自适应模糊控制方法 - 基于模糊控制的水下潜器沉浮控制方法

　　基于自适应模糊控制的水下潜器沉浮控制过程，如图3所示。

　　2.1 模糊控制器

　　模糊控制器采用二维模糊控制器，用深度的偏差E和偏差变化率

　　为它的2个输入，以电磁阀的变化μ作为控制量，将

　　和控制量μ的数量范围划分为5个用语言变量表述的模糊集，即负大(NB)、负小(NS)、零(0)、正小(PS)、正大(PB)。而E和

　　的数量范围亦划分为5个语言变量表述的模糊集，即负大(NB)、负小(NS)、零(0)、正小(PS)、正大(PB)。

　　2.2 隶属函数

　　输入变量的隶属函数为梯形隶属函数和三角形隶属函数。下面给出的是控制变量的隶属函数，输入变量的隶属函数类同。

　　其中i为输入变量：i=1对应E，i=2对应

　　;j为规则;μij(xi)为规则j中第i个输入分量在所在模糊区间上的隶属度;a，b，c，d为规则j中第i个输入分量所在模糊区间的控制参数。

　　2.3 自适应模糊控制器

　　对模糊控制器的修正，实际上是对隶属函数的参数a，b，c，d和

　　修正。取误差函数：

　　其中，η(t)为深度H，dp为控制目标。

　　采用EBP算法(加惯性项)对隶属函数的参数进行修正，得如下公式：

　　其中，αij、βij、γij均为学习速率，τi为惯性系数。

　　上述3式中右边第3项为惯性项，因为在EBP算法中，如果学习速率取的小学习过程将很慢，而大的学习速率又可能导致学习过程的振荡，另外学习过程可能收敛于局部极小点或在误差函数的平稳段停止不前。惯性项的引入可以提高收敛速度和改善动态性能(即可以抑制寄生振荡)。

　　针对EBP算法收敛速度慢的问题，采用Delta-Bar-Delta学习规则对学习速率进行在线调整，以提高收敛速度。

　　以αij为例，βij、γij同理：

　　其中，ξ是一个正实数，参数a、b、ξ根据实际情况自定。典型值为：10-4≤a≤0.1，0.1≤b≤0.5，0.1≤ξ≤0.7。