模糊控制――文献综述
摘要
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，模糊控制系统的组成，模糊控制的算法，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。最后以模糊PID复合控制在锅炉汽包水位控制中的应用说明模糊控制系统的整体设计过程，通过仿真证明了模糊控制显示出的优势。
1. 模糊控制的基本思想
模糊控制是模糊集合理论中的一个重要方面，是以模糊集合化、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，从线性控制到非线性控制的角度分类，模糊控制是一种非线性控制；从控制器的智能性看，模糊控制属于智能控制的范畴[1][2]。
模糊控制是建立在人类思维模糊性基础上的一种控制方式，模糊逻辑控制技术模仿人的思考方式接受不精确不完全信息来进行逻辑推理,用直觉经验和启发式思维进行工作,是能涵盖基于模型系统的技术。它不需用精确的公式来表示传递函数或状态方程，而是利用具有模糊性的语言控制规则来描述控制过程。控制规则通常是根据专家的经验得出的，所以模糊控制的基本思想就是利用计算机实现人的控制经验[3]。
2. 模糊控制系统的组成及结构分析
摸糊控制系统是采用计算机控制技术构成的一种具有反馈通道的闭环结构的数字模糊控制系统。智能性的模糊控制器是模糊控制系统的核心，一个模糊控制系统性能的优劣，主要取决于模糊控制器的结构，所采用的模糊控制规则、合成推理算法以及模糊决策的方法等因素[6] [7]。模糊控制系统组成原理如图1所示。
图 1 模糊控制系统组成原理框图
模糊控制系统是由被控对象、执行机构、过程输入输出通道、检测装置、模糊控制器等几部分组成。被控对象的数学模型可以是已知的、精确的，也可以是未知的、模糊的。过程输入输出通道一般指模/数 (A/D)、数/模 (D/A) 转换单元和接口部件，电平转换装置及多路开关等。作为控制系统核心部件的模糊控制器不依赖于被控对象的精确数学模型，易于对不确定性系统进行控制。模糊控制器抗干扰能力强，响应速度快，并对系统参数的变化有较强的鲁棒性。
在实际应用中，模糊控制器有两种组成方式，一种是由模糊逻辑芯片组成的硬件专用模糊控制器，它是用硬件芯片来直接实现模糊控制算法，这种模糊控制器的特点是推理速度快，控制精度高，但价格昂贵，输入和输出以及模糊规则都有限，且灵活性较差，在实际中较少使用；另一种组成方式是采用与数字控制器相同的硬件结构，目前多用单片微机来组成硬件系统。而在软件上用模糊控制算法取代原来数字控制器的数字控制算法，这样就把原来的数字控制器改成了模糊控制器，组成了一个单片机的模糊
控制系统。
模糊控制器 (FC—Fuzzy Controller) 又称为模糊逻辑控制器 (FLC—Fuzzy Logic Controller),它的模糊控制规则用模糊条件语句来描述，是一种语言型控制器，因此有时又被称为模糊语言控制器。模糊控制器的机构框图如图2所示。
图 2 模糊控制器结构框图
图2中，u(t)是被控对象的输入，y(t)是被控对象的输出，s(t)是参考输入，e为误差。图中虚线框内就是模糊控制器，它根据误差信号产生合适的控制作用，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、解模糊解口四部分组成，各部分作用如下:
1.模糊化模糊化接口接受的输入只有误差信号e，由e再生成误差变化率Δe或误差的积分，模糊化接口完成两项功能:
①论域变换：e和Δe都是非模糊的普通变量，它们的论域 (即变化范围) 是实际域上的一个真实论域，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′，无论是对于D-FC (离散论域的模糊控制器)，还是C-FC(连续论域的模糊控制器) ，论域变换后e和Δe变成E和EC，相当于乘了一个比例因子(还可能有偏移)。
②模糊化：论域变换后E和EC仍是非模糊的普通变量，这里把它们分成若干个模糊集合，如：“负大”(NL)、“负中”(NM)、“负小”(NS)、“零”(Z)、“正小”(PS)、“正中” (PM)、“正大” (PL)，……，并在其内部论域上规定各个模糊集合的隶属度函数。在 t 时刻输入信号的值e和Δe经论域变换后得到E和EC，再根据隶属函数的定义可以分别求出 E 和 EC 对各模糊集合的隶属度，如μnl(E)、μnm (EC)、……，这样就把普通变量的值变成了模糊变量 (即语言变量)的值，完成了模糊化的工作。这里 E，EC 既代表普通变量又代表了模糊变量，作为普通变量时其值在论域 X′和Y′中，是普通数值；作为模糊变量是其值在论域[0，1]中，是隶属度。
2.知识库知识库中存储着有关模糊控制器的一切知识，它们决定着模糊控制器的性能。是模糊控制器的核心。知识库又分为两部分，分别介绍如下:
①数据库：它与计算机软件中的数据库不同，它存储着有关模糊化、模糊推理、解模糊的一切知识，如模糊化中的论域变换方法、输入变量各模糊集合的隶属函数定义、模糊推理算法、解模糊算法、输出变量各模糊集合的隶属函数定义等。当论域离散且元素个数有限时，模糊集合的隶属函数可以用向量或者表格的形式来表示。当论域连续时，隶属度常常用三角形、梯形、高斯型函数等。
②规则库：其中包含一组模糊控制规则，即以“if …，then …”形式表示的模糊条件语句
如 R1：if E is A1 and EC is B1, then U is C1；
R2：if E is A2 and EC is B2, then U is C2；
……
Rn：if E is An and EC is Bn, then U is Cn。
其中，E和EC就是前面的语言变量，A1，A2,…，An是E的模糊集合，B1，B2，…Bn是 EC的模糊集合，C1，C2，…，Cn是U的模糊集合。每条规则是在一个积分空间X′×Y ′×Z′中的模糊关系，E ∈X′，EC∈Y′，U∈Z′。如果 X′、Y ′、Z ′皆为离散论域，还可以写成模糊关系矩阵Ri，i=1,2,…,n。规则库中的 n条规则是并列的，它们之间是“或”的逻辑关系，因此整个规则集的模糊关系为
1n
i R Ri ==
3.模糊推理机 推理机有每个采样时刻的输入，依据模糊控制规则推导出控制作用，而模糊控制规则这一组模糊条件语句可以导出一个输入输出空间上的模糊关系，推理机按着模糊推理的合成规则进行运算从，而求得控制作用，推理机制为在 t 时刻若输入量为E 和 EC ，E ∈X ′，EC ∈ Y ′，若论域 X ′、Y ′、Z ′皆为离散的，E 在 X ′上对应矢量 A ′，EC 在对应矢量B ′,则推理结果是Z ′上的矢量C ′。常见的模糊推理系统有三类：纯模糊推理系统、高木-关野 (Takagi-Sugemo) 型和具有模糊产生器和模糊消除器的模糊逻辑系统(Mamdani) 型[8] [9] 。
（1）纯模糊推理系统 纯模糊推理系统的输入和输出均为模糊集和，而现实世界中大多数工程系统的输入和输出都是精确值，因而纯模糊逻辑系统不能直接应用于实际工程中。
（2）高木-关野 (Takagi-Sugemo) 型 它是一类较为特殊的模糊逻辑系统，采用如下模糊规则：
If x 1是 A 1, x 2是 A 2,…,x n 是 A n , then y=c 0+i
n
i i x c ∑=1 其中，A i (i=1,2,…,n) 是模糊语言值，c i (i=1,2,…,n) 是确定值参数。可以看出Sugeno 型在没有模糊消除器下仍是精确值。但同时可以看到规则的输出部分不具有模糊语言值的形式，因此不能充分利用专家的控制知识。
（3）Mamdani 型 Mamdani 型是在纯模糊逻辑系统的输入和输出部分添加了模糊产生器和模糊消除器，得到的模糊逻辑系统的输入和输出均为精确量，因而可以直接在实际工程中加以应用，且应用广泛。
4．解模糊 解模糊可以看作模糊化的反过程，它要由模糊推理结果产生tu 的数值，作为模糊控制器的输出。解模糊接口主要完成以下两项工作:
①解模糊：对ut 也要有真实论域Z 变换到内部论域 Z ′，对 U ∈Z ′定义若干个模糊集合，并规定各模糊集合的隶属度函数。模糊推理是在内部论域上进行的，因此得到的推理结果C ′是Z ′上的模糊矢量，其元素为对 U 的某个模糊集合的隶属度。对于某组输入 E 和 EC ，一般会同时满足多条规则,因此会有多个推理结果Ci ′，i 为不同的模糊集合,用下面公式求 C 。C= i i C
'，并用解模糊算法 (如最大隶属
度法、重心法、中位法等) ，即可求得此时的内部控制量u(t)′。
② 论域反变换：得到的 U ∈ Z ′，进行论域反变换即可得到真正的输出 u ∈ Z ，它仍是非模糊的普通变量。
3.模糊控制算法的实现
模糊控制算法的实现方法目前有三种，即查表法、硬件专用模糊控制器和软件模糊推理等。其最主
要的区别在于模糊推理的实现方法不同[10]。
1.查表法 适用于输入、输出论域为离散有限论域的情况。查表法是输入论域上的点到输出论域的对应关系，它已经是经过了模糊化、模糊推理和解模糊的过程，它可以离线计算得到，模糊控制器在线运行时，进行查表就可以了，因而可以大大加快在线运行的速度。这一过程可以用图3表示。本论文模糊控制器的设计采用的正是此法。
图 3 查表法
2.硬件模糊控制器采用具有模糊推理功能的模糊芯片，它推理速度快，控制精度高，处理速度至少比软件提高一个数量级。目前已经采用的硬件实现模糊控制器产品有日本立石公司的模糊控制器 FZ —1000，2000，5000，6000 等，日本奥井点电机公司的 FOC2001A，日新电机的模糊控制器等等。限制硬件模糊控制器普及的主要因素是价格问题，目前模糊芯片的价格还是比较昂贵的[14]。
3.软件模糊推理法采用软件模糊推理法指用软件实现输入模糊化、模糊推理算法以及输出解模糊等模糊过程，尤其是模糊推理过程，它不同于查表法，可以把模糊推理过程离线完成，而是在线运行时每一个采样周期都要进行模糊推理。因此这种方法灵活性强，应用范围广，比查表法有更高的精度，但由于其推理要花费一定的时间，因而要求计算机有较高的运行速度。目前有用软件实现的通用模糊控制器产品，也有在它们生产的产品中配置有模糊控制软件模块。
4 模糊控制方法的进展[19]
1.Fuzzy-PID复合控制Fuzzy-PID复合控制指的是模糊控制技术与常规PID控制算法相结合的控制方法。常用的是模糊控制器与PI调节器相结合的Fuzzy-PI双模控制形式。
这种控制形式的出发点主要是因为模糊控制器本身消除稳定误差的性能较差，加入 PI调解器可以消除稳定误差的作用。控制策略上为，在大偏差范围内，即偏差e在某个阀值之外采用模糊控制，以获得良好效果的瞬态性能；在小偏差范围内，即e落在阀值之内时转换成PID(或PI)控制，以获得良好的稳态性能。二者之间的转换阀值由微机程序根据事先给定的偏差范围自动实现。参数自整定模糊控制关系式：
u=k
3f(k
1
e, k
2
ec)
f为非线性函数,显然 FLC 的控制作用u 与比例因子k1、k2和量化因子k3有关系，它们的变化引起了控制系统的动态性能和稳态性能的变化。在线整定比例因子k1 、k2 和量化因子k3，使他们保持合适的数值，在随机的环境中能对控制器进行自动校正，使得在被动对象特性变化或扰动情况下，控制系统保持较好的性能。
对于经典的单变量二维 FLC，由上式可以看出比例因子k1、k2分别相当于模糊控制的比例作用和微分作用的系数，量化因子k3则相当于总的放大倍数。具体比例因子k1、k2和量化因子k3与系统性能的如下关系。一般k1越大，系统调节惰性越小，上升速率越快。但k1过大，将使体统产生较大的超调，使调节时间增长，严重时会产生振荡乃至系统不稳定。但k1 过小，系统上升速率变小,调节惰性变大，使稳态精度降低。
K2越大，对系统状态变化的抑制能力增大，使超调量减小，增加系统稳定性。但k2过大，会使系统输出上升速率过小，使系统的过渡过程时间变长。K2过小，系统输出上升速率增大，导致系统产生过大的超调和振荡。
K3增大，相当于系统总的放大倍数增大，系统相应速度加快。在上升阶段，k3 越大，上升越快，但也容易产生超调。K3过小，则系统反应缓慢，使调节时间加长。
2.自适应模糊控制[20]自适应模糊控制又称为自组织模糊控制，它在控制过程中自动地对模糊控制
规则进行修改、改进和完善，具有自适应自学习的能力。
它比一般的模糊控制器增加了三个环节：性能量测、控制量校正和控制规则修正。性能量测环节用于测量实际输出特性与希望特性的偏差，以确定输出响应的校正量。控制量校正环节将输出响应的校正量转换为控制量的校正量。控制规则修正环节修改模糊控制器的控制规则，这样就实现了对控制量的校正。自适应模糊控制原理框图如图4所示。
图 4自适应模糊控制系统
3.专家模糊控制专家模糊控制是专家系统技术和模糊控制相结合的产物，把专家系统技术引入模糊控制中，目的是进一步提高模糊控制器的智能水平。常规模糊控制器的魅力在于它能在一般的数学分析方法无能为力时提供一种基于规则的控制方法，而且简单易行。但常规的模糊控制方法的局限性在于控制器的结构过于简单，规则库一般只允许一种格式的规则，规则语言还不足以控制复杂过程所需要的启发式知识。专家系统方法重视知识的多层次及分类的需要，以及用这些知识进行推理的计算机组织。专家模糊控制保持了基于规则的方法的价值和用模糊集处理带来的灵活性，同时把专家系统技术的表达、利用知识的长处结合进来。
4.神经模糊控制[16]神经模糊控制是指基于神经网络的模糊控制方法。神经网络是人工神经网络的简称，它是由许多神经元作为节点以一定的方式连接在一起的网络，它具有分层的结构。神经网络的基本工作原理是先要提供它足够的典型的学习样本，这些样本必须能相当完善地描述所希望达到的系统的性能。神经模糊控制方法是指用一个神经网络实现常规模糊控制器的功能。就目前的资料应用方法，可以大致分为两类，一类是神经网络实现模糊控制规则及模糊推理，另一种则由神经网络实现全部模糊逻辑控制功能。神经网络技术与模糊逻辑控制相结合的神经模糊控制方法目前还没有达到成熟、完善和系统的地步。
5.模糊控制器的结构
模糊控制具有快速性、鲁棒性好的特点，可以考虑用它对系统进行控制。在确定性控制系统中，根据输入变量和输出变量的个数，可分为单变量控制系统和多变量控制系统。
1.单变量模糊控制器将其输入变量的个数定义为模糊控制器的维数，其结构图如下图5所示：
一维模糊控制器如图(a)所示。一维模糊控制器的输入变量往往选择为受控量和输入给定的误差 E。由于仅仅采用偏差值，很难反映受控过程的动态性品质。因此得不到满意的系统动态性能效果，这种一维模糊控制器通常用于简单的被控对象。
图5单变量模糊控制器
二维模糊控制器如图(b)所示。二维模糊控制器的两个输入变量为被控量与给定值的误差量 E 和误差变化量 EC，由于它们能够严格的反映受控过程中输出变量的动态特性，在控制效果上要比一维模糊控制器好的多，它是目前被广泛采用的一种模糊控制器。
三维模糊控制器如图(c) 和(d)所示。三维模糊控制器的三个输入变量为系统误差量 E、误差变化量 EC 和偏差变化率 ECC，也可以是 E，EC 和 EC 的积分EI。由于这类模糊控制器结构比较复杂，推理运算时间长，因此除非对动态特性要求特别高的场合，一般较少选择三维模糊控制器。
2.多变量模糊控制器如图6所示，模糊控制器是由多个独立的输入变量和一个或多个输出变量。多变量模糊控制器的变量个数多，且各个变量之间存在着较强的耦合，因此要直接设计多变量模糊控制器相当困难。好在可以利用模糊控制器本身的解耦性质，通过模糊关系方程分解，在控制器结构上实现解耦，便可以将一个多输入多输出 (MIMO) 模糊控制器，分解成若干个多输入单输出 (MISO) 模糊控制器，这样就实现了模糊控制器的降维处理。
图6 多变量模糊控制器
6.模糊PID复合控制在锅炉汽包水位控制中的应用[32] [33]
汽包水位是锅炉给水系统安全、稳定运行的主要指标之一。汽包水位过高会造成汽空间缩小, 将会引起蒸汽带水, 影响汽水分离效果使蒸汽品质恶化, 以致在过热器管内产生盐垢沉积, 管子过热, 金属强度降低而发生爆破; 满水时蒸汽大量带水, 将会引起管道和汽轮机内产生严重的水冲击, 造成设备的损坏。水位过低会造成锅炉水循环的破坏, 使水冷壁管超温过热;严重缺水时,容易使水全部汽化烧坏锅炉甚至爆炸, 造成更严重的设备损坏事故[1]。因此加强对水位的监视和调整至关重要。这就要求汽包水位在一定范围内, 适应各种工况的运行。由于汽包水位受给水压力和蒸汽压力等外界因素干扰现象严重, 动态特征强, 又有大滞后、多变量、强耦合及非线性等特性,使得传统的PID控制器难以收到良好的控制效果。模糊控制的特点是在偏离工作点较远的区域可明显改善控制的动态性能, 并且对控制对象特性的变化比PID线性控制器具有更强的鲁棒性[2]。由于模糊控制器本质上属于非线性控制方法,缺乏通用的系统化设计方法,控制器的稳定性难以保证, 控制精度不够高, 并且在工作点附近容易产生极限振荡。实际应用中,模糊控制器的设计和参数整定往往过于依赖现场操作经验和试凑法。本文基于PID 线性控制器和模糊控制器的上述特点,提出一种模糊PID复合控制器[3]控制锅炉汽包水位的新方法。
1.PID各参数对系统性能的影响[30]
理想的PID 控制器根据给定值 r(t)与实际输出值c(t)构成的控制偏差e(t)
e (t) = r (t) -c (t)
将偏差的比例、积分和微分通过线性组合构成控制量，对被控对象进行控制。
u(t)=K p [e(t)+
])(])(1dt t de T dt t e T d i +? 式中 u(t)──控制器的输出；
e(t)──控制器的输入，给定值与被控对象输出值的差，即偏差信号；
K p e(t) ──比例控制项，K p 为比例系数； ?
dt t e T i )(1──积分控制项，T i 为积分时间常数 T d
dt t de )(——微分控制项，T d 为微分时间常数。 PID 控制算法：
在计算机直接数字控制系统中，PID 控制器是通过计算机PID 控制算法程序实现的。进入计算机的连续时间信号，必须经过采样和量化后，变成数字量，才能进入计算机的存储器和寄存器，而在数字计算机中的计算和处理，不论是积分还是微分，只能用数值计算去逼近。
PID 控制规律在计算机中的实现，也是用数值逼近的方法。当采样周期 T 足够短时，用求和代替积分，用差商代替微商，使 PID 算法离散化，即可作如下近似变换：
t ≈kt (k=0,1,2,…)
∑∑?===≈k
j k j t j e T jT e T dt t e 000)()()(
T
k e t e T T k e kT e t d t de )1()(])1[()()()(--=--≈ 式中 T ──采样周期。
将描述连续 PID 算法的微分方程，变为描述离散时间 PID 算法的差分方程，为书写方便，将 e(kT)
简化表示成 e(k),即为数字 PID 位置型控制算法，如式 (2-5)所示。
u(k)=K p e(t)+K i )]1()([)(0--+∑=k e k e K j e d
k
j 式中 k ──采样序号，k= 0,1,2,…；
u(k)──第 k 次采样时刻的计算机输出值；
e(k)──第 k 次采样时刻输入的偏差值；
e(k-1)──第 (k-1) 次采样时刻输入的偏差值；
K i ──积分系数，K i =i P T K ; K d ──微分系数，K d =T T K D P ;
由 (2-6) 式可得Δu(k)=u(k)-u(k-1) = K p Δe(k)+K i e(k)+K D [Δe(k)-Δe(k-1)]
式中Δe(k)=e(k)-e(k-1)，Δu(k)即为增量式 PID 控制算法，由第k 次采样计算得到的控制量输
出增量。可以看出，由于一般计算机控制系统采用恒定的采样周期 T ，一旦确定了 K p 、K i 、K d ，只要使用前3次的测量值偏差，即可求出控制量的增量。
模糊控制器的核心是控制规则库的建立, 考虑到系统的稳定性、响应速度、超调量和稳态精度储多方面, 必须研究PID 各调节参数Kp 、Ki 和Kd 对系统动、静态性能的影响。
(1)比例环节的作用是减少偏差. 比例系数Kp 增大可以加快响应速度,减小系统稳态误差, 提高控制精度. Kp 过大会产生较大超调, 导致系统不稳定; Kp 过小, 可减少系统的超调量, 使系统稳定裕度增大, 但会降低系统的调节精度, 使系统的过渡过程时间延长。
(2)积分环节用于消除系统静差,提高系统无差度,但会使系统响应速度变慢,使超调量变大,导致产生振荡. 加大积分系数Ki, 有利于减小系统静差,但过大会使超调量加剧, 甚至引起振荡; 减小Ki 有利于系统的稳定, 减小系统的超调量, 但可不利于消除静差。
(3)微分环节能反映系统偏差的变化趋势, 可在偏差信号值变得太大之前, 引入一个有效的早期修正信号, 有助于减小超调, 克服振荡, 使之快速趋于稳定, 提高响应速度. 其缺点是抗干扰能力差, 增大微分系数Kd 有利于加快系统响应, 但会带来扰动敏感, 抑制干扰能力减弱, 若Kd 过大则可能提前制动延长调节时间;反之,若Kd 过小,系统调节过程的减速就会滞后, 超调量增加,使系统响应速度变慢, 导致系统的稳定性变差。
2.模糊PID 控制[31]
常规PID 控制只能利用一组固定参数进行在线控制, 这些参数不能兼顾动态性能和静态性能、设计值和抑制扰动之间的协调。为此, 控制系统引入模糊控制,在常规PID 控制器初值的基础上通过对其参数进行在线修改, 以满足不同误差和误差变化率对控制参数的不同要求, 可使被控对象有良好的动、静态性能。模糊PID 控制结构是一类被广泛应用的PID 控制器, 该控制器一改传统PID 控制器固定参数Kp 、K i 、Kd 的控制策略,提出了可以跟踪误差信号等动态改变PID 控制器参数的方法,达到改善控制效果,扩大应用范围的目的。由模糊逻辑整定PID 控制器的表达式为：
由整定公式可以看出，下一步的控制器参数可以由当前控制器参数与模糊推理得出的控制器参数增量的加权和构成。这样, 可以按下式(2)计算控制量：
式(2)并不是PID 控制器积分项的全部, 正常应该乘以采样周期T, 这里为了简单起见, 将其含于变量K i(k) 中, 上式同样对Kd(k)进行了相应处理。由于计算
()0k i e i =∑较困难, 所以引入状态变量x ( k ) =()0
k i e i =∑,这样可以推导出状态方程为
这时, 式(2)中控制量可以改写为
:
复合模糊PID 控制器的典型结构如图7所示。
图7 复合模糊PID控制器的结构
3. 模糊PID控制锅炉汽包水位[36]
确定模糊控制器的结构也就是确定模糊控制器的输入变量和输出变量(即控制量), 基于对系统的分析, 采用偏差E和偏差变化率EC作为模糊控制器的输入, 模糊控制器输出为Kp、Ki、Kd。对偏差E、偏差变化率EC和Kp、Ki、Kd 分别定义了7个模糊子集, 相应的模糊集和论域定义如下:
E、EC、和Kp、Ki、Kd的模糊子集均为: {NB (负大)、NM (负中) 、NS (负小)、Z(零)、PS(正小)、PM(正中)、PB(正大)}；E、EC 和Kd 的论域均为: {-3,- 2,-1,0,1,2,3}；Kp的论域为:{-0.45,-0.3,-0.15,0,0.15,0.3,0.45}；Ki的论域:{-0.06,-0.04,- 0.02,0,0.02,0.04,0.06}。隶属度函数在模糊子集NB处选择Z型函数zmf在模糊子集PB处选择S型函数smf，其余均采用三角形对称的全交迭函数。基于if E and EC then (Kp)(Ki)(Kd)规则的模糊蕴含关系, 根据实际的操作经验, 得到模糊控制规则, 建立模糊控制规则表, 如表1、表2、表3 所示。
本文选用Matlab模糊逻辑工具箱设计模糊控制器[38] [40], 并进行模糊控制仿真。在Matlab中运行FUZZY命令, 打开模糊逻辑编辑窗口FIS Editor,建立双输入三输出的模糊系统,模糊推理选用Mamdani 推理方法, 去模糊化则选用重心法(centroid)。接着进入隶属度函数编辑器Membersh ip Function Editor 窗口, 选用三角形函数trimf Z型函数zmf和S型函数smf建立相应的E、EC、和Kp、Ki、Kd隶属度函数,然后在Rules Editor窗口中输入上述49条控制规则。建立好模糊推理系统后, 取名为“test”输出到工作区, 可供仿真时调用。
模糊切换方法设计：
用于完成模糊PID和线性常规PID 平稳切换的模糊推理规则为:
规则中: Uc为线性常规PID的控制输出; Ufz为模糊PID 的控制输出;SE和SΔE分别为模糊变量E和ΔE的模糊切换隶属函数。根据给出的模糊控制规则, 对k时刻的清晰输入量e(k) 和Δe(k) 按隶属函数进行模糊化, 采用代数积求出前提部分强度
则K时刻的模糊PID复合控制器的控制输出为：
仿真研究：为验证此控制方案的效果, 用Matlab进行仿真,在蒸汽流量扰动下,汽包水位调节对象的传递函数表示为:
其中, TD为蒸汽流量的时间常数, KD为蒸汽流量放大倍数,T1、T2为时间常数。本文中KD=2,时间常数
T1=40s, TD=1s, T2=10s。仿真研究时, 传统PID 控制的参数设置为: Kp = 4.5、Ki =0.1、Kd = 2.1; 模糊PID控制中的PID参数的初值同样设置为: Kp=4.5、Ki=0.1、Kd = 2.1; 量化因子ke = 0.6、kec=0.3、ku=0.4。输入信号设置为幅值为1的阶跃输入。汽包水位模糊自整定PID控制系统与常规PID控制系统的动态响应曲线如图8所示。
图7 三种控制器控制下阶跃变化的闭环响应
总结：介绍一种模糊PID复合控制方法在锅炉汽包水位控制中的应用, 在工作点附近则主要使用PID 线性控制, 同时, 为了保证两者的平稳过渡, 采用模糊推理完成模糊切换。从系统仿真曲线可以看出, 汽包水位模糊PID复合控制方式取得了比传统PID控制方式更好的控制效果, 其控制速度快、超调量小、
稳定性好。
参考文献
[1]孙增圻.智能控制理论与技术[M].北京:清华大学出版社,1997: 169-181.
[2]李士勇.模糊控制和智能控制理论与应用[M].哈尔滨:哈尔滨工业大学出版社，1990
[3]诸静等.模糊控制原理与应用[M].北京:机械工业出版社，1995.
[4]杨纶高仪.糊学原理及应用[M]，广州:华南理工大学出版社2003
[5]王国俊.模糊推理与模糊逻辑[J].系统工程学报，1998，13(2):1-16
[6]章卫国.模糊控制理论与应用[M].陕西:西北工业大学出版社，1999
[7]王立新.模糊系统与模糊控制教程[M].北京:清华大学出版社，2003
[8]王国俊.关于模糊推理的若干基本问题[J].工程数学学报，2000，:59一13
[9]王国俊.模糊推理的一个新方法[J].模糊系统与数学，1999，13(3):1一10
[10]何映思，邓辉文.模糊推理算法的还原性讨论[J].2005年模糊逻辑与智能计算联合学术会议论文集，2005
[11] 王立新. 模糊系统与模糊控制教程[M]. 北京: 清华大学出版社,2003.
[12]何映思，邓辉文.模糊推理方法综述[J].西南师范大学学报(增刊)，2005，6
[13] 刘向杰. 模糊控制在电厂锅炉控制中的应用现状及前景[J].电网技术,1998,22(11): 4-14.
[14] 王利. 基于FPGA的模糊逻辑控制的硬件实现[J].控制工程, 2004,11(1): 34-35.
[15]仪垂杰，韩敬礼.模糊解祸控制的研究与应用[J].自动化与仪表.19927(4):54一56
[16]张乃尧.神经网络与模糊控制[M]，北京:清华大学出版社1998
[17]李洪兴.模糊控制器与PID调节器的关系[J].中国科学(E辑)，1999，29(2):136-145
[18]Faouzi Bonslama,Akira Ichiltawa.Application of limit fuzzy controllers to stability analysis.Fuzzy Sets and Systems,1992,49: 103-220.
[19]权太范等. 模糊控制技术在过程控制中的应用现状及前景.控制与决策,1988,3(1）：59-62.
[20]张化光.复杂系统的模糊辨识与模糊自适应控制.沈阳: 东北大学出版社,1994.
[21]Lee C C. Fuzzy logic in control system：fuzzy logic controller, Part I,II[J]. IEEETrans. on Systems, Man, and Cybernetics,1990,20(2): 404-435.
[22]李友善,李军. 模糊控制理论及其在过程控制中的应用[M]. 北京：国防工业出版社, 1993.
[23]窦振中. 模糊逻辑控制技术及其应用[M]. 北京: 北京航空航天大学出版社,1995.
[24]He S Z. Design of an on-line rule-adaptive fuzzy control system [A]. IEEE Int. Conf. on Fuzzy Systems [C], San Diego,USA,1992,83-91.
[25]Raju G VS. Adaptive hierarchical fuzzy controller [J]. IEEE Trans. on Systems, Man, and Cybernetics,1993,23(4)：973-980.
[26]张持健，王元航，方明星.高精度模糊PID控制器及其在温度控制中的应用.自动化仪表.2002（7）：21-23.
[27]吴晓莉,林哲辉.MATLAB辅助模糊系统设计.西安电子科技大学出版社.2002.8：14-124.
[28]陈克明.模糊控制理论在时滞系统中的应用[硕士论文].武汉理工大学.2006.5.
[29]葛薇,朱张青.模糊自适应PID在锅炉汽包水位控制中的应用.自动化技术与应用.2008.6：22-24.
[30]陶永华.新型PID控制及其应用.北京:工业仪表与自动化装置.1998.1：57-62.
[31]李庆春,沈德耀.一种PID模糊控制器（fuzzy PI+fuzzy ID型）[J].控制与决策,2009,24(7):1038-1042.
[32]高俊.锅炉汽包水位模糊控制的应用研究[J].自动化仪表,2003,24(3):56-59.
[33]鄢波,丁维明, 魏海坤. 工业锅炉汽包水位模糊自适应PID控制系统[J].发电设备,2006,4: 276-279.
[34]栗海滨,时广礼.新型模糊PID复合控制器设计及应用[J].控制系统,2002,39-42.
[35]Y u Nanhua，Ma Wentong,Su Ming.Application of adaptiveGrey predictor based algorithm to boiler drum levelcontrol[J].Energy Conversion and Management,2006,47(18-19):2999-3007.
[36] 潘祥亮, 罗利文. 模糊PlD控制在工业锅炉控制系统中的应用[J].工业炉,2004,(3): 38-40.
[37] 刘革辉，单杰峰，郑楚光．Matlab软件中的Fuzzy Logic工具箱在模糊控制系统仿真中的应用．计算机仿真．2000，17（5）：69-72
[38] 侯北平．MATLAB下模糊控制器的设计与应用测控技术．2001.（10）
[39]闰伟勇.模糊神经网络在锅炉控制中的应用研究[D]，北京:华北电力大学2002
[40] 张国良. 模糊控制及其MATLAB应用[M].西安:西安交通大学出版社,2002.43-56.
Fuzzy Logic Based Autonomous Skid Steering Vehicle Navigation L.Doitsidis,K.P.Valavanis,N.C.Tsourveloudis Technical University of Crete Department of Production Engineering and Management Chania,Crete,Greece GR-73100 {Idoitsidis ,kimonv,nikost}@dpem.tuc.gr Abstract-A two-layer fuzzy logic controller has been designed for 2-D autonomous Navigation of a skid steering vehicle in an obstacle filled environment. The first layer of the Fuzzy controller provides a model for multiple sonar sensor input fusion and it is composed of four individual controllers, each calculating a collision possibility in front, back, left and right directions of movement. The second layer consists of the main controller that performs real-time collision avoidance while calculating the updated course to be applicability and implementation is demonstrated through experimental results and case studies performed o a real mobile robot. Keywords - Skid steering, mobile robots, fuzzy navigation. Ⅰ.INTRODUCTION The exist several proposed solutions to the problem of autonomous mobile robot navigation in 2-D uncertain environments that are based on fuzzy logic[1],[2],evolutionary algorithms [3],as well as methods combining fuzzy logic with genetic algorithms[4] and fuzzy logic with electrostatic potential fields[5]. The paper is the outgrowth of recently published results [9],[10],but it studies 2-D environments navigation and collision avoidance of a skid steering vehicle. Skid steering vehicles are compact, light, require few parts to assemble and exhibit agility from point turning to line driving using only the motions, components, and swept volume needed for straight line driving. Skid steering vehicle motion differs from explicit steering vehicle motion in the way the skid steering vehicle turns. The wheels rotation is limited around one axis and the back of steering wheel results in navigation determined by the speed change in either side of the skid steering vehicle. Same speed in either side results in a straight-line motion. Explicit steering vehicles turn differently since the wheels are moving around two axes. The geometric configuration of a skid steering vehicle in the X-Y plane is shown in Fig1，while a t is the heading angle, W is the robot width, θthe sense of rotation and S1, S2 are the speeds in the either side of the robot. The derived and implemented planner a two-layer fuzzy logic based controller that provides purely” reactive behavior” of the vehicle moving in a 2-D obstacle filled environment, with inputs readings from a ring of 24 sonar sensors and angle errors, and outputs the updated rotational and translational velocities of the vehicle. Ⅱ.DESIGN OF THE FUZZY LOGIC CONTROL SYSTEM
微型计算机控制技术学习心得 转眼间，一个学期又过去了。微机原理与控制技术课程已经结束了。通过从大三下学期的微机原理与接口技术到这学期的微机原理与控制技术的学习，回想起来受益匪浅，主要是加深了对计算机的一些硬件情况和运行原理的理解和汇编语言的编写，期间也听老师讲过，微机原理这门课程是比较偏硬件一点的。正是因为这一点我还是对它比较喜欢的，因为它和我的专业方向“机电工程”有很大的联系，在机电工程领域很多场合要应用到微机，而且是微机原理是考研复试面试时必考问的专业课，因为我要考研，本着一定要考上的心态，因此对该课程的学习还是有浓厚的兴趣和动力的。下面谈谈这期学习该课程的心得与体会：总体介绍下这门课程的轮廓吧（也就是教学大纲）： 一、课程性质与设置目的 （一）课程性质 微型计算机控制技术是高等院校计算机应用专业本科教学中的一门选修专业课，是从微型计算机原理到微型计算机控制，从理论到实际的必经桥梁，是着重解决和处理工程实际问题的一门课程。在该课程的教学过程中，将课堂教学与实验教学有机结合，注意培养同学分析问题、解决问题的方法和能力。 该课程主要介绍微型计算机应用在工业控制中的各种技术，重点讲述微型机用于实时控制中的软件、硬件设计方法，以及它们之间的结合问题。课程注重理论联系实际，从工程实际出发，在设计方法，即实验技术、操作运行、系统调试等方面对学生进行训练，为学生的毕业设计及将来的实际工作奠定基础。（二）教学目的 通过本课程的学习，可使我们对微型机在工业过程控制和智能化仪器方面的应用有个比较全面的了解，为以后的工作和毕业设计打下基础。 二、下面我对该门课程的教学内容做了一个详细的总结 1.第1章微型计算机控制系统概述 2.教学要点 1.微型计算机控制系统的组成 2.微型计算机控制系统的分类 3.微型计算机控制系统的发展 3.教学内容 通过对本章的学习，应当对微型计算机控制系统有一个完整的概念，具体掌握以下几方面的内容。 4. 1.了解微型计算机控制系统的组成。 2.学习并掌握微型计算机控制系统的分类 及各系统之间的区别。
1998年的IEEE 国际会议上机器人及自动化 Leuven ，比利时1998年5月 一种实用的办法--带拖车移动机器人的反馈控制 F. Lamiraux and J.P. Laumond 拉斯，法国国家科学研究中心 法国图卢兹 {florent ,jpl}@laas.fr 摘要 本文提出了一种有效的方法来控制带拖车移动机器人。轨迹跟踪和路径跟踪这两个问题已经得到解决。接下来的问题是解决迭代轨迹跟踪。并且把扰动考虑到路径跟踪内。移动机器人Hilare的实验结果说明了我们方法的有效性。 1引言 过去的8年，人们对非完整系统的运动控制做了大量的工作。布洛基[2]提出了关于这种系统的一项具有挑战性的任务，配置的稳定性，证明它不能由一个简单的连续状态反馈。作为替代办法随时间变化的反馈[10,4,11,13,14,15,18]或间断反馈[3]也随之被提出。从[5]移动机器人的运动控制的一项调查可以看到。另一方面，非完整系统的轨迹跟踪不符合布洛基的条件，从而使其这一个任务更为轻松。许多著作也已经给出了移动机器人的特殊情况的这一问题[6,7,8,12,16]。 所有这些控制律都是工作在相同的假设下：系统的演变是完全已知和没有扰动使得系统偏离其轨迹。很少有文章在处理移动机器人的控制时考虑到扰动的运动学方程。但是[1]提出了一种有关稳定汽车的配置，有效的矢量控制扰动领域，并且建立在迭代轨迹跟踪的基础上。 存在的障碍使得达到规定路径的任务变得更加困难，因此在执行任务的任何动作之前都需要有一个路径规划。 在本文中，我们在迭代轨迹跟踪的基础上提出了一个健全的方案，使得带拖车的
机器人按照规定路径行走。该轨迹计算由规划的议案所描述[17]，从而避免已经提交了输入的障碍物。在下面，我们将不会给出任何有关规划的发展，我们提及这个参考的细节。而且，我们认为，在某一特定轨迹的执行屈服于扰动。我们选择的这些扰动模型是非常简单，非常一般。它存在一些共同点[1]。 本文安排如下：第2节介绍我们的实验系统Hilare及其拖车：两个连接系统将被视为（图1）。第3节处理控制方案及分析的稳定性和鲁棒性。在第4节，我们介绍本实验结果。 图1带拖车的Hilare 2 系统描述 Hilare是一个有两个驱动轮的移动机器人。拖车是被挂在这个机器人上的，确定了两个不同的系统取决于连接设备：在系统A的拖车拴在机器人的车轮轴中心线上方（图1 ，顶端），而对系统B是栓在机器人的车轮轴中心线的后面（图1 ，底部)。A l= 0 。这个系统不过单从控制的角度来看，需要更对B来说是一种特殊情况，其中 r 多的复杂的计算。出于这个原因，我们分开处理挂接系统。两个马达能够控制机器人的线速度和角速度（v r，r ω)。除了这些速度之外，还由传感器测量，而机器人和拖车之间的角度?，由光学编码器给出。机器人的位置和方向（x r,y r,rθ）通过整合前的速度被计算。有了这些批注，控制系统B是：
模糊理论综述 引言 模糊理论（Fuzzy Logic)是在美国加州大学伯克利分校电气工程系的L.A.zadeh（扎德）教授于1965年创立的模糊集合理论的数学基础上发展起来的,主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容.L.A.Zadeh教授在1965年发表了著名的论文，文中首次提出表达事物模糊性的重要概念：隶属函数，从而突破了19世纪末康托尔的经典集合理论,奠定模糊理论的基础。1974年英国的E.H.Mamdani成功地将模糊控制应用于锅炉和蒸汽机的控制，标志着模糊控制技术的诞生。随之几十年的发展，至今为止模糊理论已经非常成熟，主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容。 模糊理论是以模糊集合为基础，其基本精神是接受模糊性现象存在的事实，而以处理概念模糊不确定的事物为其研究目标，并积极的将其严密的量化成计算机可以处理的讯息，不主张用繁杂的数学分析即模型来解决问题。 二、模糊理论的一般原理 由于客观世界广泛存在的非定量化的特点，如拔地而起的大树，人们可以估计它很重，但无法测准它实际重量。又如一群人，男性女性是可明确划分的，但是谁是“老年人”谁又算“中年人”；谁个子高，谁不高都只能凭一时印象去论说，而实际人们对这些事物本身的判断是带有模糊性的，也就是非定量化特征。因此事物的模糊性往往是人类推理，认识客观世界时存在的现象。虽然利用数学手段甚至精确到小数点后几位，实际仍然是近似的。特别是对某一个即将运行的系统进行分析，设计时，系统越复杂，它的精确化能力越难以提高。当复杂性和精确化需求达到一定阈值时，这二者必将出现不相容性，这就是著名的“系统不相容原理”。由于系统影响因素众多，甚至某些因素限于人们认识方法，水准，角度不同而认识不足，原希望繁荣兴旺，最后导致失败，这些都是客观存在的。这些事物的现象，正反映了我们认识它们时存在模糊性。所以一味追求精确，倒可能是模糊的，而适当模糊以达到一定的精确倒是科学的，这就是模糊理论的一般原理。 三、模糊理论的分支 它可分类为模糊数学、模糊系统，模糊信息，模糊决策，模糊逻辑与人工智能这五个分支，它们并不是完全独立的，它们之间有紧密的联系。例如，模糊控制就会用到模糊数学和模糊逻辑中的概念。从实际应用的观点来看，模糊理论的应用大部分集中在模糊系统上，尤其集中在模糊控制上。也有一些模糊专家系统应用于医疗诊断和决策支持。 模糊逻辑：模糊逻辑指模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性，大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定型知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验。它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决因“排中律”的逻辑破缺产生的种种不确定问题。模糊逻辑是处理部分真实概念的布尔逻辑扩展。经典逻辑坚持所有事物（陈述）都可以用二元项（0或1，黑或白，是或否）来表达，而模糊逻辑用真实度替代了布尔真值。这些陈述表示实际上接近于日常人们的问题和语意陈述，因为“真实”和结果在多数时候是部分（非二元）的和/或不精确的（不准确的，不清晰的，模糊的）。真实度经常混淆于概率，但是它们在概念上是不一样的；模糊真值表示在模糊定义的集合中的成员归属关系，而不是某事件或条件的可能度（likelihood）。要展示这种区别，考虑下列情节: Bob在有两个毗邻的屋子的房子中:厨房和餐厅。在很多情况下，Bob的状态是在事物“在厨房中”的集合内是完全明确的:他要么“在厨房中”要么“不在厨房中”。但
模糊控制理论 概述 模糊逻辑广泛适用于机械控制。这个词本身激发一个一定的怀疑,试探相当于“仓促的逻辑”或“虚假的逻辑”,但“模糊”不是指一个部分缺乏严格性的方法,而这样的事实,即逻辑涉及能处理的概念,不能被表达为“对”或“否”,而是因为“部分真实”。虽然遗传算法和神经网络可以执行一样模糊逻辑在很多情况下,模糊逻辑的优点是解决这个问题的方法,能够被铸造方面接线员能了解,以便他们的经验,可用于设计的控制器。这让它更容易完成机械化已成功由人执行。 历史以及应用 模糊逻辑首先被提出是有Lotfi在加州大学伯克利分校在1965年的一篇论文。他阐述了他的观点在1973年的一篇论文的概念,介绍了语言变量”,在这篇文章中相当于一个变量定义为一个模糊集合。其他研究打乱了,第二次工业应用中,水泥窑建在丹麦,即将到来的在线1975。 模糊系统在很大程度上在美国被忽略了,因为他们更多关注的是人工智能，一个被过分吹嘘的领域，尤其是在1980年中期年代,导致在诚信缺失的商业领域。 然而日本人对这个却没有偏见和忽略，模糊系统引发日立的Seiji Yasunobu和Soji Yasunobu Miyamoto的兴趣。,他于1985年的模拟,证明了模糊控制系统对仙台铁路的控制的优越性。他们的想法是被接受了,并将模糊系统用来控制加速、制动、和停车，当线于1987年开业。 1987年另一项促进模糊系统的兴趣。在一个国际会议在东京的模糊研究那一年,Yamakawa论证<使用模糊控制,通过一系列简单的专用模糊逻辑芯片,在一个“倒立摆“实验。这是一个经典的控制问题,在这一过程中,车辆努力保持杆安装在顶部用铰链正直来回移动。 这次展示给观察者家们留下了深刻的印象,以及后来的实验,他登上一Yamakawa酒杯包含水或甚至一只活老鼠的顶部的钟摆。该系统在两种情况下,保持稳定。Yamakawa最终继续组织自己的fuzzy-systems研究实验室帮助利用自己的专利在田地里的时候。
译文 流体传动及控制技术已经成为工业自动化的重要技术，是机电一体化技术的核心组成之一。而电液比例控制是该门技术中最具生命力的一个分支。比例元件对介质清洁度要求不高，价廉，所提供的静、动态响应能够满足大部分工业领域的使用要求，在某些方面已经毫不逊色于伺服阀。比例控制技术具有广阔的工业应用前景。但目前在实际工程应用中使用电液比例阀构建闭环控制系统的还不多，其设计理论不够完善，有待进一步的探索，因此，对这种比例闭环控制系统的研究有重要的理论价值和实践意义。本论文以铜电解自动生产线中的主要设备——铣耳机作为研究对象，在分析铣耳机组各构成部件的基础上，首先重点分析了铣耳机的关键零件——铣刀的几何参数、结构及切削性能，并进行了实验。用电液比例方向节流阀、减压阀、直流直线测速传感器等元件设计了电液比例闭环速度控制系统，对铣耳机纵向进给装置的速度进行控制。论文对多个液压阀的复合作用作了理论上的深入分析，着重建立了带压差补偿型的电液比例闭环速度控制系统的数学模型，利用计算机工程软件，研究分析了系统及各个组成环节的静、动态性能，设计了合理的校正器，使设计系统性能更好地满足实际生产需要 水池拖车是做船舶性能试验的基本设备,其作用是拖曳船模或其他模型在试验水池中作匀速运动,以测量速度稳定后的船舶性能相关参数,达到预报和验证船型设计优劣的目的。由于拖车稳速精度直接影响到模型运动速度和试验结果的精度,因而必须配有高精度和抗扰性能良好的车速控制系统,以保证拖车运动的稳速精度。本文完成了对试验水池拖车全数字直流调速控制系统的设计和实现。本文对试验水池拖车工作原理进行了详细的介绍和分析,结合该控制系统性能指标要求,确定采用四台直流电机作为四台车轮的驱动电机。设计了电流环、转速环双闭环的直流调速控制方案,并且采用转矩主从控制模式有效的解决了拖车上四台直流驱动电机理论上的速度同步和负载平衡等问题。由于拖车要经常在轨道上做反复运动,拖动系统必须要采用可逆调速系统,论文中重点研究了逻辑无环流可逆调速系统。大型直流电机调速系统一般采用晶闸管整流技术来实现,本文给出了晶闸管整流装置和直流电机的数学模型,根据此模型分别完成了电流坏和转速环的设计和分析验证。针对该系统中的非线性、时变性和外界扰动等因素,本文将模糊控制和PI控制相结合,设计了模糊自整定PI控制器,并给出了模糊控制的查询表。本文在系统基本构成及工程实现中,介绍了西门子公司生产的SIMOREGDC Master 6RA70全数字直流调速装置,并设计了该调速装置的启动操作步骤及参数设置。完成了该系统的远程监控功能设计,大大方便和简化了对试验水池拖车的控制。对全数字直流调速控制系统进行了EMC设计,提高了系统的抗干扰能力。本文最后通过数字仿真得到了该系统在常规PI控制器和模糊自整定PI控制器下的控制效果,并给出了系统在现场调试运行时的试验结果波形。经过一段时间的试运行工作证明该系统工作良好,达到了预期的设计目的。 提升装置在工业中应用极为普遍,其动力机构多采用电液比例阀或电液伺服阀控制液压马达或液压缸,以阀控马达或阀控缸来实现上升、下降以及速度控制。电液比例控制和电液伺服控制投资成本较高,维护要求高,且提升过程中存在速度误差及抖动现象,影响了正常生产。为满足生产要求,提高生产效率,需要研究一种新的控制方法来解决这些不足。随着科学技术的飞速发展,计算机技术在液压领域中的应用促进了电液数字控制技术的产生和发展,也使液压元件的数字化成为液压技术发展的必然趋势。本文以铅电解残阳极洗涤生产线中的提升装置为研究
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,
基于模糊控制的matlab simulink仿真 摘要：为提高工业上所需温度的控制精度，在本文中详细介绍如何设计模糊控制器，以及如何在在MA TLAB中建立模型，并使用模糊工具箱和SIMULINK在Matlab中实现参数的计算机模拟控制系统。在该系统中，通过采用模糊控制算法对温度实现了很好的控制，并且该系统正处于实际工业电阻炉温度控制的应用和试行阶段，也达到了满意的控制效果。实践表明，模糊控制方法提高了控制的实时性，稳定性和精确度，并且实现了操作过程的简化，对于工程实际应用具有较强的借鉴意义。 关键词：模糊控制，SIMULINK，MATLAB，仿真 1介绍系统 MATLAB / Simulink是一种世界通用的科学计算和仿真的语言, Simulink则是一个以系统级仿真环境为基础的系统框图和程序框图,这个环境提供了很多的专业模块库:如CDMA参考仿真、数字信号处理器(DSP)模块库等。它是一个动态的系统建模,仿真和仿真结果具有以下特点: (1)调用代理模块框图是连接到系统的工程,使建模和仿真系统的框图,更全面，研究信息系统具有高的开放性。 (2)使用户可以自由修改模块的参数,并可以无限的使用所有的MATLAB分析工具，因此MATLAB具有高互动性。 (3)仿真结果可以几乎跟在实验室里显示的图形或数据是一样的。 模糊逻辑控制、自动化的发展和它们未来的发展策略,是一种智能控制系统，已经受到了极大的关注。它使用语言规则和模糊集进行模糊推理。为了解决复杂的系统,包括非线性、不确定性和精确的数学模型难以建立的问题,就可以采用模糊控制技术,目前，此技术被广泛使用。温度控制通常采用传统的PID控制算法，但是控制效果较不明显的。当情况的变化时将改变系统参数,PID参数也需要及时调整,否则会产生更糟糕的动态特性,使控制精度下降。当温度偏差太大时,容易导致积分饱和的现象,导致控制时间太久和其他的问题。在同一时间,模糊工具箱和SIMULINK在用MATLAB来实现参数控制系统的计算机仿真技术,能提高效率和系统设计的精度。 整个系统以AT89S51单片机为核心、以温度数据采集电路,过零检测和触发电路、键盘和显示电路、记忆电路(CF卡)、声光报警电路、复位电路等组成硬件部分，还有相应的控制软件等构成了完整电阻炉温度控制系统，其系统框图如图1-1所示。
模糊控制研究及发展现状综述
模糊控制研究及发展现状综述 摘要：模糊控制是智能控制的重要组成部分。本文主要介绍了模糊控制理论的研究及发展的现状等 ,详细介绍了模糊控制理论的原理、模糊控制的数学基础, 其发展现状中介绍了模糊 PID 控制、自适应模糊控制、神经模糊控制、遗传算法优化的模糊控制、专家模糊控制等 , 还介绍了一些模糊控制的软硬件产品, 对模糊控制系统的稳定性作了简单介绍, 最后对模糊控制的发展作了展望。 关键词：模糊控制；模糊控制器
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。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。 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、家用电器自动化领域和其他很多行业中解决了传统控制方法无法或者是难以解决的问题, 取得了令人瞩目的成效, 引起了越来越多的控制理论的研究人员和相关领域的广大工程技术人员的极大兴趣。 一：模糊控制简介 模糊控制是以模糊集合论、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 C RI 等各类模糊推理方法,可以得到适合控制要求的控制量, 可以说模糊控制是一种语言变量的控制. 模糊控制具有以下特点:
常规PID和模糊PID算法的分析比较 摘要：模糊PID控制器实际上跟传统的PID控制器有很大联系。区别在于传统的控制器的控制前提必须是熟悉控制对象的模型结构，而模糊控制器因为它的非线性特性，所以控制性能优于传统PID控制器。对于时变系统，如果能够很好地采用模糊控制器进行调节，其控制结果的稳定性和活力性都会有改善。但是，如果调节效果不好，执行器会因为周期振荡影响使用寿命，特别是调节器是阀门的场合，就必须考虑这个问题。为了解决这个问题，出现了很多模糊控制的分析方法。本文提出的方法采用一个固定的初始域，这样相当程度上简化了模糊控制的设定问题以及实现。文中分析了振荡的原因并分析如何抑制这种振荡的各种方法，最后，还给出一种方案，通过减少隶属函数的数量以及改善解模糊化的方法缩短控制信号计算时间，有效的改善了控制的实时性。 1 引言 模糊控制器的一个主要缺陷就是调整的参数太多。特别是参数设定的时候，因为没有相关的书参考，所以它的给定非常困难。众所周知，优化方法的收敛性跟它的初始化设定有很大关联，如果模糊控制器的初始域是固定的，那么它的控制就明显的简化了。而且我们要控制的参数大多有其实际的物理意义，所以模糊控制器完全可以利用PID算法的控制规律进行近似的调整。也就是说最简单的模糊PID控制器就是同时采用几种基本模糊控制算法（P+I+D或者PI+D），控制过程中它会根据控制要求，做出适当的选择，保证在处理跟踪以抗阶跃干扰问题上，其控制性能接近于任何一种PID控制。假设模糊集的初始域是对称的，两个调节器的参数采用Ziegler-Nichols方法。 为了改善上述设计的模糊控制器，我们有必要考模糊控制器的参数问题，有两种方法可以采纳，一种采用手动的方法改变，另一种就是采用一些相关的优化算法。其中遗传算法就是一种。控制器采用的参数不同，其收敛的优化值也会不一样。这些参数包括模糊集的分布，模糊集的个数，映射规则，基本模糊控制器的参数和不同的算法组合等。要注意的是在优化前必须选定模糊推理及解模糊的方法。很明显，优化过程很耗时，更有甚者，有些优化方法要已知系统的精确模型，但是实际过程中难以得到系统的精确模型，所以在大多数情况下，这些优化算法不能直接应用在实际过程。也就是说模型不精确直接影响优化成败。模糊控制的主要思想就是针对那些传递函数未知的或者结构难以辨识的系统进行控制，这也是模糊控制的性能为什么优于传统方法的原因。同时，把模糊控制和传统的PID控制算法结合起来，更能体现这种算法的优点，因为它大大简化实际过程的调整。 图1 隶属函数图图2映射规则图参数集的启发式优化法也适用于模糊PI控制器，它采用固定的定义域，其参数的选取和
1.控制系统对检测变送的基本要求是准确、迅速和可靠 2.从理论上讲，干扰通道存在纯滞后不影响系统的控制质量。 3.离心泵的控制方案有直流节流法、改变泵的转速n 改变旁路回流量。效 率最差的是改变旁路回流量。 4.随着控制通道的增益K o的增加，控制作用___增强_______，克服干扰能力 增大,最大偏差减小系统的余差减小 5.控制器的选择包括结构材质的选择、口径的选择、流量特性的选择和 正反作用的选择。 6.防积分饱和的措施有对控制器的输出限幅、限制控制器积分部分的输出 和积分切除法。 7.如果对象扰动通道增益K f增加，扰动作用__增强__,系统的余差__增大__,最 大偏差_增大___。 8.简单控制系统的组成，各部位的作用是什么？ 解答： 简单控制系统由检测变送装置、控制器、执行器及被控对象组成。 检测变送装置的作用是检测被控变量的数值并将其转换为一种特定输出信号。 控制器的作用是接受检测装置送来的信号，与给定值相比较得出偏差，并按某种运算规律算出结果送往执行器。 执行器能自动地根据控制器送来的控制信号来改变操纵变量的数值，以达到控制被控变量的目的。 被控对象是指需要控制其工艺参数的生产设备或装置 9.气动执行器由__调节__机构和执行机构两部分组成，常用的辅助装置有 __阀门__定位器和手轮机构。 10.调节系统中调节器正反作用的确定依据是保证控制系统成为负反馈。 11.被控变量是指工艺要求以一定的精度保持__恒定 _或随某一参数的变化而 变化的参数。 12.反应对象特性的参数有放大倍数、时间常数、和纯滞后时间。 13.自动调节系统常用参数整定方法有哪些？常用的参数整定方法有!经验法*衰 减曲线法*临界比例度法*反应曲线法) 动态特性参数法，稳定边界法，衰减曲线法，经验法。 14.检测变送环节对控制系统的影响主要集中在检测元件的滞后和信号传递 的滞后问题上。 15.什么是对象数学模型，获取模型的方法有哪些？ 答：对对象特性的数学描述就叫数学模型。 机理建模和实验建模混合建模 16.简述被控量与操纵量的选择原则。. 答：一、(1) 被控量的选择原则: ①必须尽可能选择表征生产过程的质量指标作为被控变量; ②当没有合适的质量指标时,应选择与质量指标由单质对应关系的间接指标作为被控量; ③间接指标必须有足够的灵敏度;
LED点阵显示屏中英文对照外文翻译文献(文档含英文原文和中文翻译)
译文： 基于AT89C52单片机的LED显示屏控制系统的设计 摘要这篇文章介绍了基于AT89C52单片机的LED点阵显示屏的软件和硬件开发过程。使用一个简单的外部电路来控制像素是32×192的显示屏。用动态扫描，显示屏可以显示6个32×32的点阵汉字。显示屏也可以分为两个小的显示屏，它可以显示24个像素是16×16的汉字。可以通过修改代码来改变显示的内容和字符的滚动功能，而且可以根据需要调整字符的滚速或者暂停滚动。中文字符代码存储在外部存储寄存器中，内存的大小由需要显示的汉字个数决定。这种显示屏具有体积小，硬件和电路结构简单的优点。 关键词发光二极管汉字显示AT89C52单片机 1.导言 随着LED显示屏不断改善和美化人们的生活环境，LED显示屏已经成为城市明亮化，现代化、信息化的一项重要标志。在大的购物商场，火车站，码头，地铁，大量的管理窗口等，我们经常可以看到LED灯光。LED商业已成为一个快速增长的新产业，拥有巨大的市场空间和光明前景。文章，图片，动画和视频通过LED发光显示，并且内容可以变换。一些显示设备的模块化结构，通常有显示模块，控制系统和电源系统。显示模块是由LED管组成的点阵结构，进行发光显示，可以显示文章，图片，视频等。控制系统可以控制区域里LED的亮灭，电源系统为显示屏提供电压和电流。用电脑，取出字符字节，传送到微控制器，然后送到LED点阵显示屏上进行显示，很多室内和室外显示屏都是通过这个方法进行显示的。按显示的内容区分，LED点阵屏的显示可分为图形显示、图片显示和视频显示三个部分。与图片显示屏比较，不管是单色或者彩色的图形显示屏，都没有灰色色差，所以，图形显示不能反映丰富的色彩。视频显示屏不但可以显示运动、清楚和全彩的图像，也可以显示电视和计算机信号。虽然三者
基于模糊控制的速度控制 ——地面智能移动车辆速度控制系统问题描述 利用模糊控制的方法解决速度跟踪问题，即已知期望速度(desire speed)，控制油门(throttle output)和刹车(brake output)来跟踪该速度。已知输入：车速和发动机转速（值可观测）。欲控制刹车和油门电压（同一时刻只有一个量起作用）。 算法思想 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。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，具有较佳的适应性及强健性(Robustness)、较佳的容错性(Fault Tolerance)。利用控制法则来描述系统变量间的关系。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。 Figure 1模糊控制器的结构图 模糊控制的优点： (1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。 (2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。 (3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 (4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。 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。 模糊控制的缺点
已知系统的传递函数为：1/(10s+1)*e(-0.5s)。假设系统给定为阶跃值r=30，系统初始值r0=0.试分别设计 (1)常规的PID控制器； (2)常规的模糊控制器； (3)比较两种控制器的效果； (4)当通过改变模糊控制器的比例因子时，系统响应有什么变化？ 一．基于simulink的PID控制器的仿真及其调试： 调节后的Kp，Ki，Kd分别为：10 ，1，0.05。 示波器观察到的波形为： 二．基于simulink的模糊控制器的仿真及其调试： （1）启动matlab后，在主窗口中键入fuzzy回车，屏幕上就会显现出如下图所示的“FIS Editor”界面，即模糊推理系统编辑器。
（2）双击输入量或输出量模框中的任何一个，都会弹出隶属函数编辑器，简称MF编辑器。
（3）在FIS Editor界面顺序单击菜单Editor—Rules出现模糊规则编辑器。 本次设计采用双输入（偏差E和偏差变化量EC）单输出（U）模糊控制器，E的论域是[-6,6]，EC的论域是[-6,6]，U的论域是[-6,6]。它们的状态分别是负大（NB）、负中（NM）、负小（NS）、零（ZO）、正小（PS）、正中（PM）、正大（PB）。语言值的隶属函数选择三角形的隶属度函数。推理规则选用Mamdani 控制规则。 该控制器的控制规则表如图所示：
Simulink仿真图如下： 在调试过程中发现加入积分调节器有助于消除静差，通过试凑法得出量化因子，比例因子以及积分常数。Ke，Kec，Ku，Ki分别是： 3 ，2.5 ，3.5 ，0.27
三．实验心得： 通过比较PID控制器和模糊控制器，我们可知两个系统观察到的波形并没有太大的区别。相对而言，对于给出精确数学模型的控制对象，PID控制器显得更具有优势，其一是操作简单，其二是调节三个参数可以达到满意的效果；对于给出给出精确数学模型的控制对象，模糊控制器并没有展现出太大的优势，其一是操作繁琐，其二是模糊控制器调节参数的难度并不亚于PID控制器。 在实验中增大模糊控制器的比例因子Ku会加快系统的响应速度，但Ku过大将会导致系统输出上升速率过快，从而使系统产生较大的超调量乃至发生振荡；Ku过小，系统输出上升速率变小，将导致系统稳态精度变差。
CONTROL, PID CONTROL, AND ADVANCED FUZZY CONTROL FOR SIMULATING A NUCLEAR REACTOR OPERATION XIAOZHONG LI and DA RUAN* elgian Nuclear Research Centre (SCKoCEN Boeretang 200, 8-2400 Mol, Belgium (Received 15 March 1999) Based on the background of fuzzy control applications to the first nuclear reactor in Belgium (BRI) at the Belgian Nuclear Research Centre (SCK.CEN), we have made a real fuzzy logic control demo model. The demo model is suitable for us to test and com- pare some new algorithms of fuzzy control and intelligent systems, which is advantageous because it is always difficult and time-consuming, due to safety aspects, to do all experiments in a real nuclear environment. In this paper, we first report briefly on the construction of the demo model, and then introduce the results of a fuzzy control, a proportional-integral-derivative (PID) control and an advanced fuzzy control, in which the advanced fuzzy control is a fuzzy control with an adaptive function that can Self-regulate the fuzzy control rules. Afterwards, we present a comparative study of those three methods. The results have shown that fuzzy control has more advantages in terms of flexibility, robustness, and easily updated facilities with respect to the PID control of the demo model, but that PID control has much higher regulation resolution due to its integration term. The adaptive fuzzy control can dynamically adjust the rule base, therefore it is more robust and suitable to those very uncertain occasions. Keywords: Fuzzy control; PID control; fuzzy adaptive control; nuclear reactor I INTRODUCTION Today the techniques of fuzzy logic control are very mature in most engineering areas, but not in nuclear engineering, though some research has been done (Bernard, 1988; Hah and Lee, 1994; Lin et al. 1997; Matsuoka, 1990). The main reason is that it is impossible to do experiments in nuclear engineering as easily as in other industrial areas. For example, a reactor is usually not available to any individual. Even for specialists in nuclear engineering, an official licence for doing any on-line test is necessary. That is why we are still