基于模糊逻辑的自主移动级机器人避障控制算法研究

基于模糊逻辑的自主移动级机器人避障控制算法研究 毕 业 论 文 基于模糊逻辑的自主移动级机器人避障控制 算法研究 学生姓名： 专业班级： 指导教师： 学 院： XXX 自动化2011级2班 XXX 副教授 机电工程学院 2015年6月 基于模糊逻辑的自主移动机器人避障控制算法研究 摘要 自主避障的能力是移动机器人智能化程度的重要指标，也是智能型车辆安全行驶的重要保障。自主避障算法属于智能避障功能中的着重点，在传统的算法研究中，需要依靠被控对象所建立的精确数学模型还有提供的全面并且完整的环境信息，在控制过程相对复杂，参数繁多，环境信息不全面，被控对象的数学模型很难确定时，避障效果不会令人满意 本文首先对移动机器人的研究背景以及目的进行概述，然后介绍关于自主避障的一些常用方法，包括人工势场法、模糊控制算法以及遗传算法。然后进行机器人的建模，并在此基础上，再采取模糊逻辑控制法进行避障算法研究，建立模糊逻辑控制器，。根据模糊理论研究其模糊规则库及算法，并进行仿真验证，验证此避障算法可以使得移动机器人在未知环境下实行自主避障。并根据验证结果对算法进行改进和完善。 关键词 移动机器人 模糊逻辑 自主避障 Function and influence on the market system of highway transportation of technological innovation Abstract Autonomous obstacle avoidance capability is an important indicator of intelligent mobile robot, also an important guarantee of intelligent vehicle safety driving. Obstacle avoidance algorithm is intelligent obstacle avoidance function of the emphasis in the traditional algorithm, it is necessary to rely on the full and complete environmental information accurate mathematical model of the controlled object also provides established, relatively complex control process parameters range of environmental information is not comprehensive, when the Mathematical model is difficult to determine the effect of avoidance is not satisfactory Firstly, the mobile robot research background and purpose of the overview, then describes some of the commonly used methods on autonomous obstacle avoidance, including artificial potential field method, fuzzy control algorithms and genetic algorithms. Then modeling the robot, and on this basis, and then take the fuzzy logic control method of obstacle avoidance algorithm, fuzzy logic controller. According to the fuzzy theory and its fuzzy rule base algorithm and simulation to verify that obstacle avoidance algorithm enables implementation of autonomous mobile robot obstacle avoidance in an unknown environment. And based on results of the validation algorithm is improved and perfected. Keywords mobile robot Fuzzy Logic Autonomous obstacle avoidance 目录 摘要 Abstract 1 绪论 .1 1.1 选题的研究背景 .1 1.2 选题研究意义 .1 1.3 国内外避障算法研究现状 .2 1.3.1 国外避障算法研究现状 .2 1.3.2 国内避障算法研究现状 .2 1.4 避障常用算法介绍 .2 1.4.1 全局避障方法 .2 1.4.2 局部避障方法 .3 1.5 论文主要内容及论文安排 .3 2 移动机器人建模 .4 2.1 建移动机器人坐标系 .4 2.2 移动机器人运动模型及位姿的确定 .5 2.3 移动机器人安全距离的选取原则 .6 2.3.1 前方存在障碍物时的安全距离选取 .6 2.3.2 侧面存在障碍物时的安全距离选取 .7 2.4 本章小结 .7 3 模糊逻辑避障控制系统的策略研究 .8 3.1 模糊逻辑控制研究现状 .8 3.2 模糊控制的概况及理论基础 .8 3.3 模糊控制系统的组成 .8 3.3.1 模糊化 .9 3.3.2 知识库 .10 3.3.3 模糊推理 .10 3.3.4 清晰化 . 11 3.4 移动机器人模糊系统的设计 .12 3.4.1 建立输入输出量的模糊语言及其隶属度函数 .12 3.4.2 建立模糊控制规则 .13 3.4.3 进行模糊推理与解模糊 .14 3.5 本章小结 .16 4 模糊逻辑避障控制算法仿真与验证 .17 4.1 构建仿真平台 .17 4.1.1 构建模糊推理系统编译器 .17 4.1.2 构建隶属函数编译器 .18 4.1.3 构建规则编译器 .18 4.2 仿真结果 .19 4.2.1 机器人仿真 .19 4.2.2 模糊算法仿真 .20 4.2.3 模糊避障系统仿真 .20 4.2.4 仿真结果 .21 4.3 本章小结 .21 结论 .22 参考文献 .23 附录 .24 致谢 .25 1 绪论 1.1 选题的研究背景 随着科学技术的发展，移动机器人已经在不断地渗入到各行业中，不断为人们的生活提供更好的便利，提高人们的生活质量。从20世纪七八十年代开始，日本汽配车间配有十几台电焊移动机器人完成电焊作业；美国从学术角度单纯的研究户外移动机器人、研制采用人工智能学的移动机器人能够自主进行感知，环境建模，行为规划以及执行任务；2003年美国Actic Media机器人公司开发出先锋系列第3代机器人Pioneer3-AT,装配先进的激光导航、超生定位、立体摄像测距及罗盘定位、通过以太网进行网络控制。 1972年，美国斯坦福国际研究所研制了一台采用人工智能学的移动机器人，命名为shakey。Shakey能够做到自主感知，环境建模，行为规划及执行任务，能够寻找目标或者将物体推动至指定位置。它由两台互不相同的计算机通过无线通讯系统来进行控制，由于当时这两台计算机的体积较大，且计算迟缓，所以导致Shakey常经过很长的时间去计算并且分析周边环境再做拟定行动的路线。 进入90年代后，涌现出很多智能机器人，如CMU的Navlab系列移动机器人系统；德国Vamors-p和Caravelle系统；日本本田公司的p系列和ASIMO人型机器人；日本索尼的SDR-3X人型机器人和AIBO娱乐型机器人等各方面现金研究结果。 2000年后，美国Active Media机器人公司开发出先锋系列第3代机器人Pioneer3-AT,其装配除了具有先进的激光导航、超声定位、立体摄像测距及罗盘定位外，还可通过以太网进行网络控制。2008年，麻省理工学院媒体试验室研制了一种新型移动机器人，命名为NEXI,代号MDS，意思为移动灵巧。可以利用自身的轮子随意移动，来避开障碍物，还可以灵活的捡起物品，并协助警务人员来完成侦查排爆的工作。 与国外移动机器人技术相比较，国内的起步较晚，相关的研究所设备和技术人员也较缺乏，技术相对而言也稍显稚嫩。不过国内机器人的发展也是比较迅速的，主要研究成果有：清华大学研究的智能移动机器人THMR-III，V型机器人；香港城市大学的自动导航车及服务机器人；国防科技大学的双足机器人。 1.2 选题研究意义 当今社会，机器人技术主要有两个发展趋势:一是生产系统的逐渐机器人化，基于工业机器人的实际应用上的考虑，自动化生产系统从单机自动化变为车间自动化，也从原本的个体机器人过度操作变成群体机器人的协调合作。随着机器人技术水平的不断提升，实现了系统的自动设计、自动制造及自动管理等工作，从而达到在无人操作车间里完成自动生产的最终目标。二是机器人的智能化，其技术多元化融入了人工智能还有多种较新兴的模糊理论、神经网络、传感器等计算机技术，使得移动机器人具有自主计算分析环境的能力，这也促使机器人的智能技术快速发展。 在现代社会中，机器人的自主避障的能力是移动机器人智能化程度的重要指标，由于环境条件的有限，障碍物信息通常是未知的，很难建立精准的数学模型来实现避障控制，而采用模糊控制算法则能非常容易地实现这一控制要求。模糊控制主要是模仿人的控制经验而不是依赖于被控对象的数学模型；当系统仅能够提供近似的、定性的、不确定的数据时，模糊算法比较有用。在传统的控制系统中利用人的操作技巧、控制经验和直觉推理，有机融入到控制系统中，使得机器人具有人类的学习和自适应能力，进而实现对复杂对象和系统的实时控制。 本设计中，研究移动机器人自主避障的常用方法，然后设计模糊逻辑避障控制系统， - 1 - 在此系统的基础上进行控制算法研究并进行仿真。模糊算法的研究是根据系统的控制要求，选取合适的输入输出变量，再通过模糊化，然后得到输入输出的模糊子集；再按照人的经验得出一系列的控制规则，编写出模糊控制规则表；最后输入量通过模糊算法后得到的输出用于执行机构，从而实现避障控制。 1.3 国内外避障算法研究现状 1.3.1 国外避障算法研究现状 加拿大Alberta大学开发了自己的集体机器人试验系统，并模拟昆虫的群集行为，对系统的控制结构和算法进行深入分析和探讨,得出了移动机器人避障算法的可行解1；R.A.Book等人发明了一种避障算法位姿空间法2；Khatib提出一种虚拟力人工势场法进行避障研究3 ；K.Chong 4等人提出的应用于机器人避障的遗传算法的改进方法在栅格划分的基础上，直接采用栅格序号实数编码，缩短了个体长度，提高计算效率，获得了较好的仿真结果，但是栅格的划分影响算法整体的性能，同时限制了路径节点坐标获取的随机性；S. S. Roy 5等人将 GA 与模糊推理技术结合，遗传算法负责搜索和优化，而模糊推理处理未知以及不明确的状况，有效的解决动态避障的问题；Kazuo Sugihara and John Smith 在二维结构化空间中，采用栅格划分机器人工作空间6，将栅格序号采用二进制编码，统一确定其个体长度，通过仿真结果验证了算法的有效性和可行性。 1.3.2 国内避障算法研究现状 王一与叶彬强提出基于人工势场的机器人避障算法，根据原理将算法分三层设计7；申浩宇等人提出了一种基于自运动特性的避障算法8，引入了绝对位姿变量和相对位姿变量解决冗余度双臂机器人协调操作的避障规划问题；方承与赵京提出一种新颖的混合指标避障算法9 解决冗余度机械臂的动态避障规划问题；杨晶东等人提出了一种动态变化权重的移动机器人行为融合避障算法10，解决移动机器人自主导航过程中由于过于寻求当前时刻最优路径或最优解而产生死锁或震荡现象，确保避障过程鲁棒性前提下，有效地改善避障导航的安全性和平滑性；王越超等人基于可拓遗传算法11 ，对避障机器人的避障方法进行了研究来提高避障机器人的避障能力和对环境的自适应能力；陈花花、杜歆和顾伟康提出了基于神经网络和遗传算法的动态环境下机器人动态避障路径规划方法12。 1.4 避障常用算法介绍 机器人自身的智能水平是通过机器人的如何定位、路径规划和运动控制这三个方面来实现的。而自主避障是路径规划和运动控制的一个重要体现。本章介绍了移动机器人自主避障常用的方法。按移动机器人掌握的环境数据不同，可分全局避障和局部避障，全局避障根据己知地理数据进行避障；局部避障是部分未知或整体未知环境数据，利用传感器对环境进行实时检测，得知障碍物位置、大小和形状等数据再进行避障。 1.4.1 全局避障方法 自由空间法：采用预先定义的基本形状，如广义锥形、凸多边形等来构造自由空间，再将其表示成连通图，再经过搜索连通图进行路径规划13。这种方法比较灵活，算法根据障碍物的增多而增多，成正比关系，所以并不是任意情况都可以做到最有规划。 栅格法：将移动机器人的工作环境分成有二值信息的网络单元，每一个栅格都有一个累积值，累积值表示的是该位置上有障碍物的可信度。 位姿空间法：就是用位姿空间的一点来表示机器人的位置和方向，位姿空间法分为可视图法和几何法。常用可视图法，将机器人的初始点和终点以及轨迹都由点来表示， - 2 - 在障碍物密集处由于搜索时间长，可能会碰触障碍物。可视图法能够判断出最短路径，但是由于该方法灵活性不够，会存在组合爆炸的严重问题。 1.4.2 局部避障方法 模糊逻辑算法：是仿照生物躲避障碍物的思想，把思想里的感觉与行动统一协作。根据参考人的驾驶经验的出一系列规则，再经过查表得到规划信息，实现路径规划。 人工势场法：由Khatib提出的一种虚拟力法，就是机器人在人工受力场中运动，障碍物对机器人产生一定的斥力，同时目标点对机器人也生引力，此时两力的合力为移动机器人的加速力，进而控制机器人的方向14。该算法简单，便于低层的实时控制，在实时避障和平滑的轨迹控制方面得到了广泛的应用，但传统的人工势场法由于没有引入优化过程而容易陷入局部极小区域，不易调节，因而不适于寻求最短路径。 遗传算法：在60年代初由J.Holland提出的，这种方法是借助生物的自然选择和遗传机制的搜索算法。它属于多点搜索，容易得到最优解，但是由于进化规则众多，占空间较大，所以算法速度不快，实时性不好。 1.5 论文主要内容及论文安排 机器人避障如今已是机器人技术中的关键之一，虽然之前各位学者们就已研究了机器人人避障的问题，但为实现移动机器人在环境未知或部分未知情况下进行动态避障的要求。此论文通过了解已有的避障算法提出了一种基于模糊逻辑的避障算法的方法进行研究，着重进行自主避障算法的研究。首先进行移动机器人模糊控制策略研究，再进行自主避障算法设计以及仿真，在避障算法设计上，本文引入模糊控制理论，设计模糊控制器，通过对环境信息及被控对象的自身信息的采集和处理，对被控对象进行控制，使得被控对象进行行动，以达到避障目的。 论文安排如下： 第一章 前言。首先说明该选题的研究背景以及意义，并介绍国内外避障算法的研 究现状，更多的了解当前研究的大环境，再对目前一些常用的避障算法进 行介绍，根据以上内容最后介绍本论文的主要内容以及安排。 第二章 移动机器人建模。为了对机器人的运动做定量的研究，首先要选定机器人 的坐标系，在本论文中我们选择绝对坐标系；然后再建立机器人的运动模 型及位姿的确定，为清楚分析机器人运动时的角度；同时要进行遇障碍物 时的安全距离的选取，使得机器人更好的完成避障。 第三章 模糊逻辑控制系统的策略研究。首先我们先了解当前模糊逻辑控制研究现 状，并介绍模糊控制的理论基础以及模糊控制系统的组成，在此基础上进 行移动机器人模糊系统的设计，为了用Matlab建立模糊控制工具箱，首先 先选定输入输出量，建立其隶属度函数，设计模糊控制规则，然后进行模 糊推理与解模糊。 第四章 模糊逻辑避障控制算法仿真与验证。首先构建仿真平台，使用Matlab建立 模糊控制工具箱，做到输入量通过模糊控制器有确定的输出量输出，将工 具箱的建立做个仿真，并与第三章模糊推理的结果对比，验证工具箱建立 成功，最后再进行机器人的仿真、模糊算法仿真以及系统仿真。 - 3 - 2 移动机器人建模 为了对自主移动机器人的运动做定量的研究，所以必须得对机器人建立合适的数学 模型，也就是建立系统的运动学模型方程。运动学方程就是来描述系统所处的位置与位 姿的方程，它没有考虑到系统移动过程中的变化，只是研究了位姿与其相对的时间周期 还有其他变量之间的导数关系。 2.1 建移动机器人坐标系 移动机器人在行走过程中，要让机器人具备自身定位的能力是为了可以使其可以按 照事先规划的路线行驶。目前都会在移动机器人上安装测量设备，为的是在行进过程中 测量一些行进参数，并且根据这些参数进行计算得出当前机器人的位姿信息。而这些信 息的准确性依赖于移动机器人准确建立初始位姿。移动机器人的坐标系是由绝对坐标系 与相对坐标系构成的，我们所用的超声波传感器探测到的参数信息是指移动机器人探测 到障碍物的距离，是相对机器人而言的。若使用相对定位方法，探测的数值不用进行处 理，可直接采用。但是本文是使用绝对定位，需要对数据进行坐标变换，也就是绝对坐 标系。 为表示方便，我们用椭圆形来表示移动机器嗯，其内部坐标系如图2- 1。在机器人 运动的过程中，机器人的内部坐标系的数值与实际情况下的绝对坐标系之间进行不断地 转换。 图2- 1机器人内部坐标系 图2- 2移动机器人坐标系统 机器人在运动时，两个坐标系的变换不是图2- 1图2- 1机器人内部坐标系 图2- 2移动机器人坐标系统 所示加减关系，应如图2- 3，坐标系的X轴有夹角，?x,y? 为A点在局部坐标系中坐标值，为A点与全局坐标系X轴夹角，此时该机器人 在全局坐标系中为?x0,y0?。根据三角变换可得 x (2-1) y?arctg 因此，A点在绝对坐标系中的坐标值?x,y?为 x?x0? (2-2) - 4 - y?y0? （2-3） 经过以上分析，就可以进行局部与全局坐标系之间的变换。 2.2 移动机器人运动模型及位姿的确定 在分析移动机器人的动态过程中的动作角度时，该移动机器人属于两轮驱动的。所以在运动过程中只能做直线运动与圆弧运动，若两个轮子的线速度一样时，该机器人就是进行直线行驶；若是两个轮子的线速度不同时，该机器人就是做半径一定的圆弧运动。因此，我们通过对两个轮子速度的控制来实现控制机器人的运动途径。 建立机器人的结构模型如图2- 3移动机器人坐标变换 图2- 4移动机器人运动示意图 所示，图中XOY作为绝对坐标系，则xoRy作为相对坐标系，该坐标是以机器人两轮之间中心点连线的中点oR作为参考点，从而得出运动学模型。 图2- 3移动机器人坐标变换 图2- 4移动机器人运动示意图 假设移动机器人的左轮和右轮的角速度分别是?l，?r。则得出 R(?l?r) (2-4) 2 Rv2?(?r?l) (2-5 ) 2Dv1? 上式中，R为驱动轮的半径，D为两轮间的距离。 我们只要控制两个轮子的转速就可以实现机器人沿不同方向运动，在这，假设左右轮的转速比是kp，则有 ?r （2-6） kp? ?l 当kp?1时，则有?l?r，此时移动机器人作直线运动； 当kp?1时，则有?l?r，此时移动机器人作左转弯； 当kp?1时，则有?l?r，此时移动机器人作右转弯。 这样方便控制，同样我们的轮子是由两个直流伺服电机独立驱动的。 此时，我们还可以加入增量式旋转编码器中的计数脉冲来重建机器人的状态。假设 - 5 - 移动机器人的左右轮的计数脉冲在第k个采样周期中分别为mk和nk，那么式子2-2便可 以写成 ?R?x?x?mk?nk?tcos?kk?k?1MP?R?mk?nk?tsin?k (2-7) ?yk?1?yk?MP?2R?mk?nk?tD?k?1kMP? 式子2-7中，xk?1,yk?1和?k?1是第k?1周期的位移与方向角度，Mp是轮子转动一圈 的脉冲数，?t是采样时间。通过上式可以得出此时的状态变量值。经过方程式（2-2）与（2-7）比较，存在一定误差，若是工作时间较长，误差会更加大，会影响到机器人运动的精确度，所以应该选择适当的采样时间来提高精确度，降低误差。 2.3 移动机器人安全距离的选取原则 在本节讨论移动机器人的安全距离选取时，为方便分析，将移动机器人看成一个椭圆形的物体，并且参考点是其中心点，移动机器人会做直线运动还有圆弧运动，在一个指令发出的周期里，圆弧的运动中心点不会发生变化。 移动机器人在行进过程中要尽量做到与周围的物体一定的安全距离距周围的物体有一定的距离，以免碰触到障碍物，这个距离就是最小的安全的距离。安全距离一般是由公式得出D=R + Rr，式中，R为运动的半径，Rr为机器人的半径。 接下来，我们根据两种不同的情况进行讨论安全距离的选取方法。一种是前方存在障碍物时的安全距离选取，另一种是侧面存在障碍物时的安全距离选取。 2.3.1 前方存在障碍物时的安全距离选取 首先我们分析前方存在障碍物时安全距离选取。当移动机器人在前进时，超声波传感器检测到前方有障碍物时，需要采取策略使机器人通过转动角度进行避障，在转动时机器人做圆弧运动。圆弧运动是由于机器人的左右轮在行进过程中的速度不一样而产生的，如果假设移动机器人的运动速度表示为v，转动时的圆弧运动半径为R，并且在碰撞到前方障碍物之前机器人旋转90。由图2- 5可知，移动机器人前方的安全距离为D=R + Rr。 图2- 5前方有障碍物安全距离确定 - 6 - 由上图可知R的大小是与机器人的运动速度有关系的，v越大则R越大，一般的机器人的运动速度在5cm/s到10cm/s之间，若v=10cm/s时，通过实验所得，根据最小二乘法处理得出，R?15.8cm，声纳在移动机器人的分布半径是25cm，因此机器人的实际安全距离应该是：D?15.8?25?40.8cm。声纳所测得的安全距离是d0?R?15.8cm。 2.3.2 侧面存在障碍物时的安全距离选取 接下来，分析侧面存在障碍物时安全距离选取。在此我们以左侧存在障碍物信息为例来进行其安全距离的测定。 图2- 6左侧有障碍物安全距离确定 如上图2- 6所示，移动机器人的运动方向与全局坐标中横坐标夹角为，同时机器人在转弯时做圆弧运动，便可求出此时的安全距离为 D?d?Rr?R?R?co?s?Rr?R(?1c?o?s) (3-1) 同样，声纳安全距离d0?15.8(1?cos?)。其中，?90?。 2.4 本章小结 本章主要是进行移动机器人的运动建模。首先是进行移动机器人的坐标的建立，在这里我们选择绝对坐标系，然后建立了机器人的运动模型及位姿的确定更精确的分析机器人运动时的角度，并做圆弧运动，最后以前方和侧面为例分析其存在障碍物时安全距离的选取方法，使得机器人更好的完成避障。 - 7 - 3 模糊逻辑避障控制系统的策略研究 3.1 模糊逻辑控制研究现状 模糊应用在在工业、经济以及人类生活等领域已有广泛的应用。在这些领域里，想对控制对象建立出准确的数学模型是有一定困难的，但是在这些领域中，拥有可以用语言描述的控制规则以及只可以用语言来表述的性能指标，因此不能够运用传统控制的方法来实现这种控制，但是可以运用模糊控制理论的方法处理和解决，这也便促进了模糊控制理论的发展。1989年，日本将模糊控制应用在电冰箱、洗衣机等家用消费产品上，把模糊控制的应用推向高潮，1992年在美国召开了第一届IEEE模糊控制国际会议，从此模糊控制也成为了智能控制的一个重要的分支。 避障控制一直都是机器人路径规划中的难点，是机器人智能化的体现。由于环境条件的有限，障碍物信息通常是未知的，很难建立精准的数学模型来实现避障控制。但是采用了模糊控制算法就能很容易地实现这一个控制要求，很多学者也对此进行研究，都为模糊控制应用于机器人避障控制提供了思路，指明了方向。 3.2 模糊控制的概况及理论基础 模糊控制的主要特点就是模拟人在控制复杂对象中采用语言变量描述模糊概念，采用基于经验的控制规则描述对象输入-输出建的模糊关系（模型），进而实现模糊逻辑推理的一种计算机数字控制。 模糊控制方法三个主要特点： (1) 用所谓语言变量代替或者符合数学（字）变量； (2) 用模糊条件语句来刻画变量间的简单关系； (3) 用模糊算法刻画复杂关系。 模糊控制规则属于知识表示方法中的IF-THEN的规则形式，更接近人的思维形式。 Mamdani等1974年提出模糊控制器，属于规则在线推理的模糊控制器；李宝绥和刘志俊在1980年yong 模糊集合理论设计了一类查询式模糊控制器，而后又将其应用于系统识别。R.R.Yager1993年提出了模糊逻辑控制器模型结构，其模糊控制输出即为解析描述形式；H.Ying1994年提出了双输入双输出的模糊控制器解析结构；王立新和J.M.Mendel1992年证明了一类模糊系统是万能逼近器，为模糊控制工程应用提供了理论依据。 3.3 模糊控制系统的组成 （一）模糊集合概念 1965年Zadeh定义了模糊集合（Fuzzy set）用于描述模糊概念，从给定论域U到闭区间0，1的任意映射?A:?0,1?或?A:u?A(u)都确定一个模糊子集A，?A称为模糊集合A的隶属函数，?A?u?称为论域U内元素u隶属于模糊集合A的隶属度，简记为A(u)15。 隶属度表示元素属于集合的程度。若(x)接近1，表示X属于A的程度高，若(x)接近0，表示X属于A的程度低。 (二)模糊控制的基本原理 - 8 - 模糊控制系统一般包括测量装置、输入输出接口、模糊控制器、执行机构以及被控对象16。如图3- 1，模糊控制系统与常规的自动控制系统之间最大的区别就是采用了模糊控制器。 图3- 1模糊系统结构图 模糊系统是模糊逻辑推理系统的简称。组成模糊系统的最小元素是模糊集合描述的语言变量，由语言变量的联合构成的“若-则”形式的模糊规则，由若干条规则构成描述系统输入输出之间的模糊关系，再加上模糊化的方法，模糊推理机制和解模糊化方法，就组成一个模糊系统。该系统以模糊数学、模糊语言以及模糊推理做为理论基础，利用计算机控制技术构成闭环的控制结构。其重要的核心就是模糊控制器，如图3- 2典型的模糊控制器结构图。 图3- 2典型的模糊控制器结构图 模糊控制器的基本结构包括：知识库、推理单元、输入输出接口16。知识库包括规则库和数据库,推理单元则是按照模糊规则进行的推理过程，得出较合理的输出量。输入接口将输入量转换成模糊量，输出接口将模糊结果转化成为明确的输出量，从而控制对控制对象。 模糊控制器分四步建立：一是选取合适的控制系统的输入输出量；二是给予输入输出量定义其模糊子集；三是建立输入输出之间的关系，用模糊规则来表示；最后完成模糊推理及清晰化。 3.3.1 模糊化 模糊控制器将输入量模糊化，再根据模糊规则进行推理，最后得出精确的输出量来控制系统。 在模糊控制中，主要采用下面两种方法。 1.单点模糊集合法 若输入数据x。是准确的，通常将其模糊化为单点模糊集合。设该模糊集合用A表示，则有 ?1x?x0?A(x)? (3-1) 0x?x0? - 9 - 模糊控制的过程中，如果测量到的数据很准确，那么用这种模糊化的方法就是十分正确合理的。事实中，该种模糊化方法只是在形式上将清晰量转换成了模糊量，在实际情况下仍旧是精确量。 2.三角形模糊集合法 如果输入数据中存在随机测量的噪声，此时的模糊化就等于是把随机量变化成模糊量。常用的方法是将隶属度函数取为正态分布函数，即 ?A(x)?e 3.3.2 知识库 ?x?x0?22? (3-2) 知识库由数据库和规则库组成。数据库包括语言控制规则、隶属度函数的定义等。规则库就是根据控制目的和策略制定出的控制规则的集合，这集合是利用专家知识经验而给出的一系列语言变量的描述，建立控制规则时，先要确定状态变量、控制变量和规则类型以及规则数目等。 模糊控制设计时的主要任务是根据被控系统的性能指标来设计并调节控制器参数。实际中，模糊控制器设计的关键在于先要建立起有效的知识库，依赖规则库来实现的决策控制。 在模糊控制中，主要的模糊控制规则有： (1)状态评估模糊控制规则 它具有如下形式 R1:如果x是A1 and y是B1，则:是C1 also R2:如果x是A2 and y是B2，则:是C2 ? also Rn:如果x是An and y是Bn，则:是Cn 在现有的模糊控制系统中，大多数情况均采用这种形式。还有一种简单的情形，模糊控制规则的后件可以是一种过程状态变量的函数，即 R1:如果x是A1 and y是B1，则z=fi(x,?y) 它根据对系统状态的评估，按照一定的函数关系计算出作用之。 (2)目标评估模糊控制规则 典型的形式如下: R1:如果u是C1 (x是A1 and y是B1)，则u是C1 式中，u是系统的控制量，x和y为要得出的状态和目标，所以x和y的取值常用“好”、“差”等模糊语言来表示。对于控制命令C1，可以先预测相应的结果(x，y)，然后再从控制规则中选取最为合适的。 利用目标评估模糊控制规则对控制的结果进行预测，再根据预测到的结果来确定采取的所要控制的行动，这种方法本质上就是一种模糊预测控制。 3.3.3 模糊推理 推理就是根据己知的一些命题，按照一定的规则要求推断出新命题的一种思维过程和思维方式。简而之，从己知条件求未知结果的思维过程就是推理。模糊推理根据模糊逻辑的关系和推理规则进行推理，根据模糊逻辑法将模糊规则转换成某种映射，即将U=U1*U2 *?*Un上的模糊集合映射成V上的模糊集合。其中，Uj (j=1. 2?，n)是输入论域，V是输出论域。 模糊推理主要是选模糊推理算法17，模糊规则实际是模糊蕴含关系，运算方法包括模糊蕴含最小运算(Rc )、模糊蕴含积运算(Rp)和模糊蕴含算术运算(Ra)等。另外还包括 - 10 - 合成运算方法：最大-最小合成法(Zadeh)、最大-代数积合成法(Kaufmann)和最大-有界积合成法(Mizumoto)等。最后将句子连接，使用“and”和“also”等逻辑运算。 3.3.4 清晰化 清晰化的作用就是把模糊推理所得到的控制量也就是模糊量变化成为用于控制的实际清晰量18。 将模糊的控制量清晰化后变成表示在论域范围的清晰量，常用的清晰化方法包括最大隶属度法和重心法以及中位数法。 1）平均最大隶属度法(mom) 输出量的模糊集合C的隶属度函数中有且只有一个最大值作清晰值，即 ?Z?c?Z? c?0? (3-3) 式中Z0表示清晰值。 如果输出的隶属度函数有多个极值，那么就将极值的平均值作为清晰值。 2）最大隶属度取最小值方法(som) 取模糊集合中具有最大隶属度的所有点中的最小点作为清晰化的结果。 3）最大隶属度取最大值方法(lom) 取模糊集合中具有最大隶属度的所有点中的最大点作为清晰化的结果。 4)中位数法 中位数法是取?c(z)的中位数作为z的清晰量，即z0?df(z)?c(z)的中位数，它满足 z0b cc ?(z)dz? az0z(dz) (3-4) 就是以z0为分界，a作为下界，b作为上界，?c(z)与z轴中间的面积两边是相等的，如图3- 3所示。 图3- 3清晰化计