[發明專利]一種自適應模糊系統的分解結構

有效

• 申請號: 201710176443.X
• 申請日: 2017-03-23
• 公開（公告）號: CN108628160B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 萬敏;田青蘭;李曉霞;陳鯤鵬;陳海鋒
• 申請（專利權）人: 西南石油大學
• 主分類號: G05B13/02
• 分類號: G05B13/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種自適應模糊系統的分解結構。自適應模糊系統被認為是通過學習能自動產生模糊規則的模糊邏輯系統。模糊系統的萬能逼近性使它可以對非線性系統進行自適應控制或者建模，但是需要模糊系統具有很好的函數逼近能力。復雜的模糊劃分可以提高函數逼近能力，但是會增加自適應參數，使學習時間變長，降低了系統的實時性，甚至使控制系統性能變得更差。本發明提出了一種以輸入隸屬函數為依據的模糊系統分解結構，采用這種分解結構，可以解決復提高逼近精度和學習效率之間的矛盾。該結構具有良好的適應性、魯棒性和抗干擾能力，逼近精度比傳統模糊系統有了明顯得提高，而且分解結構的自適應參數少，分解結構之間的參數滿足最小干擾原則，所以計算速度快，實時性非常好，誤差收斂迅速。

技術領域

本發明涉及一種自適應模糊系統的分解結構，采用這種結構的模糊邏輯系統不僅降低了系統的復雜性，明顯提高了模糊系統的逼近能力，而且大大改善了自適應性和實時性。

背景技術

自適應模糊系統的定義是指具有學習算法的模糊邏輯系統，這里的模糊邏輯系統是由服從模糊邏輯規則的一系列“如果—則”規則所構成的；而學習算法則依靠數據信息來對模糊邏輯系統的參數進行調整。自適應模糊系統被認為是通過學習能自動產生模糊規則的模糊邏輯系統。模糊系統的萬能逼近性使它可以對非線性系統進行自適應控制和建模，但是需要模糊系統具有很好的函數逼近能力。通常自適應模糊系統具有固定的前件部分，如果沒有定義好前件部分，則模糊系統的逼近能力和學習效率都會降低，使系統的性能得不到保證。眾所周知，更復雜的模糊劃分可以提高函數逼近能力，但是會增加自適應參數，使學習時間變長，降低了系統的實時性，甚至使控制系統性能變得更差。因為自適應模糊系統用于在線控制和建模，學習效率和模糊系統的函數逼近能力一樣重要，為了解決以上問題，本發明提出了一種以模糊系統輸入變量隸屬函數為依據的模糊系統分解結構，采用這種分解結構，可以解決復雜模糊劃分提高精度和學習效率之間的矛盾。

發明內容

傳統的模糊系統是將輸入變量在論域上劃分為多個模糊子集，通常采用的是模糊系統輸入變量為兩個，模糊規則的個數即為兩個變量模糊子集的個數相乘。本發明是以模糊規則為依據進行分解，用一個分解的模糊系統代表傳統模糊系統的一條規則，分解結構中的相關參數來源于對應的原始模糊系統，當原來的模糊劃分確定了，在分解結構中的參數也相應的確定了。采用該分解結構代替對應的傳統自適應模糊系統，不但系統性能指標明顯提高，同時學習時間也顯著下降，大大提高了系統的自適應能力和實時性，非常有利于系統的硬件實現。

附圖說明

圖1是傳統模糊系統輸入變量的隸屬函數分布圖。

圖2是分解結構子系統1的輸入變量隸屬函數分布圖。

圖3是分解結構子系統2的輸入變量隸屬函數分布圖。

圖4是分解結構子系統3的輸入變量隸屬函數分布圖。

圖5是傳統模糊系統及其分解結構位置控制性能對比圖。

圖6是傳統模糊系統及其分解結構位置控制誤差對比圖。

圖7是傳統模糊系統及其分解結構速度控制性能對比圖。

圖8是傳統模糊系統及其分解結構速度控制誤差對比圖。

具體實施方式

圖1所示為模糊邏輯系統的輸入x_i，一般i＝2，所有的輸入采用相同的方法進行模糊化，隸屬函數為(N+2)個在論域內等間距劃分的三角形函數。圖中以論域[-π/3 π/3]為例，取N＝3，加上2個邊界函數，共5個三角形等間距隸屬函數。5個隸屬函數分別如下：

U1＝trimf(x,[-pi/3,-pi/3,-pi/6])；

U2＝trimf(x,[-pi/3,-pi/6,0])；