关于模糊控制的应用及发展研究

周自云

摘 要：随着社会经济发展速度的不断加快，模糊控制方法是智能控制的重要组成部分。简要分析了模糊控制理论，详细介绍了模糊控制系统与其他系统的结合与应用，根据各种模糊控制器的不同特点，对模糊控制的发展趋势与动态进行了研究。

关键词：模糊控制；概况；缺点；模糊控制系统；发展；应用

1 模糊控制的概况

利用模糊数学的基本思想和理论的控制方法。在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。然而，对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。因此便尝试着以模糊数学来处理这些控制问题。"模糊"是人类感知万物，获取知识，思维推理，决策实施的重要特征。"模糊"比"清晰"所拥有的信息容量更大，内涵更丰富，更符合客观世界。但在具体应用中，模糊控制的也存在诸多缺陷，如下所示：

1、模糊控制的设计尚缺乏系统性，这对复杂系统的控制是难以奏效的。难以建立一套系统的模糊控制理论，以解决模糊控制的机理、稳定性分析、系统化设计方法等一系列问题；

2、如何获得模糊规则及隶属函数即系统的设计办法，完全凭经验进行；

3、信息简单的模糊处理将导致系统的控制精度降低和动态品质变差。若要提高精度就必然增加量化级数，导致规则搜索范围扩大，降低决策速度，甚至不能进行实时控制；

4、如何保证模糊控制系统的稳定性即如何解决模糊控制中关于稳定性和鲁棒性问题还有待解决。

2 模糊控制系统应用分析

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。模糊控制的一大特点是既有系统化的理论，又有大量的实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力；然而在东方尤其是日本，得到了迅速而广泛的推广应用。近20多年来，模糊控制不论在理论上还是技术上都有了长足的进步，成为自动控制领域一个非常活跃而又硕果累累的分支。模糊控制以现代控制理论为基础，同时与自适应控制技术、人工智能技术、神经网络技术的相结合，在控制领域得到了空前的应用。Fuzzy-PID复合控制将模糊技术与常规PID控制算法相结合，达到较高的控制精度。当温度偏差较大时采用Fuzzy控制，响应速度快，动态性能好；当温度偏差较小时采用PID控制，静态性能好，满足系统控制精度。因此它比单个的模糊控制器和单个的PID调节器都有更好的控制性能。

这种控制方法具有自适应自学习的能力，能自动地对自适应模糊控制规则进行修改和完善，提高了控制系统的性能。对于那些具有非线性、大时滞、高阶次的复杂系统有着更好的控制性能。也称为比例因子自整定模糊控制。这种控制方法对环境变化有较强的适应能力，在随机环境中能对控制器进行自动校正，使得控制系统在被控对象特性变化或扰动的情况下仍能保持较好的性能。

模糊控制与专家系统技术相结合，进一步提高了模糊控制器智能水平。这种控制方法既保持了基于规则方法的价值和用模糊集处理带来的灵活性，同时把专家系统技术的表达与利用知识的长处结合起来，能够处理更广泛的控制问题。IC算法具有比例模式和保持模式两种基本模式的特点。这两种特点使得系统在误差绝对值变化时，可处于闭环运行和开环运行两种状态。这就能妥善解决稳定性、准确性、快速性的矛盾，较好地应用于纯滞后对象。这种控制方法以神经网络为基础，利用了模糊逻辑具有较强的结构性知识表达能力，即描述系统定性知识的能力、神经网络的强大的学习能力以及定量数据的直接处理能力。这种控制适用于多变量控制系统。一个多变量模糊控制器有多个输入变量和输出变量。

目前利用遗传算法优化模糊控制器时，优化的主要对象是隶属函数和模糊控制规则集。根据优化对象的不同，现有的研究可分为以下几种类型：

1、已知模糊控制规则，利用GA优化隶属函数

一般先设定隶属函数的形状，实践表明，三角形型、梯形型、高斯型等比较简单的隶属函数即可满足一般模糊控制器的需要。设定隶属函数形状后，确定待寻优的隶属函数参数，一般高斯型有2个参数，三角形有3个参数，梯形有4个参数。利用已有知识确定各参数的大致允许范围，并对参数进行编码，将所有的待寻优参数串接起来构成一个个体，代表一个模糊控制器。然后建立一定的性能指标，最后便可利用遗传算法的一般步骤进行寻优。

2、已知隶属函数，利用GA优化模糊控制规则

事先确定输入输出隶属函数的形状和各参数，将每个输入输出变量划分为一定数量的模糊子集，从而确定最大可列举规则数，将一个规则表按一定的顺序展开为一维，并编码为一个个体。随机地选择一定数量的个体作为初始群体，对这些个体进行遗传操作，实现控制规则的优化。

3、同时优化隶属函数和模糊控制规则

隶属函数和模糊控制规则不是相互独立而是相互联系的，因此很多学者认为固定隶属函数优化模糊控制规则或固定模糊控制规则优化隶属函数的做法人为地割裂了这种联系，使优化得到的隶属函数或控制规则失去了原来的意义，建议应该同时对二者进行调整，并在这方面做了一些工作。

3 模糊控制的发展前景

在模糊控制的发展初期，大多数学者的主要精力放在模糊控制的应用研究上，在很多领域取得辉煌的成果。但与应用的成果相比，模糊控制的系统分析和理论研究却没有显著进展，以至于西方的一些学者对模糊控制的理论依据和有效性产生疑虑。1993年7月，在美国第十一届人工智能年会上，加州大学圣地亚哥分校计算机科学和工程系助教授Clarles Elkan博士的一篇题为“模糊逻辑似是而非的成功”报告，就代表了这种思想。虽然C.Elkan 的一些观点是不确切和片面的，会后很多专家对此进行了批驳，但他确确实实指出了模糊控制理论基础不够坚实的缺点，从而引起了模糊控制领域的学者的广泛关注并加强了对这一方面的研究。通过上节的介绍可以看到，目前模糊控制的理论研究很热，并已取得了许多显著进展，模糊控制在理论上和应用方面都取得了巨大成就。虽然模糊控制技术发展历史只有三十年，本身还有待于完善，理论与实际的结合也有待于进一步探索，但是其发展前景十分诱人。

4 结束语

综上所述，目前在国际大趋势的推动下，模糊控制已开始向多元化和交叉学科方向发展。国外专家预言：模糊技术、神经网络技术、混沌理论作为人工智能的三大支柱，将是下一代工业自动化的基础。随着模糊控制理论研究的不断完善和应用的广泛深入、高性能模糊控制器的研究开发，模糊控制技术将会更大限度地发挥其优势，为工业过程控制、运动控制和其它领域的控制开辟新的应用前景。

参考文献

[1] 陈霞，陈广林. 模糊控制理论的发展与应用[J]. 煤矿现代化. 2004（03）

[2] 连丽艳，王艳秋. 智能复合控制系统的研究现状与展望[J]. 工业仪表与自动化装置. 2004（02）

[3] 朱大奇. 人工神经网络研究现状及其展望[J]. 江南大学学报. 2004（01）

[4] 张金梅. 基于模糊推理的智能控制系统的现状和展望[J]. 科技情報开发与经济. 2004（01）

[5] 王永初. 智能控制理论与系统的发展评述[J]. 华侨大学学报（自然科学版）. 2004（01）