模糊与卡尔曼滤波目标跟踪控制系统的比较ppt课件

1、模糊与卡尔曼滤波目的跟踪控制系统的比较Comparison of Fuzzy and Kalman-Filter Target-Tracking control system导师：吴顺君教授学 生：胡亮兵Peter J.Pacini , Bart Kosko1、模糊控制器与卡尔曼滤波器的比较3、模糊控制器的任务原理2、实时目的跟踪系统内容简介5、自顺应FAM4、卡尔曼滤波跟踪与模糊跟踪的仿真、模糊控制器与卡尔曼滤波器的比较 卡尔曼滤波器需求明确的数学模型来定义输出与输入之间的关系 模糊控制器是一个模糊系统，其输出与输入之间没有经典的数学模型。经过丈量估计真实 代价最小均方误差递推1模糊控制器

2、模糊控制器不同于传统的基于数学模型的控制器，模糊系统不需准确的数学模型：不需求根据输入来函数式地描画输出；同时模糊系统对于所描画形状和怎样描画形状并不是不确定的。模糊控制器是一个模糊系统，是单位立方体之间的映射： 包含了空间一切的模糊子集； 包含了空间的一切模糊子集。模糊系统 将模糊子集 映射成模糊子集 。通常 和 是延续的集合。输入模糊集输出模糊集模糊控制器有一系列的FAM模糊自联想记忆“规那么，它描画模糊的专家知识或学习训练好的输入到输出的转换。一个FAM可以总结概括一个特定的数学模型的动作。模糊系统可以非线性地将一个确定的或模糊化的输入转变成一个模糊集输出。这个输出模糊集经过质心化“去模

3、糊可得到一个详细的数值。模糊控制器需求我们阐明或估计出FAM规那么。虽然模糊控制器是一个数字化的系统，但专家可以将他的知识用自然言语总结，这一点对于复杂问题具有重要的意义。 数学模型控制器 数学模型控制器在输出和输入的函数关系确定的情况下的任务性能会很好。对于不确定的环境，数学模型控制器普通采用概率分布来描画。存在以下问题： 1不确定性普通很难用经典数据模型加以准确描画。 2很难将专家的知识加到系统中去，在这种系统中，专家的知识普通只能用来估计初始形状和协方差条件。、目的实时跟踪系统目的实时跟踪系统普通采用雷达或其它设备去探测目的与设备所在平面的的高度和方位角。由两个马达控制设备的探测方向，经

4、过延续地调整两个马达的转速，坚持对目的的延续跟踪。 对高度和方位角的控制可以采用一样的算法进展。目的跟踪系统输入量 位置误差： 位置误差变化量： 上次输出速度：目的跟踪系统输出量 马达转速： 我们限制模糊控制器的输出角速度 到区间-6，6，同样 、 、也划分为7个等级：LN：大负 -6MN：中负 -4SN：小负 -2ZE：零 0SP：小正 2MP：中正 4LP：大正 6模糊论域采用梯形，重叠25% 这样，每一个输入量都对应着一个隶属度矢量：例如：LN MN SN ZE SP MP LP( 0 0 0 0 1 .4 0 )( 0 0 1 0 0 0 0 )( 0 0 0 .1 1 0 0 )输入

5、到输出的映射 FAM(模糊联想记忆)规那么是将输入模糊集映射到输出模糊集的关键机制。例如： IF AND AND THEN 由于该规那么中运用的是合取结合词AND，那么 的有效系数： 对于一组FAM规那么，一个输入量将对应一组输出结果。例如： 1 0.0 MP 2 0.2 SP 3 1.0 ZE 4 0.4 SN 5 0.1 SP 6 0.8 ZE 7 0.6 SN模糊质心的计算 1 0.0 MP 2 0.2 SP 3 1.0 ZE 4 0.4 SN 5 0.1 SP 6 0.8 ZE 7 0.6 SNSN 1.0 ZE 1.8 SP 0.3 第九章模糊集输出采用最小相关编码，这里采用相关乘法

6、编码： 输出模糊集的外形： 输出模糊集的外形与FAM规那么的编码方式有关。 2相关乘积编码 1相关最小编码最后的输出 对于离散的情况 11-7 定理1：假设运用相关乘法推理产生输出模糊集，那么我们经过部分模糊中心来计算全局的模糊中心。 、 分别代表第 个模糊规那么输出集 的面积和质心(11-10) 定理2：假设论域中的7个模糊集是对称的、单峰的并且我们运用乘法相关推理，那么我们可以根据分别7个模糊输出集的质心来计算最终的输出 。 模糊控制面控制系统把输入映射为输出输入到输出的变换定义为控制面control surfaceControl surface of the fuzzy controll

7、er for constant error ek=0.模糊跟踪仿真实时目的跟踪系统普通采用雷达或其它设备去探测目的与设备所在平面的的高度和方位角。由两个马达控制设备的探测方向，经过延续地调整两个马达的转速，坚持对目的的延续跟踪。经过平台与目的的误差、误差的变化量以及前一时辰电机的转速来调理当前时辰电机的转速，坚持对目的的跟踪。模糊跟踪仿真Best performance of the fuzzy controller Too much overlap causes excessive overshoot Too little overlap causes lead or lag for sev

8、eral consecutive time intervals Kalman 跟踪仿真Kalman-filter controller with unmodeled-effects noise variance Var(w)=0 Kalman-filter controller with Var(w)=0 Kalman-filter controller with Var(w)=1.0 灵敏度分析 在正常环境下，当形状噪声的方差Var(w)很小时，两种控制器间的性能几乎一样。 当添加了更多的不确定条件后，两者的性能就不同了。 以下是卡尔曼滤波器的形状方程： 其中，噪声项 是目的的形状噪声，当噪

9、声添加越多时，形状方程就变得越不确定。噪声增大，卡尔曼滤波器的均方根误差RMSE急剧增大。Root-mean-squared error of the Kalman-filter controller as Var(w) varies 模糊控制器的不确定性控制完全是由FAM规那么库来承当的。那么减少模糊控制器的FAM规那么的数量，就相当于添加了系统的不确定性。 实验阐明：即使模糊规那么减少60，系统的RMSE依然添加很小。模糊控制器在处置系统不确定性上表现良好。将“稳态FAM规那么进展篡改：ZE,ZE,ZE;ZEZE,ZE,ZE;LP 系统会迅速调整以降低误差。模糊控制器具有很强的鲁棒性运用无监视的乘积空间聚类unsupe