模糊控制原理简介
§6 模糊控制原理简介
§6.1 模糊控制系统
现代控制理论已经在工业、国防、航天等许多领域获得了成功。一般情况下，传统的闭环控制系统如图6.1所示，其原理是建立在精确的数学模型上。但对于一些强藕合、多参数、非线性、时变性、大惯性、纯滞后的复杂系统，建立它们的精确数学模型是很困难的，有些甚至是不可能的。
然而，在实际工作当中，一些有经验的操作人员却可以通过观察、推理和决策，用人工控制的方法较好地控制那些复杂的对象。模糊控制系统就是将人的经验总结成语言控制规则，运用模糊理论模拟人的推理与决策，从而实现自动控制的控制系统。模糊控制系统与传统的闭环控制系统不同之处，就是用模糊控制器代替了模拟式控制器，其硬件结构框图如图6.2所示。
y(t) y(t)
图6.1 图6.2
输出
图6.3
§6.2 模糊控制器的设计
模糊控制器本质上就是一个采用了模糊控制算法的计算机或芯片，其一般结构如图6.3所示。它由三个基本部分构成：（1）将输入的确切值“模糊化”，成为可用模糊集合描述的变量；（2）应用语言规则进行模糊推理；（3）对推理结果进行决策并反模糊化（也称为清晰化、解模糊），使之转化为确切的控制量。
有m个输入一个输出的模糊控制器称为m维模糊控制器。由于一维模糊控制器所能获得的系统动态性能往往不能令人满意，三维及三维以上的模糊控制器结构复杂，推理运算时间长，因此典型的模糊控制器是二维模糊控制器。一般地，设计一个二维的模糊控制器，通常需要五个步骤：
1. 确定输入变量与输出变量及其模糊状态；
2. 输入变量的模糊化；
3. 建立模糊控制规则；
4. 进行模糊推理；
5. 输出变量的反模糊化。
6.2.1 确定输入变量与输出变量及其模糊状态
根据问题的背景，确定出输入变量E 1、E 2和输出变量u 。输入、输出变量的模糊状态按照控制品质的要求可分为三类：控制品质要求较高的场合，变量的模糊状态取为
负大（NB ）、负中（NM ）、负小（NS ）、零（ZO ）、正小（PS ）、正中（PM ）、正大（PB ）
或
负大（NB ）、负中（NM ）、负小（NS ）、负零（NZ ）、正零（PZ ）、正小（PS ）、正中（PM ）、正大（PB ）；
控制品质要求一般的场合，变量的模糊状态取为
负大（NB ）、负小（NS ）、零（ZO ）、正小（PS ）、正大（PB ）
或
负大（NB ）、负小（NS ）、负零（NZ ）、正零（PZ ）、正小（PS ）、正大（PB ）；
控制品质要求较低的场合，变量的模糊状态取为
负大（NB ）、零（ZO ）、正大（PB ）
或
负大（NB ）、负零（NZ ）、正零（PZ ）、正大（PB ）。
6.2.2 输入变量的模糊化方法
输入变量的模糊化就是将输入的确切值变量转化为可用模糊集合描述的模糊变量，一般分为两步。 第一步，确定输入变量的论域及输入变量实际确切值对应的论域确切值。
将输入变量的实际变化范围 [a ，b ] 划分成若干等级，把这些等级的上下界作为端点构成输入变量的论域U 。一般来讲，控制品质要求较高的场合，可划分成13或15级，通常表示为
{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}
或
{-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7}，
相应的论域分别为U = [-6，6]或U = [-7，7]；控制品质要求一般的场合，可划分成9或11级，通常表示为
{-4，-3，-2，-1，0，1，2，3，4}
或
{-5，-4，-3，-2，-1，0，1，2，3，4，5}，
相应的论域分别为U = [-4，4]或U = [-5，5]；控制品质要求较低的场合，可划分成5或7级，通常表示为
{-2，-1，0，1，2}
或
{-3，-2，-1，0，1，2，3}，
相应的论域分别为U = [-2，2]或U = [-3，3]。
设输入变量x 的实际变化范围为 [a ，b ]，分为m 级，则相应的论域为U = [-(m -1)/2，(m -1)/2]；如果x 的实际确切值为x 0，则相应的论域确切值为
)(1210a x a
b m m x ---+--='。 第二步，定义各模糊状态的隶属函数。
各模糊状态的隶属函数一般选择对称三角形、对称梯形、正态型隶属函数。以对称三角形隶属函数为例，控制品质要求较高的场合，相应的隶属函数如图 6.4；控制品质要求一般的场合，相应的隶属函数如图6.5；控制品质要求较低的场合，相应的隶属函数如图6.6。
'
图6.4—(a )
图6.4—(b )
' 图6.5—(a ) 图6.6—(a )
图6.5—(a ) 图6.6—(a )
6.2.3 建立模糊控制规则
控制规则是模糊控制器的核心。根据经验和知觉推理，将人的大量成功的控制策略经整理、加工和提炼后，用输入、输出变量的模糊状态给以描述，就得到了控制规则。对于二维模糊控制器，控制规则通常用如下形式的语句描述：
R k ：if A k and B k then C k k = 1, 2, …, n 。
在设计过程中，一般将所有控制规则汇总成控制状态表。表6.1是某一模糊控制器的控制状态表。
6.2.4 模糊推理
如前所述，二维模糊控制器的模糊控制规则形式为
规则k ：if A k and B k then C k k = 1, 2, …, n ，
于是模糊控制器的运算就转化为如下我们熟知的二维多重模糊推理问题：模糊推理格式为
规则1 if A 1 and B 1 then C 1
规则2 if A 2 and B 2 then C 2
………………………
规则n if A n and B n then C n
前提 A' and B'
结论 C '
其中，A i ，A'∈F(X )，B i ，B'∈F(Y )，C i 、C ' ∈F(Z )。再转化成一维多重模糊推理为：
规则1 if A 1∩B 1 then C 1
规则2 if A 2∩B 2 then C 2
………………………
规则n if A n ∩B n then C n
前提 A' and B'
结论 C '
根据多重模糊推理先合成再取并的方法有：
()[][]{})()()()()(sup )
(])[()()(),(z C y B x A y B x A z C B A B A z C i i i Y
X y x i i i ∧∧∧'∧'=→''='?∈ ，? z ∈Z 。
如果模糊推理前提为确定的数值（x 0, y 0），则有
n
i i i i i i C B A y B x A z C 100]})[()]()({[)(=→∧='，? z ∈Z 。
令])[()]()([00i i i i i i C B A y B x A C →∧=' ，h i = A i (x 0)∧B i (y 0)（称h i 为“x 0 and y 0”与各推理规则前件部“A i and B i ”的适合度），则])[(i i i i i C B A h C →=' ，从而)(max )(1z C z C i n
i '='≤≤，? z ∈Z 。 在模糊控制中常用的三类推理方式为：
1．马丹尼（Mamdani ）极小运算法
模糊蕴涵算子取R c ：a → b = a ∧b ，模糊关系合成算子取◎：“max ?min ”合成，
C i ' (z ) = [A i (x 0)∧B i (y 0)]∧C i (z ) = h i ∧C i (z )，? z ∈Z
n i z C ≤≤='1max )({ h i ∧C i (z )} = n
i ≤≤1max {[A i (x 0)∧B i (y 0)]∧C i (z )}，? z ∈Z 利用Mamdani 推理方式计算C ' (z ) 的示意图见图6.7和图6.8，其中推理规则为
R k ：if A k and B k then C k k = 1, 2。
2．拉森（Lason ）乘积运算法
模糊蕴涵算子取R c ：a → b = a ?b ，模糊关系合成算子取◎：“max ?min ”合成，
C i ' (z ) = [A i (x 0)∧B i (y 0)]?C i (z ) = h i ?C i (z )，? z ∈Z
n i z C ≤≤='1max )({ h i ?C i (z )} = n
i ≤≤1max {[A i (x 0)∧B i (y 0)]?C i (z )}，? z ∈Z 利用Lason 乘积运算法计算C ' (z ) 的示意图如图6.9和图6.10，其中推理规则为
R k ：if A k and B k then C k k = 1, 2。
?
C ' = C 1' ?C 2'
00
图6.7
μ
1
图6.8
?
C ' = C 1' ?C 2'
00
图6.9
μ
0 1
图6.10
3．（Tsukamoto ）法
当隶属函数为单调的情况时，对于给定的x 0和y 0，有
∑∑===n i i n i i i
h
z h z 1
1
*
其中，z i = C i -1 (h i )。利用Tsukamoto 法计算C ' (z ) 的示意图如图6.11：
1
A 1
B 1
C 1
h 1
1 A
2 B 2 C 2
h 2
0 x 0 0 y 0 0 z 2
图6.9
6.2.5 输出变量的反模糊化
上述的模糊推理结果，即模糊控制器的输出变量，一般情况下是一个模糊集（如马丹尼法和拉森法得 z 1
到的都是模糊集），不能直接用于控制被控对象，需要先转化成执行器可以执行的精确量。此过程一般称为反模糊化，或称为清晰化，也称为解模糊。反模糊化目前尚无系统的方法。目前常用的方法有三种。
1．最大隶属度法
这种方法非常简单，直接选择模糊子集中隶属度最大的元素作为模糊控制器输出的精确值。如果有两个以上的元素均为最大（一般依此相邻），则可取它们的平均值。
最大隶属度法能够突出主要信息，而且计算简单，但很多次要信息都被丢失了，因此显得比较粗糙，只能用于控制品质要求较低的系统中。
2．中位数法
论域U 上把隶属函数曲线与横坐标围成的面积平分为两部分的元素z *称为模糊集的中位数。中位数法就是把模糊集的中位数作为模糊控制器输出。
假设U ?R ，则z *可用下列公式求取：
??=b
z z a dz x C dz x C **
)()(，当U = [a , b ,]； 与第一种方法比较，中位数法概括了更多的信息，但没有突出主要信息，且需求解积分方程，计算比较复杂，因此应用场合要比下面的加权平均法来的少。
3．加权平均法（重心法）
这是模糊控制系统中应用比较广泛的一种非模糊化方法。其计算公式如下：
],[ ,)()(*b a U dz z W dz z zW z b
a b
a ==??，
其中W (x ) 为选定的权函数，w i 为选定的权系数。
经常的，我们就将模糊集C 在点z 处的隶属度值作为权函数或权系数，则上述公式表示的加权平均法就转换为如下的重心法：
],[ ,)()(*b a U dz z C dz z zC z b
a b
a ==??。
这种方法既突出了主要信息，也兼顾了其它信息。已有的研究表明，加权平均法比中位数法具有更佳的性能。一般情况下，后两种方法都优于最大隶属度法。
在实际应用中，究竟采用何种方法不能一概而论，应视具体情况而定。
应当注意的是，经过反模糊化求得的模糊控制器的输出变量的确切值，只是其论域确切值。还需要根据输出变量的论域和模糊状态，按照输入变量“实际确切值转化为论域确切值”的逆过程，将输出变量的论域确切值转化为对应的实际确切值。这样得到的输出变量的实际确切值，才能作为模糊控制器传给执行器的可以执行的精确量，从而用于控制被控对象。
第三章模糊控制题
第2章 模糊控制 1 3.1 模糊控制的基本思想 研究和考虑人的控制行为特点，对于无法构造数学模型的对象让计算机模拟人的思维方式，进行控制决策。 将人的控制行为，总结成一系列条件语句，运用微机的程序来实现这些控制规则。 在描述控制规则的条件语句中的一些词，如“较大”、“稍小”、“偏高”等都具有一定的模糊性，因此用模糊集合来描述这些模糊条件语句，即组成了所谓的模糊控制器。 3.2 模糊集合的定义 模糊集合的定义：给定论域U ，U 到[0,1]闭区间的任一映射A μ ]1,0[:→U μA 都确定U 的一个模糊集合A , A μ称为模糊集合且的隶属函数。 )(x μA 的取值范围为闭区间[0,1]，)(x μA 接近1，表示x 属于A 的程度高；)(x μA 接近0，表示x 属于A 的程度低。 3.3 常用的3种模糊集合的表示方法， (1)Zadeh 表示法 用论域中的元素x i 与其隶属度)(i A x μ按下式表示A ，则 在Zadeh 表示法中，隶属度为零的项可不写入。 (2)序偶表示法 用论域中的元素x i 与其隶属度)(i A x μ的构成序偶来表示且，则 在序偶表示法中，隶属度为零的项可省略。 (3)向量表示法 用论域中元素x i 的隶属度)(i A x μ构成向量来表示，则 在向量表示法中，隶属度为零的项不能省略。 3.4凸模糊集的定义 若A 是以实数R 为论域的模糊集合，其隶属函数为)(x μA ，如果对任意实数b x a <<，都有 则称A 为凸模糊集。 凸模糊集实质上就是其隶属函数具有单峰值特性。
第2章 模糊控制 2 3．5 常见的4种隶属函数 (1)正态型 正态型是最主要也是最常见的一种分布，表示为 其分布曲线如图2-4所示。 图2-4 正态型分布曲线 (2)三角型 1 (),1()(),0,x a a x b b a x x c b x c b c μ?-≤
模糊控制的优缺点
模糊控制的优缺点
————————————————————————————————作者：————————————————————————————————日期：
１.模糊控制中模糊的含义 模糊控制中的模糊其实就是不确定性。从属于该概念和不属于该概念之间没有明显的分界线。模糊的概念导致了模糊现象。 2.模糊控制的定义 模糊控制就是利用模糊数学知识模仿人脑的思维对模糊的现象进行识别和判断,给出精确的控制量，利用计算机予以实现的自动控制。 3.模糊控制的基本思想 模糊控制的基本思想:根据操作人员的操作经验，总结出一套完整的控制规则,根据系统当前的运行状态，经过模糊推理，模糊判断等运算求出控制量,实现对被控制对象的控制。 4.模糊的控制的特点 不完全依赖于纯粹的数学模型，依赖的是模糊规则。模糊规则是操作者经过大量的操作实践总结出来的一套完整的控制规则。 模糊控制的对象称为黑匣（由于不知道被控对象的内部结构、机理，无法用语言去描述其运动规律,无法去建立精确的数学模型）。但是模糊规则又是模糊数学模型。 5 模糊控制的优缺点及需要解决的问题分析 5.1模糊控制的优点 (1)使用语言方便,可不需要过程的精确数学模型;(不需要精确的数学模型) (２）鲁棒性强,适于解决过程控制中的非线性、强耦合时变、
滞后等问题；鲁棒性即系统的健壮性。 (3）有较强的容错能力。具有适应受控对象动力学特征变化、环境特征变化和动行条件变化的能力; (4)操作人员易于通过人的自然语言进行人机界面联系,这些模糊条件语句容易加到过程的控制环节上。 5．2模糊控制的缺点 (１)信息简单的模糊处理将导致系统的控制精度降低和动态品质变差; (2)模糊控制的设计尚缺乏系统性,无法定义控制目标。 6.模糊数学 模糊数学就是利用数学知识研究和解决模糊现象。在数学和模糊现象之间架起了一座桥梁。 6．１模糊集合的概念 每一个概念都有内涵和外延。 内涵就是指概念的本质属性的集合。外延就是符合某种本质属性的全体对象的集合。 模糊数学的基础就是模糊理论集。 在模糊集合设计到的论域U 上，给定了一个映射A,A ：U →[0,1] ,)(x x A μ ,则称A 为论域U 上的模糊集合或者模糊子集； )(x A μ表示U 中各个元素x 属于集合A 的程度,称为元素x 属于模糊集合A 的隶属函数。当x 是一个确定的0x 时，称)(0x A μ为元素0x 对于模糊集合A 的隶属 度。 F 集合引出的几个概念
关于模糊控制理论的综述
物理与电子工程学院 《人工智能》 课程设计报告 课题名称关于模糊控制理论的综述 专业自动化 班级 11级3班 学生姓名郑艳伟 学号 指导教师崔明月 成绩 2014年6月18日
关于模糊控制理论的综述 摘要：模糊控制方法是智能控制的重要组成部分，本文简要回顾了模糊控 制理论的发展，详细介绍了模糊控制理论的原理和模糊控制器的设计步骤， 分析了模糊控制理论的优缺点以及模糊控制需要完善或继续研究的内容，根 据各种模糊控制器的不同特点，对模糊控制在电力系统中的应用进行了分 类，并分析了各类模糊控制器的应用效能.最后，展望了模糊控制的发展趋 势与动态. 关键词：模糊控制；模糊控制理论；模糊控制系统；模糊控制理论的发展模糊控制是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法，从行为上模拟人的思维方式，对难建模的对象实施模糊推理和决策的一种控制方法.模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域、电力系统、家用电器自动化等领域中解决了很多的问题，引起了越来越多的工程技术人员的兴趣. 模糊控制系统简介 模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术.1965年美国的扎德[1]创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理.1974 年英国的Mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着模糊控制论的诞生. 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域.从信息技术的观点来看, 模糊控制是一种基于规则的专家系统.从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器. 相对传统控制, 包括经典控制理论与现代控制理论.模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型, 应用CRI 等各类模糊推理方法,
模糊控制器的设计
4模糊控制器的设计 4 Design of Fuzzy Controllor 4.1概述(Introduction) 随着PLC在自动控制领域内的广泛应用及被控对象的日趋复杂化，PLC控制软件的开发单纯依靠工程人员的经验显然是行不通的，而必须要有科学、有效的软件开发方法作为指导。因此，结合PLC可编程逻辑控制器的特点，应用最新控制理论、技术和方法，是进一步提高PLC软件开发效率及质量的重要途径。 系统设计的目标之一就是要提高装车的均匀性，车厢中煤位的高度变化直接影响装车的均匀性，装车不均匀对车轴有很大的隐患。要保持高度值不变就必须不断的调整溜槽的角度，但是，在装车过程中，煤位的高度和溜槽角度之间无法建立精确的数学模型。模糊控制它最大的特点是[43-45]：不需建立控制对象精确数学模型，只需要将操作人员的经验总结描述成计算机语言即可，因此采用模糊控制思想实现均匀装车是行之有效的方法。虽然很多PLC生产厂家推出FZ模糊推理模块，但这些专用模块价格昂贵，需使用专门的编程设备，成本高通用性差，所以自主开发基于模糊控制理论的PLC控制器有很大的工程价值。 本章首先介绍了模糊控制的基本原理、模糊控制系统及模糊控制器的设计步骤；然后在对煤位高度控制系统分析的基础上，设计基于模糊理论的PLC控制，分别从查询表计算生成和PLC程序查询两个部分进行设计。 4.2模糊控制原理(Fuzzy Control Principle) 4.2.1模糊控制理论(Fuzzy Control Theory) 模糊控制理论是由美国加利福尼亚大学的自动控制理论专家L.A.Zadch教授首次提出，由英国的Mamdani首次用于工业控制的一种智能控制技术[46]。模糊控制（FUZZY）技术是一种由数学模型、计算机、人工智能、知识工程等多门科学领域相互渗透、理论性很强的科学技术。 模糊控制是以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的数学工具，用计算机来实现的一中计算机智能控制[47-48]。它的基本思想是：把人类专家对待特定的被控对象或过程的控制策略总结成一系列以“IF…THEN…”形式表示的控制规则，通过模糊推理得到控制作用集，作用与被控对象或过程。与传统的控制方法相比，它具有以下优点[48]：无需知道被控对象的数学模型；是一种反映人类智慧思维的智能控制；易被人们所接受；构造容易；鲁棒性好。
模糊控制的基本原理
模糊控制的基本原理 模糊控制是以模糊集合理论、模糊语言及模糊逻辑为基础的控制，它是模糊数学在控制系统中的应用，是一种非线性智能控制。 模糊控制是利用人的知识对控制对象进行控制的一种方法，通常用“if条件，then结果”的形式来表现，所以又通俗地称为语言控制。一般用于无法以严密的数学表示的控制对象模型，即可利用人（熟练专家）的经验和知识来很好地控制。因此，利用人的智力，模糊地进行系统控制的方法就是模糊控制。模糊控制的基本原理如图所示： i .......... 濮鬧挖制器.. (1) 模糊控制系统原理框图 它的核心部分为模糊控制器。模糊控制器的控制规律由计算机的程序实现，实现一步模糊控制算法的过程是：微机采样获取被控制量的精确值，然后将此量与给定值比较得到误差信号E; —般选误差信号E作为模糊控制器的一个输入量，把E 的精确量进行模糊量化变成模糊量，误差E的模糊量可用相应的模糊语言表示；从而得到误差E的模糊语言集合的一个子集e（e实际上是一个模糊向量）; 再由e和模糊控制规则R（模糊关系）根据推理的合成规则进行模糊决策，得到模糊控制量u 为： u R 式中u为一个模糊量；为了对被控对象施加精确的控制，还需要将模糊量u 进行非模糊化处理转换为精确量：得到精确数字量后，经数模转换变为精确的模拟量送给执行机构，对被控对象进行一步控制；然后，进行第二次采样，完成第二步控制 %二这样循环下去，■就实现了被控对象的模糊控制「..................... ""模糊控制（FUZZy Control/是'以模糊集合理论"模糊语言变量和模'糊逻辑推理''' 为基础的一种计算机数字控制。模糊控制同常规的控制方案相比，主要特点有：（1）模糊控制只要求掌握现场操作人员或有关专家的经验、知识或操作数据， 不需要建立过程的数学模型，所以适用于不易获得精确数学模型的被控过程，或结构参数不很清楚等场合。 （2）模糊控制是一种语言变量控制器，其控制规则只用语言变量的形式定性的表达，不用传递函数与状态方程，只要对人们的经验加以总结，进而从中提炼出规则，直接给出语言变量，再应用推理方法进行观察与控制。 （3）系统的鲁棒性强，尤其适用于时变、非线性、时延系统的控制。 ⑷ 从不同的观点出发，可以设计不同的目标函数，其语言控制规则分别是独立的，但是整个系统的设计可得到总体的协调控制。 它是处理推理系统和控制系统中不精确和不确定性问题的一种有效方法，同
模糊控制原理与应用实验分析
模糊控制原理与应用 实验讲义 实验学时： 4 单位：电信学院 撰写人：谢仕宏 审核：周强、亢洁、王素娥
题目：模糊控制系统建模与仿真分析 (3) 一、实验目的 (3) 二、实验学时：4学时 (3) 三、实验原理 (3) 四、实验内容 (9)
题目：模糊控制系统建模与仿真分析 一、实验目的 1、熟悉Matlab软件的基本操作方法 2、掌握用matlab/Fuzzy logic toolbox进行模糊控制系统建模仿真的基本方法。 3、熟悉模糊控制系统设计的基本方法 二、实验学时：4学时 三、实验原理 MATLAB R2008提供了建立模糊逻辑推理系统的仿真工具箱——Fuzzy Logic Toolbox，版本为Fuzzy Logic Toolbox2.2.7。建立模糊逻辑推理系统有两种基本方法，第一种方法是借助模糊推理系统编辑器（Fuzzy Logic Editor）的图形界面工具建立模糊逻辑推理系统，第二种方法是利用命令建立模糊逻辑推理系统。第一种方法使用简单、建模方便，适合于初学模糊逻辑控制系统建模与仿真的读者。第二种方法稍难一些，但对深入了解模糊逻辑推理系统的MATLAB仿真知识大有帮助。下面分别讲述两种方法，读者可自行选择阅读。 1模糊逻辑工具箱图形界面工具 模糊逻辑工具箱图形工具是为了方便用户建立模糊推理系统而推出的图形化设计工具，在这里可快速方便的建立模糊推理系统并观测模糊规则、推理输出等。模糊逻辑推理图形工具主要包括：基本模糊推理系统编辑器（fuzzy）、隶属函数编辑器（mfedit）、模糊规则编辑器（ruleedit）、模糊规则观测器（ruleview）、模糊推理输入输出曲面观测器（surfview）。下面分别介绍它们的基本使用方法。 1.1基本模糊推理系统编辑器 在Command Windows输入“fuzzy”命令，弹出如下图 1所示的“FIS Editor”（模糊推理系统编辑器）窗口。在这里可以对包括输入、输出模糊语言变量的名称、模糊推理系统的类型和名称、模糊逻辑推理的各种运算（与、或、蕴含、规则合成、解模糊化）等高层属性进行编辑。同时,还可以打开模糊推理系统的隶属函数编辑器（mfedit）、模糊规则编辑器（ruleedit）、模糊规则观测器（ruleview）、模糊推理输入输出曲面观测器（surfview）。
模糊控制的原理
模糊控制是一种以模糊集合论、模糊语言变量以及模糊推理为数学基础的新型计算机 控制方法。显然，模糊控制的基础是模糊数学，模糊控制的实现手段是计算机。本章 着重介绍模糊控制的基本思想、模糊控制的基本原理、模糊控制器的基本设计方法和 模糊控制系统的性能分析。 随着科学技术的飞速发展，在那些复杂的、多因素影响的严重非线性、不确定性、多 变性的大系统中，传统的控制理论和控制方法越来越显示出局限性。长期以来，人们 期望以人类思维的控制方案为基础，创造出一种能反映人类经验的控制过程知识，并 可以达到控制目的，能够利用某种形式表示出来，而且这种形式既能取代那种精密、 反复、有错误倾向的模型建造过程，又能避免精密的估计模型方程中各种方案的过程，同时还很容易被实现的、简单而灵活的控制方式。于是，模糊控制理论及其技术便应 运而生。 模糊数学的鼻祖——美国加利福尼亚大学电气工程系教授扎德(L．A．zadeh)于1965 年首次提出了“模糊集合”的概念，1973年又进一步研究了模糊语言处理，这些理论研究给模糊控制理论提供了数学依据，为模糊推理打下了理论基础，使得有人的经验 参与的控制过程成为了实际可能。1974年，英国伦敦大学教授马丹（E．H．MamdanU)制造出当时世界上第一个用于锅炉和蒸汽机控制的模糊控制器， 距今仅仅30来年，各种各样的模糊控制系统被研制成功，其发展之快、成果之多和被世人重视的程度都是少有的。各种各样的家用电器的控制系统，各种熔炉、电气炉、 水泥生成炉的控制系统，核能发电供水控制系统，汽车控制系统，电梯控制系统，机 器人控制系统，以及活跃于航空航天、通信领域的专家系统等模糊控制系统的广泛应 用取得了明显效益，与传统控制相比展示了无比的优越性。当前，模糊控制理论与技 术的深入研究和在美国、日本、中国、欧洲、东南亚等国家和地区的广泛应用引起人 们更广泛的关注. 1.1 模糊控制方法的研究现状 L.A.Zadeh基于其模糊集概念最早提出了简单模糊控制理论，简单模糊控制器和常规的控制器相比较具有无需建立被控对象的数学模型、对被控对象的非线性和时变性具有 一定的适应能力的特点，然而它也存在着一定的缺陷： (1)精度不太高。这主要是由于模糊控制表的量化等级有限而造成的，通过增加量化等级数目虽可提高精度，但查询 表将过于庞大，需占用较大空间，使运算时间增加。实际上，如果模糊控制器不引人 积分机制，原则上误差总是存在的。 (2)自适应能力有限。由于量化因子和比例因子都是固定的，当对象参数随环境的变迁而变化时，它不能对自己的控制规则进行有效的 调整，从而使其良好的性能不能得到充分的发挥。 (3)易产生振荡现象。如果查询表构造不合理，或量化因子和比例因子选择不当，都会产生振荡。
模糊控制学习心得
模糊控制学习心得 班别：电气143 学号：1407300043 姓名：范宝荣 “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。 在日常生活中,人们的思维中有许多模糊的概念,如大、小、冷、热等,都没有明确的内涵和外延,只能用模糊集合来描述。人们常用的经验规则都是用模糊条件语句表达,例如,当我们拧开水阀往水桶里注水时,有这样的经验:桶里没水或水较少时,应开大水阀;桶里水较多时,应将水阀关小些;当水桶里水快满时,则应把阀门关得很小;而水桶里水满时应迅速关掉水阀。其中,“较少”、“较多”、“小一些”、“很小”等,这些表示水位和控制阀门动作的概念都具有模糊性。即有经验的操作人员的控制规则具有相当的模糊性。模糊控制就是利用计算机模拟人的思维方式,按照人的操作规则进行控制,实现人的控制经验。 模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策略。1974年,英国伦敦大学教授Mamdani·E·H 研制成功第一个模糊控制器,充分展示了模糊技术的应用前景。 尽管模糊控制理论已经取得了可观的进展,但与常规控制理论相比仍不成熟。模糊控制系统的分析和设计尚未建立起有效的方法,在很多场合下仍然需要依靠经验和试凑。近年来,许多人一直尝试将常规控制理论的概念和方法扩展至模糊控制系统,而模糊控制与神经网络相结合的方法已成为研究的热点,二者的结合有效地推动了自学习模糊控制的发展。模糊控制易于获得由语言表达的专家知识,能有效地控制那些难以建立精确模型而凭经验可控制的系统,而神经网络则由于其仿生特性更能有效利用系统本身的信息,并能映射任意函数关系,具有并行处理和自学习能力,容错能力也很强。在集成大系统中,神经网络可用于处理低层感知数据,模糊逻辑可用于描述高层的逻辑框架[5]。模糊逻辑与神经网络的结合有两种情况:一是将模糊技术用于神经网络形成模糊神经网络,一是用神经网络实现模糊控制。这两方面均见于大量的研究文献。 常规模糊控制的两个主要问题在于:改进稳态控制精度和提高智能水平与适应能力。从大量文献中可以看出,在实际应用中,往住是将模糊控制或模糊推理的思想,与其他相对成熟的控制理论或方法结合起来,发挥各自的长处,从而获得理想的控制效果。 例如，利用模糊复合控制理论的分档控制,将PI或PID控制策略引入Fuzzy 控制器,构成Fuzzy-PI或Fuzzy-PID复合控制;适应高阶系统模糊控制需要的三维模糊控制器;将精确控制和模糊控制结合起来的精确—模糊混合控制;将预测控制与模糊控制相结合,利用预测模型对控制结果进行预报,并根据目标误差和操作者的经验应用模糊决策方法在线修正控制策略的模糊预测控制等。 模糊控制的发展过程中,提出了多种自组织、自学习、自适应模糊控制器。它们根据被控过程的特性和系统参数的变化,自动生成或调整模糊控制器的规则和参数,达到控制目的。这类模糊控制器在实现人的控制策略基础上,又进一步将人的学习和适应能力引入控制器,使模糊控制具有更高的智能性。自校正模糊控制器、参数自调整模糊控制等控制方法也较大地增强了对环境变化的适应能力。
PID控制与模糊控制比较
PID控制与模糊控制的比较 专业：控制理论与控制工程 班级：级班 姓名：X X X 学号： xxxxxxxxxxxxxx
摘要：介绍了PID控制系统和模糊控制系统的工作原理。PID控制器结构简单，实现简单，控制效果良好，已经得到了广泛的应用。而模糊控制器相对复杂，但在许多的智能化家用电器中也得到了大量应用。但对于一个简单的系统来讲，哪一种控制方法更好，是不是越智能的控制就能得到越好的效果。 关键词：PID控制，模糊控制，比较
Abstract: Introduced the working principle of PID control system and fuzzy control system. PID controller structure is simple, implementation is simple, the control effect is good, has been widely used. And fuzzy controller is relatively complicated, but in a lot of intelligent household appliances also received a large number of applications. But for a simple system, which kind of control method is better, is weather the intelligent control can obtain the good effect. Key words: PID control, fuzzy control, compare
模糊控简介及模糊控制器的设计要点
目录 摘要 (1) 1 模糊控制简介 (1) 1.1 模糊控制方法的研究现状 (2) 1.2 模糊控制的特点 (2) 1.3模糊控制的研究对象 (3) 1.4模糊控制的展望 (3) 2 模糊控制器的结构与工作原理 (4) 2.1基本结构与组成 (4) 2.2一般模糊控制器各主要环节的功能 (4) 2.3隶属函数的确定原则和基本确定方法 (5) 2.4模糊条件语句与模糊控制规则 (6) 2.5模糊量的判决方法 (6) 2.6模糊控制规则的设计和模糊化方法 (8) 2.7解模糊化 (8) 3 模糊控制器的设计 (9) 4 关于模糊(及智能)控制理论与技术发展的思考 (11) 参考文献 (12)
摘要 摘要：本文主要介绍了模糊控制系统的研究现状、特点，以及模糊控制器的结构与工作原理。同时对模糊控制器的设计进行了介绍和分析，对于其基本步骤和过程进行陈述，最后就模糊(及智能)控制理论与技术发展进行总结性的思考。 关键词：模糊控制；模糊控制器；模糊量；模糊化方法 引言 模糊控制是近代控制理论中的一种基于语言规则与模糊推理的高级控制策略和新颖技术，它是智能控制的一个重要分支，发展迅速，应用广泛，实效显著，引人关注[13]。随着科学技术的进步，现代工业过程日趋复杂，过程的严重非线性、不确定性、多变量、时滞、未建模动态和有界干扰，使得控制对象的精确数学模型难以建立，单一应用传统的控制理论和方法难以满足复杂控制系统的设计要求。而模糊控制则无需知道被控对象的精确数学模型，且模糊算法能够有效地利用专家所提供的模糊信息知识，处理那些定义不完善或难以精确建模的复杂过程。因此，模糊控制成为了近年来国内外控制界关注的热点研究领域。 1 模糊控制简介 模糊控制是一种以模糊集合论、模糊语言变量以及模糊推理为数学基础的新型计算机控制方法。显然，模糊控制的基础是模糊数学，模糊控制的实现手段是计算机。本章着重介绍模糊控制的基本思想、模糊控制的基本原理、模糊控制器的基本设计方法和模糊控制系统的性能分析。 随着科学技术的飞速发展，在那些复杂的、多因素影响的严重非线性、不确定性、多变性的大系统中，传统的控制理论和控制方法越来越显示出局限性。长期以来，人们期望以人类思维的控制方案为基础，创造出一种能反映人类经验的控制过程知识，并可以达到控制目的，能够利用某种形式表示出来，而且这种形式既能取代那种精密、反复、有错误倾向的模型建造过程，又能避免精密的估计模型方程中各种方案的过程，同时还很容易被实现的、简单而灵活的控制方式。于是，模糊控制理论及其技术便应运而生。 模糊数学的鼻祖——美国加利福尼亚大学电气工程系教授扎德(L．A．zadeh)于1965年首次提出了“模糊集合”的概念，1973年又进一步研究了模糊语言处理，这些理论研究给模糊控制理论提供了数学依据，为模糊推理打下了理论基础，使得有人的经验参与的控制过程成为了实际可能。1974年，英国伦敦大学教授马丹（E．H．MamdanU)制造出当时世界上第一个用于锅炉和蒸汽机控制的模糊控制器，距今仅仅30来年，各种各样的模糊控制系统被研制成功，其发展之快、成果之多和被世人重视的程度都是少有的。各种各样的家用电器的控制系统，各
模糊控制的理论基础
第二章：模糊控制的理论基础 第一节：引言 模糊控制的发展 传统控制方法：数学模型。 模糊控制逻辑：使计算机具有智能和活性的一种新颖的智能控制方法。 模糊控制以模糊集合论为数学基础。 模糊控制系统的应用对于那些测量数据不准确，要处理的数据量过大以致无法判断它们的兼容性以及一些复杂可变的被控对象等场合是有益的。 模糊控制器的设计依赖于操作者的经验。 模糊控制器参数或控制输出的调整是从过程函数的逻辑模型产生的规则来进行的。 改善模糊控制器性能的有效方法是优化模糊控制规则。 模糊控制的特点： 一、无需知道被控对象的数学模型 二、是一种反应人类智慧思维的智能控制 三、易被人们所接受 四、推理过程采用“不精确推理” 五、构造容易 六、存在的问题： 1、要揭示模糊控制器的实质和工作原理，解决稳定性和鲁棒性理论问题，从理 论分析和数学推导的角度揭示和证明模糊控制系统的鲁棒性优于传统控制策略； 2、信息简单的模糊处理将导致系统的控制精度降低和动态品质变差； 3、模糊控制的设计尚缺乏系统性，无法定义控制目标。 “模糊控制的定义” 定义：模糊控制器的输出是通过观察过程的状态和一些如何控制过程的规则的推理得到的。基于三个概念：测量信息的模糊化，推理机制，输出模糊集的精确化；
测量信息的模糊化：实测物理量转换为在该语言变量相应论域内的不同语言值的模糊子集；推理机制：使用数据库和规则库，根据当前的系统状态信息决定模糊控制的输出子集；模糊集的精确化：将推理过程得到的模糊控制量转化为一个清晰，确定的输出控制量的过程。 “模糊控制技术的相关技术” 模糊控制器的核心处理单元：1.传统单片机；2.模糊单片机处理芯片；3.可编程门阵列芯片。 模糊信息与精确转换技术：AD，DA，转换技术。 模糊控制的软技术：系统的仿真软件。 综述：模糊控制是一种更人性化的方法，用模糊逻辑处理和分析现实世界的问题，其结果往往更符合人的要求。 第二节：模糊集合论基础 “模糊集合的概念” 经典集合论所表达概念的内涵和外延都必须是明确的。 集合既可以是连续的也可以是离散的。 集合表示方法：1、列举法；2、定义法；3、归纳法；4、特征函数法；5、集合运算； 思维中每一个概念都有一定的内涵和外延，概念的内涵是指一个概念所包含的区别于其他概念的全体本质属性，概念的外延指符合某概念的对象的全体。从集合论的角度看，内涵就是集合的定义，外延就是集合的所有元素。 与传统的经典集合对事物只用“1”，“0”简单地表示“属于”或“不属于”分类不同，模糊集合是把它扩展成用0~1之间连续变化值来描述元素的属于程度。这个0~1之间连续变化值称作“隶属度”。模糊集合中的特征函数就称作隶属度函数。 模糊集合的定义实际上是将经典集合论中的特征函数表示扩展都用隶属度函数表示。
模糊控制理论基础知识
第二章 模糊控制理论基础知识 2.1 模糊关系 一、模糊关系R ~ 所谓关系R ，实际上是A 和B 两集合的直积A ×B 的一个子集。现在把它扩展到模糊集合中来，定义如下： 所谓A ，B 两集合的直积 A ×B={(a,b)|a ∈A ，b ∈B} 中的一个模糊关系R ~ ，是指以A ×B 为论域的一个模糊子集，其序偶(a,b)的隶属度为 ),(~b a R μ，可见R ~ 是二元模糊关系。 若论域为n 个集合的直积，则 A 1×A 2×A 3×……A n 称为n 元模糊关系R ~ ，它的隶属函数是n 个变量的函数。 例如，要求列出集合X={1,5,7,9,20}“序偶”上的“前元比后元大得多”的关系R ~ 。 因为直积空间R=X ×X 中有20个“序偶”，序偶(20,1)中的前元比后元大得多，可以认为它的隶属度为1，同理认为序偶(9,5)的隶属于“大得多”的程度为0.3，于是我们可以确定“大得多”的关系R ~ 为 R ~ =0.5/(5,1)+ 0.7/(7,1)+ 0.8/(9,1)+ 1/(20,1)+ 0.1/(7,5)+0.3/(9,5)+ 0.95/(20,5)+ 0.1/(9,7)+ 0.9/(20,7)+ 0.85/(20,9) 综上所述，只要给出直积空间A ×B 中的模糊集R ~ 的隶属函数),(~b a R μ，集合A 到集合B 的模糊关系R ~ 也就确定了。 由于模糊关系，R ~ 实际上是一个模糊子集，因此它们的运算完全服从第一章所述的Fuzzy 子集的运算规则，这里不一一赘述了。 一个模糊关系R ~ ，若对?x ∈X ，必有),(~x x R μ=1，即每个元素X 与自身隶属于模糊关系R ~的隶属度为1。称这样的R ~ 为具有自返性的模糊关系。 一个模糊R ~ ，若对?x ，y ∈X ，均有 ),(~y x R μ=),(~x y R μ 即(x,y)隶属于Fuzzy 关系R ~和(y,x)隶属于Fuzzy 关系R ~的隶属度相同，则称R ~ 为具有对称性的Fuzzy 关系。 一个模糊关系R ~ ，若对?x,y,z ∈X ，均
模糊控制原理简介
§6 模糊控制原理简介 §6.1 模糊控制系统 现代控制理论已经在工业、国防、航天等许多领域获得了成功。一般情况下，传统的闭环控制系统如图6.1所示，其原理是建立在精确的数学模型上。但对于一些强藕合、多参数、非线性、时变性、大惯性、纯滞后的复杂系统，建立它们的精确数学模型是很困难的，有些甚至是不可能的。 然而，在实际工作当中，一些有经验的操作人员却可以通过观察、推理和决策，用人工控制的方法较好地控制那些复杂的对象。模糊控制系统就是将人的经验总结成语言控制规则，运用模糊理论模拟人的推理与决策，从而实现自动控制的控制系统。模糊控制系统与传统的闭环控制系统不同之处，就是用模糊控制器代替了模拟式控制器，其硬件结构框图如图6.2所示。 y(t) y(t) 图6.1 图6.2 输出 图6.3 §6.2 模糊控制器的设计 模糊控制器本质上就是一个采用了模糊控制算法的计算机或芯片，其一般结构如图6.3所示。它由三个基本部分构成：（1）将输入的确切值“模糊化”，成为可用模糊集合描述的变量；（2）应用语言规则进行模糊推理；（3）对推理结果进行决策并反模糊化（也称为清晰化、解模糊），使之转化为确切的控制量。 有m个输入一个输出的模糊控制器称为m维模糊控制器。由于一维模糊控制器所能获得的系统动态性能往往不能令人满意，三维及三维以上的模糊控制器结构复杂，推理运算时间长，因此典型的模糊控制器是二维模糊控制器。一般地，设计一个二维的模糊控制器，通常需要五个步骤：
1. 确定输入变量与输出变量及其模糊状态； 2. 输入变量的模糊化； 3. 建立模糊控制规则； 4. 进行模糊推理； 5. 输出变量的反模糊化。 6.2.1 确定输入变量与输出变量及其模糊状态 根据问题的背景，确定出输入变量E 1、E 2和输出变量u 。输入、输出变量的模糊状态按照控制品质的要求可分为三类：控制品质要求较高的场合，变量的模糊状态取为 负大（NB ）、负中（NM ）、负小（NS ）、零（ZO ）、正小（PS ）、正中（PM ）、正大（PB ） 或 负大（NB ）、负中（NM ）、负小（NS ）、负零（NZ ）、正零（PZ ）、正小（PS ）、正中（PM ）、正大（PB ）； 控制品质要求一般的场合，变量的模糊状态取为 负大（NB ）、负小（NS ）、零（ZO ）、正小（PS ）、正大（PB ） 或 负大（NB ）、负小（NS ）、负零（NZ ）、正零（PZ ）、正小（PS ）、正大（PB ）； 控制品质要求较低的场合，变量的模糊状态取为 负大（NB ）、零（ZO ）、正大（PB ） 或 负大（NB ）、负零（NZ ）、正零（PZ ）、正大（PB ）。 6.2.2 输入变量的模糊化方法 输入变量的模糊化就是将输入的确切值变量转化为可用模糊集合描述的模糊变量，一般分为两步。 第一步，确定输入变量的论域及输入变量实际确切值对应的论域确切值。 将输入变量的实际变化范围 [a ，b ] 划分成若干等级，把这些等级的上下界作为端点构成输入变量的论域U 。一般来讲，控制品质要求较高的场合，可划分成13或15级，通常表示为 {-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6} 或 {-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7}， 相应的论域分别为U = [-6，6]或U = [-7，7]；控制品质要求一般的场合，可划分成9或11级，通常表示为 {-4，-3，-2，-1，0，1，2，3，4} 或 {-5，-4，-3，-2，-1，0，1，2，3，4，5}， 相应的论域分别为U = [-4，4]或U = [-5，5]；控制品质要求较低的场合，可划分成5或7级，通常表示为 {-2，-1，0，1，2} 或 {-3，-2，-1，0，1，2，3}， 相应的论域分别为U = [-2，2]或U = [-3，3]。 设输入变量x 的实际变化范围为 [a ，b ]，分为m 级，则相应的论域为U = [-(m -1)/2，(m -1)/2]；如果x 的实际确切值为x 0，则相应的论域确切值为 )(1210a x a b m m x ---+--='。 第二步，定义各模糊状态的隶属函数。 各模糊状态的隶属函数一般选择对称三角形、对称梯形、正态型隶属函数。以对称三角形隶属函数为例，控制品质要求较高的场合，相应的隶属函数如图 6.4；控制品质要求一般的场合，相应的隶属函数如图6.5；控制品质要求较低的场合，相应的隶属函数如图6.6。
模糊控制的数学基础-2(3-1至3-15)模糊关系、逻辑及运算
举例 eg 1 y=sinx, x ∈(-∞,+∞)，y ∈[-1,+1]，由于［－1,＋1］是y 轴的一个子集，故这个映射是x 到y 内的映射，是属于“非全射”。 eg 2 y=x 2, x ∈(-∞,+∞), y ∈(0,+∞)。这是由x 到y 内的映射，也属于“非全 射”。 eg 3 y=x 3, x ∈(-∞,+∞), y ∈(-∞,+∞)。这个映射是由x 射到y 轴上的映射，属于“全射”。并且也是“单射”，同时也是“一一映射”。 Ch 3 Fuzzy 控制理论的预备知识 §3－1 Fuzzy 关系与Fuzzy 关系图 一 Fuzzy 关系~R 第二章讲过，所谓关系R ，实际上是A 和B 两集合的直积A ×B 的一个子集。现在把它扩展到Fuzzy 集合中来，可定义如下： 所谓A 和B 两集合的直积 A × B ＝﹛(a ，b)|a ∈A ，b ∈B ﹜ 中的一个模糊关系~ R ，是指以A ×B 为论域的一个Fuzzy 子集，其序偶(a ，b)的隶属度为 ~R μ (a ，b)，可见~ R 是二元Fuzzy 关系。 3-1 Nose ：当A=B 时，我们称之为“A 面上的Fuzzy 关系”R 。 eg ． 要求列出集合A=﹛1，5，7，9，20﹜“序偶”上的“前元比后元大得多”的关系~ R 。 解：直积空间R ＝A ×A 中有25个“序偶”，其中 R 1=﹛(20,1)，(20,9)，(20,7)，(20,5)，(9,7)，(9,5)，(9,1)，(7,5)，(7,1)，(5,1)﹜ 是满足“前元比后元大”的子集。 ~0.50.70.810.10.30.950.10.90.85 (5,1)(7,1)(9,1)(20,1)(7,5)(9,5)(20,5)(9,7)(20,7)(20,9)R =+++++++++ 上式中分子的值即是按人的判断结果给出的相应满足“前元比后元大得多”的程度，还有一种求法是利用适当的隶属函数来确定。 ~2 1,201(,)()0,R y x x y x y y x μ?
模糊控制简介
模糊控制理论 模糊控制理论是以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策。模糊控制作为以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制，它已成为目前实现智能控制的一种重要而又有效的形式尤其是模糊控制和神经网络、遗传算法及混沌理论等新学科的融合，正在显示出其巨大的应用潜力。实质上模糊控制是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。 本文简单介绍了模糊控制的概念及应用，详细介绍了模糊控制器的设计，其中包含模糊控制系统的原理、模糊控制器的分类及其设计元素。 “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它是以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策。在1968～1973年期间Zadeh·L·A先后提出语言变量、模糊条件语句和模糊算法等概念和方法，使得某些以往只能用自然语言的条件语句形式描述的手动控制规则可采用模糊条件语句形式来描述，从而使这些规则成为在计算机上可以实现的算法。1974年,英国伦敦大学教授Mamdani·E·H研制成功第一个模糊控制器, 并把它应用于锅炉和蒸汽机的控制，在实验室获得成功。这一开拓性的工作标志着模糊控制论的诞生并充分展示了模糊技术的应用前景。 模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。模糊控制的发展最初在西方遇到了较大的阻力；然而在东方尤其是在日本，却得到了迅速而广泛的推广应用。其 模糊控制的优点 1简化系统设计的复杂性，特别适用于非线性、时变、模型不完全的系统上。 2利用控制法则来描述系统变量间的关系。 3不用数值而用语言式的模糊变量来描述系统，模糊控制器不必对被控制对象建立完整的数学模式。 4模糊控制器是一语言控制器，使得操作人员易于使用自然语言进行人机对话。 5模糊控制器是一种容易控制、掌握的较理想的非线性控制器，并且抗干扰能力强，响应速度快，并对系统参数的变化有较强的鲁棒性和较佳的容错性。
模糊控制原理
模糊控制原理 https://www.wendangku.net/doc/b710551298.html,/article/article/art579.htm 亦此亦彼的模糊逻辑 美国西佛罗里达大学的詹姆斯教授曾举过一个鲜明的例子。假如你不幸在沙漠迷了路，而且几天没喝过水，这时你见到两瓶水，其中一瓶贴有标签：“纯净水概率是0.91”，另一瓶标着“纯净水的程度是0.91”。你选哪一瓶呢？相信会是后者。因为后者的水虽然不太干净，但肯定没毒，这里的0.91表现的是水的纯净程度而非“是不是纯净水”，而前者则表明有19％的可能不是纯净水。再比如“人到中年”，就是一个模糊事件，人们对“中年”的理解并不是精确的一个 岁数。 从上边的例子，可以看到模糊逻辑不是二者逻辑——非此即彼的推理，它也不是传统意义的多值逻辑，而是在承认事物隶属真值中间过渡性的同时，还认为事物在形态和类属方面具有亦此亦彼性、模棱两可性——模糊性。正因如此，模糊计算可以处理不精确的模糊输入信息，可以有效降低感官灵敏度和精确度的要求，而且所需要存储空间少，能够抓住信息处理的主要矛盾，保证信息处理的实时性、 多功能性和满意性。 美国加州大学L.A.Zadeh博士于1965年发表了关于模糊集的论文，首次提出了表达事物模糊性的重要概念——隶属函数。这篇论文把元素对集的隶属度从原来的非0即1推广到可以取区间【0，1】的任何值，这样用隶属度定量地描述
论域中元素符合论域概念的程度，就实现了对普通集合的扩展，从而可以用隶属函数表示模糊集。模糊集理论构成了模糊计算系统的基础，人们在此基础上把人工智能中关于知识表示和推理的方法引入进来，或者说把模糊集理论用到知识工程中去就形成了模糊逻辑和模糊推理;为了克服这些模糊系统知识获取的不足及学习能力低下的缺点，又把神经计算加入到这些模糊系统中，形成了模糊神经系统。这些研究都成为人工智能研究的热点，因为它们表现出了许多领域专家才具有的能力。同时，这些模糊系统在计算形式上一般都以数值计算为主，也通常被 人们归为软计算、智能计算的范畴。 模糊计算的实战应用 模糊计算在应用上可是一点都不含糊，其应用范围非常广泛，它在家电产品中的应用已被人们所接受，例如，模糊洗衣机、模糊冰箱、模糊相机等。另外，在专家系统、智能控制等许多系统中，模糊计算也都大显身手。究其原因，就在于它的工作方式与人类的认知过程是极为相似的。在这里，笔者结合自己的研究实践，以一个建筑结构选型的专家系统为例，说明模糊推理系统是如何模仿领域专家的思维进行工作的，其中所用到的步骤、计算过程在其他模糊系统中也具有典型的 代表性。 FIS的系统构成与工作原理
1模糊控制器的基本结构
第13章 模糊控制理论 13.1模糊控制器的基本结构 本章将介绍模糊控制(fuzzy control)的基本原理、结构分析、稳定性理论和设计方法。模糊控制器的基本结构如图13.1所示。 图13.1中，t u 是SISO 被控对象的输入，t y 是被控对象的输出，t s 是参考输入，t t t y s e -=是误差。 图中虚线框内的就是模糊控制器(FC)，它根据误差信号t e 产生合适的控制作用t u ，输出给被控对象。模糊控制器主要由模糊化接口、知识库、模糊推理机、解模糊接口四部分组成，各部分的作用概述如下。 1.模糊化(Fuzzification) 模糊化接口接受的输入只有误差信号t e ，由t e 再生成误差变化率t e 或误差的差分t e ?，模糊化接口主要完成以下两项功能。 ⑴论域变换：t e 和t e 都是非模糊的普通变量，它们的论域（即变化范围）是实数域上的一个连续闭区间，称为真实论域，分别用X 和Y 来代表。在模糊控制器中，真实论域要变换到内部论域X '和Y '。如果内部论域是离散的（有限个元素），模糊控制器称为“离散论域的模糊控制器”(D －FC)，如果内部论域是连续的（无穷多个元素），模糊控制器称为“连续论域的模糊控制器”(C －FC)。对于D －FC ，X '，Y '＝{0±整数}；对于C —FC ，X '，Y '＝[－l ，1]。无论是D －FC 还是 C －FC ，论域变换后t e ，t e 变成*t e ，*t e ，相当乘了一个比例因子（还可能有偏移）。 ⑵模糊化：论域变换后*t e 和*t e 仍是非模糊的普通变量，对它们分别定义若干个模糊集合，如：“负大”(NL)、“负中”(NM)、“负小”(NS)、“零”(Z)、“正小”(PS)、“正中” (PM)、“正大”(PL) ，…，并在其