【正文】 mplementation, must be made via fuzzy quantization process into fuzzy quantity. Blur generally USES the following two methods: 1, will be in a certain range of gauged x fuzzy into such a fuzzy subset, it at point x membership for 1, in addition to the x each point in the rest of the membership are 0. Domains such as the selected fuzzy set theory to X = { n n + 1,... , 0,... , n l, n}, and input the basic theory of domain for [ e, e], accurate quantity input is e. 2, first ditto algorithm to get the L, second language variable assignment table lookup, find out 1 position with the maximum membership degree is determined by the linguistic values of the corresponding fuzzy quantity, the fuzzy measure for e the blur. Accurate method In a fuzzy control system, as a result of the fuzzy control rules by fuzzy inference decision out of control variable is a fuzzy subset, it cannot directly control the controlled object, so you also need to take reasonable method to convert them into accurate quantity, so that the best play the decision effect of the result of fuzzy reasoning. 15 Accurate process is a lot of methods, including MIN MAX gravity method, algebraic product addition gravity method, the weighted fuzzy reasoning method, functional reasoning method and weighted function type inference method, choose the maximum membership degree method, the median method. the choice of sampling time Choose the sampling time is the structure problem in puter control, so fuzzy control as a type of puter control, there is also a reasonable choice of sampling time. Shannon sampling theorem is given the choice of sampling period limit. Namely maxT??? Type for the upper limit of sampling signal in the angular frequency. Within this range, the smaller the sampling period, is close to a continuous control. But not too small, it needs prehensive consideration actuator response time, long time needed for puter control algorithm, puter word, such as antijamming performance factors 第三 章 模糊控制應用研究現(xiàn)狀 及展望 ： 模糊控制具有良好控制效果的關鍵是要有一個完善的控制規(guī)則。但由于模糊規(guī)則是人們對過程或?qū)ο竽：畔⒌臍w納，對高階、非線性、大時滯、時變參數(shù)以及隨機干擾嚴重的復雜控制過程，人們的認識往往比較貧乏或難以總結完整的經(jīng)驗，這就使得單純的模糊控制在某些情況下很粗糙，難以適應不同的運行狀態(tài)，影響了控制效果。 常規(guī)模糊控制的兩個主要問題在于：改進穩(wěn)態(tài)控制精度和提高智能水平與適應能力。在實際應用中，往往是將模糊控制或模糊推理的思想，與其它相對成熟的控制理論或 方法結合起來，發(fā)揮各自的長處，從而獲得理想的控制效果。由于模糊規(guī)則和語言很容易被人們廣泛接受，加上模糊化技術在微處理器和計算機中能很方便的實現(xiàn)，所以這種結合展現(xiàn)出強大的生命力和良好的效果。對模糊控制的改進方法可大致的分為模糊復合控制，自適應和自學習模糊控制，以及模糊控制與智能化方法的結合等三個方面。 模糊復合控制： FuzzyPID 復合控制 :即模糊 PID 控制，通常是當誤差較大時采用模糊控制，而誤差較小時采用 PID控制，從而既保證動態(tài)響應效果，又能改善穩(wěn)態(tài)控制精度 。一種簡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。 模糊 線性復合控制 :如模糊 前饋補償控制等，實際利用了模糊控制是變增益 PI 控制器的特點，在實際系統(tǒng)的控制中取得了較好的效果。 史密斯 模糊控制器 :針對系統(tǒng)的純滯后特性設計，用模糊控制器替代 PID 可以解決常規(guī)史密斯 PID 16 控制器對參數(shù)變化適應能力較弱的缺陷 。此外模糊推理和模糊規(guī)則的運用有利于在一定程度上適應時延的變化，在更復雜的情況下對對象的純滯后進行有效的補償。 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 :一般采用結構分解和分層分級結構，利用多個簡單的模糊控制器進行組合，并兼顧多規(guī)則集之間的相互關系。 自適應和自學習模糊控制： 自校正模糊控制器 :修改控制規(guī)則的自校正模糊控制器，從響應性能指標的評價出發(fā)，利用模糊集合平移或隸屬函數(shù)參數(shù)的改變，來實現(xiàn)控制規(guī)則的部分或全面修正，也可通過修正規(guī)則表或隸屬函數(shù)本身來進行調(diào)整 ?；谀：Ｐ偷淖孕Ｕ：刂破鳎?利用模糊集理論辨識系統(tǒng)模型的語言化方法，基于參考模糊集的系統(tǒng)模糊關系模型辨識方法，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計的基礎等。 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)，較大的增強了對環(huán)境變化的適應能力 ?；谀：评淼?PID 自整定控制，如參數(shù)自整定模糊 PD控制，以及類似的 PI 及 PID 控制等。 模型參考自適應模糊控制器 :利用參考模型輸出與控制作用下系統(tǒng)輸出間的偏差來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。 具有自學習功能的模糊控制 :包括多種對外擾影響或重復任務的性能具有自學習功能的模糊控制方法，以及自尋優(yōu)模糊控制器等，其關鍵在于學習和尋優(yōu)算法的設計，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制相結合的模糊模型參考學習控制，及自適應遞階模糊控制等更高級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合： 盡管模糊控制在概念和理論上仍然存在著不少爭議，但進入 90 年代以來，由于國際上許多著名學者的參與，以及大量工程應用上取得的成功，尤其是對無法用經(jīng) 典與現(xiàn)代控制理論建立精確數(shù)學模型的復雜系統(tǒng)特別顯得成績非凡，因而導致了更為廣泛深入的研究，事實上模糊控制已作為智能控制的一個重要分支確定了下來。 專家模糊控制： 專家系統(tǒng)能夠表達和利用控制復雜過程和對象所需的啟發(fā)式知識，重視知識的多層次和分類的需要，彌補了模糊控制器結構過于簡單、規(guī)則比較單一的缺陷，賦予了模糊控制更高的智能 。二者的結合還能夠擁有過程控制復雜的知識，并能夠在更為復雜的情況下對這些知識加以有效利用。 基于神經(jīng)網(wǎng)絡的模糊控制： 神經(jīng)網(wǎng)絡實現(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)絡實 現(xiàn)模糊控制規(guī)則或模糊推理， 17 后者通常要求網(wǎng)絡層數(shù)多于三層 。自適應神經(jīng)網(wǎng)絡模糊控制，利用神經(jīng)網(wǎng)絡的學習功能作為模型辨識或直接用作控制器 ?；谀：窠?jīng)網(wǎng)絡的隸屬函數(shù)及推理規(guī)則的獲取方法，具有模糊連接強度的模糊神經(jīng)網(wǎng)等，均在控制中有所應用 。模糊系統(tǒng)與遺傳算法相結合的控制器設計方法則提供了更為新穎的思路。 此外，模糊預測控制，模糊變結構方法，模糊系統(tǒng)建模及參數(shù)辨識，模糊模式識別等的研究，也都屬于較為前沿的研究方向。 模糊控制研究方向展望 模糊控制仍然是一個充滿爭議的領域。由于它的發(fā)展歷史還不長，理論上的系統(tǒng) 性和完善性，技術上的成熟性和規(guī)范性都還是不夠的，有待人們的進一步提高。 模糊系統(tǒng)理論還有一些重要的理論課題沒有解決。其中兩個重要的問題是 :如何獲得模糊規(guī)則及隸屬函數(shù)，這在目前完全憑經(jīng)驗來進行 。以及如何保證模糊系統(tǒng)的穩(wěn)定性。 大體說來，在模糊控制理論和應用方面應加強研究的主要課題為： 適合于解決工程上普遍問題的穩(wěn)定性分析方法，穩(wěn)定性評價理論體系 ?？刂破鞯聂敯粜苑治?，系統(tǒng)的可控性和可觀測性判定方法等。 模糊控制規(guī)則設計方法的研究，包括模糊集合隸屬函數(shù)的設定方法，量化水平，采樣周期的最優(yōu)選擇，規(guī)則的系數(shù)， 最小實現(xiàn)以及規(guī)則和隸屬函數(shù)參數(shù)自動生成等問題 ， 進一步則要求我們給出模糊控制器的系統(tǒng)化設計方法。 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)則的學習方式和算法等。 模糊動態(tài)模型的辨識方法。 模糊預測系統(tǒng)的設計方法和提高計算速度的方法。 神經(jīng)網(wǎng)絡與模糊控制相結合，有望發(fā)展一套新的智能控制理論。 模糊控制算法改進的研究 :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)中得到應用的卻為數(shù)不多。這方面的嘗試有待深入。 最優(yōu)模糊控制器設計的研究 :依據(jù)恰 當提出的性能指標，規(guī)范控制規(guī)則的設計依據(jù)，并在某種意義上達到最優(yōu)。 The third chapter fuzzy control research situation and prospects of application the fuzzy control application research status: Fuzzy control has better control effect of the key is to have a perfect control rules. But due to the fuzzy rules are summarized of or object to process fuzzy information, the high order, nonlinear, large delay, timevarying parameters of the random disturbance and severe plex control 18 process, the understanding of the people tend to be poor or difficult to summarize the experiences of plete, this makes the simple fuzzy control, in some cases, very rough, difficult to adapt to different running status, has affected the control effect. Conventional fuzzy control of the two main problem is: to improve the steady state control precision and improve the level of intelligence and ability to adapt. In practical application, often is the thought of fuzzy control and fuzzy reasoning, and other relatively mature control theory or method, pl