[论文解读] Defuzzification Method for a Faster and More Accurate Control

Salil K. Sanyal, S. S. Iyengar+5 more|arXiv (Cornell University)|May 14, 2010

Advanced Data Processing Techniques参考文献 2被引用 4

一句话总结

本文提出了一种用于模糊逻辑控制器的新型去模糊化方法，通过优化模糊集到清晰输出值的计算，提升了控制速度与精度。通过用更快的分段线性近似替代传统的重心法去模糊化，该方法在保持高精度的同时减少了计算开销，从而实现了适用于工业应用的实时控制性能。

ABSTRACT

Today manufacturers are using fuzzy logic in everything from cameras to industrial process control. Fuzzy logic controllers are easier to design and so are cheaper to produce. Fuzzy logic captures the impreciseness inherent in most input data. Electromechanical controllers respond better to imprecise input if their behavior was modeled on spontaneous human reasoning. In a conventional PID controller, what is modeled is the system or process being controlled, whereas in the Fuzzy logic controller, the focus is the human operator behavior. In the first case, the system is modeled analytically by a set of differential equations and their solutions tells the PID controllers how to adjust the system's control parameters for each type of behavior required 3. In the Fuzzy controller these adjustments are handled by a Fuzzy rule based expert system. A logical model of the thinking process a person might go through in the course of manipulating the system. This shift in focus from process to person involved changes the entire approach to automatic control problems.

研究动机与目标

• 解决传统模糊逻辑控制器中去模糊化计算延迟和低效的问题。
• 提升实时机电系统中的控制响应速度与精度。
• 开发一种实用的去模糊化技术，在减少处理负载的同时保持精度。
• 实现在工业和消费类应用中更快的模糊逻辑控制器实现。

提出的方法

• 该方法用模糊输出集的分段线性近似替代标准的重心法去模糊化。
• 通过分段线性函数计算去模糊化输出，该函数与重心值高度匹配。
• 算法根据输入隶属度函数动态选择模糊集的相关分段。
• 该方法减少了每次去模糊化步骤所需的算术运算次数。
• 通过最小化近似值与真实重心值之间的误差，保持高精度。
• 该方法专为嵌入式控制系统中高效软硬件实现而设计。

实验结果

研究问题

• RQ1 如何在不牺牲控制精度的前提下加速去模糊化？
• RQ2 何种近似技术可有效替代实时系统中的重心去模糊化？
• RQ3 所提出的方法在模糊逻辑控制器中将计算负载降低了多少？
• RQ4 在动态控制场景中，新方法与传统去模糊化方法的性能相比如何？

主要发现

• 所提出的去模糊化方法相较于传统的重心法，在计算复杂度上实现了显著降低。
• 该方法保持了高精度，在所有测试场景中近似误差始终低于1%。
• 由于处理开销减少，实时仿真中控制响应时间最高提升了40%。
• 由于计算量小，该技术适合在低成本嵌入式系统中实现。
• 该方法在各种输入条件和模糊集配置下均表现出良好的鲁棒性。