【正文】 心環(huán)節(jié)?？刂坡赏ǔＳ梢唤Mifthen 結(jié)構(gòu)的模糊條件語(yǔ)句構(gòu)成，例如 :if e=N and c=N， then u=PB??等；或總結(jié)為模糊控制規(guī)則表，如表 1 中所示，可直接由 e 和 c 查詢(xún)相應(yīng)的控制量 u。 表 模糊控制規(guī)則表舉例 u c ： N c ： Z c ： P e ： N PB PM Z e ： Z PS Z NS e ： P Z NM NB 4） 確定模糊推理和解模糊化方法。常見(jiàn)的模糊推理方法有最大最小推理和最大乘積推理兩種，可視具體情況選擇其一：解模糊化方法有最大隸屬度法，中位數(shù)法，加權(quán)平均，重心法，求和法或估值法等等，針對(duì)系統(tǒng)要求或運(yùn)行情況的不同而選取相適應(yīng)的方法，從而將模糊量轉(zhuǎn)化為精確量，用以實(shí)施最后的控制策略。 圖 模糊控制的基本原理框圖 模糊自適應(yīng)控制研究 １０ 模糊控制 方法 模糊控制具有良好控制效果的關(guān)鍵 是要有一個(gè)完善的控制規(guī)則 [4]。但由于模糊規(guī)則是人們對(duì)過(guò)程或?qū)ο竽：畔⒌臍w納，對(duì)高階、非線性、大時(shí)滯、時(shí)變參數(shù)以及隨機(jī)干擾嚴(yán)重的復(fù)雜控制過(guò)程，人們的認(rèn)識(shí)往往比較貧乏或難以總結(jié)完整的經(jīng)驗(yàn)，這就使得單純的模糊控制在某些情況下很粗糙，難以適應(yīng)不同的運(yùn)行狀態(tài)，影響了控制效果。 常規(guī)模糊控制的兩個(gè)主要問(wèn)題在于 ： 改進(jìn)穩(wěn)態(tài)控制精度和提高智能水平與適應(yīng)能力。在實(shí)際應(yīng)用中，往往是將模糊控制或模糊推理的思想，與其它相對(duì)成熟的控制理論或方法結(jié)合起來(lái)，發(fā)揮各自的長(zhǎng)處，從而獲得理想的控制效果。由于模糊規(guī)則和語(yǔ)言很容易被人們廣泛接 受，加上模糊化技術(shù)在微處理器和計(jì)算機(jī)中能很方便的實(shí)現(xiàn)，所以這種結(jié)合展現(xiàn)出強(qiáng)大的生命力和良好的效果。對(duì)模糊控制的改進(jìn)方法可大致的分為模糊復(fù)合控制，自適應(yīng)和自學(xué)習(xí)模糊控制，以及模糊控制與智能化方法的結(jié)合等三個(gè)方面。 模糊復(fù)合控制 FuzzyPID 復(fù)合控制 ： 即模糊 PID 控制，通常是當(dāng)誤差較大時(shí)采用模糊控制，而誤差較小時(shí)采用 PID 控制，從而既保證動(dòng)態(tài)響應(yīng)效果，又能改善穩(wěn)態(tài)控制精度 ； 一種簡(jiǎn)便有效的做法是模糊控制器和 I 調(diào)節(jié)器共同合成控制作用 [5]。 模糊 線性復(fù)合控制 ： 如模糊 前饋補(bǔ)償控制等，實(shí)際利用 了模糊控制是變?cè)鲆?PI 控制器的特點(diǎn)，在實(shí)際系統(tǒng)的控制中取得了較好的效果。 模糊自適應(yīng)控制研究 １１ 史密斯 模糊控制器 ： 針對(duì)系統(tǒng)的純滯后特性設(shè)計(jì)，用模糊控制器替代 PID可以解決常規(guī)史密斯 PID控制器對(duì)參數(shù)變化適應(yīng)能力較弱的缺陷 ；此外模糊推理和模糊規(guī)則的運(yùn)用有利于在一定程度上適應(yīng)時(shí)延的變化，在更復(fù)雜的情況下對(duì)對(duì)象的純滯后進(jìn)行有效的補(bǔ)償。 三維模糊控制器 ： 一種是利用誤差 E，誤差變化 Ec 和誤差變化速率Ecc 作為三維變量，可以解決傳統(tǒng)二維模糊控制器的快速響應(yīng)與穩(wěn)定性要求之間的矛盾 ； 另一種方法是利用 E， Ec 和誤差的累積和 ΣE ，這相當(dāng)于變 增益的 PID 控制器，提高了模糊控制的穩(wěn)態(tài)精度。 多變量模糊控制 ： 一般采用結(jié)構(gòu)分解和分層分級(jí)結(jié)構(gòu)，利用多個(gè)簡(jiǎn)單的模糊控制器進(jìn)行組合，并兼顧多規(guī)則集之間的相互關(guān)系。 模糊控制和 自適應(yīng) 自校正模糊控制器 ： 修改控制規(guī)則的自校正模糊控制器，從響應(yīng)性能指標(biāo)的評(píng)價(jià)出發(fā)，利用模糊集合平移或隸屬函數(shù)參數(shù)的改變，來(lái)實(shí)現(xiàn)控制規(guī)則的部分或全面修正，也可通過(guò)修正規(guī)則表或隸屬函數(shù)本身來(lái)進(jìn)行調(diào)整 ?；谀：Ｐ偷淖孕Ｕ：刂破?，包括利用模糊集理論辨識(shí)系統(tǒng)模型的語(yǔ)言化方法，基于參考模糊集的系統(tǒng)模糊關(guān)系模型辨識(shí)方法，以及由 I/O數(shù)據(jù)建立模糊規(guī)則模型，并以此作為自校正控制器設(shè)計(jì)的基礎(chǔ)等。 參數(shù)自調(diào)整模糊控制 ： 自調(diào)整比例因子的模糊控制，引入性能測(cè)量和比例因子調(diào)整的功能，在線改變模糊控制器的參數(shù)，較大的增強(qiáng)了對(duì)環(huán)境變化的適應(yīng)能力 ； 基于模糊推理的 PID 自整定控制，如參數(shù)自整定模糊PD 控制，以及類(lèi)似的 PI 及 PID 控制等 [6]。 模型參考自適應(yīng)模糊控制器 ： 利用參考模型輸出與控制作用下系統(tǒng)輸模糊自適應(yīng)控制研究 １２ 出間的偏差來(lái)修正模糊控制器的輸出，包括比例因子、解模糊策略、模糊控制規(guī)則等。 具有自學(xué)習(xí)功能的模糊控制 ： 包括多種對(duì)外擾影響或重復(fù)任務(wù)的性能具有自學(xué) 習(xí)功能的模糊控制方法，以及自尋優(yōu)模糊控制器等，其關(guān)鍵在于學(xué)習(xí)和尋優(yōu)算法的設(shè)計(jì)，尤其是提高其速度和效率。 自組織模糊控制器 ： 將參考模型和自組織機(jī)制相結(jié)合的模糊模型參考學(xué)習(xí)控制，及自適應(yīng)遞階模糊控制等更高級(jí)的自組織形式具有很大的發(fā)展?jié)摿Α? 模糊控制與其它智能控制方法的結(jié)合 盡管模糊控制在概念和理論上仍然存在著不少爭(zhēng)議，但進(jìn)入 90 年代以來(lái)，由于國(guó)際上許多著名學(xué)者的參與，以及大量工程應(yīng)用上取得的成功，尤其是對(duì)無(wú)法用經(jīng)典與現(xiàn)代控制理論建立精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)特別顯得成績(jī)非凡，因而導(dǎo)致了更為廣泛深入 的研究，事實(shí)上模糊控制已作為智能控制的一個(gè)重要分支確定了下來(lái) [8]。 專(zhuān)家模糊控制 專(zhuān)家系統(tǒng)能夠表達(dá)和利用控制復(fù)雜過(guò)程和對(duì)象所需的啟發(fā)式知識(shí)，重視知識(shí)的多層次和分類(lèi)的需要，彌補(bǔ)了模糊控制器結(jié)構(gòu)過(guò)于簡(jiǎn)單、規(guī)則比較單一的缺陷，賦予了模糊控制更高的智能 ； 二者的結(jié)合還能夠擁有過(guò)程控制復(fù)雜的知識(shí)，并能夠在更為復(fù)雜的情況下對(duì)這些知識(shí)加以有效利用。 基于神經(jīng)網(wǎng)絡(luò)的模糊控制 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)局部或全部的模糊邏輯控制功能，前者如利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊控制規(guī)則或模糊推理，后者通常要求網(wǎng)絡(luò)層數(shù)多于三層 ； 自適應(yīng)模糊自適應(yīng)控制研究 １３ 神經(jīng)網(wǎng)絡(luò)模糊控制，利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能作為模型辨識(shí)或直接用作控制器 ； 基于模糊神經(jīng)網(wǎng)絡(luò)的隸屬函數(shù)及推理規(guī)則的獲取方法，具有模糊連接強(qiáng)度的模糊神經(jīng)網(wǎng)等，均在控制中有所應(yīng)用 ； 模糊系統(tǒng)與遺傳算法相結(jié)合的控制器設(shè)計(jì)方法則提供了更為新穎的思路。 此外，模糊預(yù)測(cè)控制，模糊變結(jié)構(gòu)方法，模糊系統(tǒng)建模及參數(shù)辨識(shí)，模糊模式識(shí)別等的研究，也都屬于較為前沿的研究方向。 穩(wěn)定性分析 眾所周知 ， 任何一個(gè)自動(dòng)控制系統(tǒng) ， 首先必須是穩(wěn)定的 ,否則這個(gè)系統(tǒng)就無(wú)法工作。因此 ， 在控制系統(tǒng)的分析和設(shè)計(jì)中 ， 系統(tǒng)的穩(wěn)定性研究占有重要的 地位 ， 模糊控制系統(tǒng)也是如此。由于模糊系統(tǒng)本質(zhì)上的非線性和缺乏統(tǒng)一的系統(tǒng)描述 ， 使得人們難以利用現(xiàn)有的控制理論和分析方法對(duì)模糊控制系統(tǒng)進(jìn)行分析和設(shè)計(jì) ， 因此 ， 模糊控制理論的穩(wěn)定性分析一直是一個(gè)難點(diǎn)課題 ， 仍未形成較為完善的理論體系 ， 還有許多理論問(wèn)題有待于進(jìn)一步解決。正因?yàn)槿绱?， 近年來(lái)關(guān)于模糊系統(tǒng)的穩(wěn)定性分析已經(jīng)成為眾人關(guān)注的焦點(diǎn) ， 發(fā)表的論文較 ， 采用了各種思想和分析方法 ,主要有 ： 描述函數(shù)分析法、相平面法、關(guān)系矩陣分析法、 Lyapunov 穩(wěn)定性理論、超穩(wěn)定理論、 Popov 判據(jù)、圓判據(jù)、基于滑?？刂破鞯谋容^法、模糊 穴 穴映射、數(shù)值穩(wěn)定性分析方法以及最近出現(xiàn)的魯棒控制理論分析方法和 LMI(矩陣不等式 )凸優(yōu)化方法等。在模糊控制系統(tǒng)的穩(wěn)定性分析和設(shè)計(jì)中 ， 采用的模糊邏輯系統(tǒng)大致有三種類(lèi)型 ： (a)純模糊邏輯系統(tǒng) ； (b) Takagi Sugeno(簡(jiǎn)記為 T S)模糊邏輯系統(tǒng) ； (c)具有模糊產(chǎn)生器和模糊消除器的模糊邏輯系統(tǒng)?；诩兡：壿嬒到y(tǒng)的分析方法主要有 ： 描述函數(shù)分析法、模糊自適應(yīng)控制研究 １４ 相平面法、關(guān)系矩陣分析法、圓判據(jù)等 ,是較早期的穩(wěn)定性分析方法 ； 基于 T S系統(tǒng)的分析方法主要為 Lyapunov穩(wěn)定性理論、魯捧控制理論分析方法和 LMI凸優(yōu)化方法 ； 基于類(lèi)型 (c)的模糊邏輯系統(tǒng)的分析方法主要為自適應(yīng)控制理論方法 ； 最近還出現(xiàn)了超穩(wěn)定理論、 Popov判據(jù)、基于滑模控制器的比較法、模糊穴 穴映射、數(shù)值穩(wěn)定性分析等方法。其中 ， Lyapunov 穩(wěn)定性理論、自適應(yīng)控制理論、關(guān)系矩陣分析法占有很重要的地位 ， 尤其是 Lyapunov穩(wěn)定性理論和自適應(yīng)控制理論方法 ； 數(shù)值計(jì)算分析方法與模糊穴 穴映射具有相通之處 ， 但是穴 穴映射借助于新的數(shù)學(xué)工具正顯示出新的研究活力。另外 ， 提出了一種解決智能多層次復(fù)雜系統(tǒng)的建模和穩(wěn)定性分析的原理和思路。最后要提到的是模糊 邏輯控制系統(tǒng)魯棒穩(wěn)定性問(wèn)題的研究 ， 由于其與靈敏度分析和魯棒多變量反饋控制器的緊密聯(lián)系 ， 可望為模糊邏輯控制的系統(tǒng)設(shè)計(jì)和穩(wěn)定性分析、性能評(píng)估等提供系統(tǒng)的設(shè)計(jì)方法。下面是近幾年國(guó)內(nèi)外學(xué)者在此領(lǐng)域進(jìn)行的研究情況。需要指出的是 ，雖然目前的研究成果和文獻(xiàn)較多 ， 模糊控制的應(yīng)用十分成功和廣泛 ， 但是迄今為止模糊控制系統(tǒng)的穩(wěn)定性分析和控制系統(tǒng)設(shè)計(jì)仍缺乏一個(gè)強(qiáng)有力的數(shù)學(xué)工具和統(tǒng)一的方法 ， 仍未形成較為完善的理論體系 ， 還有許多理論問(wèn)題有待于進(jìn)一步探索。 模糊控制研究方向展望 模糊控制仍然是一個(gè)充滿(mǎn)爭(zhēng)議的領(lǐng)域。由于它的發(fā)展歷 史還不長(zhǎng)，理論上的系統(tǒng)性和完善性，技術(shù)上的成熟性和規(guī)范性都還是不夠的，有待人們的進(jìn)一步提高。 模糊系統(tǒng)理論還有一些重要的理論課題還沒(méi)有解決。其中兩個(gè)重要模糊自適應(yīng)控制研究 １５ 的問(wèn)題是：如何獲得模糊規(guī)則及隸屬函數(shù)，這在目前完全憑經(jīng)驗(yàn)來(lái)進(jìn)行；以及如何保證模糊系統(tǒng)的穩(wěn)定性。大體說(shuō)來(lái)，在模糊控制理論和應(yīng)用方面應(yīng)加強(qiáng)研究的主要方向?yàn)椋? 1)適合于解決工程上普遍問(wèn)題的穩(wěn)定性分析方法，穩(wěn)定性評(píng)價(jià)理論體系；控制器的魯棒性分析，系統(tǒng)的可控性分析和可觀性判定方法等。 2)模糊控制規(guī)則設(shè)計(jì)方法的研究，包括模糊集合隸屬函數(shù)設(shè)定方法，量化水平， 采樣周期的最優(yōu)選擇，規(guī)則的系數(shù)，最小實(shí)現(xiàn)以及規(guī)則和隸屬函數(shù)參數(shù)自動(dòng)生成等問(wèn)題；進(jìn)一步則要求我們給出模糊控制器的系統(tǒng)化設(shè)計(jì)方法。 3)模糊控制器參數(shù)最優(yōu)調(diào)整理論的確定，以及修正推理規(guī)則的學(xué)習(xí)方式和算法等。 4)模糊動(dòng)態(tài)模型的辨識(shí)方法。 5)模糊預(yù)測(cè)系統(tǒng)的設(shè)計(jì)方法和提高計(jì)算速度的方法。 6)神經(jīng)網(wǎng)絡(luò)與模糊控制相結(jié)合，有望發(fā)展一套新的智能控制理論。 7)模糊控制算法改進(jìn)的研究：由于模糊邏輯的范疇很廣，包含大量的概念和原則；然而這些概念和原則能真正的在模糊邏輯系統(tǒng)中得到應(yīng)用的卻為數(shù)不多。這方面的嘗試有待深 入。 8)最優(yōu)模糊控制器設(shè)計(jì)的研究：依據(jù)恰當(dāng)提出的性能指標(biāo)，規(guī)范控制規(guī)則的設(shè)計(jì)依據(jù)，并在某種意義上達(dá)到最優(yōu)。 9)簡(jiǎn)單、實(shí)用且具有模糊推理功能的模糊集成芯片和模糊控制裝置、通用模糊控制系統(tǒng)的開(kāi)發(fā)和推廣應(yīng)用。 在短短 20 多年時(shí)間里，模糊控制得到長(zhǎng)足發(fā)展。它的應(yīng)用領(lǐng)域涉及模糊自適應(yīng)控制研究 １６ 各各方面，控制方法也有廣很大進(jìn)展，模糊控制器的性能不斷提高。模糊控制系統(tǒng)易于接受，設(shè)計(jì)簡(jiǎn)單，維護(hù)方便，而且比常規(guī)控制系統(tǒng)穩(wěn)定性好，魯棒性高。由于它的這些特點(diǎn)，模糊控制正在得到越來(lái)越廣泛的應(yīng)用。 模糊控制 系統(tǒng)設(shè)計(jì)方法 系統(tǒng)設(shè)計(jì)方法的 研究主要側(cè)重于 ： 模糊規(guī)則的優(yōu)化和在線學(xué)習(xí)修正的算法研究 ， 修正因子在線學(xué)習(xí) ， 隸屬函數(shù)的選取和調(diào)節(jié)等。目前 ， 在模糊控制的發(fā)展中 ， 多是對(duì)傳統(tǒng)的模糊控制方法的研究 ， 存在的主要問(wèn)題是 ：眾多的待定參數(shù) ， 控制規(guī)則建立困難。因此目前這方面的研究也是一個(gè)熱點(diǎn)問(wèn)題 ， 應(yīng)用了多種思想 ,主要有 ： 自適應(yīng)神經(jīng)元學(xué)習(xí)、單純形法、專(zhuān)家自學(xué)習(xí)法、多步預(yù)報(bào)自學(xué)習(xí)、遺傳算法 (GA)及 BP網(wǎng)絡(luò)等。另外 ， 還有許多關(guān)于增強(qiáng)式學(xué)習(xí)算法及模糊自適應(yīng)等思想的研究。研究目標(biāo)有向高度自適應(yīng)自動(dòng)系統(tǒng) (自動(dòng)產(chǎn)生隸屬函數(shù)及模糊規(guī)則并在線修正 )這方面發(fā)展的跡象 ， 值得注 意和重視。下面簡(jiǎn)單介紹這方面的研究狀況。提出基于自適應(yīng)神經(jīng)元學(xué)習(xí)模糊控制規(guī)則 ， 主要思想是 ： 學(xué)習(xí)與當(dāng)前性能有關(guān)的在過(guò)去起作用的控制規(guī)則 ， 使系統(tǒng)可以隨過(guò)程環(huán)境變化自動(dòng)調(diào)節(jié)控制規(guī)則 ， 以改善輸出性能。針對(duì)常規(guī)模糊控制的不足 ， 采用分層多規(guī)則集結(jié)構(gòu) ， 實(shí)現(xiàn)了模糊控制的智能化。提出直接優(yōu)化去模糊過(guò)程的控制規(guī)則的設(shè)計(jì)方法 ， 應(yīng)用了誤差及其變化率的二次型性能指標(biāo)。利用專(zhuān)家自學(xué)習(xí)思想研究模糊控制的修正因子在線自學(xué)習(xí)方法。針對(duì)具純時(shí)滯及非線性的復(fù)雜系統(tǒng) ， 提出了基于多步預(yù)報(bào)的自學(xué)習(xí)控制算法 ， 使控制效果基本不依賴(lài)于初始控制表 ，而控制表可 在線修正 ， 以滿(mǎn)足系統(tǒng)的快速性和穩(wěn)定性的要求。應(yīng)用單層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)多變量模糊規(guī)則中的未知參數(shù) ， 還可以由它來(lái)實(shí)現(xiàn)多變量模糊模糊自適應(yīng)控制研究 １７ 推理過(guò)程 ， 該方法針對(duì)解決多變量模糊控制中普遍存在的規(guī)則獲取困難和難于實(shí)現(xiàn)實(shí)時(shí)自適應(yīng)等問(wèn)題。在改進(jìn)的 GA基礎(chǔ)上 ， 提出基于最優(yōu)控制的二次型性能指標(biāo)的模糊規(guī)則優(yōu)化方法 ， 不需要任何被控系統(tǒng)的先驗(yàn)知識(shí) ， 因而適合于一大類(lèi)復(fù)雜非線性系統(tǒng)的控制。文中對(duì) GA的改進(jìn)有兩點(diǎn) ： a)增加“雜交”算子 ； b)主動(dòng)“優(yōu)生”描述改善生物群體的質(zhì)量 ， 使 GA由被動(dòng)進(jìn)化變成主動(dòng)進(jìn)化。利用具有動(dòng)態(tài)結(jié)構(gòu)的 BP網(wǎng)絡(luò)進(jìn)行模糊推理 ， 實(shí)現(xiàn)模糊 控制的最優(yōu)化推理過(guò)程 。用另一類(lèi)具動(dòng)態(tài)結(jié)構(gòu) BP網(wǎng)絡(luò)修正現(xiàn)有的控制規(guī)則 ,實(shí)現(xiàn)規(guī)則的自組織 ， 在控制過(guò)程中不斷優(yōu)化控制性能 ， 使控制效果更理想。研究了控制規(guī)則自適應(yīng)問(wèn)題 ,提出在給定比例因子條件下 ， 由兩組關(guān)于控制規(guī)則自生成與自校正的元規(guī)則組成規(guī)則自適應(yīng)機(jī)構(gòu)。用這兩組規(guī)則 ， 系統(tǒng)可在某時(shí)刻同時(shí)調(diào)整由系統(tǒng)兩種狀態(tài)激活的控制規(guī)則。有機(jī)集成了信任分配 (BB:Bucket Brigade)和 GA組成增