模糊算法示例

常見的模糊算法比如均值模糊、高斯模糊等其基本的過程都是計算一個像素周邊的的某個領(lǐng)域內(nèi)，相關(guān)像素的某個特征值的累加和及對應(yīng)的權(quán)重，然后得到結(jié)果值。比如均值模糊的各像素的權(quán)重是一樣的，而高斯模糊的權(quán)重和像素距離中心點(diǎn)的距離成高斯分布。這樣的過程是無法區(qū)分出圖像的邊緣等信息的，導(dǎo)致被模糊后的圖像細(xì)節(jié)嚴(yán)重丟失，一種簡單的改進(jìn)方式就是設(shè)置某個閾值，當(dāng)領(lǐng)域像素和中心點(diǎn)像素的差距大于閾值時，設(shè)置其權(quán)重很小，甚至為0，這樣對于本身比較平滑的區(qū)域，和原始的算法區(qū)別不大，而對于像素值變化較為明顯的邊緣地帶，則能夠有效地保留原始信息，這樣就能起到降低噪音的同時保留邊緣的信息。

在實(shí)際的處理，小半徑的領(lǐng)域往往處理能力有限，處理的結(jié)果不慎理想，而隨著半徑的增加，算法的直接實(shí)現(xiàn)耗時成平方關(guān)系增長，傳統(tǒng)的優(yōu)化方式由于這個判斷條件的增加，已經(jīng)無法繼續(xù)使用，為了解決速度問題，我們可以采用基于直方圖算法的優(yōu)化，如果能夠統(tǒng)計出領(lǐng)域內(nèi)的直方圖信息，上述的判斷條件及權(quán)重計算就可以簡單的用下述代碼實(shí)現(xiàn)：

void Calc(unsigned short *Hist, int Intensity, unsigned char *&Pixel, int Threshold)

{

int K, Low, High, Sum = 0, Weight = 0;

Low = Intensity - Threshold; High = Intensity Threshold;

if (Low < 0) Low = 0;

if (High > 255) High = 255;

for (K = Low; K <= High; K )

{

Sum = Hist[K] * K;

Weight = Hist[K];

}

if (Weight != 0) *Pixel = Sum / Weight;

}

在任意半徑局部直方圖類算法在PC中快速實(shí)現(xiàn)的框架一文中我們已經(jīng)實(shí)現(xiàn)了任意半徑恒長時間的直方圖信息的獲取，因此算法的執(zhí)行時間只于上for循環(huán)中的循環(huán)量有關(guān)，也就是取決于Threshold參數(shù)，當(dāng)Threshold取得越大，則最終的效果就越接近標(biāo)準(zhǔn)的模糊算法（上述代碼是接近均值模糊），而在實(shí)際有意義的算法應(yīng)用中而只有Threshold往往要取得較小才有保邊的意義，因此，計算量可以得到適度的控制。

如果要實(shí)現(xiàn)選擇性的高斯模糊，則要在for循環(huán)中的權(quán)重項目中再乘以一個系數(shù)，當(dāng)然這會增加一定的計算量。 我們選擇了一些其他保邊濾波器的測試圖像進(jìn)行了測試，在效果上通過調(diào)整參數(shù)能得到相當(dāng)不錯的效果，舉例如下：

2100433B

模糊算法其實(shí)并不模糊。模糊算法其實(shí)也是逐次求精的過程。這里舉個例子說明。我們設(shè)計一個倒立擺系統(tǒng)，假如擺針偏差<5°，我們說它的偏差比較“小”；擺針偏差在5°和10°之間，我們說它的偏差處于“中”的狀態(tài)；當(dāng)擺針偏差>10°的時候，我們說它的偏差有點(diǎn)兒“大”了。對于“小”、“中”、“大”這樣的詞匯來講，他們是精確的表述，可問題是如果擺針偏差是3°呢，那么這是一種什么樣的狀態(tài)呢。我們可以用“很小”來表述它。如果是7°呢，可以說它是“中”偏“小”。那么如果到了80°呢，它的偏差可以說“非常大”。而我們調(diào)節(jié)的過程實(shí)際上就是讓系統(tǒng)的偏差由非常“大”逐漸向非?！靶　边^度的過程。當(dāng)然，我們系統(tǒng)這個調(diào)節(jié)過程是快速穩(wěn)定的。通過上面的說明，可以認(rèn)識到，其實(shí)對于每一種狀態(tài)都可以劃分到大、中、小三個狀態(tài)當(dāng)中去，只不過他們隸屬的程度不太一樣，比如6°隸屬于小的程度可能是0.3，隸屬于中的程度是0.7，隸屬于大的程度是0。這里實(shí)際上是有一個問題的，就是這個隸屬的程度怎么確定？這就要求我們?nèi)ピO(shè)計一個隸屬函數(shù)。詳細(xì)內(nèi)容可以查閱相關(guān)的資料，這里沒有辦法那么詳細(xì)的說明了。那么，知道了隸屬度的問題，就可以根據(jù)目前隸屬的程度來控制電機(jī)以多大的速度和方向轉(zhuǎn)動了，當(dāng)然，最終的控制量肯定要落實(shí)在控制電壓上。這點(diǎn)可以很容易的想想，我們控制的目的就是讓倒立擺從隸屬“大”的程度為1的狀態(tài)，調(diào)節(jié)到隸屬“小”的程度為1的狀態(tài)。當(dāng)隸屬大多一些的時候，我們就加快調(diào)節(jié)的速度，當(dāng)隸屬小多一些的時候，我們就減慢調(diào)節(jié)的速度，進(jìn)行微調(diào)?？蓡栴}是，大、中、小的狀態(tài)是漢字，怎么用數(shù)字表示，進(jìn)而用程序代碼表示呢？其實(shí)我們可以給大、中、小三個狀態(tài)設(shè)定三個數(shù)字來表示，比如大表示用3表示，中用2表示，小用1表示。那么我們完全可以用1*0.3 2*0.7 3*0.0=1.7來表示它，當(dāng)然這個公式也不一定是這樣的，這個公式的設(shè)計是系統(tǒng)模糊化和精確化的一個過程，讀者也可參見相關(guān)文獻(xiàn)理解。但就1.7這個數(shù)字而言，可以說明，目前6°的角度偏差處于小和中之間，但是更偏向于中。我們就可以根據(jù)這個數(shù)字來調(diào)節(jié)電機(jī)的轉(zhuǎn)動速度和時間了。當(dāng)然，這個數(shù)字與電機(jī)轉(zhuǎn)速的對應(yīng)關(guān)系，也需要根據(jù)實(shí)際情況進(jìn)行設(shè)計和調(diào)節(jié) 。

實(shí)際上模糊算法屬于智能算法，智能算法也可以叫非模型算法，也就是說，當(dāng)我們對于系統(tǒng)的模型認(rèn)識不是很深刻，或者說客觀的原因?qū)е挛覀儫o法對系統(tǒng)的控制模型進(jìn)行深入研究的時候，智能算法常常能夠起到不小的作用。這點(diǎn)是方便理解的，如果一個系統(tǒng)的模型可以輕易的獲得，那么就可以根據(jù)系統(tǒng)的模型進(jìn)行模型分析，設(shè)計出適合系統(tǒng)模型的控制器。但是現(xiàn)實(shí)世界中，可以說所有的系統(tǒng)都是非線性的，是不可預(yù)測的。但這并不是說我們就無從建立控制器，因為，大部分的系統(tǒng)在一定的條件和范圍內(nèi)是可以抽象成為線性系統(tǒng)的。問題的關(guān)鍵是，當(dāng)我們系統(tǒng)設(shè)計的范圍超出了線性的范圍，我們又該如何處理。顯然，智能算法是一條很不錯的途徑。智能算法包含了專家系統(tǒng)、模糊算法、遺傳算法、神經(jīng)網(wǎng)絡(luò)算法等。其實(shí)這其中的任何一種算法都可以跟PID去做結(jié)合，而選擇的關(guān)鍵在于，處理的實(shí)時性能不能得到滿足。當(dāng)我們處理器的速度足夠快速時，我們可以選擇更為復(fù)雜的、精度更加高的算法。但是，控制器的處理速度限制了我們算法的選擇。當(dāng)然，成本是限制處理器速度最根本的原因。這個道理很簡單，51單片機(jī)和DSP的成本肯定大不相同。專家PID和模糊PID是常用的兩種PID選擇方式。其實(shí)，模糊PID適應(yīng)一般的控制系統(tǒng)是沒有問題 。

模糊控制算法是指用于控制變頻器的電壓和頻率的算法，使電動機(jī)的升速時間得到控制，以避免升速過快對電動機(jī)使用壽命的影響以及升速過慢影響工作效率。模糊控制的關(guān)鍵在于論域、隸屬度以及模糊級別的劃分，這種控制方式尤其適用于多輸入單輸出的控制系統(tǒng)。

模糊邏輯控制(Fuzzy Logic Control)簡稱模糊控制(Fuzzy Control)，是以模糊集合論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種計算機(jī)數(shù)字控制技術(shù)。1965年，美國的L.A.Zadeh創(chuàng)立了模糊集合論;1973年他給出了模糊邏輯控制的定義和相關(guān)的定理。1974年，英國的E.H.Mamdani首次根據(jù)模糊控制語句組成模糊控制器，并將它應(yīng)用于鍋爐和蒸汽機(jī)的控制，獲得了實(shí)驗室的成功。這一開拓性的工作標(biāo)志著模糊控制論的誕生。模糊控制實(shí)質(zhì)上是一種非線性控制，從屬于智能控制的范疇。模糊控制的一大特點(diǎn)是既有系統(tǒng)化的理論，又有大量的實(shí)際應(yīng)用背景。模糊控制的發(fā)展最初在西方遇到了較大的阻力;然而在東方尤其是日本，得到了迅速而廣泛的推廣應(yīng)用。

本項目針對高層建筑結(jié)構(gòu)智能控制的難點(diǎn)問題，通過對模糊推理、神經(jīng)網(wǎng)絡(luò)及粗糙集理論等智能控制算法的深入研究，提出有效的高層建筑自適應(yīng)模糊控制新算法。研究內(nèi)容包括：高層建筑結(jié)構(gòu)振動控制的模糊建模、模糊控制規(guī)則提取及有效性驗證；高層建筑結(jié)構(gòu)模糊自適應(yīng)控制算法的研究及模糊系統(tǒng)穩(wěn)定性分析；研制相應(yīng)的智能嵌入式實(shí)時控制系統(tǒng)；進(jìn)行安裝主動質(zhì)量阻尼器的高層鋼框架模型結(jié)構(gòu)模糊控制試驗研究，驗證所提智能控制算法與研制的智能控制系統(tǒng)的有效性。本課題研究將為高層建筑智能控制的工程應(yīng)用提供關(guān)鍵技術(shù)儲備。 2100433B