下载文档原格式
控制系统的模糊控制理论与应用控制系统是指通过对特定对象的操作，以达到预期目标的过程。
在控制系统中，模糊控制理论是一种常用的控制方法。
本文将介绍控制系统的模糊控制理论以及其应用。
一、模糊控制理论的基本概念模糊控制理论是一种基于模糊逻辑的控制方法，它模拟了人类的思维和决策过程。
与传统的精确控制方法相比，模糊控制理论能够应对现实世界中存在的模糊不确定性和非线性关系。
1. 模糊集合模糊集合是模糊控制理论的基础，它是对现实世界中一类事物或对象的模糊描述。
不同于传统的集合理论，模糊集合允许元素以一定的隶属度或可信度属于这个集合。
2. 模糊逻辑模糊逻辑是模糊控制理论的核心，它用于描述和处理具有模糊性质的命题和推理。
模糊逻辑采用模糊集合的运算规则，能够处理模糊不确定性和非精确性的信息。
3. 模糊控制器模糊控制器是模糊控制系统的核心组件，它基于模糊逻辑进行决策和控制。
模糊控制器通常由模糊规则库、模糊推理机和模糊输出函数组成。
二、模糊控制理论的应用领域模糊控制理论具有广泛的应用领域，并在许多实际问题中取得了良好的效果。
1. 工业控制在工业控制领域，模糊控制理论可以应对复杂的非线性系统和参数不确定性。
例如，在温度控制系统中，模糊控制器可以根据当前的温度和环境条件，控制加热器的输出功率，以使温度保持在设定范围内。
2. 智能交通在智能交通系统中，模糊控制理论可以用于交通信号灯控制、车辆路径规划和交通流量优化。
通过根据交通状况和道路条件动态调整信号灯的时序，可以提高交通效率和道路安全性。
3. 机器人技术在机器人技术中，模糊控制理论可以用于机器人路径规划、动作控制和感知决策。
通过将环境信息模糊化，机器人可以根据当前的感知结果和目标任务制定合理的动作策略。
4. 金融风险控制在金融风险控制中，模糊控制理论可以用于风险评估和交易决策。
通过建立模糊规则库和模糊推理机制，可以根据不确定和模糊的市场信息制定合理的交易策略。
三、模糊控制理论的优势和发展方向模糊控制理论具有以下几个优势，使其在实际应用中得到了广泛的应用和研究：1. 简化建模过程：相比传统的控制方法，模糊控制理论能够简化系统的建模过程，减少系统的复杂性。
模糊控制心得模糊控制的心得体会一、模糊控制的定义所谓模糊控制，就是对难以用已有规律描述的复杂系统，采用自然语言（如大、中、小）加以叙述，借助定性的、不精确的及模糊的条件语句来表达，模糊控制是一种基于语言的智能控制。
模糊控制是近代控制理论中建立在模糊集合理论基础上的一种基于语言规则与模糊推理的控制理论，是智能控制的一个重要分支。
二、模糊控制的发展史模糊理论（Fuzzy Logic）是在美国加州大学教授L.A.Zadeh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。
美国加州大学的L.A.Zadeh教授在1965年发表了著名论文，文中首次提到了表达事物模糊性的重要概念：隶属函数。
从而突破了19世纪末笛卡尔的经典集合理论，奠定了模糊理论的基础。
1966年P.N.Marinos发表模糊逻辑的研究报告。
1974年L.A.Zadeh发表模糊推理的研究报告。
从此，模糊理论成了一个热门的课题。
1974年，英国的E.H.Mamdani首次用模糊逻辑和模糊推理实现了世界上第一个实验性的蒸汽机控制，并取得了比传统的直接数字控制算法更好的效果，从而宣告模糊控制的诞生。
1980年丹麦的L.P.Holmblad和Ostergard在水泥窑炉采用模糊控制并取得了成功，这是第一个商业化的有实际意义的模糊控制器。
三、模糊控制理论的特点模糊控制在动力系统控制、船舶自动驾驶、智能机器人和锅炉控制等方面已得到广泛应用。
目前，在工业上投入运行的模糊控制器，大多由一组模糊控制规则组成，通过一定的模糊推理机制确定控制作用。
模糊控制(fuzzy control, FC)是以模糊集合论、模糊语言变量及其模糊逻辑推理为1基础的计算机智能控制。
与常规控制方法相比具有以下几个优点。
(1)模糊逻辑比常规逻辑更接近人直观的思维方式，控制系统的设计不要求掌握受控对象精确的数学模型，只需要提供现场操作人员的经验知识及操作数据;经常选用的隶属函数都比较简单，而所需要的控制规则不会过多，从这些简单的建造模块出发，系统却可以完成非常复杂的任务。
工程管理中模糊控制法分析及见解摘要：由于项目管理之间是分开的并缺乏紧密的联系，不能很好的控制工程风险，已不能适应现代工程的变化。
文章介绍了模糊控制法，阐述了通过成本、进度、质量、风险控制达到工程项目管理的目标。
关键词：工程管理；模糊控制；逻辑推理；分析法项目进行到一定阶段时，累计花费成本与累计计划预算成本相当，但实际已完成的实物工程量（进度）并没有达到计划量。
到了项目预算已经超出而还有剩余工程量要完成时，要完成项目就必须增加更多的费用，此时要打算在预算内完成项目进行成本控制就已经太晚了。
成本与进度的过程同时必须结合项目的人员与资金情况，如果其中一项出现问题，成本就会加大，进度出现滞后，质量也可能出现问题，就为项目带来较大的风险。
这说明传统的控制方法已经不能真正适应工程的变化，有一些滞后，并不能真实的反映项目的控制状况。
一、模糊控制分析法与逻辑推理（一）模糊控制分析法模糊控制分析法主要是根据模糊数学与建设工程实际情况结合而实践总结出来的一种控制新方法。
它主要有输入因素模糊化处理、模糊逻辑推理、模糊判决输出等三个过程。
1．输入因素模糊化处理我们根据工程根据实际情况将工程进度、人员（施工与管理人员）素质、资金状况（建设单位与施工单位项目部）、施工机具与设备、材料供应、社会环境、其他因素等多个因素作为模糊控制系统的输入信号。
2．输入信号根据实际情况将其划分为13档、9档、7档等进行输入量模糊化处理。
3．由连续量转化为数字量，工程进度、资金投入、人员投入等作为输出信号。
（二）模糊逻辑推理根据工程实际情况以及以往的实际经验，建立起来一套控制规则与原则：人员素质将作为第一要素，资金状况作为第二要素，其他要素则作为一般要素；控制规则的建立是首先必须是保证质量与安全，为首要原则。
控制规则采用的是IF——THEN—ELSE逻辑来实现；工程进度必须根据质量、计划、安全以及资金情况来综合判断；资金的投入必须根据进度与资金供应情况来确定；人员投入与退出应根据计划以及工程人员素质来确定。
模糊控制的现状与发展模糊控制：从理论到实践的全面解析引言随着科技的快速发展，自动化和智能化成为了各个领域追求的目标。
在控制领域中，模糊控制是一种重要的智能控制方法，它通过对不确定性和模糊信息的处理，实现了对复杂系统的有效控制。
本文将介绍模糊控制的现状、挑战及未来发展。
现状模糊控制作为一种经典的智能控制方法，已经在许多领域得到了广泛的应用。
例如，在工业生产中，模糊控制被用于控制温度、压力等参数；在汽车控制系统中，模糊控制被用于优化燃油喷射、变速器控制等。
虽然模糊控制已经取得了许多成果，但仍然存在一些不足之处，如缺乏完善的理论基础、控制精度不够高等。
挑战1、理论方面的问题：模糊控制的理论体系尚不完善，许多关键问题仍未得到很好的解决。
例如，如何建立有效的模糊推理机制，如何选择合适的模糊集合和运算符等。
2、实际应用面临的困难：虽然模糊控制在某些领域已经得到了成功的应用，但在面对复杂的、大规模的系统时，其性能和稳定性仍有待提高。
此外，模糊控制在处理具有高度非线性和不确定性的系统时，也存在着一定的难度。
展望1、技术趋势：随着机器学习、深度学习等技术的发展，未来的模糊控制将更加注重自适应、自组织和自学习的能力。
通过引入新的理论和技术，模糊控制将更好地应对各种复杂和不确定的环境。
2、应用前景：随着工业4.0、智能家居、自动驾驶等领域的快速发展，模糊控制将有着更广泛的应用前景。
例如，在智能家居中，模糊控制可以用于优化能源消耗；在自动驾驶中，模糊控制可以用于实现车辆的稳定性和安全性控制。
结论模糊控制作为智能控制的一个重要分支，具有广泛的应用前景和重要的理论价值。
虽然目前模糊控制还存在一些问题和挑战，但随着技术的不断进步和应用领域的扩展，模糊控制将会有更大的发展空间和更重要的地位。
因此，我们应该充分重视模糊控制的研究和应用，为其发展提供更多的支持和资源，同时也需要进一步加强学科交叉和融合，推动模糊控制技术的不断创新和发展。
水位模糊控制仿真实验心得体会1、模糊控制基于matlab的锅炉水位控制系统设计郑州大学物理工程学院测控技术与仪器1班杜佰林20102240103一、应用背景由于锅炉水位具有大滞后、多变量、强耦合等非线性特性，因此采用经典控制理论和现代控制理论的控制方法都不能取得理想的控制效果。
针对锅炉水位的实际运行情况，采用模糊控制策略，设计了锅炉水位的模湖控制系统，并且使用MATLAB时，主要使用模糊逻辑工具箱构建模糊控制器，使用进行SIMULINK动态仿真技术。
二、锅炉水位动态特性锅炉给水控制系统的操作变量是给水流量，主要是使水位维持在给定的范围内。
给水流量增加后，就从原来有饱和水中吸收部分热量，这使得水位下汽包容积有所减少，当水位下汽2、包的变化过程逐渐平衡时，水位的变化就完全反应了汽包储水量增减。
当给水量做阶跃变化时，汽包水位在起始状态不会立即增加，而要呈现出起始惯性段，水位H与水流量W之间的传递函数类似于一个积分环节和时滞环节的串联。
系统特性可表示为：式子中，s为拉式算子；k为给水流量改变单位流量时水位的变化速度；T为时间常数。
由于所选用的锅炉的供气量是120t/h，依据此项指标，选用液位变送器的量程160mm流量计的量程为150t/h，水流量与水位的传递函数为：三、模糊控制系统结构模糊控制系统是一种自动控制系统，它以模糊数学、模糊语言形式的知识表示和模糊逻辑的规则推理为基础，是采用计算机控制技术构成的一种具有反馈通道的3、闭环结构的数字控制系统。
因此，模糊控制系统的组成具有常规计算机控制系统的结构形式，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五部分组成。
从理论上讲，模糊控制器的维数越高，控制越精细。
但是维数太高，模糊控制规则变得过于复杂，控制算法的实现相当困难。
因此，目前被广泛采用的均是二维模糊控制器。
本设计的锅炉水位模糊控制系统也采用二维结构。
锅炉水位的模糊变量：水位误差为e，水位误差变化率ec作为模糊控制器的输入变量，模糊控制器的输出变量控制直流伺服电动机SM两端电枢电压的大小和极性。
——读书报告——一．十字路口交通灯的信号输出：十字路口的每个方向上的LED信号灯都分为红灯、绿灯和黄灯三种，通过在三种颜色的信号灯上显示箭头标识，提醒路口的车辆左转、右转和直行。
一般来说，右转车辆在不影响别的车辆通行的情况下，可以在绿灯时段内同直行车辆一起通行。
因此在十字路口的设计中，不用特别设定右转信号灯。
但是，左转车辆会影响直行车辆，必须单独通行。
所以，左转信号灯需要另外设置，跟红灯、绿灯、黄灯一起加入循环周期。
所以，一个十字路口交通灯的控制系统应有8个输出，即：南北绿灯G-SN、南北红灯R-SN、南北黄灯Y-SN、南北左转灯L-SN、东西绿灯G-EW、东西红灯R-EW、东西黄灯Y-EW、东西左转灯L-EW。
二．传统定时控制方式的原理及弊端：1.三种模式的转换：十字路口交通灯采用的传统定时控制方式，通常被预设为三种模式：一个是车流量较多的时段采用的模式，称为高峰模式；一个是车流量适中的时段采用的模式，称为正常模式；一个是车流量较少的夜间采用的模式，称为夜间模式。
三种模式的启动时间和停止时间，都是由之前预设好的。
通常将一天当中上班上学的车辆较多的时间设为高峰模式，深夜车辆极少的时段设为夜间模式，其他时段设为正常模式。
三种模式交替运行，并循环往复。
如：每日上午7:00-9:00、中午11:30-14:00、下午17:00-18:30的这些交通高峰期采用高峰模式，深夜23:00-次日5:00采用夜间模式，而一天当中其他的时段则采用正常模式，如下图所示。
2.同一路口的定时设置：三种模式的区别在于，车流量不同的情况下，该方向的通行时间也应该不同，即车流量越大，该车流方向的通行时间也应当越长，相应地，绿灯的时间也应当延长。
如：一个循环周期内，高峰模式下的绿灯时长为35s，正常模式的绿灯时长为30s，夜间模式的绿灯时长为25s。
以高峰模式为例，设置一个循环周期为90s，一个周期内的绿灯为35s、红灯为55s、黄灯为5s、左转灯为10s，8个输出的交通信号灯时序图如右图所示。
《模糊控制工程应用若干问题研究》篇一一、引言随着科技的不断发展，模糊控制作为智能控制的重要分支，已经得到了广泛的关注和应用。
模糊控制利用模糊逻辑、模糊集合、模糊推理等理论，处理复杂的非线性、时变和不确定性的系统问题，使得系统在各种环境下都能够保持良好的稳定性和适应性。
然而，在实际的工程应用中，模糊控制仍然面临许多问题和挑战。
本文旨在就这些问题的研究和解决展开深入探讨。
二、模糊控制在工程应用中的重要性在众多领域中，模糊控制技术发挥着重要作用。
特别是在工业控制、电力系统、医疗设备等领域，其精确度、适应性和鲁棒性优势显著。
尤其在面对复杂的非线性、时变和不确定性的系统问题时，模糊控制技术能够有效地解决这些问题。
三、模糊控制工程应用中的若干问题（一）模型建立问题在模糊控制中，模型的建立是关键的一步。
然而，由于实际系统的复杂性，往往难以建立一个精确的数学模型。
这导致模糊控制的性能受到一定影响。
因此，如何建立更准确的模型是模糊控制工程应用中的一个重要问题。
（二）规则库的制定问题模糊控制的规则库是决定其性能的关键因素之一。
然而，在实际应用中，规则库的制定往往依赖于专家的经验和知识，这导致规则库的制定具有一定的主观性和不确定性。
因此，如何制定更科学、更合理的规则库是另一个重要的问题。
（三）实时性问题在实时控制系统中，对处理速度的要求非常高。
然而，由于模糊控制的复杂性，其处理速度往往难以满足实时性的要求。
因此，如何提高模糊控制的实时性是另一个需要解决的问题。
四、解决策略及研究进展（一）模型建立问题的解决策略针对模型建立问题，研究人员提出了多种解决方案。
如利用神经网络、遗传算法等智能算法进行模型优化；或者利用多模型切换技术，根据不同的工况和需求，选择合适的模型进行控制。
这些方法都在一定程度上提高了模糊控制的性能。
（二）规则库制定问题的解决策略对于规则库的制定问题，研究人员尝试从数据驱动的角度出发，利用机器学习等技术自动生成或优化规则库。
模糊控制的研究和应用随着科技发展和社会进步，人们对自动化、智能化的需求越来越高。
而控制技术作为实现自动化、智能化的重要方法之一，得到了广泛的应用和研究。
模糊控制作为控制技术的一种新兴分支，在工业、交通、医疗、生物、环保等多个领域都有着广泛的应用，并成为了控制技术研究的热点之一。
一、模糊控制的基本概念模糊控制是建立在模糊逻辑基础上的一种控制方法。
模糊逻辑的基本思想是将一些难以精确描述的事物用模糊的概念来表示，并根据这些概念之间的逻辑关系进行推理，从而得出结论。
模糊控制则是在模糊逻辑的基础上，对控制器进行模糊化处理，使其能够对复杂、模糊的物理系统进行控制。
模糊控制的优点是可以有效地处理非线性、时变、不确定性等问题，对于某些复杂的实际控制系统具有较强的适用性。
二、模糊控制的基本流程模糊控制的基本流程包括模糊化、规则表达、推理、去模糊化四个步骤。
具体来说，首先需要将输入量和输出量进行模糊化处理，将其转化为模糊概念。
然后利用专家经验或实验数据，建立一组模糊规则，将模糊概念之间的关系转化为规则表达式。
接着进行模糊推理，根据输入变量的模糊概念和规则库中的规则，得出控制量的模糊概念。
最后进行去模糊化处理，将模糊控制量转化为精确的控制量，控制被控对象的运动。
三、模糊控制的应用模糊控制在工业控制、交通运输、医疗诊断、生态环保等领域均有应用。
下面我们就来看一些实际案例。
（一）工业控制工业制造过程中，受控物理对象和作用效果都有可能是模糊的。
模糊控制可以通过引入模糊语言和模糊规则来进行控制，避免了传统PID控制方法里的过程模型简化和模型校正等方法所引起的误差，从而实现更加精确的控制。
例如，模糊控制在化工生产的过程控制、温度控制以及机器人控制等方面得到了广泛的应用。
（二）交通运输在城市交通控制中，传统的交通信号控制方法基于某些特定条件下的概率假设，因而容易受到噪声、变化等外界影响，或者存在控制过程中的动态约束等问题。
模糊控制可以通过考虑多个因素的权衡，从而更加适应复杂、模糊的交通环境，通过合理分配交通信号周期，使得车辆通行效率更高，驾驶员感觉更加舒适。
模糊控制理论的心得与体会模糊理论（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.美国加州大学的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世纪末笛卡尔的经典集合理论,奠定模糊理论的基础. 1966年,P.N.Marinos发表模糊逻辑的研究报告,1974年,L.A.Zadeh发表模糊推理的研究报告,从此,模糊理论成了一个热门的课题。
1974年,英国的E.H.Mamdani首次用模糊逻辑和模糊推理实现了世界上第一个实验性的蒸汽机控制,并取得了比传统的直接数字控制算法更好的效果,从而宣告模糊控制的诞生。
1980年丹麦的L.P.Holmb lad和Ostergard在水泥窑炉采用模糊控制并取得了成功,这是第一个商业化的有实际意义的模糊控制器。
事实上,模糊理论应用最有效，最广泛的领域就是模糊控制,模糊控制在各种领域出人意料的解决了传统控制理论无法解决的或难以解决的问题,并取得了一些令人信服的成效。
一模糊控制的基本思想及应用方向把人类专家对特定的被控对象或过程的控制策略总结成一系列以"IF(条件)THEN(作用)"形式表示的控制规则,通过模糊推理得到控制作用集,作用于被控对象或过程.控制作用集为一组条件语句,状态语句和控制作用均为一组被量化了的模糊语言集,如"正大","负大","正小","负小",零等。
模糊控制的几个研究方向:·模糊控制的稳定性研究·模糊模型及辩识·模糊最优控制·模糊自组织控制·模糊自适应控制·多模态模糊控制模糊理论发展至今已接近三十余年，应用的范围非常广泛，从工程科技到社会人文科学都可以发现模糊理论研究的踪迹与成果。
我们分别由工程科技与社会人文科学的角度，了解模糊理论应用的范畴。
（一）、工程科技方面1、型样识别：文字识别、指纹识别、手写字体辨识、影像辨识2、控制工程：机器人控制、汽车控制、家电控制、工业仪表控制3、信号及资讯处理：影像处理、语音处理、资料整理、数据库管理4、人工智能及专家系统：故障诊断、自然语言处理、自动翻译5、环保：废水处理、净水处理厂工程、空气污染检验、空气品质监控6、其他：建筑结构分析、化工制程控制（二）、教育、社会及人文科学方面1、教育：教学成果评量、心理测验、性向测验、计算机辅助教学2、心理学：心理分析、性向测验3、决策决定：决策支援、决策分析、多目标评价、风险分析二模糊控制规则的来源模糊控制规则的取得方式：（１）专家的经验和知识前面曾经提到模糊控制也称为控制上的专家系统，专家的经验和知识是设计上有余力的线索。
人类日常生活常中判断事情时，使用语言定性分析多于数值定量分析；而模糊控制规则提供了一个自然的架构来描述人类的行为及决策分析，并且专家的知识通常可用if….then的型式来表示。
藉由询问经验丰富的专家，在获得系统的知识后，将知识改为if….then 的型式，则如此便可构成模糊控制规则。
为了获得最佳的系统性能，常需多次使用试误法，以修正模糊控制规则。
（２）操作员的操作模式现在流行的专家系统，其想法只考虑知识的获得，专家巧妙地操作复杂的控制对象，但要将专家的诀窍加以逻辑化并不容易；因此，在控制上也要考虑技巧的获得。
在许多工业系统无法以一般的控制理论做正确的控制，但是熟练的操员在没有数学模式下，也能够成功地控制这些系统；因此，记录操作员的操作模式，并将其整理为if….then的型式，可构成一组控制规则。
（３）学习为了改善模糊控制器的性能，必须让它有自我学习或自我组织的能力，得模糊控制器能依设定的目标，增加或修改模糊控制规则。
所谓模糊概念是指这个概念的外延具有不确定性，或者说它的外延是不清晰的，是模糊的。
例如“青年”这个概念，它的内涵我们是清楚的，但是它的外延，即什么样的年龄阶段内的人是青年，恐怕就很难说情楚，因为在“年轻”和“不年轻”之间没有一个确定的边界，这就是一个模糊概念。
需要注意的几点：首先，人们在认识模糊性时，是允许有主观性的，也就是说每个人对模糊事物的界限不完全一样，承认一定的主观性是认识模糊性的一个特点。
例如，我们让100个人说出“年轻人”的年龄范围，那么我们将得到100个不同的答案。
尽管如此，当我们用模糊统计的方法进行分析时，年轻人的年龄界限分布又具有一定的规律性；其次，模糊性是精确性的对立面，但不能消极地理解模糊性代表的是落后的生产力，恰恰相反，我们在处理客观事物时，经常借助于模糊性。
例如，在一个有许多人的房间里，找一位“年老的高个子男人”，这是不难办到的。
这里所说的“年老”、“高个子”都是模糊概念，然而我们只要将这些模糊概念经过头脑的分析判断，很快就可以在人群中找到此人。
如果我们要求用计算机查询，那么就要把所有人的年龄，身高的具体数据输入计算机，然后我们才可以从人群中找这样的人。
最后，人们对模糊性的认识往往同随机性混淆起来，其实它们之间有着根本的区别。
随机性是其本身具有明确的含义，只是由于发生的条件不充分，而使得在条件与事件之间不能出现确定的因果关系，从而事件的出现与否表现出一种不确定性。
而事物的模糊性是指我们要处理的事物的概念本身就是模糊的，即一个对象是否符合这个概念难以确定，也就是由于概念外延模糊而带来的不确定性。
三模糊控制基础模糊控制的基本思想是利用计算机来实现人的控制经验，而这些经验多是用语言表达的具有相当模糊性的控制规则。
模糊控制器(Fuzzy Controller，即FC)获得巨大成功的主要原因在于它具有如下一些突出特点：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。
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。
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；但一个系统的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。
模糊控制算法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。
模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。
四模糊控制的特点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。
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。
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)。
“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。
五模糊控制理论研究的现状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。
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。
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都较大地增强了对环境变化的适应能力。
模糊控制与其他智能控制方法的结合组成的模糊控制,如专家模糊控制能够表达和利用控制复杂过程和对象所需的启发式知识,重视知识的多层次和分类的需要,弥补了模糊控制器结构过于简单、规则比较单一的缺陷,赋予了模糊控制更高的智能。
二者的结合还能够拥有过程控制复杂的知识,并能够在更为复杂的情况下对这些知识加以有效利用。
