模糊邏輯 - 控制系統

模糊邏輯在各種控制應用中取得了巨大的成功。幾乎所有消費產品都採用了模糊控制。一些例子包括：使用空調控制房間溫度、車輛中使用的防抱死制動系統、交通燈控制、洗衣機、大型經濟系統等等。

為什麼在控制系統中使用模糊邏輯

控制系統是由物理元件組成的系統，旨在改變另一個物理系統，以便該系統表現出某些期望的特性。以下是使用模糊邏輯進行控制的一些原因：

• 在應用傳統控制時，需要了解以精確術語制定的模型和目標函式。這使得在許多情況下很難應用。

• 透過應用模糊邏輯進行控制，我們可以利用人類的專業知識和經驗來設計控制器。

• 模糊控制規則，基本上是IF-THEN規則，可以最好地用於設計控制器。

模糊邏輯控制 (FLC) 設計中的假設

在設計模糊控制系統時，應做出以下六個基本假設：

• 工廠是可觀察的和可控的 -必須假設輸入、輸出以及狀態變數都可用於觀察和控制目的。

• 知識體的存在 -必須假設存在一個知識體，其中包含語言規則和一組可以從中提取規則的輸入輸出資料集。

• 解的存在 -必須假設存在解。

• “足夠好”的解就足夠了 -控制工程必須尋找“足夠好”的解，而不是最優解。

• 精度範圍 -模糊邏輯控制器必須在可接受的精度範圍內設計。

• 關於穩定性和最優性的問題 -在設計模糊邏輯控制器時，穩定性和最優性的問題必須是開放的，而不是明確地解決。

模糊邏輯控制的架構

下圖顯示了模糊邏輯控制 (FLC) 的架構。

FLC 的主要組成部分

以下是上圖所示 FLC 的主要組成部分：

• 模糊化器 -模糊化器的作用是將清晰的輸入值轉換為模糊值。

• 模糊知識庫 -它儲存關於所有輸入輸出模糊關係的知識。它還具有隸屬度函式，該函式將輸入變數定義為模糊規則庫，將輸出變數定義為被控物件。

• 模糊規則庫 -它儲存關於領域過程操作的知識。

• 推理引擎 -它是任何 FLC 的核心。它基本上透過執行近似推理來模擬人類決策。

• 去模糊化器 -去模糊化器的作用是從模糊推理引擎獲取模糊值並將其轉換為清晰值。

FLC 設計步驟

以下是 FLC 設計中涉及的步驟：

• 變數識別 -在這裡，必須識別正在考慮的工廠的輸入、輸出和狀態變數。

• 模糊子集配置 -資訊宇宙被劃分為多個模糊子集，每個子集都被賦予一個語言標籤。始終確保這些模糊子集包含宇宙的所有元素。

• 獲取隸屬度函式 -現在為我們在上述步驟中獲得的每個模糊子集獲取隸屬度函式。

• 模糊規則庫配置 -現在透過分配模糊輸入和輸出之間的關係來制定模糊規則庫。

• 模糊化 -在此步驟中啟動模糊化過程。

• 組合模糊輸出 -透過應用模糊近似推理，找到模糊輸出並將它們合併。

• 去模糊化 -最後，啟動去模糊化過程以形成清晰的輸出。

模糊邏輯控制的優點

現在讓我們討論模糊邏輯控制的優點。

• 更便宜 -就效能而言，開發 FLC 比開發基於模型的或其他控制器更便宜。

• 魯棒性 -由於 FLC 能夠覆蓋很大的操作條件範圍，因此它們比 PID 控制器更魯棒。

• 可定製性 -FLC 是可定製的。

• 模擬人類演繹思維 -基本上，FLC 的設計是為了模擬人類演繹思維，即人們用來從已知知識中推斷結論的過程。

• 可靠性 -FLC 比傳統的控制系統更可靠。

• 效率 -模糊邏輯應用於控制系統時效率更高。

模糊邏輯控制的缺點

我們現在將討論模糊邏輯控制的缺點。

• 需要大量資料 -FLC 需要大量資料才能應用。

• 在中等歷史資料的情況下有用 -FLC 對遠小於或遠大於歷史資料的程式無用。

• 需要高度的人類專業知識 -這是一個缺點，因為系統的準確性取決於人類的知識和專業知識。

• 需要定期更新規則 -規則必須隨著時間的推移而更新。