模拟人脑的结构和信息处理的记忆力功能，具有并行运算和无 限逼近非线性函数的功能，但是缺乏推理能力和对先验知识的运用能力。这两种 方法各有所长并具有互补性，两种方法的融合对智能控制理论的研究有重大意 义。 1 4 本论文的主要工作 本文的主要工作有以下几个方面： 1 ) 总结了传统控制、模糊控制、人工神经元网络、神经控制的发展和研究现状， 并着重指出传统p i d 控制方法存在的缺陷和不足。 2 ) 介绍了模糊控制和单神经元自适应控制的基本原理。 3 ) 介绍了基于m a t l a b 的典型模糊控制器和自适应神经元控制器的设计方法和 步骤。 4 ) 针对锅炉燃烧器一类存在大惯性环节，难以建立准确数学模型的被控对象， 采用了模糊p i d 复合控制策略。通过m a t l a b 仿真实验表明，模糊p i d 复合控 制能够满足系统要求，具有良好的快速性和稳态精度，具有很强的鲁棒性和抗干 扰能力，体现了优异的控制品质。 5 ) 针对过热汽温调节系统这样一个存在非线性耦合、大滞后、多变量、干扰强 的复杂被控对象，采用基于单神经元网络的智能p i d 控制。通过m a t l a b 仿真 实验表明：基于单神经元网络的智能p i d 控制方法具有算法简单、实时性好的特 点，具有较强的自适应、自学习能力和较强的鲁棒性。像过热汽温调节系统这样 复杂的被控对象也能取得优良的控制效果，表明该控制方案有着广阔的应用前 景。 6 ) 将模糊p i d 复合控制策略和基于单神经元网络的智能p i d 控制方法融合采 用了模糊一神经一p i d 融合的先进控制策略，通过m a t l a b 仿真实验表明模糊一 神经p i d 融合的先进控制策略综合了模糊控制、神经控制和传统p i d 的优点， 比前面两种控制策略具有更好的鲁棒性、快速性和控制精度。表现出及其优异 的控制品质。 辽宁工程技术大学硕士学位论文 6 2 模糊控制和神经控制的基本理论 2 1 引言 模糊理论是在la z a d e h 教授于1 9 6 5 年创立的模糊集合理论的基础上发展 起来的，主要包括模糊集合论( f u z z ys e t ) 、模糊逻辑、模糊推理和模糊控制等 方面的内容。在模糊集合论和模糊逻辑基础上发展起来的模糊控制方法体现了人 类的逻辑思维和推理过程，能够利用专家经验，它具有抗干扰和强鲁棒性的优点， 但是模糊控制也有它自身的先天下足如缺乏自组织，自学习能力，人工神经网络 理论和神经控制的发展，为实现其自组织，自学习功能提供了全新的途径。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k , a n n ) ，亦称为神经网络( n e u r a l n e t w o r k s ，n n ) ，是由大量处理单元( 神经元n e u r o n s ) 广泛互连而成的网络，是 对人脑的抽象，简化和模拟，反映人脑的基本特性。它与人脑的相似之处概括为 两个方面：是通过学习过程利用神经网络从外部环境中获取知识；二是内部神 经元( 突触权值) 用来存储获取的知识信息。由于神经网络信息的分布存储，并 行处理以及自学习能力等优点，所以它在信息处理，模式识别，智能控制等领域 有着广阔的应用前景。 模糊系统和神经网络虽然在概念和内涵上有明显的不同，但二者都能处理实 际中的不确定性，不精确性等引起的系统难以控制的问题。模糊系统能够利用专 家经验，而神经网络具有学习能力，两者具有互补性。 2 2 模糊控制基本理论 2 2 1 模糊控制概况 模糊逻辑控制( f u z z yl o g i cc o n t r 0 1 ) 简称模糊控制( f u z z yc o n t r 0 1 ) ，是以 模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。 1 9 6 5 年，la z a d e h 创立了模糊集合论，1 9 7 3 年他给出了模糊逻辑控制的定义 和相关的定理。1 9 7 4 年，英国的e h ，m a m d a n i 首先用模糊控制语句组成模糊控 制器，并把它应用于锅炉和蒸汽机的控制，在实验室获得成功，这一开拓性的工 作标志着模糊控制论的诞生。 模糊控制实质上是一种非线性控制，从属于智能控制的范畴。近2 0 多年来， 模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个 非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面， 例如在家用电器设备中有模糊洗衣机、空调、吸生器、微波炉、照相机和摄录机 辽宁工程技术大学硕士学位论文 7 等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模 糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、 蒸汽引擎以及机器人的模糊控制等。 2 2 2 模糊控制应用研究现状 模糊控制具有良好控制效果的关键是要有一个完善的控制规则。但由于模糊 规则是人们对过程或对象模糊信息的归纳，对高阶，非线性、大时滞、时变参数 以及随机干扰严重的复杂控制过程，人们的认识往往比较贫乏或难以总结完整的 经验，这就使得单纯的模糊控制在某些情况下很粗糙，难以适应不同的运行状态， 影响了控制效果。 常规模糊控制的两个主要问题在于：改进稳态控制精度和提高智能水平与适 应能力。在实际应用中，往往是将模糊控制或模糊推理的思想，与其它相对成熟 的控制理论或方法结合起来，发挥各自的长处，从而获得理想的控制效果。由于 模糊规则和语言很容易被人们广泛接受，加上模糊化技术在微处理器和计算机中 能很方便的实现，所以这种结合展现出强大的生命力和良好的效果。对模糊控制 的改进方法可大致的分为模糊复合控制，自适应和自学习模糊控制，以及模糊控 制与智能化方法的结合等三个方面。 2 3 神经控制基本理论 2 3 1 神经控制概况一： 神经控制的研究始于2 0 世纪4 0 年代，它的发展经历了一条由兴起，萧条和 兴盛三个阶段构成的曲折道路。 兴起阶段：1 9 4 3 年，ws m c c u l l o c h 与wp i t t s 合作提出了形式神经元的数 学描述与结构，即著名的m p 模型。m p 模型的研究兴起了n n 的研究。随后， 1 9 4 9 年d oh e b b 提出了改变神经元连接强度的h e b b 规则，为神经网络的学习 算法奠定了基础，使神经网络的研究进入了一个重要的发展阶段【1 6 1 。1 9 5 7 年， r o s e n b l a n t t 提出感知器( p e r c e p t r o n ) 模型，首次把神经网络的研究付诸工程实 践【堋。人工神经网络的研究处于一个兴盛时期。 萧条阶段：鉴于m m i n s k y 在学术界的影响及其悲观的结论，加上当时以逻 辑推理为基础的人工智能和数字计算机取得的辉煌成就，使得人工神经网络的研 究在此后近十年里进入了一个缓慢发展的低潮期。尽管如此，不少学者仍致力于 这一研究，并取得了不少成果，如自组织映射【1 8 l 、自适应性谐振理论( a d a p t i v e 辽宁工程技术大学硕士学位论文 8 r e s o n a n c et h e o r y , a r t ) 1 9 1 等。特别是反向传播算法( b p 算法) 1 2 0 1 的提出，为 神经网络的发展奠定了牢固的基础，随着b p 网络和h o p f i e l d 网络的出现，人工 神经网络的研究进入了新的高潮和成熟阶段。 兴盛阶段：1 9 8 2 年，h o p f i e l d 用能量函数的思想形成了一种新的计算方法， 并形成了h o p f i e l d 【2 1 1 网络，这是n n 研究的突破性进展。1 9 8 4 年，h o p f i e l d 进行 了神经网络应用的研究，成功地解决了旅行商( t s p ) 计算难题( 优化问题) ， 令人震惊，使神经网络的研究步入了兴盛时期。1 9 8 5 年，a c k l e y ，h i n t o n 和 s e j n o w s k i 提出了b o l t z m a n n 机2 2 1 。此后，神经网络领域的研究有了更新的发展。 2 3 2 神经网络的分类和学习算法 经过半个多世纪的发展，人们提出了多种神经元网络模型，按照网络结构和 学习算法相结合，可划分为单层前向网络，多层前向网络，反馈网络，随机神经 网络和竞争神经网络等。 1 ) 单层前向网络 所谓单层前向网络指拥有的计算节点( 神经元) 是“单层”的，如图2 1 所 示。如单层感知器和自适应元件均属于单层前向网络。 源节点输入层神经元输出层 图2 - 1 单层向前网络 2 ) 多层前向网络 多层前向网络与单层前向网络的区别在于：含有一个或更多的隐含层，其中 的计算节点被相应地称为隐含神经元或隐含单元。如图2 2 所示。 辽宁工程技术大学硕士学位论文 9 源节点输入层神经元隐含层神经元输出层 图2 - 2 多层向前网络 3 ) 反馈网络 所谓反馈网络是指网络中至少含有一个反馈回路的神经网络如著名的 h o 曲e l d 网络，如图2 - 3 所示。图2 - 4 所示的是另一类型的含有隐层的反馈网络， 图中的反馈联接起始于隐层神经元和输出神经元。 图2 - 3 无自反馈和隐含层的反馈网络 4 ) 随机神经网络 随机神经网络是对神经网络引入随机机制，认为神经元是按照概率的原理进 行工作的，这就是说，每个神经元的兴奋或抑制具有随机性，其概率取决于神经 元的输入。b o l t z m a n n 机就是典型的随机神经网络。如图2 5 所示。 辽宁工程技术大学硕士学位论文 1 0 图2 - 4 含有隐含层的反馈网络 昱见神经元 中间部隐见神经元 图2 5 随即神经网络：b o l t a m a n n 机的网络结构 5 ) 竞争神经网络 竞争神经网络的一个显著特点是它的输出神经元相互竞争以确定胜者，胜者 指出哪一种原型模式最能代表输入模式。h a m m i n g 网络是一个最简单的竞争神 经网络，如图2 - 6 所示。从源接点到神经元之间是兴奋性连接，输出神经元之间 是横向侧抑制。 辽宁工程技术大学硕士学位论文 源节点层单层输出神经元 图2 - 6 最简单的竞争神经网络 2 3 3 神经控制应用研究现状 1 9 9 2 年h u n t 等人发表长篇综述文章，将神经网络控制结构分为监督控制， 直接逆控制，模型参考控制，内模控制，预测控制，系统辩识，最优决策控制， 自适应线性控制，增强学习控制，增益排队论及滤波和预报等。这里主要介绍以 下几种【l l ： 1 ) 神经监督控制 2 ) 神经直接逆控制 3 ) 神经内模控制 ? 4 ) 神经预测控制 5 ) 神经自适应控制 2 4 模糊神经控制 模糊控制和神经控制两种方法各有所长并具有互补性，两种方法的融合对智 能控制理论的研究有重大意义。神经元网络的学习能力可以实现模糊逻辑推理或 参数优化，模糊系统可以用于神经元网络的初始化或将类似：于人的推理能力赋 予神经元网络，两者的结合可以提高控制系统的性能。模糊神经控制方法主要有： 1 ) 用神经元网络整定模糊控制器参数 2 ) 基于神经元网络的模糊控制器 3 ) 用模糊系统来改善神经元网络的学习 2 5 模糊控制和神经控制的展望 2 5 1 模糊控制展望 模糊控制仍然是一个充满争议的领域。由于它的发展历史还不长，理论上的 辽宁工程技术大学硕士学位论文 系统性和完善性，技术上的成熟性和规范性都还是不够的，有待人们的进一步提 高。 模糊系统理论还有一些重要的理论课题没有解决。其中两个重要的问题是： 如何获得模糊规则及隶属函数，这在目前完全凭经验来进行；以及如何保证模糊 系统的稳定性。 2 5 2 神经控制展望1 1 4 1 已经取得的研究成果表明：神经网络构成控制器和辩识器时，适合于模式识 别一类信息处理，不适合于精确计算，没必要把复杂的数学变换和计算法引入神 经控制器，相反，应尽量简化学习算法和训练步骤。神经控制器的输出以满意为 原则，不以高精度为原则，着眼于结合实际开发新的拓扑结构和算法，而不是纠 缠全局或局部最优解。不能坐等3 0 余年后神经计算机的实用化，因此现时神经 控制的研究重点为：以神经网络为硬件拓扑结构：以模糊逻辑为控制方式；以人 工智能为设计依据：以v o n ，n e u m a n n 型计算机为计算机工具，实现它们的融合， 走出一条智能控制成功乏路。 辽宁工程技术大学硕士学位论文 3 模糊控制和自适应神经元控制的原理及设计 3 1 模糊控制的基本原理 模糊控制是以模糊集合论，模糊语言变量及模糊逻辑推理为基础的一种计算 机智能控制。本节介绍模糊控制系统的组成、基本原理、设计内容和设计方法。 3 1 1 模糊控制系统的组成 模糊控制属于计算机控制的一种形式。因此，模糊控制系统的组成类同于一 般的数字控制系统，其方框图如图3 1 所示。 蛄 图3 1 模糊控制系统框图 模糊控制系统一般可以分为四个组成部分： 1 ) 模糊控制器 模糊逻辑控制器( f u z z yl o g i cc o n t r o l l e r ) 简称为模糊控制器( f u z z y c o n t r o l l e r ) ，因为模糊控制器的控制规则是基于模糊条件语句描述的语言控制规 则，所以模糊控制器又称为模糊语言控制器( f u z z yl a n g u a g ec o n t r o l l e r ) 。模糊 控制器实际上是一台微机，根据控制系统的需要，既可以选用系统机，也可选用 单板机或单片机。 2 ) 输入输出接口装置 模糊控制器从输入输出接口从被控对象获取数字信号量，并将模糊控制器 决策的输出数字信号经过数模变换为模拟信号，送给执行机构去控制被控对象。 3 ) 广义对象 包括被控对象及执行机构。须指出，被控对象缺乏精确数学模型的情况适宜 选择模糊控制，但不排斥有较精确的数学模型的被控对象，也可以采用模糊控制 方案。 4 ) 传感器 传感器是将被控对象或各种过程的被控制量转换为电信号( 模拟的或数字 的) 的一类装置。传感器在模糊控制系统中占有十分重要的地位，它的精度往往 辽宁工程技术大学硕士学位论文 1 4 直接影响整个控制系统的精度。因此，在选择传感器时，应注意选择精度高且稳 定性好的传感器。 3 1 2 模糊控制器的组成 模糊控制的基本原理可由图3 2 表示，它的核心部分为模糊控制器，如图中 虚线框中部分所示。模糊控制器的控制规律由计算机的程序实现，实现一步模糊 控制算法的过程可概括为下列四个步骤 1 ) 根据本次采样得到系统的输出值，计算所选择的系统的输入变量； 2 ) 将输入变量的精确值变为模糊量； 3 ) 根据输入变量( 模糊量) 及模糊控制规则，按模糊推理合成规则计算控制量 ( 模糊量) ； 4 ) 由上述得到的控制量( 模糊量) 计算精确的控制量。 模糊控制器( 微处理机) 图3 2 模糊控制原理图 若将模糊控制器独立出来，它的组成框图如图3 3 所示。 1 ) 模糊化接口( f u z z yi n t e r f a c e ) 模糊控制器的输入必须通过模糊化才能用于控制输出的求解，因此实际上它 是模糊控制器的输入接口。其主要作用是将真实的确定量输入转化为一个模糊矢 量。对于一个模糊输入变量e ，其模糊子集通常可以进行如下划分1 1 ： 萨 负大，负小，零，i e d , ，正大) = n b ，n s ，z o ，p s ，p b ) 萨 负大，负中，负小，零，i e 4 , ，正中，正大) = n b ，n m ，n s ，z o ，p s ， p m ，p a 萨 负大，负中，负小，零负，零正，正小，正中，正大，= n b ，n m ，n s ， n z ，p z ，p s ，p m ，p b 辽宁工程技术大学硕士学位论文 1 5 厶 l 旱甲 一气厂触库 副拯蛳c 渊h 搿 _ ：模糊控制器( 馓处理机) l 一 图3 - 3 模糊控制器的组成 2 ) 知识库( k n o w l e d g eb a s e , k b ) 知识库由数据库和规则库两部分构成。 a 数据库( d a t eb a s e , d b ) 数据库所存放的是所有输入，输出变量的全部模糊子集的隶属度矢量值( 经 过论域等级离散化以后对应值的集合) ，若论域为连续域则为隶属度函数。在规 则推理的模糊关系方程求解过程中，向推理机提供数据。 b 规则库( r u l eb a s e ，r b ) 模糊控制器的规则基于专家知识或手动操作人员长期积累的经验，它是按人 的直觉推理的一种语言表示形式。模糊规则通常由一系列的关系词连接而成，如 i f t h e n , e l s e , a l s o e n d , o r 等，关系词必须经过“翻译”才能将模糊规则数值化。 如模糊控制系统输入变量e ( 误差) 和e c ( 误差变化) ，它们对应的语言变量为e 和e c ，可给出一条模糊规则： r l ：i f e i s n ba n d e c i s n b t h e n u i sp b 规则库是用来存放全部模糊控制规则的，在推理时为“推理机”提供控制规 则。由上述可知，规则条数和模糊变量的模糊子集划分有关，划分越细，规则条 数越多，但并不代表规则库的准确度越高，规则库的“准确性”还与专家知识的 准确度有关。 3 ) 推理与解模糊接口( i n f e r e n c ea n dd e f u z z y i m e r f a c e ) 辽宁工程技术大学硕士学位论文1 6 推理是模糊控制器中，根据输入模糊量，由模糊控制规则完成模糊推理来求 解模糊关系方程，并获得模糊控制量的功能部分。在模糊控制中，考虑到推理时 间，通常采用推理较简单的推理方法。推理结果的获得表示模糊控制的规则推理 功能已经完成。但是至此获得的结果仍是一个模糊矢量，不能直接用来作为控制 量，还必须进行一次转换，求出清晰的控制量输出，即为解模糊。通常把输出端 具有转换功能作用的部分称为解模糊接口。 综上所述，模糊控制器实际上是依靠微机( 单片机) 构成的。它的绝大部分 功能由计算机程序来完成。 3 2 一个典型的模糊控制器的设计 模糊控制器最简单的实现方法是将一系列模糊控制规则离线转化为一个查 询表( 又成为控制表) 。存储在计算机中供在线时使用。这种控制器结构简单， 使用方便，是最基本的一种形式。其设计思想也是设计其它模糊控制器的基础。 3 2 1 模糊控制器的设计 1 ) 模糊控制器的结构 模糊控制器结构如图3 - 4 ，图3 - 5 图3 - 6 所示【。 图3 4 一维模糊逻辑控制器 图3 - 5 二维模糊逻辑控制器 通常将模糊控制器输入变量的个数称为模糊控制的维数。从理论上讲，模糊 控制器的设计维数越高，控制越精细。但是维数过高，模糊控制规则变得过于复 杂，控制算法的实现相当困难。这或许是目前人们广泛设计和应用二维模糊控制 器的原因所在，本论文采用二维模糊控制器的原因也在此。 辽宁工程技术大学硕士学位论文 1 7 r j e 模糊控制器 岍恍 图3 6 三维模糊逻辑控制 2 ) 确定模糊控制器的结构 单变量二维模糊控制器是最常见的结构形式，如图3 - 5 所示。定义误差e ， 误差变化e c 和控制量u 的模糊集及论域。对于定义各模糊变量的模糊子集，实 验研究结果表明，用正态型模糊变量来描述人进行控制活动时的模糊概念是适宜 的。 + 先确定隶属函数曲线后，就很容易定义出模糊变量的模糊子集。在定义模糊 子集时要注意使论域中任何一点对这些模糊子集的隶属度的最大值不能太小，否 则会在这样的点附近出现不灵敏区，使模糊控制系统控制性能变坏。当论域中元 素总数为模糊子集总数二至三倍时，模糊子集对论域的覆盖程度较好。 3 ) 建立模糊控制规则 由于模糊控制规则是基于手动控制策略提出的因此建立模糊控制器规则的 过程实际上就是利用语言归纳专家或操作工手动控制策略的过程。根据人的直觉 思维推理，有系统输出的误差及误差的变化来消除系统误差的模糊控制规则。 4 ) 确定模糊变量的赋值表 模糊变量误差e ，误差变化e c 和控制量u 的模糊集和论域确定后，须对模 糊语言变角定隶属函数，即所谓对模糊变量赋值，就是确定论域内元素对模糊语 言变量的隶属度。 5 ) 建立模糊控制表 一般二维模糊控制器的控制表如表3 1 所示( 1 1 。表中所示规则可写成如下 条件语句形式，即 i f e = a ，t h e n i f c = 岛t h e nu = ( f = 1 , 2 ，胛；，= 1 , 2 ，臃) ( 3 2 ) 其中a ，易，是定义在误差，误差变化和控制量论域x ，y ，u 上的模糊集。 辽宁工程技术大学硕士学位论文 1 8 在条件语句中，对于不同的被控对象，误差e ，误差变化e c 及控制量u 有不同 的含义。表中共有4 9 条规则，由第一条规则可计算出蝴。 表3 - 1 模糊控制规则表 同理，可由其它规则分别计算出控制量，可表示为： 甜= 甜l + 甜2 + a + 甜4 9 上述模糊条件语句可以用一个模糊关系r 来描述，即 r = y a ，毋q ( 3 3 ) ( 3 - 4 ) r 的隶属函数为： i = n ；j = r a ，b ( 只z ) = v 剧( x ) 目0 ，) 删0 ) ( 3 - 5 ) j = l ：i = l 式中x x ，y y ，z z 。 当误差，误差变化分别取模糊集a ，b 时，输出的控制量的变化u 根据模糊 推理合成规则可得( 式3 - 1 ) u = ( 爿b ) o r u 的隶属函数为 u ( z ) = 2 二，k ( 墨y ，：) 。( z ) 地【y ) ( 3 - 6 ) 蚱r 辽宁工程技术大学硕士学位论文 1 9 设论域 x = ，屯，a ，x 。， y = y l ，y 2 ，a ，儿) z = ：l ，：2 ，a ，乃) 则x ，y ，z 上的模糊集分别为一个n ，m 和l 元的模糊向量，而描述控制 规则的模糊关系r 为一个n m 行l 列的矩阵。根据采样得到的误差端，误差变 化乃，可以计算出相应的控制量变化值，可写成如下的矩阵形式 。) 。 ( 3 7 ) 一般将这个矩阵制成表，成为查询表，也称为控制表，查询表可以由计算机 先事先离线计算机好，将其存于计算机内存中。实时控制过程中，根据模糊量化 后的误差值及误差变化值，直接查找查询表以获得控制量的变化值蚴。 6 ) 去模糊化 由式( 3 3 ) 计算出的模糊控制量可以选用一种判决方法，如采用最大隶属 度法，将控制量由模糊量变为精确量。为了获得精确的控制量，就要求模糊方法 能够很好地表达输出隶属度函数的计算结果。本论文采用工业控制中广泛使用的 去模糊方法一加权平均法。该法针对论域中的每个元素均( 卢1 ，2 ，胛) ，以它作 为待判决输出模糊集合的隶属度，脚( f ) 的加权系数，即取乘积x ，a ( i ) ，再计算 该乘积和墨o ) 对于隶属度和的平均值靳，即1 1 i = l x ，( f ) x o 上 一 ( 3 - 8 ) ( f ) i2 i 平均值勒便是应用加权平均法为模糊集合求得的判决结粟。最后勒再乘以 比例因子凰以适应控制要求，从而可得到控制量的实际值，去控制被控对象。 3 2 2 模糊控制器设计参数与性能关系 一个模糊控制器的性能优劣主要取决于模糊控制器的结构，所采用的模糊规 则，合成推理算法以及模糊决策的方法等因素。目前模糊控制技术已普遍应用于 家电，冶金，化工等多种控制系统中，但是模糊控制器的设计和参数选取还没有 辽宁工程技术大学硕士学位论文 形成标准化的方法，但可参考以下原则： 1 ) 词汇的选择 词汇