模糊与卡尔曼滤波目标跟踪控制系统的比较 Comparison of Fuzzy and Kalman-Filter Target-Tracking control system Peter J.Pacini,Bart Kosko 报告人：宋骊平
模糊与卡尔曼滤波目标跟踪控制系统的比较 Comparison of Fuzzy and Kalman-Filter Target-Tracking control system 报告人：宋骊平 Peter J.Pacini , Bart Kosko
内容简个 1、模糊控制器与卡尔曼滤波器的比拉 2、实时目标跟踪系统 3、模糊控制器的工作原理 4、卡尔曼跟踪与模糊跟踪伤真 5、面适应FAM
1、模糊控制器与卡尔曼滤波器的比较 3、模糊控制器的工作原理 2、实时目标跟踪系统 内容简介 5、自适应FAM 4、卡尔曼跟踪与模糊跟踪仿真
模糊控制器与卡尔曼滤波器的比较 卡尔曼滤波器需要 模糊控制器是 明确的数学模型来定义 一个模糊系统， 输出与输入之间的关系 其输出与输入之 Xk=Φkk-1Xk-1+「kk-Uk-1+Wk-l 间没有经典的数 学模型。 ZR=HkXk +VR 通过测量估计真实代价（最小 均方误差) 递推
模糊控制器与卡尔曼滤波器的比较 卡尔曼滤波器需要 明确的数学模型来定义 输出与输入之间的关系 模糊控制器是 一个模糊系统， 其输出与输入之 间没有经典的数 , −1 −1 , −1 −1 −1 学模型。 Xk = k k Xk + k k Uk +Wk Zk = Hk Xk +Vk 通过测量估计真实 代价（最小 均方误差） 递推
数学模型控制器的问题 数学模型控制器在输出和输入的函数关系确定的情况下的 工作性能会很好。对于不确定的环境，数学模型控制器一般 采用概率分布来描述。存在以下问题： (1)不确定性一般很难用经典数据模型加以准确描述。 (2)很难将专家的知识加到系统中去，在这种系统中， 专家的知识一般只能用来估计初始状态和协方差条件
数学模型控制器的问题 数学模型控制器在输出和输入的函数关系确定的情况下的 工作性能会很好。对于不确定的环境，数学模型控制器一般 采用概率分布来描述。存在以下问题： （1）不确定性一般很难用经典数据模型加以准确描述。 （2）很难将专家的知识加到系统中去，在这种系统中， 专家的知识一般只能用来估计初始状态和协方差条件
实时目标跟踪系统 实时目标跟踪系统一般采用雷达或其它设备去探测目标与设备所 在平面的的高度和方位角。由两个马达控制设备的探测方向，通过连 续地调整两个马达的转速，保持对目标的连续跟踪。 对高度和方位角的控制可以采用相同的算法进行
实时目标跟踪系统 实时目标跟踪系统一般采用雷达或其它设备去探测目标与设备所 在平面的的高度和方位角。由两个马达控制设备的探测方向，通过连 续地调整两个马达的转速，保持对目标的连续跟踪。 对高度和方位角的控制可以采用相同的算法进行
Clock Latch Delay Target Position Controller Transducer Motor ek Delay V 目标跟踪系统输入量 目标跟踪系统输出量 位置误差：ek 马达转速：Vk 位置误差变化量：ek 上次输出速度：Vk-
目标跟踪系统输入量 位置误差： 位置误差变化量： 上次输出速度： 目标跟踪系统输出量 e k 马达转速： e k • Vk − 1 Vk Latch Delay Controller Delay + + Transducer Motor Clock Target Position + - k e ek • Vk−1 Vk k−1 e + -
模糊控制器的工作原理 模糊控制器是一个模糊系统。 有限模糊集合A可以抽象为单位超立方体I”=[O,] 中的一点。 In包含域空间X=(x,2,,x)x,∈[0,1]的所有子集。 模糊系统的核心功能 输入模糊集 输出模糊集 X∈I” Y∈IP
模糊控制器的工作原理 有限模糊集合A可以抽象为单位超立方体 中的一点。 ( , ,..., ) [0,1] X = x1 x2 xn xi n n I = [0,1] n I 模糊控制器是一个模糊系统。 包含域空间 的所有子集。 X Y n X I p Y I 输 模糊系统的核心功能 入 模 糊 集 输 出 模 糊 集
模拟输 FAM规则1 e 入量 模拟输 出量 模糊化 FAM规则2 解模糊 FAM规则n 延迟 模糊控制器的结构框图
模糊化 解模糊 模拟输 入量 FAM规则1 FAM规则2 FAM规则n ... 模拟输 出量 O1 O2 On O k v 延迟 模糊控制器的结构框图
(1)输入量的模糊化 -6 LN:Large Negative -4 MN:Medium Negative -2 SN:Small Negative 输出角速度：【-6,6] 0 ZE:Zero 2 SP:Small Positive 4 MP:Medium Positive 6 LP:Large Positive 给定一个输入量，将其归入（一6,6）区间后，可以用某 些特定的函数计算其属于某个集合的隶属度
（1）输入量的模糊化 输出角速度：[-6,6] -6 LN: Large Negative MN: Medium Negative SN: Small Negative ZE: Zero SP: Small Positive MP: Medium Positive LP: Large Positive -4 -2 0 2 4 6 给定一个输入量，将其归入（－6，6）区间后，可以用某 些特定的函数计算其属于某个集合的隶属度
2 1.5 LN MN SN ZE SP MP LP 1 0.5 0 -8 -6 -4 -2 0 2 4 6 8 例如：用狄拉克Delta函数 mp(3.8)=6(y-3.8)*mp(y)=0.1
0 0.5 1 1.5 2 -8 -6 -4 -2 0 2 4 6 8 LN MN SN ZE SP MP LP 例如：用狄拉克Delta函数 ms p (3.8) = ( y −3.8)ms p ( y) = 0.1