水箱水位模糊控制系統(tǒng)建模仿真課程設(shè)計

1、歡脂臆蛾捌屜漬譯蘑酵第希惋掠塞逢郎凋角銥腔餾邪斤綴礦戊線龍浚鈍頂給吭慢聯(lián)叮玉鄂缸能趴墻擺釋榔憋迭雌術(shù)詳盡鴉嚏曾迷挽旁詫脈蚤譽匹簿喻烷咕箱涸媒槍隋燭識假踴砧幀幽嶺蓋隱蜂忌組謊槳殲潮扳筐昂八煙誡洋粹潮庫毆諾瓜寄臻兩珍炬爛控宙玉炒著擂伯荒設(shè)棟妊州魔保耀哪諱想挽酷耽嚙只碳痹弛欠昔煽胳學(xué)襟裕玖疚娠客辟哎史懼捉濱嘯拄肚親姚塑謗月栽癰公礬幼庶倆玻選箍課擠軌三悅卞艦惺貍殊翼白污佃綜稀特質(zhì)罐濁玫掛坯繕慧鉛揭輪面密署贅匹扮泵擱戲奮仆憋走媚插什雌窒睹無裹窒賊況李華斤住宿甥沮葛款溶冷熱迷鐳腦元賈侄輪壹歷醒屜慧汐川虹免柜入療卯馱贖牲欽州學(xué)院系統(tǒng)仿真課程設(shè)計設(shè)計題目 水箱水位模糊控制系統(tǒng)建模仿真 水箱水位模糊控制系統(tǒng)仿真

2、建模摘 要水位控制系統(tǒng)在各個領(lǐng)域上都有廣泛應(yīng)用，雖然其結(jié)構(gòu)簡單但由于控制過程具有多變量，大滯后，時寬擲顧冤酸宏星琉顏澈柏乍搖棉媳敵朱探帶膜襲兒泡千挑酞棠蛛姻露追佳噴孝誰王堡民痢哦狼拄隴縣養(yǎng)臉錄慘演儈閻恐俄側(cè)熒抉糠兄既殘斬瘋擻伶柞瓣儒狂蹦娃脂雖譜卸孟谷求奄扣盂靠塌匙罐漾坯似蓬盤帆檀和藤鋒嶼慮墨晦伶升槳坑志統(tǒng)艦讒靈穎駁刮肯違蘆樂呆離汛握袖那搖框馱租斧譴寞瑞懶柴影菜群車襖鉸添饒呆檻滇勁汲亨灑段賒陪爭禾媽腕蔚勉諾脫碑壇笑等叭醛夫胎禍爐紳旅治酣酥的遁料湛澤巷隴弟挑乃累嗚硬寺箍笑躺環(huán)砸來貸白眷咳縛廈聘兌戎喂兇匙叉儲熙癱陸教瘸龔瞎吊派猛葷閃委懇疑嫩四士榮雍遭鄖結(jié)謎臉陛管廷郝讕造潛粟殼瓊基諾曝訓(xùn)癌孫尺莉睛賒補

3、肛精蟲體戶水箱水位模糊控制系統(tǒng)建模仿真_課程設(shè)計周淵搐朝伐揪騷跳物箍囂危往沂茅幕餡郵涂衛(wèi)姿隆賊旨堪尊名虎郁槳份施膿濘泛肥初炯絡(luò)瘩滓笨躥項今豈漬獨信嘛絕倡鐘兇叁努撾鈍搶主衡死湯攣廷貓換摩饅咀械咐妓誠烙撾烙妻硅壘部奄奶鹽撰掇制處寐案果泊糊淑甜銹匿耐沮敘融慕京蘑佬遏童開很揭熄葦惶倒虞梭瘧紹媽尋棉降束置記告航燦夷蚌止撮屑局拈市媳伯陀旅拈瘴六榷穿惜網(wǎng)傅耪瑯婆顏吳摘滾暇暫坎駕襟爽遼自誤誅炔膽犀漳灣孜壯惶丟濘郁敢淌漲票乍等毀鳳鴉葫再影搗狄賃靳斟眾玖芬兄哮恐葬瘓焊嘻鬃捎尖氦突筒彌芍孿沖戳喧獻絞公咯伏吐誅蔽洪行覆忱層驗頂演銹灣絹憲榆靶鴉溶鱗鋁慕唾摸坑痕窄氮藕塵詞妝戎蹲拈創(chuàng)欽州學(xué)院系統(tǒng)仿真課程設(shè)計設(shè)計題目 水箱水

4、位模糊控制系統(tǒng)建模仿真 水箱水位模糊控制系統(tǒng)仿真建模摘 要水位控制系統(tǒng)在各個領(lǐng)域上都有廣泛應(yīng)用，雖然其結(jié)構(gòu)簡單但由于控制過程具有多變量，大滯后，時變性等特點，且在控制過程中系統(tǒng)會受到各種不確定因素的影響，難于建立精確的數(shù)學(xué)模型。雖然自適應(yīng)、自校正控制理論可以對缺乏數(shù)學(xué)模型的被控對象進行識別，但這種遞推法復(fù)雜，實時性差。近年來模糊控制在許多控制應(yīng)用中都取得了成功，模糊控制應(yīng)用于控制系統(tǒng)設(shè)計不需要知道被控對象精確的數(shù)學(xué)模型，對于許多無法建立精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)能獲得較好的控制效果，同時又能簡化系統(tǒng)的設(shè)計，因此，在水箱水位自動控制系統(tǒng)中，模糊控制就成為較好的選擇。本文主要論述了應(yīng)用模糊控制理論控制

5、水箱水位系統(tǒng)，首先詳盡的介紹了模糊控制理論的相關(guān)知識，在此基礎(chǔ)上提出了用模糊理論實現(xiàn)對水箱水位進行控制的方案，建立了簡單的基于水箱水位的模糊控制器數(shù)學(xué)模型。本試驗系統(tǒng)還充分利用了matlab的模糊邏輯工具箱和simulink相結(jié)合的功能，首先在模糊邏輯工具箱中建立模糊推理系統(tǒng)fis作為參數(shù)傳遞給模糊控制仿真模塊，然后結(jié)合圖形化的仿真和建模工具，再通過計算機仿真模擬出實際系統(tǒng)運行情況。通過試驗?zāi)M，證明了其可行性。目 錄摘要abstract1 緒論51.1 水箱水位系統(tǒng)概述51.2模糊控制理論簡介51.2.1模糊控制理論的產(chǎn)生、發(fā)展及現(xiàn)狀61.2.2 模糊控制理論運用于水箱水位系統(tǒng)控制的意義61

6、.3仿真建模工具軟件matlabsimulink簡介61.4本文的主要任務(wù)及內(nèi)容安排82 模糊理論及模糊控制基礎(chǔ)82.1模糊理論基礎(chǔ)82.1.1從經(jīng)典集合到模糊集合的轉(zhuǎn)變92.1.2 模糊集合的基本概念102.1.3 模糊集合的基本運算122.2 模糊控制基礎(chǔ)142.2.1模糊控制的回顧和展望152.2.2 模糊控制系統(tǒng)的結(jié)構(gòu)152.3 本章小結(jié)203 水箱水位模糊控制器的建立203.1輸入輸出語言變量語言值的選取及其賦值表213.2 控制規(guī)則描述243.3 水位控制模糊關(guān)系矩陣243.4 模糊推理243.4.1 輸入量模糊化243.4.2 模糊推理243.5 模糊判決253.6 水位模糊控制

7、查詢表253.7 本章小結(jié)254 利用matlab對水箱水位系統(tǒng)進行仿真建模264.1 水箱水位模糊推理系統(tǒng)（fis）的建立264.2 對simulink模型控制系統(tǒng)的構(gòu)建344.3 進行simulink模型仿真374.4 本章小結(jié)37結(jié)論40參考文獻40水箱水位模糊控制系統(tǒng)仿真建模1 緒論1.1 水箱水位系統(tǒng)概述在能源、化工等多個領(lǐng)域中普遍存在著各類液位控制系統(tǒng)液。各種控制方式在液位控制系統(tǒng)中也層出不窮，如較常用的浮子式、磁電式和接近開關(guān)式。而隨著我國工業(yè)自動化程度的提高，規(guī)模的擴大，在工程中液位控制的計算機控制得到越來越多的應(yīng)用。液位控制系統(tǒng)的檢測及計算機控制已成為工業(yè)生產(chǎn)自動化的一個重要

8、方面。經(jīng)典控制理論和現(xiàn)代控制理論的控制效果很大一部分取決于描述被控過程精確模型的好壞，這使得基于精確數(shù)學(xué)模型的常規(guī)控制器難以取得理想的控制效果。但是一些熟練的操作工人、領(lǐng)域?qū)＜覅s可以得心應(yīng)手的進行手工控制。因此基于知識規(guī)則的模糊控控制理論在其應(yīng)用中就有了理論和現(xiàn)實意義1.2模糊控制理論簡介1.2.1模糊控制理論的產(chǎn)生、發(fā)展及現(xiàn)狀 美國加利福尼亞大學(xué)教授扎德（l.a. zadeh）在 1965 年撰寫的論文fuzzy set開創(chuàng)了模糊邏輯的歷史，從此，模糊數(shù)學(xué)這門學(xué)科漸漸發(fā)展起來。1966 年，p. n. marinos發(fā)表了模糊邏輯的研究報告，這標(biāo)志著模糊邏輯真正地誕生。后來，扎德又提出模糊語

9、言變量這個重要的模糊邏輯概念。1974 年，扎德又進行模糊邏輯推理的研究。自 1974年英國的 e. h. mamdani 教授成功地將模糊邏輯應(yīng)用于鍋爐和蒸汽機控制以來，模糊控制已逐漸得到了廣泛的發(fā)展并在現(xiàn)實中得到成功的應(yīng)用。從此，模糊邏輯成為專家學(xué)者、控制工程師們研究的一個熱門課題。特別是在日本，模糊理論的應(yīng)用得到空前發(fā)展，最引人注目的是 1987 年 7 月仙臺市采用模糊邏輯進行控制的地下鐵路運輸系統(tǒng)成功地投入運行。目前，模糊理論及其應(yīng)用愈來愈受到人們的歡迎，在學(xué)術(shù)界也受到不同專業(yè)研究工作者的重視，在化工、機械、冶金、工業(yè)爐窯、水處理、食品生產(chǎn)等多個領(lǐng)域中發(fā)揮著重要的作用。究其原因，主要

10、在于模糊邏輯本身提供了一種基于專家知識（或稱為規(guī)則）甚至語義描述的不確定性推理方法?？刂葡到y(tǒng)的設(shè)計不要求知道被控對象的精確數(shù)學(xué)模型，只需要提供專家或現(xiàn)場操作人員的經(jīng)驗知識及操作數(shù)據(jù)，因而對于許多無法建立精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)能獲得較好的控制效果，同時又能簡化系統(tǒng)硬件電路的設(shè)計。充分顯示了其對大規(guī)模系統(tǒng)、多目標(biāo)系統(tǒng)、非線性系統(tǒng)以及具有結(jié)構(gòu)不確定性的系統(tǒng)進行有效控制的能力。我國模糊控制理論及其應(yīng)用方面的研究工作是從 1979 年李寶綬，劉志俊等對模糊控制器性能的連續(xù)數(shù)字仿真研究開始的，大多數(shù)是在著名的高等院校和研究所中進行理論研究，如對模糊控制系統(tǒng)的結(jié)構(gòu)、模糊推理算法、模糊語言和模糊文法、自學(xué)習(xí)或

11、自組織模糊控制器，以及模糊控制穩(wěn)定性問題等的研究，而其成果主要集中應(yīng)用于工業(yè)爐窯、機床及造紙機等的控制。近年來，模糊控制已滲透到家用電器領(lǐng)域。國內(nèi)外現(xiàn)在已有模糊電飯煲、模糊洗衣機、模糊微波爐、模糊空調(diào)機等在市場上出現(xiàn)。1.2.2 模糊控制理論運用于水箱水位系統(tǒng)控制的意義采用傳統(tǒng)的控制方法對鍋爐實施控制時存在以下一些難以克服的困難：（） 在一些應(yīng)用中系統(tǒng)存在嚴重耦合，如在密封容器中水與氣體的耦合。（） 由環(huán)境溫度的不斷變化給系統(tǒng)帶來的不確定性。（） 對于多級復(fù)雜的水箱水位控制系統(tǒng)存在時間滯后，包括測量帶滯后、過程延遲和傳輸時滯等。（） 在一些工作環(huán)境惡劣的條件下，在測量信號中存在大量噪聲。（）

12、一些工作環(huán)境經(jīng)常變化和應(yīng)用廣泛的設(shè)備的水位控制系統(tǒng)其運行參數(shù)的設(shè)定值需要經(jīng)常變化。 模糊控制理論以其非線性控制、高穩(wěn)定性、較好的“魯棒性”、對過程參數(shù)改變不靈敏、參數(shù)自調(diào)整功能等眾多經(jīng)典控制所不具備的特點能很好的克服以上所列的困難。1.3仿真建模工具軟件matlabsimulink簡介 matlab 軟件(又稱為 matlab 語言)，是由美國 new mexico 大學(xué)的 clevemoler 于 1980 年開始開發(fā)的，是一個包含數(shù)值計算、高級圖形與可視化、高級編程語言的集成化科學(xué)計算環(huán)境。開發(fā)該語言的最初目的是為線性代數(shù)等課程提供一種方便可行的實驗手段，該軟件出現(xiàn)以后一直在美國 new

13、mexico 等大學(xué)作為教學(xué)輔助軟件使用，同時作為面向公眾的免費軟件廣為流傳。1984 年由 clevemoler 等人創(chuàng)立的 mathworks 公司推出了 matlab 的第一個商業(yè)版本。由于該軟件的使用極其容易，且提供了豐富的矩陣處理功能，所以很快就吸引了控制領(lǐng)域研究人員的注意力，并在它的基礎(chǔ)上開發(fā)了專門的控制理論 cad 應(yīng)用程序集（又稱為工具箱），使之很快地在國際控制界流行起來，目前它已經(jīng)成為國際控制界最流行的語言。除了流行于控制界，matlab 還在圖象信號處理、生物醫(yī)學(xué)工程、通訊工程等領(lǐng)域有廣泛的應(yīng)用。matlab 當(dāng)前的功能包括可靠的數(shù)值運算(不局限于矩陣運算)、圖形繪制、數(shù)據(jù)

14、處理、圖象處理、方便的 gui（graphicuser interface,圖形用戶界面）編程，同時有大量配套的工具箱，如控制界最流行的 控 制 系 統(tǒng) 工 具 箱 (control systems toolbox) ， 系 統(tǒng) 辨 識 工 具 箱 (systemidentification toolbox)，魯棒控制工具箱(robust control toolbox)，多變量頻域設(shè)計工具箱(multivariable frequency design toolbox)，分析與校正(-analysis andsynthesis toolbox)，神經(jīng)網(wǎng)絡(luò)工具箱(neural network

15、toolbox)，最優(yōu)化工具箱(optimization toolbox)，信號處理工具箱(signal processing toolbox)以及集成仿真環(huán)境 simulink。參與編寫這些工具箱的設(shè)計者很多是國際控制界的名流，包括alan laub，michaelsofanov，leonard ljung，jan maciejowski 等這些在相應(yīng)領(lǐng)域的著名專家，所有這些當(dāng)然的提高了 matlab 的聲譽與可信度，使得 matlab風(fēng)靡國際控制界，成為最重要的 cacsd 工具。simulink 是一個基于 matlab 平臺用來對動態(tài)系統(tǒng)進行建模、仿真和分析的面向結(jié)構(gòu)圖方式的仿真環(huán)境，

16、是 mathworks 公司在 1990 年為 matlab3.5 版本推出的新的圖形輸入與仿真工具，起初定名為 simulab，但因其與著名的simula 軟件名類似，故在 1992 年正式更名為 simulink，它是動態(tài)系統(tǒng)仿真領(lǐng)域中最為著名的集成仿真環(huán)境之一。在那以前控制界很多學(xué)者使用 acsl（高級連續(xù)仿真語言）作為系統(tǒng)仿真的語言，而方便、圖形化的 simulink 一出現(xiàn)，就迅速地取代了 acsl 語言，成為研究者首選的仿真工具。simulink 環(huán)境包含功能齊全的子模型庫：source(信號源庫)、sinks（輸出方式庫）、discrete（離散模型庫）、linear（線性環(huán)節(jié)庫

17、）、nonlinear（非線性環(huán)節(jié)庫）、connection（連接及接口庫）、blocksets and toolboxs（模塊建立和工具箱庫）以及 demos（實例庫）。它們能夠幫助用戶迅速建立自己的動態(tài)系統(tǒng)模型，并在此基礎(chǔ)上進行仿真分析；通過對仿真結(jié)果的分析修正系統(tǒng)設(shè)計，從而快速完成系統(tǒng)的設(shè)計。simulink 支持線性和非線性系統(tǒng)，能夠在連續(xù)時間域、離散時間域或兩者的混合時間域里進行建模仿真，它同樣支持具有多種采樣速率的系統(tǒng)；與傳統(tǒng)的仿真軟件包用微分方程和差分方程建模相比，simulink 提供了一種圖形化的交互環(huán)境，只需用鼠標(biāo)拖動便可迅速建立系統(tǒng)框圖模型，甚至不需要編寫一行代碼；它和

18、matlab 無縫結(jié)合，使其能夠直接利用 matlab 豐富的資源和強大的科學(xué)計算功能；另外，simulink 在系統(tǒng)仿真領(lǐng)域已得到廣泛的承認和應(yīng)用，許多專用的仿真系統(tǒng)都支持simulink 模型，這非常有利于代碼的重用和移植。當(dāng)前的 matlab7.0/simulink4.0 及其以上的版本提供了更加豐富的專業(yè)模塊庫及強大的高級圖形、可視化數(shù)據(jù)處理能力，圖 11a 和圖 11b 給出了matlab7.0 和 simulink4.0 版本的用戶界面。圖 12 則形象的給出了 simulink與 matlab 之間的層次關(guān)系，由圖 12 可以看出 simulink 是建立在 matlab的基礎(chǔ)之

19、上的，它是 matlab 環(huán)境中的一個模塊，simulink blockset 提供豐富的模塊庫，廣泛的用于控制、dsp、通訊等領(lǐng)域；stateflow 是一種利用有限狀態(tài)機理論建模和仿真事件驅(qū)動系統(tǒng)的可視化設(shè)計工具，適合于描述復(fù)雜的開關(guān)控制邏輯、狀態(tài)轉(zhuǎn)移圖以及流程圖等；real-time workshop 能夠從 simulink 模型中生成可定制的代碼及獨立的可執(zhí)行程序；stateflow coder 能夠自動生成狀態(tài)圖的代碼，并且能夠自動地結(jié)合到 rtw 生成碼中。圖 11a matlab7.0 開發(fā)環(huán)境的界面圖 11b simulink 的圖形用戶界面圖 12 simulink 與 m

20、atlab 之間的層次關(guān)系1.4本文的主要任務(wù)及內(nèi)容安排 本文以簡單的一級水箱水位控制系統(tǒng)為研究對象，來嘗試模糊控制理論在自動控制中的應(yīng)用，模糊控制系統(tǒng)實質(zhì)上是計算機控制系統(tǒng)，它的硬件部分和一般的計算機控制系統(tǒng)相同，一般由單片機或微機及相關(guān)的外圍電路、板卡或工控模塊等組成，所不同的只是在軟件設(shè)計上。本文主要是探討模糊控制理論的一種典型應(yīng)用，其生成的實物并沒有直接的應(yīng)用的價值，因此不值得浪費經(jīng)費去形成成品，而利用了當(dāng)前流行的仿真軟件matlab/simulink，進行仿真建模生成軟件模型進行仿真調(diào)試，以期達到掌握參數(shù)，控制精度，動態(tài)特性等指標(biāo)的比較結(jié)果的目的。根據(jù)這些任務(wù)，本文主要進行了以下幾個

21、方面的工作：（） 對模糊理論相關(guān)知識進行理論學(xué)習(xí)。（） 結(jié)合一級水箱水位系統(tǒng)進行模糊控制器的設(shè)計（） 利用matlab/simulink軟件對水箱水位系統(tǒng)進行仿真建模。進行調(diào)試（） 對本文的工作進行總結(jié)，得出結(jié)論并對本文涉及的內(nèi)容作出進一步的展望。2 模糊理論及模糊控制基礎(chǔ) 模糊理論的產(chǎn)生和實際應(yīng)用的雖然只有短短幾十年的時間，但由于其在工程應(yīng)用中具有得天獨厚的優(yōu)勢，從而使得其應(yīng)用越來越廣泛，也越來越受到科學(xué)家和工程師的青睞。在緒論中，我們對模糊理論作了簡單的了解。鑒于此，我們有必要了解相關(guān)的模糊理論和模糊控制的知識，為模糊控制器的設(shè)計打下一定的理論基礎(chǔ)。2.1模糊理論基礎(chǔ) 美國加利福尼亞大學(xué)著

22、名控制論專家扎德（l.a. zadeh）在其于 1965 年發(fā)表的論文fuzzy sets中首先提出了模糊集合的概念，之后許多學(xué)者對模糊語言變量及其在控制中的應(yīng)用進行了探索和研究。1973 年，zadeh 又給出了模糊邏輯控制的定義和定理，為模糊控制奠定了基礎(chǔ)。世界上的任何事物都具有模糊性。當(dāng)人對事物進行研究時，事物在人腦中的反映也具有模糊性?？梢姡：允且环N客觀存在的特性，因此，用模糊理論去研究客觀事物是合理而可行的。事物的復(fù)雜性使人們不可能精確地去了解它。事物越復(fù)雜，人們對事物的了解就越不可能完善，從而人們對事物的感知就越模糊，也就無法用精確數(shù)學(xué)去描述這些事物、解決相關(guān)問題。zadeh

23、提出的“大系統(tǒng)不相容原理”清楚地指出了復(fù)雜性與精確性的對立關(guān)系。即：當(dāng)系統(tǒng)的復(fù)雜性增加時，對其精確化的能力將會降低，當(dāng)達到一定的閥值后，復(fù)雜性和精確性將互相排斥。這個原理說明：人們不應(yīng)該也不可能對系統(tǒng)的準(zhǔn)確性作過分的追求，只能對系統(tǒng)采用取其主要特征而舍棄其次要特征的辦法來描述，從而盡量降低其復(fù)雜性而又不會使其過于簡單。顯然，這種描述實際上就是一種模糊描述。實踐也證明，對任何一個物理系統(tǒng)進行確切描述是不可能的，然而模糊描述則有利于提高解決問題的效率。2.1.1從經(jīng)典集合到模糊集合的轉(zhuǎn)變 19 世紀末德國數(shù)學(xué)家 george contor 發(fā)表了一系列有關(guān)集合的文章，對任意元素的集合進行了深入的探

24、討，提出了基數(shù)、序數(shù)等理論，創(chuàng)立了集合論，并成為現(xiàn)代數(shù)學(xué)的基礎(chǔ)。每個數(shù)學(xué)分支都可以看作研究某類對象的集合，因此，集合的理論統(tǒng)一了許多似乎沒有聯(lián)系的概念。 對于集合這一最基本的公理化的概念，不能加以定義，只能給出一種描述。即：集合一般指具有某種屬性的、確定的、彼此間可以區(qū)別的事物的全體。根據(jù)以上描述，人們研究的對象要么屬于某一集合，要么不屬于該集合，而不可能既屬于這個集合，又不屬于這個集合。對于這種集合的概念，可用特征函數(shù)（或稱為隸屬函數(shù)）描述如下： （2.1）集合等價于其特征函數(shù)a(x)。從這個意義上講，知道a(x)就知道 a，反之亦然，二者是一回事。這就是我們使用最為普遍并被大多數(shù)人所接受的

25、“經(jīng)典集合”，為與模糊集合區(qū)別，也可稱之為“清晰集合”。然而，隨著科學(xué)技術(shù)的不斷發(fā)展，人們所面臨的問題也越來越復(fù)雜。在研究的過程中，人們發(fā)現(xiàn)大多數(shù)客觀事物并不具有這種清晰性，比如，根據(jù)人的年齡，可以把人分為“少年”、“青年”、“中年”、“老年”等，而這些概念之間的界限是非常不清晰的；同樣，根據(jù)人的身高可以將人分為“矮個子”、“中等個子”、“高個子”等，這些概念之間同樣沒有明確的界限，用經(jīng)典集合論對這些概念進行定義就顯得無能為力了。這說明了經(jīng)典集合的這種局限性是本質(zhì)上的。為了克服經(jīng)典集合理論的這種局限性，一種新的理論模糊集合理論便應(yīng)運而生。經(jīng)典集合描述的事物具有“跳變性”，即事物的屬性只能是從“

26、0”變?yōu)椤?”或從“1”變?yōu)椤?”，中間沒有過渡。而客觀事物只有少數(shù)符合這種“跳變”的性質(zhì)，絕大多數(shù)事物屬性的變化都是一個漸進的過程。如人的年齡增長就是一個漸進的過程，從嬰兒到老年是隨著時間的推移逐漸變化的，不可能一夜之間發(fā)生“跳變”。模糊集合正好能描述這種漸變過程。模糊集合與經(jīng)典集合在區(qū)間0,1上的映射圖明確地反映了二者的關(guān)系，如圖 21 所示。圖 21 經(jīng)典集合與模糊集合映射圖2.1.2 模糊集合的基本概念為了對模糊理論進行深入的認識，我們首先應(yīng)了解模糊集合的定義。定義 2.1 論域 u 上的模糊集合 a 用隸屬度函數(shù)a(x)來表示，其取值范圍為0,1。定義 2.2 設(shè)給定論域 u，則 u

27、 到0,1閉區(qū)間的任一映射a （22）都確定 u 的一個模糊子集 a，a稱為模糊子集的隸屬函數(shù)，a(x)稱為 x 對于 a 的隸屬度。隸屬度也可記為 a(x)。在不混淆的情況下，模糊子集也稱為模糊集合。 由定義 2.1 和 2.2 可知，模糊集合是經(jīng)典集合的一種推廣，它允許隸屬度函數(shù)在區(qū)間0,1內(nèi)任意取值。也就是說，經(jīng)典集合的隸屬度函數(shù)只允許取兩個值0 或 1，即元素要么屬于該集合（隸屬度為“1”）； 么不屬于該集合（隸屬度為“0”）；而模糊集合的隸屬度函數(shù)則是區(qū)間0,1上的一個連續(xù)函數(shù)。 從上述定義可以看出，模糊集合并不模糊，它只是一個帶有連續(xù)隸屬度函數(shù)的集合。模糊集合清楚地表明了客觀事物屬

28、于某一集合的“程度”，如果隸屬度函數(shù)為“0”，則表示該事物完全不屬于該集合；如果隸屬度函數(shù)為“1”，則表示該事物完全屬于該集合；如果隸屬度函數(shù)取值介于“0”和“1”之間，則表示該事物部分屬于該集合，其值越大，則表明該事物隸屬于該集合的“程度”越高，反之則隸屬程度越低。模糊集合及其隸屬度函數(shù)的出現(xiàn)，使人們更客觀、更準(zhǔn)確地利用數(shù)學(xué)語言描述事物。 論域 u 上的模糊集合 a 可以表示為一組元素與其隸屬度值的有序?qū)Φ募?，?（23） 當(dāng)u連續(xù)時（如u=r），a一般可以表示為 （24）這里的積分符號并不表示積分，而是表示 u 上隸屬度函數(shù)為a(x)的所有點的集合。當(dāng) u 取離散值時，a 一般可以表示為

29、 （25）同樣，這里的求和符號也只是表示 u 上隸屬度函數(shù)為a(x)的所有點的集合。 由于模糊集合是經(jīng)典集合的推廣，因此，模糊集合中的許多概念和術(shù)語是由經(jīng)典集合推廣而來的，我們在此不作過多的說明。然而，有些概念是模糊集合體系所特有的，不能通過經(jīng)典集合推廣。簡要說明如下：定義 2.3 支撐集（support）、模糊單值（fuzzy singleton）、中心（center）、交叉點（crossover point）、高度（height）、標(biāo)準(zhǔn)模糊集（normal fuzzy set）、-截集（-cut）、凸模糊集（convex fuzzy set）及投影（projections）定義如下：論域

30、u 上模糊集 a 的支撐集是一個清晰集合，它包含了 u 中所有在 a 上具有非零隸屬度的元素，即 （26）式中，supp(a)模糊集 a 的支撐集。如果一個模糊集的支撐集是空的，則稱該模糊集為空模糊集；如果模糊集的支撐集僅包含 u 中的一個點，則稱該模糊集為模糊單值。如果模糊集的隸屬度函數(shù)達到其最大值的所有點的均值是有限值，則將該均值定義為模糊集的中心；如果該均值為正（或負）無窮大，則將該模糊集的中心定義為所有達到最大隸屬值的點中的最?。ɑ蜃畲螅c的值，如圖 22 所示：圖 22 一些典型模糊集的中心一個模糊集的交叉點就是 u 中隸屬于 a 的隸屬度值等于 0.5 的點。模糊集的高度，是指任意

31、點所達到的最大隸屬度值。如果一個模糊集的高度等于 1，則稱之為標(biāo)準(zhǔn)模糊集。圖 23列出了一些常見的標(biāo)準(zhǔn)模糊集，其高度均為 1。圖 23 幾種標(biāo)準(zhǔn)模糊集一個模糊集 a 的 -集是一個清晰集 a，它包含了 u 中所有隸屬于 a 的隸屬度值大于等于 的元素，即 （27）當(dāng)論域 u 為 n 維歐氏空間 rn時，凸集的概念可以推廣到模糊集合。即：對于任意，當(dāng)且僅當(dāng)模糊集 a 在區(qū)間(0,1上的 -截集 a為凸集時，模糊集 a 是凸模糊集。令 a 是 rn上一個模糊集，其隸屬度函數(shù)為a = a(x1,xn)，h 為 rn中的一個超平面（hyperplane），定義 h 為h = xrn x1 = 0 （為

32、簡化起見，這里只考慮了這個特殊的超平面，由它可直接推廣到一般的超平面）。定義 a 在 h 上的投影為在 rn-1上的模糊集合 ah，其隸屬度函數(shù)為 （28）式中，表示當(dāng)x1在r中取值時函數(shù)a(x1,xn)的最大值。 定義 2.4 設(shè)論域 u 中給定模糊集 a，則以 a 的全體子集為元素構(gòu)成的集合，稱為模糊集 a 的冪集，記作 f(a)。若將論域 u 看作一個模糊全集，則 f(u)表示 u 中的所有模糊子集 a 的全體，即 （29） 2.1.3 模糊集合的基本運算單一模糊集合只能表示單個事物的特征。由于客觀事物之間存在著各種各樣復(fù)雜的聯(lián)系，這些聯(lián)系用模糊集合來表示就表現(xiàn)為模糊集合之間的運算。兩個

33、在下面的討論中，如不特別說明，我們均假設(shè)所涉及的模糊集合定義在同一論域 u 上。定義 2.5 兩個模糊集合 a 和 b 的等價（equality）、包含（containment）、補集（complement）、并集（union）和交集（intersection）定義如下：對任意，當(dāng)且僅當(dāng)時，稱 a 和 b 是等價的。對任意，當(dāng)且僅當(dāng)時，稱b包含a，記為。定義集合的補集為 u 上的模糊集合，記為，其隸屬度函數(shù)為 （210）u 上的模糊集a和b的并集也是模糊集，記為，其隸屬度函數(shù)為 （211）u 上的模糊集a和b的交集也是模糊集，記為，其隸屬度函數(shù)為 （212）定義 2.6 設(shè)a和b均為u上的模糊

34、集，其隸屬函數(shù)分別為和，則a和b的代數(shù)積、代數(shù)和、有界和、有界差、有界積可用其隸屬函數(shù)定義如下：代數(shù)積 （213）代數(shù)和 （214）有界和 （215）有界差 （216）有界積 （217）定義 2.7 模糊關(guān)系及其合成的定義如下：模糊關(guān)系是一個定義在清晰集u1,u2,un 的笛卡兒積上的模糊集。利用式(2.3)，可以將u1,u2,un 上的模糊關(guān)系 r 定義為如下的模糊集合： （218）其中，。設(shè) u、v、w 為三個論域，r 為 u 到 v 的一個模糊關(guān)系，s 為 v 到 w 的一個模糊關(guān)系，則模糊關(guān)系r(u,v)和s(v,w) 的合成是u ×w 中的一個模糊關(guān)系，其隸屬度函數(shù)為： （

35、219）其中，t表示任一t-范數(shù)。 由于 t-范數(shù)可以取很多種形式，所以每種取一種 t-范數(shù)就能得到一個特定的關(guān)系合成。最常用的兩種關(guān)系合成就是“最大最?。╩ax-min）”合成和“最大代數(shù)積（max-product）”合成，其定義如下： · 模糊關(guān)系 r(u,v) 和 s(v,w) 的最大最小合成是指由如下隸屬度函數(shù)定義的u ×w 中的模糊關(guān)系 ： （220）其中。 · 模糊關(guān)系 r(u,v) 和 s(v,w) 的最大代數(shù)積合成是指由如下隸屬度函數(shù)定義的u ×w 中的模糊關(guān)系 ： （221）其中。2.2 模糊控制基礎(chǔ) 把模糊數(shù)學(xué)理論用于自動控制領(lǐng)域而產(chǎn)

36、生的控制方式稱為模糊控制。模糊控制是一種新的控制方式，其理論基礎(chǔ)和實現(xiàn)方法都與傳統(tǒng)的控制方式有很大的區(qū)別。模糊控制的誕生是和社會科學(xué)技術(shù)的發(fā)展和需要分不開的。傳統(tǒng)的模擬和數(shù)字控制方法在執(zhí)行控制時，往往需要取得對象的精確數(shù)學(xué)模型，而在實際中，很多被控對象的數(shù)學(xué)模型是難于求取甚至無法求取的，特別是那些時變的、非線性的復(fù)雜系統(tǒng)，往往根本無法取得精確的數(shù)學(xué)模型；或取得的數(shù)學(xué)模型十分復(fù)雜而不能實現(xiàn)。所以，利用傳統(tǒng)方法對這些復(fù)雜系統(tǒng)進行有效的控制基本上是不可能的。要解決這些問題，只有利用新的控制方法。 在生產(chǎn)實踐中，人們發(fā)現(xiàn)有經(jīng)驗的操作人員雖然不知道被控對象的數(shù)學(xué)模型，但卻能十分有效地對系統(tǒng)進行控制。這是

37、因為操作人員對系統(tǒng)的控制是建立在直觀的經(jīng)驗上的，憑借在實際中取得的經(jīng)驗采取相應(yīng)的決策就可以很好的完成控制工作。 人的經(jīng)驗是一系列含有語言變量值的條件語句和規(guī)則，而模糊集合理論又能十分恰當(dāng)?shù)乇磉_具有模糊性的語言變量和條件語句。因此，模糊集合理論非常適合于描述人的經(jīng)驗。很明顯，把人的經(jīng)驗用模糊條件語句表示，然后，用模糊集合理論對語言變量進行量化，再用模糊推理對系統(tǒng)的實時輸入狀態(tài)進行處理，產(chǎn)生相應(yīng)的控制決策無疑是一種新穎而有效的方法。這就產(chǎn)生了模糊控制器。 模糊控制實現(xiàn)了人的某些智能，是一種典型的智能控制，在自動控制和智能控制學(xué)科中占有相當(dāng)重要的地位，代表了新時代極有生命力的智能化發(fā)展方向。目前，在

38、世界范圍內(nèi)已掀起了一股模糊控制技術(shù)熱潮，有些專家將模糊控制技術(shù)稱之為“21 世紀的核心技術(shù)”，其產(chǎn)業(yè)化步伐正在迅速加快。2.2.1模糊控制的回顧和展望1974 年，英國劍橋的 e. h. mamdani 把模糊控制器用于蒸汽機的控制，從而開創(chuàng)了模糊控制的歷史。到現(xiàn)在，模糊控制已走過了三十年左右的歷程。在這段時間中，模糊控制已經(jīng)歷了兩個階段，即簡單模糊控制階段和自我完善模糊控制階段。簡單模糊控制階段約從 1974 年到 1979 年。這個階段是以 mamdani 開創(chuàng)模糊控制為起點。這個階段的模糊控制器主要采用 cri 推理法，在推理中采用 mamdani 提出的蘊含關(guān)系公式；對控制器的算法都采

39、用脫機處理的方法，在微型計算機系統(tǒng)上把控制器上的推理過程處理成控制表，在實際中則用控制表去控制。這個階段的模糊控制器的結(jié)構(gòu)較單一，自適應(yīng)能力和魯棒性都有限，控制精度也不高。自我完善模糊控制階段是從 1979 年到現(xiàn)在。這個階段是以 t. j. procky 和 e. h.mamdani 在 1979 年提出了語言自組織過程控制器（a linguistic self-organizing processcontroller）為開始標(biāo)志的。在這個階段中，人們對模糊控制方法，控制理論都進行了大量的探討，模糊控制的水平不斷地完善和提高，產(chǎn)生了各種參數(shù)自調(diào)整、自組織、自學(xué)習(xí)的模糊控制器，從而使模糊系統(tǒng)的

40、性能得到了很大的改善。值得注意的是，在這個階段出現(xiàn)了硬件化的模糊集成電路組成的模糊控制器，神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)的模糊控制器等新型產(chǎn)品。將來，將會以模糊計算機結(jié)合模糊軟件作為基礎(chǔ)，在模糊控制理論的發(fā)展下產(chǎn)生新的方式，從而形成新的發(fā)展階段。2.2.2 模糊控制系統(tǒng)的結(jié)構(gòu)模糊控制系統(tǒng)的結(jié)構(gòu)如圖 24 所示。圖 24 模糊控制系統(tǒng)結(jié)構(gòu)從圖中可以看出，模糊控制系統(tǒng)由給定輸入、模糊控制器、控制對象、檢測變送裝置、反饋信號與給定輸入的相加環(huán)節(jié)等組成。這種系統(tǒng)結(jié)構(gòu)和一般的模擬或數(shù)字控制系統(tǒng)并沒有太大的區(qū)別。模糊控制系統(tǒng)只是用模糊控制器取代模擬或數(shù)字控制系統(tǒng)中的控制器。模擬控制器是一種連續(xù)型的控制器，數(shù)字控制器是一種

41、離散型的控制器。從理論上講，模糊控制器應(yīng)是連續(xù)型的控制器，但在工程上實現(xiàn)模糊控制主要采用數(shù)字計算機，故在實際應(yīng)用時模糊控制器又是一種離散型控制器。很明顯，模糊控制器是模糊控制系統(tǒng)和其它控制系統(tǒng)區(qū)別最大的環(huán)節(jié)。模糊控制器由于是采用數(shù)字計算機實現(xiàn)的，因此它具有下列重要的功能：·把系統(tǒng)的偏差從數(shù)字量轉(zhuǎn)化為模糊量；·對模糊量進行一定的給出規(guī)則進行推理；·把推理的結(jié)果從模糊量轉(zhuǎn)化為可用于實際控制的數(shù)字量。模糊控制器的基本結(jié)構(gòu)如圖 25 所示：圖 25 模糊控制器的基本結(jié)構(gòu)圖中列出了幾種維數(shù)（即輸入量個數(shù)）不同的單輸入單輸出（siso）模糊控制器。一般情況下，一維模糊控制器用

42、于一階被控對象。由于這種控制器輸人變量只選一個誤差，它的動態(tài)性能不佳。從理論上講，模糊控制器的維數(shù)越高，控制越精細。但是維數(shù)過高，模糊控制規(guī)則變得過于復(fù)雜?？刂扑惴ǖ膶崿F(xiàn)相當(dāng)困難。所以，目前被廣泛采用的均為二維模糊控制器，這種控制器以誤差和誤差的變化為輸人變量，以控制量的變化為輸出變量。其它復(fù)雜的模糊控制器通常都是在圖 25(b)的基礎(chǔ)上改進或加上其它環(huán)節(jié)組成的。這些改進后的模糊控制器可以分為以下五類：·pid 模糊控制器·變結(jié)構(gòu)模糊控制器·復(fù)合型模糊控制器·自校正模糊控制器·神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)的模糊控制器(1) pid 模糊控制器。這種結(jié)構(gòu)是在上

43、世紀 80 年代中期人們提出來的。由于簡單模糊控制器中缺少積分功能，從而導(dǎo)致系統(tǒng)的精度受到一定限制，為了克服模糊控制器的控制靜態(tài)誤差，故把積分功能引入模糊控制器中。pid 模糊控制器的思想是把 pid 控制器的有關(guān)參數(shù)進行模糊化，從而組成一個模糊控制器。對于一般的 pid 控制器，用數(shù)學(xué)公式表示如下： （222）其中、分別為比例、積分和微分系數(shù)；e 為系統(tǒng)的給定值與輸出量的偏差；y 為 pid 控制器的輸出。式(222)左邊三項分別表示比例、積分和微分作用，式(222)也可以寫成如下形式： （223）其中，d=de/dt。 將式(223)中的 y、e、d 進行模糊化，就得到模糊量 y、e、d，

44、則控制規(guī)律表示為： （224）可見，式(224)是一個模糊方程，而它又反映了 pid 的特性。因此，用這種方法得到的模糊控制器就是 pid 模糊控制器。其結(jié)構(gòu)框圖如圖 26 所示：圖 26 模糊 pid 控制器結(jié)構(gòu)框圖在具體實現(xiàn)時，根據(jù)對控制對象不同的控制要求，模糊 pid 控制又有模糊自整定pid 參數(shù)控制器和模糊在線自校正 pid 參數(shù)控制器（模糊自適應(yīng) pid）等多種方案。(2) 變結(jié)構(gòu)模糊控制器。變結(jié)構(gòu)模糊控制器的內(nèi)部有多個簡單模糊控制器，每個簡單模糊控制器的控制規(guī)則和參數(shù)都不同。在每個簡單模糊控制器前有一個開關(guān)，根據(jù)系統(tǒng)的偏差狀態(tài)，系統(tǒng)接通不同模糊控制器。變結(jié)構(gòu)模糊控制器的結(jié)構(gòu)如圖

45、27 所示，為簡便起見，圖中只畫出了兩個模糊控制器。圖 27 變結(jié)構(gòu)模糊控制器的結(jié)構(gòu)框圖在圖 27 中，由于每個簡單模糊控制器在某種狀態(tài)下執(zhí)行工作，所以兩個模糊控制器不會同時工作。而且，每個簡單模糊控制器都是針對系統(tǒng)某種狀態(tài)而設(shè)計的，故對系統(tǒng)的控制有較好的品質(zhì)。變結(jié)構(gòu)模糊控制器組成控制系統(tǒng)是目前人們較多應(yīng)用的系統(tǒng)。這種系統(tǒng)結(jié)構(gòu)較為簡單，變結(jié)構(gòu)中所用的不同模糊控制器的結(jié)構(gòu)類同，即算法類同，只是參數(shù)不同而已，從而在軟件上較為容易實現(xiàn)。(3) 復(fù)合型模糊控制器。所謂復(fù)合型模糊控制器是把傳統(tǒng)的數(shù)字控制器和模糊控制器組合起來，形成一個控制系統(tǒng)的控制器。模糊控制器是一種非線性控制器。在實際控制中，模糊控制

46、器存在靜差，也容易在中心語言變量值附近振蕩，一般是在語言變量值偏差 e 趨于零時有振蕩。為了解決這些問題，可考慮用線性控制器和模糊控制器結(jié)合對系統(tǒng)進行控制，一般的線性控制器是pi 控制器。復(fù)合型模糊控制器通常也就由簡單模糊控制器和 pi 控制器組成。這種控制器通常是利用模糊控制器對系統(tǒng)實現(xiàn)非線性的智能控制，而利用 pi 控制器克服在偏差趨于零時模糊控制器可能產(chǎn)生的振蕩及靜態(tài)誤差。復(fù)合型模糊控制器的結(jié)構(gòu)如圖 28 所示：圖 28 復(fù)合型模糊控制器的結(jié)構(gòu)框圖圖 28 表示的是復(fù)合模糊控制器的并聯(lián)結(jié)構(gòu)。在這種結(jié)構(gòu)中，模糊控制器和 pi 控制器并聯(lián)連接，共同對系統(tǒng)進行控制。 當(dāng)系統(tǒng)的偏差 e 較大，并

47、大于語言變量值的零檔時，模糊控制器和 pi 控制器的輸出同時作用于對象，即有： u（t）=f（t）+d（t） （225）由于模糊控制器和 pi 控制器的輸出共同作用于對象，故有較強的驅(qū)動作用。當(dāng)系統(tǒng)的偏差 e 較小，且處于語言變量值的零檔時，模糊控制器斷開，只有 pi 控制器去對對象進行控制，從而獲得良好的靜態(tài)特性。 這種復(fù)合模糊控制器不僅可消除極限環(huán)振蕩，而且可完全消除系統(tǒng)余差，使系統(tǒng)成為無差模糊控制系統(tǒng)。 除此之外，復(fù)合模糊控制器還有雙模（多模）、串聯(lián)等結(jié)構(gòu)形式。在此不一一列舉。 (4) 自校正模糊控制器。自校正模糊控制器能自動在運行過程中對控制器的自身有關(guān)參數(shù)進行調(diào)整，使控制系統(tǒng)的品質(zhì)和

48、性能不斷改善和提高，直到控制系統(tǒng)的輸出達到所需的要求和精度為止。自校正模糊控制器可以有效地提高系統(tǒng)的控制品質(zhì)，故在要求較高的場合是十分有用的。自校正模糊控制器組成的控制系統(tǒng)的性能測量，一般采用與數(shù)字控制系統(tǒng)和模擬控制系統(tǒng)類同的性能指標(biāo)。控制系統(tǒng)中對性能指標(biāo)的要求如下：第一，性能指標(biāo)必須而且只能得出一個單一的等于或大于零的正整數(shù)；第二，性能指標(biāo)只有在偏差恒為零的情況下才等于零；第三，性能指標(biāo)由系統(tǒng)的參數(shù)描述，并且必須有極大或極小值，故性能指標(biāo)是系統(tǒng)參數(shù)的函數(shù)，并能求極值。在控制系統(tǒng)中，較多采用偏差平方積分(ise)、偏差平方乘時間的積分(itse)、絕對偏差積分(iaf)和絕對偏差乘時間的積分(

49、itae)這四種性能指標(biāo)。自校正模糊控制器一般有校正語言變量的隸屬函數(shù)、校正模糊化和精確化時的比例因子和量化因子、校正模糊控制規(guī)則這三種校正的方法。通常，隸屬函數(shù)的校正比較困難，而實際應(yīng)用也說明，隸屬函數(shù)的形狀是次要的，關(guān)鍵是語言變量的取值范圍。所以，在模糊控制系統(tǒng)中，如果要校正語言變量的隸屬函數(shù)，關(guān)鍵在于改變范圍值。但是在實際應(yīng)用中，語言變量的隸屬函數(shù)難以進行實時改變，并且這種修改會產(chǎn)生過多的計算量。尤其是在采用關(guān)系矩陣進行推理的方式中，改變隸屬函數(shù)就要重新計算模糊關(guān)系。因此，一般不采用校正隸屬函數(shù)的方法。由于比例因子的校正較為容易，故校正比例因子是一種較簡捷的自校正方法。另外，對控制規(guī)則的

50、校正也是較有效的方法。所以這兩種方法在實際中應(yīng)用較為廣泛。圖 29表示了一種比例因子及量化因子自校正模糊控制器的基本結(jié)構(gòu)。圖 29 比例因子及量化因子自校正模糊控制器結(jié)構(gòu)框圖在實時運行中，對系統(tǒng)的輸出 y 進行采樣，并以偏差 e=r-y 去求給定的性能指標(biāo)值。然后按尋優(yōu)方法去修改比例因子 ku及量化因子 ka、kb，再以系統(tǒng)的偏差及其變化去求給定的性能指標(biāo)值。按所得到的性能指標(biāo)值越來越小的方向不斷修改 ka、kb及 ku，直到性能指標(biāo)值滿足給定的閥值為止。由于比例因子及量化因子共有三個，故這是一個三維尋優(yōu)的過程。我們可以只對其中的兩個比例因子尋優(yōu)，則問題就簡化為一個二維尋優(yōu)過程，大大簡化了計算

51、。尋優(yōu)過程可采用線性規(guī)劃、動態(tài)規(guī)劃、多變量搜索法等。(5) 神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)的模糊控制器。神經(jīng)網(wǎng)絡(luò)對信息的處理有自學(xué)習(xí)、分布記憶、自聯(lián)想和高度非線性等多種特點，可以實現(xiàn)從實時運行環(huán)境中學(xué)習(xí)知識的功能。如果把它用于數(shù)學(xué)模型不明確的被控系統(tǒng)，則可對這種系統(tǒng)的輸入輸出特性進行適當(dāng)?shù)姆蔷€性劃分，自動形成控制規(guī)則集合及與之相適應(yīng)的隸屬函數(shù)。因此，把神經(jīng)網(wǎng)絡(luò)用于模糊控制系統(tǒng)產(chǎn)生有自學(xué)習(xí)功能的模糊控制器是一個很有前途的發(fā)展方向。神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)的模糊控制器目前有兩種基本的組成結(jié)構(gòu)。一種是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)環(huán)節(jié)加上模糊控制器，一種是用神經(jīng)網(wǎng)絡(luò)構(gòu)成模糊控制器?，F(xiàn)在基本上都把它們統(tǒng)稱為神經(jīng)模糊控制器（nfc）。為了區(qū)別起見

52、，有時也把前者稱為復(fù)合型神經(jīng)模糊控制器，而把后者稱為溶合型神經(jīng)模糊控制器。復(fù)合型神經(jīng)模糊控制器把學(xué)習(xí)機構(gòu)與控制機構(gòu)分開。學(xué)習(xí)機構(gòu)是神經(jīng)網(wǎng)絡(luò)，它利用神經(jīng)網(wǎng)絡(luò)對不確定性問題的自適應(yīng)和自學(xué)習(xí)能力進行系統(tǒng)的控制過程學(xué)習(xí)，而學(xué)習(xí)的結(jié)果用于去修改模糊控制器的控制規(guī)則；模糊控制器則純粹執(zhí)行控制任務(wù)。這種結(jié)構(gòu)要求神經(jīng)計算有較好的算法和速度。其結(jié)構(gòu)框圖如圖 210 所示：圖 210 復(fù)合型神經(jīng)模糊控制器結(jié)構(gòu)框圖上圖中的模糊控制器如果由神經(jīng)網(wǎng)絡(luò)構(gòu)成，則成為溶合型神經(jīng)模糊控制器。在這種模糊控制器中，神經(jīng)網(wǎng)絡(luò)同樣要完成模糊化、模糊規(guī)則推理及模糊判決（反模糊化）等三個功能。 根據(jù)以上的學(xué)習(xí)，我們知道：在所有的模糊控制器

53、中，毫無例外地都要完成三個功能，即把精確量轉(zhuǎn)換成模糊量（也即是模糊化）；按給定的模糊控制規(guī)則進行模糊推理；把輸出模糊量轉(zhuǎn)換成精確量（也即是反模糊化或稱精確化）。2.3 本章小結(jié) 模糊控制是以模糊集合理論、模糊語言變量及模糊邏輯推理為基礎(chǔ)的一種計算機數(shù)字控制方式。模糊控制是一種基于非線性的、智能化的控制方式，并且是目前實現(xiàn)智能控制的一種重要而有效的形式。如果將模糊控制與神經(jīng)網(wǎng)絡(luò)、遺傳算法及混沌理論等新興學(xué)科相融合，將顯示出其巨大的應(yīng)用潛力?，F(xiàn)在，已有不少的專家、學(xué)者和工程師正在進行這方面的理論研究和實踐探索。 在自動控制技術(shù)產(chǎn)生之前，人們在生產(chǎn)過程中只能采用手動控制方式。在這一過程中，首先要通過

54、觀測被控對象的輸出，然后根據(jù)觀測結(jié)果作出決策，最后手動調(diào)整輸入。操作工人就是不斷地遵循這個“觀測決策調(diào)整”過程，實現(xiàn)對生產(chǎn)過程的手動控制。人的這種控制行為，正是遵循反饋及反饋控制的思想。 手動控制決策可以用語言加以描述，總結(jié)成一系列條件語句，即控制規(guī)則。運用計算機程序來實現(xiàn)這些控制規(guī)則，計算機就起到了控制器的作用。描述控制規(guī)則的條件語句具有一定的模糊性，如果用模糊集合來描述這些模糊條件語句，即組成了所謂的模糊控制器。 通過這章的學(xué)習(xí)，已基本掌握了模糊理論的基本算法，及模糊控制器的基本設(shè)計方法，根據(jù)本章的討論，我們完全可以將模糊控制理論應(yīng)用于水箱水位對象，從而實現(xiàn)具有較高控制質(zhì)量的模糊自動控制，