洗衣机模糊控制器的设计 带外文翻译

洗衣机模糊控制器的设计 带外文翻译 0 引言 随着科学技术的不断进步，模糊控制技术正向各个领域渗透，在家用电器方面的应用也在迅速的发展，从而使家用电器向智能化方向迈进，以洗衣机为例，早期人们洗衣时用洗衣板，进而用机械定时式洗衣机，是半机械半电子式。到后来是全自动洗衣机。现在，人们希望的是智能型的洗衣机。只要把衣服放进洗衣机，启动电源，洗衣机就能自动判别衣质、衣量、污浊度并自动确定洗涤时间，到最后出来的就是干净的衣服。 模糊型洗衣机应用了模糊控制技术，它和传统的洗衣机相比，是一种全新的家用电器。它能自动识别布质、布量,自动识别脏污程度和脏污性质，自动决定进水量，自动投入恰当的洗涤剂，从而全部自动地完成整个洗涤过程。由于洗涤程序是通过模糊推理而决定的，故能达到最佳的洗涤效果，从而大大提高了洗衣机的自动化程度和洗衣质量。 1 1 概述 1.1 意义及来源 随着现代社会生活节奏的不断加快和人民生活水平的不断提高，人民对各种方便、快捷的家用电器需求量越来越大，洗衣机作为人民提高生活效率，追求生活质量的基本条件，也愈来愈成为不可或缺的生活用具。 在工业发达国家，洗衣机的普及率已经达到相当高的程度，但由于现阶段国情，洗衣机在我国的普及程度较低，农村更甚，随着生活质量的不断提高，人民对洗衣机的功能要求越来越高，使得洗衣机的更新较快，因此，洗衣机作为人民追求现代生活的一个基本要求在我国有着极大的市场。 洗衣机技术发展日新月异，产品类型众多，但从总体来看，人们对洗衣机的基本要求应是:省时、省水、省电，磨损率小，操作方便，功能完善等。以上特点从技术的角度可由洗衣机的洗涤方式和控制方式这两个基本特性决定。目前存在的洗涤方式有波轮式、搅拌式、滚筒式、喷流式、喷射式和超声波式等多种，在我国比较普及的洗涤方式是波轮式。对洗衣机技术的发展使得人们期望在采用一种较洗涤方式的同时，希望洗衣机的控制部分能在洗涤过程中对衣物重量、胀度，洗涤剂的浓度，水的硬度、温度等影响洗涤效果的诸多因素进行检测，并能对这些检测结果做出合理的反应，从而得到比较理想的洗涤效果。现代科学技术的发展，特别是嵌入式技术的发展，使微电脑的功能日益强大，微电脑与传感器系统的结合，足以实现上述功能;另外，人们对洗衣机使用方便的要求使得洗衣机的全自动化成为另一个发展方向。因此，从世界范围内来说，洗衣机总的发展趋势是向微电脑，传感系统，智能化、全自动化的方向发展。 本课题的目的就是设计一种比较合理的全自动洗衣机模糊控制器，这种采用模糊控制的全自动洗衣机能够自动判断被洗衣物的重量轻重、质料软硬，自动检测洗衣桶内的赃污程度和污渍性质(油污或泥污)，能自动预选水位、水流强度和洗涤时间，并能进行衣物偏置的自动纠正等，也应该能在整个洗涤过程中实施监控，并适时调整这些运行参数，以达到最佳的洗涤效果。 1.2 模糊控制技术及其在洗衣机中的作用 1.2.1 模糊控制技术概述 1965年，美国的自动控制理论专家扎德(L.A.Zadeh)在加州大学提出的模糊集合理论标 2 志着模糊逻辑的诞生。1974年，伦敦的QueenMary学院的马丹尼(E.H.Mamdani)首次用模糊逻辑和模糊推理实现了第一个实验性的蒸汽机控制，并取得了比传统控制更好的效果， [1]从而宣告了模糊控制的问世。 模糊控制是一种以模糊集合论、模糊语言以及模糊推理为数学基础的控制方法，它是对人的思维方式和控制经验的模仿，在一定程度上可以认为，模糊控制方法是一种实现了用电脑“推理”代替人脑思维的控制方法。 模糊控制之所以能模仿人的思维和经验，是因为人在描述控制规则时，大量使用模糊概念，如在洗衣机的控制中，可能有规则，衣服脏，则洗衣时间长，洗衣粉投放量多，规则中的“脏”、“长”、“多”都具有一定的模糊性。 通常意义上的模糊控制系统结构包括给定输入、模糊控制器。被控对象，反馈信号与给定输入的相加环节等，其系统结构和一般的模拟调节系统或数字控制系统没有大的区别。模糊控制系统只是用模糊控制器取代模拟调节系统或数字控制系统没有大的区别。模糊控制系统只是用迷糊控制器取代模拟控制系统中的模拟调节器，或取代数字控制系统中的数字控制器。模拟调节器是连续型的控制器，数字控制器是一种离散型的控制器。从理论上讲迷糊控制器应是连续的控制器，但在工程实现上模糊控制是采用数字计算机的，所以在实际应用时模糊控制器又是一种离散型控制器。照是否存在反馈，模糊控制还可分为开环控制和闭环控制。 1.2.2 模糊控制技术在洗衣机中的应用 洗衣机通过对被洗衣物的重量、污染程度和洗涤液温度进行识别，在经过综合和判断之后以最佳的洗涤，自动地完成洗衣的全过程。模糊控制洗衣机的主要功能有:自动进水且自动选择水位的高低;自动选择洗衣时间和水流强度，并在洗涤过程中根据被洗衣物的污染程度，适当增加或减少洗衣时间;自动选择漂洗次数;自动选择脱水时间和脱水速度;自动排水;也可人工设定洗衣程序、加热温度和预约定时间等;对洗衣机各种故障自动报警并提示;自动断电保护，若洗衣期间发生断电，能在上电时自动在断点继续运行。控制系统主要实现整个洗衣过程中洗衣参数的确定和洗衣过程的自动完成。 3 2 洗衣机模糊控制系统的原理 2.1 概述 一般的全自动洗衣机是由用户根据自己的直观判断衣物的多少、脏污程度和衣物的布质，人为按键设置好水位、水流方式、洗涤时间、漂洗时间和脱水时间后，再按启动键运行的。这就要求用户有丰富的经验，才能使洗衣机处于最佳工作状态。这种“全自动”缺少对洗涤过程的检测判断，缺少更多的智能程度。 洗衣机中被控对象的运动规律极其复杂，很难用数学语言的形式来表达。由于模糊控制无需建立被控对象的数学模型，因此，它在洗衣机中获得了成功应用。模糊型洗衣机无需人为按键设置水位、水流方式、洗涤时间、漂洗时间和脱水时间，用户只需放进待洗衣物，再按启动键，洗衣机便能自动完成洗涤过程，实现了真正的“全自动”。 模糊控制是首先对控制对象按照人们的经验总结模糊规则，采用的数量是模糊量，由单片机对这些信息按照模糊规则做出决策来完成自动控制。 在洗涤衣物过程中，衣物的多少，面料的软硬等都是模糊量，所以首先做大量的实验，总结出人为洗涤方式，从而形成模糊控制规则。根据传感器接收的信息，洗衣机判断出衣物多少，面料软硬和脏污程度、脏污性质，推理做出模糊决策。从而完成注水量、洗涤时间、水流强弱、洗涤方式、脱水时间、排水等所有功能。具体工作方式如下: 分析洗衣机运行过程可以看出，其主要被控参量是洗涤时间和水流强度，影响这一输出参量的主要因素是被洗衣物的脏污程度和脏污性质。这2个量可以用水的浑浊度和浑浊度变化率来表示，在洗涤过程中，油性脏污的浑浊度变化率小，泥性脏污的浑浊度变化率大。实际分析证明输入和输出之间很难用一定的数学模型来描述，系统的具体条件具有较大的不确定性，其控制过程在很大程度上依赖于操作者的经验，用常规的控制方法难以达到理想的效果，应用模糊控制技术就能容易解决这个问题。 根据上述分析和模糊控制技术的基本原理，可以做出洗衣机的模糊控制图，如图2-1所示。 在图2-1中，X为输入精确量(浑浊度及其变化率)，Y为输出精确量(洗涤时间)，U(X)为输入模糊量，U(Y)为输出模糊量。定义输入量浑浊度模糊词集为:清、较浊、浊、很浊。定义输入量浑浊度变化率模糊词集:零、小、中、大。定义输出量洗涤时间模糊词集为:短、较短、、长。 4 传感器 U(Y)U(X)YX推理机设 备清晰化处理模糊化处理 模糊规则库 图2-1 洗衣机模糊控制框图 Fig.2-1 Washing machines fuzzy control diagram 2.2 模糊推理 在模糊控制的洗衣机中，衣量、衣质、污浊度等都是通过对现行状态的检测，再通过模糊推理得出的。 在模糊推理中，需要推理的前件和后件，也即是推理的输入条件和输出结果。在模糊洗衣机中，主要是要考虑布质、布量、水温和肮脏程度这几项条件，而从这些条件求取水位、洗涤时间和水位、漂洗方式和脱水时间等。模糊洗衣机的推理如图2-2所示。 水位高低模布量传感器 洗涤方式 糊布质传感器 水流方式 水温传感器推漂洗方式 红外传感器 脱水时间理 图2-2 模糊推理过程 Fig.2-2 The process of fuzzy reason 由图可以看出:模糊洗衣机时一个多输入多输出的模糊推理和控制对象。模糊推理的前件和后件之间的相关关系对于不同的因素而有所不同。例如，衣物的脏污程度和水温可以确定洗涤剂的投放量和洗涤时间，而布质、布量等可以确定水位和水流、脱水时间等。因此，在推理中把有关前件和后件进行处理。这种处理分成主要因素推理和顺序因素推理两种，通过这两种推理处理，不但使推理变得较为简单，而且可以在众多因素中清晰地区别出连锁关系的因素。 2.2.1 模糊推理规则的建立 洗衣机的工作过程可以分为两种情况，一种是静态的，即洗涤浓度;另一种是动态的， 5 [2]即洗衣水流及时间，故而推理分为洗涤剂浓度推理和洗衣推理两大部分。 1)洗涤剂浓度推理 洗涤剂浓度推理中，其规则如下: 如果浑浊度高，则洗涤剂投入量大; 如果浑浊度偏高，则洗涤剂投入量偏大; „„ 如果浑浊度低，则洗涤剂投入量小。 2)洗衣模糊推理 模糊控制是一种经验驱动型控制，控制模型为人工经验归纳的一组控制规则。下面介 绍模糊洗衣机中几组经典的推理规则。 a)水流推理 在水流推理规则中，把水流按电机开停时间的长度分为“弱”、“标准”和“强”三种 方式，它们分为时间论域上的模糊集合，其控制规则为: 如果布量少，布质软，则水流弱; 如果布量一般，布质软，则水流弱; „„ 如果布量多，面料硬，则水流强。 b)脱水推理 将脱水时间分为“短”、“中”、“长”三种模糊方式，脱水时间的控制规则为: 如果布量少，则时间短; 如果布量一般，则时间中; 如果布量多，则时间长。 c)洗涤时间推理 洗涤时间推理时模糊洗衣机中主要的推理，其规则为: 如果布量少，布质以化纤偏多，且水温偏高，则水流为特弱，洗涤时间特短; 如果布量少，布质以棉布偏多，且水温偏高，则水流为弱，洗涤时间短; „„ 如果布量多，布质以棉布偏多，且水温中，则水流为强，洗涤时间长; 如果布量多，布质以棉布偏多，且水温低，则水流为特强，洗涤时间为特长。 6 2.2.2 模糊推理的原则 目前，国际上较高水平洗衣机的模糊控制器，决策仍采用模糊控制表方法。即采用分级离散化的控制方法，如表2-1所示。 表2-1 洗衣的模糊推理 Tab.2-1 Laundry fuzzy inference 布质 棉布偏多 棉布与化纤各半 化纤偏多 布量 水温 低 中 高 低 中 高 低 中 高 多 水流 特强 强 强 强 强 中 中 中 中 时间 特长 长 中 长 长 中 长 中 中 中 水流 强 中 中 中 中 中 中 强 弱 时间 长 中 短 长 中 中 中 中 短 少 水流 弱 弱 弱 弱 弱 弱 弱 弱 特弱 时间 中 中 短 中 短 短 中 短 特短 表2-1中给出了洗衣推理的所有规则。很显然，这些规则的前件由三个因素，后件有两个因素。因此，时一种多输入多输出推理。对于输入量，即前件各个因素的模糊量定义不同。布量的模糊量为“多”、“中”、“少”;水温的模糊量为“高”、“中”、“低”;而布质的模糊量为“棉布偏多”、“棉布化纤各半”、“化纤偏多”或“软”、“中”、“硬”。而输出量，即后件中，水流模糊量取“特强”、“强”、“中”、“弱”;时间的模糊量取“特长”、“长”、“中”、“短”和“特短”。 在上述的模糊量中，各自的隶属函数都不同。水温、布量和时间的模糊量如图2-3所示。 U I 低中高 T水温U I中多少 W布量 U I 时间 T特短短中长特长 图2-3 水温、布量、时间模糊化 Fig.2-3 Water temperature and volume of cloth, the time of the fuzzy 7 对于主要因素推理和顺序因素推理这两种推理，它们之间是有着隐含的推理关系的。主要因素推理是以采用人思维中的“主要因素起决定作用”原理执行的。在这种原理中，抛弃各种次要因素，以简明形式产生因素少的推理规则，便于进行处理。顺序因素推理 则是把前一种推理的结果作为本次推理的事件，从而推理出新的结果。在洗衣机中，如果考虑浑浊度、洗涤剂投入量、水流、洗涤时间等因素的推理，作为主要因素推理，显然有: 如果浑浊度高，则洗涤剂投入量大; „„ 表2-1中还可以看到另一种主要因素推理: 如果布量多，而且水温高，则水流为强，洗涤时间为中; „„ 但实际上，洗涤剂投入量大时，要求洗涤时间较长才能洗得干净，故还需考虑顺序因素推理: 如果洗涤剂投入量大，则洗涤时间长; 如果洗涤剂投入量中，则洗涤时间中; „„ 因此，当顺序推理和主要因素推理出的某一个后件因素的隶属度不同时，则采用Max原则处理;而得到某个后件的模糊量不同时，则采用“大者优先”的原则处理。 2.3 模糊控制算法 模糊控制要建立在一系列模糊控制规则的基础上，模糊控制规则是对系统控制经验的总结，所以模糊控制规则的产生是相当重要的。在实际控制中，通常把有关控制规则加以处理产生相应的控制算法，模糊控制器就是以相应的算法去控制被控对象工作的。模糊控制是对系统控制经验的总结，它们用模糊条件语句来表述。模糊控制规则的生成主要有四种途径:根据专家经验或过程控制知识生成;根据过程的模糊模型生成;根据对手工控制操作的系统观察和测量生成:根据学习算法生成。这些方法并不互相排斥，它们的有效综 [3]合可以生成规则基(所有控制规则的全体称为模糊控制器的规则基)。 在模糊控制器中所需考虑的所有数据(包括输入量和输出量的论域，论域中模糊变量值的范围，论域的归一化或整数化，模糊变量的隶属度等)的总体称为模糊控制的数据基。数据基和规则基合起来称为模糊控制器的知识基。 数字计算机要实现模糊控制必须执行一定的算法。这些算法的目的就是从输入的连续 8 精确量中，通过模糊推理过程，求出相应的精确控制值。模糊控制算法包括多种形式，主要有关系矩阵法，查表法，解析式法和计算法。 2.3.1 定义输入及输出变量 布量、温度、脏污程度，定义在论域上的语言值为“少”“中”“多”，“低”“中”“高”，“轻”“中”“重”，与其对应的模糊子集隶属度函数曲线分别如图2-4(a)(b)(c)所示。 少中多低中轻中重多1.01.01.0 度隶属隶属度隶属度 0布量温度脏污程度/kg/C ()布量隶属函数曲线()温度隶属函数曲线()脏污程度隶属函数曲线abc 图2-4 隶属函数曲线 Fig.2-4 Membership function curve 定义在论域上的语言值，水位为“低”“中”“高”，水流强度为 “弱”“中”“强”，洗衣设定时间为“短”“较短”“中”“较长”“长”“很长”，洗衣修正时间为“负”“零”“正”，漂洗次数修正为“-1”“0”“+1”。与其对应的模糊子集隶属度函数曲线分别如图2-5(a)(b)(c)(d)(e)所示。 2.3.2 隶属函数 在模糊理论中，对模糊性的描述是通过隶属函数实现的。也就是说，为了描述元素对模糊集合的从属贴近程度，在普通集合特征函数的基础上，引入了隶属函数的概念。隶属 [4]函数是模糊数学中最基本和最重要的概念。 弱中强低中多1.01.0 隶属度隶属度 水位/L水流强度 ()水位隶属函数曲线a)水流强度隶属函数曲线b( 0+1-1负零正短较短中较长长1.01.01.0很长 隶属度隶属度隶属度 洗衣修正时间漂洗次数正次/min/洗衣设定时间/min ()洗衣设定时间()洗衣修正时间()漂洗次数修正cde 隶属函数曲线隶属函数曲线函数曲线 图2-5 隶属函数曲线 Fig.2-5 Membership function curve 9 对于给定论域U的子集A，映射X:U ?{0，1}。 定义为:X(U)=1(U属于A)，0(U不属于A)。 则称X为集合A的特征函数，它说明论域U中的每个二值函数x对应于一个集合A。隶属函数的定义:用于描述模糊集合，并在[0,1]闭区间可以连续取值的特征函数叫做隶属函数。隶属函数用U(X)表示，其中(A)表示模糊集合A，而x是的(A)元素。隶属函数满足大于0小于1。 隶属函数的确定并没有统一的方法，用不同的方法所确定的隶属函数并不同，一个隶属函数的准确与否主要是看它与实际是否相一致。隶属函数的确定方法有很多种，在实际应用中，较多采用统计法，它是对模糊性事物的可能性程度进行统计的一种方法.比如给出20人的高度(以cm为单位)，它们分别是150，155，156，160，161，164，165，169，170，171，173，175，177，178，180，184，190，191，194，198。求出“中等身材”的集合(A)以及164属于(A)的隶属度。 首先把“中等身材”看作一个普通集合A`，再由20个人自动确定A`的元素，假定这20个人所确定的A`分别是: 160~169 165~172 160~171 167~178 163~170 165~175 164~173 160~169 163~173 165~178 160~170 168~178 156~170 169~175 161~172 161~173 162~173 169~178 164~172 162~172 上面20个A`中，最大元素为178，最小元素为156，在20个人的高度中，对应于A`的最大元素和最小元素之间的数值有12个，它们的隶属度分别如下: U(156)=1/20=0.05 U(170)=18/20=0.9 U(171)=15/20=0.75 U(160)=5/20=0.25 U(161)=7/20=0.35 U(173)=10/20=0.5 U(175)=6/20=0.3 U(164)=13/20=0.65 U(177)=4/20=0.2 U(165)=16/20=0.8 U(178)=4/20=0.2 U(169)=20/20=1 所以，“中等身材”集合(A)可表示为: (A)=0.05/156+0.25/160+0.35/161+0.65/164+0.8/165+1/169+0.9/170+0.75/171+0.5/173+0. 3/175+0.2/177+0.2/178。 并且从式子中可直接得出，U(164)=0.65，即164cm身高的人隶属于“中等身材”这个模糊集合的程度为0.65。 10 2.3.3 确定控制推理规则 在定义了输入输出变量之后，即可根据有关经验和实验数据设计出相应的控制规则，实现全自动的洗衣过程。输入和输出变量只能以自然语言来描述，它们之间的关系又极为复杂，而且包含的因素较多，如果用单一的规则来表示，则相应的规则数太多，这就对单片机资源要求较高而且给推理过程带来困难。 因此，需要采用多知识库技术，把规则分为了3个;通过检测被洗衣物的布量，利用模糊推理的方法自动确定水位的高低和水流的强度;根据布量和温度的检测，利用模糊推理确定初始的洗涤时间;根据洗涤过程中的浑浊度信息来修正实际的洗涤时间长短和漂洗次数的多少。相应的规则表分别见表2-2，表2-3和表2-4。 表2-2 水位和水流强度控制规则表 Tab.2-2 The water level and flow control rules sheet strength 布量 水位 水流强度 少 低 弱 中 中 中 多 高 强 表2-3 洗衣设定时间控制规则表 Tab.2-3 Laundry set the time table control rules 布量 温度 高 中 低 少 短 短 中 中 较短 中 长 多 长 长 很长 表2-4 洗涤修正时间和漂洗次数修正控制规则表 Tab.2-4 Washing and rinsing time that the number of tables that control rules 脏污程度 修正时间 漂洗次数 轻 负 -1 中 零 0 重 正 +1 11 2.3.4 模糊决策 描述输入、输出变量的词集都是模糊量，可以用模糊集合来表示，用模糊推理来运算。 因此，问题d的关键在于求取模糊集合隶属函数。 PPP 1.01.01.0 0.50.50.5 034612501356240123456 洗涤时间浑浊度变化率浑浊度 图2-6 隶属函数曲线 Fig.2-6 Membership function curve 相应的3个输入/输出量隶属函数曲线如图2-6。 对应的主要模糊控制规则如表2-5。 表2-5模糊控制规则 Tab.2-5 Fuzzy control rules 变换率/浑浊度 清 较浊 浊 很浊 零 短 较短 标准 标准 很小 标准 标准 标准 标准 中 标准 长 长 长 大 标准 长 长 长 12 3 模糊洗衣机物理量的检测及工作过程 洗衣机洗衣过程是含有洗涤剂的水作用于衣物使脏污脱去的过程。它的作用可以分为机械的和化学的。水是实施机械力气的载体。在给定的机型下，水流方式和洗涤时间控制 [5]着施加机械力的大小和持续时间，必须在洗涤效果和磨损度之间权衡，选择最佳系数。 水是有溶解赃物的载体，水容性的脏污容易溶于水而脱落;油性脏污则比较难于溶解，而水温对此则有明显的影响。洗涤剂是以表面活性剂为主的附加剂，使脏物易于脱落。洗涤剂量的投放量，显然与被洗衣物的量和水量有关。这些都和布质有关。布质大体上说是棉织物和化纤织物，二者对脏污的吸附和渗透程度是不一样的，它显著地影响到洗衣物的效果。这就是说，它会影响到被控制的量，比如;水流方式，洗涤时间等等。 洗衣机的洗涤过程是受到以布质为核心，以水，洗涤剂，机械力三个要素为主的因素的影响。模糊控制洗衣机的控制策略，就是对这样一个因素多而且交叉影响，难于甚至无法建立精确模型的对象，寻求一个效果最好的控制方法。为此，应该重点解决三个问题。 1)感应量的确定，也就是自动检测那些影响和决定洗涤衣服过程的量; 2)控制量的确定，也就是实现全自动洗衣过程的主要差数; 3)控制知识库，也就是前者和后者之间的关系。就是建立以模糊数学为工具的知识库和运用以模糊逻辑为基础的模糊推理。 影响洗涤性能的因素主要有水温，浑浊度，布量，布质等。控制量有洗涤时间，水流，脱水时间等。它们往往要根据水温，浑浊度，布量，布质等分档后确定相应的大小。比如:布量多(3千克以上)水温高(20度以上)则洗涤时间长。 3.1 模糊洗衣机物理量的检测 3.1.1 水位的检测 水位检测的精度直接影响洗净度、水流强度、洗涤时间等参数。对于模糊控制的洗衣机，要求水位的检测必须是连续的，故常采用谐振式水位传感器。谐振式水位传感器是利用电磁谐振电路LC作为传感器的敏感元件，将被测物体的变化转变为LC参数的变化，最终以频率参数输出。 其工作原理是:将水位的高低通过导管转换成一个测试内腔气体变化的压力，驱动内腔上方的一块隔膜移动,带动隔膜中心的磁芯在某线圈内移动，从而线圈电感发生变化。由此引起谐振电路的固有频率随水位变化。水位测量电路如图3-1所示，为便于与单片机接口，水位传感器采用数字振荡电路，电感与电容组成的三点式振荡电路经C2耦合接入数 13 字式谐振放大器A1，随着水位变化，谐振频率作相应变化，放大器在a点输出，经A2整形，由c点输出，此时即可将数字量接到单片机。 R2 R3 A1A2C3R1 L C1C2 GND 图3-1 水位传感器测量电路 Fig.3-1 The water level sensor circuit 3.1.2 布质、布量的检测 布质和布量的检测是在洗涤之前进行的。在水位一定时，不同的布质和布量的产生的布阻抗是不同的。如图: 图3-2布阻抗的不同 Figure3-2 Dissimilarities of the cloth resistance 而且从图中我们可以知道，不同布质的布阻抗有着比较大的区别。在布量相同的时候， 14 硬质布的布阻抗比软质布的高。一般而言，硬质布的阻抗比软质布的高一倍。 布质和布量检测电路如图3-3所示。具体检测布质和布量时，首先注入一定的水位，然后起动主电机旋转，接着断电让主电机以惯性继续运转直到停止。在主电机断电惯性旋转时间内，主电机处于发电状态，会产生感应电动势输出。显然，随着布阻抗大小的不同，主电机处于发电机状态的时间长短也不同。因此，只要检测出主电机处于发电机状态的时间长短，就可以反过来推理出布阻抗的大小。主电机发电时间愈长，布阻抗就愈小;反之布阻抗就愈高。 主电机发电时间可直接通过检测起动电容两端输出电势，并将此电势半波整流后，由光电隔离后放大整形为一矩形脉冲系列的脉冲数而定。脉冲个数反映布阻抗的大小，脉冲个数多，布阻抗小，反之亦然。 单~220V+5V 片R1 R2机 VD C U ~ 图3-3 反电势法测量布质、布量电路 Fig.3-3 Anti-electric potential measurement of cloth, the cloth of circuit 3.1.3 浑浊度的检测 浑浊度综合反映了衣物的脏污程度、脏污性质和洗净程度。它是采用红外光电传感器，利用红外线在水中的透射率和时间的关系，通过模糊推理,获得检测结果。其检测电路如图3-4所示，红外发光二极管LED由恒流源供电，由单片机脉宽调制PWM信号控制LED发出调制红外光，穿过动态的洗涤液，到达光电三极管VT，使VT的射级输出电压随洗涤液的浑浊程度而线性变化。 红外线传感器的发射管和接受管分别在洗衣桶排水管的两侧。当红外发射以稳定的工作电流时，则向外发射一定强度的红外线。红外线透过排水管中的水，传送到红外线接受管中。水的浑浊程度不同时，红外线穿透水的程度不同。这样，红外线接受管所接收到的 15 红外线强度反映水的浑浊度，即输入A/D转换器信号的大小反映了衣服的肮脏程度。 +5V+5V 恒 流 源被 测 LED介 CR质 图3-4 浑浊度红外光电检测电路 Fig.3-4 Turbidity infrared photo detector circuit 图3-5给出了洗涤过程当中，水的红外透射率的变化情况，从而得到了不同洗涤过程中水的浑浊情况，影响水的浑浊度的有关因素。 图3-5透射率的变化及其影响因素 Fig.3-5 Shoot the variety of the rate deeply and its affects the factor 图3-5(1)为洗涤开始到漂洗过程结束全过程透射率的变化曲线。从曲线中，我们可以看出，随着洗涤开始，衣物中的污物溶于水，水变浑浊，透射率逐渐下降，最后达到一个最低值;然后，随着漂洗进行，衣物变的干净，水变清，透射率逐渐回升，最后接近这个 16 渐进程度可以检测衣物的洗净度，以确定漂洗结束。 图3-5(2)(3)(4)分别表示了脏污程度，脏污性质和洗涤剂类型不同时候红外透射率的变化。这样，根据洗衣机水的透射率变化就可以辨别出来衣物的脏污程度，脏污性质已经洗涤剂的种类，从而控制洗涤过程。 3.1.4 水温的检测 水的洗涤能力与水温有相当的关系，图1是其关系曲线。从图中可看出水温高时，洗涤能力会提高，但水温和洗涤能力之间是非线形关系.在模糊推理过程中温度的论域范围为10'~35'C 温度的测定主要是采用热敏电阻与其它电阻的分压电路。 水本身就是一种洗涤剂，可以很容易驱除一些水溶性的污物，但是对不是水溶物质往往是无能为力。水的洗净力和水温有很大的关系，当水温高时，由于有了溶解油脂类和增加脏污活力已经提高洗涤剂的去污能力等复杂因素的影响，洗涤能力会得到提高。水温和水的洗涤能力的关系曲线如图3-6。 图中以25度时水温洗净率指数是以线形下降。当水温高于25度时，洗净力进一步提高，但是洗净率指数呈非线形，上升率稍微有降低。 图3-6水温和水的洗涤能力的关系 Fig.3-6 Relations of the rinse ability of the water and water temperatures 水温的检测可以用MTS102半导体温度检测器(三极管)。洗衣机水温一般为4~40 [6]度之间，在该常温范围内此半导体温度检测器的线性好，温度敏感，水温检测常用它。 3.2 模糊洗衣机的工作过程 3.2.1 注水过程的水位自动控制 模糊洗衣机在操作时通常只需要启动一次，故注水过程控制时整个洗涤过程的关键环 17 节之一。在该过程中，不仅要完成合适水位的选择，还要对注水管路故障如堵塞、停水以及洗涤物超量等进行报警提示。同时，在注水阶段还要通过传感器和微电脑完成对洗涤物的数量和面料的软硬进行识别，并根据这些信息经推理算法得出洗涤水流强弱、漂洗水流方式和脱水时间长度与速度。 1)水位控制。当启动操作按钮以后，机器打开注水阀门并开始注水(假定此时器内无水)，水位传感器检测桶内水位并输出连续电信号。为控制方便，将输出信号离散化，分别记，，„„。其中v=表示“空水位”，“v=”，表示某一约定的“少水位”，“v=”表示“高水位”。水位传感器每输出一个约定信号，i=0、1、2„时，微电脑则测出一个约定的水位。测量衣物多少时，先注水到某一约定的水位，然后，洗衣机马达运转一次(几秒钟)，马达停止转动，再由衣量传感器测量衣服数量具有的惯性所表现的反电势。其方法是:通过安装在马达上的电容器两端电压波形变成脉冲信号，测量其各次衰减时间进而确定衣量的多少。再通过人工经验确定一组数据，一定的衣量，对应注入一定的水位，即经济水位，或合理水位，并关闭注水阀门，注水过程结束。 2)注水故障检测。为能较早地发现注水故障，可确定达到“少水位”时的最长注水时限t=。若时间超过仍未达到规定水位，则认为注水管路出现故障，控制中心发出关闭水阀指令，发出报警，由人为排除故障后重新启动。 3)衣量超限检测。在“少水位”v=时，马达反电势脉冲衰减间隔时间S(0)的大小与衣量成正比，通过试验确定一个时间常数，若S(0)?，则认为衣物超量，及时关闭注水阀，并给出衣量超限提示，人为取出多余衣物重新启动。 4)面料软硬检测。洗涤衣物面料软硬的检测也是在注水过程中完成。其检测方法是在测量衣量的前提下，记下衰减时间S(0)，然后再注水，第二次测量衰减时间S(1)，根据两者之间的差值即S(0)-S(1)的大小进行判断。当布料硬时差值大;布料软时差值小。 3.2.2 洗涤过程控制 在注水过程中，已经确定衣量的多少，并用a表示，布料的软硬用b表示，利用a、b，在由推理算法得到符合人工经验的洗涤方式(水流的强弱)，在注水过程结束后，洗衣机即按上述推理结论方式运行，并开始洗涤计时。同时，光电传感器开始记录液体污浊度信 18 号P(i)，i=1，2，„„。并不断按既定算法检测污浊度序列{P(i),i=1，2，„„}的平稳程度。当序列达到平稳性指标时，则认为污浊度达到饱和，记饱和污浊度为P(T)，T是饱和时间。 显然，测得的污浊度越大，P(T)值就越大，即表明衣物越脏，饱和时间T越大，衣物就越难洗涤(油污严重)。利用P(T)和T，经模糊推理可计算出尚需延长的洗涤时间。当达到延长时间后即停机，洗涤过程结束。 3.2.3 排水过程控制 洗衣机洗涤过程结束后，进入排水控制过程。打开排水阀门，同时进行排水计时和水位测量，若在规定时间内水位无变化或变化很小，则发出排水故障指示，否则，继续排水，直至排水过程结束。 3.2.4 脱水过程控制 洗衣机脱水之前须进行平衡调整，因为，在桶内的衣物放置并不规则。其方法如下:微电脑首先检测衣物是否平衡，如果平衡则进入脱水阶段。如果不平衡，则微电脑对洗衣机马达进行正转几秒种，然后停止几秒钟，再反转几秒钟、停止几秒钟的多次控制，最后检测是否平衡，如果平衡则停止，进入下一步，反之，再度进行平衡调整。一般地说，平衡过程不需要反复调整。 洗衣机脱水平衡调整结束后就进入脱水控制。应当说这一过程非常简单，微电脑给出洗衣机马达正转的指令即可执行。脱水的时间和速度分别由衣量的多少和面料的软硬加以决定，同时，在脱水过程中，微电脑不断检测洗衣机上盖时候正常，如果开盖则立即停止脱水，盖上之后又继续进行脱水控制。 3.2.5 漂洗过程控制 漂洗水流可与洗涤水流相同。漂洗开始，微电脑自动记录液体污浊度P(i)，i=1，2，„„，当序列{P(i),i=1，2，„„}平稳后(即污浊度达到饱和)即可进行判断。若饱和污浊 [7]度P小于某设定值，则经排水、脱水洗涤全部结束，否则重新返回注水、漂洗程序。 19 4 主要元件的选择 4.1 芯片的选用 以单片机8051为核心。MCS-51单片机具有64KB的程序存储器空间，其中8051片内有4KB的程序存储器，当采用8051而程序超过4KB需要进行扩展。另外，MCS-51 系列单片机的程序存储器空间与数据存储器空间相互独立，其中片外数据存储器可达64KB，而片内的数据存储器有128 字节，MCS-51 单片机对外没有专用的地址总线(AB)、数据总线(DB) [8]和控制总线(CB)，那么在进行系统扩展时，首先需要扩展系统的三总线。MCS-51 单片机扩展的外部三总线示意图。 P1A15~A8并行P2地址ALE地址总线RXDA7~A0P0锁存器串行TXD D7~D0数据总线INT0中断 8051INT1输入WR RDT0控制总线计数T1PSEN脉冲RST复位EA 图4-1 单片机示意图 Fig.4-1 Machine sketch maps of figure 4.1.1 MCS-51单片机的结构 单片机内部结构示意图如下图所示。 T0T1 时钟电路RAMROM定时/计数器 CPU 并行接口串行接口中断系统 TXDRXDP0P1P2P3INT0INT1 图4-2单片机内部结构示意图 Fig.4-2 The internal structure of SCM 1) 一个8位的CPU，是单片机的核心，完成运算和控制功能。 20 2) 128字节内部数据存储器(内部RAM)。 3) 8051共有4 KB掩膜ROM ，用于存放程序、原始数据或表格，因此，称之为程序存储器，简称内部ROM。 4) 8051共有两个16位的定时/计数器，以实现定时或计数功能。 5) MCS-51共有4个8位的I/O口(P0、P1、P2、P3)，以实现数据的并行输入/输出。 6) 8051有一个全双工的串行口，以实现单片机和其它设备之间的串行数据传送。 7) 8051共有5个中断源，即外中断两个，定时/计数中断两个，串行中断一个。中断分为高级和低级共两个优先级别。 8)时钟电路为单片机产生时钟脉冲序列。系统允许的晶振频率一般为6 MHz和12 MHz。 4.1.2 8051单片机的引脚描述及片外总线结构 1)芯片的引脚描述 8051单片机采用40引脚的双列直插封装，图为引脚图，其逻辑等符号图为下图3-2，图3-2是8051的逻辑符号图，在单片机的40条引脚中有2条专用于主电源的引脚，2条外接晶体的引脚，4条控制或与其它电源复用的引脚，32条输入/输出(I/O)引脚。 图4-3 8051引脚图 Fig.4-3 The lead feet diagram of 8051 8051单片机是标准的40引脚集成电路芯片。 21 各引脚功能简要说明如下: 1)外接晶体引脚XTAL1和XTAL2: XTAL2:(19脚):接外部晶体的一个引脚，在单片机内部，它是一个反相放大器的输入端，这个放大器构成了片内振荡器，当采用外部振荡器时，HMOS单片机，此引脚应接地，对CHMOS单片机，此引脚作为驱动端。 XTAL1:(18脚)接下部晶体的另一端，在单片机内部接至上述振荡器的反相放大器的输出端，采用外部振荡器时，对HMOS单片机，该引脚接外部振荡器的信号即把外部振荡器的信号直接接到内部时钟发生器的输入端，对CHMOS，此引脚应悬浮。 2)主电源引脚V和V: CCSS V-(40脚)接+5V电压，V-(20脚)接地。 CCSS ALEEA3)控制或与其它电源复用引脚RST/VPD、、PSEN和。 VPROGPP 4)RST/V(9脚):当振荡器运行时，在此引脚上出现两个机器周期的高电平将使单DD 片机复位，推荐在此引脚与V引脚之间连接一个约8.2ke的下拉电阻，与V引脚之间SSCC连接一个约10MF的电容，以保证可靠的复位。V掉电期间，此引脚可接上角用电源，CC 以保持内部RAM的数据不丢失。当V主电源下掉到低于规定的电平，而V在其规定CCDD的电压范围(5?0.5V)内，V就向内部RAM提供备用电源。 DD ALE5)(30脚):当访问外部存储器时，ALE(允许地址锁存)的输出用于锁PROG 存地址的低位字节，即使不访问外部存储器，ALE端级以不变的频率周期性地出现正脉冲 1信号，此频率为振荡器频率的，因此，它可用作对外输出的时钟，或用于定时目的，然6 而要注意的是，每当访问外部数据存储器时，将跳到一个ALE脉冲，ALE端可驱动8个LS型的TTL输入电路。 PSEN6)(29脚):此脚的输出是外部程序存储器的读选通信号，在从外部程序存储取 PSEN指令(或常数)期间每个机器周期两次有效，但在此期间，每当访问外部数据存储 PSENPSEN器时，这两次有效的信号将不出现，同样可驱动8个LS型的TTL输入。 EAEAEA7)(39引脚):当端保持高电平时，访问内部程序存储器，当保持低电VPP 平时，则只访问外部程序存储器，不管是否有内部程序存储器，对于常用的8031来说， EA无内部程序存储器，所以脚必须常接地，这样才能只选择外部程序存储器。 22 输入/输出(I/O)引脚P、P、P、P、(共32根) 0123 8)P口(39-32脚):是双向8位三套I/O口，在外部存储器，与地址总线的低8位及0 数据总线复用，能以吸引电流的方式驱动，8个LSTTL负载。 9)P口(1-8脚):是8位准双向I/O口，由于这种接口输出没有高阻状态，输入边不1 能锁存，故不是真正的双向I/O口，P口能驱动4个LSTTL负载。 1 10)口(21-28脚):是8位准双向I/O口，在访问外部存储器时，它可以作为扩展电路高8位地址总线送出高8位地址，P口可驱动4个LSTTL负载. 2 11)P口(10-17脚):是8位准双向I/O口，在MCS-51中，这8个引脚还用于专门功3 能，是复用双功能口，P能驱动4个lSTTL负载。 3 8051单片机的引脚除了电源，复位，时钟接入用户I/O口外，其余管脚都是为实现系统扩展而设置的，这些引脚构成单片机片外三总线结构即: 1)地址总线(48):地址总线宽度为16位，因此，其外部存储器直接寻址为64字节，16位地址总线由P口经地址锁存器提供低8位地址(A-A)，P口直接提供8位地址(A0on28--A)。 15 2)数据总线(DB):数据总线宽度为8位，由P口提供。 0 PSENEA3)控制总线(CB):由P口的第二功能状态和4根独立线RESET、、ALE、3 组成。 4.2 传感器选用 4.2.1 红外线光电传感器 实际上，测定浑浊度可以安装浑浊度传感器来实现，但是其结构比较复杂，质量要求又很高，一般不宜使用。而利用红外线传感器就可以很好实现以上目的。 浑浊度综合反映了衣物的脏污程度，脏污性质和洗净程度。它是采用红外光电传感器，利用红外线在水中的透射率和时间的关系。通过模糊推理，获得检测结果。这是一种硬件，软件相互结合的间接测量方法，又称软传感器。 4.2.2 布量传感器和布质传感器 布量传感器和布质传感器不能由单一的一个元件构成，它们都是由电机和一系列的二极管，三极管组成的，其中发光二极管和光敏三极管组成光电耦合器，用于隔离交直流信号以及产生布量和布质的信号。 23 4.2.3 水位传感器 采取将水位转换为气压的可靠方法。将水位传感器安装于箱体上部，洗衣机外筒下部装橡胶管，然后由导气管将橡胶管和水位传感器密封连接。采用三水位继电器(又称三水位开关)作为水位检测元件。向洗衣机外筒内注入水，外筒内的水位达到一定高度后，橡胶管被水密封，外筒内水位逐渐上升，封闭在橡胶管内的空气压强同水位成比例增大。此时，水位继电器本身气室内的压力也在增大，橡胶膜片受压膨起，推动顶杆运动。当压力达到设定值时，在橡胶膜片的推动下，水位继电器内的电气触点动作，常闭触点断开，常开触点闭合，控制器检测到信号，关闭进水阀，停止进水;当滚筒内水位下降时，水位继 [9]电器气室内压力减小，橡胶膜片复位，电气触点也随之复位。 4.3 模数转换器的选用 A/D转换器大致有三类:一是双积分A/D转换器，优点是精度高，抗干扰性好;价格便宜，但速度慢;二是逐次逼近A/D转换器，精度，速度，价格适中;三是并行A/D转换 [8]器，速度快，价格也昂贵。本设计中选用的就是属于第二种的ADC0809。 ADC0809主要部分是一个8位逐次比较型A/D转换器。为了实现8路模拟信号的分时采集，片内设置了带有锁存功能的8路模拟选通开关，以及相应的通道地址锁存和译码电路，可对8路0~5V的输入模拟电压进行分时转换，转换后的数据送入三态输出数据锁存器。 4.3.1 ADC0809的主要特性和内部结构 1)主要特性: a)8路8位A/D转换器，即分辨率8位。 b)具有转换起停控制端。 c)转换时间为100μs。 d)单个，5V电源供电 。 e)模拟输入电压范围0,，5V，不需零点和满刻度校准。 f)工作温度范围为-40,，85摄氏度 。 g)低功耗，约15mW。 2)内部结构: ADC0809是CMOS单片型逐次逼近式A/D转换器，内部结构如图所示，它由8路模拟开关、地址锁存器和译码器，比较器，8位开关树型DA转换器，逐次逼近寄存器、三态输出 24 锁存器等其它一些电路组成。 因此，ADC0809可处理8路模拟量输入，且有三态输出能力，不但可以与各种微处理器相连，也可以单独工作，输入输出和TTL兼容。 CLOCKSTART 定时和控制EOC0IN通道IN1OE 模拟,1选择逐次逼近寄存2输入{,2器(SAR)8位开关2{数字IN7锁存和输入 三态门,8通道地址ADDA开关树型2锁存和ADDBD/AADDC译码 ALE REF(+)REF(-) 图4-4 ADC0809内部结构框图 Fig.4-4 Internal structure frame diagram of the figure ADC0809s 12832ININ 22741ININ 26350ININ 2546INADDA 2457ADDBIN 236ADDCSTART 227ALEEOC1,6,ADC080921282,22209OE,321019,411182VCC,8171223IN 1613GNDREF(-),5,7151422 图4-5 ADC0809引脚图 Fig.4-5 The feet diagram of ADC0809s 4.3.2 ADC0809的外部特性(引脚功能)和工作过程 1)外部特性(引脚功能): ADC0809芯片有28条引脚，采用双列直插式封装，如图所示。下面说明各引脚功能。 25 IN0,IN7:8路模拟量输入端。 -1-8 2,2:8位数字量输出端。(D0,D7:八位数据输出线，A/D转换结果由这8根线传送给单片机) A、B、C:3位地址输入，2个地址输入端的不同组合选择八路模拟量输入。也就是ADDA、ADDB、ADDC:3位地址输入线，用于选通8路模拟输入中的一路。比如:000对应的输入是IN0，001对应的是IN1，111(也就是7)对应的是IN7等。 ALE:地址锁存允许信号，输入，高电平有效。即作为地址锁存启动信号,在ALE的上升沿,将A、B、C上的通道地址锁存到内部的地址锁存器。 START:A/D转换启动信号，输入，高电平有效。就是说START为正脉冲，其上升沿清除ADC0808的内部的各寄存器，其下降沿启动A/D开始转换。 EOC:A/D转换结束信号，输出，当A/D转换结束时，此端输出一个高电平(转换期间一直为低电平)。即当EOC上升为高电平时，表明内部A/D转换已完成。 OE:数据输出允许信号，输入高电平有效。允许输出锁存器输出数据。当A/D转换结束时，此端输入一个高电平，才能打开输出三态门，输出数字量。 CLK:时钟脉冲输入端。0809的时钟频率范围在10,1200kHz，典型值为640kHz要求时钟频率不高于640KHZ。 REF(+)、REF(-):基准电压。 Vcc:电源，单一，5V。 GND:地。 2)ADC0809的工作过程: 首先输入3位地址，并使ALE=1，将地址存入地址锁存器中。此地址经译码选通8路模拟输入之一到比较器。START上升沿将逐次逼近寄存器复位。下降沿启动 A/D转换，之后EOC输出信号变低，指示转换正在进行。直到A/D转换完成，EOC变为高电平，指示A/D转换结束，结果数据已存入锁存器，这个信号可用作中断申请。当OE输入高电平时，输出三态门打开，转换结果的数字量输出到数据总线上。 实际上工作过程也可以描述成: 首先由地址锁存信号ALE的上升沿将引脚ADDA、ADDB和ADDC上的信号锁存到地址寄存器内,用以选择模拟量输入通道;START信号的下降沿启动A/D转换器开始工作;当转换结束时，0809使EOC引脚由低电平变成高电平，程序可以通过查询的方式读取转换结果，也可以通过中断方式读取结果。CLOCK为转换时钟输入端，频率为 26 100KHz-1.2MHz，推荐值为640KHz。 4.4 ADC0809与8051单片机的接口 ADC0809是价格适中的逐次比较式8位A\D转换器，可输入8路模拟信号。与单片机接口简单，是单片机应用系统中最广泛应用的A\D转换芯片之一。图4-6位0809与8051的典型接口电路。 D7A74LS2~Q7C373~A1D08BA087AINQ0G~8D.P00~70~7IN0ALE ++5VREF分CLK-+频REF80510809 +RDALE2.0PSTART +WROE 1INTEOC 图4-6 ADC0809与单片机8051接口电路 Fig.4-6 ADC0809 interface circuit and SCM 8051 单片机8051通过地址线P2.0和读、写控制线，来控制转换器的模拟输入通道地址锁存、启动和输出允许。模拟输入通道地址的译码输入A、B、C由P0.0~P0.3提供，虽然0809具有通道地址锁存功能，但在图中由使用ALE锁存地址，故P0.0~P0.3须经锁存器接入A、B、C。根据P2.0和P0.0~P0.2的连接方法。8个模拟输入通道的地址，依IN0~IN7顺序为FEF0H~FEFFH。 转换器的时钟可由8051的ALE取得，如果ALE信号频率过高，应分频后送入转换器。 4.5 显示器的选用 显示器是最常用的输出设备。特别是发光二极管显示器(LED)和液晶显示器(LCD)，还有目前比较先进的等离子显示器。但是后两种价格昂贵，并且利用软件布线的时候很复杂。而LED由于结构简单、价格廉价和接口容易，而得到广泛的应用。本设计利用发光二极管显示器(LED)。 27 5 洗衣机模糊控制器硬件组成原理 传统的全自动洗衣机有两种，一种是机械控制式，一种是单片机控制式。无论采用什么方式，它们都需要人为的洗涤程序选择，然后才能投入工作。 所以，从本质上讲，这种洗衣机还称不上是全自动的，最多只能称之为半自动的。只有模糊洗衣机才能够自动的识别衣质、衣量，自动识别衣物的肮脏程度，自动决定水量，自动投入适量的洗涤剂，自动完成全部的洗涤过程，因而才能称之为名符其实的“全自动” [10]洗衣机。 本文中设计的洗衣机不用在洗涤、漂洗和脱水各功能之间进行手工切换，而由程序控制器或单片机完全自动完成整个洗涤过程的洗衣机。在原有的全自动洗衣机电子程序控制器的基础上，扩充集成电路的容量，并且在洗衣机上安装了多种类型的传感器，使得洗衣机不仅可以按预定程序工作，而且还可根据不同传感器发出的有关所洗衣物的各种参数检测信号，自动调整水流的强弱，漂洗次数，洗涤方式，洗涤时间和脱水时间等控制参数，从而达到省时，省水，省电，提高洗涤效果的目的，此种类型的洗衣机被称为普通型智能洗衣机。 为了提高洗衣机的智能性，使它对由传感器发来的各种信号做出更加合理的反应，在设计中引入了模糊理论，这种类型的洗衣机就是模糊型智能洗衣机。我所设计的就是基于模糊控制的洗衣机模糊控制器的控制器部分，由此可见，它包含了很多关键部分。 整个系统的设计是以单片机8051为核心，同时硬件电路包括以下几个部分。 5.1 电源电路 电源电路由变压器TF桥式整流器，滤波电容，稳压器7805组成，如图5-1。二极管D1-D4用于隔离滤波电容与桥式整流电路，以便进行过零检测。7805输出的+5V电压和交流电源的一端相接，以组成双向晶闸管的直接触发电路。该部分的作用就是为数字和模拟器件提供稳定的电压和电流。 工作过程可简述为:220V的交流电通过变压器变成所需要的电压值，然后通过桥式整流器将交流电压变成脉动直流电压，滤波电容的作用则是把脉动直流电压中的纹波去掉，使电压波形平滑;此种类型的电压会随电网电压波动、负载和温度的变化而变化，稳压电路的作用就是维持输出直流电压的稳定。另外，7805输出的+5v电压和交流电源的相线相接用来驱动双向晶闸管。为了防止电网过电压而对变压器造成损害，还在变压器的两个输入端子之间接入了一个压敏电阻。 28 TF1 D1-D4135VVin+5VLM7805~220V-9V GND++RLC1C2 2 图5-1 电源电路 Fig.5-1 Power circuit 5.2 检测电路 检测电路是整个系统输入的关键。它们分别是电源电压检测电路，过零检测电路，内桶平衡检测电路，温度检测电路，布量布质检测电路和浑浊度检测电路，水位检测电路。 5.2.1 电源电压检测电路 电源电压检测电路由滤波电容C5和调整电位器W1组成，如图5-2当电源电压下降时，电位器W1抽头会灵敏地反映电源电压的变化，并由单片机的端口进行检测。 C5P10 W1 GND 图5-2 电源电压检测电路 Fig.5-2 Power supply voltage detection circuit 5.2.2 过零检测电路 过零检测电路由电阻R1，R2，晶体管TR1和反相器7404组成。当桥式整流器输出整流信号为正时，TR1截止。TR1输出的信号经7404反相后送单片机的端口。只要交流电源过零就会产生中断请求信号，这样单片机就可以在程序中把中断次数加以计数作为洗涤过程中的定时。 29 +5V R2 TR1R1INT1 7404 GND 图5-3 过零检测电路 Fig.5-3 Zero detection circuit 5.2.3 内桶平衡检测电路 内桶平衡检测电路由平衡开关K和电阻R35组成，如图5-4.它检测内桶运行时候的平衡转台，当出现不平衡时，开关K被压闭合(开关接通时，内桶不平衡)，单片机的端口输入低电平。内桶平衡电路实质上是一个开关，如果衣物在桶内偏离重心，在甩干时就会出现撞桶现象，撞捅时开关就会断开，一般规定撞桶三次即视为不平衡。另外，该开关还与洗衣桶桶盖相连，在洗衣过程中，捅盖打开就相当于开关断开，出于安全原因，洗衣过程中桶盖是不允许打开的，从此种角度来说，该电路又成为安全开关，只是撞桶过程与桶盖打开过程的开关断开时间不同，撞桶过程的时间较短。 +5VR35K SW-PB GND P16 图5-4 内桶平衡检测电路 Fig.5-4 Detection Circuit barrels in the balance 5.2.4 温度检测电路 温度检测电路由温度传感器MTS102和两个运算放大器LM358以及有关电阻电容组成如图5-5。其中第一级LM358用作阻抗隔离器，第二级LM358为放大器。检测结果送入单片机的端口。 30 5.2.5 浑浊度检测电路 浑浊度检测电路由红外发光二极管D3和红外接收管TR3构成的红外线传感器和有关电阻组成，如图5-5所示。不同浑浊度的水从D3和TR3之间流过时，使红外信号的强弱变化不同，送入单片机的端口的信号大小反映衣物的脏污程度。 5.2.6 水位检测电路 水位检测电路由电位器W3和相关机械部件组成，如图5-5所示。当水位变化使W3中心抽头产生位移时，送入单片机的端口的信号产生相应变化。水位传感器主要由空气室，膜片，调节螺丝的组成。空气室的出口和缸体连通，注入水以后，空气室和连通管道中的空气被压缩，压力变大，他又推动铁心运动，改变了线圈的电感量L。电感量的变化就反映了水位的变化。 +5V R4 R34 R3--温度IN5+A+LM358C7LM358DC6R5W2MTS102C GND0 8GNDR50R6水位0IN6 D39IN7浑浊度 R7 GND 图5-5 温度、水位、浑浊度检测电路 Fig. 5-5 Temperature, water levels, turbidity detection circuit 5.2.7 布量布质检测电路 布量布质检测电路由电机M2，二极管D4，电阻R21以及光敏三极管TR9，电阻R19和反相器7404组成，如图5-6所示。其中发光二极管D4和TR9构成光电耦合管，用于隔离交直流信号以及产生布量和布质信号。 31 +5VR19M2 R21P16 D4D5 7404 TIL113 图5-6 布量布质检测电路 Fig.5-6 Cloth of cloth of detection circuit 5.3 主机电路 主机电路就是以单片机为核心。各种传感器等输入设备将检测出来的各种信号输入单片机，而单片机的主要功能就是将这些信号进行一系列的处理，最终得到各种输出信号，单片机的输出信号用来控制水位等变量。可以说，主机电路是整个系统设计的重点所在。 5.4 显示电路 显示电路由晶体管，发光二极管，发光数码管和相应的电阻组成。具体如下电路图可知。 P13aQ0AbQ1BcQ2 dQ3eQ4CLKfQ5gQ6MRdpQ7 DPY74LS164 aQ0AbQ1BcQ2 dQ3P14eQ4CLKfQ5gQ6MR+5VdpQ7 DPY74LS164 aQ0AbQ1 BcQ2图5-7 键盘及显示电路 dQ3eQ4Fig.5-7 The keyboard and display circuit CLKfQ5gQ6MRdpQ7 32 DPY74LS164 T1Q0A Q1B Q2 Q3 T0Q4CLKQ5 Q6MRVCC 74LS164 工作进水洗涤漂洗排水脱水故障 +5V 图5-8 参数时间显示电路 Fig.5-8 Parameters of the time display circuit 5.5 驱动电路 以光电耦合器4N40为核心。它是常用的单向晶闸管输出型光电耦合器，也称固态继电器。 当输入端有15,30mA电流时，输出端的晶闸管导通，输出端的额定电压为400V，额定电流为300mA。输入输出端隔离电压为1500V,7500V。4N40的第6 脚是输出晶闸管控制端，不使用此端时，此端可对阴极接一个电阻。4N40 接口电路如下: +5V AC 220V P1.0 74044N40 图5-9 光电耦合器 Fig.5-9 4N40 上图中输出的电压可以直接加载到执行元件上，从而通过启动它们实现整个系统的最后控制。达到设计的目的。 33 5.6 报警电路 蜂鸣器在洗衣机中主要有三个用途: 1)响应有效按键，表明此次按键操作有效; 2)洗衣过程结束时鸣叫提示; 3)洗衣过程中出现故障时，系统通过蜂鸣器报警。电路如图5-10所示。 报警电路以三极管为核心。三极管采用小功率三极管9013，这种三极管是种PNP管，当控制信号为高电平时，三极管导通，发出声音。当控制信号为低电平时，三级管截止，不发出声音。电容的主要作用是消除高频信号。蜂鸣器的额定电压为+5v，当控制信号为高电平时，发出声音报警。 LS1 GND C8 +5V Q12 R23 P15 图5-10 报警电路 Fig. 5-10 Alarm Circuit 5.7 控制电路 输出控制电路的作用就是将MCU的控制信号作用于执行器件上。采用双向晶闸管作为功率元件。晶闸管(SCR)是一种三端固态器件，一般只工作于导通和截止状态，由于使SCR导通所需要的驱动电流极小，它的输出负载电流和输入驱动电流之比大于1000，所以是较为理想的大功率开关器件;但由于SCR内部的反馈特性，一旦导通，既使门控电流消失它也不会截止，只有当SCR的外加电压降到零(此时SCR的阳极电流为零)时它才会截止。交流电每半个周期都会过零一次，开关截止不成问题，因此，它在交流功率开关电路中应用十分广泛。双向晶闸管就是将两个反并联的晶闸管集成在一起，使用同一个门极端子，这样，无论加在器件上的电压为正或为负，都可用门极信号使之导通。晶闸管作为一种功率元件， 34 具有体积小，耐压高，容量大，效率高，维护简单，控制灵敏等优点，但它的过载和抗干扰能力较差，在设计过程中必须采取相应加以防范。 +5V R8P20 R16 GND +5V TA1TA2TA3TA4TA5R9P21R17 GNDL1L2 +5VM1 +5VR10~220VP22 R18C11R20 R14R15GND+5VN1开关M2P25 R11N2功能键P23P26R19 GND+5VGND R12P24 R20 GND 图5-11 控制电路 Fig.5-11 Control circuit 控制电路共5路，由触发电路和相应的双向晶闸管组成。双向晶闸管TA1，TA2用来控制主电机M2;TA3用于控制洗涤剂投入电机M1;TA4控制进水电磁阀L1;TA5控制排水电磁阀L2。电路如图所示。 此外，还有工作启/停和状态设定电路。N1是洗衣机全自动的启/停按键;N2是功能选择按键，它可以设定洗衣机从某个程序开始工作。 35 6 软件结构和程序设计 6.1 程序框图 6.1.1 主程序 模糊控制器软件设计由主程序，中断服务程序和各种子程序等组成。主程序如图6-1: 开始 内部寄存器初始话 开对应中断 Y 正常模糊洗涤模块正常, N Y衬衫洗涤模式模块 衬衫, N Y牛仔洗涤模式模块 牛仔, N Y棉衣, 棉衣洗涤模式模块 N Y 毛毯,毛毯洗涤模式模块 N 图6-1 洗衣机模糊控制器模糊控制主程序 Fig.6-1 The main procedure of fuzzy controller faintness of washerses control 图6.2中给出洗涤过程的程序框图。首先在不同水位(通常安排在1/4和1/2水位)下，先后完成布量，布质的检测。在通过排水的透射率检测衣物的脏污程度和脏污性质。在完 36 成上述检测后，对这些量进行模糊推算，并以它们的模糊量作为前件进行模糊推理，从而获得最佳注水量(水位)，洗涤剂投量，洗涤时间和水流，然后进入正式洗涤过程。 开 始 加水和水温检测 布量布质的检测 预洗并排水 浑浊度检测 进行模糊运算 根据布量加水 按布量脏度加洗衣剂分量 设定洗涤时间 正式洗涤 洗涤过程结束 下一阶段 图6-2洗涤过程的整体程序 Fig.6-2 The whole procedure of the washing process 6.1.2 中断服务程序 在洗衣机模糊控制器中由单片机的中断口引入了定时中断请求，在交流电过零时产生，模糊控制器响应中断后，转入中断服务程序。 在中断服务程序中，首先，保护寄存器中的各种数据，然后，进行各种判断处理，最后，判断工作状态，一旦进入模糊洗衣状态就进行相应的进水，测温，布量检测，洗涤，漂洗，排水，脱水等功能处理。同时，根据生活中经常要洗的衣物分为衬衫，牛仔服，棉衣，毛毯等，设定他们的洗涤模式，并且通过功能键可以选择不同模式。中断程序如图: 37 中断服务程序 YY干扰,开/停键, NN中 Flag-on=1 功能键, NY Y干扰, N 断Flag=flag+1 Flag=5?Flag=1 Y N Flag=1?衬衫洗涤模式返Y N Flag=2?牛仔洗涤模式 Y N Flag=3?棉衣洗涤模式 Y N 回 毛毯洗涤模式 图6-3定时中断服务程序流程图 Fig.6-3 The flow chart of settlement and breaking Flag=4 6.1.3 功能程序 功能程序也就是各种功能子程序。主要有定时子程序，键盘处理子程序，显示处理子 程序，水位测量子程序，浑浊度测量子程序，布量布质测量子程序，漂洗处理子程序，模 [11]糊运算子程序等等，它们主要供主程序和中断程序调用。以下将分别介绍。 38 将R5送立即数8 取第一位显示数dat 将dat存放A中 左移一位 时钟线置1 时钟线置0 N 8次,R5=R5-1 Y 将R5送立即数8 取第二位显示数送dat图6-4显示子程序 Fig.6-4 Sub- procedures of manifestation 6.2 程序设计 flag_mianyi bit 00h ;棉衣 flag_niuzai bit 01h flag_chenshan bit 02h flag_maotan bit 03h flag equ 30h ;记录按键按下自检 org 00h ajmp main org 000bh ;系统默认的T0中断服务程序入口地址 ljmp T0 39 org 0013h ;INT1的中断服务程序入口地址 ljmp INT1 main: ;主程序 mov r0,#7fh ;内部寄存器初始化，低128字节清零 clr a loop_1: mov @r0,a djnz r0,loop_1 ;低128字节清零 mov sp,#50h ;内部堆栈初始化 setb it0 ;将INT0定义为下降沿触发中断 setb it1 mov tmod,#06h ;定义T0工作在计数器模式2 mov th0,#0ffh ;给T0附初值 mov tl0,#0ffh setb px1 ;将INT1的优先级置为最高 mov ie,#86h ;开INT1和T0的中断 loop_main: ;循环查询 jb flag_on,normal ;判断开/启键是否按下，若按下则正常模糊洗涤 jb flag_mianyi,func_mianyi ;判断棉衣的功能键盘是否按下 jb flag_niuzai,func_niuzai jb flag_chenshan,func_chenshan jb flag_maotan,func_maotan sjmp loop_main normal: ;正常的模糊洗涤模式 clr ea ;清除总中断，禁止所有按键按下 call func_xidi ;洗涤程序 call func_piaoxi call func_tuoshui call func_clear ;清除所有的标志位 setb ea ;开中断 40 ajmp loop_main func_mianyi: clr ea ;模式只能为棉衣模式，无法更改 call data_mianyi ;调用棉衣的设定数据并装入程序当中 call func_xidi ;调用洗涤程序 call func_piaoxi call func_tuoshui setb ea ajmp loop_main func_niuzai: clr ea call data_niuzai call func_xidi call func_piaoxi call func_tuoshui setb ea ajmp loop_main func_chenshan: call data_chenshan call func_xidi call func_piaoxi call func_tuoshui setb ea ajmp loop_main func_maotan: clr ea call data_maotan call func_xidi call func_piaoxi call func_tuoshui 41 setb ea ajmp loop_main org 2000h T0: ;按键服务子程序 push a ;现场保护，将A和PSW保护起来 push psw jb p2.5,go_1 ;判断开/启键是否按下，若为低电平则表示按下 call delay_10ms ;调用10毫秒延迟程序，去除抖动 jb p2.5,quit ;继续判断开/启键是否按下，若为高平则表示有干扰 jnb p2.5,$ ;等到键松开 clr p1.5 ;使扬声器响 call delay_500ms ;调用500毫秒延迟程序，使扬声器响500毫秒 setb p1.5 ;关闭扬声器 setb flag_on=1 ;置开/启标志位为1 ajmp quit ;退出中断 go_1: ;看功能键是否按下 jb p2.6,quit ;若功能键为高电平，则退出中断，不执行任何程序 call delay_10ms jb p2.6,quit jnb p2.6,$ clr p1.5 call delay_500ms setb p1.5 inc flag ;标志字节加1 mov a,flag ;将标志字节放入A当中 cjne a,#5,go_00 ;当A等于5的时候，将FLAG送入立即数1 mov flag,#1 ;将立即数1赋给FLAG go_00: ;看FLAG是否为1，若是则为棉衣模式 mov a,flag 42 cjne a,#1,go_2 ;不相同的时候跳转到go_2 setb flag_mianyi ;置棉衣模式标志位 ajmp quit ;中断退出 go_2: mov a,flag cjne a,#2,go_3 setb flag_niuzai ajmp quit go_3: mov a,flag cjne a,#3,go_4 setb flag_chenshan ajmp quit go_4: mov a,flag cjne a,#4,quit setb flag_maotan quit: ;中断退出程序 pop psw ;现场恢复，恢复PSW和A的值 pop a reti ;中断返回语句 delay_10ms: mov r6,#10 ;给R6赋立即数10 loop_m: mov r7,#250 loop_n: ;循环标号 nop ;空指令 nop djnz r7,loop_n ;循环R7中的次数，250次 djnz r6,loop_m 43 ret ;子程序返回 send_data: ;74LS164发送一个字节的子程序 mov r5,#8 ;一个字节循环的次数为8次， mov a,dat ;将要发送的数送到A当中 loop_send: rlc a ;左移一位 mov sda,c ;将C里面的值送到数据线上(74LS164上的A和B) setb scl ;时钟线置1，提供一个上升沿 clr scl ;时钟线置0 djnz r5,loop_send ;循环8次 ret ;子程序返回 delay_500ms: mov r7,#50 loop_500ms: call delay_10ms djnz r7,loop_500ms ret xianshichengxu: ;显示子程序 mov dat,shuju0 call send_data ;把dat里面的数送到A中，进行显示 mov dat,shuju1 call send_data mov dat,shuju2 call send_data 44 7 经济技术分析 本设计所设计的产品总体构型简单，操作方法简便，实用性强，投资少，适合广大用户的需求，具有很强的市场竞争力。 一般的家用全自动洗衣机在开机之后，需要使用者自己对衣物重量和衣物质地做出判断并手工设置诸如洗衣时间、漂洗方式等洗衣机控制参数。这样做可能会因为凭主观设置参数导致较大的误差，造成很大的浪费，并且洗涤效果也不明显。同时，该类洗衣机中的电机作恒速运转。洗涤过程中，仅有水流方式的变化，没有电机的转速调节，不能很好地保证衣物的洗净度和磨损率，而在洗涤贵重衣物时，这又是必须考虑的。 本设计所设计的洗衣机是一种新型的多功能家用电器，它集微电脑技术、自动控制技术、传感技术、工业造型设计等技术于一体，它能够模拟人脑的思维方法，总结专家的经验，所以十分接近人的操作。 这种洗衣机以人们洗衣操作的成熟经验作为模糊控制规则，采用先进的检测手段检测诸如水温、水位、衣质衣量、衣物的赃污情况等洗衣状态信息，应用模糊控制技术分析检测结果，以最佳的洗涤方案，最大限度地模拟人工操作，自动地完成洗衣的全过程，达到理想的洗涤效果。与电脑程序控型的全自动洗衣机相比，模糊控制型洗衣机具有许多优点:首先，它应用布质、布量的检测结果，通过模糊推理，自动确定洗衣水位和水流强度;其次，应用洗涤液浑浊度检测结果，通过模糊推理法则，确定和修正洗涤时间与洗涤剂量;第三，具有自动断电、报警保护、故障检测显示等功能;最后，具有外形美观、功能强、操作使用方便等优点。 45 8 结论 经过近半年的努力和刻苦，洗衣机模糊控制器的设计终于完成了。通过对洗衣机模糊控制器的研究及试验得出以下结论: 1)模糊控制就是采用模糊控制器对被控对象进行自动控制的方法。在模糊控制中，计算机执行由条件模糊语句描述的控制规律，并把对象控制在给定的性能指标所允许的范围内。 2)模糊控制理论的实际应用非常广泛，很多发达国家利用模糊控制创造了大量的财富，同时改善了人们的生活。在此背景下，对模糊控制在日常生活中的运用进行研究便显得很有必要。 3)洗衣机模糊控制器就是洗衣机模糊控制器的核心，它的性能直接决定了洗衣机的功能。本设计利用市场上经常使用的8051单片机作为芯片，同时采用一些传感器将洗衣机的一些因素检测后输入此芯片，再将处理后的信号用于控制洗衣机的电机和洗涤时间等。从而实现了无须人员现场时时进行调整就能自动完成洗涤的功能。 4)本设计完全可以在进一步测试之后用于实际生产。根据本设计生产的洗衣机模糊控制器可以提高洗衣机的整体性价比，满足众多用户的需要，增强我国在洗衣机领域的竞争力。 尽管我个人投入了不少的精力和时间用于对模糊控制以及洗衣机构造的学习，对设计做了充分的规划，洗衣机模糊控制器的设计完成的也比较顺利;但是由于能力有限，本设计还存在一些不足之处: 1)温度传感器等实际上可以应用AD590等比较先进的传感器来代替设计中采用的传感器。这样可以提高信号检测的精度，从而提高整个系统的精度。 2)考虑到对8051芯片的熟悉，故设计采用了本芯片。其实可以应用摩托罗拉公司生产的MC6805R3等芯片。这样就可以使电路设计大大简化。 3)由于知识有限，程序编程过程存在一些非最优的语句，这些有待进一步改进。 本设计的以上不足虽然不会对设计产生决定性的影响，但是，任何事情都要追求创新和改进，相信在对设计中的一些缺陷进行处理后，设计将更加完美。 46 致谢 本文是在导师张美金的精心指导下完成的，他给予了我大量的指导和帮助，他丰富的知识和经验为本课题的研究指明了方向。半年来，在导师的悉心指导和不断的勉励下，我不但学到了丰富的专业知识，导师广博的知识储备、开阔的思维方式、埋头苦干的精神、丰富的工作经验以及对新领域不断探索精神值得我永远学习，使我受益终身。借此论文完成之际，谨此向导师表示衷心的感谢和致以崇高的敬意。 在毕业设计期间，曾得到王久朋、蒋焕、许金波，旺志涛等同学的大力帮助，在此向他们表示衷心的感谢～ 向给予我关心和帮助的所有老师、同学和朋友表示衷心的感谢～ 感谢我的父母和家人，尤其是含辛茹苦抚养我长大并给予了我良好教的父母对我的支持与关心，感谢他们对我多年求学的理解和支持。我的点滴进步都伴着他们的鼓励和竭力支持，这些都将永远铭记在心。 感谢各位专家、教授在白忙中评审本文，并衷心希望得到各位专家、教授的指导和帮助～ 47 参考文献 [1] 韩企纲编.计算机模糊控制技术与仪器仪表[M].北京:中国计量出版社,2003.6. [2] 吴亚娟.王伦编.洗衣机维修技术[M].北京:科学出版社，2003.9. [3] 曾光奇等著.模糊控制理论与工程应用[M].武汉:华中科技大学出版社，2006.8. [4] 冯冬青主编.模糊智能控制[M]北京:机械工业出版社,2005. [5] 朱永庆.模糊全自动洗衣机电脑程控板[D].北京:北京航空航天大学，2004. [6] 韩进.基于无线传感器网络嵌入式测控系统的设计[D].合肥:合肥工业大学计算机应用技术，2005.5. [7] 刘建辉等编.单片机模糊控制技术及应用[M].辽宁:辽宁大学出版社,2004.5. [8] 何力民.51系列单片机应用系统设计系统配置与接口技术[M].北京:北京航空航天大学出版社,2006.1. [9] 俞朴等主编.传感器技术[M].江苏:东南大学出版社,2003.6. [10] 余永权著.单片机与家用电气智能化技术[M].北京:电子工业出版社，2005.4. [11] 周航慈著.单片机程序设计基础(修订版)[M].北京:北京航空航天大学出版社,2004.4. [12] Ostergarad J.J Fuzzy Logic Control of a Heat Exchange Process ,in Fuzzy Automata and Decision Processes Amstendam :Gupta MM.et eds[A]. North-Holland,2006. [13] LI Han-Xiong, CHEN Guan-Rong, Dual Featurs of Conventiona Fuzzy LogicControl[J].ACTA AUTOMATICA SINICA, 2007, Vo1.27N oA:447-459. 48 附录A 模糊逻辑-分析和控制复杂系统的新途径 --托马斯索沃尔 欢迎进入模糊逻辑的精彩世界，你可以用新科学有力地实现一些东西。在你的技术与管理技能的领域中，增加了基于模糊逻辑分析和控制的能力，你就可以实现除此之外的其他人与物无法做到的事情。 以下就是模糊逻辑的基础知识:随着系统复杂性的增加，对系统精确的阐述变得越来越难，最终变得无法阐述。于是，终于到达了一个只有靠人类发明的模糊逻辑才能解决的复杂程度。模糊逻辑用于系统的分析和控制设计，因为它可以缩短工程发展的时间;有时，在一些高度复杂的系统中，这是唯一可以解决问题的方法。虽然，我们经常认为控制是和控制一个物理系统有关系的，但是，扎德博士最初设计这个概念的时候本意并非如此。实际上，模糊逻辑适用于生物，经济，市场营销和其他大而复杂的系统。 模糊这个词最早出现在扎德博士于1962年在一个工程学权威刊物上发表论文中。1963年，扎德博士成为加州大学伯克利分校电气工程学院院长。那就意味着达到了电气工程领域的顶尖。扎德博士认为模糊控制是那时的热点，不是以后的热点，更不应该受到轻视。目前已经有了成千上万基于模糊逻辑的产品，从聚焦照相机到可以根据衣服脏度自我控制洗涤方式的洗衣机等。如果你在美国，你会很容易找到基于模糊的系统。想一想，当通用汽车告诉大众，她生产的汽车其反刹车是根据模糊逻辑而造成的时候，那会对其销售造成多么大的影响。 以下的章节包括: 1)介绍处于商业等各个领域的人们他们如果从模糊逻辑演变而来的利益中得到好处，以及帮助大家理解模糊逻辑是怎么工作的。 2)提供模糊逻辑是怎么工作的一种指导，只有人们知道了这一点，才能运用它用于做一些对自己有利的事情。 这本书就是一个指导，因此尽管你不是电气领域的专家，你也可以运用模糊逻辑。需要指出的是有一些针对模糊逻辑的相反观点和批评。一个人应该学会观察反面的各个观点，从而得出自己的观点。我个人认为，身为被表扬以及因写关于模糊逻辑论文而受到赞赏的作者，他会认为，在这个领域中的这种批评有点过激。但是，请不要总相信我的观点。你应该耳听四方，然后做出自己的看法。 49 这一本书正还未正式出版，如此“正直的简单人们” 能充分地了解模糊逻辑的观念并且利用它, 或至少决定如果他们需要深深地深入在主题上存在的博士水平文学的很不错的主题。这一本书是引导者，因此，你能对模糊逻辑做某事,即使你不是一个专攻领域或一个先进的数传系统电子学工程师的博士。我们应该被注意有论争和关于模糊逻辑的批评。一定要读争论的各种不同立场并且达成他们自己的结论。亲自地，为他的关于模糊逻辑的写作，两者都已经被称赞而且辱骂, 感觉批评家是太硬的在他们的宇宙把握中并且 “不应该那么做的”. 但是,为它大家可以不用在意我所说的话。你一定看所有的立场而且组成你自己的思想。段落直接地在下面在一些短字中说,“什么是模糊逻辑”。但是，我们看看这一本书的余下部分和其他的相关文章，相信会对我们进一步理解模糊逻辑有所帮助。 假设你开着车行驶在传统的双向道，6个车道的公路上，交通灯之间距离是1公里。车速限制在45M之内，而最好的速度应该在48M。你如何定义“遵守交通规则”呢,很难～但是，这却是人类经常要做并且做的很好的事情。将会有一些车手的车速总是在48M前后，也有一些人的车速总是定在45M。实际上，大部分的人会将车速控制在48M，他们用的就是模糊推理。在交通中还存在着一系列此类的案例。 你在城镇中驾驶车辆的这个模糊推理能力，也曾被我们的祖先用于获得食物，衣服，骨具等。 人类和外界的物理世界相接触的时候，有能力吸纳和分清从物理世界中得到的信息。并且综合它们而得到最好的行为方式。所有的动物都会这么做，只不过，人类做的比较好，因此他成为了地球的主宰者。 你想一想，我们摄入的大部分信息都是不精确的。比如:汽车的冲刺速度。我们将这称为模糊输入;但是也有一些是很合理的，精确的输入，比如:你的阅读速度。我们称为模糊处理。模糊学理论家就会建议运用所谓的模糊推理。 模糊逻辑是人脑工作的方式。我们可以将这移植到机器身上，所以，有时，机器具有了人脑的相似思维。模糊逻辑和分析系统可以使自然界中的电气自动化。比如经济数据等内，人类语言中总是含有:“如果-那么”的规则。 模糊逻辑分析和控制的过程是: 1)接受一个或者多个我们希望去分析的数据量或者其他的变量。 2)综合传统的非模糊系统，用简便的“如果—那么”模式来表示，并将要处理的量进行处理。 50 3)从由不同规则里得到的输出结果中进行平衡。得出的结果要求芯片如果工作。最后得到的就是一个不再是模糊而是精确的量。 模糊就是一种用于估算无法精确测量的系统的概念。事实上，在宇宙中，人们评估任何事情都存在一定的模糊。不论你对某工具的测量是多么的精确，模糊概念始终是模糊逻辑中模糊分析和控制的基础。 对模糊逻辑系统来说，可测量的，非模糊的输入数据是最主要的。例如:温度传感器检测到的温度，经济数据。人类进行模糊控制的时候，应该将模糊转化成为计算机可以识别的信号。我们将它的值域定在0到1之间。比如，房屋内部的温度是多少，人们可能定在0.2，如果温度处于零下，那么可能定为0.9甚至1。你可以看出来，这些就是模糊概念。通过模糊评估，值域定在0到1之间。这就给我们进行模糊推理提供了一种规则，这样，我们就可以完成控制工程。 诺瓦瓷利用运用模糊逻辑的电脑就可以打败数学家们靠公式和传统编程的控制器。模糊逻辑利用人们的一般思维;这种一般思维对一个新的系统来说合情合理，并且对一个曾有人控制的系统来说，它又能显示出很有经验。这里有一个将人类的一般思维运用到一个控制系统的例子。元件产品的难度远远超出了你的想象。最后，他们将人类的大量经验通过“如果-那么”的规则输入机器中。 模糊逻辑分析和控制的部件包括:物理控制，比如机器速度或者操作一个元件;经济和财政决策;心理情景;安全状态以及其他一些改善产品的众多例子。 这本书要探讨的是模糊逻辑在控制机器，经济决策等方面的应用。看起来，当初，扎德博士发明模糊逻辑时，想将它运用到经济，政治等各个方面。 如果没有个人电脑，就很难将模糊逻辑运用于控制机器和其他一些地方。没有了个人电脑的速度，就很难运用人力控制机器以及具有足够的持久力去控制机器。你用一台内含模糊逻辑的BASIC或者C++的个人电脑比用一台其他的电脑更节省钱。编程逻辑控制器拥有了自己的地方，他们简单，可靠，并且维持着美国工业的运转。 对于一个更为复杂的系统，最好的方法就是用电脑和模糊逻辑将系统组合，尤其当一个非专业人士来主持重大工程项目的时候。 这是地球上智能生命里的一个里程碑: 在宇宙任何地方出现的智能生命，都可能应用到模糊逻辑。它是一个广泛的规则和概念。我们开始认识到在智能化的进程中，定义和应用模糊逻辑是一个重要的阶段。在地球上，我们只是刚刚到达那个时刻，你需要知道并开始应用模糊逻辑。 51 至今的争论并没有使我们适应和理解模糊逻辑的大部分书籍和论文。因为，那些作者大多是圆滑老练的。以下是一些可以帮助我们理解的解释性语言。这些最早是由扎德博士发明模糊逻辑的时候建立的。 模糊—系统分析可以精确区分的模糊的程度。在这里我们不能称之为模糊，因为是基于一个人的观点的。因此，模糊还是不模糊就和系统分析精确的程度有关。一个系统分析规则的精确与一个人的模糊意念不相干。不如你有一个这样的规则:如果气压上升到600P，那么关掉一切设备。这个规则就不是模糊的。 随着系统复杂性的增加，对系统精确的阐述变得越来越难，最终变得无法阐述。于是，终于到达了一个只有靠人类发明的模糊逻辑才能解决的复杂程度。 模糊集合—模糊集合几乎存在于任何场合，比如:高的，矮的，速度快，慢等。我们给它们定了一个从0到1的值域。例如，我遇到了一个6尺3寸的人，我认为他是我见过的最高的人了。于是，我将值定位在0.98。 在一个模糊控制系统中，模糊集是以下列方法进行的。以测量速度来作为例子。系统编程便会在“太快”和“无须改变”之间选择，最终进行反馈并将数据输入系统当中。这样的情况我们在以下的章节中将会有进一步的谈讨。 摘要信息—人们处理信息不是基于开关的两个端点，而是基于模糊概念的。所有的输入最后处理得到精确的数值输出，这些可以指导人们进行行动。模糊逻辑控制系统的目的也是在此。 输入的数据可能是极大的，但是人们可以处理它。操纵这些并最终变成人们可以执行的输出是人类大脑的特有功能。这是人类和电脑之间存在的一个重要特性。人们创造基于人工智能的电脑来挑战人类的这种能力，但是很难建造一种这样的电脑。 模糊多样化—一些概念如红色等，都是模糊的，他们都是基于人类概念的，而不是精确的。这些词就具有模糊多样化。 语言多样化—这些语言和我们平常用的语言有关联。 速度是一种模糊多样化。模糊多样化变成语言多样化，这是当我们应用语言去描述它的时候。比如:非常快，极慢等。语言多样化最主要的功能就是，它可以处理那些靠公式等难以处理的复杂系统。语言多样化在控制系统中带有反馈的功能以及和其他的状态相联系。比如:速度太快，则关掉加速器。 讨论范围—拿女人当例子，如果我们谈到女人，那么各个地方的女人都成了我们谈论的对象。讨论范围是一种将同类的物质组合在一起的概念。它是由模糊集合组成的。比如: 52 女人的讨论范围是由专业女士，高的女人等组成的。 世界上的第一个模糊逻辑控制器。 1973年，英国伦敦大学的师生正试图稳定一个先前制造的流动动力机，虽然，他们拥有各种不同的先进物质，但是却无法按照自己的意愿来控制动力机。它的速度不是太快，就是太慢，无法与其他器件相配套。玛达尼教授读了一篇扎德博士写的文章，扎德博士是加州大学伯克利分校电气工程学院院长。那就意味着达到了电气工程领域的顶尖。他是模糊方面的权威，但是当时有一些人以不同名义反对模糊概念。玛达尼教授和他的学生决定用模糊逻辑来试一试。在周末，他们给自己的流动动力机安装了世界上第一个模糊系统。并且载入了历史。这个模糊控制器运行的相当好，比以往他们用过的各个方案都要好。流动动力机运行的速度控制的很好。正如你想的那样，它运行的不错，总是可以定在某个区域，不会抖动并且总处于稳定。这是科学发展历史上一个令人兴奋并且重要的时刻。 玛达尼教授的模糊控制系统有四个输入:温度检测偏差纠正，速度，气压等的纠正等。并且，这个系统有两个输出。他们是独立工作的。 要想制造一个模糊系统，我们无须上述玛达尼教授的模糊控制系统中的持续反馈系统。你能从模糊逻辑文章中得到不少深刻的印象。一个模糊逻辑控制系统应该简单成“如果摩托车的缸体温度有点太高，那么就应该关掉热源如发动机等。”或者“公司的老总和其他高层人士正在出售公司的股票，那么我们也应该尽快卖掉”。 模糊逻辑系统无须变成一个电子机械系统。比如，模糊逻辑系统可以用于3千万美元和日元的兑换决策。模糊逻辑控制器可以控制摩托车和其他的一些东西并进行持续的反馈控制。 控制器典型的有多输入和多输出。在计算机中输入了各个适当的程序，那么模糊逻辑控制器就可以进行监测和控制各种输入。程序可以从一个任务跳转到另外一个任务，程序获得数据输入并且向命令控制器发出指令。 向模糊逻辑控制系统输入的各种输入数据是由现实世界中得来的。向财政交易系统输入的也是从人们的评估中得到的。 模糊逻辑的进步，从一开始，模糊系统就是在不断应用和重要性中发展起来的，现在，这已经是应用广泛的概念。基于模糊逻辑的个人电脑是很迷人的。用从前的传统方法是无法定义和解决这些问题的。 一个系统是一个电子和机械的系统，它能使被控制系统的输出能够自动地停留在操作者所预定的位置上。在你空调里面的温度检测器是一个控制系统。你车上的线路控制是一 53 个控制系统。控制可能是间断的信号或者是持续的控制流。在日本，一个教授创立了一个可以控制直升飞机的模糊逻辑控制系统。而这是人类直升飞机飞行员无法作到的。并且日本在这方面研究深入，建立了一个舒适的就像卧室里面通道一样的地铁。 在美国，模糊逻辑控制正在得到名声, 但是不是同样地广泛地使用，像在日本一样。日本卖被控制的照相机，洗衣机和更多的模糊逻辑。一个英特网搜寻引擎归还超过16,000 页，当你搜寻的时候在模糊+逻辑。被建立控制跟随人类"模糊"的式样活动的模糊逻辑的个人计算机。然而，人类通常接受,处理而且有所反应较多的输入超过被建立模糊逻辑控制器的典型计算机。(这是不一定如此;一部在日本被建立模糊逻辑控制系统的计算机在财政的市场中交易并且利用 800 输入)。模糊逻辑控制输入-人类和被建立模糊逻辑机器控制的计算机，计算机像人类的模糊逻辑控制,但是当计算机的输入性质被考虑的时候有一种不同的特性。人类以模糊样子评估来自他们的环境输入,然而机器/ 计算机获得像 112 度 F 这样的精确价值,以对数传转换器的一个转换器和一个类比获得。计算机输入会是计算机测定,让我们说,112 度 F.人类的输入会是太温暖的模糊感觉。人类的发言权:雨水太热 。计算机类比输入测量的结果说,雨水是我的112度和“如果 - 然后”陈述告诉我水太温暖.一个人类的发言权:我见到二个高的人和一个短的。计算机说:我测量二个人,6'6" 和 6'9",分别比一个人 5'1" 高和如果-然后我的计划陈述告诉我有二个高的人和一个矮人。 即使测量了输入因为计算机变得更精确, 转换器源自输入的点向前地我们仍然在模糊逻辑方法方式中使用他们追从我们的模糊,人类接近控制。对于一个人类，如果阵雨水太温暖,那么就准备稍微使温度下降下去。对于一部计算机，"如果 - 然后" 计画的陈述会开始以一个被提供的人类为基础的温度降低人 “如果-然后”规则,藉由操作一个活瓣的指令输出。 为了要产生一部被建立模糊逻辑控制系统的个人计算机，我们: 1)决定输入。 2)用 "描述因素和效果系统的行动模糊规则"在简单的英文字中陈述。 3)写一个电脑程式给对输入有所反应而且决定输出,分开的考虑每个输入。规则变成“如果-然后”计划的陈述。(当将会在下面被见到之时, 回应使控制成环哪里被牵涉,图解式三角形的使用能帮助看得见而且计算这个输入- 输出的行动)。 4)在计划中，使用被重量的平均合并进入不同的输出在受约束的系统方面的演戏之内被个别的输入要求的各种不同的行动(在事件中只有输出, 然后合并不是必需的,当作需 54 要的唯一计数输出)。 模糊逻辑方式概念化并实现控制系统是比较容易。程序被转为一系列 visualizable 步骤。这是非常重要的一点。实际上实现一个控制系统, 甚至一个简单的控制系统, 出现也很困难。料想不到的越轨和实际的反常事物不可避免发生。得到正确地工作的程序最后作为一个削减和尝试努力。 在工业中读关于模糊逻辑控制应用的有关方面，突出的重要点之一是: 因为它弄短工程发展的时间，所以模糊逻辑被用。模糊逻辑使工程师能够不需要广泛的实验就很快地配置系统并且利用来自用手已经表演工作的专家人类的操作员的数据。也许超过飞的直升飞机或流动的地下铁更下来对地球你的控制需要是某事很多。也许全部你想要做是生计你的平滑地跑的小生意锯木厂，藉由木材变更和变更的刀锋锐利。也许你操作一个天然气压缩物，因为一些工具总是涌出那受到在之上的影响而且爆炸,而且你需要有压缩物自动地为了要低下地停留在线上而且保存吸强迫拿最适宜的制造,调整。也许你梦到一辆会自动地调整的比赛汽车到变更情况,像上述的直升飞机对没有转子刀锋的存在调整一样的有效地的保持最适宜的装备。 那有一个百万个故事，而且我们不能够猜测什么是你的故事，但是机会是, 如果那里是某种你想要控制的，而且你不是富有经验的专业人士和有数百万元供给经费的公司工程师, 然后模糊逻辑可能为你做到那些。如果你真的处于这种情况, 它仍然可能适用于你。在技术的世界中一些最好的思想家试着解释模糊逻辑为什么工作。对我们这些平常的人,事实是模糊逻辑确实工作, 似乎更有效率于许多贵的和复杂的系统并且是可以理解的和能负担的。 55 附录B Fuzzy Logic - a New Way to Analyze and Control Complex Systems by Thomas Sowell Welcome to the wonderful world of fuzzy logic, the new science you can use to powerfully get things done. Add the ability to utilize personal computer based fuzzy logic analysis and control to your technical and management skills and you can do things that humans and machines cannot otherwise do. Following is the base on which fuzzy logic is built: As the complexity of a system increases, it becomes more difficult and eventually impossible to make a precise statement about its behavior, eventually arriving at a point of complexity where the fuzzy logic method born in humans is the only way to get at the problem. Fuzzy logic is used in system control and analysis design, because it shortens the time for engineering development and sometimes, in the case of highly complex systems, is the only way to solve the problem. Although most of the time we think of "control" as having to do with controlling a physical system, there is no such limitation in the concept as initially presented by Dr. Zadeh. Fuzzy logic can apply also to economics, psychology, marketing, weather forecasting, biology, politics ...... to any large complex system. The term "fuzzy" was first used by Dr. Lotfi Zadeh in the engineering journal, "Proceedings of the IRE," a leading engineering journal, in 1962. Dr. Zadeh became, in 1963, the Chairman of the Electrical Engineering department of the University of California at Berkeley. That is about as high as you can go in the electrical engineering field. Dr. Zadeh thoughts are not to be taken lightly. Fuzzy logic is not the wave of the future. It is now! There are already hundreds of millions of dollars of successful, fuzzy logic based commercial products, everything from self-focusing cameras to washing machines that adjust themselves according to how dirty the clothes are, automobile engine controls, anti-lock braking systems, color film developing systems, subway control systems and computer programs trading successfully in the financial markets. Note that when you go searching for fuzzy-logic applications in the United States, it is difficult to impossible to find a control system acknowledged as based on fuzzy logic. Just imagine the impact on sales if General Motors announced their anti-lock braking was accomplished with fuzzy logic! The general public is not ready for such an announcement. 56 Objectives of the following chapters include: 1)To introduce to individuals in the fields of business, industry, science, invention and day-to-day living the power and benefits available to them through the fuzzy logic method and to help them understand how fuzzy logic works. 2)To provide a fuzzy logic "how-to-do-it" guide, in terms everyone can understand, so everyone can put fuzzy logic to work doing something useful for them. This book is being written so "Just Plain Folks" can understand the concept of fuzzy logic sufficiently to utilize it, or to at least determine if they need to dig deeply into the subject in the great quantity of Ph.D. level literature existing on the subject. This book is a guide, so you can do something with fuzzy logic, even if you are not a Ph.D. specializing in the field or an advanced digital systems electronics engineer. It should be noted there is controversy and criticism regarding fuzzy logic. One must read various sides of the controversy and reach their own conclusion. Personally, the author, who has been both praised and reviled for his writings regarding fuzzy logic, feels the critics are too rigid in their grasp of the universe and "just do not get it." But, do not take my word for it. You must look at all sides and make up your own mind. The paragraphs directly below say in a few short words, "what fuzzy logic is." But, reading much of the rest of this book and other publications on the subject will be helpful for a fuller understanding. Suppose you are driving down a typical, two way, 6 lane street in a large city, one mile between signal lights. The speed limit is posted at 45 Mph. It is usually optimum and safest to "drive with the traffic," which will usually be going about 48 Mph. How do you define with specific, precise instructions "driving with the traffic?" It is difficult. But, it is the kind of thing humans do every day and do well. There will be some drivers weaving in and out and going more than 48 Mph and a few drivers driving exactly the posted 45 Mph. But, most drivers will be driving 48 Mph. They do this by exercising "fuzzy logic" - receiving a large number of fuzzy inputs, somehow evaluating all the inputs in their human brains and summarizing, weighting and averaging all these inputs to yield an optimum output decision. Inputs being evaluated may include several images and considerations such as: How many cars are in front. How fast are they driving. Any "old clunkers" going real slow. Do the police ever set up radar surveillance on this stretch of road. How much leeway do the police allow over the 45 Mph limit. What do you 57 see in the rear view mirror. Even with all this, and more, to think about, those who are driving with the traffic will all be going along together at the same speed. The same ability you have to drive down a modern city street was used by our ancestors to successfully organize and carry out chases to drive wooly mammoths into pits, to obtain food, clothing and bone tools. Human beings have the ability to take in and evaluate all sorts of information from the physical world they are in contact with and to mentally analyze, average and summarize all this input data into an optimum course of action. All living things do this, but humans do it more and do it better and have become the dominant species of the planet. If you think about it, much of the information you take in is not very precisely defined, such as the speed of a vehicle coming up from behind. We call this fuzzy input. However, some of your "input" is reasonably precise and non-fuzzy such as the speedometer reading. Your processing of all this information is not very precisely definable. We call this fuzzy processing. Fuzzy logic theorists would call it using fuzzy algorithms (algorithm is another word for procedure or program, as in a computer program). Fuzzy logic is the way the human brain works, and we can mimic this in machines so they will perform somewhat like humans (not to be confused with Artificial Intelligence, where the goal is for machines to perform EXACTLY like humans). Fuzzy logic control and analysis systems may be electro-mechanical in nature, or concerned only with data, for example economic data, in all cases guided by "If-Then rules" stated in human language. The fuzzy logic analysis and control method is, therefore: 1)Receiving of one, or a large number, of measurement or other assessment of conditions existing in some system we wish to analyze or control. 2)Processing all these inputs according to human based, fuzzy "If-Then" rules, which can be expressed in plain language words, in combination with traditional non-fuzzy processing. 3)Averaging and weighting the resulting outputs from all the individual rules into one single output decision or signal which decides what to do or tells a controlled system what to do. The output signal eventually arrived at is a precise appearing defuzzified, "crisp" value. Measured, non-fuzzy data is the primary input for the fuzzy logic method. Examples: temperature measured by a temperature transducer, motor speed, economic data, financial 58 markets data, etc. It would not be usual in an electro-mechanical control system or a financial or economic analysis system, but humans with their fuzzy perceptions could also provide input. There could be a human "in-the-loop." In the fuzzy logic literature, you will see the term "fuzzy set." A fuzzy set is a group of anything that cannot be precisely defined. Consider the fuzzy set of "old houses." How old is an old house? Where is the dividing line between new houses and old houses? Is a fifteen year old house an old house? How about 40 years? What about 39.9 years? The assessment is in the eyes of the beholder. Other examples of fuzzy sets are: tall women, short men, warm days, high pressure gas, small crowd, medium viscosity, hot shower water, etc. When humans are the basis for an analysis, we must have a way to assign some rational value to intuitive assessments of individual elements of a fuzzy set. We must translate from human fuzziness to numbers that can be used by a computer. We do this by assigning assessment of conditions a value from zero to 1.0. For "how hot the room is" the human might rate it at .2 if the temperature were below freezing, and the human might rate the room at .9, or even 1.0, if it is a hot day in summer with the air conditioner off. You can see these perceptions are fuzzy, just intuitive assessments, not precisely measured facts. By making fuzzy evaluations, with zero at the bottom of the scale and 1.0 at the top, we have a basis for analysis rules for the fuzzy logic method, and we can accomplish our analysis or control project. The results seem to turn out well for complex systems or systems where human experience is the only base from which to proceed, certainly better than doing nothing at all, which is where we would be if [12]unwilling to proceed with fuzzy rules. Novices using personal computers and the fuzzy logic method can beat Ph.D. mathematicians using formulas and conventional programmable logic controllers. Fuzzy logic makes use of human common sense. This common sense is either applied from what seems reasonable, for a new system, or from experience, for a system that has previously had a human operator. Here is an example of converting human experience for use in a control system: I read of an attempt to automate a cement manufacturing operation. Cement manufacturing is a lot more difficult than you would think. Through the centuries it has evolved with human "feel" being absolutely necessary. Engineers were not able to automate with conventional control. Eventually, they translated the human "feel" into lots and lots of fuzzy logic "If-Then" rules based on human experience. Reasonable success was thereby obtained in automating the plant. 59 Objects of fuzzy logic analysis and control may include: physical control, such as machine speed, or operating a cement plant; financial and economic decisions; psychological conditions; physiological conditions; safety conditions; security conditions; production improvement and much more. This book will talk about fuzzy logic in control applications - controlling machines, physical conditions, processing plants, etc. It should be noted that when Dr. Zadeh invented fuzzy logic, it appears he had in mind applying fuzzy logic in many applications in addition to controlling machines, such as economics, politics, biology, etc. Thank You Wozniak (Apple Computer), Jobs (Apple Computer), Gates (Microsoft) and Ed Roberts (the MITS, Altair entrepreneur) for the Personal Computer. Without personal computers, it would be difficult to use fuzzy logic to control machines and production plants, or do other analyses. Without the speed and versatility of the personal computer, we would never undertake the laborious and time consuming tasks of fuzzy logic based analyses and we could not handle the complexity, speed requirement and endurance needed for machine control. You can do far more with a simple fuzzy logic BASIC or C++ program in a personal computer running in conjunction with a low cost input/output controller than with a whole array of expensive, conventional, programmable logic controllers. Programmable logic controllers have their place! They are simple, reliable and keep American industry operating where the application is relatively simple and on-off in nature. For a more complicated system control application, an optimum solution may be patching things together with a personal computer and fuzzy logic rules, especially if the project is being done by someone who is not a professional, control systems engineer. A Milestone Passed for Intelligent Life On Earth。If intelligent life has appeared anywhere in the universe, "they" are probably using fuzzy logic. It is a universal principle and concept. Becoming aware of, defining and starting to use fuzzy logic is an important moment in the development of an intelligent civilization. On earth, we have just arrived at that important moment. You need to know and begin using fuzzy logic. The discussion so far does not adequately prepare us for reading and understanding most books and articles about fuzzy logic, because of the terminology used by sophisticated authors. 60 Following are explanations of some terms which should help in this regard. This terminology was initially established by Dr. Zadeh when he originated the fuzzy logic concept. Fuzzy - The degree of fuzziness of a system analysis rule can vary between being very precise, in which case we would not call it "fuzzy", to being based on an opinion held by a human, which would be "fuzzy." Being fuzzy or not fuzzy, therefore, has to do with the degree of precision of a system analysis rule. A system analysis rule need not be based on human fuzzy perception. For example, you could have a rule, "If the boiler pressure rises to a danger point of 600 P as measured by a pressure transducer, then turn everything off. That rule is not "fuzzy". Principle of Incompatibility (previously stated; repeated here) – As the complexity of a system increases, it becomes more difficult and eventually impossible to make a precise statement about its behavior, eventually arriving at a point of complexity where the fuzzy logic method born in humans is the only way to get at the problem. Fuzzy Sets - A fuzzy set is almost any condition for which we have words: short men, tall women, hot, cold, new buildings, accelerator setting, ripe bananas, high intelligence, speed, weight, spongy, etc., where the condition can be given a value between 0 and 1. Example: A woman is 6 feet, 3 inches tall. In my experience, I think she is one of the tallest women I have ever met, so I rate her height at .98. This line of reasoning can go on indefinitely rating a great number of things between 0 and 1. In fuzzy logic method control systems, degree of membership is used in the following way. A measurement of speed, for example, might be found to have a degree of membership in "too fast of" .6 and a degree of membership in "no change needed" of .2. The system program would then calculate the center of mass between "too fast" and "no change needed" to determine feedback action to send to the input of the control system. This is discussed in more detail in subsequent chapters. Summarizing Information - Human processing of information is not based on two-valued, off-on, either-or logic. It is based on fuzzy perceptions, fuzzy truths, fuzzy inferences, etc., all resulting in an averaged, summarized, normalized output, which is given by the human a precise number or decision value which he or she verbalizes, writes down or acts on. It is the goal of fuzzy logic control systems to also do this. The input may be large masses of data, but humans can handle it. The ability to manipulate fuzzy sets and the subsequent summarizing capability to arrive at an output we can act on is one 61 of the greatest assets of the human brain. This characteristic is the big difference between humans and digital computers. Emulating this human ability is the challenge facing those who would create computer based artificial intelligence. It is proving very, very difficult to program a computer to have human-like intelligence. Fuzzy Variable - Words like red, blue, etc., are fuzzy and can have many shades and tints. They are just human opinions, not based on precise measurement in angstroms. These words are fuzzy variables. If, for example, speed of a system is the attrribute being evaluated by fuzzy, "fuzzy" rules, then "speed" is a fuzzy variable. Linguistic Variable - Linguistic means relating to language, in our case plain language words. Speed is a fuzzy variable. Accelerator setting is a fuzzy variable. Examples of linguistic variables are: somewhat fast speed, very high speed, real slow speed, excessively high accelerator setting, accelerator setting about right, etc. A fuzzy variable becomes a linguistic variable when we modify it with descriptive words, such as somewhat fast, very high, real slow, etc. The main function of linguistic variables is to provide a means of working with the complex systems mentioned above as being too complex to handle by conventional mathematics and engineering formulas. Linguistic variables appear in control systems with feedback loop control and can be related to each other with conditional, "if-then" statements. Example: If the speed is too fast, then back off on the high accelerator setting. Universe of Discourse - Let us make women the object of our consideration. All the women everywhere would be the universe of women. If we choose to discourse about (talk about) women, then all the women everywhere would be our Universe of Discourse. Universe of Discourse then, is a way to say all the objects in the universe of a particular kind, usually designated by one word, that we happen to be talking about or working with in a fuzzy logic solution. A Universe of Discourse is made up of fuzzy sets. Example: The Universe of Discourse of women is made up of professional women, tall women, Asian women, short women, beautiful women, and on and on. The World's First Fuzzy Logic Controller，In England in 1973 at the University of London, a professor and student were trying to stabilize the speed of a small steam engine the student had 62 built. They had a lot going for them, sophisticated equipment like a PDP-8 minicomputer and conventional digital control equipment. But, they could not control the engine as well as they wanted. Engine speed would either overshoot the target speed and arrive at the target speed after a series of oscillations, or the speed control would be too sluggish, taking too long for the speed to arrive at the desired setting, The professor, E. Mamdani, had read of a control method proposed by Dr. Lotfi Zadeh, head of the electrical engineering department at the University of California at Berkeley, in the United States. Dr. Zadeh is the originator of the designation "fuzzy", which everyone suspects was selected to throw a little "pie in the face" of his more orthodox engineering colleagues, some of whom strongly opposed the fuzzy logic concept under any name. Professor Mamdani and the student, S. Assilian, decided to give fuzzy logic a try. They spent a weekend setting their steam engine up with the world's first ever fuzzy logic control system ....... and went directly into the history books by harnessing the power of a force in use by humans for 3 million years, but never before defined and used for the control of machines. The controller worked right away, and worked better than anything they had done with any other method. The steam engine speed control graph using the fuzzy logic controller appeared 。 As you can see, the speed approached the desired value very quickly, did not overshoot and remained stable. It was an exciting and important moment in the history of scientific development. The Mamdani project made use of four inputs: boiler pressure error (how many temperature degrees away from the set point), rate of change of boiler pressure error, engine speed error and rate of change of engine speed error. There were two outputs: control of heat to the boiler and control of the throttle. They operated independently. A fuzzy logic system does not have to include a continuous feedback control loop as in the above described Mamdani system in order to be a fuzzy-logic system, an impression you might receive from reading much of the fuzzy logic literature. There could be continuous feedback loop control, a combination of feedback loop control and on-off control or on-off control alone. A fuzzy logic control system could be as simple as: "If the motor temperature feels like it is too hot, turn the motor off and leave it off." Or, "If the company's president and all the directors just sold every share of stock they own, then WE sell!" 63 A fuzzy logic system does not have to be directed toward electro-mechanical systems. The fuzzy logic system could be, for example, to provide buy-sell decisions to trade 30 million US dollars against the Japanese yen. Fuzzy logic controllers can control solenoids, stepper motors, linear positioners , etc., as well as, or concurrently with, continuous feedback control loops. Where there is continuous feedback control of a control loop, the response for varying degrees of error can be non-linear, tailoring the response to meet unique or experience determined system requirements, even anomalies. Controllers typically have several inputs and outputs. The handling of various tasks, such as monitoring and commanding a control loop and monitoring various inputs, with commands issued as appropriate, would all be sequenced in the computer program. The program would step from one task to the other, the program receiving inputs from and sending commands to the converter/controller. Inputs for a fuzzy logic controlled mechanical/physical system could be derived from any of thousands of real world, physical sensors/transducers. The Thomas Register has over 110 pages of these devices. Inputs for financial trading could come from personal assessments or from an ASCII data communication feed provided by a financial markets quote service. Progress in Fuzzy Logic，From a slow beginning, fuzzy logic grew in applications and importance, until now it is a significant concept worldwide. Intelligent beings on the other side of our galaxy and throughout the universe have probably noted and defined the concept. Personal computer based fuzzy logic control is pretty amazing. It lets novices build control systems that work in places where even the best mathematicians and engineers, using conventional approaches to control, cannot define and solve the problem. A control system is an electronic or mechanical system that causes the output of the controlled system to automatically remain at some desired output (the "set point") set by the operator. The thermostat on your air conditioner is a control system. Your car's cruise control is a control system. Control may be an on-off signal or a continuous feedback loop. In Japan, a professor built a fuzzy logic control system that will fly a helicopter with one of the rotor blades off! Human helicopter pilots cannot do that. And, the Japanese went further and built a fuzzy logic controlled subway that is as smooth as walking in your living room. You 64 do not have to hang on to a strap to keep your balance. If you did not look out the window at things flashing by, you would hardly know you had started and were in motion. In the United States, fuzzy logic control is gaining popularity, but is not as widely used as in Japan, where it is a multi-million dollar industry. Japan sells fuzzy logic controlled cameras, washing machines and more. One Internet search engine returns over 16,000 pages when you search on “fuzzy-logic”. Personal computer based fuzzy logic control follows the pattern of human "fuzzy" activity. However, humans usually receive, process and act on more inputs than the typical computer based fuzzy logic controller. (This is not necessarily so; a computer based fuzzy logic control system in Japan trades in the financial markets and utilizes 800 inputs.) Fuzzy Logic Control Input - Human and Computer，Computer based fuzzy logic machine control is like human fuzzy logic control, but there is a difference when the nature of the computer's input is considered. Humans evaluate input from their surroundings in a fuzzy manner, whereas machines/computers obtain precise appearing values, such as 112 degrees F, obtained with a transducer and an analog to digital converter. The computer input would be the computer measuring, let's say, 112 degrees F. The human input would be a fuzzy feeling of being too warm. The human says, "The shower water is too hot." The computer as a result of analog input measurement says, "The shower water is 112 degrees F and 'If-Then' statements in my program tell me the water is too warm." A human says, "I see two tall people and one short one." The computer says, "I measure two people, 6' 6" and 6' 9", respectively, and one person 5' 1" tall, and 'If-Then' statements in my program tell me there are two tall people and one short [13] person." Even though transducer derived, measured inputs for computers appear to be more precise, from the point of input forward we still use them in a fuzzy logic method approach that follows our fuzzy, human approach to control. For a human, if the shower water gets too warm, the valve handle is turned to make the temperature go down a little. For a computer, an "If-Then" statement in the program would initiate the lowering of temperature based on a human provided "If-Then" rule, with a command output operating a valve. To create a personal computer based fuzzy logic control system, we: 1)Determine the inputs. 65 2)Describe the cause and effect action of the system with "fuzzy rules" stated in plain English words. 3)Write a computer program to act on the inputs and determine the output, considering each input separately.The rules become "If-Then" statements in the program.(As will be seen below, where feedback loop control is involved, use of graphical triangles can help visualize and compute this input-output action.) 4)In the program, use a weighted average to merge the various actions called for by the individual inputs into one crisp output acting on the controlled system.(In the event there is only one output, then merging is not necessary, only scaling the output as needed.) The fuzzy logic approach makes it easier to conceptualize and implement control systems. The process is reduced to a set of visualizable steps. This is a very important point. Actually implementing a control system, even a simple control system, is more difficult than it appears. Unexpected aberrations and physical anomalies inevitably occur. Getting the process working correctly ends up being a "cut and try" effort. Experienced, professional digital control engineers using conventional control might know how to proceed to fine tune a system. But, it can be difficult for us just plain folks. Fuzzy logic control makes it easier to visualize and set up a system and proceed through the cut and try process. It is only necessary to change a few plain English rules resulting in changing a few numbers in the program. In reading about fuzzy logic control applications in industry, one of the significant points that stands out is: fuzzy logic is used because it shortens the time for engineering development. Fuzzy logic enables engineers to configure systems quickly without extensive experimentation and to make use of information from expert human operators who have been performing the task manually. Perhaps your control need is something a lot more down to earth than flying helicopters or running subways. Maybe all you want to do is keep your small business sawmill running smoothly, with the wood changing and the blade sharpness changing. Or, perhaps you operate a natural gas compressor for some stripper wells that are always coming on and going off, and you need to have the compressor automatically adjust in order to stay on line and keep the suction pressure low to get optimum production. Perhaps you dream of a race car that would automatically adjust to changing conditions, the setup 66 remaining optimum as effectively as the above mentioned helicopter adjusts to being without a rotor blade. There are a million stories, and we cannot guess what yours is, but chances are, if there is something you want to control, and you are not an experienced, full time, professional control engineer financed by a multi-million dollar corporation, then fuzzy logic may be for you. If you are all those things, it still may be for you. Some of the greatest minds in the technical world try to explain to others why fuzzy logic works, for us just plain folks, the fact is fuzzy logic does work, seems to work better than many expensive and complicated systems and is understandable and affordable. 67