本帖最后由 UPC_AE86 于 2017-12-16 22:58 编辑
学了很久了模糊控制，谈一下我的理解。我用“聊”是希望路过的不管是大神还是小白都可以畅所欲言一下，我所说的不足或不对之处也希望大神们能指点一二。
稍微看过模糊控制的同学们应该都知道模糊控制分为三个阶段，即精确量的模糊化、根据语言规则进行模糊推理得到模糊控制表、进行模糊推理得到模糊推理输出并反模糊化得到精确的控制输出量。
以一维模糊规则为例。
首先，精确量的模糊化，就是要把精确量（包括输入量和输出量）划分为语言档级（正大，正中，正小，正零，负零，负小，负中，负大）。进一步说，就是先把精确量的基本论域转化到模糊论域，以偏差为例，假如说偏差的基本论域（即偏差实际的取值范围）为[-40, 40]，模糊论域一般取语言档级的二倍以上，但又不易过大，可取[-7, 7]。一般模糊理论书里都是使用公式对两个论域中的数进行映射，然后取整，这种方法我在这里不赘述。说一下我的思路：根据经验进行映射，例如，模糊论域的7可以对应基本论域的[15, 40]，6可以对应[12,14]。之后，要设定隶属度，即设定模糊论域中的数隶属于语言档级的大小。比如，可以设定7对正大的隶属度为1，6对正大的隶属度为0.5。
第二步，根据语言规则，设计模糊控制表。个人感觉这一步很重要，尤其是在二维模糊规则的情况下，比如——若偏差为正大，偏差变化量为正大，则把模糊输出量设定为负大。这一步若设定不好则车无法正常行驶。一维模糊规则的话就简单很多，比如偏差为正零或负零，则输出为零；偏差为正大，则输出为负零。(ps:模糊控制大概相当于手动档？？？？就像是看到车偏左太多了就把方向盘向右打死，差不多在赛道中间就不打方向盘？当然在这一步也可以设定车偏左了也不打方向盘……对……吧……)
最后就是把模糊推理输出值进行反模糊化得到精确的控制输出量。可采用重心法对输出量清晰化，此外，若在第一步采用隶属度模糊化方法，则此步应该要用两个语言值与模糊控制表X乘，然后根据精确输入量在模糊论域上的隶属度进行加权平均。
以上，可能说的不够清晰，对新手来说不大好理解，也可能有错误和纰漏之处，望大佬们指点
| 
发表于 2017-12-16 22:43:52
微信
收藏
转播
分享
顶
踩
提升卡
变色卡
抢沙发
，楼主的理解跟我大致差不多
楼主