1、6.1 負(fù)載感測系統(tǒng)之節(jié)能實驗: 本實驗的目的，在實現(xiàn)負(fù)在載感測系統(tǒng)的節(jié)能控制，希望負(fù)載感測控制器能跟隨負(fù)載端壓力變化，及時調(diào)整變量泵的供給壓力。如圖所示，給予負(fù)載感測閥(Load-sensing valve) 定電壓0.3伏特訊號，使得負(fù)載感測缸(Load-sensing cylinder) 往前直進(jìn)。將所量測到的負(fù)載感測泵的供給壓力(Ps) 以及負(fù)載感測缸的負(fù)載端壓力(Pa) 回授回負(fù)載傳感器(Load-sensing controller)。負(fù)載感測控制器會根據(jù)Ps與Pa間的相對關(guān)系，調(diào)整負(fù)載感測泵的斜盤角度，以改變供給壓力(Ps)。目的是希望負(fù)載感測泵的供給壓力(Pa)能隨著負(fù)載感測缸

2、的負(fù)載端壓力(Pa) 的變化而調(diào)整，使著兩者間的差值(Pd) 保持一預(yù)設(shè)的常數(shù)，亦即希望 Ps-Pa=constant。圖則為負(fù)載感測控制器在Simulink 下的型態(tài)，此模糊滑動平面控制器的輸出值為比例閥閥軸每次移動的相對移動量，所以需要一積分器或迭加器每一次的相對移動量累積起來。其所選取的滑動平面是=3e+e。本實驗采用控制軟件是以Mat lab/Simulink 搭配 dSPACE 之ControlDesk 所建立及時控制(Real time control) 介紹，圖為此節(jié)能控制實驗的窗口操作接口。本實驗掃描頻率取200Hz，油溫變化約3040度之間，最大供給壓力設(shè)為160bar 左右

3、，所預(yù)設(shè)的目標(biāo)壓差為30bar。第一次實驗(圖)時，在主缸前進(jìn)行程時不加入外界干擾力。一開始因為負(fù)載感測閥突然瞬間變動，使得負(fù)載感測缸的負(fù)載力(Pa)急速累積，此時壓差仍為不可控，到約0.9秒時，負(fù)載端壓力(Pa)到某一平衡位置后，壓差的控制才有明顯的效果。約過1.4秒后，變量泵供給壓力(Ps)與負(fù)載端壓力(Pa)的差值，可維持在30bar 左右的差值，達(dá)到負(fù)載感測控制器設(shè)計的目的。第二次實驗(圖) 時，在主缸前進(jìn)行程約3到5秒之間，對負(fù)載感測缸加入一外界干擾力約20bar。當(dāng)負(fù)載端遇到外界干擾使得負(fù)載端壓力(Pa)急速激增時，負(fù)載感測控制器也隨時偶時調(diào)整負(fù)載感測泵的供給壓力(Ps)。因此兩者

4、間的壓差(Pd) 仍然可以維持定值30bar左右。此實驗證實了此負(fù)載感測控制器的強(qiáng)健性。電液負(fù)載感測實驗機(jī)臺與控制系統(tǒng)介紹:液電系統(tǒng)實驗機(jī)臺如圖2.0所示，本機(jī)臺為一相當(dāng)復(fù)雜系統(tǒng)，主要包括二個閉回路伺服控制系統(tǒng):電液負(fù)載感測系統(tǒng)(Electro-hydraulic load-sensing system) 及閥控液壓缸系統(tǒng)(Hydraulic valve controlled system)。其主要實驗?zāi)康模窃谡祥y控液壓系統(tǒng)的伺服控制（包括軌跡速度、以及速度控制）以及電液負(fù)載感測系統(tǒng)的節(jié)能控制。2.1電液負(fù)載感測系統(tǒng): 電液負(fù)載感測系統(tǒng)包括有負(fù)載感測泵(Load-system pump)、

5、電動馬達(dá)、導(dǎo)壓(Pilot) 動力單元; 負(fù)載感測伺服機(jī)構(gòu)、泄載閥等組成。本系統(tǒng)主要功能是決定閥控液壓系統(tǒng)的供給壓力。當(dāng)閥控液系統(tǒng)作伺服運動時，其負(fù)載端壓力會變動，故將負(fù)載端壓力回授至控制器，控制器會根據(jù)需求調(diào)整電動比例閥控制差動式液壓缸，藉以改變負(fù)載感測泵之斜般盤角度，提供不同的供給壓力，以達(dá)成節(jié)省能量的目的(圖)。在此負(fù)載感測泵為一可變排量柱塞泵，其作用原理如圖所示，當(dāng)(a)斜盤角度在中間時，因柱塞行程在中等位置，可得到中等排量。(b)斜盤角度在零時，柱塞行程為零，故無輸出排量。(c)斜盤角度在最大時，因柱塞行程最大，故可得到最大排量。模糊控制理論模糊集合 在傳統(tǒng)的明確集合(Crisp S

6、et)中，對于描述不同集合間的關(guān)系是二元的，也就是”有關(guān)系”或”無關(guān)系”、”0”或”1”。而模糊集合與之最大的差異是在于將描述集合間關(guān)的方式，推廣成多元值的，將集合間的關(guān)系以程度化方式表達(dá)。 舉個簡單的例子來說，假設(shè)我們定義體重超過70公斤的是過胖，則根據(jù)傳統(tǒng)集合的觀念，便是非此即彼，不是胖就是瘦兩種表示。(如下表)姓名體重(公斤)過胖(x)小明711小華680小英500小亞320 “過胖”明確集合的函數(shù)特性 從上表我們可以發(fā)現(xiàn)，單是0與1并不能完整表現(xiàn)所有人對于過胖特性的關(guān)系。很明顯的，將小華的體重68公斤與小亞的體重32公斤，同時歸屬于非過胖集合”0”時，而只乙小華多3公斤的小明卻歸屬于過

7、胖集合”1”，如此的表達(dá)方式并不能客觀、公正的呈現(xiàn)現(xiàn)實情況。 下表則是使用模糊集合表達(dá)每個人對于過胖的歸屬度，在此歸屬函數(shù)是使用成比例的方式歸屬。此種表達(dá)法比明確集合更能代表實際情況。 下表的”過胖”模糊集合可寫成:過胖(x)=1/小明+0.9147/小華+0.7042/小英+0.4286/小亞姓名體重(公斤)過胖(x)小明711小華680.9147小英500.7042小亞320.4286 “過胖”模糊集合的函數(shù)特性模糊系統(tǒng) 模糊集合自從1965年由Zedeh教授提出后，現(xiàn)今已經(jīng)用在相當(dāng)廣泛的領(lǐng)域，例如在控制系統(tǒng)(Control system)、圖形識別(Pattern recognition

8、)、決策分析(Decision analysis)及時序信號處理等方面上。尤其在控制系統(tǒng)上，近年來有相當(dāng)多的學(xué)者在這方面投注心力。 傳統(tǒng)的控制器設(shè)計上，必須先對整個系統(tǒng)進(jìn)行了解、分析，也就是根據(jù)系統(tǒng)特性推導(dǎo)出精確的微分方程式或差分方程式表系統(tǒng)的數(shù)學(xué)模型，描述受控系統(tǒng)。然而在實際復(fù)雜系統(tǒng)上，往往很難以參數(shù)鑒定(System identification)的方式對受控制系統(tǒng)建模(Modeling)，再加上受控系統(tǒng)中本來就存在的不確定性(如:干擾)，使得傳統(tǒng)設(shè)計法增加相當(dāng)?shù)碾y度。而使用模糊系統(tǒng)的優(yōu)點是:一、不需要精密的數(shù)學(xué)模型。二、以人類的專家的知識結(jié)合至控制器的設(shè)計流程上。三、增加對受控系統(tǒng)的強(qiáng)健

9、性(Robusteness)及適應(yīng)性。 在進(jìn)行模糊控制時，受控的行為是以一組模糊規(guī)則來加以描述，而這些模糊規(guī)則使用的是語意式的模糊信息，而不是數(shù)學(xué)方程式，因此可以將人類的專家經(jīng)驗轉(zhuǎn)換為模糊控制規(guī)則，減低了設(shè)計控制器的復(fù)雜度。 簡單地說，模糊控制是類似人類經(jīng)驗法則的if-then形式，來表達(dá)模糊性的思考和決策過程。對于復(fù)雜的系統(tǒng)或是難以用明確的數(shù)學(xué)模式來表達(dá)的系統(tǒng)，以直覺及經(jīng)驗為基礎(chǔ)的模糊控制，亦可獲得極佳的控制效果。模糊系統(tǒng)的架構(gòu): 一般模糊系統(tǒng)包括三個部分(1)模糊化機(jī)構(gòu)(Fuzzifier)、(2)模糊規(guī)則庫(Fuzzy rule base)、(3)模糊推論引擎(Fuzzy inferen

10、ce engine)、(4)解模糊化機(jī)構(gòu)(Defuzzifier)。圖所示為模糊控制系統(tǒng)的基本架構(gòu)。當(dāng)系統(tǒng)藉由傳感器(Sensor)將明確(Crisp)的外界數(shù)據(jù)輸入，藉由模糊化機(jī)構(gòu)將之轉(zhuǎn)化為適當(dāng)?shù)哪：畔?模糊推論引擎則是整個模糊控制系統(tǒng)的核心，它根據(jù)所得到的模糊信息以及在模糊規(guī)則庫中預(yù)先存放解決問題所需的知識及規(guī)則，仿真人類思考決策的模式，解決所有問題，最后去模糊化機(jī)構(gòu)則將模糊推論引擎所推論出的模糊信息，轉(zhuǎn)化為外界所能接受的明確信息。 模糊控制系統(tǒng)的基本架構(gòu)模糊化機(jī)構(gòu)(Fuzzifier) 模糊化機(jī)構(gòu)勢將明確的外界信息轉(zhuǎn)換為適當(dāng)?shù)恼Z意式模糊信息，可將之視為一種映射，由一明確的空間映射到另一

11、模糊的空間。由于模糊控制理論基礎(chǔ)在于模糊理論，所以需要使用模糊化機(jī)構(gòu)將輸入數(shù)據(jù)作前置處理。 模糊化的目的即為將系統(tǒng)量到的明確值轉(zhuǎn)換為語意上相對的模糊標(biāo)簽，其步驟有三:量測控制器輸入變量的明確值。將(1)之值正規(guī)化依模糊論域分割之隸屬函數(shù)，找到相對應(yīng)的模糊標(biāo)簽與隸屬度。 模糊化示意圖其中E:誤差EC:誤差變化量GE:誤差增益值GEC:誤差變化量增益值模糊規(guī)則庫(Fuzzy rule base) 模糊規(guī)則庫是由一組以If-Then形式的模糊規(guī)則所組成，以這種表達(dá)方式表達(dá)系統(tǒng)輸入與輸出的關(guān)系。故，可將多輸入多輸出的系統(tǒng)分解成數(shù)個多輸入輸出的系統(tǒng)，其主要形式有:語意式模糊規(guī)則(linguistic f

12、uzzy rule)模糊規(guī)則Rj: If X1 is Aj1 and and Xp is Ajp Then y is Bj其中 Aj1與Bj是語意式模糊變量函數(shù)式模糊規(guī)則 模糊規(guī)則Rj: If X1 is Aj1 and and Xp is AjpThen y is fj(X1,X2,.，Xp)Tsukamoto模糊規(guī)則此種模糊規(guī)則與第一種規(guī)則差異性不多，主要差別在于此規(guī)則推論后，得到的會是一個明確的值。模糊規(guī)則庫中所存放的控制規(guī)則主要來自于:依據(jù)系統(tǒng)的響應(yīng)推導(dǎo)出控制規(guī)則:最簡單的方法便是輸入一個最基本的步階(Unit Step)響應(yīng)，將其輸出訊號的響應(yīng)與輸入的誤差、誤差變化量訊號作討論、比較

13、，觀察其特性，再以If-Then形式表示其控制規(guī)則。參考專家的知識或操作者的經(jīng)驗，將其歸納、整理:可參照、詢問專家從事相關(guān)研究所得的知識，或是現(xiàn)場操作員長時間累積出的操作經(jīng)驗，將之整編成If-Then此種語意式的型態(tài)，得到規(guī)則庫。根據(jù)推導(dǎo)出的系統(tǒng)模型作研究所得:將實際系統(tǒng)的數(shù)學(xué)模型推導(dǎo)出，可幫助設(shè)計者更了解系統(tǒng)參數(shù)。一般將推導(dǎo)出的模型于相關(guān)仿真軟件下(如:Simulink)仿真，可以將加速對實際系統(tǒng)的掌握，增快效率。自我學(xué)習(xí)修正:單靠經(jīng)驗; 直覺所歸納出的控制規(guī)則庫，在實際運用時常常會出現(xiàn)規(guī)則庫不合需求或是不足的情況。于是近年來，有相當(dāng)多的新技術(shù)來從事規(guī)則庫的們我學(xué)習(xí)、改良，如類神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、

14、基因算法。在此論文中，便是以自組織模糊控制器對規(guī)則庫作修正。模糊推論引擎(Fuzzy inference engine) 模糊推論引擎是整個模糊系統(tǒng)的核心部分，根據(jù)規(guī)則庫中設(shè)定的控制條件，將件部、后件部所構(gòu)成的模糊關(guān)系與輸入變量的集合作運算，很到所需的輸出變量，藉以仿真人類思考解決控制問。以下便是模糊推論的示意圖。模糊推論引擎示意圖 舉個例來說，對于最簡單的單一規(guī)則、單一變量，其運算過程可表示如下: 輸入條件 : X is A 規(guī)則庫 : If X is A,then y is B- 結(jié)論 : Y is B單一規(guī)則、單一變量的推論過程 將單變量、單規(guī)則推廣成多變量、多規(guī)則的通式，可得下列運算過

15、程: 輸入 :X is A and Y is B 模糊規(guī)則R1:If X is A1 and Y is B1 ,then Z is C1 Else 模糊規(guī)則R2:If X is A2 and Y is B2 ,then Z is C2 Else 模糊規(guī)則Rj:If X is A2 and Y is B2 ,then Z is C2 Else-結(jié)論 : Z is C其中Else可解釋為聯(lián)集，因此:推論的過程圖 多規(guī)則、多變量的推論過程解模糊化機(jī)構(gòu)(Defuzzifier) 將模糊推論所得到的結(jié)論，經(jīng)過解模糊化機(jī)構(gòu)運算后，轉(zhuǎn)換為明確的數(shù)值。由于模糊規(guī)則所采取的后鑒部會有所不同，經(jīng)過模糊推論后所得到的結(jié)論，有的是以模糊集合表達(dá)(如語意式模糊規(guī)則)，而有的是明確數(shù)值來表達(dá)(如函數(shù)式模糊規(guī)則)。以下分別解釋:當(dāng)推論后得到的是模糊集合: 令模糊集合C為為模糊規(guī)則經(jīng)過模