[发明专利]生成用于可编程模糊控制器的模糊知识库的方法

说明书

一种生成用于可编程模糊控制器的知识库的方法包括如下步骤：确定要控制的相关输入变量和输出变量；针对所述变量中的每个创建人工势场；对所述势场中的每个进行采样以便生成模糊隶属函数；将所述模糊隶属函数编译到模糊集合中；以及通过规则库将输入模糊集合映射成输出模糊集合。相关输入变量和输出变量包括：最小值、最大值和平衡值；重要性权重；非线性值；控制方向；以及关于所述变量是输入变量还是输出变量的信息。进一步提供了一种可编程模糊控制器，通过所描述的方法来获得其模糊知识库。

背景技术

1. 本发明的领域。

本发明涉及可编程模糊控制器，所述可编程模糊控制器使用人工势场方法以便自动地生成模糊控制器中使用的知识库，由此可以根据多个输入和输出以及描述这些输入和输出的隶属函数生成数千个规则。

2. 相关技术的描述。

人工势场方法最初被开发作为用于机器人操纵器的替代碰撞避免系统。操纵器将在数学上确定的力的抽象场中移动，其中要达到的位置将被定义为吸引极点，并且要避免的障碍将被定义为排斥表面。

模糊逻辑是根据取0和1之间的连续值的逻辑变量来分析模拟输入值的数学系统。这些逻辑变量一般被映射为隶属函数的集合，其被称为模糊集合。用在整个系统中来解释输入和输出的模糊集合的聚集被称为模糊知识库。

模糊逻辑原理的用来控制系统的应用被称为模糊控制。尽管模糊控制是用来实现（例如，供在化学过程的控制中使用的）高级过程控制器的方法之一，但是它高度依赖于针对其配置的专家知识，而不是凭经验的或理论的建模。特别地，专家被号召供应将组成模糊规则库的适当的模糊集合。

在二十世纪八十年代和九十年代中的强烈初始兴趣之后，模糊控制器在2000年之后不再流行并且此后存在很少学术或商业兴趣。引起兴趣中的该下降的问题是由对于由人类专家对模糊规则库的手动开发的需要所强加的障碍。商业资源以及学术兴趣移动到了不经受该要求的自动学习系统，诸如神经网络、贝叶斯网络和支持向量机。自动学习系统需要用于其实际应用的基础过程的较少具体知识，这使得它们比起模糊控制系统是优选的。

由模糊逻辑方面的专家开发隶属函数和模糊规则的任务是凭经验的且难以维持的工作。在受控过程的或者输入变量或者输出变量的区间中的变更将要求仅模糊逻辑方面的专家能够执行的或者在规则库中或者在隶属函数中的改变。由于这样的经训练的专业人员的不足和高成本，该需要限制了模糊控制器在实际工业应用中的使用。

开发了使得能实现预先建立的隶属函数和模糊规则库的适配的一些控制器。尽管那些控制器的确减少对于模糊逻辑方面的专家的需要，但是它们要求在数据库和/或在线学习方面的专家用于其操作。这些新的专家被要求，因为通过对数据的分析所获得的控制器必须基于代表被控制的过程的信息。如果数据库不是有代表性的，则控制器可能由于从供应的数据所导出的错误相关性而展示不期望且甚至危险的行为。

在用来增加对模糊控制器的采用并且克服对配置和调整这些系统的专家的需要的进一步尝试中，国际电工委员会（IEC）提出了规则nº 61131-7，其在2000年中要求对模糊控制器的编程的标准化。可编程逻辑控制器（PLC）和分布式控制系统（DCS）的一些制造商采用了该IEC61131-7标准，希望创建模糊控制器的可互换平台，但该IEC61131-7标准未能解决对专家的需要的问题，这继续引起工业中对模糊控制器的采用中的下降。

EP 0355716定义了一种生成用于模糊推理的规则的方法，其中主要益处在制定规则的自动化和数据库隶属函数的自动化调整方面。模糊规则的生成的自动化表示在传播模糊控制器方面的重要进展，EP 0355 716通过向预先建立的数据库建模固定数目的相关性函数而有助于的挑战。大量语言变量贡献模糊控制器的较好分辨率，在所述专利中的小且固定的值。在该文档——学习模糊控制中提出的本发明估计对先前数据库的需要并且自动地确定语言变量的数目和隶属函数的数目，为的是优化自动地生成的模糊控制器的分辨率。