模糊控制与一般的自动控制的根本区别是，不需要建立精确的数学模型，而是运用模糊理论将人的经验知识、思维推理，春控制过程的方法与策略是由所谓模糊控制器来实现。因此，模糊控制设计的核心是模糊控制器的设计。
现以一个模糊控制器的结构（图3-33）来说明模糊控制器的设计流程（图3-34）
图3-33 模糊控制器的结构
图3-34 模糊控制器的设计流程
（1）系统分析 对受控的工业对象进行系统分析，确定控制器的输入变量x1、x2 与输出变量y及它们的数值变化范围和要求达到的控制精度等，根据实际过程的需要建立物理模型，确定控制器结构总体设计方案。
（2）模糊化方法的选择与确定 所谓模糊化，就是把输入变量数值，变换成模糊语言变量的语言值，例如某燃烧炉温度910℃,变换成语言值（温度“低”、“中”、“高”），在实际控制过程中，经常把一个物理量划分成正大（PL）、正中（PM）、正小（PS）、零（ZE）负小（NS）、负中（NM）、负大（NL）七级语言变量。每一个语言值对应一个模糊子集，其隶属函数通常选用三角形或梯形分布，如某控制器输入变量如温度、压力模糊集的隶属函数，见图3-31所示。由隶属函数图可确定输入数值相应的隶属度。
（3）模糊控制规则库的建立 确定语言控制规则是模糊控制器设计的核心工作，规则的形式很像计算机程序设计语言常用的“IF„„THEN„„”条件语句。控制规则的多少视输人及输出物理量数目及所需的控制精度而定。值得注意的是，规则的数目是以语言变量级数平方关系变化而迅速增加，规则越多，推理的质量就会越下降。因此，在规则库的设计时，需要确定合适的语言变量级数和控制规则的数目及建立正确的规则形式。推理规则的运算涉及到模糊算子的确定。模糊理论的研究已提出了多种模糊算子，目前世界各国研制的模糊推理应用软件，常用的推理运算方法为最大一最小（MAX－MIN）和最大-乘积（MAX－PROD）这两种算子。
控制理论中的自适应控制与模糊控制
自适应控制与模糊控制是控制理论中的两种重要方法，它们都具有适应性和鲁棒性，并且在不同的工程领域中广泛应用。本文将分别介绍自适应控制和模糊控制的原理和应用，并比较它们的优缺点。
1. 自适应控制
自适应控制是一种实时调节控制器参数的方法，以实现对系统模型和动态特性的跟踪和适应。自适应控制的基本原理是通过不断观察和检测系统的输入和输出，根据误差的大小来调整控制器的参数，从而实现对系统的控制。
自适应控制的核心是自适应算法，常用的自适应算法有最小均方（LMS）算法、普罗弗洛夫诺夫（P-N）算法等。通过这些算法，控制系统能够根据实时的输入输出信息，对控制器的参数进行在线调整，从而实现对未知或变化的系统模型的自适应控制。
自适应控制具有以下优点：
- 可适应性强：自适应控制能够根据实时的系统输入输出信息调整控制器参数，适应不同的系统模型和工作条件。
- 鲁棒性好：自适应控制对于系统参数的不确定性和变化有很好的鲁棒性，能够有效应对系统参数的变化和干扰。
然而，自适应控制也存在以下缺点： - 算法设计复杂：自适应控制的算法设计和调试较为复杂，通常需要深入了解系统模型和控制理论。
- 需要大量计算资源：自适应控制需要实时处理系统的输入输出信息，并进行参数调整，因此需要较大的计算资源和实时性能。
2. 模糊控制
模糊控制是一种基于模糊逻辑的控制方法，它通过建立模糊规则和模糊推理来实现对非精确或模糊信息的处理和控制。模糊控制的核心是模糊推理机制，通过将输入量和输出量模糊化，使用模糊规则进行推理和控制。
模糊控制的优点包括：
- 不需要准确的数学模型：模糊控制可以处理非精确、模糊的输入输出信息，对于某些复杂系统，很难建立准确的数学模型，而模糊控制能够处理这种模糊性。
- 鲁棒性好：模糊控制对于系统参数的变化和干扰有较好的鲁棒性，能够在一定程度上应对不确定性和噪声的干扰。
然而，模糊控制也存在以下缺点：
球杆系统的自适应模糊控制研究 球杆系统的自适应模糊控制研究 高 峰 张 威 （太原科技大学电子信息工程学院，山西太原０３００２４） 摘 要 基于模糊控制理论，提出了一种比例因子自适应控制的改进方案，通过在球杆系统这一具有典型的非线性不稳定特征 的实验设备上所进行的实验，以及对多种结果的对比表明这种控制方案能够很好的控制球杆系统，并在系统的控制性能方 面有所提高。 关键词：球杆系统，模糊控制，非线性不稳定系统 球杆系统（ｂａｌｌ＆ｂｅａｍ）作为典型的非线性不稳定系统适合 于实验室的研究使用。现在在时域内，在建立其近似模型的基础 上已经有多种控制策略被提出，如鲁棒控制、扰动补偿控制等 等，但这种建立在近似模型基础之上的控制策略有两方面的不 足，一方面模型将十分复杂并且使用了大量的近似，另一方面， 控制的效果有时难以满足我们的要求Ｅ１］。对于这类复杂控制对 象我们考虑应该避开其模型，基于这种思想本文研究了一种基 于模糊控制的改进型的智能控制策略，即比例因子自适应模糊 控制。 １ 球杆系统的组成及工作原理 首先介绍球杆系统的构成和工作原理，以球。杆设备 ＧＢＢ１００４为例，包括机械本体和一个集成驱动的高性能数字控 制器。机械部分包括底座、小球、横杆、减速皮带轮、支撑部分、马 达等，图１为球杆系统机械部分的组成。小球可以在横杆上自由 滚动，横杆的一端通过转轴固定，另一端可以上下转动，通过控 制直流伺服电机的位置，带动皮带轮转动，通过传动机构就可以 控制横杆的倾斜角。直流伺服电机带有增量式编码器（１Ｏ００Ｐ／ Ｒ），可以检测电机的实际位置，在更赶上的凹槽内，有一线性的 传感器用于检测小球的实际位置，两个实际位置的信号都被传 送给控制系统，构成一个闭环反馈系统。当转轮转动，带动横杆 偏离水平的平衡位置后，在重力作用下，小球开始沿横杆滚动。 图２控制系统 制器根据Ｅ与ＥＣ计算得到此时横杆适应的角度Ｕ。并由此计 算出应施加的动力，这样就得到最终的动力值。这样就实现了小 球在横杆上的定位控制。 ２ ２模糊控制器的输入输出变量及论域 由以上的控制器结构可知，控制器的输入变量为位置洪差 Ｅ，位置误差变化率ＥＣ，输出变量为角度Ｕ，为方便汁算与没计 ， 通过量化因子，比例因子的作用，将论域统一为【一１，１］。即输入 Ｅ的实际范围为［一０．２，Ｏ．２］量化因子为Ｏ．２，ＥＣ的量化Ｌ夫１ 为 ６，输出Ｕ的比例因子由两部分组成，第一部分是离线整定，取 值为０．８，第二部分的取值具体在３．３中阐述，Ｕ的比例 “１ 第一部分和第二部分的乘积确定。规定输入与输出世的沦域为 ７个，其语言变量值分别定义为ＮＢ（负大）、ＮＭ（负中）、ＮＳ（负 小）、Ｚ（零）、ＰＳ（正小）、ＰＭ（正中）、ＰＢ（正大）。Ｅ、ＥＣ、Ｕ的隶腻 度如图３所示。
模糊控制介绍
一、模糊控制概况
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。
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，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。
二、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。
