模糊控制是一种计算机控制的一种方法,他采用人的思维模式,不是很确切的一些设定(阈值)模糊控制 哎,我给你说也说不清楚,你还是看看下面的解释吧!
模糊控制理论 Fuzzy Control
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。
自从Zadeh发展出模糊数学之后,对于不明确系统的控制有极大的贡献,自七○年代以后,便有一些实用的模糊控制器相继的完成,使得我们在控制领域中又向前迈进了一大步,在此将对模糊控制理论做一番浅介。
31概念
图31为一般控制系统的架构,此架构包含了五个主要部分,即:定义变量、模糊化、知识库、逻辑判断及反模糊化,底下将就每一部分做简单的说明:
(1) 定义变量:也就是决定程序被观察的状况及考虑控制的动作,例如在一般控制问题上,输入变量有输出误差E与输出误差之变化率CE,而控制变量则为下一个状态之输入U。其中E、CE、U统称为模糊变量。
(2) 模糊化(fuzzify):将输入值以适当的比例转换到论域的数值,利用口语化变量来描述测量物理量的过程,依适合的语言值(linguisitc value)求该值相对之隶属度,此口语化变量我们称之为模糊子集合(fuzzy subsets)。
(3) 知识库:包括数据库(data base)与规则库(rule base)两部分,其中数据库是提供处理模糊数据之相关定义;而规则库则藉由一群语言控制规则描述控制目标和策略。
(4) 逻辑判断:模仿人类下判断时的模糊概念,运用模糊逻辑和模糊推论法进行推论,而得到模糊控制讯号。此部分是模糊控制器的精髓所在。
(5) 解模糊化(defuzzify):将推论所得到的模糊值转换为明确的控制讯号,做为系统的输入值。
32变量选择与论域分割
321变量选择
控制变量的选择要能够具有系统特性,而控制变量选择是否正确,对系统的性能将有很大的影响。例如做位置控制时,系统输出与设定值的误差量即可当做模糊控制器的输入变量。一般而言,可选用系统输出、输出变化量、输出误差、输出误差变化量及输出误差量总和等,做为模糊控制器的语言变量,而如何选择则有赖工程师对于系统的了解和专业知识而定。因此,经验和工程知识在选择控制变量时占有相当重要的角色。
322论域分割
前一节提到了控制变量的选择问题,当控制变量确定之后,接下来就是根据经验写出控制规则,但是在做成模糊控制规则之前,首先必需对模糊控制器的输入和输出变量空间做模糊分割。例如当输入空间只有单一变量时,可以用三个或五个模糊集合对空间做模糊分割,划分成三个或五个区域,如图32(a)所示。当输入空间为二元变量时,如采用四条模糊控制规则,可以将空间分成四个区域,如图32(b)所示。模糊分割即对部分空间表为模糊状态,图中斜线部分即为对明确的领域。
模糊分割时各领域间重叠的程度大大地影响控制的性能;一般而言,模集合重叠的程度并没有明确的决定方法,目前大都依靠模拟和实验的调整决定分割方式,不过最近有些报告提出大约1/3~1/2最为理想。重叠的部份意味着模糊控制规则间模糊的程度,因此模糊分割是模糊控制的重要特征。
33 隶属度函数的型式
Mamdani教授最初所用的模糊变量分为连续型和离散型两种型式,因此隶属度函数的型式也可以分为连续型与离散型两种。由于语言变量及相对应隶属度函数的选择,将造成多不同的模糊控制器架构;因此,底下将对各隶属度函数的型式加以介绍:
1 连续型隶属度函数
模糊控制器中常见的连续型隶属度函数有下列三种:
(1)吊钟形:如图33(a)所示,其隶属度函数可表示如下:
(2)三角形:如图33(b)所示,其隶属度函数可表示如下:
(3)梯形:如图33所示,其隶属度函数之表示法和三角形相类似。
在式中参数a为隶属度函数中隶属度为1时的x值,参数W为隶属度函数涵盖论域宽窄的程度。而图中NB,NM,NS,ZO,PS,PM,PB等是论域中模糊集合的标记,其意义如下所示:
NB=负方向大的偏差(Negative Big)
NM=负方向中的偏差(Negative Medium)
NS=负方向小的偏差(Negative Small)
ZO=近于零的偏差(Zero)
PS=正方向小的偏差(Positive Small)
PM=正方向中的偏差(Positive Medium)
PB=正方向大的偏差(Positive Big)
图上将模糊集合之全集合加以正规化为区间〔-1,1〕,在模糊控制上,使用标准化的模糊变量,其全集也常正规化,这时之正规化常数(亦称为增益常数),也是在设计模糊控制器时必须决定的重要参数。
2 离散型隶属度函数
Mamdani教授除了使用连续型之外,另外也使用了全集合由13个元素所构成的离散合。而且模糊集合之隶属度均以整数表示,这是由于用微处理机计算时使用整数比用〔0,1〕的小数更方便,如表31所示。
模糊控制理论发展之初,大都采用吊钟形的隶属度函数,但近几年几乎都已改用三角形的隶属度函数,这是由于三角形计算上比较简单,且在性能上正与吊钟形几乎没有差别的缘故。
3 4模糊控制规则
控制规则是模糊控制器的核心,规则的正确与否直接影响控制器的性能,而规则数目的多寡也是一个重要因素,因此底下将对控制规则做进一步的探讨。
34 1模控制规则的来源
模糊控制规则的取得可经由下列各种方式:
(1) 专家的经验和知识
前面曾经提到模糊控制也称为控制上的专家系统,专家的经验和知识是设计上有余力的线索。人类日常生活常中判断事情时,使用语言定性分析多于数值定量分析;而模糊控制规则提供了一个自然的架构来描述人类的行为及决策分析,并且专家的知识通常可用if…then的型式来表示。
藉由询问经验丰富的专家,在获得系统的知识后,将知识改为if…then的型式,则如此便可构成模糊控制规则。为了获得最佳的系统性能,常需多次使用试误法,以修正模糊控制规则。
(2) *** 作员的 *** 作模式
现在流行的专家系统,其想法只考虑知识的获得,专家巧妙地 *** 作复杂的控制对象,但要将专家的诀窍加以逻辑化并不容易;因此,在控制上也要考虑技巧的获得。在许多工业系统无法以一般的控制理论做正确的控制,但是熟练的 *** 员在没有数学模式下,也能够成功地控制这些系统;因此,记录 *** 作员的 *** 作模式,并将其整理为if…then的型式,可构成一组控制规则。
(3) 学习
为了改善模糊控制器的性能,必须让它有自我学习或自我组织的能力,得模糊控制器能依设定的目标,增加或修改模糊控制规则。
342 模糊控制规则的型式
模糊控制规则的型式主要可分为二种:
(1) 状态评估模糊控制规则
状态评估(state evaluation)模糊控制规则为类似人类的直觉思考,所以大多数的模糊控制器都使用这种模糊控制规则,其型式如下:Ri:if x1 is Ai1 and x2 is Ai2…and xn is Ain then y is Ci 其中x1,x2,……,xn及y为语言变量或称为模糊变量,代表系统的态变量和控制变量;Ai1,Ai2,…,Ain及Ci为语言值,代表论域中的模糊集合。其次还有另一种表示法,是将后件部改为系统状态变量的函数,其型式如下:
Ri:if x1 is Ai1 and x2 is Ai2…and xn is Ain then y=f1(x1,x2,……,xn)
(2)目标评估模糊控制规则
目标评估(object evaluation)模糊控制规则能够评估控制目标,并且预测未来控制信号,其型式如下:
Ri:if(U is Ci→(x is A1 and y is B1))then U is Ci
343 决定模糊控制规则的流程
实际应用模糊控制时,最初的问题是控制器的设计,即如何设计模糊控制法则,但到目前为止尚未有像传统的控制理论一样,能借由一套发展完整的理论推导来设计,其设计概念将于此简单介绍。
图34所示为单输入和单输出之定值控制的时间响应图,若使用状态评估模糊控制规则的型式,前件部变量为输出的误差E和在一取样周期内E的变化量CE,后件部变量为控制器输出量U之变化量CU。则误差、误差变化量及控制输出变化量之表示为:
其中E表误差,R表设定值,Y表系统输出,U表控制输出,下标n表在时刻n时的状态。由此可知,误差变化量CE是随输出Y的斜率的符号变号,当输出上升时,CE<0, 下降时CE>0。
本文所设计的模糊控制器之输出输入关系为:
E,CE→CU
在一般控制的计算法上称为速度型,这是由于其输出为U对时间的微分,相当于速度的CU。在构造上也可采用以U为后件部变量的位置型,但前件部变量必需改用E的积分值。
由于由E与CE推论CU的构造,其中CU与E的关系恰巧相当于积分关系U(t)=Ki∫E(t)dt,而CU与CE的关系相当于比例关系U(t)=KpE(t)的缘故,所以又称为Fuzzy PI控制。
设计模糊控制规则时,是在所设想对控制对象各阶段之反应,记述采取那一种控制比较好;首先选择各阶段的特征点,记录在模糊控制规则的前件部,然后思考在该点采取的动作,记录在模糊控制规则的后件部。例如在图36中,在第一循环之a1点附近,误差为正且大,但误差变化量几乎是零,可以记为“E is PB and CE is ZO”在此点附近需要很大的控制输出,记为”CU is PB”;同样地,对于b1点、c1点、d1点等的附近,可分别得到如下的控制规则:
a1:If E is PB and CE is ZO then CU is PB
b1:If E is ZO and CE ix NB then XU is NB
c1:If E is NB and CE is ZO then CU is NB
d1:If E is ZO and CE is PB then CU is PB
在第二循环之a2,b2等之附近,其E和CE的绝对值比a1,b1点中之值相对减少,所以其CU值相对地也较小,其控制规则如下:
a2:If E is PM and CE is ZO then CU is PM
b2:If E is ZO and CE is NM then CU is NM
表32为依上述程序所构成的13条控制规则,其中纵列为E值,横列为CE值,表中所列之值为控制输出变化量CU值。由表32可知规则数最多可为49条,此表只使用了其中13条控制规则,设计者可依实际需要自行加减规则之数量,如19条、31条等等(表33,34所示),以改系统之响应。
35 模糊推论及解模糊化
351 模糊推论
模糊控制理论发展至今,模糊推论的方法大致可分为三种,第一种推论法是依据模糊关系的合成法则,第二种推论法是依据模糊逻辑的推论法简化而成,第三种推论法和第一种相类似,只是其后件部分改由一般的线性式组成的。模糊推论大都采三段论法,可表示如下:
条件命题:If x is A then y is B
事 实:x is A’
结 论:y is B’
表示法中的条件命题相当于模糊控制中的模糊控制规则,前件部和后件部的关系,可以用模糊关系式来表达;至于推论演算,则是将模糊关系和模糊集合A’进行合成演算,得到模糊集合B’。推论算法可以下式表示:
B’=A’。R
若前件部分含有多个命题时,则可表示如下:
条件命题:If x1 is A1…and xn is An then y is B
事 实:x is A’1 and …and xn is A’n
结 论:y is B’
这种模糊推论法其前件部用“”连结各命题,推论演算的过程则以模糊逻辑来结合前件部中各命题的模糊集合,故前件部的集合A可表示如下:
A=A1∩A2∩… ∩An
=∩iAi
由(37)式可得到模糊集合A和后件部的模糊集合B,利用25节中模糊关系R的定义来求得条件命题的模糊关系,其隶属度函数可用μR(x1,x2,…,xn,y)来表示。同样地,事实部分的模糊集合A’,亦可表为:
A’=∩iAi
因此,以合成算法可得到推论结果如下:
μB’(y)=μA’(x)。μR(x1,x2,…,xn,y)
本章将针对第一种和第三种推论法做介绍:
(1) 第一种推论法
为Mamdani教授最初所使用的方法,其所用的控制规则如下所述:
R1:If x1 is A11 and …and xn is A1n then y1 is B1
R2:If x1 is A21 and …and xn is A2n then y2 is B2
‧ ‧
‧ ‧
‧ ‧
Rn:If x1 is Am1 and …and xn is Amn then ym is Bm
其中Aij ,B i代表论域中的模糊集合。若使用模糊关系Rc和最大-最小合成的模糊推论,则推论结果可得到模糊集合Bi’的隶属函数为:
(312)式中 的值称为前件部的适合度,因此藉由各条件命题的前件部,便可计算出各条模糊控制规则相对应的适合度。
在实行模糊控制时,将许多条适合的规则进行上述的推论演算,然后结合各个由算法得到的推论结果来获得模糊集合B’,在此先不谈论解模糊化的方法,于下一小节再做讨论。
(2)第三种推论法
此种推论法为日本Takagi和Sugano所提出,将Mamdani模糊推论法之件命题后件部改为控制器输出入的线性函数式,其模糊控制规则型式表示如下:
此种型态的模糊控制规则其前件部大多使用梯形隶属度函数,而后件部的线性函数式亦可使用非线性函数式取代。若算法则为Max-Min合成,则可得到如(312)式之适合度;若改采Max-product合成,则可得到上模糊控制规则Ri对应条件命题前件部之适合度,如下所示:
控制规则Ri后件之值Yi可由下列求得:
综合上述各控制规则得到的推论结果,经解模糊化程序后,便可得到明确的控制器输出值。
这种模糊控制推论藉由多个线性函数式表示控制器的输出入关系。将输入变量空间作模糊分割,并平滑各分割空间接续的地方,而被平滑化的地方即模糊的区域。
352 解模糊化
在实行模糊控制时,将许多控制规则进行上述推论演算,然后结合各个由演算得到的推论结果获得控制输出;为了求得受控系统的输出,必须将模糊集合B’解模糊化,在此将对三种常用解模糊化的方法做简单的介绍:
(1) 重心法
为模糊控制中段常用的方法,其定义为:
其中y°相当于模糊控制集合B’重心位置,图35、36为图解模糊关系Rc和最大-最小合成及重心法的推论演算过程。
(2) 高度法
亦为时常使用之解模糊化的方法之一,其定义为:
图37为图解使用高度法计算解模糊化值。
首先是20个国内的音乐20站点:
DoFaLa(都发啦)
iCoobo(爱酷播)
Yobo(友播)
BaLa(八乐音乐网)
9Rap(九拍)
Song Taste
iMusiccn(音魁网)
Ubox
Hanyin(翰音网)
8box(音乐八宝盒)
KoooK(酷客音乐网)
iRock(滚石音乐网)
diymusic(独立音乐空间)
9Sky(九天音乐网)
KuGoo(酷狗)
Koowo(酷我)
Mora(摩乐)
Weazone(维众社区)
163888
5Sing(音乐基地)
下面还有很多国外的音乐20网站
互联网电台类
Lastfm-地球人都知道
Slacker-号称iPod杀手就是它了
ShoutCast-互联网音乐类型电台,需要winamp支持
Live365-已进入中国市场的音乐类型电台服务
Yahoo!Music-Yahoo的音乐频道,除了电台还有音乐视频和下载服务
AOL Music-美国在线的音乐电台频道,还提供XM高品质的卫星电台服务
Pandora-点子最背的个性化音乐电台服务
YottaMusic-Rhapsody的扩展服务,其UI设计曾是在线音乐服务的经典案例(把它列入电台类似乎有些牵强)
音乐发现工具
MusicMesh-基于音乐人的相似性输出歌曲列表
Blogmusik-音乐列表推荐
Musicovery-最cool的音乐推荐模型
社会化网络服务
iLike-说得挺多了
purevolume-被称为音乐领域的MySpace,应该指的是服务模式,并非说它有myspace那么火爆
ProjectPlaylist-搜索+音乐列表,并通过其他SNS社区分享,最近特火
imeem-以音乐列表分享为核心的社区服务,个人比较喜欢它的widget
mp3com-最拽的音乐服务域名了,与myspace的音乐频道有些相似
iJigg-音乐的Digg模式,可免费下载
MOG-近期增长迅速的音乐分享社区
Fuzz-音乐发现和音乐直销服务
eListeningPost-严格说来算是数字音乐自助分发服务
ProjectOpus-独立音乐人音乐社区,借助Widget推广音乐
Rapspacetv-嘻哈(Rap/Hip-Hop)音乐类型的细分社区
Musocity-音乐导向的社区
Haystack-音乐列表和口味分享
Buzznet-提供与音乐相关的博客、视频和相片分享服务,另外它也是独立乐队推广自身的渠道
JukeboxAlive-上传并分享音乐
MusicHawk-跟踪乐队的新闻和评论
ReverbNation-包括音乐活动的分享
Grooveshark-评论、分享和发现新音乐,还在内部测试阶段
Dopetracks-上传分享、在线录音
Funk Player-通过flash播放器形式实现上传分享
FIQL-音乐列表分享
Soundflavor-音乐列表分享,品味匹配和发现新音乐
FineTune-相似性歌手电台和自定义音乐列表分享,播放器比较cool
MusicMobs-社会化音乐推荐社区
音乐分享应用程序和Widget类
uPlayMe-匹配音乐品味的客户端软件
DotTunes-通过浏览器分享iTunes的音乐收藏
Audiozue-Mac应用软件,能将iTunes音乐播放记录实时更新到博客
Sonific-单曲推广widget
Mediamaster-存储收藏的音乐并可用各种途径获取,也可用Widget张帖至博客
BooMP3-上传分享mp3文件
Goombah-iTunes的辅助WEB客户端,通过分析用户个人的iTunes音乐历史数据库,产生会员的匹配以及音乐的推荐
Maestro-存储收藏的音乐并可用各种途径获取
音乐商店类
iTunes-全球最大的数字音乐商店
Amie Street-按需定价模式的独立音乐商店
emusic-全球最大的独立数字音乐商店
Bleep-提供高品质Mp3和FLAC格式的数字音乐商店
MP3 Tunes-数字音乐商店
Amazon-在线音乐CD销售扩展数字音乐销售服务
PayPlayfm-提供wma/mp3双格式的独立音乐商店
Beatport-flash形式的音乐商店
Audio Lunchbox-200万首无DRM的高品质数字音乐商店
Indiepad-独立音乐直销商店
Indistr-同上
Mtraks-无DRM音乐销售服务
MagnaTune-可议价的音乐直销商店
Jamendo-音乐直销服务,有5万多歌曲免费下载
Musicane-音频、视频和铃声交易平台
Musiclovr-音乐搜索、推荐和零售
Snocap-数字音乐分发平台,与myspace合作建立mystore
音乐协作类
eJamming-强大的音乐创作人协作演奏平台
Kompoz-音乐人协同创作新音乐,并可在线协同演奏和录音
JamNow-基于WEB的音乐协作及社会化网络服务
Indaba-音乐协作的SNS服务
JamJunky-音乐创作与交互回馈
翻唱平台类
Singshot-在线卡拉Ok服务,竞赛模式比较突出,今年2月已被电子艺界收购
kSolo-福克斯旗下的在线卡拉Ok服务
混音服务类
Jamglue-在线混音并分享
Splice-音乐作品、混音作品的分享社区
YourSpins-给收藏的歌曲混音,并通过博客分享,也可做成手机铃声
手机音乐服务类
Flotones-提供独立音乐人销售他们的无线音乐内容社区
Entertonement-铃声下载服务
Mercora-社会化音乐电台服务,提供支持Windows Mobile手机的客户端
排行榜服务类
Billboard-最强劲的音乐排行榜
MTV音乐榜
ChartU-用Digg模式产生的排行榜
音乐人数据库类
Allmusic-最全的音乐数据库,据称包含了500多种音乐流派
Pandora Backstage-潘多拉的后台信息,数量很少
歌词数据库类
AbsoluteLyrics-所有主流唱片公司的歌词信息
Hot Lyrics-歌词信息社区,导航比较差
音频转换工具类
Zamzar-图像、文档、音频和视频在线转换工具
Media Convert-支持的格式更全,包括了psp,3gp之类
MediaConverter-转换的品质更高些
其他
Bluegrind-文字转换成音频,显然不可能支持中文
BePopular-客户端自动匹配用户的iTunes音乐库,找到这些音乐人在英国和爱尔兰的小型演出及购票方法
Getabuz-个性化的音频混合工具,并能用语音邮件和电子贺卡的形式发送给朋友
identifyus-音乐流派和其他信息的自动识别工具
Houndbite-生活音频片段分享社区
以上就是关于过程控制系统与仪表简答题求解全部的内容,包括:过程控制系统与仪表简答题求解、黑盒测试主要发现什么类型的错误、关于IMDB查询 有经验的请进等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)