控制网

1  引言

PID控制舵和自适应自动舵都是基于特定的船舶运动模型设计的，模型越精确，响应就越好。而船舶运动系统是一个大惯性、非线性、环境干扰复杂的系统，难以用一个精确的数学模型来描述。一个有经验的舵手没有掌握精确的船舶数学模型，却能把船操纵好，而且在航道复杂或进行避碰操纵时，即使有自动舵仍一定要由人工进行操纵。模糊控制正是一种特别适合于那些难以用精确数学模型描述而主要依赖人工经验的系统，因此本文将模糊控制应用到船舶航向控制中^[1]。

2 模糊控制概述

模糊控制是按一定语言控制规则进行工作的，这些控制规则是建立在总结操作者对被控过程所进行的手工控制策略基础上的，或归纳设计者对被控过程所认识的模糊信息的基础上的。因此，模糊控制适用于控制那些因具有高度非线性，或参数随工作点的变动较大，或交叉耦合严重，或环境因素干扰强烈，而不易获得精确数学模型和数学模型不确定或多变的这一类被控过程。其设计方法，目前多采用通过极大极小合成运算的推理合成法，它属于直接试探法的一种^[2]。

2.1 模糊控制具有很多优点

⑴ 设计系统时不需要建立被控对象的数学模型，只要求掌握现场操作人员或者有关专家的经验、知识或者操作数据。

⑵ 系统的鲁棒性强，尤其适应于非线性时变、滞后系统的控制。

⑶ 由工业过程的定性认识出发，较容易建立用语言变量进行描述的控制规则。

⑷ 由不同的观点出发，可以设计几个不同的指标函数。但对一个给定的系统而言，其语言控制规则是分别独立的，且通过整个控制系统的调节，可取得总体的协调控制。

2.2 模糊控制带来的难点

概括来讲，模糊控制是一种基于经验的控制方法，具有内在的非线性和并行处理的机制，很难进行理论研究。正因为如此，虽然模糊控制在应用方面取得了公认的成功，但至今仍缺乏严密的理论体系和系统化的设计和分析方法，用户只能凭经验进行设计，再通过实验反复调整，不仅费时费力，也很难达到理想的控制效果。这种理论落后实践的状况阻碍着模糊控制的深入发展和普及应用。概括的讲，模糊控制主要存在以下的不足^[3]：

⑴ 控制精度不够高。模糊控制是一种非线性控制，对语言变量值的划分不可能太细，因此对控制的精度有一定的影响。由于实际中多采用二维的模糊控制，模糊控制器的输出一般与误差及误差的变化有关，因此这种控制器只具有比例-微分控制作用，若模糊控制中不引入积分机制，从理论上来讲是很难克服稳态误差的。

⑵ 自适应能力差。这是因为在采用启发式规则实现模糊控制时，已隐含的假设过程不会产生超出操作者经验范围的显著变化。而当被控对象的参数随着时间和环境的变化而变化时，由于一般模糊控制器没有控制规则和参数调节的能力，因此，模糊控制器不能够及时地调整自身的参数而适应对象的变化，从而使控制器对系统的一些参数是不敏感的，这说明模糊控制器具有较好的鲁棒性，但是不具有自适应能力。

⑶ 容易产生振荡。当控制规则的结构和覆盖面不合理时，或者比例因子和量化因子选择不合理时，容易使系统产生振荡。尤其是当对中心的语言变量值的范围选择不当时，更容易产生这种情况。

⑷ 控制规则优化较困难。控制规则是反映人的经验的，它是人的智能活动的总结。但是每个人的经验总结总是因人而异的，因此对控制规则就存在着一个优化的问题。选择什么样的控制规则才是最合适的，目前还没有一套行之有效的解决方法。所以在一些控制规则集合中，有时会产生控制的空档。

3  双模糊自适应控制器的自整定方法

为了弥补模糊控制的不足，将模糊控制与其它方法相结合是其发展的一种有效手段。采用模糊推理，对控制器参数进行自整定是克服系统不确定性、提高控制器性能、增强系统鲁棒性的重要手段。在基本模糊控制器的基础上，再引入一个或多个模糊控制器对其量化因子或（和）比例因子进行在线调节，使其成为自适应的模糊控制器。

3.1 模糊混合控制的必要性

在实现自适应模糊控制的过程当中，模糊控制器可调整的部分主要有：控制规则、隶属函数、量化因子和比例因子。量化因子和比例因子的自调整是自适应模糊控制应用于实时控制中最有效的手段。近年来，许多研究者尝试在这个方面用不同的方法改进模糊控制器（FC）的整定方法，使之设计更加容易和迅速。但自适应、自整定的FC至今还没有一个统一、系统的设计方法，有时用非模糊方法去调整模糊系统，有时用模糊推理机制去调整非模糊系统，当然也有许多模糊推理机制用于模糊系统。此外，多数的已知关于自整定FC的研究工作都局限于一阶惯性加纯滞后的系统。但实际的过程对象一般都具有非线性、高阶次、大滞后等特征，因此很难找到这样简单和精确的模型。因此，研究一种具有鲁棒性、适应性强的并与过程的性质和FC的结构无关的自整定方法，将具有很大的实用价值。

因此，作者提出了一种基于专家知识的不依赖于模型的自整定方案，它与被控对象的特征和所采用的控制策略无关，仅根据过程当前的趋势产生下一步的控制动作，而不是根据性能指标来产生下一步的动作。

在所有的可调参数当中，输出比例因子由于直接决定控制器的输出，相当于控制器的增益，对系统的性能有很大的影响，决定系统的控制性能和稳定性。而它的选取与设计者的的经验有关，同时由于被控过程的非线性、高阶次、时变性及随机干扰等因素，仅一个固定的比例因子已不能满足要求。在本文中，通过引入可调因子a不断调整比例因子，从而使FC的输出在线调整。而a的值是由另一个基于控制专家知识定义在e和Δe论域上的规则库决定的。可见，它是用模糊来改进模糊的一种混合控制方法。

3.2 自适应混合模糊控制器的设计

下面讨论所提出的具有鲁棒性的参数自整定模糊控制器（Self-Tuning Fuzzy Logic Controllers ，STFLC）：

控制器的结构框图如图1-1。

    它实际上是位置式FC加模糊积分而形成的模糊参数自整定控制器。其中基本的模糊控制器是位置式的，它相当于PD型的控制器，由于不含有积分环节，会使系统存在稳态误差，所以有必要对其加入一个积分器。而积分的引入方式有许多，在这里本文采用的是在清晰化之后的输出处加入模糊积分。

4  船舶航向控制器的设计

    模糊控制器的隶属函数定义在[-1,+1]上，控制器的输入变量为e和Δe ，输出变量为u，增益因子a的隶属函数定义在（0,1]上，二者所用的隶属函数是相同的，均为最普通的对称、均匀全交迭（相邻的隶属函数函数有50%的重叠

）的三角形隶属函数（两边为梯形）。

4.2 规则库的设计

对于一个PD型的模糊控制器，它的规则可描述如下：

        R_Pd : If e is E andΔe isΔE then u is U                   (1.1)

    计算U的规则库如表1-1所示。可调因子a的模糊规则描述如下：

        R_a : If e is E andΔe isΔE then a is a                  (1.2)

计算a的规则库如表1-2所示：表1-2中的规则设计是与表1-1中的规则相联系的，表1-2中的规则库是基于表1-1的规则库进行调整的，控制器任意规则的变化都可以引起a相应

的变化。