模糊 专家控制在智能消磁中的应用研究.pdf

文章编号1009 - 3486200301 - 0084 - 03 模糊-专家控制在智能消磁中的应用研究 ① 王智勇,刘大明 海军工程大学 电气工程系,湖北 武汉430033 摘 要综合消磁是处理舰船固定磁性的重要手段.长期以来,由于综合消磁工艺的复杂性,使得这项工作在 很大程度上依赖人工.实现消磁自动化,就是要将工作人员从繁重的脑体劳动中解放出来,提高工作效率.目 前的新型消磁站已经实现了数据采集、 统计自动化,不仅基本免除了工作人员的体力劳动,也从一定程度上减 轻了消磁技师的脑力劳动.然而由于需要人工参与决策,综合消磁的效果和效率仍然十分依赖于人的因素.所 以,实现综合消磁工作的完全自动化,补偿电流值组合的智能化决策是关键问题.本文在分析以前所做工作的 基础上,运用模糊控制理论构造模糊-专家控制器,替代人工决策过程以实现自动化消磁. 关键词磁滞效应;综合消磁;补偿电流;智能决策;模糊-专家控制器;模糊集;隶属函数 中图分类号 TM154.3 文献标识码 A Application of fuzzy2expert control in degaussing WANG Zhi2yong , LIU Da2ming Dept. of Electrical Eng. , Naval Univ. of Engineering , Wuhan 430033 , China Abstract As a primary means of disposing the permanent ship′s magnetism, degaussing is to a considerable extent dependent on the manual work. The realization of degaussing automation is aimed to make operators free of heavy physical and mental labours. The key point lies in intelligent decision2makingof composition of compensation current , and a fuzzy2expert control is applied for solving this problem. Key words hysteresis effect ; degaussing; compensation current ; intelligent decision2making; fuzzy2expert con2 trol ; fuzzy set ; membership function 舰船磁场主要由固定磁场和感应磁场两部分组成.为减小来自磁引信水雷和磁引信鱼雷的威胁、 提 高舰船生命力,必须对舰船实施磁性处理.舰船固定磁场是一种相对稳定的磁场,具有积累效应,必须通 过定期消磁消除;舰船感应磁场是一种随外界磁场变化的磁场,具有瞬时效应,通过舰载消磁设备动态 补偿.从技术上划分,通常把感应磁场处理称为 “内消磁”,固定磁场处理称为 “外消磁”,后者既是消磁船 站的主要任务,也是本文讨论问题的背景. 图1 铁磁物质磁化曲线 1 问题的引出 由图1所示的铁磁性物质典型磁化曲线不难看出,利用幅值衰 减的交变磁场对铁磁物质进行无磁滞磁化 [1] ,就能消除剩磁.从原 理上讲,最常用的综合消磁法 [2]就是一个无磁滞磁化过程. 进行综合消磁,需要在舰船周围布置两组电缆线圈补偿线圈 第15卷 第1期 2003年2月 海 军工程大学学报 JOURNAL OF NAVAL UNIVERSITYOF ENGINEERING Vol.15 No.1 Feb. 2003 ①收稿日期2002206214;修订日期2002211216 作者简介王智勇19772 , 男,硕士生. 通直流电,用以补偿异常复杂的环境磁场;工作线圈通交流脉冲电流技术细节参阅文献 [1] 用来产生 幅值衰减的交变磁场.因此,确保无磁滞磁化过程的关键在于调整补偿电流补偿环境磁场. 由于舰船结构异常复杂,而且存在诸多不确定因素,如果要靠建立数学模型计算舰船磁场,给出合 理的补偿电流值组合,以目前的计算水平很难达到所需的精度.所以,目前采用试探的方式决策补偿电 流组合. 图2 综合消磁工艺流程 消磁技师参与综合消磁,实际上是一个有人工决策环节的反 馈控制过程见图2 .图中 1为期望得到的舰船磁场值;2为由 消磁技师给出的补偿电流值;3为消磁系统;4为实际测量得到的 舰船磁场值.消磁技师通过分析特征点的磁场值凭借经验做出判 断,调整补偿电流值,最终将磁场误差控制在一定范围内. 一直以来,消磁界人士为实现自动化消磁做出了不懈的努 力.如某消磁站,建有两个平行的无磁码头,在码头内侧、 水下以 及码头上方敷设有消磁线圈,水下装设能沿码头运动的测磁行 车.经过自动化改造后,该站基本实现了磁场数据采集、 统计分析的自动化,极大程度地减轻了消磁工作 的体力劳动强度. 然而,采用单变量黄金分割搜索法设计的补偿电流值决策系统,或者试探次数过多,或者使舰船磁 场值在误差标准范围外振荡.事实上,补偿电流值和磁场变化之间尽管从总体趋势上存在比较明显的规 律,在细节上却是非常复杂的非线性关系,所以放弃人工经验,单凭机械的数学计算方法描述这一逼近 过程几乎是不可能的. 2 模糊-专家智能消磁控制的基本原理 因为在消磁工作中,专家的经验性知识通常是用不精确语言 [3]表述的 ,而且由于存在不确定因素的 图3 智能决策器 影响,舰船磁场的变化不可能用传统的数学方式描 述,所以利用经典数学集表述构造的决策控制器, 很难融入消磁技师的经验性知识,从而不可能在取 代消磁过程的人工决策环节中取得很好的效果. 根据消磁工作的特点,构造如图3所示的模糊 -专家控制器取代图2中的人工决策环节. 选定输入变量为磁场误差和磁场误差变化量, 输出变量为补偿电流变化量,则推理机制可以表述为一系列IFTHEN规则,例如 IF正磁场误差较大AND磁场误差正向变化较大THEN适度增加补偿电流 用正负号描述各变量的方向,用0、1、2描述 “达标” 、“较小” 、“较大”3种输入变量状态,用0、1、2、3、 4、5表示 “不变” 、“极小幅” 、“小幅” 、“适度” 、“大幅” 、“极大幅”6种输出状态,这样就可用真值表见表 1 描述规则库. 表1 模糊规则真值表 磁场误差 磁场误差变化量 - 2- 1012 - 2- 2- 3- 4- 5- 5 - 1- 1- 2- 3- 4- 5 000000 154321 255432 例如,最后一行最后一列的交叉项即是上述规则的结论.这一选取模糊规则的过程称之为规则的匹 配. 58 第1期 王智勇 等模糊-专家控制在智能消磁中的应用研究 图4 磁场误差模糊集划分 这里需要注意的是,上面真值表中的数表征的是各变 量的几种不同逻辑状态,而并非具体的值.确定每种状态的 涵盖范围,即靠数据模糊化环节依据隶属函数将具体的数 值归属到各个模糊状态集中.图4为磁场误差各模糊集的 隶属函数. 得出合适的隶属函数之后,就能将一系列具体的输入 值以一定的隶属度归类为某种输入状态,继而匹配推理规 则,按照相应的隶属度得到某种输出状态,经过去模糊化环 节即可得出具体的补偿电流值. 其中经验性知识主要运用于隶属函数的选取过程中,显然对于不同的舰船、 不同的场地甚至不同的 特征点,输入和输出模糊变量的隶属函数都是不同的.隶属函数形状的选取比较单一,包括三角形、 梯形 以及文中图示的钟形等,具体可参见相关资料 [4] .影响决策的主要因素是模糊集的涵盖范围,归结为调 整表达式中的参数.这样,实现智能决策归结为建立隶属函数的数据库消磁技师可通过试验结合经验 确定隶属函数,实现人工经验的获取,也可设计算法处理历次消磁的记录数据得到隶属函数,实现自适 应系统 [5]的自动经验获取. 3 结 论 推究消磁过程中技师决策的思路,本质上是针对舰船各局部区域,根据磁场误差调整线圈电流值, 兼顾各区域间的相互影响.具体如何选取改变值主要凭借经验.也就是说,影响决策的主要因素,一是误 差的大小,二是误差改变的快慢,三是相互间的影响.而相互间的影响最终表现为磁场误差的改变.经验 之不同于理论,在于其适用的对象一般比较个别,所以随着 “个案” 数量的增加,经验性知识也会随之增 长.总结经验事实上就是把共性不强的知识针对不同对象具体化,上述模糊-专家决策环节的工作原理 实际上是对人工决策过程的模拟,其关键在于利用模糊集表述经验知识,从而匹配模糊规则,真正实现 了运用不精确知识进行推理的过程. 参考文献 [1] 肖昌汉.铁磁学[M].北京海潮出版社,1999. [2] 张连魁.舰船磁场分析 临时线圈消磁[M].武汉海军工程学院,1991. [3] Kent B , Craig M, Frederic M,et al. Knowledge2based tactical decision making in the CCTT SAF Prototype [A]. Proceedings of the Fourth Conference on Computer Generated Forces and Behavioral Representation [C]. Orlando Institute for Simulation and Training , 1994. [4] Passino KM, Yurkovich S. Fuzzy Control [M]. Addision Wesley Longman , 1998. [5] Archer N , Wang S. Fuzzy set representation of neural network classification boundaries [J ]. IEEE Trans. Sys. , Man and Cyber2 netics ,1991 ,214 735 - 742. 68海 军 工 程 大 学 学 报 第15卷