模糊控制理论基础.ppt

第一节 引言,一、模糊控制的发展,二、模糊控制的特点,1、无需知道被控对象的数学模型,2、是一种反映人类智慧思维的智能控制。,3、易于被人们所接受（核心：控制规则）4、构造容易5、鲁棒性好。,模糊控制采用人类思维中的模糊量，如“高”、“中”、“低”等，且控制量由模糊推理导出。,三、模糊控制器构造技术1、硬件：采用传统的单片机 软件：实现模糊推理和控制,2、模糊单片机或集成电路芯片,3、可编程门阵列,第二节 模糊集合论基础,一、模糊集的概念,二、模糊集合的运算,三、隶属函数的建立,四、模糊关系,一、模糊集的概念 集合：具有某种特定属性的对象的全体。集合中的个体通常用小写英文字母如：u表示；集合的全体又称为论域通常用大写英文字母如：U表示。,uU表示元素（个体）u在集合论域（全体）U内。,集合表示法(经典集合)：,(1)列举法：将集合的元素全部列出的方法。,(2)定义法：用集合中元素的共性来描述集 合的方法。,(3)归纳法：通过一个递推公式来描述一个集合的方法。,(4)特征函数表示法：利用经典集合论非此即彼的明晰性来表示集合。因为某一集合中的元素要么属于这个集合，要么就不属于这个集合。,例1 设集合U由1到5的五个自然数组成，用上述前三种方法写出该集合的表达式。解：(1)列举法 U=1,2,3,4,5,(2)定义法 U=u|u为自然数且1u5,(3)归纳法 U=ui+1=ui+1,i=1,2,3,4,u1=1,特征函数表示法：集合U通过特征函数来TU(u)表示,经典集合论中任意一个元素与任意一个集合之间的关系，只是“属于”或“不属于”两种，两者必居其一而且只居其一。它描述的是有明确分界线的元素的组合。,用经典集合来处理模糊性概念时，就不行。,对于诸如“速度的快慢”、“年龄的大小”、“温度的高低”等模糊概念没有明确的界限。,经典集合对事物只用1、0简单地表示“属于”或“不属于”的分类；而模糊集合则用“隶属度(Degree of membership)”来描述元素的隶属程度，隶属度是0到1之间连续变化的值。,模糊集合,特征函数,隶属度函数（01连续变化值）,例：人对温度的感觉(0C 40C的感觉)：,“舒适”的温度：15C 25C,“热”：25C以上,“冷”：15C 以下,经典集合对温度的定义,模糊集合对温度的定义,经典集合：14.99C属于“冷”；15.01 C属于舒适。与人的感觉一致吗？,设U为一可能是离散或连续的集合，用u表示，,论域（Universe of Discourse）：U 所有元素组成的全集,元素：u,定义2-1 模糊集合：论域U中的模糊集合F用一个在区间0,1上的取值的隶属函数F来表示，即：,F：U 0,1,u F（映射）,（隶属函数 F：u隶属于F的程度）,F(u)=1：u完全属于U；F(u)=0：u完全不属于U；0 F(u)1：u部分属于U。,U中的模糊集F可以用元素u和它的隶属度来表示：,F=(u,F(u)|uU,例：设F是远大于0的实数集合（显然F是模糊集合，而论域U表示全部实数集合），U中任一元素u隶属模糊集合F的隶属度F(u)可有下式来定义：,可算出F(5)=0.2,F(10)=0.5,F(20)=0.8,可见F(u)是U到闭区间0,1的映射。,1、论域U为离散域（即论域U是有限集合）,(1)查德表示法,F=,模糊集合的表示方法：,例：集合F表示接近于0的整数（已知论域U=0,1,2,3,4,5）,(2)序偶表示法,F=(u1,(u1),(u2,(u2),(un,(un),(3)向量表示法,F=(u1),(u2),(un)（元素u按次序排列）,例：,F=(0,1.0),(1,0.9),(2,0.75),(3,0.5),(4,0.2),(5,0.1),例：,F=1.0,0.9,0.75,0.5,0.2,0.1,2、论域为连续域,例 以年龄为论域，取。Zadeh给出了“年轻”的模糊集F，其隶属函数为,“年轻”的隶属函数曲线,模糊集合表示为：,模糊集合的表示方法：,二、模糊集合的运算,（1）空集 模糊集合的空集的隶属度为0，即,（2）全集 模糊集合的全集的隶属度为1，即,定义：,（4）等集 两个模糊集A和B，若对所有元素u，它们的隶属函数相等，则A和B也相等。即,（3）子集（包含于）若B为A的子集，则,设A、B为U中的两个模糊子集，隶属函数分别为A 和B，则模糊集合中的并、交、补等运算按如下定义：,AB=A(u)B(u)式中，符号“”为取大值运算。,并（析取）：并(AB)的隶属函数AB对所有的u U 被逐点定义为取大运算，即：,AB=A(u)B(u)式中，符号“”为取小值运算。,补：模糊集合A的补隶属函数 对所有的u U 被逐点定义为：,交（合取）：交(AB)的隶属函数AB对所有的u U 被逐点定义为取小运算，即：,=1-A(u),则A、B的并运算：,例3设论域U=u1,u2,u3,u4,u5中的两个模糊子集为：,则A、B的交运算：,A的补运算：,模糊集运算的基本定律：设U为论域，A，B，C为U中的任意模糊子集,则下列等式成立：,（2）分配律,（1）结合律,（3）同一律,（4）零一律,上面定义的模糊集合运算是采用Zadeh算子来进行的。,引入概率算子和有界算子：,引入概率算子和有界算子：,定义：设A,B F(U),则定义代数运算：,(1)A与B的代数积记作A B，运算规则由下式确定：,A B(u)=A(u)B(u)u U,a b=min(1,a+b),可以证明：a,b0,1,0 max(0,a+b-1)1、0 min(1,a+b)1,定义10:设A,B F(U),则定义有界运算：,(2)A与B的有界和记作A B，运算规则由下式确定：,A B(u)=min(1,A(u)+B(u)u U,模糊集合是用隶属函数描述的。,三、隶属度函数的建立,隶属度函数：模糊集合的特征函数（取值范围在0,1区间）,确定隶属度函数的方法具有主观性，但主观的反映和客观的存在有一定的联系，是受客观制约的。,由于模糊集理论的研究对象具有”模糊性”和经验性,因此找到一种统一的隶属度计算方法是不现实的。,确定隶属函数应遵守的一些基本原则：,1、表示隶属度函数的模糊集合必须是凸模糊集合,例:适中速度的集合是模糊集合。可表示为:,“适中速度”=0/30+0.5/40+1/50+0.5/60+0/70,从最大隶属度函数点向两边延伸时,其隶属函数的值是必须是单调递减的,而不允许有波浪形。,凸模糊集合：隶属函数呈单峰馒头形。,20,30,50,70,95,0,0.2,0.4,0.6,0.8,1,速度（语言变量）,Degree of membership,适中,低,高,5,100,2、变量所取隶属度函数通常是对称和平衡的。,很低,很高,语言值的个数和规则数成正比。,3、隶属度函数要符合人们的语言顺序，避免不恰当的重叠,注意：间隔的两个模糊集合隶属度函数尽量不相交。,重叠指数：衡量隶属度函数与模糊控制器性能关系的一个重要指标。,重叠指数：重叠率、重叠鲁棒性,重叠指数的定义,(0.20.6为宜),(0.30.7为宜),例：,重叠率和重叠鲁棒性越大，模糊控制模块模糊性越强，规则越多，越复杂，精度越高。,解：,求重叠率和重叠鲁棒性,通常的方法是，初步确立粗略的隶属函数，然后在通过“学习”和不断的实践来修整、完善。,隶属度函数确立的方法：,四种方法：,1、模糊统计法,基本思想：论域U上的一个确定的元素v0是否属于一个可变动的清晰集合A*作出清晰的判断。,对于不同的实验者，清晰集合A*可以有不同的边界。但它们都对应于同一个模糊集A。,隶属度函数确立的方法：,计算步骤：在每次统计中，v0是固定的（如某一年龄），A*的值是可变的，作n次试验,则,模糊统计公式：,隶属度函数确立的方法：,例：求中等身材的集合A及 A(1.64),选10人，每人确定A*的元素，假设10个人所确定的A*分别是：,1.601.69 1.631.70 1.651.75 1.561.70 1.621.73 1.651.72 1.641.73 1.601.69 1.691.75 1.691.77,随着n的增大，隶属频率会趋向稳定，这个稳定值就是v0对A的隶属度。计算量大。,模糊统计法的特点：,2、例证法：从有限个隶属度值，来估计U上的模糊集A 的隶属度函数。3、专家经验法：根据专家的经验对每一现象产生的各种结果的可能性程度，来决定其隶属度函数。,4、二元对比排序法,通过对多个事物之间的两两对比，来确定某种特征下的顺序，由此来决定这些事物对该特征的隶属函数的大体形状。,二元对比排序法分为：相对比较法、对比平均法、优先关系定序法、相似优先对比法。,相对比较法：,论域U中元素v1,v2,vn，要对论域中的元素按某种特征进行排序，首先，在二元对比中建立比较等级，然后用一定的方法进行总体排序，以获得各元素对于该特性的隶属函数。,相对比较法的具体步骤：,设论域U中的一对元素(v1,v2)，在v1和v2的二元对比中，,v1具有某特征的程度用gv2(v1)表示，v2具有某特征的程度用gv1(v2)表示。,且满足：0 gv2(v1)1、0 gv1(v2)1,令：,且定义g(vi/vj)=1，当i=j时。,以g(vi/vj)(i,j=1,2)为元素构造相及矩阵G:,推广：n个元素 的相及矩阵G:,对矩阵G的每一行取最小值，然后按大小排序，可得各元素对某特征的隶属函数。,例：设论域U=v1,v2,v3,v0,其中v1表示长子，v2表示次子，v3表示三子，v0表示父亲。,长子和次子与父亲的相似程度：,次子和三子与父亲的相似程度：,长子和三子与父亲的相似程度：,长子：0.8次子：0.5,次子：0.4三子：0.7,长子：0.5次子：0.3,求与父亲相似的隶属度函数。,解：二元对比关系：(gv2(v1),gv1(v2)=(0.8,0.5)gv1(v1)=1,(gv3(v2),gv2(v3)=(0.4,0.7），gv2(v2)=1,(gv3(v1),gv1(v3)=(0.5,0.3），gv3(v3)=1,计算相及矩阵G,=,在相及矩阵中取每一行的最小值，按大小排列：13/54/7,结论：长子最象父亲(1)；三子次之(0.6)；次子最不象(0.57)。,由此确定出隶属度函数：,模糊控制中，隶属度函数基本图形分为三大类：,1.左大右小的偏小型下降函数（Z函数）：适用于输入值比较小时的隶属度函数确定。,模糊控制中，隶属度函数基本图形分为三大类：,2.左小右大的偏大型上升函数（S函数）：适用于输入值比较大时的隶属度函数确定。,模糊控制中，隶属度函数基本图形分为三大类：,3.对称型凸函数（函数）：适用于输入值位于中间时隶属度函数确定。,四、模糊关系（用于模糊推理决策）,1.模糊关系的定义,关系：客观事物间的相互联系。,普通关系：二元关系（是、否）,例：父子、师生、同事,模糊关系：父子相像。,A、B两集合的直积：,序偶：,例：设A=0,1，B=a,b,c,则AB=(0,a)，(1,a)，(0,b)，(1,b)，(0,c)，(1,c),BA=(a,0)，(a,1)，(b,0)，(b,1)，(c,0)，(c,1),注意：AB BA,关系R：AB的子集，记为,例：甲、乙、丙3人参加考试，考试的成绩为优、良、中、差，则A=甲,乙,丙，B=优,良,中,差,AB：12种序偶的集合。,一次考试：R=(甲,优)，(乙,中)，(丙,差),A、B间的关系可通过矩阵形式直观地表示出来，关系之间地运算可转换为矩阵间运算。,矩阵：,A 甲 乙 丙,B优 良 中 差,关系,对应,模糊关系R：以AB为论域的一个模糊子集,且定义：,即序偶,模糊矩阵中的元素记为,模糊矩阵R记为:,其中,例设,求模糊关系RAB，模糊矩阵,解：,求,方法1：,方法2：,例已知两个模糊集合A、B的隶属度函数分别为,求它们的模糊关系CA,其中，C，A分别属于两个不同的论域 U，V,解：,模糊关系作用：,模糊推理,A,B,R=AB,A/,B/=?,B/=A/R,模糊关系实际上反映的是模糊系统的输入输出关系。,定义 笛卡尔积,若A1、A2分别是论域U1、U2 中的模糊集，则A1、A2的笛卡儿积是在积空间U1U2中的一个模糊子集，其隶属度函数为,直积（极小算子）：A1 A2(u1,u2)=min A1(u1),A2(u2),代数积：A1 A2(u1,u2)=A1(u1)A2(u2),R=A B=,定义 笛卡尔积,对于连续情况，关系矩阵可定义为：,R=A B=,为了区分直积、代数积，用 min表示直积；用AP表示代数积。,记号t算子：表示笛卡儿积,定义14 模糊关系的合成：如果R和S分别为笛卡儿空间UV和VW上的模糊关系，则R和S的合成是定义在空间U W上的模糊关系，并记为RS。其隶属度函数的计算方法：,模糊关系的合成可用模糊矩阵的合成来表示,2、模糊关系的合成,上确界（Sup)算子,用模糊矩阵S可表示为,例8某家中子女与父母的长像相似关系R为模糊关系，可表示为,也可以用模糊矩阵R来表示,该家中父母与祖父母的相似关系也是模糊关系，可表示为,求孙子、孙女与祖父、祖母的相似程度？（即求）,解：,此模糊关系表明：孙子与祖父、祖母的相似程度为0.2、0.2;孙女与祖父、祖母的相似程度为0.5、0.6。,模糊关系运算：,例：,求：,解：,结合律：,分配律：,模糊关系合成算子sup-min的性质：,第三节 模糊逻辑、模糊逻辑推理和合成,一、二值逻辑,二、模糊逻辑及其基本运算,三、模糊语言逻辑,四、模糊逻辑推理,五、模糊关系方程的解,第三节模糊逻辑、模糊逻辑推理和合成,一、二值逻辑（真假命题）命题：能够判断它的涵义是真是假的句子。如：等边三角形必是等腰三角形。,常用的命题联结词：析取、合取、否认、蕴涵、等价。,二、模糊逻辑及其基本运算,模糊逻辑是研究模糊命题的逻辑。,模糊命题：含有模糊概念或者是带有模糊性的 陈述句。,模糊命题的真值：隶属度函数（表示这个命题多大程度隶属于“真”，0,1间连续取值）。,例：他是一个高个子。,模糊概念常常用很、略、非常等模糊语气来修饰。,模糊逻辑运算：记P、Q、R为三个模糊单命题,2）模糊逻辑合取（“与”）：,3）模糊逻辑析取（“或”）：,4）模糊逻辑蕴含：如果P是真的，那么Q也是真的，,模糊逻辑运算也是真值的运算，也就是隶属度函数的运算。,5）模糊逻辑等价：,6）模糊逻辑限界积：,7）模糊逻辑限界和：,8）模糊逻辑限界差：,例9设有模糊命题P：他是个和善的人，真值P0.7;Q：他是个热情的人，真值Q0.8,：他既是和善的人又是热情的人的真值,：他是个和善的人或是个热情的人的真值,则：,：如果他是个和善的人，则他是个热情的人的真值,三、模糊语言逻辑,人工语言：格式紧密，概念清晰，程序设计语言属 人工语言。,模糊语言：具有模糊性的语言,模糊语言逻辑是由模糊语言构成的一种模拟人思维的逻辑。,语言分类：,（具有不确定性；含模糊化词，如：很高、较大）,概念：,定义15模糊数（模糊子集）：连续论域U中的一模糊数F是一个U上的正规凸模糊集。,正规集合：隶属度函数的最大值为1，即,凸集合：,在隶属度函数曲线上任意两点之间曲线上的任一点所表示的隶属度值都大于或者等于两点隶属度值中较小的一个。,例：“大约5”、“10左右”等具有模糊概念的数值。,定义16语言值：在语言系统中,那些与数值有直接联系的词，如长、短、多、少、高、低、重、轻、大、小等或者由它们再加上语言算子（如很、非常、较、偏等）而派生出来的词组，如不太大、非常高、偏重等都被称为语言值。,语言值可以用模糊数来表示。,例：成年男子身高的论域E130，140，150，160，170，180，190，200，210在论域E上定义语言值：,定义17 语言变量：语言变量是用一个五元素的集合(X，T(X)，U，G，M)来表征的。,X：语言变量名，如速度、年龄、颜色等；,T(X)：语言变量X的项集合（语言值的集合）,U：语言变量X的论域,G：产生X数值名的语言值规则(用于产生语言变量值),M：与每个语言变量含义相联系的算法规则（决定隶属度）,语言值：模糊子集,语言值：用模糊数(模糊子集)来表示。,例：“速度”为一语言变量，可以赋予很慢、慢、较慢、中等、较快、快、很快等语言值。,（修饰词）,语言算子：“较”、“很”、“非常”、“稍微”、“大约”、“有点”等,判定化算子,语言算子,语气算子,模糊化算子,1.语气算子 集中化算子（强化算子）对于论域U，若存在单词w，有隶属函数，则在单词w前面加上模糊量词s后有：,则称s为集中化算子。,强化算子使得模糊值的隶属度函数的分布向中央集中，在图形上有使模糊值尖锐化的倾向。,集中化算子三个档次：1.极 2.非常、很 3.相当,例“年老”,50,50,50,松散化算子（淡化算子）,对于论域U，若存在单词w，有隶属函数，则在单词w前面加上模糊量词Q后有：,则称Q为松散化算子。,淡化算子使得模糊值的隶属度函数的分布由中央向两边弥散，在图形上有使模糊值平坦化的倾向。,松散化算子三个档次：1.比较、较 2.有点、略 3.稍微,例“年老”,50,50,50,2、模糊化算子,作用：清晰概念的单词,如“大概”、“近似于”、“大约”等,精确数：5,例11设论域X上的清晰集A(x)的特征函数为,“大约是5”（模糊数）,图214模糊数5,参数的取值大小决定于模糊化算子的强弱程度,越大，模糊化程度越？,越强,模糊词,在模糊控制中，实际系统的输入采样值一般总是精确量，要利用模糊逻辑推理方法，就必须首先把精确量进行模糊化，而模糊化过程实质上是使用模糊化算子来实现的。,3、判定化算子（清晰化算子）,作用：模糊词,清晰概念的词,例如：“倾向于”、“大半是”、“偏向”等,判定化算子与模糊化算子的作用相反,表示：，,一般取，即，表示“倾向于”,3、判定化算子（清晰化算子）,50,例：,求倾向于老：,模糊控制器的设计,模糊控制器的设计包括以下几项内容：根据本次采样得到的系统的输出值，计算所选择的系统的输入变量；将输入变量的精确值变为模糊量；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(模糊虽)；由上述得到的控制量(模糊量)计算精确的控制量。,模糊控制器的设计也包括几个主要部分 精确量的模糊化模糊控制算法设计模糊量到精确量的转换,精确量的模糊化,基于推理合成规则进行模糊推理(2)量化因子与比例因子(3)语言变量值的选取(4)语言变量论域上的模糊子集(5)语言变量的赋值表(6)一个确定数的Fuzzy化,模糊控制算法设计,常见的模糊控制规则 单输入单输出模糊控制器控制规则形式为：if A then B if A then B else C双输入单输出模糊控制器控制规则形式为：if E and C then U 多输入单输出模糊控制器控制规则形式为：If A and B and and N then U,模糊控制算法设计,双输入多输出模糊控制器控制规则形式为：If E and EC then UAnd if E and EC then V And if E and EC then W,模糊关系的确定模糊控制器的控制规则是由一组彼此间通过“或”的关系连结起来的模糊条件语句来描述的。其中每一条模糊条件语句，当输入、输出语言变量在各自论域上反映各语言值的模糊子集为已知时，都可以表达为论域积集上的模糊关系在计算每一条模糊条件语句决定的模糊关系Ri 之后，考虑到此等模糊条件语句间的“或”关系，可得描述整个系统的控制规则的总模糊关系R为,模糊量到精确量的转换,基于推理合成规则进行模糊推理输出信息的去模糊判决 最大隶属度法 取中位数法加权平均法,模糊控制理论在,汽 车 中 的 应 用,一、概述二、在汽车上的应用方面三、举例说明在汽车空调当中的应用四、简要介绍在其他方面的应用,2、为什么采用模糊控制？传统的自动控制控制器的综合设计都要建立在被控对象准确的数学模型(即传递函数模型或状态空间模型)的基础上，但是在实际中，很多系统的影响因素很多，油气混合过程、缸内燃烧过程等)，很难找出精确的数学模型。这种情况下，模糊控制的诞生就显得意义重大。因为模糊控制不用建立数学模型不需要预先知道过程精确的数学模型。,2、为什么采用模糊控制？要研制智能化的汽车，就离不开模糊控制技术如汽车空调：人体舒适度的模糊性和空调复杂系统,3、工作原理,把由各种传感器测出的精确量转换成为适于模糊运算的模糊量,然后将这些量在模糊控制器中加以运算,最后再将运算结果中的模糊量转换为精确量,以便对各执行器进行具体的操作控制。在模糊控制中,存在着一个模糊量和精确量之间相互转化的问题,模糊控制原理图,s:系统的设定值。x1,x2:模糊控制的输入(精确量)。X,1,X2:模糊量化处理后的模糊量。U:经过模糊控制规则和近似推理后得出的模糊控制量。u:经模糊判决后得到的控制量(精确量)。y:对象的输出。,也可以表示成,工作步骤：输入量模糊化 建立模糊规则 进行模糊推理 输出量反模糊,3、模糊控制的特点适用于不易获得精确数学模型的被控对象，是一种语言变量控制器 从属于智能控制的范畴。该系统尤其适于非线性，时变，滞后系统的控制抗干扰能力强，响应速度快，并对系统参数的变化有较强的鲁棒性。,二、模糊控制在汽车的应用方面,1、ABS防抱死系统工况的多变及轮胎的非线性2、汽车巡航系统外界负荷的扰动、汽车质量和传动系效率的不确定性、被控对象的强非线性3、汽车空调人体舒适感的模糊性和空调复杂结构4、半主动悬架系统参数不稳定性5、发动机,三、在汽车空调上的应用,对汽车空调系统的要求：技术性能和控制性能优良，满足人体舒适性的要求；节能自动控制的应用是达到这两方面要求的一个重要途径。经典控制理论：建立数学模型现代控制理论：状态方程,三、在汽车空调上的应用,空调器为典型的传质换热系统，结构和内部物理过程复杂，难以建立精确的数学模型。汽车空调由于工作条件多变，用传统的控制方法如:PID控制，难以获得较好的控制效果。对于环境干扰，鲁棒性好，能够抑制非线性因素对控制器的影响,全空调型客车空调原理图,1、外进风;2出风口;3蒸发器风机:4蒸发器芯;5热水器芯:6温度门:7、出风口:8车内进风,模糊控制是基于语言的控制模糊语言集的组成：T（E）用模糊语言变量E 来描述偏差T（E）=负大，负中，负小，零，正小，正中，正大,或用符号表示 负大NB（Negative Big）、负中NM（Negative Medium）、负小NS（Negative Small）、零ZE（Zero）、正小PS（Positive Small）、正中PM（Positive Medium），正大PB（Positive Big），则：T（E）=NB，NM，NS，ZE，PS，PM，PB,建立隶属函数：各参数对相应子集的隶属函数分别由不同的函数族决定。参数的相应子集指该参数被人为地划分成的等级所构成的一组模糊集合。相应子集的多少，由控制精度决定。例如，参数“温差”的相应子集可以是“正大，正小，负小，负大”，也可以是“正大，正中，正小，负小，负中，负大”，后者比前者模糊子集多，因而控制精度更高（在其它条件相同的情况下）。,温度偏差x 的相应子集为：正大：u()=1-1/（1+0.5X2）(X0)正中：u()=1/（1+（x-2）2）(X0)正小：u()=1/（1+(x-1)2）(X0)正很小：u()=1/（1+0.5X2）(X0)负很小：u()=1/（1+0.5X2）(X0)负小：u()=1/（1+(x+1)2）(X0)负中：u()=1/（1+(x+2)2）(X0)负大：u()=1-1/（1+0.5X2）(X0),温度偏差E的隶属函数,温度变化率Eu的隶属函数,控制输出量U的隶属函数,普通集合对温度的定义,模糊集合对温度的设定,汽车空调模糊控制系统的控制执行器压缩机、蒸发器风机、电子膨胀阀控制目标:压缩机能量调节机构控制其排量;蒸发器风机控制车内的送风量;电子膨胀阀控制压缩机吸入气体的过热 度。执行器和控制量之间有交互的影响,增加了控制的复杂性。,汽车空调模糊控制框图,模糊控制规则：（根据人工经验设定）根据温差和温差变化率设定等级，推导压缩机排量、膨胀阀开度和风机转速的等级。(1)如果温差“正大”,温差变化率“负很小”,认为机器制冷力严重不足。运行状态设置为:压缩机排量为“最大”,膨胀阀开度为“最大”,风机转速为“最大”。(2)如果温差“正中”,温差变化率“正大”,认为机器制冷力不足,运行状态设置为:压缩机排量为“大”,膨胀阀开度为“大”,风机转速为“大”。,(3)如果温差“正小”,温差变化率“正中”,认为机器制冷力仍不足,运行状态设置为:压缩机排量为“中”,膨胀阀开度为“中”,风机转速为“中”。.如果温差变化率相应子集数和温差相同,均为8 个,那么,这种类型的规则应有64 条,模糊控制规则表,模糊控制规则表,建立模糊控制规则的基本思想:当误差大或较大时，选择控制量以尽快消除误差为主，而当误差较小时，选择控制量要注意防止超调，以系统的稳定性为主要出发点。以误差为负大时，误差变化为负大为例，这时误差有增大的趋势，为尽快消除已有的负大误差并抑制误差变大，所以控制量取负大，即使风门开度达到最小，减少通过加热器的风量。,控制步骤：.计算出温度差x，温差的变化率，x,即为精确的控制输入。.求出控制输入x、x 对相应子集的隶属度，把精确的控制输入转换成模糊量。例如，x=1,x=0.1/min,则有：x 对相应子集的隶属度为（按前述设定隶属函数）：正大：u(x)=0.33 正中：u(x)=0.5 正小：u(x)=1 正很小：u(x)=0.67 其余子集：u(x)=0,同样地，对相应子集隶属度亦可算出，例如：正大：u()=0.1 正中：u()=0.8 正小：u()=0.9 正很小：u()=0.1 其余子集：u()=0,.模糊控制规则条件部分的隶属度。例如，对前述设定的模糊控制规则、控制输入组y=x=1,x=0.1/min对其条件部分的隶属度可求得：对规则的条件部分：u(y)=0对规则的条件部分：u(y)=0.1对规则的条件部分：u(y)=0.8.,（4）利用模糊控制规则，推导控制输出的模糊量。由前一步骤计算的对规则条件部分的隶属度u（y）,可直接得出相应规则结论部分对相应子集的隶属度。例如，对规则，已知y 对条件部分的隶属度u（y）=0.8，那么，压缩机排量F 对“中等排量”隶属度u(F)=0.8，风机转速v，对“中等转速”隶属度u(v)=0.8，膨胀阀开度N 对“中等转速”隶属度u(N)=0.8。,考虑所有有关的结论部分，即可得到控制输出对相应子集的隶属度。如压缩机排量F 对相应子集的隶属度为：最大：u(F)=0 大：u(F)=0.1 中：u(F)=0.8 小：u(F)=0.7 最小：u(F)=0.1,模糊推理规则,模糊量化为清晰量输出,输出模糊量,根据重心法原则 模糊控制器控制表,模糊控制与常规控制比较模糊控制具有超调量小、稳差小的特点。一般汽车空调模糊控制可节能 15%20%。,控制过程：1、根据温度传感器和湿度传感器测定的温度湿度，以人体舒适感为基础，对车厢温度进行模糊修正2、根据设定温度和实测温度，用模糊控制原则推论控制输出3、根据室外温度、乘车满员率对控制输出进行热负荷模糊修正。4、根据车门启闭情况，对控制输出进行修正,实行模糊控制要进行三个方面的工作:精确量的模糊化,把语言变量的语言值化为某适当论域上的模糊子集;模糊控制算法和设计,通过一组模糊条件语句构成模糊控制规则,并计算模糊控制规则决定的模糊关系;输出信息的模糊判决,并完成由模糊量到精确量的转化,结 论：,在ABS中的的应用,车辆工况的多变及轮胎的非线性导致传统PID控制中比例、微分、积分最佳参数匹配的困难,模糊控制恰好适应了这种变工况非线性系统的控制,并具有鲁棒性强的优点,ABS 模 糊 控 制 模 型,误差的变化率定义为E=S-S0，S0为期望滑移律点误差的变化率定义为EC=(Ek-Ek-1)/T 控制量U 为制动系统压力,它决定了制动力矩的大小,为输出量。,模糊控制规则,车轮与轮速关系曲线,滑移率变化曲线,汽车巡航控制系统 在汽车的行驶过程中，由于外界负荷的扰动、汽车质量和传动系效率的不确定性、被控对象的强非线性等因素的影响，采用传统的PID控制方法难以保证在不同的条件下都取得令人满意的控制效果。,汽车巡航模糊自整定PID控制原理,