基于模糊逻辑的高性能融合制导研究

基于模糊逻辑的高性能融合制导研究（通用16篇）

基于模糊逻辑的高性能融合制导研究 篇1

基于模糊逻辑的交通信号控制与仿真研究

提出了一种基于模糊逻辑的交叉口信号控制算法,并通过对相位顺序进行优化,获得了更好的控制效果.与传统的.信号模糊控制算法相比,该算法具有相位组合灵活、延误时间小等优点,能够有效解决交通流不平衡的问题,更适应城市交叉口实时变化的交通状况.仿真研究表明:该控制算法能够大大减少车辆延误时间,是进行城市智能交通控制的一种实用且行之有效的方法.

作 者：臧利林 贾磊 林忠琴 ZANG Li-lin JIA Lei LIN Zhong-qin 作者单位：臧利林,贾磊,ZANG Li-lin,JIA Lei(山东大学,控制科学与工程学院,山东,济南,250061)

林忠琴,LIN Zhong-qin(济南市公安局交警支队,山东,济南,250100)

刊 名：公路交通科技 ISTIC PKU英文刊名：JOURNAL OF HIGHWAY AND TRANSPORTATION RESEARCH AND DEVELOPMENT年，卷(期)：200623(4)分类号：U491.5+4关键词：交叉路口 相位 模糊控制 系统仿真

基于模糊逻辑的高性能融合制导研究 篇2

传统的控制图使用单变量或多变量质量属性指标来监测的产品或过程的质量,在质量改进计划中发挥着至关重要的作用。在复杂的过程工业生产活动中使用多元控制图来监测一个产品或工艺的几个相关的质量指标,如Hotelling-X2和Hotelling-T2控制图,通过探索质量指标之间的相关性尝试改善控制。在某些情况下,产品的质量或过程难以有效地用精确地数值来描述,而模糊集理论以其对于抽象语言数据的数学表述,为主观语言变量的描述质量特征提供了一种建模方法。MEWMA控制图和MCUSUM控制图使用当前和过去的样本数据,比Hotelling-T2控制图,仅使用当前样本中提供的信息对小工艺变化敏感。文献中提出MEWMA控制图的性能类似于MCUSUM控制图,但它的性能在实际的使用是相对容易,因此选用MEWMA控制图来设计模糊多元控制图F-MEW-MA,并对所提出的控制图的性能使用平均运行长度ARL准则进行性能评估。

二、模糊多元控制图

假设每个模糊数由三角模糊数表示为(a1j,a2j,a3j),利用模糊中位数法,该值为:

质量指标的语言变量Cj术语集表示为Cjh(h=1,2,…,qi),让每个模糊统计量Fjh的隶属度用隶属函数μjh描述。因此n个样本的观测量被表示为:

利用模糊算法,每个质量指标Cj有且只有一个模糊子集以下方式的相关联:

然后,每个质量指标模糊子集模糊统计量Fj使用模糊中位数法可以转化为隶属度Rij。m个样本的各个质量指标模糊子集模糊统计量Fj的隶属度可以表示为:

式中的Rij是第i个样本的第j个质量指标模糊子集模糊统计量Fj的隶属度。假设Ri~Np(μi,ΣF),其中μi是向量均值,ΣF是已知的模糊统计量Fj协方差矩阵。不失一般性,当过程是在控制中,我们假设向量期望μi是(0,0,…,0)′。得到F-MEWMA统计量Zi:

三、实证分析

本节中依据文献的数据,实证分析F-MEWMA控制图的性能。文献提到appearance,color,taste是速冻食品三个重要的品质特性且必须同时监测。该产品外观上划分为good,medium,or oor;颜色划分为standard,acceptable,or rejected;产品的味道划分为per fect,good,mediump,or poor。因此有三个语言变量术语集:

外观术语集1定义为:T(c1)={c11,c12,c13}={good,medium,poor};

色彩术语集2定义为:T(c2)={c21,c22,c23}={standar d,acceptable,r ejected};

味道术语集3定义为:T(c3)={c31,c32,c33}={per fect,good,medium,poor}。

根据模糊集理论,语言变量Cjh用隶属函数μjh(x)描述,隶属函数如图1所示。模糊子集的模糊统计量Fj的隶属度Rij由式2计算,其隶属度Rij由式2计算,F-MEWMA统计量Zi由式3计算,取λ=0.5,计算结果如表1。样本协方差矩阵S是ΣF的估计,用式4计算。

3个质量指标的F-MEWMA控制图的如图2所示,说明错误地使用三个独立模糊变量的EWMA控制图,则过程将一直分布在统计控制均值之下。据文献[4]样本11到14处于失控状态,用bootstrap重采样方法[3]确定阈值h F=2566,重新输出修正后的F-MEWMA控制图如图3所示,在MATALB仿真平台10000次模拟运行F-MEWMA控制图和H otelling-T2控制图的平均运行长度AR L如图4所示,表明F-MEWMA均匀优于Hotelling-T2控制图。

四、结论

模糊多元控制图是一种替代控制图处理语言描述的表达,该控制图使用当前和过去的样本的累积信息,相比仅使用在最近一次采样信息的控制图有更好的表现。使用平均运行长度ARL准则进行实证评估结果表明,基于模糊逻辑改进后基于模糊逻辑的MEWMA控制图的性能优于Hotelling-T2控制图。

摘要：传统的多元控制图,如Hotelling-X2和Hotelling-T2的目的是监测质量特征向量的变化,然而在语言变量描述质量特征情况下,传统的多元控制图是不能很好的实现质量控制目标的。针对在实际生产生活中由于语言描述质量特征带来的不确定问题,结合多元统计质量控制和模糊集理论,对多元指数加权移动平均控制图MEWMA的方法进行了改进,以实现对于语言变量描述质量特征的监控。通过算例表明,对基于模糊逻辑改进后的控制图和Hotelling-T2控制图的效果通过计算平均链长ARL准则进行性能评估。

关键词：模糊集理论,模糊多元控制图,多元指数加权移动平均

参考文献

[1]韩亚利.常规控制图技术及应用研究[J].装备制造技术,2013,10:175-177.

[2]黄云云,杨晓翔,黄剑平.MCUSUM、MEWMA及Hotelling T2控制图的比较分析[J].现代制造技术与装备,2010,03:64-68.

[3]王海宇.过程质量控制的性能评价与改进方法研究[D].西北工业大学,2006.

基于模糊逻辑的高性能融合制导研究 篇3

电压、模糊控制、无功控制、模糊理论

电压是衡量电能质量的一个重要指标,保证用户电压接近额定值是电力系统运行调度的基本任务。而系统无功的平衡对电压的稳定影响极大,无功功率的不足或过大,将引起系统电压的下降或上升,极端情况下可导致某些枢纽变母线电压大幅度下降而出现电压崩溃。

国内现有的电压无功控制装置广泛采用九区划分控制方式[3]、 [4]。但仅以九区位置制定控制策略会使控制过于简单,容易过调或调节力度不够,以至于反复调节,不利于设备维护和系统稳定。考虑到模糊逻辑的优越性,本文以九区划分控制思想为基础,综合考虑运行点在区内的实际位置,电容器组与变压器的可调性比较,峰谷期和历史参考数据10等因素,提出了计及多因素的电压无功综合模糊逻辑控制策略。

1、对变电站电压无功综合控制策略的要求

在对变电站电压无功进行就地控制时,通常的方法是以九区划分运行状态图为依据来制订控制策略。图1给出了九区划分运行状态图。图中纵坐标是电压U,Umax是电压上限,Umin是电压下限,横坐标Q是变电站吸收无功,Qmin是变电站吸收无功下限,Qmax是变电站吸收无功上限,显然中间的0区是电压和无功合格区,其余8个区为不合格区。

图1 九区划分

电压和无功的调整是通过调节变压器的分接头和投切电容器组来实现的。调整变压器分接头不仅改变电压,也会改变无功需求;同样,投切电容器组不仅改变了无功,也影响了电压。

各个区的常规控制策略如下:

0区:电压、无功均合格。不控制。

1区:电压合格,无功越上限。发投电容器组指令,按间隔时间循环投入电容器组直至无功补偿合适为止。若电容投完,则停发投电容指令。

2区:电压越下限,无功越上限。先发投电容指令,待无功补偿合适后,若电压还越下限,自动转为升压指令,直至电压合格为止。

3区:电压越下限,无功补偿合适,发升压指令,待电压升至合格为止;

4区:电压越下限,,无功越下限。先发升压指令,待电压升到合格后,再发切电容指令,切至无功补偿合适为止,若电容已切完,无功仍越下限值,也自动停发切电容指令。

5区:电压合格,无功越下限。发切电容的指令,到无功补偿合适为止,若电容已切完,无功仍然越下限,停发切电容的指令。

6区:电压越上限,无功越下限。先发切电容的指令,待切至无功补偿合适时,若电压还高,转发降压指令。

7区:电压越上限,无功补偿合适。发降压指令,控制有载调压变压器分接头。

8区:电压越上限,无功越上限。应先发降压指令,待电压降至合格后,再发投电容器组指令,按循环规律投到电容器合适为止,若电容已投完,无功仍然越上限值,则停发投电容指令。

如果能判断出电压的变化是由于无功变化引起的,则可以在电压不越线或者即使越线了,也不必去调节变压器分接头而是提前投、切电容器,这样可以提高电压的合格率并减少变压器分接头的投、切次数。另外,电压进入7区或3区,即电压越限可能是由于无功迅速变化引起的,也可能是由于高压侧电压变化引起的,而且这一变化将有一个持续过程,若是由于高压侧电压变化引起的,而运行点刚好又处于无功边界上,则有可能错误地投、切电容器;反之,若电压的变化是由于无功的变化引导致的,而运行点又刚好处在电压边界上,则有可能错误地调节变压器的分接头,若在无功缺额较大的情况下调节变压器的分接头,则有可能会引发负调压效应,进一步导致电压不稳定。可见若能提前了解无功的变化趋势,认清电压变化的根本原因,适时地决定控制策略,则可减少控制的盲目性,获得满意的控制效果,保证电压的合格率。

在变电站,由于变压器的重要性,它历来就是重点保护对象。对于有载调压变压器,分接头的调节次数是有严格限制和要求的,对于电容器组的投切次数也有要求。因此,电压无功控制的控制策略不仅要满足对电压和无功的要求,还要满足保护设备的要求,即目标函数可归纳为:(1)电压合格率最高;(2)功率损耗最小。约束条件是:(1)档位上下限;(2)电容可用组数;(3)变压器分接头日调节次数上限;(4)电容器组日投切次数上限,控制变量有两个,一个是调档,另一个是电容投切,这两个控制变量都不是连续变化的。

2、计及多因素的变电站电压无功模糊控制策略

根据电压、无功变化的特点,在这里提出对无功边界进行模糊化的控制方法 ,利用模糊控制善于处理非线性、受多因素影响的复杂控制问题的优点,采用模糊集理论进行控制决策,从而充分确定引起电压变化的原因。

也就是:首先根据实时电压判断电压是否越限,若越限,再判断无功及无功变化的趋势,具体就是将无功的偏差和无功偏差的变化率作为输入变量,如:无功剧烈变化,运行点处于3区或7区,无功可能不越线,也应该提前通过投、切电容器来控制;若是高压侧电压的变化引起的电压越线,无功变化不大,则应首先调节变压器的分接头来加以控制。这样可以减少变压器分接头的调节次数。控制策略有两步:

(1)确定运行点所处区域。(2)综合各因素,通过隶属度计算,选择调节方式(调变压器分接头或投切电容器组)。

选择调节方式时需要考虑的因素有以下几个方面:

(1)考虑基于九区划分选择调节方式,把对于电压上、下限和对于无功上、下限的隶属度分别记μμl、μμh、μθl、μθh。(2)考虑电容器组与变压器分接头的进一步可调性选择调节方式,两种调节方式的隶属度分别记为μCadjust 、μTadjust 。(3)考虑峰谷期选择调节方式,其隶属度记为λpeak 。(4)结合历史参考数据选择调节方式,历史记录为投切电容器组的隶属度为λCon 、λCo(接164页)ff ,历史记录为调变压器分接头升压、降压的隶属度记为λTup 、λToff 。

3、结论

(1) 本文分析了现有控制方法的特点后,指出了其不足之处,并在此基础上提出了基于无功边界模糊化的控制方法;

(2) 基于无功边界模糊化的控制方法,能减少变压器分接头调节次数,消除盲目调节,提高电压合格率,使无功基本平衡,避免有载调压变压器产生“负调节效应”;

(3) 本文介绍的控制策略合理地使用了有载调压变压器和并联电容器组这两种调节设备,具有明显的调压效果,无功补偿合理,调节次数极少,不会出现反复调节的情况。

参考文献

[1]吕艳萍 变电所自动调压装置的专家系统[J]. 中国电力,1996(3)

[2]诸静 模糊控制原理与应用[M] 北京:机械工业出版社,1998

[3]施玉祥 陶晓农.中低压变电站电压无功调节的研究[J].电力系统自动化 1996,20(9):54-57

[4]严浩军 变电站电压无功综合控制策略的改进[J].电网技术,1997,20(10):47-49

基于模糊逻辑的高性能融合制导研究 篇4

基于高斯问题的近最优再入预测制导方法研究

再入过程中利用解算高斯问题建立落在地面固定目标的开普勒轨道,由于干扰力的存在,再入飞行器将偏离这条轨道,为此需要对再入飞行器进行速度修正.速度的修正方案有两种:一种是使修正后的轨道返回到事先装订到计算机上的标准轨道上,即标准轨道法;另一种是根据落点重新建立一条可落在固定目标的轨道,即预测制导法.文中利用牛顿迭代法对高斯问题进行优化,得到了可重新落在地面目标的`最小速度修正量,得到了一种快速的近最优预测制导算法.仿真结果表明:此算法简单,运算速度快,需用过载小,且得到了较小的脱靶量.

作 者：郑立伟 荆武兴 张燕 Zheng Liwei Jing Wuxing Zhang Yan 作者单位：哈尔滨工业大学,哈尔滨,150001刊 名：航天控制 ISTIC PKU英文刊名：AEROSPACE CONTROL年，卷(期)：24(1)分类号：V448.235关键词：高斯问题 再入飞行器 预测制导法

基于模糊逻辑的高性能融合制导研究 篇5

基于变结构控制的三维视线指令制导律设计

指令制导在区域防空中得到了广泛的`应用,而视线指令制导是指令制导中最常用的方式.传统设计方法使用二维模型,并把弹体简化为质点,模型和实际系统有较大的出入.根据视线指令制导的三维六自由度拦截动力学模型构造了系统的状态方程和跟踪误差,将拦截问题转化为一个时变非线性系统的误差跟踪问题,使用变结构控制理论设计了制导律.并仿真验证了制导律的制导效果.

作 者：蔡鹏 王庆超 CAI Peng WANG Qing-chao 作者单位：哈尔滨工业大学,哈尔滨,150001刊 名：宇航学报 ISTIC PKU英文刊名：JOURNAL OF ASTRONAUTICS年，卷(期)：28(6)分类号：V448关键词：视线指令制导 变结构控制 姿态控制 中段制导

基于模糊逻辑的高性能融合制导研究 篇6

基才模糊C均值聚类和D-S证据理论的多传感器信息融合技术研究

D-S证据理论能很好地表达“不确定”和“未知”等信息融合中的.重要概念,在多传感器信息融合领域得到了广泛的应用.针对传感器数量较多时,D-S方法计算量很大的问题,提出了利用模糊C均值聚类来减少证据体数目.再结合D-S证据理论进行信息融合的办法.实验数据表明,该方法大大减少了计算量,保证了目标识别的准确度.

作 者：张公永 王平张佑春 ZHANG Gong-yong WANG Ping ZHANG You-chun 作者单位：西华大学电气信息学院,四川,成都,610039刊 名：国外电子元器件 ISTIC英文刊名：INTERNATIONAL ELECTRONIC ELEMENTS年，卷(期)：“”(5)分类号：V243 TP212.9关键词：模糊C均值聚类 D-S证据理论 信息融合

基于模糊逻辑的高性能融合制导研究 篇7

单模制导技术[1]由于采用单一频段或单一制导模式传感器,存在抗干扰能力弱,可靠性较低等固有缺陷。多模复合制导技术[2]正是为弥补单模制导技术的缺陷而提出的精确制导技术。雷达/红外双模制导将雷达和红外配合使用,成为相互独立又彼此互补的目标探测及跟踪手段,利用雷达探测的距离信息和红外传感器探测的高精度角度信息,可有效改善对目标的跟踪和识别能力[3,4,5,6]。对于雷达制导难以抵抗的电子干扰如距离拖引[7]、箔条质心干扰[8],红外制导能较好的抑制,相反对于红外制导影响较大的红外诱饵弹[9],雷达制导也能有效抵制。因此,基于主动雷达/红外复合制导的数据融合[10]技术将是一种较好的抗干扰措施。

1 数据融合技术

对于主动雷达/红外成像复合制导而言,数据融合主要通过对雷达目标和红外目标的融合处理,提高导引头的抗干扰能力; 提高对攻击目标选择的可信度; 提高目标跟踪精度,输出更为准确的制导信息; 同时,完成复合导引头的工作流程的控制。

数据融合主要由时空校准、航迹关联、决策兼顾特征融合和航迹融合4 个模块组成:

( 1) 时空校准。由于雷达、红外数据率的不同以及安装位置、天线指向的差异,在对雷达和红外输送点迹信息进行处理之前须进行时空校准。若没有时空对准,首先时间上是无法进行关联与融合的,空间上由于探测坐标系的差异可能使相同目标的航迹也难以关联成功。时空对准后,所有的雷达航迹与红外航迹均在相同时空坐标下,可在相同的采样时刻进行后续处理;

( 2) 航迹关联。具体设计中,采用修正的K近邻域航迹关联算法( MK - NN算法)[11]。这一算法是最近邻算法的衍生算法,比最近邻算法适当放宽了关联条件、简化了算法,软件易于实现;

( 3) 决策兼顾特征融合。航迹关联不成功时,进行目标选择和判决处理。根据输入的目标置信度信息和目标特征信息对导引头工作模式进行决策,并根据决策结果,对雷达和红外分别发出相应的控制指令,使其进入对应的工作模式。如果只有一条成功关联航迹对时,则成功关联的航迹对即判为攻击目标; 若有多条成功关联航迹对时,进行决策兼顾特征融合处理,根据融合结果判断是目标或干扰信号,决策出待攻击的目标;

( 4) 航迹融合。航迹融合存在两种方式: 一种是局部航迹与局部航迹融合; 另一种是局部航迹和系统航迹融合。具体实现中,当雷达与红外航迹均正常时采用局部航迹与局部航迹融合; 若某一传感器受到干扰而无法给出正确航迹信息时,选择局部航迹和系统航迹的融合。

2 抗干扰性能仿真

2. 1 抗红外诱饵干扰原理

红外诱饵干扰是典型的一类只对红外传感器产生影响的干扰手段。若红外传感器受到干扰,则会出现目标和干扰两条航迹,红外将会无法取舍,或保留干扰轨迹。再与雷达提供的航迹进行关联、识别后,可将红外诱饵弹的干扰效果降至最低。

设计中,先通过数据融合技术中的时空校准将雷达数据通过线性插值或外推对齐到红外数据点上。为不造成对高数据率红外信息的丢失,时空校准以红外数据为基准。时空对准后的数据便可送入数据融合中心进行航迹关联处理。

在航迹关联时,采用修正的K近邻航迹关联算法,判断两条航迹统计位置差是否在关联门限内,不满足关联准则则判两个传感器跟踪不同目标。由观测数据可知,此时红外传感器可能会探测到多条轨迹( 目标+ 干扰) ,但雷达只存在一条待攻击目标轨迹,进行航迹关联后,可能存在3 种情况: ( 1) 雷达航迹仅与一条红外航迹关联,此时可直接进行下步处理,保留关联上的航迹对; ( 2) 雷达航迹与多条红外航迹关联,则选择使位置差矢量范数最小的红外航迹与雷达航迹关联,进行下步融合处理; ( 3) 若雷达航迹与任何一条红外航迹均不关联。此时,将所有航迹分别与之前的系统航迹进行关联,关联上者判断为目标轨迹。

2. 2 抗红外诱饵干扰仿真

仿真时红外烟雾干扰在目标附近以3 m/s的速度做慢速运动。图1 所示为弹上的雷达、红外传感器分别对目标以及干扰假目标的观测结果。由于红外诱饵弹在升空后呈烟雾状,与目标具有相似的红外特征,但对雷达起不到任何干扰作用,所以在观测结果中,红外传感器存在目标与干扰假目标两个航迹信息,而雷达仅存在真正的目标航迹信息。

航迹关联的结果如图2 所示,仿真图像中显示的只有一条关联成功的关联航迹对。红外诱饵弹的轨迹在航迹关联中找不到任何与之相关联的航迹已被剔除,所以复合制导通过数据融合处理后,在航迹关联这一步已成功实现抗干扰的效果。

2. 3 抗箔条质心干扰原理

箔条干扰主要通过箔条感应出的交变电流产生二次辐射对雷达造成干扰,是舰船的最后一道防线。当其他干扰均未奏效时,在舰船周围200 m处发射两枚快速离舰散开的箔条弹,使末制导雷达跟踪箔条和舰船的能量中心。随着风对箔条的吹动以及舰船的运动,最终使能量中心偏向箔条弹而使末制导雷达跟踪上箔条假目标。此时复合导引头可充分利用红外传感器提供的图像信息以及红外航迹信息,将雷达与红外送入数据融合中心的航迹信息进行关联、识别,挑选出目标航迹,剔除虚假航迹,从而实现抗干扰。

2. 4 抗箔条质心干扰仿真

仿真时,假定目标舰船已在周围实施箔条干扰,图3是一组雷达观测数据。由于箔条与目标只有雷达相似的特征,但对红外起不到干扰作用,所以在观测数据中,雷达数据存在舰船目标与箔条假目标两个航迹信息,而红外数据仅存在真正的舰船目标航迹信息。

图4 是在箔条干扰下,复合导引头数据融合中心在时空一致的情况下,航迹关联后的处理结果。从图中可看出,雷达数据包括舰船目标与箔条干扰两个航迹信息,而红外仅包括舰船目标的航迹,所以通过雷达、红外复合制导的数据融合处理后,导引头可有效剔除干扰目标,成功实现抗干扰。

当上述抗干扰措施均不能凑效,或存在某种对雷达、红外均起到影响的干扰时,可进一步利用数据融合目标识别技术进行最终抗干扰处理。另外无法判断干扰时,还可采用航迹外推手段进行航迹维持,留待下次观测数据继续判断,外推达极限时可启用搜索指令二次在预定区域内进行搜索,重新锁定目标。

3 结束语

文中对主动雷达/红外复合制导的数据融合关键技术做了论述,对红外诱饵、箔条质心两种典型干扰机理和相应的抗干扰原理进行了理论分析,运用Matlab对主动雷达/红外复合制导在这两种干扰情况下的数据融合抗干扰性能进行了仿真。仿真结果与理论相符,表明基于主动雷达/红外复合制导的数据融合技术的抗干扰性优于单模制导技术。

摘要：针对单一制导模式抗干扰能力弱的缺点,文中采用主动雷达/红外复合制导模式,运用数据融合技术,并对主动雷达/红外复合制导在典型干扰情况下的数据融合抗干扰性能进行了仿真。仿真结果表明,基于主动雷达/红外复合制导的数据融合技术,抗干扰性能明显优于红外成像或主动雷达任一单模制导技术,并可准确分辨假目标。

成像精确制导技术分析与研究 篇8

分析了合成孔径雷达(SAR)成像制导、红外成像制导、电视成像制导的优缺点,设计了一种新的双模成像复合制导,即SAR成像/红外成像双模复合制导,有效提高了导弹的突防和制导能力.

作 者：黄世奇 禹春来 刘代志 钱昌松 Huang Shiqi Yu Chunlai Liu Daizhi Qian Changsong  作者单位：第二炮兵工程学院,西安,710025 刊 名：导弹与航天运载技术  ISTIC PKU英文刊名：MISSILES AND SPACE VEHICLES 年，卷(期)： “”(5) 分类号：V448 关键词：SAR成像制导   红外成像制导   电视成像制导   双模成像复合制导  

基于模糊逻辑的高性能融合制导研究 篇9

本文在对比分析了各种企业财务危机预警方法的`基础上,提出基于模糊综合评价方法的企业财务风险预警模型,并作了实证分析.

作 者：高艳青 栾甫贵  作者单位：北京工业大学经济与管理学院,北京,100022 刊 名：经济问题探索  PKU CSSCI英文刊名：INQUIRY INTO ECONOMIC PROBLEMS 年，卷(期)： “”(1) 分类号： 关键词：模糊综合评价法   层次分析法   财务危机预警  

基于模糊逻辑的高性能融合制导研究 篇10

矢量控制技术由于实现了感应电机的转矩电流分量和磁通分量之间的解耦控制,使得感应电机能够获得与直流电机相媲美的调速性能。然而由于异步电机是多变量、非线性、强耦合的系统,并且在运行过程中存在参数时变的特性,因此,很难确定其精确的数学模型。再者,常规PID控制器不能有效克服负载、模型参数的大范围变化及其非线性因素的影响,因而在高性能、高精度场合不能满足要求。将模糊控制器直接用于电机控制可以充分体现模糊控制器鲁棒性强的特点。

1异步电机矢量控制原理[1]

异步电机通过矢量变换转化为等效的直流电机模型,对直流量进行控制,然后通过反变换将直流量变回交流量,这个过程就是异步电机矢量控制的基本原理。

矢量控制技术和其他控制技术一样,都是用来改善异步电动机的动态特性,因此在控制过程中必须考虑电流中暂态分量问题[2]。建立的矢量控制系统结构图如图1所示。图1中,励磁给定电流im*和电枢给定电流it*,经反旋转变换模块VR-1得到iα*和iβ*,再经过两相/三相变换模块计算得到iA*、iB*和iC*,然后,使其和频率信号ω1一同作用到变频器上,从而实现感应电动机电流的瞬时控制。

2异步电机矢量控制系统数学模型

在推导异步电机数学模型时,作如下假设[3]:①电机三相绕组对称;②忽略磁饱和,绕组自感及互感是线性的;③忽略铁耗的影响。在以上条件下,列出感应电机在M-T坐标系下的数学模型。在M-T坐标系下,坐标系M-T以同步转速ω1旋转,转子转速为ω,转差为ωs=ω1-ω。M轴沿着转子总磁链矢量ψr的方向轴T轴逆时针旋转90°,即垂直于矢量ψr的方向。异步电机在M-T坐标系下的数学模型为:

usm=Rsism+Lσpism-ω1Lσist+Lmpψr/Lr,

ust=Rsist+Lσpist+ω1Lmψr/Lr+ω1Lσism,

Lmism=Trpψr+ψr,

ωs=Lmist/(Trψr)。

运动方程为:

undefined

其中:ω1为同步旋转角速度;ωr为转子电气旋转角速度;ω为转子机械旋转角速度;ωs为转差角速度;Rs为定子电阻;np为磁极对数;Te为电磁转矩;TL为负载转矩;J为转动惯量;Ψr为转子磁链;p为微分算子;Lσ为定子漏感,其值与Ls、Lr和Lm相关;Ls、Lr分别为定、转子电感;Lm为互感;usm、ust分别为M、T轴定子电压;ism、ist分别为M、T轴定子电流;Tr为转子励磁时间常数。

3模糊控制器的设计[4]

基于模糊逻辑原理设计的速度环控制器如图2所示,速度误差E和速度误差变化率EC经Ke和Kec量化后,转化为模糊逻辑控制器的输入信号e和eC,其论域均被归化为[-13/9 13/9]。

利用规则评价和解模糊运算的方式分别对输入信号e和ec模糊化,得到模糊逻辑控制的输出du,定义其取值范围为:-1≤du≤1。然后,输出du经Ku量化后得到输出DU,对DU进行积分运算得到速度调节器的输出T*e。对于输入e、ec和输出du,模糊子集都取为7个,对应的模糊语言词集均表示为{NB,NM,NS,Z,PS,PM,PB},即{负大,负中,负小,零,正小,正中,正大},隶属度函数选取三角形分布。模糊逻辑推理方法和解模糊运算分别选取Mamdani极小法和加权平均法,模糊控制器的规则库离线设计好后,制成模糊规则表[5],见表1。

在MATLAB/Simulink环境下建立模糊速度控制器,其中模糊逻辑控制模块的功能是调用MATLAB的函数实现查表和推理。

4感应电动机矢量控制系统的建模

系统采用模糊逻辑的电动机矢量控制方案,包括转速调节器、磁链调节器、转矩调节、两相/三相变换、逆变器、转子磁链观测器、电流调节器以及异步电动机等模块。模糊控制器交流感应电动机控制系统的仿真模型如图3所示[6]。

5仿真结果

利用上述建立的异步电动机矢量控制系统模型,对系统进行仿真分析。有关参数如下:Pe=1.20 kW,Ue=380 V,f=50 Hz,Rs=0.085 Ω,Rr=0.226 Ω,Ls=Lr=35.6 mH,Lm=34.6 mH,np=2,J=0.000 62 kg·m2。

对于磁链调节器,取比例系数Kp=4.9,积分系数Ki=1.95。对于转矩调节器,取比例系数Kp=4.95,积分系数Ki=4.9。下面分两种情况讨论仿真结果:

(1)t=0 s时刻,负载转矩为零,即空载。在t=2.25 s时刻给定转速ω*由0 rad/s突加至100 rad/s。在此参数情况下,定子三相电流is_abc、转速ω和转矩T曲线如图4所示。

(2)t=0 s时刻,负载转矩为60 Nm;t=1.6 s时刻,给定转速ω*由100 rad/s突加至200 rad/s;当t=2.6 s时刻,负载转矩由TL由60 Nm增加至120 Nm。在此参数情况下,得到的定子三相电is_abc、转速ω和转矩T曲线如图5所示。

6结论

通过仿真结果,可以得出以下结论:由于模糊控制器的强鲁棒性,基于模糊速度控制器的感应电动机矢量控制系统可以对转速给定实现快速、无稳态误差、无超调的跟踪。在磁场定向坐标轴系下,采用模糊控制器控制感应电动机的励磁电流分量和转矩电流分量,完全可以实现它们之间的解耦控制。

摘要：通过对感应电动机动态电磁关系的分析,引出了感应电动机的数学模型和在M-T坐标系上的数学模型表达式,指出了感应电动机的模型是一多变量、强耦合的非线性系统。将模糊控制技术应用于感应电机的变频调速中,设计了一种转速模糊控制器,并用MATLAB/Simulink对基于模糊控制的感应电机矢量控制系统进行了仿真。仿真结果表明:对于感应电机来说,模糊控制器的控制性能优于常规的PID控制器。

关键词：感应电动机,矢量控制,模糊控制,仿真

参考文献

[1]BOSE B K.Modern power electronics and AC drives[M].New York:Prentice Hall,2002.

[2]李华德,白晶,李志民,等.交流调速控制系统[M].北京:电子工业出版社,2003.

[3]陈伯时.电力拖动自动控制系统[M].第2版.北京:机械工业出版社,2000.

[4]孙增圻.智能控制系统理论与技术[M].北京:清华大学出版社,广西科学技术出版社,2004.

[5]冼成瑜,王明渝,刘和平.基于多模糊控制器的感应电动机矢量控制系统实验研究[J].电工技术学报,2004,19(11):31-35.

基于模糊逻辑的高性能融合制导研究 篇11

基于模糊粗糙集的飞机远程故障诊断模型研究

粗糙集和模糊集结合在飞机故障诊断领域有巨大的.发展潜力.针对当前飞机故障诊断中所存在的问题,借助C/S模式,将粗糙集和模糊集结合,提出一种新型的飞机远程故障诊断模型,并且开发出远程诊断系统框架.系统的可行性和有效性得到了飞机故障诊断实例的证实.该系统具有客户端响应快、系统效率高、诊断及时的特点,对于当前民用飞机远程故障诊断具有重要应用价值.

作 者：宋云雪 张传超 史永胜 SONG Yun-xue ZHANG Chuan-chao SHI Yong-sheng 作者单位：中国民航大学,航空工程学院,天津,300300刊 名：中国民航大学学报 ISTIC英文刊名：JOURNAL OF CIVIL AVIATION UNIVERSITY OF CHINA年，卷(期)：25(6)分类号：V263.6关键词：粗糙集 模糊集 远程故障诊断 诊断模型 飞机

基于模糊逻辑的高性能融合制导研究 篇12

提出一种新的基于随机模糊神经网络的多传感器状态信息融合方法,研究和比较了基于单值模糊神经网络和基于随机模糊神经网络的雷达与红外传感器状态信息融合.仿真结果表明,当输入被噪声污染时,基于随机模糊神经网络的`方法离线学习次数更少,能更有效地防止噪声的干扰,并且融合误差更小.

作 者：龙翔 敬忠良 金德琨 王安  作者单位：龙翔,金德琨,王安(西北工业大学,自动控制系,陕西,西安,710072)

敬忠良(上海交通大学,图像与信息处理研究所,上海,30)

刊 名：控制与决策  ISTIC EI PKU英文刊名：CONTROL AND DECISION 年，卷(期)： 17(4) 分类号：V243.2 关键词：随机动态系统   随机模糊神经网络   状态信息融合  

基于模糊逻辑的高性能融合制导研究 篇13

未来高科技战争将防空导弹武器系统暴露于复杂的电子战战场环境中。为了在复杂电磁环境下快速准确地捕获目标并进行稳定跟踪,防空导弹跟踪制导雷达采用了多种先进的抗干扰措施,可有效对抗多种干扰样式。靶场传统的试验模式是在无干扰条件下检验跟踪制导雷达的精度与威力,这种试验模式远不能适应复杂环境的作战需求,为检验跟踪制导雷达的抗干扰性能,充分反映雷达的实际作战使用效能,本文采用外场飞行试验与内场仿真试验相结合的一体化试验方法,对跟踪制导雷达的抗干扰性能进行鉴定。一方面,内场仿真试验可弥补外场飞行试验信息的不足;另一方面,外场数据检验又可进一步验证内场仿真结果的正确性。通过信息融合,为鉴定雷达的性能提供可靠充分的数据知识,提高对雷达抗干扰性能鉴定的准确度和置信度。

1抗干扰试验设计

防空导弹跟踪制导雷达采用多种有效的抗干扰措施,可有效对抗多种有源干扰[1]。本文结合雷达靶场检飞试验,重点研究对远距离支援干扰的对抗效能。在远距离支援干扰环境下,干扰机与一般目标处于不同的位置,干扰功率从副瓣进入雷达接收机。工作方式一般采用压制式干扰,使雷达接收机饱和、模糊以致无法检测,从而达到降低雷达探测能力的目的。

1.1检验指标

要实现对雷达抗干扰性能的有效评估,首先要确定评估指标和相应的评定准则以及评定方法[2]。对于压制式干扰采用的评估指标有:干扰可见度(VJ)、抗干扰改善因子(D)、雷达最大作用距离提高倍数(KR)等。从试验需求的角度出发,对跟踪制导雷达抗干扰性能定量分析时,采用抗干扰改善因子进行描述。抗干扰改善因子是雷达采用抗干扰措施后,雷达输出端的信干比(P′SO/P′JO)与雷达未采取抗干扰措施时,雷达输出的信干比(PSO/PJO)的比值,即雷达采取抗干扰措施后信干比提高的倍数。

在实际试验中,为便于测量,采用雷达实时输出的信噪比代替信干比。

1.2远距离支援干扰试验

跟踪制导雷达抗远距离支援干扰试验的目的是检验雷达在压制干扰条件下采取抗干扰措施后和未采取抗干扰措施时,雷达性能提高和改善的程度。

1.2.1干扰源性能要求

雷达抗干扰试验与一般雷达试验的主要区别在于增加了干扰源,在试验设计时应首先选取干扰设备。干扰设备的选取一般考虑3个方面:

(1)工作频率、带宽。

(2)最大输出功率。

(3)能够模拟干扰的类型(包括阻塞噪声和瞄准噪声)。

根据被试雷达的抗干扰性能指标和试验的考核内容,选择指标明确、性能稳定的干扰设备。

1.2.2主要抗干扰措施

当干扰为远距离支援时,目标位于雷达波束主瓣内,干扰源位于雷达波束副瓣内,干扰信号从副瓣进入雷达接收机。干扰信号的存在抬高了雷达接收信号的噪声电平,使目标的搜索和跟踪性能下降,这时,跟踪制导雷达采用副瓣对消措施对抗干扰。

1.2.3抗远距离支援干扰试验方案

雷达抗干扰试验要求在接近实战的条件下进行,即将雷达置于规定的干扰环境中,按规定的战术使用条件进行雷达试验。试验方案的设计内容包括试验航路、真值测量方案、雷达测量数据录取方案、检测及结果评定方法等。靶场应具备实施干扰试验的环境(包括试验航路、试验阵地等)、实施各种实体干扰的场区条件(如架设模拟器的测试塔等)。在干扰条件下靶场的真值测量设备、通信设备等参与试验的设备应不受干扰源的影响。

模拟远距离支援干扰,通过干扰模拟器向雷达施放窄带瞄准干扰和宽带阻塞干扰,检验雷达对目标的检测和跟踪情况。干扰模拟器施放时应根据干扰源与目标的相对位置关系、干扰源与雷达阵面的相对位置关系,进行试验航路设计。

在远距离支援干扰模式下,干扰信号从副瓣进入雷达接收机,因此在航路设计时,干扰机应处于雷达主波束之外,与目标机保持一定距离,如图1所示。

在干扰机无法满足试验条件时,可采用地面模拟干扰源的方式进行。在距雷达一定距离的固定位置处放置干扰模拟器,如图2所示。

2抗干扰功能仿真

跟踪制导雷达抗干扰功能仿真的目的,就是利用雷达的功能性质,仿真计算干扰条件下雷达系统的检测功能。已知跟踪制导雷达在一定环境下检测目标的检测概率,雷达检测目标的性能,主要取决于检测信噪比[3]。因此,当雷达检测概率一定的条件下,可通过仿真计算干扰条件下的雷达检测信噪比,对雷达的抗干扰功能进行仿真。

跟踪制导雷达抗干扰功能仿真只考虑检测信噪比对检测概率的影响,仿真模型简单,方法易于实现。采用蒙特卡洛仿真方法,对雷达检测概率进行统计试验。根据雷达方程、干扰方程以及干扰/抗干扰基本原理,建立仿真计算综合信噪比的数学模型和软件,并对雷达的抗干扰能力作出初步评估。仿真评估的结果可以扩展试验信息,弥补试验项目不足造成的试验评定结论片面,是试验鉴定有效的辅助评估手段。

2.1数学模型

2.1.1雷达回波功率

根据雷达方程,雷达回波信号功率是指雷达发射的信号经斜距为R的目标反射回来的再被雷达接收的回波信号的功率[4]。雷达回波信号功率与雷达发射功率、雷达与目标的距离、雷达天线增益、目标平均散射截面积、总损耗等因素有关。雷达回波功率仿真数学模型为:式中,Pt为雷达发射机峰值功率;Gt为目标方向雷达发射天线增益;Gr为目标方 向雷达接 收天线增益;D为雷达抗干扰改善因子;R为目标与 雷达距离;Lr为雷达的综合损耗;σ为目标的雷达截面积;λ为雷达工作波长。

2.1.2雷达检测信噪比

在雷达抗干扰试验中,雷达面临的目标和环境复杂,能否检测到目标回波,主要取决于检测时的信噪比。雷达检测信噪比由多方面因素综合决定,其中噪声包括接收机噪声、杂波和干扰信号功率。综合信噪比S/N的数学模型为:式中,S为回波信号功率;Nr为接收机噪声;Nc为杂波;Nj为干扰信号功率。

2.1.3副瓣对消抗干扰改善因子

副瓣对消基本原理是利用主阵干扰信号和辅助阵干扰信号之间的相关性,将主阵干扰信号对消掉。由于相关性,对辅助阵接收到的干扰信号适当加权,可以产生一个与主阵干扰信号很“相似”的干扰信号。将主阵输出信号与辅助阵输出信号相减,主阵干扰信号的作用就会大大减弱,从而达到对消干扰。副瓣对消抗干扰改善因子(干扰对消比,DJCR)定义为:式中,SNR1为采用副瓣对消时雷达输出信噪比;SNR2为未采用副瓣对消后系统输出信噪比。

2.2仿真过程

在建立数学模型的基础上,进行仿真流程设计:输入各项参数(包括雷达系统、目标、干扰机系统参数),分别计算信号功率、干扰功率和综合信噪比,并得出信噪比与目标距离之间的关系表和关系曲线图。通过分析各个参数以及曲线之间的关系,进而分析雷达抗干扰的效果,如图3所示。在远距离支援干扰条件下,采用先验模型计算宽带阻塞式、窄带瞄准式噪声干扰对雷达系统探测能力的影响。

2.3仿真模型的有效性检验

当抗干扰试验积累了大量的外场飞行试验数据时,可利用已有的(实际飞行试验的)试验数据,与仿真结果进行分析比较。仿真试验结果与飞行试验结果的误差在允许范围内,即在统计意义上相一致时,可认为数学模型有效[5]。一致性检验方法有判断比较法、假设检验法、灵敏度分析法和时间序列分析法等。经过有效性验证的仿真模型,可对雷达试验可靠性评定进行有效互补[6]。

3实例分析

防空导弹跟踪制导雷达采用副瓣对消,对抗远距离支援干扰,目标雷达截面积(RCS)为2m2,从雷达阵面法线方向进入。

3.1飞行试验结果

共进行2架次6航次抗干扰飞行试验,试验结果统计处理如表1所示。

3.2仿真试验结果

根据2.1节的数学模型和2.2节的仿真流程编制仿真计算软件,雷达参数设定及干扰机参数设定参考被试雷达及干扰机参数。雷达系统的主要参数包括法向最大增益、第一副瓣增益、雷达中心频率、接收机噪声、雷达系统综合损耗。干扰机参数包括:干扰机功率、干扰天线增益、干扰机综合损耗、干扰机中心频率等。参数输入界面如图4所示。

对部分仿真结果进行统计处理,如表2所示。

从表1、表2可以看出,远距离支援干扰对跟踪制导雷达检测的信噪比影响较大,对于RCS为2m2的目标,可将雷达的探测距离从200km压制到100km,采用副瓣对消抗干扰措施后,抗干扰改善

因子大于10dB,可以有效对抗远距离支援干扰。在200km以内,干扰对跟踪制导雷达的探测距离几乎没有影响。由此可见,副瓣对消抗干扰措施对掩护式噪声干扰有很强的抗干扰能力。

3.3仿真试验结果与飞行试验结果的一致性检验

应用仿真试验结果,与外场飞行试验结果进行分析、比较,综合评估雷达的性能指标,必须对数学仿真结果和外场试验结果进行一致性检验。一致性检验是利用外场试验得到的有限信息资源,验证仿真模型的有效性的最直接方法。在相同的距离段内,对部分雷达测量结果和仿真结果统计如图5所示。本例中采用比较法、相关系数法进行检验。计算仿真数据与试验数据的相关系数:式中C12为仿真数据与试验数据的协方差;C1为仿真数据的均方差;C2为试验数据的均方差。

计算得:R=0.961,两组数据有较好的相关性,仿真结果和试验结果的一致性较好。

4结束语

在跟踪制导雷达抗干扰试验过程中,采用了外场飞行试验与内场仿真试验相结合的一体化试验方法,即将外场飞行试验和内场数学仿真试验相结合,充分利用多种信息来源,使试验手段不断完善、试验效率得到提高、试验结果更加可靠。通过外场飞行试验对跟踪制导雷达的探测功能及抗有源干扰性能进行检验,通过内场功能仿真分析,增加了试验样本数,有效提高了靶场试验结果评定的置信水平。限于篇幅,对本文未涉及的抗干扰措施,也可采用本文提出的一体化试验方法进行评估,有效解决跟踪制导雷达抗干扰性能评估的难题。

摘要：为检验防空导弹跟踪制导雷达的抗干扰性能,充分反映雷达的作战使用效能,本研究设计了针对跟踪制导雷达抗干扰的外场飞行试验方案,深入研究了内场抗干扰功能仿真试验方法,采用外场飞行试验和内场仿真试验相结合的方法,为评估雷达的抗干扰性能提供确凿可靠的信息,从而提高试验鉴定结果的置信度。

基于模糊逻辑的高性能融合制导研究 篇14

基于模糊多目标下配送中心选址及配送量分配的模型研究

为了解决随机需求和模糊配送时间并存条件下的多产品配送中心选址问题,建立了相应的模糊多目标混合整数随机规划模型.该规划模型的特点是:模型的目标函数中含有模糊系数;约束条件中兼具确定性和随机性;通过约束条件方程和目标函数准确地表现了随机需求和模糊配送时间并存的假设条件.根据该模型的`特殊结构,进行模型求解,最后,通过应用算例说明了模型的有效性和可行性.

作 者：郑连弟 马毅 ZGENG Lian-di MA Yi  作者单位：辽宁信息职业技术学院,辽宁,辽阳,111000 刊 名：辽宁师专学报(自然科学版) 英文刊名：JOURNAL OF LIAONING TEACHERS COLLEGE(NATURAL SCIENCE EDITION) 年，卷(期)：2009 11(2) 分类号：U116.2 关键词：模糊多目标   混合整数规划   配送中心选址  

基于模糊逻辑的高性能融合制导研究 篇15

基于信息融合技术的火灾报警方法研究

根据当今火灾探测的现状和实现火灾早期报警的需求,将多传感器数据融合技术应用在火灾报警系统中.在分析了信息融合系统的`三级结构及火灾报警信息非结构特性的基础上,以感温、感烟和气体的火灾报警模拟量为输入,利用粗糙集和神经网络对多传感器信号进行融合,设计出一种快速、准确和有效的火灾探测系统,达到了提早报警和降低误报警频次的目的.

作 者：路海娟 程乃伟 刘晓光 LU Hai-juan CHENG Nai-wei LIU Xiao-guang 作者单位：沈阳航空工业学院安全工程学院,辽宁,沈阳,110034刊 名：沈阳航空工业学院学报英文刊名：JOURNAL OF SHENYANG INSTITUTE OF AERONAUTICAL ENGINEERING年，卷(期)：200825(2)分类号：X932关键词：信息融合 粗糙集 神经网络 火灾探测

基于模糊逻辑的高性能融合制导研究 篇16

在大多数无线传感器网络（Wireless Sensor Network,WSN）应用中，都利用聚类技术来减少能量消耗[1]。在分簇网络中，成员节点负责发送遥感数据到根节点，根节点负责收集、处理和发送数据到基站，所以根节点会比成员节点产生更多的能量消耗。当簇中的根节点能量消耗完，则无法处理数据使网络失效[2]。所以需要一种能够平衡能源消耗、提高簇和网络生命周期的算法。

本文提出一种基于模糊逻辑的WSN分布式分簇（Distributed Fuzzy-logic Clustering,DFLC）算法。采用分布式模糊逻辑推理系统，以能量大小、中心性、到基站的距离、跳数和节点密度等参数作为输入，来动态选择根节点。每个节点都分配分布式模糊逻辑引擎，防止消息在传输过程中产生高能耗。通过在中间节点上运行模糊逻辑推理，降低成员节点到根节点的消息传输量。仿真实验表明，DFLC算法的性能优于其他分簇算法。

1相关研究

文献[3]提出的低能耗自适应聚类层次算法（LEACH）是一种分布式自组织分簇算法，其过程分为簇建立和簇稳定2个阶段，通过随机选择机制选举簇头来平衡节点负载。然而，该算法没有考虑节点位置，不适合应用于较大的WSN环境。文献[4]对LEACH进行改进，通过构建双层簇来减小簇头与Sink节点的传输距离。然而其最多能够实现两跳传输，也不适合大型网络。文献[5]提出一种基于模糊逻辑簇头选举算法（CHEF），以节点能量、密度和中心性为输入，利用Mam dani模糊逻辑推理进行簇头的选举。然而其使用基站收集所有节点的信息，需要大量的节点间通信，消耗较多的能量。文献[6]提出一种集中化使用模糊逻辑引擎来选择生成簇头的算法，然而该方法没有考虑到需求情况，而是周期性运行。

不同于上述提到的算法，DFLC没有使用基站从所有传感器节点收集数据或集中化执行模糊逻辑，而是使用了一个完全分布式结构。避免了节点到基站、基站到节点的大量计算开销和消息传输开销，从而降低整个网络的能量消耗，提高网络寿命。模糊逻辑引擎只由根节点或者有较高概率被选择作为新根节点的父节点执行，进一步节约能耗。此外，DFLC还考虑了容错性、负载均衡、时效性和可扩展性等因素。

2提出的分簇算法

2.1网络模型

系统节点分为Sink节点、根节点、成员节点、父节点和子节点。Sink节点为基站，从根节点中收集数据。根节点为每个簇的领导者，从簇中成员节点收集数据，然后发送数据到Sink节点。父节点是具有叶节点的成员节点，转发或处理其子节点发送的数据。子节点是成员节点，通过父节点把数据发送给根节点。

2.2能量模型

传感器主要在分组传输、数据包接收、数据感知和处理过程中消耗能量。本文使用的能量模型[6]中，发送k字节数据包消耗的能量为：

式中：Eelec（单位：nJ/b）和εelec（单位：pJ/b/mα）是无线电路的能量系数；放大器α是路径损耗指数，数值在2～4之间；d是传输距离。接收器的能量消耗模型为：

传感能耗模型为：

式中：s为传感半径；Esensor为传感器能量系数。

用于数据处理的能耗模型为：

式中Ecpu为处理器能量系数。

2.3分布式模糊聚类分簇算法

分布式模糊聚类算法（DFLC）中，每个节点都使用模糊逻辑推理，根据该节点的信息和与之直接连接的子节点信息来判断哪个传感器节点最适合成为根节点。分布式模糊聚类算法（DFLC）中的有限状态机，如图1所示。若当前根节点的剩余能量低于阈值（初始能量的50%）或当前根节点出现故障，则根节点将会给所有树中成员节点广播报警信息。成员节点接收到报警信息后，它就通过它的父节点给当前根节点发送回复信息（ID，剩余能量，中心性，距基站的距离，跳数，节点密度）。收集完毕后，节点运行分布式模糊逻辑，避免把不必要的消息发送到根节点。通过分布式模糊逻辑，中间成员节点只需发送质量最高子节点的回复消息，大大减少了被发送到根节点的消息数量。

当一个根节点从它的子节点接收到回复消息后，该根节点就运行分布式模糊逻辑算法来选择一个节点作为新的根节点，并且发送“你是新的根节点”的消息给被选定的根节点。成员节点接收“你是根节点”的消息后，检查本身是否是目的节点，若当前节点是目的节点，它就洪泛“我是根节点”的消息给当前簇中的所有节点；否则就把“你是根节点”的消息朝着目的节点继续转发。若一个目的成员节点接收了“我是根节点”的消息，它就开始更新自己存储空间中根节点ID和父节点的信息，同时给它的邻居节点发送“我是根节点”的消息。算法1给出了分布式模糊聚类算法的伪代码。基于模糊规则的模糊化和推理、集成输出和去模糊化是分布式模糊逻辑推理系统的主要步骤。该系统的隶属函数如图2所示。

模糊化：模糊化是利用隶属度函数，确定一个从清晰的输入到模糊集之间的映射。其中有五个输入，即节点的能量、中心性、到基站的距离、跳数、节点密度；一个输出，即概率。节点能量（NE）：每个节点的剩余能量。中心性（C）：树中一个节点到其他节点的距离。基站距离（DBS）：从节点到基站的距离。跳数（NoH）：在根节点和成员节点之间的中间节点数。节点密度（ND）：节点的邻居节点数。概率（P）：具有被选为根节点的最大概率的节点。

应用模糊规则：数据在进行模糊化输入时使用了模糊规则。计算概率输出参数度的公式如下：

式（5）考虑了剩余能量的增量、节点密度值对概率的正面影响和中心值、到基站的距离、跳数对概率的负面影响。输入参数度被设置为0,1,2，分别对应低、中、高三种情况。与之相类似，0,1,2的值分别对应了距离相近、距离相当、距离遥远三种情况。

输出集合：将所有输出规则汇总到统一的输出。模糊输出变量的概率可以从模糊规则中得到。概率越高意味着该节点有更多的机会成为一个根节点。

模糊化：把模糊输出的概率变量转变为清晰输出的过程。其中的反模糊化方法是面积中心算法（COA）。该算法中，模糊逻辑控制器首先计算隶属函数和输出变量范围内的面积，然后使用下面的公式计算几何中心的面积[7]。

式中x是语言变量的值。

2.4 系统性能分析

2.4.1容错

传感器节点可能会因为能源耗尽或中断等多种原因而失效，这些情况下，系统需要用另一条路径解决问题[8]。为了达到这个目的，在系统建立阶段，当一个节点接收到“发现”消息时，它就把发送节点的ID存储下来，并指定该节点是到Sink节点最近的一个邻居节点，作为备用路径。同时，一些节点被确定为根节点的备份，以防当前根节点失效[8]。根节点故障也会引发根节点的选举过程。为了检测根节点的状态，当前根节点周期性地广播“检查”消息，其中包含具有最大概率成为根节点的备份根节点的ID。若一段时间内成员节点没有收到任何“检查”消息，则就判定当前根节点出现故障，随后在簇内部把备份根节点作为目的地址，洪泛发送“新簇”的消息。当中间节点接收到“新簇”的消息后，它检查自己是否存储了该目的节点。若存储空间已有该目的节点，就发送含有从自身节点到目的节点距离的“回复新簇”的消息。否则，该成员节点就继续把“新簇”的消息广播给它的相邻节点。

2.4.2负载平衡

负载均衡对延长网络寿命是非常重要的。使用同一条路径传输和使用相同节点进行大量计算都会导致能量的快速消耗。为了避免这种情况，负载必须均衡分配给所有节点。本文通过循环担任根节点和使用多路径传输，有效平衡了网络负载。

2.4.3时效性

为了避免簇中节点与根节点之间的数据包传输发生冲突，本文利用TPIPE[9]调度模型调度聚集树拓扑结构中每个节点的传输。除此之外，在系统初始化阶段还使用了退避等待时间机制[8]。在退避等待时间中，传感器节点接收广播信息后，只以最小数量的跳数作为参数来评价消息。以此来减少设置信息的传输数量。

2.4.4可扩展性

由于较多的节点数量和较高的节点密度，WSN应用程序中聚类协议必须具有良好的可扩展性和对网络拓扑的适应性。同时，当网络规模越来越大时，负载不断增加，协议也必须能够良好的运行。本文模拟了不同节点数目和节点密度的场景并进行实验，结果表明本文提出的分布式模糊聚类系统能够良好运行。除此之外，利用多路径路由策略，使其能够自适应网络中拓扑结构的变化。

2.5参数计算

2.5.1消息复杂度

假设DCBTA(PF)消息复杂度为O(n)。在簇中，当一个根节点消耗了50%能量或发生故障时，它就给树中所有节点广播报警消息。成员节点收到报警信息后，把cs（簇中的节点的平均数）消息返回给根节点。根节点接收回复消息后，运行DFL算法，并把“你是根节点”的消息发送给目的节点。最坏的情况是新的根节点在距离根节点dt（簇中树的深度）距离处。这种情况下，为了把消息发到目的节点，“你是根节点”的消息可能被转发dt次。当新的根节点接收“你是根节点”的消息后，它就把“我是根节点”的消息广播给树中所有的节点。假设n是网络中簇的平均数，则整体的消息复杂度O(n)可计算如下：

消息总数为：

2.5.2能量消耗

传感器主要在分组传输、数据包接收、数据传感和处理中消耗能量。本文算法中能量消耗的步骤如下：

若n是网络中簇的平均数；d0是传输距离；用k表示平均消息长度。根节点给树中所有节点发送报警信息的能量消耗为：

成员节点收到报警信息的过程中也有一定的能量消耗。若cs是簇中节点的平均数目，则接收信息所消耗的能量为：

成员节点收到报警信息后，会把cs应答消息回复给根节点。发送该回复消息消耗的能量为：

根节点接收回复消息消耗的能量为：

根节点接收到回复消息后会运行分布式模糊逻辑来处理数据。该数据处理过程所消耗的能量为：

根节点运行分布式模糊逻辑之后，就发送“你是根节点”的消息给目的节点。这一过程中所消耗的能量为：

目的节点接收“你是根节点”所消耗的能量为：

新的根节点接收“你是根节点”的消息后，就把“我是根节点”的消息广播给树中所有节点。这一过程所消耗的能量为：

成员节点接收“我是根节点”所消耗的能量为：

3实验

利用NS2仿真器将提出的DFLC与低能耗自适应聚类层次算法（LEACH)[3]、等待定时自适应聚类算法（ACAWT)[10]、基于模糊逻辑簇头选举算法（CHEF)[4]和Gupta算法[11]，在消息负载、网络能耗、存活节点数、容错性和簇头能耗方面进行了实验对比。表1给出了相关的仿真参数。

不同运行时间下的信息传输数量比较情况，如图3所示。

从图3中可以看出，DFLC算法产生的消息传输量最少，LEACH算法产生的消息传输量最大。在ACAWT算法中，簇被分成了各个子簇，成员节点分为子簇头和子簇成员。基于分簇头之间的通信来选择新簇头，这样就降低了消息传输量。在Gupta算法中，基站统一收集来自节点的信息，然后运行聚类算法，这一过程产生了巨大的消息传输量。在CHEF算法中，基站不需要从所有节点收集信息，所以CHEF算法要优于Gupta算法。本文提出的DFLC算法通过筛选最有可能成为根节点的那个节点的信息，使中间节点减少了从叶节点发到根节点的信息量，所以产生的数据量最小。

不同算法的能量消耗，如图4所示。可以看出，随着仿真时间的增加，所有算法的能量消耗也都将会增加。其中，DFLC算法产生的能源消耗最低，LEACH算法产生的能源消耗最高。ACAWT算法中，在新簇头的选择阶段，分簇头向整个簇广播数据，这就导致产生高能耗，尤其在有大量簇头数的情况下。尽管Gupta算法考虑了能耗、节点浓度和中心参数等因素，收集节点和基站之间的数据，在基站集中运行模糊逻辑系统的过程仍然导致了较大的能源消耗。CHEF和Gupta算法类似，与之主要不同点是使用了局部簇头选举机制，从而使基站不需要从所有节点收集信息。LEACH算法完全取决于概率模型，导致簇头节点的能量被迅速消耗。

不同仿真时间下各算法中存活节点的数量，如图5所示。可以看出，随着时间的增加，存活节点数量不断减少。其中，本文DFLC算法中存活节点数最多，而LEACH算法最少。因为与LEACH,Gupta和CHEF算法不同的是，DFLC算法中传输消息的数量较少，能量消耗低，存活节点数也高于其他算法。

有限的能源是WSN的一个非常重要的约束。由于能源的消耗，节点可能会失效，这就导致不能及时完成正常任务，这就需要一个容错机制，当节点失效后，用另一个节点来代替它继续发挥作用，继而使整个过程能够继续进行。为此，本文DFLC算法中集成了容错机制。图6为各个算法中容错机制的性能。实验中，通过故意丢弃节点的数据包来制造一些故障节点。将传送的所有数据包记为“提供数据”，成功传输的数据包记为“投递数据”。从图6可以看出，和其他没有考虑系统故障情况的算法相比，本文提出的算法具有最好的性能。同时，DFLC算法还与文献[12]提出的具有簇头容错聚类技术的FTFC算法进行比较。结果表明，DFLC的容错性能优于FTFC。

为了延长系统寿命，需要均衡簇头负载。将本文算法同现有的2种WSN负载均衡分簇算法：EELBC[13]和LBC[14]进行比较，结果如图7所示。实验中计算了6组簇头的能耗平均值作为能量消耗率。可以看出，DFLC算法具有最低的簇头能量消耗率。

4结语

本文提出了一种基于模糊逻辑的WSN分布式聚类算法（DFLC）。通过仿真实验，将本文算法与LEACH,ACAWT,Gupta和CHEF算法在产生消息数量、能源消耗、存活节点数、容错性、负载平衡等方面进行比较。结果表明，DFLC算法优于其他分簇算法。