模糊控制介绍 .pdfVIP

模糊控制介绍

附件:

一、模糊控制概况

模糊逻辑控制(FuzzyLogicControl)简称模糊控制(FuzzyControl)，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(FuzzyController，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。

模糊控制系统的基本结构如图1所示：图1模糊控制系统框图（见附件一）

其中s为系统的设定值，y为系统输出，e和c分别是系统偏差和偏差的微分信号，也就是模糊

控制器的输入，u为控制器输出的控制信号，E、C、U为相应的模糊量。由图可知模糊控制器

主要包含三个功能环节:用于输入信号处理的模糊量化和模糊化环节，模糊控制算法功能单元，

以及用于输出解模糊化的模糊判决环节。

模糊控制器设计的基本方法和主要步骤大致包括：

1、选定模糊控制器的输入输出变量，并进行量程转换。选取方法一般如图1所示，即分别取e、

c和u。

2、确定各变量的模糊语言取值及相应的隶属函数，即进行模糊化。模糊语言值通常选取3、5

或7个，例如取为{负，零，正}，{负大，负小，零，正小，正大}，或{负大，负中，负小，零，

正小，正中，正大}等。然后对所选取的模糊集定义其隶属函数，可取三角形隶属函数(如图2所

示)或梯形，并依据问题的不同取为均匀间隔或非均匀的；也可采用单点模糊集方法进行模糊化。

图2隶属函数取法示意（见附件二）

3、建立模糊控制规则或控制算法。这是指规则的归纳和规则库的建立，是从实际控制经验过渡

到模糊控制器的中心环节。控制律通常由一组if-then结构的模糊条件语句构成，例如:ife=Nand

c=N，thenu=PB……等；或总结为模糊控制规则表，如表1中所示，可直接由e和c查询相应

的控制量u。

表1模糊控制规则表举例（见附件三）

4、确定模糊推理和解模糊化方法。常见的模糊推理方法有最大最小推理和最大乘积推理两种，

可视具体情况选择其一：解模糊化方法有最大隶属度法，中位数法，加权平均，重心法，求和法

或估值法等等，针对系统要求或运行情况的不同而选取相适应的方法，从而将模糊量转化为精确

量，用以实施最后的控制策略。

三、模糊控制应用研究现状

模糊控制具有良好控制效果的关键是要有