下载文档原格式
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与先进的计算机技术,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与神经网络、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、模糊语言变量与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与先进的计算机技术,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、模糊条件语句与模糊算法等概念与方法，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, 并把它应用于锅炉与蒸汽机的控制，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2章模糊控制2.1 模糊控制自从1965年美国加利福尼亚大学控制论专家L .A .zadeh教授提出模糊数学以来”，吸引了众多的学者对其进行研究，使其理论与方法日臻完善，并且广泛地应用于自然科学和社会科学的各个领域，尤其是在第5代计算机研制和知识工程开发等领域占有特殊重要的地位。
把模糊逻辑应用于控制领域则始于1973年”。
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控制。
此后20多年来，模糊控制不断发展并在许多领域中得到成功应用。
由于模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种系统的推理方法，因而能够解决许多复杂而无法建立精确数学模型系统的控制问题，所以它是处理推理系统和控制系统中不精确和不确定性的一种有效方法。
从广义上讲，模糊控制是适于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制策略。
它是模糊数学同控制理论相结合的产物，同时也是智能控制的重要组成部分。
模糊控制的突出特点在于：①控制系统的设计不要求知道被控对象的精确数学模型，只需要提供现场操作人员的经验知识及操作数据。
⑦控制系统的鲁棒性强，适应于解决常规控制难以解决的非线性、时变及大纯滞后等问题。
③以语言变量代替常规的数学变量，易于形成专家的“知识”。
④控制推理采用“不精确推理”(Approximatc Reasoning)。
推理过程模仿人的思维过程。
由于介入了人类的经验．因而能够处理复杂甚至“病态”系统。
2.1.1模糊数学模糊数学是基于模糊集理论。
模糊集的概念与古典集非此即彼的概念相对应，描述没有明确、清楚地定义界限的集合。
模糊集的理论叙述为：模糊集A是定义在一个输入ξ之上并由其隶属函数µA(·):ξ→[0,1]表征的集合。
假设ξ是一个普通集合，称为论域。
从ξ到区间[0,1]的映射A称为ξ上的一个模糊集合。
µA(·)表示ξ隶属于模糊集合A的程度，称为隶属度。
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。
第一部分模糊控制第2讲模糊控制原理第一节模糊控制（推理）系统的基本结构1.1 模糊控制系统的组成模糊控制器1.2 模糊控制器（推理）的结构1.2 模糊控制器的结构模糊化模糊化的作用是将输入的精确量转换成模糊量。
具体过程为：1）尺度变换尺度变换，将输入变量由基本论域变换到各自的论域范围。
变量作为精确量时，其实际变化范围称为基本论域；作为模糊语言变量时，变量范围称为模糊集论域。
2）模糊处理将变换后的输入量进行模糊化，使精确的输入量变成模糊量，并用相应的模糊集来表示。
知识库1.2 模糊控制器的结构数据库规则库数据库主要包括各语言变量的隶属函数，尺度变换因子及模糊空间的分级数等。
规则库包括了用模糊语言变量表示的一系列控制规则。
它们反映了控制专家的经验和知识。
1.2 模糊控制器的结构◆模糊推理模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力。
◆清晰化作用：将模糊推理得到的模糊控制量变换为实际用于控制的清晰量。
包括：1) 将模糊量经清晰化变换成论域范围的清晰量。
2) 将清晰量经尺度变换变化成实际的控制量。
1.3 模糊控制器的维数模糊控制器输入变量的个数称为模糊控制器的维数。
对于单输入单输出的控制系统，一般有以下三种情况：一维模糊控制器一个输入：误差；输出为控制量或控制量的变化。
二维模糊控制二个输入：误差及误差的变化。
三维模糊控制器三个输入为输入：误差、误差的变化、误差变化的速率。
第二节模糊控制系统的基本原理2.1 模糊化运算（Fuzzification）2.2 清晰化计算（Defuzzification）2.3 数据库（Data base）2.4 规则库（Rule base）2.4 模糊推理（Fuzzy Inference）2.1 模糊化运算（Fuzzification）模糊化运算是将输入空间的观测量映射为输入论域上的模糊集合。
首先需要对输入变量进行尺度变换，将其变化到相应的论域范围，然后将其模糊化，得到相应的模糊集合。
§6模糊控制原理简介§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所示。
§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：输出y（t ） 输出y（t ）图 图输出图确定输入变量与输出变量及其模糊状态; 输入变量的模糊化； 建立模糊控制规则；进行模糊推理； 输出变量的反模糊化。
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 I 、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 ）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 ）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 ）负大（NB ）、负零（NZ ）、正零（PZ ）、正大（PB ）。
第1章绪论游泳池温度及其液位报警控制，在游泳池控制中占有非常重要的地位。
将模糊控制方法运用到温度控制系统中，可以克服温度控制系统中存在的严重滞后现象，同时在提高采样频率的基础上可以很大程度的提高控制效果和控制精度。
1.1 课题背景模糊逻辑控制（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。
1965年，美国的L.A.Zadeh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E.H.Mamdani首先用模糊控制语句组成模糊控制器，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。
传统的自动控制，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型（如微分方程、传递函数或状态方程）的基础上，但是在实际工业生产中，影响系统的因素很多，十分复杂。
建立精确的数学模型特别困难，甚至是不可能的。
这种情况下，模糊控制的诞生就显得意义重大，模糊控制不用建立精确的数学模型，根据实际系统的输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制，并能取得良好的控制效果。
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。
近20多年来，模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个非常活跃而又硕果累累的分支。
其典型应用的例子涉及生产和生活的许多方面[1] [2]。
水温控制在游泳池控制中是最为重要的，单水温控制过程中存在着很大的时滞性和很强的干扰。
采用一般的控制方法如PID控制，都不能很好地满足要求。
