淺談隸屬函數對模糊控制系統控制性能的影響

摘 要：在模糊控制系統中，某一模糊變量的模糊子集的隸屬函數曲線的形狀不同會導致不同的控制特性。從自動控制的角度，希望一個控制系統在要求的范圍內都能夠很好的實現控制。模糊控制系統設計時也要考慮這個問題。因此，在選擇描述某一模糊變量的各個模糊子集時，要使它們在論域上的分布合理，即它們應該較好的覆蓋整個論域。

關鍵詞：隸屬函數；論域；量化因子；比例因子

對于隸屬函數，存在的首要問題是要調整的參數太多，如隸屬函數的形狀、位置、模糊集合的數量以及規則的形式等；另一個問題是設計指標（例如較快的上升時間）與調整這些參數方法之間沒有清楚的聯系。就當今社會上行鏈路的使用情況來看，大多數情況下使用的都是穩定性質的DFT-SOFDM方式。而在模糊控制技術的選擇和采用上，其方式則由很多種，即FDM、TDM、CDM等等都是其中的方式之一，然而就目前的模糊控制技術的研究和使用成果而言，其并不能有效地滿足系統服務要求，因而加強模糊控制技術的同步以及異步接入方式的研究，以加快系統傳輸信息的高效方面的研究還需要進一步加強[1]。

1 論域及基本論域

模糊控制技術突出的優勢在于抗干擾性能較高，而且有效地避免了峰均功率過高的問題。但是目前IFDMA技術在信息接受以及對系統可能引起你的影響上的分析還不夠完善，諸如其中的信息接受的時間、頻率以及頻率的偏轉移位等問題的分析研究，而這些正應該是IFDMA技術研究中應該完善的地方。而DFT-SOFDM的研究以及與IFDMA技術的分析比較，在很大程度也促進了通信中的上行多址的選擇以及隨機技術應用的提升。

因為通信行業如今需要滿足的是為更高要求的信息數據服務和傳播，因為系統的服務終端口與基層端口之間的信息數據的轉變速度比較快、次數也較多，因而對系統的模糊控制技術也提出了更高的要求，系統所需要的是使用效率高，資源消耗較小的技術設備，因而該文中的模糊控制技術的研究也較有巨大的意義存在了。

2 量化因子及比例因子

RACH信息導入序列設置對于隨機技術應用系統自我監測能力有較大的促進作用，RACH序列在通常情況下與CAZAC序列具有相似的特性，可以把CAZAC的定義用序列公式的形式表現出來：

上述公式中的L是不固定的正整數，而其中的K則是固定的與L有相關性的數字，各個CAZAC之間是否呈現正相交的狀態是由數字K是否同一來決定的。為了達到更好地提升系統的自我檢測能力的目標，在RACH信息導入序列的選用上必須要堅持自我相關性能較高而與其他序列的相關性則較低的原則。在隨機技術的采用時，因為數據用戶不止一個，因而相互之間肯定會產生交叉或者摩擦，這些都是隨機技術應用是否成功的影響因素。信息數據應用系統的基層站點中運用相關措施就能夠實現監測、判定這些摩擦的目標，措施步驟為：層站點把各個相同時間點接入的用戶信息的信號以及相應的有參考價值的信號相加，然后再進行峰均功率值的監測[2]。

3 量化因子及比例因子對系統控制性能的影響

隸屬函數是模糊集合應用于實際問題的基礎，正確構造隸屬函數是能否用好模糊集合的關鍵。隸屬度及整個隸屬函數的確定，無論從理論上還是實踐上都是模糊數學及其虛用的基本而關鍵問題。一般取決于隸屬度的隸屬度的確定，有統計學派與非統計學派兩種不同的觀點與處理方法。然而事實上，模糊集的種類是極其復雜的，這取決于造成模糊性的原因的多樣性。所需要的信息數據的獲得中間必須要通過速度較快的樣本采集環節，信息數據輸送過程是有相應的保護間隔以避免輸出過程中的干擾問題，然后再用各個用戶所需的信息數據和各種各樣的載波偏移量相乘，最后按照偏移量的不同來區分用戶，所說的就是信息數據的調制程序，信息在經過調制程序之后才被發送。系統的信息接受端口在接到信息之后，首先將其中的保護間隔以及調制取消，最后得到的就是用戶的所要求的信息了。信息數據傳輸過程中，保護間隔措施的采用在很大程度上起到了抗干擾的作用，同時也使得降低了該技術應用中系統對時間的同步調的要求。然而如果徹底消除干擾的存在，其基本要求就是發送信息的用戶以及接受信息端口的載波頻率的步調是一致的，即頻率沒有發生偏動或者移位現象。然而要真正達到這樣的要求，難度是比較大的，這是信息接受端口的頻率一致，而發送信息的用戶方面的頻率則可能存在較大的偏差[3]。

有些模糊集所反映的模糊概念已有相應成熟的指標，這種指標經過長期實踐檢驗已成為公認的對客觀事物的真實的又是本質的刻劃。可以直接采用這種指標，或者通過某種推理方式轉化為隸屬度。需要指出的是，隸屬函數應通過實踐檢驗，利用信息反饋，不斷進行調整，使隸屬函數的形成成為一種學習的過程，以求達到相對穩定的狀態。

參考文獻

[1]席愛民編著.模糊控制技術[M].西安電子科技大學出版社，2008.6.

[2]黃強，丁志華，吳崇俊等.油壓擾動的非均勻分布隸屬函數模糊控制方法[J].工程設計學報，2007（06）.

[3]徐兵，程旭德，王宏利等.基于Matlab的Mamdani與Sugeno型模糊推理研究[J].計算機應用，2006（12）.