模糊环境范文

模糊环境范文（精选11篇）

模糊环境 第1篇

传统的温、湿度闭环控制通常采用开关控制或PID控制,前者实现简单但精度差,后者精度高,但需建立数学模型,参数整定要求较高[1,2],而在温湿度非线性复杂变化的环境下,不易精确建模[1]。模糊控制理论是能够模拟人脑智能,随环境变化的自适应控制技术,适合于非线性系统和难以用数学模型精确描述的复杂系统。进一步可以采用神经网络与模糊推理结合的控制新模式。

1 环境实验室温湿度监控系统结构

环境实验室温、湿度监测控制机构见图1。温、湿度传感器测得的信号经过调理,输入到模糊控制算法模块,产生决策信号控制驱动件(加热器、制冷器、加湿器、除湿器),保持环境实验室温、湿度恒定在设定值。

2 控制系统模糊控制机理

典型的模糊逻辑控制由模糊化、模糊推理和清晰化三部分组成。下面以温度控制为例来具体说明。依据传统模糊控制模型,本设计中温度模糊控制系统原理如图2所示[4]。

模糊控制器选用双输入单输出控制方式,以温度误差e和误差变化率ec作为输入变量,以u作为输出变量。模糊子集为E=EC=U={NB,NM,NS,ZE,PS,PM,PB}={负大,负中,负小,零,正小,正中,正大},其论域为[5]:e=ec=u=[-3,3]={-3,-2,-1,0,1,2,3}。隶属度函数采用三角分布函数,如图3所示。

根据控制系统的输入/输出特性,以消除温度偏差为控制目标,制订控制规则如表1所示。

由模糊规则进行推理可以得出模糊控制器语言规则的输入输出关系,其关系是一个非线性的关系曲面。当偏差较大时,控制量的变化应尽力使偏差迅速减小;当偏差较小时,除了要消除偏差外,还要考虑系统的稳定性,防止系统出现过冲,甚至引起系统振荡。

由隶属度函数及规则表,使用Mamdani推理方法和面积重心法进行清晰化,可得到控制查询表。

对应输出量U实际意义如表3所示。

注:√表示启动;表示不启动

工作机理:依照模糊控制查询表建立的二维常数数组,将输入偏差E和偏差变化率EC量化到其基础变量论域,作为数组的行和列实时检索该查询表,得到实时输出U,依照输出量U的实际意义控制加热器或制冷器,从而驱使温度稳定在设定值。

3 控制系统程序设计

采用ST语言进行程序设计,包括主程序、模糊控制算法、中断服务程序、操作命令与报警程序,其中模糊控制算法程序流程图如图4所示。

4 应用效果

外部环境温度从16 ℃降温到-20 ℃,应用效果如图5所示,从开始到基本稳定(与设定值相差±1 ℃)用时510 s,系统稳定后波动范围在±0.8 ℃以内。收敛速度、系统稳定性与量化因子、比例因子有关,合理选择量化因子、比例因子,在收敛速度与稳定性之间取得平衡。

5 结 语

本设计采用基于模糊控制理论的控制策略,实现了环境实验室的温度、湿度的可靠测量和控制,具有精度高、稳定性好、收敛速度快等优点,与传统开关控制系统相比,具有精度、速度、稳定优势;与基于预测的模糊控制方式[6]、双模糊控制策略[7]、参数自学习模糊控制[8]策略相比减少了运算复杂度。

对于温、湿度具有明显耦合效应的环境,可以采用温、湿度解耦合运算后[9],再分别进行控制。

摘要：环境实验室温度、湿度变化具有非线性、大滞后、精度要求高、建立数学模型复杂等特点,传统控制方式具有精度不够或模型复杂等限制。根据系统需求,通过温度及湿度传感器采集数据,基于模糊控制理论,通过制定规则,选取参数因子,经过模糊控制算法运算,得到合理的控制量,通过控制量驱动控制装置,使温度、湿度趋向设定值。本设计与传统控制方式相比在收敛速度、控制精度、系统稳定性等方面具有明显的改善。

关键词：模糊控制,温度,湿度,监控系统

参考文献

[1]刘振全,王朝玉.基于单片机的冬枣保鲜库温、湿度监控系统[J].天津轻工业学院学报,2003,18(3):39-42.

[2]邓荣.基于AT89S52单片机的啤酒发酵温度控制系统[J].国外电子测量技术,2007,26(11):59-61.

[3]鞠训光,于洪珍.基于神经网络-模糊推理构建弹药贮存温度湿度监控系统[J].空军工程大学学报,2005,6(6):34-37.

[4]南新元,陈志军,程志江.基于模糊PID控制的电锅炉温度过程控制系统[J].自动化仪表,2008,29(5):5-8.

[5]马秀坤,马学军.基于PC-Based的温度智能控制系统研究[J].微计算机信息,2007,23(7):55-56.

[6]陆锦军.基于预测的模糊温度控制系统的设计[J].自动化仪表,2005,26(9):31-33.

[7]訾斌,段宝岩,黄进.基于模糊控制器的LNB温度控制系统[J].计算机工程,2007,33(1):230-232,235.

[8]黄浩,申群泰.基于参数自调整的真空烧结炉温度模糊控制系统[J].应用科技,2005,32(11):48-50.

矿山泥石流地质环境的模糊综合评价 第2篇

泥石流是一种暴发突然, 危害十分严重的地质灾害. 它的.发生有自然的因素, 也有人为因素.近年来, 泥石流的发生与人类活动密切相关, 特别是人们对山区的开发, 对自然资源的开采诱发的人为泥石流. 以太原西山矿区虎峪沟特大泥石流为例, 应用模糊综合评判法对研究区的泥石流沟进行了危险性评判, 模糊综合评判结果与专家系统分析结果、现场调查情况基本一致, 可见用这种方法对泥石流危险度评判是可行的.

作 者：毛新虎 周永昌 张国文 MAO Xin-hu ZHOU Yong-chang ZHANG Guo-wen 作者单位：毛新虎,MAO Xin-hu(山西省交通科学研究院,太原,030006)

周永昌,张国文,ZHOU Yong-chang,ZHANG Guo-wen(山西省第三地质工程勘察院,山西晋中,030620)

模糊环境 第3篇

关键词：模糊评价法；生态环境；重庆市

1.研究背景及意义

生态环境是指由生物群落和各种非生物的自然因素组成的生态系统的整体，是影响人类生活、生产的各种自然力量或作用的总和。而城市生态环境是在自然环境的基础上，按人的意志经过加工改造而成的适于人类生存和发展的人工环境[1]。随着城市的发展，各种城市生态问题也逐渐显现，如姜乃力[2]和史爱玲[3]就曾研究过城市发展所带来的“热岛”、“混浊岛”、“雨岛”效应等。重庆的生态环境问题已在很大程度上影响了整个区域的发展，研究其生态环境脆弱成因，形成机制及脆弱性评价有助于因地制宜地利用各项资源及保护全区的生态环境，并可对全区的可持续发展建设提供建设性意见。

2.研究方法及脆弱性评价

模糊评价法是以模糊推理为主的定性与定量相结合、精确与非精确相统一的方法。其适用范围较广，可用于省、区等大范围生态环境脆弱性评价。AHP评价法是将影响结论的因子进行相互比较进而得出各因子权重的方法。

考虑到生态环境系统具有多元化和复杂性，本文从自然因素和人为干扰因素两方面出发选取降水量，日照时数，森林覆盖率等16个指标来构建评价指标体系，以下为统计年鉴中各因子情况：降水量（毫米）从2008到2012年为9853、11989、10447、9928、11044。平均气温从2008到2012年为1860、1900、1870、1770、1830。日照时数（时）从2008到2012年为7038、9439、9106、12702、8120。平均相对湿度（%）从2008到2012年为8200、7980、7760、7400、7170。森林覆盖率（%）从2008到2012年为3400%、3500%、3700%、3900%、4100%。地表径流量（亿立方米）从2008到2012年为57693、45591、46430、51458、47689。地下水量（亿立方米）从2008到2012年为8840、8186、9626、9831、9779。农业有效灌溉面积（万公顷）从2008到2012年为6589、6720、6853、6929、7030。农作物的总播种面积（公顷）从2008到2012年为3215064、3308300、3359387、3413088、3477694。环保投资（亿元）从2008到2012年为12642、28840、30490、27520、23240。生活污水排放量（万吨）从2008到2012年为78086、81385、82933、973556、101676。工业废水排放总量（万吨）从2008到2012年为67027、65684、45180、33954、30611。工业废气排放量（亿标立方米）从2008到2012年为735073、1258652、1094313、912107、835988。工业固体废物综合利用率（%）从2008到2012年为7907、7980、8040、7686、8156。农用化肥施用量（折纯）（万吨）从2008到2012年为8814、9117、9182、9558、9602。总人口（万人）从2008到2012年为325705、327561、330345、332981、334344。

由于各评价因子对生态系统影响程度不同，本文将用层次分析法对各评价因子的重要程度进行区分以确定各评价因子的权重，其次，根据各评价指标分级和隶属函数对各评价因子进行隶属度的计算，而后将评价因子隶属度与其所占权重相乘即可得到其脆弱度。

將表中因子分成环境因子、结构功能、干扰因子三类，结合层次分析法等可得哥因子权重依次是069、022、009。其中环境因子包括降水量、平均气温、日照时数、平均相对湿度，其权重依次是009、016、027、048。结构功能因子有森林覆盖率、地表径流量、地下水量、农业有效灌溉面积、农作物的总播种面积，其权重依次是005、010、020、018、046。干扰因子有环保投资、生活污水排放量、工业废水排放总量、工业废气排放量、工业固体废物综合利用率、农用化肥施用量、总人口，其权重依次是006、032、021、007、005、011、018。根据隶属等级及隶属度公式可得到各指标每年的等级隶属度，如2008年降水量为9853；介于Ⅳ级的800到Ⅲ级的1000之间，因此其Ⅲ隶属度为（9853-800）/（1000-800）=093而其Ⅳ级隶属度为：007；以此类推可得到各年份各因子隶属度。以隶属度为根基可最终得到各年份各大类因子的脆弱度。

由上可得环境因子、结构功能、干扰因素在2008年的脆弱度依次为043、009、004；在2009年的脆弱度依次为046、013、004；2010年的脆弱度依次为033、012、003；2011年的脆弱度依次为048、016、004；2012年脆弱度依次为036、012、005。

3.总结与建议

重庆市生态环境脆弱度在2008—2012年间波动不大，原因可能是：1.重庆生态环境脆弱度的抵抗力和恢复力较强。2.各评价因子在这五年间变化不大。但是，人为干扰因素脆弱度较差，稳定性较弱，对生态的影响程度较大，主要原因应该是随着经济社会的发展人类频繁的生产生活活动产生了大量废气废水废物，进而对环境造成了不良影响。针对以上问题，提出意见如下：1.合理利用土地资源。重庆以低山、丘陵为主，耕地条件相对较差，所以重庆应在保持基本农田的同时注重农、林、牧、渔兼并，此外，也要改变不合理的土地利用方式，调整土地利用结构，发展绿色有机农业。2.分区生态治理。不同区域生态环境特质和生态影响因素存在一定的差异，从产生问题的根本性出发，针对主导影响因素采取不同的应对措施。3.实时监测，加大对排污指标的监管，配备净化技术设备4.日常生活中注意环保细节。譬如少使用非降解塑料餐盒，少燃放烟花炮竹，少焚烧秸秆，回收废物等。

参考文献：

[1]赵秀勇，缪秀波.生态足迹分析法在生态持续发展定量研究中的应用[J].农村生态环境，2003，19（2）：58-60.

[2]姜乃力.城市化对大气环境负面影响及其对策[J].辽宁城乡环境科技，1999，19（2）：63～66.

[3]史爱玲，闫庆松.城市化对环境的影响与对策[J].山东环境，1999，88（1）：35～36.

作者简介：郑梦玲（1990.10—），女，四川成都人，四川大学建筑与环境学院硕士研究生，研究方向：景观设计。

模糊控制的热真空环境模拟设备研究 第4篇

重要的航天设备都要在地面真空实验室进行低温及高温的模拟试验,通过检测要求的设备才允许安装在上天设备上,在做真空环境下的低温及高温试验时,因受传输介质的影响,只能靠空间辐射,在这种环境下温度控制十分困难,温度可能超调,但不允许超过实验的极限温度,否则会损坏设备,因而必须采用质量良好的控制设备,采用有效的控制方式,才可满足控制要求。本文提出了一种模糊控制方法,在吸取前人控制策略成功经验的基础上,研究开发了基于模糊控制技术的控制器取代原系统的手动控制方法。

2 模糊控制器整体结构

模糊控制技术的核心在于模糊控制器的设计[1,2,3]。按照拟定的控制方案,采用目前最为常用的“双入单出”模糊控制器,如图1所示。以被控变量的误差和误差的变化率作为输入,输出一个控制变量,即在控制过程中不仅要对被控量的误差进行反馈,同时还要对被控量的误差变化率进行反馈,从而保证系统的稳定性,不至于产生振荡及超调现象。

模糊控制器的模糊输入变量[4]可选为实际温度y与温度给定值yg之间的误差e=y-yg及其变化率ec,而其输出模糊变量为电加热器的输出控制u。

3 论域的确定

为了提高控制精度,本系统采用4个控制精度各不相同的模糊控制器,用于降温的主进液阀控制器、辅助进液阀控制器和用于升温的热沉加热器、底板加热器,控制精度依次设定为±10℃,±8℃,±6℃,±5℃。各个温控器温度偏差的论域设定为[-10℃,+10℃],[-8℃,+8℃],[-6℃,+6℃],[-5℃,+5],将它们量化在模糊论域[-6,+6]中,共分13个等级,即{-6,-5,-4,-3,-2,-l,0,+l,+2,+3,+4,+5,+6},则偏差量化因子分别为:

设误差e的基本论域为[-6℃,+6℃],若选定E的论域X={-6,-5,,-1,0,+1,+2,+3,+4,+5,+6},则得误差e的量化因子kl=6/6=1。为语言变量E选取7个语言值:PB、PN、PS、ZE、NS、NM和NB。

通过操作者的实践经验总结,可确定出在论域X上用以描述模糊子集PB、PM、PS、ZE、NS、NM、NB的隶属度函数μ(x),并据此建立语言变量E的赋值表。

设定本系统最大升温速率600℃/hour=0.17℃/s,而采样周期T=1000ms,这样升温速率<0.5。则ec的基本论域可设为[-0.5,+0.5],选择偏差变化率语言变量EC的论域Y=(-6,-5,,-l,0,+l,+2,+3,+4,+5,+6),则得误差变化率ec的量化因子k2=6/0.5=12。为语言变量EC选取PB、PM、PS、ZE、NS、NM、NB共7个语言值。通过操作者的实践经验总结,在确定出模糊子集PB,,NB的隶属函数μ(x)之后,便可建立语言变量EC的赋值表。

设控制量变化u的基本论域为[-36,+36],若选定u的论域为Z=(-6,-5,-1,0,+l,+2,+3,+4,+5,+6),则得控制量变化u的比例因子k3=36/6=6。同样,为语言变量U选取PB、PM、PS、ZE、NS、NM、NB共7个语言值。通过操作者的实践经

验总结,在确定出模糊子集PB,,NB的隶属函数μ(x)之后,便可建立语言变量U的赋值表。

4 模糊控制器查询规则的建立

基于操作者手动控制策略的总结,得出一组由49条模糊条件语句构成的控制规则[5,6],将这些模糊条件语句加以归纳,可建立反映真空温度控制系统的控制规则表,如表1。

模糊控制状态表包含的每一条模糊条件语句都决定一个模糊关系,有49个:

通过49个模糊关系元(i=1,2,,49)的“并”运算,可获取表征温控系统控制规则的总和模糊关系R,即:

计算出模糊关系R后,基于推理合成规则,由系统误差e的论域X={-6,-5,,0,+1,,+5,+6}和误差变化率ec的论域Y={-6,-5,-4,,0,,+5,+6},根据语言变量误差E和误差变化EC赋值表,针对论域X,Y全部元素的所有组合,求取相应的语言变量控制量变化U的模糊集合,并应用最大隶属度法对此模糊集合进行模糊判决,取得以论域z={-6,-5,-4,-3,-2,-1,0,+1,+2,+3,+4,+5,+6}的元素表示的控制量变化值u。

在上述离线计算基础上,便可建立如表2所示查询表。查询表[7]是真空温控系统模糊控制算法总表,把它存放到计算机的文件中,并编制一个查找查询表的子程序。

在实际控制过程中,只要在每一个控制周期中,将采集到的实测误差e(k)(k=0,1,2,)和计算得到的误差变化e(k)-e(k-1)分别乘以量化因子k1和k2取得以相应论域元素表征的查找查询表所需的e和ec后,通过查找表的相应行和列,立即可输出所需的控制量变化u,再乘以比例因子k3,便是加到被控过程的实际控制量变化值。

5 真空温度模糊控制程序流程图

模糊控制器的控制算法是由计算机的程序实现的。这种程序一般包括两个部分,一个是计算机离线计算查询表的程序,属于模糊矩阵运算,另一个是计算机在模糊控制过程中在线计算输入变量(误差,误差变化),并将它们模糊量化处理,查找查询表后再作输出处理的程序。图2所示为模糊控制程序设计流程图。通过流程图就可以进行编制实用的控制程序软件了。

6 结论

相对于传统的PID控制,模糊控制的响应具有较小的超调量,且调节时间也较短,对被控对象模型的依赖性较低,其控制品质明显高于传统PID所达到的控制性能指标,但同时也应该注意到模糊控制虽然在动态响应与抑制系统内部参数变化对系统输出的影响等方面都能取得更好的效果,且结构简单,实现方法简明,但在某些性能方面尚有欠缺,这就需要进一步对将模糊控制与其他的控制策略结合使用的模糊集成控制系统的设计和工程实现进行研究。但总体而言,本研究在不依赖过程对象精确数学模型的基础上,利用PLC实现的模糊控制策略己经较好地实现了对电加热器以及电磁阀的控制,并给出了PLC实现的具体编程参考方法。

参考文献

[1]周兴禧,王氯等.变频空调器基于系统的变工况模糊控制仿真研究[J].流体机械,2000,28(7):42-46.

[2]高军.空调变频器自适应模糊控制器的研究[C].哈尔滨:哈尔滨工业大学,2003.

[3]黄翔,王洋浩等.智能模糊控制在化纤厂纺丝车间侧吹风空调系统中的应用[J].制冷,1997,61(4):50-53

[4]汤兵勇,路林吉.模糊控制理论与应用技术[M].北京:清华大学出版社,2002.

[5]Timothy J.Ross,Fuzzy Logic With Engineering Applica-tion,2001.

[6]周奕辛,于艳春.模糊控制在温度控制系统中的应用[J].仪器仪表用户,2007,14(2)8-9.

模糊环境 第5篇

基于三角模糊技术的河流水环境容量研究

摘要：基于河流水环境系统的.随机性、模糊性特征,以及资料信息的不足和不精确性,将水环境系统参数定义为三角模糊数.在此基础上,通过将常规的确定性模型参量模糊化,建立了河流水环境容量计算模糊模型.根据该模型,可以计算得到三角模糊数形式的河流水环境客量;再由给定的可信度水平要求,可以进一步将水环境容量由三角模糊数转化为区间值.实例研究表明,相对于常规的确定性方法,所得结果更为科学、合理,而且计算简单、操作方便,具有实用价值.作 者：李如忠 高苏蒂 Li Ruzhong Gao Sudi 作者单位：合肥工业大学资源与环境工程学院,安徽,230009期 刊：环境工程 ISTICPKU Journal：ENVIRONMENTAL ENGINEERING年，卷(期)：,25(2)分类号：X8关键词：水环境系统 水环境客量 三角模糊数 隶属函数 可信度水平

模糊环境 第6篇

关键词 三角模糊数；模糊对策；三角核心；三角稳定集

中图分类号 O225 文献标识码 A

The Structure of Solutions of Convex Compound Fuzzy Game Based on Triangular Fuzzy Number

PEI Hucheng, GAO Zuofeng

(College of Science, YanShan University, Qinhuangdao,Hebei 066004, China)

Abstract A new model of convex compound fuzzy game that the characteristic function and player involvement are based on triangular fuzzy number is given.On the basis of this model, the triangular core and triangular stable set of convex compound fuzzy game was given,which was proved to be expressed by their corresponding subgame.

Key words triangular fuzzy number；fuzzy game；triangular core； triangular stable set

1 引 言

自引入合作对策［1］以来，局中人之间如何合理分配总收入的问题得到了广泛的研究.特别是J.von Neumann和O.Morgenstern于1944年提出合成对策［2］以来，Aubin.J.P将模糊和对策结合起来，提出了模糊合作对策的概念［3］.1994年，赵景柱［4］提出了一种新的合成模糊对策——和-合成模糊对策，并研究了这种对策的稳定集.刘广智等［5,6］提出了一般化合成模糊对策，并探讨了这类合成模糊对策解的结构.高作峰等［7］提出了凸合成模糊对策模糊，并研究了凸合成模糊对策的稳定集.文献［8］研究了模糊核心的限制非空性,个体合理性和递归对策性等性质，刻画并证明了核心的存在唯一性.张强等［9］提出了区间合成模糊对策，给出了区间合成模糊对策解的概念.

2 基本定义

=aL,a,aR，其中aL≤a≤aR，aL和aR分别是所支撑的上界和下界，而a为中值，则称为一个三角模糊数，其特征函数可表示为［10］

μa(x)=x-aLa-aL,aL≤x≤a;x-aRa-aR,a≤x≤aR;0,其他

本文所讨论的三角模糊数均为非负三角模糊数，即=aL,a,aR，aL≥0.

定义1 记=aL,a,aR，=bL,b,bR为两个非负三角模糊数，则相关运算为：

(ⅰ) －=－aL,－a,－aR，

(ⅱ) +=aL+bL,a+b,aR+bR，

(ⅲ) －=aL－bR,a－b,aR－bL，

(ⅳ) =aLbL,ab,aRbR，

(ⅴ) /=aL/bR,a/b,aR/bL，＞0，

(ⅵ) k+=k+aL,k+a,k+aR，k为任意实数，

(ⅶ) －k=aL－k,a－k,aR－k，k为任意实数，

(ⅶ) k=kaL,ka,kaR，k≥0，

(ⅷ) /k=aL/k,a/k,aR/k，k＞0.

定义2 记全体局中人集合N=1,2,…,n，P(N)为N的全体幂集组成的集合，任意k∈P(N)为三角模糊联盟，用模糊集合的特征函数表示为：

k:P(N)→(i)=(kL(i),k(i),kR(i)),

支付函数(k)=(L(k),(k),R(k))表示三角模糊联盟的收益，其中(k)是定义在P(N)到n上的映射，即:P(N)→n且()=0，称(N,)是以给出的以N为局中人集合的n人三角模糊合作对策，简称为三角模糊对策，称n中的任一元素为一个三角模糊联盟，的第i个分量i称为局中人i参加模糊联盟的参加度.

定义3 记为三角模糊对策，：P(N)→［0,1］n，令/i=(0,0,…,i,0,…,0)则称集合

()={|∈n,∑i∈Ni=(N),

ii≥(/i),i∈N,∈［0,1］n}

为对策的三角模糊分配集.

定义4 设,∈()，若存在一个三角模糊联盟∈［0,1］n，≠0，使得i＞i(i∈k())且∑i∈k()ii≤()，则称通过模糊优超，其中k()={i|i≠0,i∈N}，对于∈()和()，令

Dom={|∈(),＞},

Dom=∪∈Dom.

定义5 设N1，N2，…，Nm是m个非空集合，且满足Ni∩Nj=(i≠j),n1=N1 (i=1,2,…,m)，(0,1n1,1)，(0,1n2,2)，…，(0,1nm,m)是m个三角模糊对策，令N=∪mi=1Ni，n=N，则称(0,1n,)是1,2,…，m的三角凸合成模糊对策，记为=∑mi=1λii，其中0＜λi＜1，且∑mi=1λi=1，()=∑mi=1λii(/Ni)，=［0,1］n这里，/Ni=(j1,j2,…，jni)，j1,j2,…,jni∈Ni，i=1,2,…,m.

3 三角凸合成模糊对策的三角核心和

三角稳定集

定义6 记N=1,2,…,n为全体局中人集合，(0,1n,)为三角凸合成模糊合作对策，记()为三角凸合成模糊合作对策的三角核心，其中

()={/∈0,1n,∑i∈Ni=(e),

∑i∈Nii≥(),∈［0,1］n}.

定理1 设(0,1n1,1)，(0,1n2,2)，…，(0,1nm,m)是m个三角模糊对策，是1，2，…，m的三角凸合成模糊对策，(1)，(2)，…，(m)分别是1,2,…，m的三角核心，则∏mi=1(λii)是的一个三角模糊核心，即()=∏mi=1(λii).

证明 因为，是1，2，…，m的三角凸合成模糊对策,所以，Ni∩Nj=(i≠j).令

N1={1,2,…,n1},

N2={n1+1,n1+2,…，n1+n2},

…

Nm={∑m－1j=1nj+1,∑m－1j=1nj+2,…,∑m－1j=1nj+nm}.

首先证明

()∏mi=1(λii),(1)

对任意∈()，有

∑i∈Ni=(e),(2)

且

∑i∈Nii≥(),∈［0,1］n.(3)

令=1×2×…×m，其中

1=(11,12,…，1n1),

2=(2n1+1,2n1+2,…,2n1+n2),

…

m=(m∑m－1j=1nj+1,m∑m－1j=1nj+2,…,m∑m－1j=1nj+nm),

对于1∈0,1n1，记=1×02×…×0m，其中02∈0,1n2…0m∈0,1nm带入式(3)式得

∑i∈n1λ11i1i=∑i∈nλiii≥()

=λ11(/N1)+λ22(/N2)+…+λmm(/Nm)

=λ11(1)+λ22(02)+…+λmm(0m),

即

∑i∈n1λ11i1i≥λ11(1),1∈0,1n1.(4)

同理可得

∑i∈n2λ22i2i≥λ22(2) , (5)

∑i∈nmλmmimi≥λmm(m). (6)

取i=ei=(1,1,…,1)∈0,1ni(i=1,2,…,m),

则由式(4)，式(5)，式(6)得

∑i∈n1λ11i≥λ11(e1), (7)

∑i∈n2λ22i≥λ22(e2), (8)

…

∑i∈nmλmmi≥λmm(em).(9)

事实上

∑i∈n1λ11i=λ11(e1), (10)

∑i∈n2λ22i=λ22(e2), (11)

…

∑i∈nmλmmi=λmm(em). (12)

因为，若式(10)，式(11)，式(12)中有一个不成立（不妨假设式(10)不成立），那么由式(7)可知：

∑i∈n1λ11i＞λ11(e1), (13)

于是由式(8)，式(9)，式(13)可得

∑i∈ni=∑i∈n1λ11i+∑i∈n2λ22i+…+∑i∈nmλmmi

＞λ11(e1)+λ22(e2)+…+λmm(em)

=λ11(e/N1)+λ22(e/N2)+…

+λmm(e/Nm)=v(e). (14)

而式(14)与式(2)矛盾，所以式(10)，式(11)，式(12)成立.

由式(4)，式(5)，式(7)，式(8)，式(9)可得：

x/Ni∈(λii),

即

∈(λ11)×(λ22)×…×(λmm).

从而证明了()∏mi=1(λii).

下面证明∏mi=1(λii)().

对任意的1∈(1),2∈(2),…,m∈(m)有

∑i∈n11i=1(e1), (15)

∑i∈n11i1i≥1(1),1∈0,1n1, (16)

∑i∈n22i=2(e2),(17)

∑i∈n22i2i≥2(2),2∈0,1n2,(18)

…

∑i∈nmmi=m(em) ,(19)

∑i∈nmmimi≥m(m),m∈0,1nm ,(20)

记=λ11×λ22×…×λmm，则由式(15)，式(17)，式(19)得

∑i∈ni=∑i∈n1λ11i+∑i∈n2λ22i+…+∑i∈nmλmmi

=λ11(e1)+λ22(e2)+…+λmm(em)

=λ11(e/N1)+λ22(e/N2)+…

+λmm(e/Nm).(21)

显然，对于任意的∈［0,1］n，可表示为=1×2×…×m，其中i=/Ni (i=1,2,…,m)且i∈0,1ni (i=1,2,…,m).

于是由式(16)，式(18)，式(20)可得

∑i∈nii=∑i∈n1λ11i1i+∑i∈n2λ22i2i+…

+∑i∈nmλmmimi

=λ11(1)+λ22(2)+…+λmm(m)

=λ11(1/N1)+λ22(2/N2)+…

+λmm(m/Nm)=v().

即

∑i∈nii≥v() .(22)

由式(20)，式(21)两式可得：

=λ11×λ22×…×λmm∈(),

即

∏mi=1(λii)().

综上所述得()=∏mi=1(λii).

定义7 设为三角模糊对策，如果()的非空子集满足

（ⅰ）∩Dom=(为空集),

（ⅱ）∪Dom=(),

则称为的一个三角模糊稳定集，记为().

定理2 设(0,1n1,1)，(0,1n2,2)，…，(0,1nm,m)是m个三角模糊对策，是1，2，…，m的三角凸合成模糊对策，(1)，(2)，…，(m)分别是1，2，…，m的一个模糊稳定集，则的一个三角模糊稳定集是∏mi=1(λii)，即()=∏mi=1(λii).

证明 因为，是1,2,…，m的三角凸合成模糊对策,所以，Ni∩Nj=i≠j.

令

N1=1,2,…,n1,

N2=n1+1,n1+2,…，n1+n2,

…

Nm=∑m－1j=1nj+1,∑m－1j=1nj+2,…,∑m－1j=1nj+nm.

首先证明

∏mi=1λii, (23)

对于∈∏mi=1λii，即=λ11×λ22×…×λmm，其中

1=11,12,…，1n1,

2=2n1+1,2n1+2,…,2n1+n2,

…

m=m∑m－1j=1nj+1,m∑m－1j=1nj+2,…,m∑m－1j=1nj+nm,

有

ijj=ijij≥ii|j,j∈Ni,

i∈0,1ni,i=1,2,…,m, (24)

且

∑j∈niλij=∑j∈niλiij=λiiei,

ei=1,1,…,1∈0,1ni,i=1,2,…,m. (25)

对于∈0,1n，有

|j/Ni=/Ni|j,j∈Ni,i=1,2,…,m.

但是1/Ni∈0,1n1,i=1,2,…,m，所以由式(24)得

ij=/Nij≥i/Ni|j

=i/Nj|i=i/j,

j∈Ni,i=1,2,…,m.(26)

由式(25)得

∑j∈Nj=∑j∈N1λ1j+∑j∈N2λ2j+…+∑j∈Nmλmj

=λ11e1+λ22e2+…+λmmem

=λ11e/N1+λ22e/N2+…

+λmme/Nm=e.(27)

所以，即式(23)成立.

首先证明

∏mi=1λii∩Dom∏mi=1λii= . (28)

用反证法证明.

假设∏mi=1λii∩Dom∏mi=1λii≠，则,∈∏mi=1λii，使得＞，即∈0,1n，≠0，使

i＞i,i∈, (29)

且

∑i∈ii≤, (30)

显然=∪mi=1/Ni，而，所以式(30)可写为

∑i∈/N1λ1ii+∑i∈/N2λ2ii+…

+∑i∈/Nmλmii≤

λ11/N1

+λ22/N2+…+λmm/Nm.(31)

记h=i:/Ni≠,i=1,2,…,m，则可由式(31)得：l∈h，使得

∑i∈/N1λ1ii≤λll/Nl. (32)

否则

∑i∈/N1λ1ii+∑i∈/N2λ2ii+…

+∑i∈/Nmλmii＞

λ11/N1

+λ22/N2+λmm/Nm.

这与式(31)矛盾，所以式(32)成立.

因为

,∈∏mi=1λii,

所以

=/N1×/N2×…×/Nm，

=/N1×/N2×…×/Nm,

其中

/Nl,/Nl∈Sl. (33)

由式(29)和式(32)知，/Nl通过/Nl优超/Nl，

即

/Nl＞/Nl , (34)

式(33)与式(34)矛盾，从而式(28)成立

最后证明∏mi=1λii∪Dom∏mi=1λii=，方法类似于文献［7］中关于凸合成模糊稳定集的证明，具体过程略.

4 结 论

本文在前人研究的基础上将凸合成模糊对策的特称函数和局中人的参与度以三角模糊数的形式表示出来，建立了一个新的凸合成模糊对策的模型，并得到出了这种对策的三角核心和三角稳定集与子对策的三角核心和三角稳定集的关系，对于模糊合作对策的其他研究有一定的参考价值.参考文献

［1］ 谢政. 对策论［M］. 长沙:国防科技大学出版社, 2004.

［2］ J VON NEUMANN, O MORGENSTEM.Theory of games and economic behaviour［M］. 2nd.Princetion:Princeton University Press, 1944.

［3］ J P AUBIN. Cooperative fuzzy game［J］. Maththematics of Operations Research, 1981,(6):1-13.

［4］ 赵景柱. 和-合成模糊对策的模糊稳定集［J］. 中国科学院研究生学报, 1994,11(1):92-96.

［5］ 刘广智, 邹开其, 蔡光起. 一般化合成模糊对策［J］. 系统工程理论与实践, 2004,(1):70-75.

［6］ 刘广智, 邹开其, 王立琦. 一般化模糊合作对策解的结构［J］. 系统工程理论与实践, 2005,(1):90-95.

［7］ 高作峰, 王艳, 张向东. 凸合成模糊对策的模糊稳定集［J］. 运筹与管理, 2004,13(1):59-62.

［8］ 王外芳, 孙浩. 模糊合作对策核心的公理化［J］. 运筹与管理, 2010,19(4):59-62.

［9］ 孟凡勇, 张强. 区间合成模糊对策［J］. 模糊系统与数学, 2010,24(1):137-144.

模糊环境 第7篇

关键词：模糊理论,控制系统,控制器

1 控制理论的选取

猪舍内环境参数控制严格说来是一个多输入参数的控制系统, 具有很强的时滞性, 无法建立数学模型。而经典控制理论主要研究对象是单输入, 单输出系统, 系统的数学模型是传递函数, 其分析和综合方法基于根轨迹法和频率法。因此经典的控制理论无法应用于猪舍的内环境控制系统中。模糊控制主要是模仿人的控制经验, 而不是依赖控制对象的模型, 主要研究那些在现实生活中广泛存在的、定性的、模糊的、非精确的信息系统的控制问题。由此我们可以看出, 模糊系统能有效将熟练操作工、技术人员的操作或知识与控制理论结合起来, 转化为一系列的规则, 它的核心就是由IFTHEN规则组成的知识库, 从而模拟人工的控制。在生产实践中许多复杂的生产过程难以实现目标控制, 通过技术人员的操作可获得满意的控制品质。对于猪舍环境参数的控制, 我们可以选用模糊控制理论来模拟实际的人工操作, 达到空气质量调节与与舍内温度控制的目的。

2 模糊控制器的设计

2.1 模糊控制器的结构

在该控制系统中, 环境参数很多, 主要有温度、湿度、SO2、H2S、NH3等有毒有害气体的浓度、风速等许多参数。要以如此多的参数作为输入量, 则该控制器的设计基本上无法实现。那么如何简化模糊控制器的结构呢?首先风速是由风机来决定的, 在选择风机的时候已经将所需的通风量及风速的限制考虑了, 因此在这里并不需要考虑风速。其次, 为了降低成本便于该控制系统的推广, 并没有采用气体传感器测量有毒有害气体的浓度, 对有毒有害气体的浓度是否超标的判断是通过保证其通风量来实现的, 只要在一定时间范围内的通风量大于舍内所需的通风标准, 则有毒有害气体的浓度不会超过标准, 不会对猪的生长造成不利的影响。因此只需考虑温度、湿度及通风量输入三个参数。其控制器结构如下图1所示。

2.2 输入量的量化

设计模糊控制器的核心是建立模糊控制规则, 并构成规则库。为此首先要将输入量及输出量进行量化。结合标准, 温度误差及误差变化率量化规则如下表4.1所示 (以种公猪为例) 。

2.3 模糊规则表的建立

在建立模糊控制规则时, 如果选择比较多的词汇, 即用较多的状态来描述每个变量, 那么制定规则就比较灵活, 形成的规则就比较精确。不过, 这种控制器规则复杂。在该系统中, E与DE的模糊子集取七个值PB, PM, PS, ZE, NS, NM, NB。他们的隶属函数分别如下表2、表3所示。

输出U的取值可按通风量满足要与不满足要求, 分为两种情况 (D0风机1, D1风机2, D2水帘机, D3加热炉1, D4为加热炉) 。

(1) 通风量合格时输出量U的模糊子集及隶属函数

输出U的取值为:11111 (正常) =0;11110 (温度稍高) =1;11101 (温度较高) =2;11100 (温度很高) =3;11000 (温度极高) =4;10111 (温度稍低) =-1;01111 (温度较低) =-2;00111 (温度很低) =-3。取其语言变量为PB, PM, PS, ZE, NS, NM, NB。输出量U的模糊子集及隶属函数如下表3所示, 其中。μ表示隶属度 (以PB和PM为例) 。

同理温度误差变化率模糊子集及隶属函数和通风量合格时输出量U的模糊子集及隶属函数 (以PB和PM为例) 。

(2) 通风量不满足要求时输出量U的模糊子集及隶属函数

与通风量满足要求时的情况相比, 即使在温度适合时, 输出值为11110, 即要求风机一开启, 加强通风;当温度稍低时, 输出取值为01110, 即要求既要加热又要通风。建立U的隶属函数表及模糊控制表。

2.4 模糊控制表的建立

经过模糊揄得到的控制输出仍然是一个模糊集合, 它反映了控制语言的模糊性, 这是一种不同的组合。对一个实际的对象, 只能在某一时刻有一个确定的控制量, 这就必须从模糊输出的隶属度函数中找出一个最能代表这个模糊集合以及模糊控制作用可能性分布的精确量。常用的精确化方法有最大隶属度法、重心法和系数加权平均法三种。在该系统中我们采用最大隶属度法, 该方法是在模糊控制器的推理输出结果中, 取其隶属度最大的元素作为精确值去执行控制的方法。推导的思路如下:若第一号猪舍内养殖的是种公猪, 通风量满足要求。设当前温度为10度, 温度变化率为-2度, 则依量化规则可得:E=-2, DE=-3。依通风量合格时的模糊控制表, 有六规则被激活, 其输出都为NB, 那么依最大隶属度法, 可得U=-3。即当前温度较低, 且温度下降也很快, 则需要很强的加热, 与实际操作相一致。

同样, 对输入空间论域中的所有组合计算出相应的输出控制量

3 模糊控制器程序设计

4 小结

养猪场养殖数量多、类型杂以及不同的养殖场猪舍的大小、风机的参数等有所不同, 不同类型的猪同类型的猪对温度的要求不同, 季节不同, 对空气质量、风速等参数的要求不尽相同等诸多特点, 分析了控制系统要实现的任务。然后依据任务的要求, 选取模糊控制来实现空气质量调节与与温度控制的目的。

参考文献

[1]董海鹰.智能控制理论及应用[M].北京:中国铁道出版社, 2006

[2]秦世引.智能控制研究中的几个问题[J].信息与控制, 1996, 25 (3) :138-139.

[3]王立新.模糊系统与模糊控制教程[M].北京:清华大学出版社, 2003

[4]蔡长霞.畜禽环境卫生[M].北京:中国农业出版社, 2006

水环境安全模糊综合评价方法研究 第8篇

水环境是以水体为核心的动态空间系统,水环境安全是指水生态系统能维持其自身结构和功能的完整性并对区域自然生态环境平衡和社会经济发展起到良好协调促进作用,水环境安全问题主要表现为:水土流失,水体污染严重,水功能衰退;河流生态环境遭到破坏[1,2,3]。水环境安全直接关系到国家的经济安全和社会政治稳定,已成为关系到生存与发展的战略问题。现阶段,我国的水环境保护事业尚不能与经济发展同步,水环境与生态环境的恶化趋势未能得到有效控制,随着经济的快速发展及人民生活水平的提高,水资源短缺、水环境恶化的趋势短期内仍将继续,因而有必要进行水环境安全评价。目前水环境安全评价侧重于风险研究、可持续发展及管理方面,应用的方法及模型很多。Rijiberman[4]把水资源承载力作为城市水安全保障的衡量标准; Paul D. Hamilton[5]等提出在广泛的范围内,采用各种监测手段,以简单的机制优化水环境安全风险管理,以保障水环境安全。韩宇平[6]等利用多层次多目标决策和模糊优选理论,建立了区域水安全评价的模糊优选模型;张巧显[7]等运用系统分析的理论与方法建立了水安全动态模型;金菊良、吴开亚[8]等用基于加速遗传算法的模糊层次分析法筛选指标,建立了流域水安全评价模型。

由于模糊综合评判法有着较好的可靠性,可以确定水环境安全的主要影响因素,并为制定合理的水污染防治措施提供依据,故本文按照模糊综合评判理论,依据通州的社会发展及水环境状况确立了各评价子集及具体指标,对通州区进行水环境安全评价,其中隶属度计算利用三角形隶属度函数,权重集的确定采用层析分析法,最终建立二级模糊综合评判模型,得到通州的水环境安全状况并进行结果分析。

1 研究区概况

南通市通州区位于江苏省东南部长江三角洲北翼,东临黄海,南濒长江,全区国土总面积1 525.7 km2,平水年水资源总量为5.75亿m3,人均占有量为461.5 m3/a,约为全国人均水平的20%,但该区过境水和沿江涵闸引水丰沛,缺水时引长江水可基本满足当地的水资源需求[9]。通州区2005-2010年GDP翻了两番,其中,第二产业增加值提高了2.2倍,第三产业增加值提高了2.6倍。城区污水排放量由2005年的1 036万t增加到2010年的1 436万t,该区水体的主要污染源是工业废水、居民生活污水以及农药化肥,特别是家纺、印染等使水环境受到了较为严重的污染。据“十二五”规划,通州区发展速度在14%～16%的区间内,2015年GDP总量将达到949～1 053亿元,这个阶段既是城市化发展的加速期,又是工业污染和用水过度的高峰期,环境与发展的矛盾日益突出,因而水环境安全评价工作显得尤为重要。

2 水环境安全模糊评价

模糊综合评判法以模糊数学为基础,运用模糊可变原理将一些边界不易定量的因素定量化,依据评价指标对被评判事物的隶属等级状况进行综合性评价[10]。步骤如下:①确定评价指标,即建立因素集U;②确定各指标含义并进行分级,建立评价集V,即将所有指标划分为具体的评价等级并划分区间;③建立各评价因素的权重集ω,即模糊权向量;④建立模糊关系矩阵R,即根据评价指标的分级,建立每个指标的隶属函数,以此得到各指标的隶属度,矩阵R中不同的行反映了被评价事物从不同的单因素来看对各等级模糊子集的隶属程度;⑤将因子权重ω与隶属度矩阵R相乘,得到模糊综合评价向量B。最后,根据评价结果对水环境安全状况进行分析。

2.1 因素集U和评价集V的建立

(1)因素集U。

水环境安全受水资源自然条件、社会经济、人类活动等的影响,特别是水体纳污能力在水环境保护中起着重要的作用[11],因而将被评价事物通州区水环境安全P分为水资源条件S1、水资源开发利用S2、水环境污染S3、水环境治理S4、社会经济S5等5个评价子集,本文分别从水资源、人类活动对水环境的负面影响及正面保护、社会经济几个不同的角度构造评价因素集,从影响水环境的不同侧面客观评价通州区水环境安全状况,使各子集之间具有相对独立性。同时,由于各子集之间也存在着一定的联系,如水资源较丰沛的地区水环境相对较好,经济发展消耗水资源、造成水环境污染的同时,技术进步也有利于水环境的治理和保护,所以,严格说来各子集之间并不是完全独立的。每个子集由一系列反映水环境系统状况的指标构成,即因素集U,各子集中的具体指标按系统、独立、科学的选取原则确定,各具体指标之间具有相对独立性,尽可能的避免了指标间信息的重叠和冗余,用有代表性的指标反映了较全面的水环境安全状况,各子集中的具体指标如下。

$S{}_1=\{u{}_1,u{}_2,u{}_3\}(1)$

式中:u1为人均当地水资源可利用量(含过境水);u2为人均水资源量;u3为单位面积水资源量。

$S{}_2=\{u{}_4,u{}_5,u{}_6,u{}_7,u{}_8,u{}_9\}(2)$

式中:u4为水资源开发利用率;u5为工业用水重复利用率;u6为万元工业增加值用水量;u7为单位面积用水量;u8为灌溉水利用系数;u9为人均生活用水量。

$S{}_3=\{u{}_{10},u{}_{11},u{}_{12},u{}_{13},u{}_{14},u{}_{15}\}(3)$

式中:u10为单位面积化肥使用量;u11为化学需氧量排放负荷;u12为氨氮排放负荷;u13为劣于Ⅲ类河段比例;u14为万元工业增加值污水排放量;u15为水功能区水质达标率。

$S{}_4=\{u{}_{16},u{}_{17},u{}_{18},u{}_{19},u{}_{20}\}(4)$

式中:u16为工业废水达标排放率;u17为城镇生活污水处理率;u18为环保投资占GDP比例;u19为森林覆盖率;u20为水土流失治理率。

$S{}_5=\{u{}_{21},u{}_{22},u{}_{23},u{}_{24},u{}_{25},u{}_{26}\}(5)$

式中:u21为城镇化水平;u22为人口自然增长率;u23为人均GDP;u24为人口密度;u25为GDP增长率;u26为第三产业比重。

(2)评价集V。

$V=\{V{}_1,V{}_2,\cdots ,V{}_n\}(6)$

式中:n为评价等级的个数;Vi表示第i种评价等级。

综合考虑通州区的水环境状况及目前的经济社会发展水平,结合发达国家的用水水平,依据我国的相关标准及要求,同时参考文献及专家意见,将所有指标划分为:非常安全、安全、基本安全、不安全、极不安全5个等级,具体分级见表1。

2.2 指标权重集ω的确定

由于因素集U中各因子的重要性程度不同,所以应确定权重集:

$\begin{array}{l}\omega =(\omega {}_1,\omega {}_2,\cdots ,\omega {}_n)(7)\\ {\displaystyle \sum _{i=1}^n\omega }{}_i=1(8)\end{array}$

式中:ωi表示因素ui的权重。

权重的确定采用层次分析法即T.L. Saaty提出的“1-9”标度法,通过咨询水环境领域具有丰富经验的专家,对影响通州区水环境安全的指标进行两两比较,根据元素的相对重要性程度[12],构造了P-S、S1-U、S2-U、S3-U、S4-U、S5-U等6个判断矩阵,计算每个矩阵的最大特征值与相应的特征向量,该特征向量即为各评价因素的权值,经归一化后得到的特征向量即为层次单排序的权重。

层次单排序权重结果:水资源子集ω1=(0.297,0.539 6,0.163 4),水资源开发利用子集ω2=(0.089,0.153 6,0.153 6,0.273 8,0.273 8,0.056 3),水环境污染子集ω3=(0.071 4,0.285 7,0.285 7,0.142 9,0.071 4,0.142 9),水环境治理子集ω4=(0.488 2,0.221 5,0.134 2,0.07 8,0.078),社会经济子集ω5=(0.104 7,0.062 4,0.177 5,0.062 4,0.177 5,0.415 7);各子集权重为ω=(0.045 8,0.147 1,0.515 9,0.219 1,0.072)。

2.3 建立模糊关系矩阵R

矩阵R代表从因素集U到评价集V的模糊关系,可表示为R=(rij)mn,即:

$\mathit{R}=\left[\begin{array}{cccc}r{}_{11}& r{}_{12}& \cdots & r{}_{1n}\\ r{}_{21}& r{}_{22}& \cdots & r{}_{2n}\\ ⋮& ⋮& & ⋮\\ r{}_{m1}& r{}_{m2}& \cdots & r{}_{mn}\end{array}\right](9)$

式中:rij表示第 i个指标的数值可以被评价为第j类安全等级的可能性,即因素ui对等级Vj的隶属度,这样就构成了评价因子与水环境安全等级的模糊关系矩阵。

(1)隶属函数的确立。

隶属度的计算采用三角形隶属函数[13]。将每个等级区间的中点作为分界点,当指标在本区间的中点时,该指标对该等级的隶属度为1,在相邻区间的中点时,对该等级的隶属度为0。对越大越安全的指标,属于第一等级“非常安全”的隶属函数为:

$f(1)=\{\begin{array}{cc}1& x\ge S{}_k\\ ax+b& S{}_{k-1}x＜S{}_k\\ 0& x＜S{}_{k-1}\end{array}(10)$

属于第二、三、四等级“安全”、“基本安全”、“不安全”的隶属函数为:

$f(i)=\{\begin{array}{cc}0& x\ge S{}_k\\ a{}_{1}x+b{}_1& S{}_{k-1}x＜S{}_k\\ a{}_{2}x+b{}_2& S{}_{k-2}x＜S{}_{k-1}\\ 0& x＜S{}_{k-1}\end{array}(i=2,3,4)(11)$

属于第五等级“极不安全”的隶属函数为:

$f(5)=\{\begin{array}{cc}0& x\ge S{}_{k-3}\\ ax+b& S{}_{k-4}x＜S{}_{k-3}\\ 1& x＜S{}_{k-4}\end{array}］(12)$

(2)模糊关系矩阵R。

根据确定的隶属函数及通州区2010年的各指标实际值,将实际值代入隶属函数,得到各项指标的隶属度向量。根据各指标的隶属度向量,得到各子集的模糊关系矩阵。

水资源子集为:

$R{}_1=\left[\begin{array}{ccccc}0& 0.1302& 0.8699& 0& 0\\ 0& 0& 0.4655& 0.5345& 0\\ 0& 0.7711& 0.2289& 0& 0\end{array}\right](13)$

水资源开发利用子集为:

$R{}_2=\left[\begin{array}{ccccc}0& 0& 0.9035& 0.0965& 0\\ 0& 0& 0& 0.2& 0.8\\ 0.116& 0.884& 0& 0& 0\\ 0& 0.7535& 0.2465& 0& 0\\ 0& 0& 0.1667& 0.8333& 0\\ 0& 0.5& 0.5& 0& 0\end{array}\right](14)$

水环境污染子集为:

$R{}_3=\left[\begin{array}{ccccc}0& 0& 0& 0.9194& 0.0806\\ 0& 0& 0.0202& 0.9798& 0\\ 0& 0& 0.4043& 0.5957& 0\\ 0& 0& 0& 0.5& 0.5\\ 0& 0.4681& 0.5319& 0& 0\\ 0& 0& 0& 0& 1\end{array}\right](15)$

水环境治理子集为:

$R{}_4=\left[\begin{array}{ccccc}0& 0.5& 0.5& 0& 0\\ 0.259& 0.741& 0& 0& 0\\ 0& 0.6313& 0.3688& 0& 0\\ 0& 0& 0& 0.5771& 0.4229\\ 0& 0.75& 0.25& 0& 0\end{array}\right](16)$

社会经济子集为:

$R{}_5=\left[\begin{array}{ccccc}0& 0.505& 0.495& 0& 0\\ 1& 0& 0& 0& 0\\ 0& 0& 0.5267& 0.4733& 0\\ 0.308& 0.692& 0& 0& 0\\ 0& 0.8333& 0.1667& 0& 0\\ 0& 0& 0& 0.776& 0.224\end{array}\right](17)$

2.4 模糊综合评价

建立的模糊综合评价模型为:

$\begin{array}{l}\mathit{B}=\omega \mathit{R}=(\omega {}_1,\omega {}_2,\cdots ,\omega {}_n)\left[\begin{array}{cccc}r{}_{11}& r{}_{12}& \cdots & r{}_{1n}\\ r{}_{21}& r{}_{22}& \cdots & r{}_{2n}\\ ⋮& ⋮& & ⋮\\ r{}_{m1}& r{}_{m2}& \cdots & r{}_{mn}\end{array}\right]=\\ (b{}_1,b{}_2,\cdots ,b{}_n)(18)\end{array}$

用权重ω将R中不同的行进行综合就得到被评事物从总体上看对等级的隶属程度,即模糊综合评价结果向量B。最后,对最终的水环境安全总体状况进行分析时,采用加权平均原则为:

$B{}^{*}=\frac{{\displaystyle \sum _{j=1}^n(}b{}_{j}j){}^2}{{\displaystyle \sum _{j=1}^n(}b{}_j){}^2}(19)$

式中:j 表示将各评价等级用1,2,,n代替,1代替“非常安全”,2代替“安全”,3代替“基本安全”,4代替“不安全”,5代替“极不安全”;bj表示各子集对不同评价等级的隶属度,即综合评价结果向量中的b1,b2,,bn;B*表示研究区域整体的水环境状况所在的评价等级,如B*介于两整数之间则代表整体的水环境安全状况介于相应的评价等级之间。

(1)单级模糊综合评价。

根据式(18),按照矩阵的运算法则,对各子集进行模糊综合评价,得到如下结果:

水资源条件:B1=(0,0.164 7,0.546 9,0.288 4,0);

水资源开发利用:B2=(0.017 8,0.370 2,0.221 7,0.267 5,0.122 9);

水环境污染:B3=(0,0.033 4,0.159 3,0.587 2,0.220 1);

水环境治理:B4=(0.057 4,0.551 4,0.313 1,0.045 0,0.033 0);

社会经济:B5=(0.081 6,0.244 0,0.174 9,0.406 6,0.093 1)。

(2)多级模糊综合评价。

第二层的模糊关系矩阵R由B1、B2、B3、B4、B5组成,模糊综合评价向量B=ωR=(0.021 1,0.217 6,0.221 0,0.394 6,0.145 6);总体的评价等级B*=3.55。

根据以上计算结果,通州区2010年水环境安全状况隶属于总体安全的程度为23.87%,隶属于总体基本安全的程度为22.10%,隶属于总体不安全的程度为54.02%,根据加权平均得到通州整体的水环境安全状况介于“基本安全”和“不安全”之间,所以通州区2010年的水环境状况处于偏不安全状态。

(3)评价结果对权重的敏感性分析。

权重的敏感性分析是指通过改变指标的权重,分析这种变化对评价结果产生的影响,从而找到最为敏感的参数,以便将注意力更有效地集中在问题的最关键部分,这对于水环境安全评价具有一定的现实意义。

针对通州水环境安全评价结果,考察当每个子系统的权重增大5%时,总体水环境安全评价结果的变化率情况,进而对各指标的敏感性进行分析。敏感性分析结果如表2所示。

由权重的敏感性分析结果可知,当各子系统的权重增加5%时,评价结果变化率分别为:变化最大的是水环境污染子系统1.12%,其次是水环境治理子系统-0.46%、水资源开发利用子系统-0.05%、社会经济子系统0.03%,变化最小的是水资源条件子系统-0.01%,由此认为各子系统权重变化对评价结果的影响较小。水环境污染子系统中最敏感的指标是:化学需氧量排放负荷u11;水环境治理子系统最敏感的指标是:工业废水达标排放率u16;水资源开发利用子系统最敏感的指标是:单位面积用水量u7;社会经济子系统最敏感的指标是:第三产业比重u26;水资源条件子系统最敏感的指标是:人均水资源量u2;上述指标对水环境安全评价结果有较大影响。相应的各子系统最不敏感的指标依次为:单位面积化肥使用量u10、森林覆盖率u19、水资源开发利用率u4、人口增长率u22、当地水资源可利用量u1。

3 结果分析及应对措施

26个指标中,“极不安全”隶属度为1的指标是:水功能区水质达标率;“不安全”和“极不安全”隶属度为1的指标是:劣于Ⅲ类河段比例、单位面积化肥使用量、第三产业比重、工业用水重复利用率、森林覆盖率。这6项指标的不安全程度均为1,是通州水环境安全的最大障碍。另外,化学需氧量排放负荷、灌溉水利用系数、氨氮排放负荷、人均水资源量隶属于偏不安全的程度分别为0.97、0.83、0.60、0.54,这4项指标也威胁着通州的水环境安全状况。

水资源条件指标集隶属于“基本安全”及以上状态的程度为0.711 6,水资源开发利用指标集隶属于“基本安全”及以上状态的程度为0.609 7,水环境污染指标集隶属于不安全状态的程度为0.807 3,水环境治理指标集隶属于“基本安全”及以上状态的程度为0.921 9,社会经济指标集隶属于不安全状态的程度为0.499 7,因而水环境污染、社会经济、水资源开发利用的相关方面是提高通州水环境安全的努力方向。

以上评价结果与通州区的实际情况基本相符,2010年,通州区人均当地水资源占有量563.4 m3/人,仅为我国人均水平的1/4,水环境整体状况不佳,25条主要河流的31个断面中,Ⅴ类及劣Ⅴ类水质断面24个;29个重点水功能区中,水质达标率为20.7%。具体指标的评价结果和实际的水环境状况对比分析如下:①通州区滨江临海,当地水资源相对缺乏,但缺水时依靠引长江水缓解其水资源供需矛盾,使得通州整体的水资源条件有所改善,但人均水资源量仍然偏低,评价也表明该指标处于偏不安全状态;水资源开发利用方面,通州的实际情况是工业设备以及农业灌溉技术相对落后,易造成水资源的浪费,评价结果显示工业用水重复利用率和灌溉水利用系数偏低,处于偏不安全状态;②通州水功能区水质污染情况比较严重,印染纺织、化工、金属制造等工业大量排污,污水处理设施有限,同时治污力度不够,高强度的化肥使用量和农村生活污水处理设施的缺乏,造成化学需氧量和氨氮排放超标,易导致河流的富营养化,评价结果显示水功能区水质达标率、劣于Ⅲ类河段比例、单位面积化肥使用量、化学需氧量和氨氮排放负荷5项指标处于不安全状态,反映了通州的实际情况;③虽然通州区第三产业增加值增长较快,但第三产业比重仍然偏低,2010年三次产业结构比例为7.95∶58.25∶33.80,所占比重最大的二次产业是通州区的支柱产业,其耗水量大排污量大的特点不利于通州的水环境安全,评价结果表明第三产业比重偏不安全,反映了这一特点;④通州区森林覆盖率偏低,2010年仅为20.1%,与日本等发达国家60%森林覆盖的差距很大,该指标的评价结果也是偏不安全。

为保障通州区的水环境安全,使水环境安全状况有所改善,根据评价结果,应采取的针对性措施如下。

(1)根据水资源条件及开发利用子系统的评价结果,人均水资源量偏不安全,在实际工作中需继续引用过境水以增加人均水资源量,同时提高供水能力保障用水,针对工业用水重复利用率和灌溉水利用系数偏不安全,应通过改进工艺流程、淘汰落后设备等提高工业用水重复利用率,改进灌溉技术如采用管道输水等方式减少田间损失,增加灌溉水的有效利用。

(2)根据水环境污染子系统的评价结果,水功能区水质达标率、劣于Ⅲ类河段比例等5项指标不安全,应从两个方面来控制:①通州区工业高耗水高污染企业比重较大,应严格控制污染物排放,实施排污许可制度;加大治污力度,如加快建设工业废水和城镇污水集中处理设施,完善排水管网等,严格执行废水达标排放制度以改善水质,提高水功能区水质达标率。②减少农药、化肥的使用以改善农业面源污染的状况,如适当调整农业种植结构,鼓励使用有机肥以及政府支持开发新型农业生物技术等。

(3)根据社会经济子系统的评价结果,第三产业比重安全度偏低,应合理调整产业结构,提高第三产业比重,加快发展速度,扩大发展规模,调整行业内部发展规划,抑制高耗水高排污工业的过快过大发展,以减少用水及排污;根据水环境治理子系统的评价结果,森林覆盖率安全度偏低,应加大森林资源保护力度,实施退耕还林,改善水环境。

4 结 语

本文采用模糊综合评判法对通州区水环境安全进行评价,建立的因素集包含水资源条件、水资源开发利用、水环境污染、水环境治理、社会经济水平等5个评价子集共26个指标,根据评价结果,通州区水环境处于不安全状况的概率为54.02%,对水环境安全影响最大的指标是水域水功能区水质达标率、劣于Ⅲ类河段比例、第三产业比重、工业用水重复利用率、单位面积化肥使用量、森林覆盖率。这是改善通州水环境状况最应努力的方向,针对评价结果采取相应的水环境治理措施,使水环境系统的功能得到充分合理的发挥,实现水生态系统与人类社会的可持续发展。

摘要：为掌握区域水环境状况,保障流域水环境安全并协调社会经济发展与水环境的关系,采用模糊综合评判法对通州区进行水环境安全评价,结果表明,通州区水环境处于偏不安全状态,其主要影响因子是:水域水功能区水质达标率、劣于Ⅲ类河段比例、第三产业比重、工业用水重复利用率、单位面积化肥使用量和森林覆盖率。针对上述问题提出了相应的防治措施。

模糊环境 第9篇

基于目标的移动机器人路径规划是指机器人在已知目标的情况下,自动地避开障碍物到达目标[1]。早期移动机器人采用感知、建模、规划、执行(SMPA)的分级组织结构,其实时性较差[2]。局部路径规划根据机器人传感器实时获得的机器人所在位置附近的局部环境信息,在对全局信息完全未知的情况下进行路径规划[3],典型方法有:人工势场法[4]、行为控制法[5]、栅格法等[6]。其中,行为控制方法具有较强的实时性,计算量小,能实现多种复杂功能,近几年得到了广泛的应用,例如 Rocky7 系列火星探测车的避障就采用行为控制方法。行为控制是一种重要的智能控制方法,基本行为是感知和执行的基元。

机器人的行为可以分为两大类:反应型和慎思型。①反应式行为是一种“激励响应”行为,不需要规划过程,响应时间短。Rodney Brook提出的包容结构就是典型的反应范式,行为按照能力的等级进行分层,位于较高层次的行为可以覆盖相邻低层次的行为输出。②慎思式行为是可学习的、有意识的行为,它是将规划加入到反应式中,使得机器人具有记忆和推理能力,但其实现复杂、要求高、速度慢,要获得实时性有较大困难。

本研究采用激光雷达作为探测环境的主要传感器,利用模糊逻辑控制器对环境进行建模,采用两个行为控制策略获得机器人前进方向和速度,使机器人以最小风险快速地到达目标点。

1 实时环境特征信息

本研究采用二维激光雷达作为主要的环境感知传感器,其探测范围是前方180°范围内的环境信息,每0.5°一个距离数据,数据量大,不利于数据的实时传输。因此,可以将数据进行压缩,压缩率的大小取决于环境建模的精度和实时处理速度的折衷。本研究中,每5°压缩为一个数据,共37个数据,这样基本可以反映机器人前方的环境,同时有利于实时传输和控制[7]。

传感器方向模型如图1所示。图1中,O点为机器人位置,A1、A2、等方向作为机器人前进方向,扇形区域OB0B1、OB1B2、等为37个区域,取每个扇形区域中最近障碍物距离值作为这个方向的障碍物距离信息。

1.1 安全因子

根据障碍物与机器人的距离远近和方位,定义了障碍物的安全因子α,如图2所示。

安全因子表示了障碍物与机器人发生碰撞的几率大小,碰撞几率越大,则其安全因子越小。障碍物离机器人的距离越远、方位偏差越大,则其安全因子越大。显然,θ对安全因子的影响左右对称,故只需考虑单边。

现设:①距离信息模糊为4个集合:很近(VN)、近(N)、远(F)、很远(VF);②角度信息模糊为3个集合:零(Z)、小(S)、大(B);③安全因子模糊α为4个集合:很小(VS)、小(S)、大(L)、很大(VL)。

成员函数如图3所示。

控制器采用Mamdani模型,模糊规则如表1所示。对于表1中(3,3)单元,其模糊规则如下:如果d是F并且θ是PB或者NB,则α是VL。从表1中可以看出,距离是决定安全因子的主要因素。对于表1中第1行解释为:当机器人与障碍物距离非常近时,不管其方位如何,都很容易发生碰撞,安全因子很小。第4行解释为:当机器人与障碍物距离非常远时,不管其方位如何,都很不容易发生碰撞的,安全因子很大。距离适中时,要适当考虑偏离角度的影响,显然这与人日常生活的实际经验相符。这样就能根据安全因子来选择安全路径,避开障碍物。

1.2 趋向因子

根据机器人与目标点的方位和距离远近,定义了目标点的趋向因子β,如图4所示。

定义θ'=θ-θgoal,则θ'绝对值越大,越偏离目标方向。趋向因子表示了机器人在朝某个方向运动时到达目标点的难易程度,越容易到达,则其趋向因子越大。显然θ'绝对值越小和距离d越近,则其趋向因子越大,当θ'绝对值大于90°时,表明机器人背离目标前进,需要对此进行惩罚,此时趋向因子为负。为简化分析,令θ'绝对值为90°时,趋向因子为零,并按对称奇分布,故只需考虑0°~90°之间。

现设:①角度信息模糊为3个集合:零(Z)、小(S)、大(B);②距离信息模糊为3个集合:很近(VN)、近(N)、远(F);③趋向因子模糊β为4个集合:很小(VS)、小(S)、大(L)、很大(VL)。

成员函数如图5所示。

控制器采用Mamdani模型,规则如表2所示。对于表2中(1,3)单元,其模糊规则如下:如果d是VN并且θ'是B,则β是S。从表2中可以看出,角度是决定趋向因子的主要因素。这样就能根据趋向因子来选择较短路径,快速到达目标点。

1.3 机器人方向的选择

移动机器人可行的方向可能有多个,对于目标导向的移动机器人,可以定义一个代价函数来评价各个候选方向,以选择最合适的候选方向。本研究定义代价函数为:

g(θ)=μαα+μββ (1)

式中 α安全因子;β趋向因子;μα,μβ系数,其值与当前环境特征信息有关。

计算每个可选方向的g(θ),选取最大值的方向作为移动机器人下一个时刻的方向,通过调整μα和μβ的比值,可以使机器人表现出不同的行为。μα更大时,机器人表现出以避障为主的行为,而μβ更大时,则表现出以目标为导向的行为。

通常情况下,系数是定值[8],这样机器人就不能根据环境的变化采用不同的策略行为,本研究根据自由出口来实时改变系数,使机器人表现出更高的智能,选择更有效的路径。

2 行为设计

根据机器人与障碍物、目标点的位置关系,机器人行为分为两类:路径搜寻行为和避障行为。因采用固定优先级,避障行为优先级较高。其总的原则是:当机器人远离目标和障碍物时,机器人全速前进;当机器人四周布满障碍物时,使机器人远离障碍物曲折前进;当其将与障碍物发生碰撞时,使其远离障碍物运动。

这样机器人在运动过程中,将尽量远离障碍物,使其发生碰撞的概率降低,提高其鲁棒性,同时也能以较快速度到达目标点。

2.1 路径搜寻行为

根据代价函数和规划总原则,需对系数μα和μβ进行优化,为此引入自由出口的概念。自由出口是激光雷达传感器感知范围内连续无障碍物的自由区域。

如图6所示,A、B、C、D、E、F和G是障碍物,a、b、c和d是障碍物之间的空隙。b和c之外无障碍物,它们就是自由出口。a和d后面对应有障碍物B和F,其中B与其前面A和C的距离为d1,F对应为d2。当障碍物前后距离很近时,机器人难于通过此空隙,只有其距离较大时,机器人才易于通过,这时才可认为其为自由出口,此时距离定义为临界距离d0。图6中,d1距离小于d0,故a不是自由出口;而d2大于d0,d为自由出口。

有了自由出口的概念,就可以得到37个扇型区域中自由出口数n。根据n,就可以决定机器人是以目标为导向,还是以避障为导向。当n很小时,机器人必须尽快地离开障碍物包围圈,从为数很少的出口逃脱,所以这时应以避障为主。相反当n很大时,有许多出口可以逃脱障碍物包围圈,所以这时应以目标为导向。采用模糊逻辑来定μα,n取值范围为大于等于1,当n大于10时,都取n为10。

现设:①n模糊为3个集合:很小(VS)、小(S)、大(L);②μα也模糊为3个集合:很小(VS)、小(S)、大(L),其成员函数如图7所示,其模糊规则如表3所示,对第1列解释为:如果n是VS,则μα是L。

这样就根据代价函数得到机器人下一步前进的方向θ,其运动速度则由前方障碍物距离决定,障碍物远时速度慢,障碍物近时速度快。

2.2 避障行为

当障碍物进入激光雷达的报警区域时,避障行为被激发,此时机器人先后退,然后更新激光雷达数据,令μα=1和μβ=0,这样根据代价函数,能获得前进方向,运动速度为最低速度。

3 仿真实验

为了验证此模糊路径规划方法,本研究采用Matlab作为开发语言。模拟走廊实验如图8所示。

实验过程中,机器人表现出很强的智能,轨迹平滑,转弯合理,实现了实时有效避障。机器人首先朝向目标前进,随着接近障碍物1,安全因子减小,机器人转向下方,到达P1点激发避障行为。机器人接着表现出“沿墙行走行为”。P2位置和P3位置间,机器人朝向T前进,P3P4P5段也表现出“沿墙行走行为”,最后在P5发现目标点,以直线前进,到达目标T点。

4 结束语

本研究基于行为控制策略,结合模糊推理算法,以二维激光雷达作为探测环境的主要传感器,针对移动机器人设计了一种实时避障算法,并且根据安全因子、趋向因子和自由出口得到了机器人的运动方向。

仿真实验结果表明,该算法具有很强的智能,机器人轨迹平滑、实时性好。

摘要：针对机器人在未知环境下避障的要求,设计了一个结合目标点位置信息和局部障碍物信息的评价函数实时导航算法,使机器人可以在无碰撞的情况下较快地到达目标点。该算法以二维激光雷达作为探测环境的主要传感器,采用基于行为的控制策略及模糊控制器技术,通过添加自由出口提高其路径搜寻的效率,最后为了验证此模糊路径规划方法进行了仿真实验。仿真实验结果表明,该算法具有良好的效果,机器人可以有效避障,且轨迹平滑、实时性好。

关键词：路径规划,行为,模糊控制,激光雷达

参考文献

[1]HUHD J,PARKJ H.Path Planning and Navigation for Au-tonomous Mobile Robot[C]//IEEE 28th Annual Conferenceof the Industrial Electronics Society.Sevilla:IEEE Press,2002:1538-1542.

[2]SERAJI H,HOWARD A.Behavior-based robot navigationon challenging terrain:A fuzzy logic approach[J].IEEETransactions on Robotics and Automation,2002,18(3):308-321.

[3]朴松昊,洪炳熔.一种动态环境下移动机器人的路径规划方法[J].机器人,2003,25(1):18-21.

[4]MASOUD A A,MASOUD S A.Motion Planning in thePresence of Directional and Obstacle Avoidance ConstraintsUsing Nonlinear,Anisotropic,Harmonic Potential Fields[C]//Proceedings of the IEEE International Conference onRobotics&Automation.San Francisco:[s.n.],2000:2944-2951.

[5]BROOKS R A.A robust layered control system for a mobilerobot[J].IEEE Journal of Robotics and Automation,1986,2(1):14-23.

[6]ELFES A.Sonar-based real-world mapping and navigation[J].IEEE Journal of Robotics and Automation,1987,3(3):249-265.

[7]CANG Ye,BORENSTEINJ.Characterization of A2D LaserScanner for Mobile Robot Obstacle Negotiation[C]//IEEEInternational Conference on Robotics and Automation.Washington DC:[s.n.],2002:2512-2518.

模糊PID控制在温室环境中的应用 第10篇

当前, 温室环境参数控制方法很多[1,2], 且大部分控制方法都需要建立比较精确的数学模型, 但温室内的环境参数变化属于非线性的物理过程, 无论哪种方法一般都要进行一些理想化的假设, 因此建立的模型精度受到一定的影响;而模糊控制技术根据人的思维的模糊性, 建立模糊逻辑调节器, 不需要建立精确的数学模型, 解决多变量非线性系统的问题具有明显的优点[3]。在本系统中, 结合常规PID控制具有的算法简单、鲁棒性能好和可靠性高等优点, 利用模糊PID控制实现温室环境参数的控制[4]。

模糊PID控制由模糊控制器本身消除稳定误差的性能较差, 加入PID调解器可以提高消除稳定误差性能的作用。在控制策略上, 当偏差比较大时, 即偏差e在某个阀值之外, 系统采用模糊控制, 以获得良好的瞬态性能;当偏差在比较小的范围内 (即偏差e在阀值之内) 时, 则转换为PID控制, 从而获得良好的稳态性能。

1 模糊PID控制原理

模糊控制的基本原理由图1所示, 其核心部分为模糊控制器[5]。模糊控制器的控制规则由计算机的程序实现, 通过采样获得被控制量的精确值, 然后将此量与给定值比较得到误差E[6,7]。误差信号E作为模糊控制器的输入量, 把误差信号E的精确值进行模糊化变成模糊量, 误差E的模糊量可用响应的模糊语言表示。至此, 得到了误差的模糊语言集合的一个子集e, 再由e和模糊控制规则R根据推理合成规则进行决策, 得到模糊控制量u为

u=eR (1)

常规PID控制[8]具有算法简单、鲁棒性能好、可靠性高等优点, 但存在调整不方便、抗干扰能力差、超调量大等缺点。在模糊控制系统中, 考虑到模糊控制器实现的简易性和快速性, 通常采用二维模糊控制器结构形式。PID的本质是线型控制, 而模糊控制具有智能性, 属于非线型领域, 因此将模糊控制与PID结合将具备两者的优点。基于此, 本文提出了模糊PID控制算法。

运用模糊数学的基本理论和方法, 把规则的条件和操作用模糊集表示, 并把这些模糊控制规则以及有关信息作为知识存入计算机知识库中。计算机根据控制系统的实际响应情况, 运用模糊推理, 自动实现对PID参数的最佳调整, 这就是模糊PID控制。其系统框图如图2所示。

模糊PID控制算法需要找出PID的3个控制参数:比例系数kp、积分系数ki、微分系数kd与误差e和误差变化ec之间的模糊关系。运行中, 通过不断检测e和ec, 根据模糊控制原理来对3个参数进行在线修改, 以满足不同e和ec对控制参数的不同要求, 从而使被控对象有良好的性能。

2 模糊PID控制器的设计

模糊PID是在PID算法的基础上, 通过计算当前系统误差e和误差变化率ec, 利用模糊规则进行模糊推理, 并通过查询模糊表进行参数调整。模糊PID控制的核心是总结设计人员的技术知识和实际操作经验, 建立合适的模糊规则表, 得到针对3个参数分别整定的模糊控制表。

2.1 输入输出精确量的模糊化

模糊控制器选用二维输入和三维输出。本系统对输入量e, ec和输出量Δkp, Δki, Δkd的模糊语言描述定义如下。

描述输入变量e, ec和输出变量Δkp, Δki, Δkd的语言值模糊词集为{负大, 负中, 负小, 零, 正小, 正中, 正大}。对应用英语单词首字母缩写为

{NB, NM, NS, ZO, PS, PM, PB} (2)

其中, N=Negtive, B=Big, M=Middle, S=Small, O=Zero, P=Positive;NB, NM, NS, ZO, PS, PM, PB分别表示负大、负中、负小、零、正小、正中和正大。

e, ec, Δkp, Δki, Δkd分别具有一定的实际变化范围, 即变量的基本论域。其中, 偏差E和偏差变化量EC的范围为[-3, +3], 参数kp, ki, kd的变化范围分别为[-3, +3]。论域划分为

E={-3, -2, -1, 0, 1, 2, 3}

EC={-3, -2, -1, 0, 1, 2, 3}

kp={-3, -2, -1, 0, 1, 2, 3}

ki ={-3, -2, -1, 0, 1, 2, 3}

kd={-3, -2, -1, 0, 1, 2, 3}

模糊子集为

E={NB, NM, NS, O, PS, PM, PB}

EC={NB, NM, NS, O, PS, PM, PB}

kp={NB, NM, NS, O, PS, PM, PB}

ki ={NB, NM, NS, O, PS, PM, PB}

kd={NB, NM, NS, O, PS, PM, PB}

量化因子为 HE= HEC = Hkp =Hki= Hkd=1。

为减小在线的计算量和在线调整的适应性的要求, 输入变量和输出变量的隶属度函数选择为三角形, 如图3所示。

2.2 模糊规则的建立

一般来说, 模糊控制规则实际上是总结有经验的操作者或专家的控制知识经验, 制定出的模糊条件语句的集合, 通常简写成一个表, 即模糊控制规则表。确定模糊控制规则的原则必须是系统输出响应的动静态特性达到最佳。当误差大或较大时, 选择控制量以尽快消除误差为主;当误差较小时, 选择控制量要防止超调, 以系统的稳定性为主要出发点。模糊控制可根据PID控制规律, 按照一定的规则调整控制参数, 提高控制性能。

经过总结可得到对kp, ki, kd整定的模糊控制规则表, 如表1和表2所示。

2.3 模糊推理

模糊逻辑推理以模糊判断为前提, 利用模糊语言规则, 推导出一个近似的模糊判断结论。在模糊控制系统中, 根据有经验的操作者或者领域专家的经验制定出模糊控制规则, 并进行模糊逻辑推理, 以得到一个模糊输出集合 (即一个新的模糊隶属函数) , 这一步称为模糊规则形成和推理。其目的是用模糊输入值适配控制规则, 为每个控制规则确定其适配的程度, 并且通过加权计算合成那些规则的输出。

本系统中, 把一个二维输入、三维输出的系统看成是3个二维输入和一维输出的系统, 即输入分别为E和EC, 输出分别为kp, ki, kd, 得知规则模型后进行模糊推理, 求解kp, ki, kd等3个控制表。由于3个控制表的过程一样, 就以kp为例进行分析。对单个系统而言, 总的模糊关系为

R=R1∪R2∪∪R49 (3)

对应每一个模糊关系为R=EECU。其中, U为输出量。应用模糊推理合成规则, 输出语言变量论域上的模糊子集为U= (EEC) R。

对于二维输入单输出的模糊控制系统, 其控制规则的推理采用如下方法:

if E=Ei and EC=ECj then kp=kpij (4)

其中, i=1, 2, , m;j=1, 2, , n;E, ECj, kpij分别是定义于E, EC和kp的模糊集。

模糊关系R可表示为

R=Uij (EiECj) kpij (5)

如果偏差和偏差变化率分别为E和EC, 则模糊控制器控制量的变化可由模糊推理合成规则得出

Kp= (EEC) R (6)

根据上述公式, 就可以得出kp的调整表。由kp模糊规则集模型, 可得下列控制规则

if E=NB and EC=NB then Kp=PB

if E=NB and EC=NM then Kp=PB

if E=NB and EC=NS then Kp=PB

if E=NB and EC=O then Kp=PB

if E=NB and EC=PS then Kp=PM

if E=NB and EC=PM then Kp=PS

if E=NB and EC=PB then Kp=O

根据式 (6) 求解参数kp, 即

Kp1=[0 0 0 0 0.2 0.5 1]

Kp2=[0 0 0 0 0.5 0.6 1]

同理, 根据上述求解过程, 可以求得ki和kd的参数值。

2.4 去模糊

通过模糊推理得到的结果是一个模糊集合 (即模糊控制器的输出为一个模糊集) , 但实际模糊控制系统所得到的控制输出信号必须是模糊论域中的精确量。因此, 模糊控制器经过推理后的模糊输出集合必须经过去模糊化处理后, 转化为模糊控制器的输出量, 再乘以量化因子得到被控系统实际控制量的具体数值。把模糊量转化为精确量的过程叫做模糊决策、清晰化或去模糊。权系数加权平均法的执行量umax公式为

undefined (7)

其中, 权系数ki的选取要根据实际情况来决定, 其选取直接影响着系统响应特性。

本系统中, 选用系数加权平均法进行去模糊处理, 得到结果如表4、表5和表6所示。

上述得到的模糊PID的3个模糊调整表是模糊控制算法的核心, 将其写入程序存储器以供查询。参数kp, ki, kd的调整公式为

undefined

(8)

其中, 参数kp0, ki0, kd0是K′p, K′i和K′d的初始参数。

在线运行过程中, 通过微机测控系统不断检测系统的输出响应值, 并实时地计算出偏差和偏差变化率, 然后将它们模糊化得到E和EC, 通过查询模糊调整矩阵即可得到3个参数对应的调整量, 完成对控制器参数的调整。

3 结论

1) 在Matlab模糊逻辑工具箱中, 建立模糊推理系统。其中, 输入端为e和ec, 输出端为给定PID模糊控制器下的3个参数Kp, Ki和Kd, 分别输入隶属函数和论域区间, 并以ifandthen的形式输入模糊控制规则, 运行之后得到图4和图5所示的曲线。

2) 从仿真试验结果可以看出, 模糊PID控制算法的阶跃响应曲线很快趋于稳定, 没有出现较大的超调。本系统的各项性能指标比较好, 遇到干扰也可以进行自我调整, 具有一定的自适应性。

3) 模糊PID控制器具有很好的跟随性能和稳定性, 通过Matlab进行控制算法的仿真, 表明了模糊PID控制的优越性和可用性。

摘要：目前大部分温室控制方法都需要建立比较精确的数学模型, 但温室内参数变化的非线性特性使建立的模型精度受到一定的影响;而模糊控制技术不需要建立精确的数学模型, 解决多变量非线性系统具有明显的优点。为此, 针对温室环境的多变量、非线性和难建模等特性, 将模糊控制与PID控制的优势相结合, 实现了对温室环境参数的有效控制。该系统的各项性能指标良好, 遇到干扰可以进行自我调整, 具有一定的自适应性。仿真结果表明, 模糊PID控制算法不但简单实用, 而且响应速度快, 超调量小, 控制效果良好。

关键词：温室,模糊PID,仿真,控制

参考文献

[1]李锡文, 杨明金, 杨仁全.现代温室环境智能控制的发展现状及展望[J].农机化研究, 2008 (04) :9-12.

[2]张晓文, 杨仁全, 周增产, 等.温室环境智能控制系统的研究与开发[J].农机化研究, 2005 (1) :147-149.

[3]杨枢, 葛继忠, 赵世付.棚室环境智能控制系统的研究[J].安徽农业科学, 2002, 30 (1) :7-10.

[4]金宗华, 张龙茁, 李远昌, 等.利用模糊系统的自适应模糊控制器[J].控制工程, 2008, 9 (5) :572-575.

[5]齐京礼, 边永青, 郑伟平, 等.基于自适应模糊PID控制器的温度控制系统[J].微计算机信息, 2008, 24 (9) :74-76.

[6]蒋辉, 王会强, 蒋云飞, 等.基于模糊控制的温室环境调控系统[J].河北农业大学学报, 2008, 31 (3) :108-111.

[7]刘曙光, 魏俊民, 竺志超.模糊控制技术[M].北京:中国纺织出版社, 2001.

模糊环境 第11篇

1 水土流失预测

1.1 水土流失预测时段划分

根据本研究的项目工程特点, 采矿方式为井采, 矿山服务期间工业场地、矿区道路等区域都不再扰动地表。因此这些区域水土流失预测时段到基建施工期结束;对于废石场、干尾矿堆场等在矿山开采期间仍将扰动的区域, 预测到方案服务期。考虑到林草恢复期水土流失量仍比较大, 水土流失各分区预测时段均考虑采取植物措施后延长1 a, 即工业场地、矿区道路预测时段取3 a, 废石场、干尾矿堆场预测时段取11 a。

水土流失预测范围及预测时段见表1。

1.2 土壤侵蚀模数预测

通过对地形、地貌、土壤、植被的调查, 根据《土壤侵蚀分类分级标准》中关于面蚀分级指标体系, 确定土壤侵蚀模数为500 t/ (km2a) 。

本方案土壤侵蚀强度在水土流失现状调查的基础上, 结合工程建设中各类工程对土地的扰动和破坏程度, 分析各区的水土流失特点, 采用类比法分项进行确定。

拟将广东省韶关市大宝山矿水土流失调查资料作为类比分析资料。大宝山矿水土流失调查结果见表2, 本工程与类比工程可比性对照见表3, 各分区侵蚀强度见表4。

t/ (km2a)

t/ (km2a)

2 水土流失量预测

2.1 可能造成的水土流失量

根据扰动原地貌面积、扰动原地貌前后土壤侵蚀模数的变化, 运用下式计算新增水土流失量[1]。

式中:W扰动原地貌后各地表分区新增水土流失量 (t) ;

Fi第i块扰动地表区的面积 (km2) ;

Mi扰动后第i块地表区的侵蚀模数 (t/km2a) ;

M0扰动区第i块地表区的侵蚀模数 (t/km2a) ;

Ni第i块地表区的预测年限 (a) 。

通过施工期和植被恢复期的水土流失预测, 本工程建设水土流失预测总量共计4.06万t, 新增水土流失量3.94万t.

项目区水土流失预测总量见表5。

参照南方丘陵区容许土壤流失量[2]1 000~1 200t/km2a, 以及《开发建设项目水土流失防治标准》GB50434-2008中的土壤流失控制比一级标准值 (施工期) 控制土壤流失量。

土壤流失控制比标准值 (施工期) 见表6。

参照《开发建设项目水土流失防治标准》GB50434-2008中的土壤流失控制比的一级标准, 建立土壤流失量新标准。

以土壤流失总量为指标的新标准见表7。

根据AHP层次分析法确定权重, 得出水土流失比较数据表。

水土流失比较数据见表8。

t/ (km2a)

最后采用插值法计算生态环境总体得分。

生态环境总体得分见表9。

2构建新隶属函数及评价计算

针对多个环境影响因素以及污染因子的累积效应, 参考文献[3]对分段性隶属函数构造方法的阐述, 在一般隶属函数式中, 引入正弦函数来突出环境的累积效应, 构建新的隶属函数。

式中:xi一级因素i的得分;

Sij (1) 、Sij (2) i的第j (j=1, 2, , m)

个级别的下限标准值和上限标准值;

Sij (1) i第m个级别的下限标准值;

Sij (2) i第m个级别的上限标准值。

若上式结果出现负值, 则视为0, 因为隶属函数值不能为负。

根据环境影响因子监测预测值, 并经过构建函数计算污染累计效应对环境的影响, 采用插值法算出一级环境影响因子得分为45.0。

根据一级因素集以及已建立的一级环境元素权重集和评语集[4,5,6,7,8], 表明生态环境质量得分为“差”。

3 结论

通过建立预测函数, 来定量化地给出生态因素值, 并通过构建新的隶属函数, 建立权重集与评语集, 评价出生态环境因素的得分, 并提出生态环境质量数学评价模式。

(1) 在环境影响数学模型下, 提出了通过AHP法确定生态环境影响因子的权重。

(2) 基于模糊数学建立了能够对生态环境质量进行了量化处理的方法。

摘要：针对我国矿山开发环境问题面临的困难以及环境评价因素较多的现状, 尝试对生态环境进行评价, 并基于模糊数学理论构建出新方法及定量化计算结果。在环境影响的数学模型下, 提出了通过AHP法确定生态环境影响因子的权重及对生态环境质量进行量化处理的方法。

关键词：环境数学模型,AHP法,模糊数学

参考文献

[1] 张敏亭.浅谈水土流失预测的常用计算方法[J].科技资讯, 2007, (35) :244.

[2] 李兰, 周忠浩, 刘刚才, 等.容许土壤流失量的研究现状及其设想[J].地球科学进展, 2005, 10 (20) :1 127-1 134.

[3] 闻博, 李宏光.非线性模糊规划中分段线性隶属函数的构造方法[J].化工学报, 2011, 62 (8) :2 259-2 264.

[4] 唐建新, 徐宁霞, 康钦容, 等.模糊综合评判在矿山地质环境中的应用[J].重庆大学学报, 2010, 33 (5) :145-150.

[5] 何忠明, 付宏渊, 秦艳琪, 等.基于变权重二级模糊综合评判的岩溶区路域水环境分类[J].中南大学学报 (自然科学版) , 2012, 43 (2) :702-708.

[6] 孙忠为, 陈建华, 贾铭椿, 等.模糊综合评判密闭环境空气质量的方法研究[J].化学工程, 2008, 36 (6) :61-63.

[7] 吴应淑, 刘鑫.模糊综合评判在达州市环境空气质量评价中的应用[J].四川环境, 2011, 30 (5) :63-66.