一種基于自適應論域劃分的模糊控制方法
【技術領域】
[0001] 本發(fā)明涉及一種基于自適應論域劃分的模糊控制方法。
【背景技術】
[0002] 模糊分類的首項工作是模糊論域的劃分。但是傳統(tǒng)的模糊論域的劃分是在識別初 期就完成的。一旦確定，一般在后續(xù)的過程中不予更改。這種劃分模式不能加入新的知識。 不能體現(xiàn)劃分過程的互動性。分類結果比較粗糙，控制效果有限。
[0003] 在已有的分類技術中，論域劃分是靜態(tài)的。待分類對象一旦被歸于某一類別，一般 就不再改動。這種分類方法基本上可以滿足靜態(tài)對象的分類要求，但對動態(tài)對象則難以反 映其當前所處的實時類別。
[0004] 因此，有必要設計一種新型的模糊控制方法。

【發(fā)明內容】

[0005] 本發(fā)明所要解決的技術問題是提供一種基于自適應論域劃分的模糊控制方法，該 基于自適應論域劃分的模糊控制方法易于實施，靈活性好，能有效改善控制效果。
[0006] 發(fā)明的技術解決方案如下：
[0007] 一種基于自適應論域劃分的模糊控制方法，包括以下步驟：
[0008] 步驟 1 :
[0009] 步驟1 :論域劃分：
[0010] 以被控量T的變化區(qū)間[x，y]作為論域區(qū)間；x和y分別是被控量的下限值和上 限值；
[0011] 將論域區(qū)間劃分為多個子區(qū)間，對每一個子區(qū)間分別定義模糊子集及模糊子集中 每一個元素即模糊語言變量的隸屬度函數(shù)；
[0012] 步驟2 :采用模塊控制策略并基于步驟1的模糊子集及隸屬度函數(shù)對被控對象實 施控制。
[0013] 所述的步驟1中還包括論域映射步驟：
[0014] 將被控量T的變化區(qū)間[x，y]映射成區(qū)間[0,b]，有b=y-x;
[0015] 在區(qū)間[x，y]的T，映射到區(qū)間[0,b]的值為w，有w=T-x;
[0016] 將區(qū)間[0,b]代替原有的論域區(qū)間[x，y]作為更新的論域區(qū)間；
[0017] 并將更新的論域區(qū)間[0,b]劃分為多個子區(qū)間，對每一個子區(qū)間分別定義模糊子 集及模糊子集中每一個元素的隸屬度函數(shù)。
[0018] 每一個子區(qū)間的模糊語言變量包括"高（PB) "、"中（PM) "、"低（PS) " ：
[0019] (l)wG[0? 8*b，b]
[0020] 此時"高（PB) "的隸屬度函數(shù)值f(w)為：
[0036] 此時"中（PM) "的隸屬度函數(shù)值f(w)為：
[0047] 所述步驟2中，先通過對被控量T的實時測量，將其變換為[0,b]區(qū)間內的w值； 再判斷w值屬于[0，b]區(qū)間中的四個子區(qū)間：[0,0. 2*b)，[0.2*b，0.5*b)，[0.5*b，0.8*b)， [0? 8*b，b]中的哪一個；
[0048] 確定子區(qū)間之后，基于隸屬度函數(shù)值f(w)的大小判斷w值屬于"高（PB)"、"中 (PM) "、"低（PS) "中的哪一個模糊語言變量；
[0049] 隸屬于哪一個模糊語言變量的判斷方法采用隸屬度函數(shù)值最大原則。
[0050] 若隸屬函數(shù)值相同，采用隨機分類方法：即若w值對應的幾個模糊語言變量的隸 屬函數(shù)值是一樣大小，則取其中任一個語言變量所對應的模糊語言變量。
[0051] 被控量為爐膛溫度，簡稱爐溫。
[0052] 本發(fā)明首先針對問題的需要對待分類的對象給出若干語言變量，進行論域劃分。 建立各論域的隸屬度函數(shù)。
[0053] 再檢測（或計算）待分類對象的性能指標，計算其對應的隸屬度函數(shù)值?；陔` 屬度函數(shù)值初步判斷這些待分類對象屬于哪個類別。
[0054] 更進一步，可以對已劃分好的類別根據(jù)相關要求進行動態(tài)重劃分，重新設計新的 語言變量及對應的隸屬度函數(shù)。再基于第二步的方法重新對對象進行分類。判斷分類結果 是否符合分類要求。如不符合，繼續(xù)重復第二、三步。通過不斷地滾動調整分類策略和模糊 劃分類別來使分類達到要求。
[0055] 有益效果：
[0056] 本發(fā)明的基于自適應論域劃分的模糊控制方法，過在分類過程中對被分類對象所 屬的范圍進行動態(tài)地重新劃分，引入模糊分類技術，將人類直覺和機器學習相結合，既有效 地提升了分類的精確度；又提升了分類的彈性空間，擴大了分類的靈活性，從而有利于改善 控制精度。
[0057] 本方案中通過判斷當前對象所處的類別，根據(jù)分類要求，再對這個類別進行細化 劃分，通過對隸屬度函數(shù)的分形設計，得出這個類別內部細化后的論域劃分方案。
[0058] 在常規(guī)的分類策略中，某一對象的歸屬類別可能是模糊的。也即該對象宄竟該歸 屬于哪一類別，不同類別之間的顯著區(qū)別是什么？類別該如何定義？劃分人可能自己也沒 有底。本方法通過自適應劃分論域（即分類類別），能動態(tài)地對類別的廣度和深度進行有伸 縮的彈性調節(jié)。既能配合劃分人的主觀愿望，又能符合已有的分類標準。該方法具有良好 的粗糙度和魯棒性。
[0059] 對于同一個對象而言，可能在不同的需求下，所屬的類別會有一定的差異。本方 案通過建立初步的分類標準，在對標準進行合理的自適應地改變就可以符合不同來源的需 求，避免了傳統(tǒng)分類中重新制訂標準的繁雜工作。精煉了分類程序，提高了分類效率。
【附圖說明】
[0060] 圖1為傳統(tǒng)模糊PID控制和自適應論域劃分的模糊PID控制的控制偏差效果對比 圖；圖中橫坐標為時間，縱坐標為誤差值。
【具體實施方式】
[0061] 以下將結合附圖和具體實施例對本發(fā)明做進一步詳細說明：
[0062] 實施例1 :
[0063] 設當前爐溫值為T，設在整個加工過程中，溫度T的全部變化區(qū)間為[x，y]。 TG[x，y] 〇
[0064] 將區(qū)間[x，y]映射成區(qū)間[0,b]，此處b=y-x。對于某一個在區(qū)間[x，y]的爐 溫值T，它映射到區(qū)間[0,b]的值w為：w=T-x。
[0065] 設在加工過程中，對溫度高低定義的模糊語言變量為"高溫（PB) "、"中溫（PM) "、 "低溫（PS)"。這里溫度高低的語言變量的劃分按照其所處的當前溫度區(qū)間來進行。具體規(guī) 則如下：
[0066] (1)wG[0? 8*b，b]
[0067] 此時"高溫（PB) "的隸屬度函數(shù)值f(w)為：
[0083]此時"中溫（PM) "的隸屬度函數(shù)值f(w)為：
[0094] 基于以上規(guī)則，基于溫度變化的上下限計算出b值。通過對當前實時溫度T的測 量，將其變換為[0，b]區(qū)間內的w值。判斷w值屬于[0，b]區(qū)間中的四個子區(qū)間：[0,0. 2*b)， [0? 2*b，0. 5*b)，[0? 5*b，0. 8*b)，[0? 8*b，b]中的哪一個。確定子區(qū)間之后，基于隸屬度函 數(shù)值f(w)的大小判斷w值屬于"高溫（PB)"、"中溫（PM)"、"低溫（PS)"中的哪一個語言變 量。判斷方法可采用隸屬度函數(shù)值最大原則。即對于當前區(qū)間而言，f(w)值對應于三個語 言變量："高溫（PB)"、"中溫（PM)"、"低溫（PS)"哪個數(shù)值大，就認為它屬于那種語言變量 的類型。例如：假設當前w值處于[0.2*b，0.5*b)的區(qū)間。w = 0.48*b。則它屬于"高溫 (PB) "的隸屬度函數(shù)值為1，屬于"中溫（PM) "的隸屬度函數(shù)值為0,屬于"低溫（PS) "的隸 屬度函數(shù)值為0。則相對于區(qū)間[0. 2*b，0. 5*b)而言，w = 0. 48*b屬于高溫段。
[0095] 考慮到可能會出現(xiàn)隸屬函數(shù)值相同的特殊情況。對于這種情形，本方案采用隨機 分類方法。即若w值對應的幾個語言變量的隸屬函數(shù)值是一樣大小。則取其中任一個語言 變量所對應的類別。這是為了保留分類的靈活性，使后續(xù)設計具有一定的彈性。
[0096] 在圖1中，實線為傳統(tǒng)的論域不變情況下的模糊PID控制條件下的偏差曲線（控 制策略和控制目標均相同，只是論域劃分不同），點劃線為基于自適應論域劃分的模糊PID 控制條件下的偏差曲線。可以明顯地看出：相對于論域不變的情形，自適應論域劃分的方案 可以減小偏差，盡可能更快速地實現(xiàn)控制的要求。
[0097] 如圖1所示：在傳統(tǒng)論域劃分的控制方案中，實現(xiàn)偏差完全消除的時間為0. 25s， 而在采用了自適應論域劃分的控制方案中，實現(xiàn)偏差完全消除的時間僅需0. 2s。較之