当前位置：文档之家 › 模糊控制系统

模糊控制系统

  • 格式：pdf
  • 大小：423.28 KB
  • 文档页数：27

下载文档原格式

  / 27

合集下载

模糊控制系统

模糊控制系统

5.测量装置
它是将被控对象的各种非电量，如流量、温度、压力、速度、浓度等转换为电 信号的一类装置。通常由各类数字的或模拟的测量仪器、检测元件或传感器等组成。 它在模糊控制系统中占有十分重要的地位，其精度往往直接影响整个系统的性能指 标，因此要求其精度高、可靠且稳定性好。
3.2 模糊控制系统的基本原理⑴
若该工作机构的负载扰动有很大随机性，为了保持直流电动机转速为 1000r／min，根据人工操作经验，控制规则用条件语言来表示如下： 如果电动机转速nd低于1000r／min，那么应该升高电压ud，若nd低得越 多，则ud升得越高； 如果电动机转速nd高于1000r／min，那么应该降低电压ud，若nd高得越 多，则ud降得越低； 如果电动机转速nd等于1000r／min，则保持电压ud不变。
3.1 模糊控制系统的组成⑴
模糊控制系统通常由模糊控制器、输入／输出接口、执行机构、 被控对象和测量装置等五个部分组成。
1.被控对象 它可以是一种设备或装置以及它们的群体，也可以是一个生产 的、自然的、社会的、生物的或其他各种的状态转移过程。这些被 控对象可以是确定的或模糊的、单变量或多变量的、有滞后或无滞 后的，也可以是线性的或非线性的、定常的或时变的，以及具有强 耦合和干扰等多种情况。对于那些难以建立精确数学模型的复杂对 象，更适宜采用模糊控制。 2.执行机构 除了电气的以外，如各类交、直流电动机， 伺服电动机，步进电动机等，还有气动的和液压 的，如各类气动调节阀和液压马达、液压阀等。
智能控制技术⑵
题记
在这个世界上，有许多高深的理论其实就 发源于我们司空见惯的日常生活里。
任何理论，如果不用于解决实际问题，这 种理论再好也是没有实际意义的。

第3章：模糊控制系统

模糊控制系统课件

模糊控制系统课件
4.1 模糊控制器的基本结构及主要类型 4.1.1 模糊控制器的基本结构
（1）模糊化接口（Fuzzification）
所谓模糊化，就是通过传感器把被控对象的相关物理量 →电量，若传感器的输出量是连续的模拟量 A / D 数字量作 为计算机的输入测量值→标准化处理（即把其变化范围映射 到相应内部论域中，然后将内部论域中该输入数据转换成相 应语言变量的概念，并构成模糊集合）。
量化因子：K e
2n1 eH eL
， Kec
2n2 eH eL
，
比例因子：
Ku
uH uL 2m
注：误差和误差变化这两个变量的连续值与其论域中的离散值
并不是一一对应的。
（2）模糊推理机（Inference engine） 模糊推理机由知识库（数据库和规则库）与模糊
推理决策逻辑构成。这是基本部分。 ①知识库（Knowledge base）=数据库（Date base） +语言控制规则库（Rule base）
缺点：不同被控对象，控制规则不变，控制效果不好。
图4.3 简单模糊控制器的结构
⑵模糊自调整控制器----二维模糊控制器中加入修正因子
（规则自调整模糊控制器）
u e 1 e
低阶控制系统： >0.5 高阶控制系统： <0.5
当误差较大时，控制系统的主要任务是消除误差，加快响 应速度，这时对误差的加权应该大些；
的概念？ 3、常用的模糊控制器有哪些？ 4、二维FC的工作原理？优缺点？ 5、FC设计的两种实现方式及其特点？ 6、设计模糊控制器的步骤？
4.2模糊控制器的结构设计
4.2.1模糊控制器的结构设计 实质：模糊控制器输入语言变量及输出语言变量的选取和模糊控制器的不同

第三章(2) 模糊控制系统的设计

第三章(2) 模糊控制系统的设计

假设中等小费是15%，高是25%，小费低是5%。 小费函数大致形状如下。明显地，曲线形状受 当地传统、文化喜好影响，但三条规则通用。
0.25
0.15
0.05
服务差或食品差 服务好或食品好
3.3 模糊控制器的设计举例 31
μ μ A(e) μ B(e)
0
e
3.2模糊控制系统的设计 12
二、模糊控制器的设计原则 b). α 较小，控制灵敏度高； α 较大，鲁棒性好； 一般取α = 0.5。
μ μ A(e) μ B(e) μ μ A(e) μ B(e)
0
e
0
e
3.2模糊控制系统的设计
13
二、模糊控制器的设计原则 3、设计规则库 规则数： N=nout*(nin(nlevel-1)+1)。 4、设计模糊推理 可由软、硬件实现。
20
3.3 模糊控制器的设计举例
3.3 模糊控制器的设计举例 4、模糊控制规则的确定 为使系统输出的动态特性最佳，根据操作经验而 总结的一条条模糊条件语句。
3
4 5 2 1
Td
0
t
3.3 模糊控制器的设计举例
21
3.3 模糊控制器的设计举例 （1）误差e = T – Td 为负大时，全功率加热。
5、精确化方法 一定要选取有代表性的值。
3.2模糊控制系统的设计
14
3.3 模糊控制器的设计举例 以加热炉温度控制系统为例： 由于模糊关系矩阵是一个高阶矩阵，多次合成计 算使输出使系统实时性变差，在实际应用中通 常采用查表法。
DE
Td
_
e
Δ
KΔe Ke E
模糊 控制表
U
Ku
u
被控对象

控制系统中的模糊控制与神经网络控制比较

控制系统中的模糊控制与神经网络控制比较

控制系统中的模糊控制与神经网络控制比较在现代控制系统中，模糊控制和神经网络控制是两种常见的控制方法。

它们都具有一定的优势和特点，但是又各自存在一些局限性。

本文将就这两种控制方法进行比较，旨在帮助读者更好地理解和选择适合自己需求的控制方法。

一、模糊控制模糊控制是一种基于模糊逻辑的控制方法，它将人的直观经验与控制系统的数学模型相结合，用来应对系统模型不确定或难以建模的情况。

模糊控制系统由模糊化、模糊推理和解模糊化三个主要部分组成。

1、模糊控制的优势（1）适应不确定性：模糊控制可以很好地应对系统参数变化、环境变化等不确定性因素，因为它不需要准确的数学模型。

（2）处理非线性系统：对于非线性系统，模糊控制可以通过模糊化和模糊推理来逼近系统的动态特性，因此具备较好的适应性。

（3）易于理解和调试：模糊规则基于经验知识，形式简单易懂，参数调节相对容易，操作员或工程师可以理解和调试模糊控制系统。

2、模糊控制的局限性（1）计算复杂性：模糊控制系统需要进行模糊化、模糊推理和解模糊化等操作，这些操作可能导致计算量大、实时性差，不适合对响应时间要求较高的控制系统。

（2）难以优化：模糊控制的参数调节通常是基于试错法，缺乏理论指导，难以进行精确优化，因此对于某些需要高精度控制的系统效果并不理想。

二、神经网络控制神经网络控制是一种利用人工神经网络模拟生物神经网络的结构和功能来实现控制的方法。

神经网络控制系统由输入层、隐含层和输出层构成，通过训练神经网络来实现控制效果。

1、神经网络控制的优势（1）适应性强：神经网络具有强大的自适应性能，能够适应未知系统或具有时变性质的系统，从而在控制过程中实现自学习和自适应。

（2）映射能力强：神经网络可以将非线性映射问题转化为线性可分问题进行处理，从而更好地逼近系统的非线性特性。

（3）具备优化能力：可以通过合理的网络结构和训练算法，实现对网络参数的优化，从而提高控制系统的性能。

2、神经网络控制的局限性（1）训练需耗时：神经网络控制需要通过大量的数据训练神经网络，这可能需要耗费较长的时间，并且对数据质量和标定要求较高。

模糊控制系统简介

模糊控制系统简介

模糊理论在模糊控制中的应用——模糊控制系统摘要：模糊控制技术对工业自动化的进程有着极大地推动作用。

本文简要的讲述了模糊控制理论的起源及基本原理，详细分析了模糊控制器的设计方法，最后就典型的模糊控制系统原理和新型模糊控制系统应用进行了分析正文：一：模糊理论1.1模糊理论概念：模糊理论（Fuzzy Theory）是指用到了模糊集合的基本概念或连续隶属度函数的理论。

它可分类为模糊数学，模糊系统，不确定性和信息，模糊决策这五个分支，它并不是完全独立的，它们之间有紧密的联系。

1.2模糊理论产生：1965年，模糊理论创始人，美国加州福尼亚大学伯克利分校的自动控制理论专家L.A.Zadeh教授发表了题为“Fuzzy Set”的论文，这标志着模糊理论的诞生。

这一理论为描述和处理事务的模糊性和系统中的不确定性，以及模拟人所特有的模糊逻辑思维功能，从定性到定量，提供了真正强有力的工具。

1966年，马里诺斯发表了模糊逻辑的研究报告，而Zadeh进一步提出了著名的模糊语言值逻辑，并于1974年进行了模糊逻辑推理的研究。

由于这一研究和观点反映了客观世界中普遍存在的事务，它一出现便显示出强大的生命力和广阔的发展前途，在自然科学，其他科学领域及工业中得到了迅速的广泛的应用。

二：模糊控制理论2.1模糊控制理论的产生：在控制技术的应用过程中，对于多变量、非线性、多因素影响的生产过程，即使不知道该过程的数学模型，有经验的操作人员也能够根据长期的实践观察和操作经验进行有效地控制，而采用传统的自动控制方法效果并不理想。

从这一点引申开来，是否可将人的操作经验总结为若干条控制规则以避开复杂的模型建造过程？模糊控制理论与技术由此应运而生。

20世纪70年代模糊理论应用于控制领域的研究开始盛行，并取得成效。

其代表是英国伦敦大学玛丽皇后分校的E.H.Mamdani教授将IF-THEN型模糊规则用于模糊推理，并把这种规则型模糊推理用于蒸汽机的自动运转中。

第三章、模糊控制系统

第三章、模糊控制系统

(3.6) (3) (3 , 3.6) (4) (3.6 , 4) (3) 0.6 (4) 0.4
模糊控制规则中的条件部和结论部都对于应于一些定义在一定论
域内的语言变量。
语言变量由一组项集合构成,且项集合定义在同一论域内。 项数目的确定取决于模糊分区 ( NB、NS、ZE、PS、PB) 的数目。项数目的多少决定了模糊控制器控制性能的粗略程度。
（2）模糊控制规则建立 目前有4种方法，而且 方法可以综合利用。 1）专家经验法：专家经验法是通过对专家控制经验 的咨询形成控制规则库。实质是通过语言条件语句来模 拟人类的控制行为。 2）观察法：介绍基于操作人员实际控制过程的规则 库建立方法。许多人工控制的复杂工业化系统中，熟练 的工作人员有意或无意的使用了一组模糊规则，但他们 可能很难用语言表达出来，因此，通过记录他们实际中 使用的输入、输出数据，从中总结出模糊控制规则。
糊控制器。而多维模糊控制器指的是模糊逻辑控制器条件部中 语言变量多少。
(1)一维模糊控制器 一维模糊控制器的输入输出语言 e 变量只有一个。假设模糊控制器的输入变量为 ，输出 u 控制量为 ，则模糊控制规则一般有以下形式。
R 1： 如果 e 是E1 ， R n： 否则如果 e 是E n ， 则 是U n ； 则 是U1 ； R 2： 否则如果 e 是E 2 ， 则 是U 2 ；
模糊逻辑控制系统的基本结构如图所示。
知识库
给定
FLC
+ -
Fuzzy化接口
推理决策
精确化接口被控语言图31FLC基本结构图从图中可以看出，模糊控制系统的主要部件是模糊化过程、 知识库(含数据库和规则库)、推理决策和精确化计算。
与传统控制系统的不同之处是采用了模糊控制器， 由于模糊控制器采用电子计算机实现的，所以应 该具备下列三个重要功能：

模糊控制系统的工作原理

模糊控制系统的工作原理模糊控制系统是一种常用于处理复杂控制问题的方法，其原理是通过模糊化输入变量和输出变量，建立模糊规则库，从而实现对非精确系统的控制。

本文将详细介绍模糊控制系统的工作原理。

一、模糊化输入变量模糊化输入变量是模糊控制系统的第一步，其目的是将非精确的输入变量转化为可处理的模糊语言变量。

这一步骤一般包括两个主要的过程：隶属函数的选择和输入变量的模糊化。

对于每一个输入变量，需要选择合适的隶属函数来表示其模糊化程度。

常用的隶属函数包括三角形隶属函数、梯形隶属函数、高斯隶属函数等。

通过调整隶属函数的参数，可以控制输入变量的隶属度，进而确定输入变量的模糊程度。

在选择隶属函数之后，需要对输入变量进行模糊化处理。

这是通过将输入变量与相应的隶属函数进行匹配，确定输入变量在每个隶属函数上的隶属度。

通常采用的方法是使用模糊集合表示输入变量的模糊程度，例如“高度模糊”、“中度模糊”等。

二、建立模糊规则库建立模糊规则库是模糊控制系统的核心部分，其目的是将模糊化后的输入变量与模糊化后的输出变量之间的关系进行建模。

模糊规则库一般由若干个模糊规则组成，每个模糊规则由一个或多个模糊条件和一个模糊结论组成。

模糊条件是对输入变量进行约束的条件，而模糊结论则是对输出变量进行控制的结果。

在建立模糊规则库时，需要根据具体控制问题的特点和实际需求，确定合适的模糊规则。

一般情况下，通过专家经验或者实验数据来确定模糊规则，以得到最佳的控制效果。

三、推理机制推理机制是模糊控制系统的关键环节，其目的是通过将输入变量的模糊程度与模糊规则库进行匹配，得到对输出变量的模糊控制。

推理机制一般包括模糊匹配和模糊推理两个步骤。

在模糊匹配的过程中，根据输入变量的模糊程度和模糊规则的条件，计算每个模糊规则的激活度。

激活度是输入变量满足模糊规则条件的程度，可以通过模糊逻辑运算进行计算。

在模糊推理的过程中，根据模糊匹配的结果和模糊规则库中的模糊结论，使用模糊逻辑运算得到对输出变量的模糊控制。

模糊控制技术课后习题答案

模糊控制技术课后习题答案模糊控制技术课后习题答案模糊控制技术是一种广泛应用于工程领域的控制方法，它通过模糊推理和模糊逻辑来处理模糊信息，从而实现对复杂系统的控制。

在学习模糊控制技术的过程中，课后习题是巩固知识和加深理解的重要途径。

下面将为大家提供一些模糊控制技术课后习题的答案，希望对大家的学习有所帮助。

1. 什么是模糊控制系统？模糊控制系统是一种基于模糊逻辑和模糊推理的控制系统。

它通过建立模糊规则库，对输入和输出进行模糊化处理，然后通过模糊推理得到控制信号，实现对系统的控制。

模糊控制系统能够处理模糊信息和不确定性，适用于复杂系统的控制。

2. 什么是模糊集合？模糊集合是对现实世界中模糊概念的数学描述。

与传统的集合不同，模糊集合中的元素具有模糊隶属度，表示了元素与集合之间的模糊关系。

模糊集合可以用隶属函数来表示，隶属函数的取值范围在[0,1]之间。

3. 什么是模糊逻辑？模糊逻辑是一种扩展了传统逻辑的数学理论，它能够处理模糊信息和不确定性。

在模糊逻辑中，命题的真值不再是只有真和假两种取值，而是可以是任意在[0,1]范围内的模糊值。

模糊逻辑通过模糊推理和模糊规则来处理模糊信息，实现对复杂问题的推理和决策。

4. 什么是模糊推理？模糊推理是模糊控制系统中的核心过程，它通过对模糊规则进行推理，得到模糊输出。

模糊推理的基本思想是将输入与模糊规则库中的规则进行匹配，然后根据匹配程度和规则的权重计算出输出的模糊值。

常用的模糊推理方法有模糊关联和模糊推理机。

5. 什么是模糊控制器？模糊控制器是模糊控制系统中的关键组成部分，它通过模糊推理和模糊规则来生成控制信号，实现对系统的控制。

模糊控制器的输入是模糊化后的系统状态，输出是经过去模糊化处理的控制信号。

常见的模糊控制器有模糊PID控制器和模糊神经网络控制器。

通过以上几个问题的回答，我们对模糊控制技术有了初步的了解。

模糊控制技术作为一种处理模糊信息和不确定性的控制方法，在工程领域有着广泛的应用。

智能控制-第六章 模糊控制系统

µ F ( x) ≥ min{µ F (a ),µ F (b)}
为凸模糊集； 既是正态的又是凸的， 为一模糊数。 则F为凸模糊集；若F既是正态的又是凸的，则称 为一模糊数。 为凸模糊集 既是正态的又是凸的 则称F为一模糊数 定义6.8 语言变量 定义 一个语言变量可定义为5元组 一个语言变量可定义为 元组 ( x,T ( x),U ,G,M ) 其中，x为变量 。其中， 为变量
(6.10)
定义6.7 正态模糊集、凸模糊集和模糊数 正态模糊集、 定义 以实数R为论域的模糊集 ， 以实数 为论域的模糊集F，若其隶属函数满足 为论域的模糊集
max µ F ( x) = 1
x∈R
为正态模糊集； 则F为正态模糊集；若对于任意实数 ，a<x<b，有 为正态模糊集 若对于任意实数x， ，
T 名称； 的词集， 为论域； 是产生 名称； (x)为x的词集，即语言值名称的集合；U为论域；G是产生 的词集 即语言值名称的集合； 为论域
语言值名称的语法规则； 是与各语言值含义有关的语义规则 是与各语言值含义有关的语义规则。 语言值名称的语法规则；M是与各语言值含义有关的语义规则
6.1.2 模糊逻辑推理
• A与B的并（逻辑或）记为 A ∪ B ，其隶属函数定义为： 与 的并 逻辑或） 的并（ 其隶属函数定义为：
µ A ∪ B ( u ) = µ A ( u ) ∨ µ B ( u ) = max{µ A (u ),µ B (u )}
(6.4)
• A与B的交（逻辑与）记为 A ∩ B ，其隶属函数定义为： 的交（ 其隶属函数定义为： 与 的交 逻辑与）
3. 模糊逻辑控制 模糊逻辑控制(FLC)系统与专家控制系统（ ECS）的异同点 系统与专家控制系统（ 系统与专家控制系统 ）

控制系统中的模糊控制算法设计与实现

控制系统中的模糊控制算法设计与实现现代控制系统在实际应用中，往往面临着多变、复杂、非线性的控制问题。

传统的多变量控制方法往往无法有效应对这些问题，因此，模糊控制算法作为一种强大的控制手段逐渐受到广泛关注和应用。

本文将从控制系统中的模糊控制算法的设计和实现两个方面进行介绍，以帮助读者更好地了解和掌握这一领域的知识。

一、模糊控制算法的设计1. 模糊控制系统的基本原理模糊控制系统是一种基于模糊逻辑的控制系统，其基本思想是通过将输入和输出变量模糊化，利用一系列模糊规则来实现对系统的控制。

模糊控制系统主要由模糊化、规则库、模糊推理和解模糊四个基本部分组成，其中规则库是模糊控制系统的核心部分，包含了一系列的模糊规则，用于描述输入和输出变量之间的关系。

2. 模糊控制算法的设计步骤（1）确定输入和输出变量：首先需要明确系统中的输入和输出变量，例如温度、压力等。

（2）模糊化：将确定的输入和输出变量进行模糊化，即将其转换为模糊集合。

（3）建立模糊规则库：根据实际问题和经验知识，建立一系列模糊规则。

模糊规则关联了输入和输出变量的模糊集合之间的关系。

（4）模糊推理：根据当前的输入变量和模糊规则库，利用模糊推理方法求解输出变量的模糊集合。

（5）解模糊：将求解得到的模糊集合转换为实际的输出值，常用的方法包括最大值法、加权平均法等。

3. 模糊控制算法的设计技巧（1）合理选择输入和输出变量的模糊集合：根据系统的实际需求和属性，选择合适的隶属函数，以便更好地描述系统的特性。

（2）精心设计模糊规则库：模糊规则库的设计是模糊控制算法的关键，应根据实际问题与经验知识进行合理的规则构建。

可以利用专家经验、试验数据或者模拟仿真等方法进行规则的获取和优化。

（3）选用合适的解模糊方法：解模糊是模糊控制算法中的一项重要步骤，选择合适的解模糊方法可以提高控制系统的性能。

常用的解模糊方法有最大值法、加权平均法、中心平均法等，应根据系统的需求进行选择。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

vi vii viii ix x
x i xii
根据e和△e的方向和大小，选择控制量的增量△u的 大小和方向。 有四种情况：
1. e 0 e 0 2. e 0 e 0 3. e 0 e 0 4. e 0 e 0
(相当于i 、v、ix区); (相当于ii 、vi、x 区); (相当于iii 、 、xi 区); vii (相当于iv、viii 、xii 区);
模糊控制的基本原理和方法
●
模糊逻辑控制器的基本结构 模糊控制系统的设计
●
● PID模糊控制器模糊
●利用MATLAB设计模糊控制器
● 模糊逻辑控制器的基本结构
模糊控制器
精 确 值
知识 库
模 糊 值 模 糊 值
设定值
yr +
计算e和e
yk
模 糊 化
决策逻辑
模糊推理单元
去 模 糊 化
精 确 值
输出
过程
3.模糊规则确定
e U
PB PM PS NB PL PL PL PL PL PL PL NM PM PM PM PM PM PL PL NS NM NM NS PS PS PS PL NZ NM NM NS Z PS PS PM PZ NM NM NS Z PS PM PM PS NL NS NS NS PS PM PM PM NL NS NM NM NM NM NM PB NB NB NB NB NB NB NB
对c, g , k， 0 u
对e, i, m， 0 u
6Байду номын сангаас
● 对i 、v、ix区，当e大时，要缩短上升时间，u 0；
当接近设定值时，u 0或 0。
● 对ii、vi、x区，应防止超调，u 0
vii ● 对iii 、 、xi 区，当e大时，要缩短上升时间，u 0； 当接近设定值时，u 0或 0。
de
Z NS NM NB
4. 隐含和推理方法的制定
• • • • 隐含采用 ‘mamdani’方法: ‘max-min‘ 推理方法， 即 ‘min‘ 方法 去模糊方法：重心法。 选择隶属函数的形式：三角型
MATLAB
-1
1
-0.1
0.1
0
2
也可以用viewsurf菜单命令看模糊控制器的输出量
有交叉点和峰、谷点。
交叉点：. e 0 e 0, e 0 (b, f , j ) 1 2. e 0 e 0, e 0 (d , h, l ) 峰点：e 0， 0 (c, g , k ) e 谷点：e 0， 0 (e, i, m) e
控制规则：
△u PB PM PS NB NM NS NB NM NS PB PM PS ZE
参 考 点
a e i b f j c g k d h i
设置点
3 . 模糊规则的完整性、一致性 ●对过程的每一状态，都能推导出一个合适的控制规则， ——控制规则的完整性。 ● 子集的并，应该以一定程度覆盖有关论域——控制

n n n Rn : if x1 是 A1 , x 2 是A2 , ，x n 是 An , then y 是 C n
● 模糊控制系统的设计
1. 模糊化的策略 ▲ 采用单点模糊化 ▲ 选择合适的模糊函数 ☆ 考虑噪声的概率密度函数。使 W f 5 n
(u )
利用MATLAB的Toolbox工具 • 1. 根据系统实际情况，选择e，de和u的论域 e range : [-1 1] de range: [-0.1 0.1] u range: [0 2] • 2. e，de和u语言变量的选取 e 8个：NB,NM,NS,NZ,PZ,PS,PM,PB de 7个：NB,NM,NS,Z,PS,PM,PB U 7个：NB,NM,NS,Z,PS,PM,PB
● 对iv、viii 、xii 区，应防止超调，减小谷点的峰值，u 0。
根据以上规则，我们可以选择和设计模糊控制器 的规则表
规则号
1 2 3 4 5 6 7 8 9 10 11 12 13
e PB PM PS ZE ZE ZE NB NM NS ZE ZE ZE ZE
△e ZE ZE ZE NB NM NS ZE ZE ZE PB PM PS ZE
1
1
(u )
Wf
0
Wf
U
2 n
0
U
2 n
P(u )
(a)
P(u )
(b)
☆ 模糊变量术语集合的数目选取。在细分和粗分之间进 行折中。一般为2~10。
2. 模糊规则的合理调整 按照系统的动态行为可以合理地选择和确定模糊规则：
c
g b d f h i j
k l m
e
i a
ii iii
iv v
规则的 完整性。
0.5.
0.5
● 规则之间不存在矛盾.
模糊控制器应用的模式
● 模糊PID 控制器
yr
+
-
模糊PID控制器
控制信号
过程
yk
yk
●模糊PID控制器
常规模糊PID控制器
yr +
比较 处理
e
e
e
模糊 推理
u
过程
yk
-
yk
增量模糊PID控制器
yr +
比较 处理
e
e
2
e
模糊 推理
u

u
yk
过程
-
yk
•模糊控制在MATLAB中的实现
假定被控对象的传递函数为：
4.228 G2 s 0.5 s 2 1.64s 8.456


• 设计一模糊控制器，查看其阶跃响应。
• 步骤
1. 2. 3. 4. 确定e，de和u的论域 e，de和u语言变量的选取 规则的制定 推理方法的确定
仿真程序：
系统输出
误差及其变化率
模糊控制器输出
在采样时刻k , 误差和误差的变化定义为： ek yr yk ek ek ek 1
▲模糊化部件 ▲知识库 ▲推理逻辑—模糊控制系统的核心 ▲去模糊化部件 模糊控制中，推理逻辑按专家知识，以语言规则描述： 一般规则表示如下：
1 1 1 R1 : if x1 是 A1 , x 2 是A2 , ，x n 是 An , then y 是 C1 2 2 R2 : if x1 是 A12 , x 2 是A2 , ，x n 是 An , then y 是 C 2
1。如果e和△e二者都为零，△u=0, 保持现状。 2。如果e以满意的速率趋向零， △u=0, 保持现状。 3。如果e不是自校正， △u不为零，取决于e和△e的符号和大小。 ●对交叉点， △u符号和△e符号一样。
对b, f , j，u 0
对d , h, l， 0 u
●对峰、谷点，△u符号和e符号一样。