1、自然辯證法概論課程論文論文標題：對仿人模糊網絡控制系統研究的展望學生姓名：蘇達子學號：0901301012專業：機械制造及其口動化專業學院：機械工程學院導師姓名：蒲明輝學期:2011-2012/±誠信聲明我鄭重聲明：本人捉交的自然辯證法概論課程論文是由本人 獨立完成的，在止文中和在文末的參考文獻中已全部標注并列出了文 中所引用的他人的學術成果、觀點、圖表或論述，保證此文符合學術 道德規范的耍求。聲明人簽名：蘇達子 簽名日期：2011年12月20日對仿人模糊網絡控制系統研究的展望蘇達子機械工程學院機械制造及其自動化專業2009級；學號：0901301012摘要：隨著現代工業的發展，工業

2、過程的不斷復雜化，實際生產過程屮的非線性, 不確定性和復雜性的增加，傳統意義上的ptd控制器已經不能滿足我們的要求， 因此我們力圖將近些年發展起來的一些先進的智能控制方法，應用到ptd控制領 域中。本文針對模糊神經控制這一學科做了淺顯的研究，從理論研究和計算機仿真 兩方面對模糊控制、神經控制、仿人智能以及專家控制算法進行了學習和初步研 究，針對復雜的具有不確定性的非線性、大滯后系統，采用了模糊自適應pid控 制、基于rbf神經網絡pid整定、專家pid控制三種控制策略和融合的方法進行 控制器的設計，并在matlab平臺上進行了對實際非線性傳遞函數的程序設計以及 仿真實驗研究。通過將誤差和誤差變

3、化作為輸入來調節控制器的kp、ki、kd參數, 提高系統的調節時間、收斂速度、上升時間等控制品質。本文的重點工作在于模糊控制和rbf神經網絡控制策略的融合，而難點是rbf 神經網絡的理解上。通過rbf模糊神經網絡控制器和仿人rbf模糊神經網絡控制 器的仿真效果對比可以看出仿人rbf模糊神經網絡控制器屮階躍響應時間、誤差 響應都明顯減小，而且pid參數的的超調量等控制性能都減小，由此說明仿人-模 糊神經網絡具有良好的控制效果。關鍵詞：模糊控制；rbf神經網絡；專家控制；仿人智能1 研究背景及意義近幾年來，智能控制采用各種智能化技術實現復雜系統和其他相關系統的控 制目標，是一種強大的自動控制技術。

4、長期以來，自動控制科學已對整個科學技 術的理論和實踐做出了重要貢獻，并給人類的生產、生活和工作帶來了巨大的利 益。然而，現代科學技術的迅速發展和重大進步，對控制和系統科學提出新的更 高的要求。傳統控制理論，包括近代控制、經典反饋控制和大系統理論等，在應 用屮遇到不少難題。多年來，自動控制一直在尋找新的出路，現在看來，出路z 一就是實現控制系統的智能化和自動化，來解決面臨的難題。pid控制是最早發展 起來的控制策略之一，由于其算法簡單，性能好、可靠性高，被廣泛應用于過程 控制和運動控制中，尤其適用于可建立精確模型的確定性系統。但隨著實際生產 過程中的非線性，不確定和復朵性的增加，常規的ptd控制

5、已經不能滿足我們的 控制要求，不能達到理想的控制效果。但是由于pid具有結構簡單、造價低廉等 特點，現在仍在工業生產的各種控制設備上廣泛應用。pid控制器應用的關鍵就是參數整定及在線參數調整。過去的參數整定由經驗 取值預設，再依據試運行的響應波形做手動調整，這種方法往往經驗多于科學， 既費時乂難以達到最佳的整定值。目前各種行z有效的整定方法，包括改進算法 的ziegler-niehols整定法、coohen-coon整定法、astrom的整定法等等,在改 善自動控制系統方面發揮了重大的作用但由于固定參數的pid控制器采用折衷 的方法來解決靜態與動態控制品質z間的孑盾，這就使得單一控制參數的系統

6、不 能獲得最佳的控制效果。但環境變化以及控制對彖存在著大慣性、非線性、大純 滯后、強干擾等等特性，用一組事先整定的pid參數實施控制難以達到很好的控 制效果，尤其當對象參數變化超過一定的范圍時，系統性能會明顯變差，甚至超 出許可范圍。因此，為了促進pid控制的發展，我們力圖將近些年發展起來的一些先進的 智能控制方法，應用到pid控制領域中，而模糊神經網絡(fnn)已經成為人們關 注的熱點z,它被應用到復朵過程建模和邏輯推理中，用神經網絡表示模糊系 統，使構造網絡結構冇了依據，又可以根據模糊推理規則的形式，利用神經網絡 的學習能力進行復朵的模糊推理，具有并行運算速度快的優點。另外，網絡權值 的初

7、始給定具有一定得先驗知識，從而網絡在訓練屮收斂速度較快。但是模糊神經網絡建模存在的關鍵問題z就是當模糊神經網絡的輸入維數 高時，模糊規則呈兒何級數增加，致使網絡結構龐大，網絡計算量大，導致迭代 吋間長，收斂速度慢。仿人智能以及專家系統又可以從另一面優化模糊神經網絡 系統，減小調節時間，降低超調量等，近來國內外也出現了許多將仿人智能和模 糊神經網絡結合的課題，并且一部分成果都被運用到現實的生產和生活屮，所以 我們有必要也需要對仿人智能和模糊神經網絡的結合做進一步的研究。2. 研究現狀pid控制器是在過程控制z中最常應用的一類控制器，一般的說來，具有魯棒 性較好、參數整定和實踐使用經驗枳累豐富，結

8、構簡明，易于工程應用等優點。 但對于非線性強或具有不確定性的系統，使用效果并不理想。而神經網絡控制器 (nn-ptd)是對誤差、誤差積和誤差微分進行加權運算，以其作為神經網絡的輸入 層，構成不同結構的神經網絡模型，利用神經網絡的非線性映射及聯想記憶等功 能，來實現常規p1d型控制器無法實現的控制效果。1985年bart kosko捉出模糊認知映射網絡這種網絡屮，各單元(節點)表示各 個不同的模糊集，單元之間的連接權表示相應模糊概念之間的因果關系。此外還 有由jyh-skingh r. jang在1994年提出的自適應神經模糊推理系統，是一種基 于takagi-sugeno模型(或簡稱sugen

9、o模型)，它可以替代控制系統的任意神經元 網絡并執行同樣的功能，然而它和絕人多數神經模糊建模一樣總是不可避免的存 在著結構辨識的問題，也就是如何合適的劃分輸入輸出空間，如何從觀測數據中 提取出較為簡化的模糊規則庫，避免規則庫爆炸問題。1990年中國科學院自動化 研究所應行仁、曾南提出采用bp神經網絡記憶模糊規則的控制，并進行了倒立擺 的仿真試驗。近年來，模糊神經網絡(fnn)已經成為復雜過程建模和邏輯推理的主要手段， 用神經網絡表示模糊系統使構造網絡結構有了依據，可以根據模糊推理規則 的形式，同時利用神經網絡的學習能力進行復雜的模糊推理，具有并行運算速度 快的優點。模糊神經網絡(fnn)c經在

10、各個領域中得到了廣泛應用，尤其是在智能 系統中的非線性建模及控制器的設計、模式分類與模式識別、聯想記憶和優化計 算等方面得到人們的極大關注。但是模糊神經網絡的融合也出現了一些弊端，一直以來都沒有一個統一的標 準，只是模型效果上是可以證明的并沒有在理論上完全得證，而且在一些復雜而 特殊的系統中也沒有顯現出很好的控制效杲，所以人們又開始研究專家控制、仿 人智能和神經網絡的融合，努力之后出現了一些比較成功的實例，這對智能控制 的研究起了推進性作用。綜上所述，現今神經網絡智能控制無論是在理論上還是在應用上均得到了長 足的發展和進步。但如何將pid控制器同智能控制更好的結合在一起，使控制領 域幾十年來長

11、用不衰的ptd控制器能發揚光大，更好地應用于實踐，仍然是控制 領域中人們不斷研究和探索的重要課題。在這一領域，許多研究者正將各種智能 控制技術和常規pid控制方法有機的融合在一起，提出了多種形式的智能pid控 制器。可以看到，智能p1d技術具冇廣闊的研究和應用前景。本課題主要是基于仿人智能的多模態控制思想，結合模糊控制和神經網絡精 確的控制特點，提出一種仿人智能和模糊神經網絡相融合的控制方法，結合三種 控制方式的優點來設計控制系統，應用于非線性和大滯后的復雜控制系統中，提 高控制效果。仿人智能控制是一種基于知識的智能控制，模擬了人的控制經驗與技巧。它 是一種具有多種控制模態的智能控制器，不僅叮

12、以用于線性系統還可以用于非線 性系統器。仿人智能控制系統類型:仿人智能開關控制、仿人智能比例控制、仿人 智能積分控制、仿人分層遞階智能控制。模糊控制主要是對輸入量通過經驗判斷然后釆取相應控制措施進行調整，將 操作者的經驗總結成若干規則即模糊控制規則，然后仿照人腦的模糊推理過程， 確定推理算法。計算機可根據輸入的模糊信息，依據控制規則和推理法則，作出 模糊決策。最后當人們根據已決定的模糊決策區執行具體的動作，執行的結果又 是已個精確量。模糊控制器的工作原理框圖如下役圖1模糊控制工作原理圖神經網絡(neural network)是人工神經網絡的簡稱，是用大量簡單的處理單 元廣泛連接組成的復雜網絡，

13、是在現代生物學研究人腦組織所取得的成果基礎上 提出的，用以模擬人類大腦神經網絡結構和行為，實現某個方面的功能。它有3 個特性：學習、概括、和抽取。它的主要應用有高速率的數據獲得、多傳感器信 息融合以及飛行器的辨識等待。神經元結構圖如下：注：0為閥值，wi (i=l,2,.,n)為連接權值，xj (j=l,2,.,n)為輸入信號，f為作用函數。3. 主要研究內容學習仿人智能、模糊控制和神經網絡在控制中的應用，基于仿人智能的多模態控 制思想，結合模糊控制和神經網絡精確的控制特點，提出一種仿人智能和模糊神 經網絡相融合的控制方法，結合三種控制方式的優點來設計控制系統，用matlab 編寫程序并應用于

14、非線性和大滯后的復雜控制系統屮，提高控制效果。3.1模糊控制系統的組成和基本原理模糊控制是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎的計算機智 能控制。其基本結構框圖如圖3所示：圖3模糊控制基本結構框圖從線性控制與非線性控制的角度分類，模糊控制是一種非線性控制。它的組 成核心是模糊控制器，所以，從其控制器的智能性看，它屬于智能控制的范疇， 而且它已成為目前實現智能控制的一種重耍而且又有效的形式。尤其是模糊控制 和神經網絡、遺傳算法及混沌理論等新學科的相融合，正在顯示出其巨大的應用 潛力。模糊控制器由以下四部分組成：1. 模糊化這部分的作用是將輸入的精確量轉換成模糊化量。其屮輸入量包括外界的

15、參考輸入、系統的輸出或狀態等。模糊化的具體過程如下：(1) 首先對這些輸入量進行處理以變成模糊控制器要求的輸入量。例如常見的情況是計算eny和ec=de/dt,其中1表示參考輸入，y表示系統 輸出，e表示誤弟，ec表示誤差的變化。有時為了減小噪聲的影響，常常將ec進 行濾波后再使用，例如可取ec=s /(ts+l)e(2) 將上述已經處理過的輸入量進行尺度變換使其變換到齊口的論域范圍。(3) 將已經變換到論域范圍的輸入量進行模糊處理，使原先精確的輸入量變 成模糊量，并用相應的模糊集合表示。2. 知識庫知識庫中包含了具休應用領域中的知識和要求的控制目標。它通常由模糊控 制規則庫組成。主要包括各語

16、言變量的隸屬度函數，模糊因子、量化因子以及模 糊空間的等級數。規則庫包括了用模糊語言變量表示的一系列的控制規則。它們 反映了控制專家的經驗和知識。3. 模糊推理模糊推理是模糊控制器的核心，它具有模擬人的基于模糊概念的推理能力， 該推理過程是基于模糊邏輯屮的蘊含關系及推理規則來進行的。4. 清晰化清晰化的作用是將模糊推理得到的控制量(模糊量)變換成實際用于控制的 清晰量。它包含以下兩個部分：(1) 將模糊量經清晰化變換變成論域范圍的等級量。(2) 將論域范圍的等級量經比例變換為實際的控制量。模糊控制器，在理論上是由n維模糊關系r表示。r可視為受約于0,1區間的n 個變量的函數。r是幾個n維r的組

17、合，每個r代表一條ifthen規則。控制器 的輸入x被模糊化為x,模糊輸出y可應用推理合成規則進行計算。對于模糊輸 出y進行模糊判決，可得精確的數值輸出y。它的原理圖如4所示：圖4模糊控制原理圖由此可見，模糊控制算法可以概括為以下四步：(1) 根據木次采樣得到的系統的輸出值，然后將此量與給定值進行比較，得到系統的偏差信號e, 一般選取e為模糊控制器的一個輸入量。(2) 將輸入變量的精確值變為模糊量，即把偏差信號e的精確量進行模糊化 變成模糊量。其模糊量可以用相應的模糊語言表示，得到偏差e模糊語言集合 的一個了集e (e是一個模糊矢量)o(3) 根據輸入變量(模糊量)及模糊控制規則r,按模糊推理

18、合成規則進行模糊 決策得到控制量(模糊量)u,其中u二eoro(4) 為了對被控對象施加精確的控制，還要把以上得到的控制量(模糊量)轉化 為精確的控制量，即進行清晰化處理。3. 2模糊控制的特點由以上介紹的模糊控制的基木原理可以看出模糊控制相對于常規控制算法有 以下的優點：(1) 由于模糊控制完全是在操作人員控制經驗的基礎上實現系統的控制，因 此，它不依賴于系統精確的數學模型，特別適合于復雜的系統和模糊化對彖，是 解決不確定性的一種有效的途徑。(2) 模糊控制器的設計以計算機為主體，它兼有計算機控制的系統的特點， 如冇軟件編程的柔軟性。(3) 模糊控制有較強的魯棒性，被控對象參數的變化對控制器

19、影響不明顯， 可用于非線性、時變、時滯系統的控制。(4) 模糊控制的人一機界而有一定的友好性，控制機理符合人們對過程控制 作用的直觀描述和思維邏輯，為智能控制應用打下了基礎。3. 3模糊自適應整定pid控制在工業生產過程中，許多被控對象隨著負荷變化或干擾因索影響，其對象特 性參數或結構發生改變。自適應控制運用現代控制理論在線辨識對象特征參數， 實時改變其控制策略，是控制系統品質指標保持在最佳范圍內，但其控制效果的 好壞取決于辨識模型的精確度，這對于復朵系統是非常困難的。因此，在工業生 產過程屮，大量采用的仍然是pid算法。pid參數的整定方法大多數是以對象特 性為基礎。這種控制必須精確對象模型

20、，首先將操作人員長期時間積累的經驗知 識用控制規則模糊化，然后運用推理便可對pid參數實現最佳調整。由于操作人員經驗不易精確描述，控制過程中各種信號量以及評價指標不易 定量表示，模糊理論是把規則的條件、操作用模糊集表示，并把這些模糊控制規 則以及冇關信息作為知識存入計算機知識庫中，然后計算機根據控制系統的實際 響應情況，運用模糊推理，即口動實現對pid參數的最佳調整，這就是模糊口適 應pid控制。自適應控制原理：自適應模糊pid控制器以誤差e和誤差變化ec作為輸入， 可以滿足不同時刻的e和ec對pid參數自整定的要求。利用模糊控制規則在線對 pid參數進行修改，便構成了口適應模糊pid控制器。

21、結構圖如下：圖5自適應模糊控制器結構pid參數模糊自整定是找出pid三個參數與e和ec之間的模糊關系，在運行 中通過不斷檢測e和ec,根據模糊控制原理來對各個參數進行在線修改，以滿足 不同時刻e和ec對控制參數的不同要求，使被控對象有良好的動、靜態性能。（1）比例系數kp的作用是加快系統的響應速度，提高系統的調節精度。（2）積分作用系數ki的作用是消除系統的穩態誤差。（3）微分作用系數kd的作用是改善系統的的動態性能，其作用主要是在響應 過程屮抑制偏差向任何方向的變化，對偏差變化進行提前預報。模糊口整定pid是在pid算法的基礎上，通過計算當前系統誤并e和誤差變 化率ec,利用模糊規則進行模糊

22、推理，查詢模糊矩陣衣進行參數調整。模糊控制 設計的核心是總結工程設計人員的技術知識和實際操作經驗，建立合適的模糊規 則表，得到針對kp、ki、kd三個參數分別整定的模糊控制表。4. 總結及展望智能控制是自動化科學和技術的一個嶄新分支，它具有非常廣泛的應用領域, 例如智能機器人控制、智能過程控制、智能調度與規劃、專家控制系統、智能故 障診斷、智1能儀器、醫院監控、語音控制、飛行器控制及自動制造系統控制等， 其發展和應用將對整個科學和技術的進步起到積極地推進作用。本文的重點工作在于模糊控制和rbf神經網絡控制策略的融合，而難點是 rbf神經網絡的理解上。其屮模糊h適應pid整定是以誤差e和誤差變化ec作為 輸入，可以滿足不同時刻的e和ec對pid參數門整定的耍求，利用模糊控制規則 在線對pid參數進行修改。專家pid控制是根據誤差大小及其變化實施較強或一 般的控制作用，以抑制動態誤差，來設計專家pid控制。基于rbf神經網絡整定 的pid控制是具有單隱層的前饋網絡，它模擬了人腦中局部調整、相互覆蓋接受 域的神經網絡結構，是一種局部逼近網絡，主要通過輸出權、節點屮心及基寬參 數來實現控制器的設計。通過仿人模糊神經網絡控制器和模糊神經網絡控制器的 對比口j以看出仿人模糊神經網絡控制器的優越性。雖然模糊神經網絡理論在復朵系統的控制、辨識等應用方面取得了大量研究 和應用成果，但是模