交通灯的模糊控制器设计.docx

交通灯的模糊控制器设计.docx

《交通灯的模糊控制器设计.docx》由会员分享，可在线阅读，更多相关《交通灯的模糊控制器设计.docx（45页珍藏版）》请在冰点文库上搜索。

交通灯的模糊控制器设计

摘要******************************************************************2

绪论******************************************************************3

一、模糊控制基础******************************************************5

（一）模糊数学基础************************************************5

（二）模糊控制系统*************************************************6

二、模糊控制器的设计***************************************************11

（一）模糊控制器的结构*******************************************11

（二）模糊控制器的结构设计***************************************13

三、交通灯的模糊控制器设计与分析**************************************16

（一）系统设计***************************************************16

（二）模糊控制器的实现*******************************************20

致谢*****************************************************************23

参考文献*************************************************************24

科技英文翻译原文*****************************************************25

科技英文翻译译文*****************************************************30

交通灯的模糊控制器设计

蔡培淳

【摘要】交通灯的控制是城市交通系统中一个重要的问题。

本文探讨了一种采用模糊规则控制的交叉路口交通灯系统。

首先在交叉点和车道上设置流量检测器得到路口的交通数据，然后运用两输入单输出的模糊模型，对被控对象的输入量及输出量进行了具体的模糊化，并根据模糊集合理论的计算结果得出了精确的模糊控制表。

实际应用时，根据输入量的不同组合进行查表来求出控制量的大小。

在此基础上提出了以单片机实现模糊控制器的硬件框图和程序流程图。

【关键词】模糊控制交通灯控制模糊集合隶属度

ANDESIGNOFTRAFFICLIGHTSFUZZYCONTROLLER

TianjinUniversityofTechnologyandEducation

CaiPeichun

Abstract:

Thecontrollingoftrafficlightsisanimportantaspectincitytrafficsystem.Inthispaper,anewfuzzycontrolmethodoftrafficlightsispresented.First,thetrafficdatawasobtainedbythefluxdetectorsetatthecrossroadsandroads,thenthefuzzymodelforthetwoinputsandsingleoutputwasusedtomaketheinput-outputquantitytobefuzzification.Onthebasisoffuzzysettheory,theaccuratefuzzycontrollistforthetrafficlightswasobtained.Inthepracticalapplication,thecontrolquantitycanbegotthroughcheckingtherelatedlist（dependedupontheinput）.Onthebasisoftheabovestudies,thehardwareblockdiagramofthefuzzycontrolleranditsprogramflowchartsweregiven.

Keyword:

Fuzzycontrol,Trafficlightscontrol,Fuzzymuster,Membership

绪言

模糊控制是近代控制理论中建立在模糊集合理论基础上的一种基于语言规则与模糊推理的控制理论，它是智能控制的一个重要分支。

20世纪中叶以来，在科学技术与工业生产的发展过程中，自动控制理论与技术的发展发挥了巨大的作用，并取得了另人满意的控制结果，是现代高新技术的重要手段之一。

常规控制的基本特点是：

对于控制器的设计，都要建立在被控对象的精确数学模型基础上，但是，在许多情况下，被控对象（或生产过程）的精确数学模型很难建立。

例如有些对象难以用一般的物理和化学方面的规律来描述；有的影响因素很多，而且相互之间又有交叉偶合，使其模型十分复杂。

在这些模型方程中，含有众多的参数需要估计，求解这些参数却往往缺少足够的信息量与信息特征；简化后的数学模型不能准确地说明原来的系统，以至于没有实用价值；还有一些生产过程缺乏适当的测试手段，或者测试装置不能进入被测试区域，致使无法建立过程的数学模型。

而且，随着科学技术的迅猛发展，目前研究的控制系统更多的涉及多变量、非线性、时变的大系统，建立数学模型是非常困难的，或者是根本不可能的，系统的复杂性与控制技术的精确性形成了尖锐的矛盾。

于是，传统的控制理论和技术面临着新的控制要求的挑战。

正如L.A.Zadeh指出：

当系统日益复杂，人们对它的精密而有意义的描述的能力将相应地降低，以至达到精密与有意义几乎相互排斥的地步。

要想精确地描述复杂现象和系统的任何现实的物理状态，事实上是办不到的。

虽然常规自适应控制技术可以解决一些问题，但范围依然有限。

上述情况迫使人们在控制系统的精确性与有意义之间寻求某种平衡和折中，而使问题的描述具有实际意义。

另一方面，人们注意到，对于很多复杂的、多因素影响的生产过程，即使不知道该过程的数学模型，有经验的操作人员也能够根据长期的实践观察和操作经验进行有效的控制，而采用传统的自动控制方法效果却并不理想。

人的经验参与控制过程的成功，激发了人们对控制原理的深入研究。

这种原理是以能包含人类思维的控制方案为基础，而且反映人类经验控制过程的知识，以及可以达到的控制目的能够利用某种形式表达出来，同时还很容易被实现。

这样的控制系统避免了那种精密、反复、有错误倾向的模型建造过程，又避免了精确地估计模型方程中各种参数的过程。

在多变量、非线性、时变的大系统中，人们可以采用简单灵活的控制方式，于是就产生了一个问题：

能否把人的操作经验总结为若干条控制规则，并设计一个装置去执行这些规则，从而对系统进行有效的控制？

模糊控制理论与技术由此应运而生，这就是模糊控制产生的背景。

模糊控制最重要的特征是反映人们的经验以及人们的常识推理规则，而这些经验与常识推理规则是通过语言来表达的。

对于用语言表达的这种经验，必须给出一种描述的方式，而且这种经验是多种多样的。

模糊控制规则综合考虑众多的控制策略，是一种常识推理规则。

经典控制理论主要解决线性系统的控制问题，现代控制理论可以解决多输入与多输出的问题，系统既可以是线性的、定常的，也可以是非线性的、时变的；而对于那些数学方程很难提出但人们都有丰富控制经验的实际课题，模糊控制技术发挥了奇特的优势，这样的难题可以应用模糊控制技术或者传统控制技术与模糊控制技术相结合的方法来加以解决。

与传统PDI控制比较，模糊控制有其明显的优越性。

由于模糊控制实质上是用计算去执行操作人员的控制策略，因而可以避开对象复杂的数学模型，力图对人们关于某个控制问题的成功与失败的经验进行加工，总结出知识，从中提炼出控制规则，实现复杂系统的控制。

以模仿人类人工控制特点而提出的模糊控制虽然带有一定的主观性与模糊性，但往往是简单易行，而且是行之有效的。

模糊控制的任务正是要用计算机来模拟这种人的思维和决策方式，对这些复杂的生产过程进行控制和操作。

从以上背景可以看出，模糊控制有以下的特点：

1.模糊工程的计算方法虽然是运用模糊集理论进行的模糊算法，但最后得到的控制规律是确定性的、定量的条件语句。

2.不需要根据机理与分析建立被控对象的数学模型，对于某些系统，要建立数学模型是很困难的，甚至是不可能的。

3.与传统的控制方法相比，模糊控制系统依赖于行为规则库，由于是用自然语言表达的规则，更接近人的思维方法和推理习惯，因此，便于现场操作人员的理解和使用，便于人机对话，以得到更有效的控制规律。

4.模糊控制与计算机密切相关。

从控制角度看，它实际是一个由很多条件语句组成的软件控制器。

目前，模糊控制还是应用二值逻辑的计算机来实现，模糊规律经过运算，最后还是进行确定性的控制。

模糊推理硬件的研究与模糊计算机的开发，使得计算机将像人脑那样随心所欲地处理模棱两可的信息，协助人们决策和进行信息处理。

在城市交通系统中，路口交通的控制是其中一个重要的问题。

城市中，主要借助十字路口的交通灯控制交通。

目前，大中城市十字路口的红绿灯控制普遍采用固定转换间隔的控制方法。

但是不同时刻的车辆流量是十分复杂的，是高度非线性的、随机的。

采用这种方式，经常造成道路有效利用时间的浪费，出现绿灯方向车辆较少而红灯方向车辆积压，即空等现象，影响道路的畅通。

这是显而易见的不科学：

主干道单位时间的车流量一天当中变化很大，为了适应高峰期的车流量，绿灯通行时间设置得比较长。

但是，过了高峰期车流量明显下降的时候，红绿灯时间长短却没有随着改变。

十字路口的交通系统是一个时变的，具有随机性的复杂系统，其系统状态很难用数学模型来表达，即便是交通警的判断策略也很难以用简单的控制方法来实现。

现在已有的许多建立在精确模型基础上的交通系统控制方案都存在着一定的局限性，不能很好的适应多变的交通条件。

交通灯的控制应随车流量的改变而改变，我们应该这样设想一个交通模型：

每时每刻收集车流量和每条车道上车队的长短，用这些信息判断当前的交通状况，预测未来可能的通行方案，再依据此寻找到最有效率的方案以决定当前的通行车队和通行时间长短。

为此，我采用模糊控制方法分析与设计了交通灯模糊控制器，能很好地解决这个问题。

一、模糊控制基础

（一）模糊数学基础

1.模糊概念与模糊集合

1.1两种描述

人类对客观事物的认识是通过对事物的描述来表达的，这种描述可以有两种基本形式，例如对人的身高，一种说法是某人身高1.80m，它用一个准确的数来表达，另一种说法是某人是高个子，它用一个语言修饰词来表达。

这两种说法说的是同一对象的同一特征，虽然是一致的，但是从表达方式看又是截然不同的。

前者用一个准确的数“1.80m”表达其特征，它清楚表明，除了这个数外，其它数字都是不对的，而后者是一个语言概念，它往往覆盖一个数的区间，而且相邻的修饰词之间没有明确的边界，我们把边界十分明确的描述称之为清晰描述，而把边界含糊的描述称为模糊描述。

1.2模糊集合的定义

在普通集合中，任何一个元素或个体与任何一个集合之间的关系只有“属于”和“不属于”两种情况，两者必居其一，而且只居其一，绝对不允许模棱两可。

由此可见，普通集合只能表达“非此即彼”的概念，而不能不表达“亦此亦彼”的现象，在表达概念方面存在局限性。

为此，1965年美国加州大学控制专家L.Zadeh教授创立了模糊集合论，提出用模糊集合来刻画模糊概念，为模糊控制的研究和应用奠定了数学基础。

定义：

论域U中的模糊集合A，是以隶函数μA表征的集合，即由映射

μA：

U→[0，1]

u→μA（u）

确定论域U的一个模糊子集A。

μA称为模糊子集A的隶属函数，μA（u）称为u对A的隶属度，它表示论域中的元素u属于其模糊子集A的程度。

它在[0，1]闭区间内可连续取值。

μA（u）=1，表示u完全属于A；μA（u）=0，表示u完全不属于A；0＜μA（u）＜1,表示u隶属于A的程度。

上述定义表明：

1）论域U中的元素是分明的，即U本身是普通集合，只是U的子集是模糊集合，故称A为U的模糊子集，简称模糊集。

2）隶属函数μA（u）是用来说明u隶属于A的程度的，μA（u）的值越接近于1，表示u隶属于A的程度越高；当μA（u）的值域变为{0，1}是，隶属函数μA（u）蜕化为普通集合的特征函数，模糊集合也就蜕化成为普通集合。

3）模糊集合完全由其隶属函数来刻画。

隶属函数是模糊数学的最基本概念，借助于它才能对模糊集合进行量化。

对于模糊概念，不能仿造清晰概念用“属于”和“不属于”来表达，故模糊集合也不能像普通集合那样用特征函数值0和1来描述。

而应该用某种元素属于某种集合的程度来描述。

1.3模糊集合的表示方法

当论域U={u1,u2……un}时，模糊集合A有多种表示方法,常见的有

1）Zadeh表示法

A=μA（u1）/u1+μA（u2）/u2+……+μA（un）

这里“+”不表示“加法”运算，只是表示模糊集合在论域U上的整体。

“/”也不表示分式，只表示论域中元素ui与隶属度μA（ui）之间的对应关系。

这是一种列举表示法。

2）向量表示法

A=[μA（u1），μA（u2），…,μA（un）]

注意：

应用向量表示时，隶属度等于零的项不能舍弃，必须依次列入。

3）隶属函数表示法

用隶属函数的解析表达式表示出相应的模糊集合。

2模糊集合的隶属函数

2.1确定隶属函数的原则

隶属函数的确定实质上是人们对客观事物中介过度的定性描述，这种描述本质上是客观的。

由于模糊集理论研究的对象具有“模糊性”和“经验性”，每个人对同一个模糊概念的认识和理解存在差异，因此，隶属函数的确定又含有一定的主观因素。

确定隶属函数遵循的原则：

1）表示隶属函数的模糊集合必须是凸模糊集合。

2）变量所取隶属函数通常是对称和平衡的。

3）隶属函数要符合人们的语义顺序，避免不恰当的重叠。

2.2确定隶属函数的方法

隶属函数是模糊集合应用于实际问题的基础，正确构造隶属函数是能否用好模糊集合的关键。

这里介绍几种常用的确定隶属函数的方法。

1）模糊统计法：

模糊统计是对模糊性事物的可行性程度进行统计，其统计结果即为隶属度。

其基本思想是：

对论域U上的一个确定元素uo，考虑n个有模糊集合A属性的普通集合A*以及元素uo对A*的归属次数。

uo对A*的归属次数和n的比值就是元素uo对模糊集合A的隶属度：

μA（uo）=limuo属于A*的次数

n→∞n

2）专家经验法

由专家的实际经验给出模糊信息的处理算式或相应权系数来确定隶属函数的方法。

这也是目前最常用的方法。

3）二元排序法

通过对多个事物之间两两对比来确定某种特征下的顺序，由此来决定这些事物对该特征的隶属函数的大致形状。

4）典型函数法

根据问题的性质，应用一定的分析与推理，选用某些典型函数作为隶属函数。

（二）模糊控制系统

1模糊控制系统

1.1模糊控制

将模糊数学理论应用于自动控制领域而产生的控制方法就是模糊控制。

由于传统的模拟和数字控制在执行控制时，一般需要被控对象的精确的数学模型，而实际中的被控对象的数学模型很难或无法得到，特别是时变、非线性系统根本就无法获取其精确的数学模型；但是，对这种系

统，有经验的工作人员却可以对它们进行十分有效的控制，而这些经验是一系列的含有语言变量值的条件语句和规则；模糊集合理论可以十分恰当地表达它们，这样，将人的经验用模糊条件句“IFATHENB”表示，用模糊集合理论对语言变量定量化，再用模糊推理对系统的实时输入状态进行处理，产生相应控制决策，这就是模糊控制。

它的主要特点是:

1）控制思想是仿人的和智能的。

人类的思维方式本质上是模糊的，包括认识过程和推理过程都是如此，清晰数的概念是后天教育的结果。

模糊控制的描述与推理和人类思维方式是吻合的，因此这种控制方式具有本质的智能性。

2）控制算法是简单的和灵活的。

模糊变量和推理都没有非此即彼的属性，推理规则的结构比较简单，数量也有限，不需要繁复的运算过程，实现比较容易。

由于变量间没有明确的边界，控制作用是一个平滑的连续过程，对被控过程有较强的适应能力。

3）不要求被控过程准确的数学描述。

模糊控制是根据被控过程的外部变量来实现控制的，只需要对过程运动特性的规律性的知识，而不涉及内部详细的运动过程。

因此大大地缓解和减少了建模的困难，这对于一些多参数的控制系统特别有意义。

1.2模糊控制系统的定义：

模糊控制系统是一种自动控制系统，它以模糊数学、模糊语言形式的知识表示和模糊逻辑的规则推理为理论基础；采用计算机控制技术构成的一种具有反馈通道的闭环结构的数字控制系统。

1.3模糊控制系统的组成:

模糊控制的基本原理可由图1.1表示。

图1.1模糊控制原理框图

它的核心部分为模糊控制器，如图中的虚线框部分所示。

模糊控制器的控制规律由计算机的程序实现，模糊控制的基本思想是：

微机经中断采样获取被控量的精确值，然后将此量与给定值比较得到偏差信号e。

一般选偏差信号e作为模糊控制器的一个输入量，把偏差信号e的精确量进行模糊化变成模糊量，偏差e的模糊量可以用相应的模糊语言表示，得到了偏差e的模糊语言集合的一个子集，再由模糊子集和模糊控制规则（模糊关系）根据模糊推理的合成规则进行模糊决策，得到模糊控制量为：

=

o

式中，

为一个模糊量，它实际上等于误差的模糊向量

和模糊关系

的合成。

为了对被控对象施加精确的控制，还需要将模糊量

转换为精确量，这一步骤在图1.1框图中称为解模糊（也称清晰化）。

得到了精确的数字控制量后，经数模转换变成精确的模拟量送给执行机构，对被控对象进行一步控制。

然后，中断等待第二次采样，进行第二步控制，这样循环下去，就实现了被控对象的模糊控制。

综上所述，模糊控制过程可概括为下述4个步骤：

1）根据本次采样得到的系统的输出值，计算所选择系统的输入变量。

2）将输入变量的精确值变为模糊量。

3）根据输入变量（模糊量）及模糊控制规则，按照模糊推理合成规则推理计算输出控制量（模糊量）。

4）由上述得到的控制量（模糊量）计算精确的输出量，并作用于执行机构。

2.模糊化与解模糊化方法

2.1模糊化方法

在模糊控制应用中,被观测量通常是确定的量,即测量得到的该确定量是一定精度范围内的精确的数值量,由于在模糊控制中的操作是基于集合理论的,因此,首先必须进行模糊化。

模糊化的基本思想是定义一个模糊语言映射作为从数值域到语言域（符号域）的模糊关系,从而在数值测量的基础上,将数值域中的数值信号映射到语言域上,为实现模糊推理奠定基础。

模糊化与自然语言的含糊和不精确相联系，这是一种主观评价。

把测量值（数值量）转换为主观量（模糊量）的过程称为模糊化，也即把物理量的精确量转换成语言变量值。

由此，它可以定义为在确定的输入论域中将所观测的输入空间转换为模糊集的映射，以便实现模糊控制算法。

模糊概念从本质上来说就是语言变量的语言值，而语言值多用模糊集合来描述，模糊集合一般由论域和隶属函数构成。

因此，模糊化的实质就是求取相应概念对应数值域的模糊集合隶属函数。

模糊化是实现模糊控制的一个重要环节，目前常用的方法有以下几种：

1）线性划分法

这是最为简单的方法，具有简单，实用的方法，这也是本篇所采用的模糊化方法。

它根据研究对象的具体情况，选定相应的自然语言描述符号后，将研究对象的论域均匀划分。

2）非线性划分法

3）语义关系生成法

4）训练法

2.2解模糊方法

通过模糊推理得到的结果是一个模糊集合，也可以说是一个模糊量；但实际模糊控制系统所需要的控制信号必须是精确量，要用一个确定的值才能去控制执行机构。

因此，模糊控制器经过推理后的模糊输出量必须经过精确化处理，才能去控制被控对象。

在模糊推理得到的模糊量中，求取一个相对最能代表这个模糊集合的单值的过程称为解模糊。

常用的主要有如下几种：

1）最大隶属度法

最大隶属度法是指在推理结论的模糊集合中选取隶属度最大的元素作为精确控制量的方法。

它的优点是简单易行，使用方便，算法实时行好，但是，它的明显缺点是：

仅仅利用了最大隶属度的信息，忽略了较小隶属度元素的影响和作用，输出信息量利用的太少，代表性不好。

这种方法常用于简单控制系统。

2）重心法

3）系数加权平均法

4）隶属度限幅元素平均法

5）中位数

3.模糊控制规则及控制算法

3.1模糊控制规则的生成

模糊控制规则是对系统控制经验的总结，是设计模糊控制器的重要依据，它直接影响着控制系统的质量。

因此，准确产生一套合理、科学的模糊控制规则至关重要。

在设计模糊控制规则时，必须考虑控制规则的完备性、交互性和一致性。

这里，我们介绍本文将用到的经验归纳法：

经验归纳法是总结、归纳专家的控制经验，经过进一步加工、整理、提炼，去粗取精后产生模糊控制规则的一种方法。

这是一种最直接和方便的生成控制规则的方法。

由于专家对一个被控对象有丰富的经验，因而可以用语言直接给出一套控制规则，只要把这些语句用条件语句表示即可。

在由专家经验生成控制规则时，只需完成以下有关工作：

1）确定语言值的论域；

2）确定语言值；

3）根据每条专家经验产生对应的控制规则；

专家经验是用语言和直觉推理描述一个控制过程的。

这种自然语言描述的控制经验可以用“if…then…”这种模糊条件语句来表示。

选用模糊控制器的结构为最常用的二维模糊控制器。

此外，还有根据过程的模糊模型生成控制规则、根据对手工操作系统的观察和测量生成控制规则和根据学习算法生成控制规则。

3.2模糊控制算法

要执行模糊控制，在计算机中就必须通过一定的算法实现，这些算法的目的就是从输入的连续精确量中通过模糊推理的算法过程，求出相应的精确控制值。

模糊控制算法有多种实现形式，基于Mamdani推理的控制算法有三种：

即关系矩阵法、查表法、解析法。

这里我们着重介绍下查表法。

查表法就是把所有可能的输入量都量化到语言变量论域的元素上，并以输入量论域的元素作为输入量进行组合，求出输入量论域元素和输出量论域元素之间关系的表格，这个表格中元素的关系是按控制规则给出的，称之为控制表。

在实际控制中，模糊控制器首先把输入量量化到输入量的语言变量论域中，再根据量化的结果元素去查表求出控制量。

查表法的关键在于制表，生成控制表有两种方法：

一种是间接求取法，另一种是直接求取法。

间接法是首先求出模糊关系R，再根据输入的偏差和偏差变化率求出控制量，最后把控制量精确化，则可得控制表。

直接法就是直接从控制规则（即推理语句）中求取控制量，由此产生控制表。

在实际应用控制中，只要执行对输入量量化和查表这两个步骤，就可得到控制值，可见查表法有很好的实时性，并且方法简单方便。

二、模糊控制器的设计

（一）模糊控制器的结构

1.基本结构

模糊控制的基础是模糊集合理论和模糊逻辑，是用模糊逻辑来模仿人的思维对那些非线性、时变的复杂系统以及无法建立数学模型的