模糊自整定PID控制器设计及仿真分析毕业论文.docx

模糊自整定PID控制器设计及仿真分析

摘要

针对常规 P1D 控制不具有自适应能力 ，对于时变、非线性系统控制效果不佳。 提出了将模糊技术与 P1D 控制相结合的控制方式，设计出各种模糊控制器。论文的 主要内容包括 :
1.介绍模糊控制技术的背景和重大意义，了解常规 P1D 控制中的优点与缺点。

2. 了解模糊控制的数学基础 。例如:模糊集合的定义、模糊语言、模糊推理、 模糊变量的隶属函数、论域、量化因子、比例因子等。
3. 掌握队TlAB中模糊工具箱、 SIMULI陆的使用及模糊控制器的设计方法 ，对于

不同的控制系统设计出对应的模糊控制器的规则 。

4.对混合式模糊 P1D 控制器、开关式模糊 P1D 控制器、自整定模糊 P1D 控制器 进行 S1阳L1NK 仿真。
MATlAB中模糊逻辑控制工具箱设计模糊控制器灵活、方便、可观性强 ，并可在
S1肌且1NK 环境中非常直观地构建各种复杂的模糊 PID 控制系统。仿真结果表明 ，模 糊 P1D 控制具有控制灵活、超调小、响应快和适应性能强的优点。
关键词: 模糊 PID 控制; MATLAB 仿真 ; SIMULINK

Fuzzy Adaptive PID Controller Design and Simulation

I

Analysis

A胎缸act

To 也e conventional PID control don't have self-adaptive ，也e control effect of ti.ræ­ varing and nonlinearity，We have a1ready tak:e the control ræthod 由at combine fuz马f technology with PID controL and design various the fuzzy controller. 古le main contents of
由esis is 由at:

1. Introduce 由e fuzzy co曲。1 technology's background and great s堪nificance，
understanding 世也 advantages and disadvantages of the conven∞nal PID control

2. Understanding 优 mathematical basis of the 也Z马r controL such as: 由e definition 0f fuzzy set，fuzzy language，fuzzy inference，memberslrip function of 如zzy variables，treatise
domain， quanJ面able factor，sca1e factor and so on .

3. 1\也ster 由e use of the fuzzy toolbo凡 STh饥且卦IT{ at MA1LAB and 伽 design of 由e fuzzy controller for different co曲。1sys也mdesign 由巳 rules of the different fuzzy controller
corresponding1y.

4. C缸TY out SIMUl川K simulatio n for 他 hybr划 fuzzy controller，由巳switch fuzzy

controller，and se耳fuzzy controller.

When a fuzzy 10gic contro1 toolbox des毡n fuzzy controII町，挂 is very flexible、

convenient and great observability in MATLAB，and it can construct v町ious complex fuz可 PID contr01 system directly in STh矶正lNK environrænt.咀le simulation results show 由at 由e fuzzy PID control have advantages of f1exible controL srnall overshoot，也st resporre

H

and strong adaptio且
Key words: Fuzz歹 PID ∞ntrol; MATLAB simu1ation; STh矶JLINK

四

目录

摘要 ........................................................... 1
Abstract. 1
第 1章 绪论 ...................................................... 1
1.1 课题的研究背景及意 义 ...................................... 1
1.2 PID 控制的特点 2

1.3 模糊控制技术概述.......................................... 3
第 2 章 模糊控制理论............................................... 6

2. 1 模糊集合定义 .................. ............................ 6
2. 2 模糊语言-. ................................................. 6

2.3 模糊变量的隶属函数 ........................................ 8
2. 4 模糊推理系统的数据结 构管理函数介绍 ......................... 8
2.5 论域、量化因子、 比例因子的选择............................ 11
2.5.1 论域及基本论域...................................... 11
2.5.2 量化因子及比例因子.................................. 12
第 3 章基于 MATlAB的模糊控制器的设计 内容 14

3. 1 模糊控制器概述........................................... 14
3.2 模糊控制器设计所包括的 内容 ............................... 14
3.3 模糊控制器的结构设计 ..................................... 15
3. 4 模糊控制器规则的设计 ..................................... 15
3.5 精确量的模糊化........................................... 17

3.6 模糊推理及其模糊量去模糊化方法 ............................ 18
3.7 模糊控制规则表 ........................................... 18

-IV-

第 4章 PID 控制器 20
4.1 PID 的概述 20
4.2 PID 控制的基本理论 20
4.3 模糊 PID 控制 23
第 5章 MATLAB 仿真 25
5. 1 MATLAB 简介 25
5.2 模糊控制器的设计 ......................................... 25
5.2.1 模糊控制器原理图 .................................... 25
5.2.2 控制系统的 SIMULINK 实现 26
5.2.3 3 MATlAB仿真 29
5. 3 混合式模糊 PID 控制器设计 29
5.3.1 控制系统原理图 ...................................... 29
5.3.2 控制系统的 SIMULINK 实现 30
5.3.3 3 MATlAB仿真 30
5.4 开关式模糊 PID 控制器设计 31
5.4.1 控制系统原理图 ...................................... 31
5.4.2 控制系统的 SIM叽INK 仿真 32
5.4.3 3 MATlAB仿真 32
5. 5 自整定模糊 PID 控制器设计 33
5.5.1 控制系统的原理图 .................................... 33
5.5.2 控制系统的 SIM叽INK 实现 34
5.5.3 MATlAB仿真 39
结论........................................................ 40

参考文献 ........................................................ 41

- v-

- 9-

1. 1 课题的研究背景及意义
第 1 章绪论

现代控制系统 ，规模越来越大，系统越来越复杂 ，用传统的控制理论方法已不

能满足控制的要求。智能控制是在经典控制理论和现代控制理论的基础上发展起来 的，是控制理论、人工智能和计算机科学相结合的产物。智能控制主要分为模糊逻 辑控制、神经网络控制和实时专家系统。研究的主要目标不仅仅是被控对象，同时 也包含控制器本身。
模糊理论是在美国柏克莱加州大学电气工程系L. A.Zadeh 教授于 1965 年创立的 模糊集合理论的数学基础上发展起来的，主要包括模糊集合理论、模糊逻辑、模糊

推理和模糊控制等方面内容。

L.A.Zadeh 教授在 1965 年发表的 Fuzzy Set 论文中首次提出表达事物模糊性的 重要概念一一隶属函数。模糊控制理论的核心是利用模糊集合论，把人的控制策略 的自然语言转化为计算机能够接受的算法语言所描述的算法。但它的控制输出却是
确定的 ，它不仅能成功的实现控制 ，而且能模拟人的思维方式，对一些无法构成数 学模型的对象进行控制。((模糊概念"更适合于人们的观察、思维、理解、与决 策，这也更适合于客观现象和事物的模糊性。(，模糊控制"的特色就是一种"语言 型"的决策控制。
模糊控制技术 ，已经成为智能控制技术的一个重要分支 ，它是一种高级算法策 略和新颖的技术。自从 1974 年英国的马丹尼 (E.H.Mandani)工程师首先根据模糊集
合理论组成的模糊控制器用于蒸汽发动机的控制以后 ，在其发展历程的30 多年中，

模糊控制技术得到了广泛而快速的发展。现在，模糊控制己广泛地应用于冶金与化

工过程控制、 工业自动化、家用电器智能化、仪器仪表自动化、计算机及电子技术 应用等领域。尤其在交通路口控制、机器人、机械手控制、航天飞行控制、汽车控 制、电梯控制、核反应堆及家用电器控制等方面，表现其很强的应用价值。并且目 前己有了专用的模糊芯片和模糊计算机的产品，可供选用。我国对模糊控制器开始 研究是在 1979 年，并且已经在模糊控制器的定义、性能、算法、鲁棒性、电路实现 方法、稳定性、规则自调整等方面取得了大量的成果。著名科学家钱学森指出，模 糊数学理论及其应用，关系到我国二十一世纪的国力和命运。
1.2 PID 胁。的特点

prD 控制的优点与缺点 : 川

(1)prD 控制具有适应性强的特点，适应各种控制对象，参数的整定是 PID 控制 的一个关键问题:

(2) 只要参数整定合适 ，对大多数被控对象可以实现无 差控制 ，稳态性能好，但 动态特性不太理想;

(3)prD 控制不具有自适应控制能力，对于时变、非线性系统控制效果不佳。当 系统参数发生变化时 ，控制性能会产生较大的变化，控制特性可能变坏，严重时可

能导致系统的不稳定。

虽然 prD 控制具有一些不理想的方面，但由于其具有十分明显的优点，在工业 过程控制领域一直占据 了主导地位，而且全世界的控制技术研究和应用人员对 PID 控制进行了大量的研究，努力改善 PID 控制的性能。围绕 PID 控制，并与多种其它

控制技术结合 ，形成了多种 PID 控制技术，以下是一些 PID 控制技术的发展和研究

方向 :

(1) 专家 prD 控制 :专家控制 (Expert Control )的实质是基于受控对象和控 制规律的各种知识 ，并以智能的方式利用这些知识来设计控制器。利用专家经验来 设计 prD 参数便构成专家 prD 控制;
(2) 模糊 PID 控制:模糊控制技术与 PID 控制结合构成模糊 prD 控制;

(3) 神经 prD 控制 :运用神经网络技术对 PID 控制参数进行整定 ，构成神经

prD 控制;

(4) 遗传 prD 控制: 用遗传算法对 prD 控制参数进行整定和优化 ，构成遗传

prD 控制;

(5) 灰色 prD 控制:灰色系统理论与 prD 控制结合进行系统控制构成 prD 控

牛用
以上多种 prD 控制疗法，是 prD 控制与现代控制技术的结合，主要是在 prD 参

数动态整定上进行了大量研究 ，在保持PID 控制基本原理的基础上，改善了 PID 控 制的性能 ，在工业过程控制领域继续占据着主导地位。
1.3 模糊空制技术概主

模糊控制主要还是建立在人的直觉和经验的基础上 ，这就是说，操作人员对被 控系统的了解不是通过精确的数学表达式 ，而是通过操作人员丰富的实践经验和直 观感觉。这种方法可以看成是一组探索式决策规则。

模糊控制是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机

控制方法 ，作为智能控制的一个重要分支 ，在控制领域获得 了广泛应用。模糊控制 的核心是模糊控制器 ，而模糊控制器的关键是模糊控制规则的确定 ，即模糊控制规 则表，模糊控制规则表是根据专家或者操作者的手动控制经验总结出来的一系列控 制规则。
一般最易为人所观察到的就是被控过程的输出变量及其变化率 ，因此通常把误 差e 及其变化率 ec 作为模糊控制器的输入语言变量 ，把控制量U 作为模糊控制器的 输出语言变量 ，从关系上看为 U = F (E ，EC ) ，实质上体现为模糊控制器是一种非
线性的比例微分 (PD) 控制关系。 模糊控制系统框图如图1. 1所示。

r e E
EC

图1.1 模糊控制系统框图

误差 e、误差变化率 ec 和输出 y 的实际变化范围，称为模糊控制的基本论域。 在模糊控制中 ，用模糊概念来表述输入和输出变量 ，e 和 ec 称为输入语言变量， y 称为输出语言变量。语言变量是一个模糊集合 ，语言变量的取值称为语言变量值。

语言变量值根据问题需要确定 ，是语言变量的模糊子集。语言变量值是构成语言变

量的词集。对于输入变量 e、ec 在基本论域内的一个实际值 ，为实施模糊控制 ，需 要将其转化为语言变量值 ，这个转化依赖于语言变量值的隶属度函数 ，这种转化的 过程叫模糊化。
经过模糊化处理后 ，得到输入变量 e、ec 在输入基本论域内的一个实际值隶属 于各语言变量值的程度。一般在一个模糊规则的前件中往往不只有一个命题 ，需要 用模糊算子获得该规则前件被满足的程度。模糊算子的输入是两个或者多个输入的 经过模糊化后得到的语言变量值(隶属度值) ，其输出是一条规则的整个前件被满足 的隶属度。将一条规则的整个前件盼荫足的隶属度作为输入 ，根据规则 "如果 x 是
A ，则 y 是 B" ，表示的 A 与 B 之间的模糊蕴涵关系 (A→ B)进行模糊推理 ，可以得到

一个输出模糊集，即输出语言变量值 ， 中过程称为模糊推理。模糊推理又称模糊 逻辑推理 ，它是一种以模糊推断为前提 ，运用模糊语言规则 ，推出一个新的近似的 模糊推断结论的方法。
模糊推理的关键是模糊控制规则的确定，即模糊控制规则表 ，模糊控制规则表 是根据专家或者操作者的手动控制经验总结出来的一系列控制规则。由于一般情况 下，模糊规则库由多条规则组成 ，经过模糊推理得到的是一个由每一条规则推理得 出的输出语言变量值的集合 ，因此需要将这些输出语言变量值进行某种合成运算 ， 得到一个综合的输出模糊集 ，这种过程称为模糊合成。将经过模糊合成得到的综合 输出模糊集进行转化 ，即将语言变量值转化为输入变量基本论域内的一个实值 ，对 被控过程进行控制 ，这种过程叫模糊判决或者叫去模糊化。

第 2 章模糊控制理论

2.1 模糊集合定义

模糊集合 : 论域 U 到[0，1]区间的任一映射 μA ' 即
μA : U→ [0，1] (2. 1)

确定 U 的一个模糊子集 A ，简称模糊集。μA 称为 A 的隶属度函数，，Au (X) 称为

x 对 A 的隶属度。

μA(X) 表示论域 U 中的元素 x 属于模糊子集 A 的程度或等级。它在 [0，1] 闭区 间内可连续取值。 ，Au (x) 的值越接近1，则 X 隶属于 A 的程度越高;凡(X) 越接近于 0 ，表示属于 A 的程度低。
2.2 模糊语言

语言是一种符号系统 ，它包括自然语言 ，机器语言等等。其中自然语言是以字 或词为符号的一种符号系统，人们用它表示主客观世界的各种事物、观念、行为和 情感的意义 ，是人们在日常工作和生活中所使用的语言。自然语言中常含有模糊概 念。在实际生产过程中，人们发现，有经验的操作人员，虽然不懂被控对象或被控 过程的数学模型，却能凭借经验采取相应的决策 ，很好的完成控制工作川。
例如，控制加热炉的温度时，就可以根据操作工人的经验调节电加热炉供电电 压，达到升温和降温的目的 ，人工操作控制温度时，操作工人的经验，可以用下述 语言来描述 :
若炉温低于给定温度则升压 ，低的越多，升压越高。 若炉温高于给定温度则降压 ，高的越多 ，降压越低。

若炉温等于给定温度 ，则保持电压不变。

上述这些用以描述操作经验的一系列模糊性语 言，就是模糊条件语句。再用模 糊逻辑推理对系统的实时输入状态观测量进行处理。则可产生相应的控制决策 ，这 就是模糊控制。
图 2. 1 是一个人工操作的控制系统示意图。操作者首先通过传感器和仪表显示 设备，知道系统的输出量及其变化的模糊信息。然后，操作者就用这些信息，根据 己有的经验来分析判断 ，得出相应的控制决策 ，实现对工业对象的控制。
目标值 输出值
寸寸声脑|啊者忡时| "

图 2. 1 工业操作的控制系统 一般来说 ，当人进行控制时，必须根据输入的偏 差及偏差变化率综合地进行权

衡和判决。操作者在对受控过程进行控制时 ，测量或观测到的偏 差值和偏差的变化 速率是一些清晰量 ，经过模糊化得到偏 差、偏差变化率大、中、小的某个模糊量的 概念。经过人的模糊决策后 ，得到决策的控制输出模糊量。 当按照己定的模糊决策 去执行具体的动作时 ，所执行的动作又必须以清晰的量表现出来。因此 ，图 2.1 的 人-机过程可归结为 : 将偏差 e、偏差变化率 ec 的清晰量经模糊化得到模糊量 E 和 EC，将模糊近似推理分析得到模糊控制输出 U，然后经模糊决策判断 ，得到清晰值的
控制量 u 去执行控制动作问。

2.3 模糊变量的隶属函数

MATlAB模糊工具箱提供了许多函数 ，如表 2.1 所示的模糊隶属度函数 ，用以生 成特殊情况的隶属函数 ，包括常用的三角型、高斯型、 π 型、钟型等隶属函数。

表 2. 1 模糊隶属度函数

函数名
函数功能描述
pimf
建立冗型隶属度函数
gauss2mf
建立双边高斯型隶属度函数
gaussmf
建立高斯型隶属度函数
gbellmf
生成一般的钟型隶属度函数
smf
建立 S 型隶属度函数
trapmf
生成梯形型隶属度函数
trimf
生成二角型隶属度函数
zmf
建立 Z 型隶属度函数
[3]

2.4 模糊推理系统的爱好殷吉构管理函数介绍

在 MATLAB 工具箱中，把模糊推理系统的各部分作为一个整体 ，提供了模糊推理 系统数据结构管理函数 ，用以完成模糊规则的建立、解析与修改 ，模糊推理系统的 建立、修改和存储管理以及模糊推理的计算及去模糊化等操作问。

(1) readfis

功能: 从磁盘载入模糊推理系统。

(2) addrule

功能: 向模糊推理系统添加模糊规则。

(3) addvar

功能: 向模糊推理系统添加变量。

(4) convertfis

功能: 将模糊逻辑工具箱1. 0 版 FIS 转换为 2. 0 版 FIS 结构。

(5) evalfis

功能: 执行模糊推理计算。

(6) gensurf

功能: 生成模糊推理系统的曲面并显示。

(7) getfis

功能: 获得模糊推理系统特性曲线。

(8) mam2sug

功能: 将 Mamdani FIS 变换为 Sugeno FIS 。

(9)parsrule 功能: 解析模糊规则。 (10) plotfis
功能: 作图显示模糊推理系统输入/输出结构。

(11) plotmf 功能: 绘制隶属度函数曲线。 (12) rmmf

功能: 从模糊推理系统中删除隶属度函数。

(13) rmvar

功能: 从模糊系统中删除对象。

(14) setfis 功能: 设置模糊推理特性。 (15) showfis
功能: 显示添加了注释的模糊推理系统。

(16)showrule 功能: 显示模糊规则。 (17) wri tefis
功能: 将模糊规则保存到磁盘中。

(18) addmf

功能: 向模糊推理系统添加隶属度函数。

(19)defuzz 功能: 隶属度函数的去模糊化。 去模糊化方法的 5 个可取的值如下 :
① Centroid : 面积重心法。

② Bisector : 面积平分法。

③ Mom : 平均最大隶属度法。

④ Som : 最大隶属度取最小法。

- 10-

⑤ Lom : 最大隶属度取最大法。

(20) evalmf

功能: 通用隶属度函数估计。

(21) mf2mf

功能: 隶属度函数间的参数转换。

(22) newfis

功能: 建立新的模糊推理系统。

2.5 论域、量化因子、比例因子的选择

2.5.1 论域及基本论域

模糊控制器把输入变量误 差、误差变化的实际范围称为这 些变量的基本论域。

显然基本论域内的量为精确量。 被控对象实际要求的控制量的变化范围，称为模糊控制器输出变量(控制量)的
基本论域，控制量的基本论域内的量也是精确量。

若设误差变量所取的模糊子集的论域为 :

{-n ，一n+ 1， …， 0，…，n-1， n}

误差变化变量所取的模糊子集的论域为 :

{-m，吼叫，…， 0， ，旷1，m}

控制量所取的模糊子集的论域为 :

{-x ，-x+1，…， 0，…， x-1，x}

- 19

有关论域的选择问题 ，一般选误差的论域n 注 6 ，选误差变化的论域 m?::. 6 ，选

控制量的论域 x 注 6 。

值得指出的是 ，从道理上讲 ，增加论域中的元素个数 ，即把等级细分 ，可提高 控制精度 ，但这受到计算机字长的限制 ，另外也要增大计算量。因此 ，把等级分得 过细，对模糊控制显得必要性不大。关于基本论域的选择 ，由于事先对被控对象缺 乏经验知识 ，所以误差及误差变化的基本论域只能做初步的选择 ，待系统调整时再 进一步确定。控制量的基本论域根据被控对象提供的数据选定川。
2.5.2 量化因子及比例因子

当由计算机实现模糊控制算法进行模糊控制时 ，每次采样得到的被控制量需经 计算机计算 ，才能得到模糊控制器的输入变量误 差及误差变化。为 了进行模糊化处 理，必须将输入变量从基本论域转换到相应的模糊集的论域 ，这中间需将输入变量 乘以相应的因子 ，这就是量化因子。
量化因子和比例因子均是考虑两个论域变换而引出的 ，但对输入变量而言的量 化因子确实具有量化效应 ，而对输出而言的比例因子只起比例作用。
设计一个模糊控制器除 了要有一个好的模糊控制规则外 ，合理地选择模糊控制 器输入变量的量化因子和输出控制量的比例因子也是非常重要的。量化因子和比例 因子的大小及其不同量化因子之间大小的相对关系 ，对模糊控制器的控制性能影响 极大。
合理地确定量化因子和比例因子要考虑所采用的计算机的字长 ，还要考虑到计

算机的输入输出接口中 D/A 和 A/D转换的精度及其变化的范围。因此 ，选择量化因

子和比例因子要充分考虑与 D/A 和A/D 转换精度相协调 ，使得接口板的转换精度充 分发挥 ，并使其变换范围充分被利用。

量化因子 Ke 及 Kec 的大小对控制系统的动态性能影响很大。 Ke 选的较大时，系 统的超调也较大 ，过渡过程较长。因为从理论上讲 Ke 增大 ，相当于缩小了误差的基 本论域，增大了误 差变量的控制作用 ，因此导致上升时间变短，但由于出现超调 ，

使得系统的迂渡过程变长。 Kec 选择较大时 ，超调量减小 ，但系统的响应速度变慢。 Kec 才对超调的遏制作用十分明显。量化因子 Ke 和 Kec 的大小意味着对输入变量误 差和误差变化的不同加权程度 ，二者之间相互影响问川。

此外，输出比例因子 Ku 的大小也影响着模糊控制系统的特点。 Ku 选择过小会使 系统动态响应过程变长 ，而 Ku 选择过大会导致系统振荡。
输出比例因子 Ku 作为模糊控制器的总的增益 ，它的大小影响着控制器的输出 ，

通过调整 Ku 可以改变对被控对象(过程)输入的大小川。

第 3 章基于 MATLAB 的模糊控制器的设计内容

3.1 阕锄空制器概主

模糊逻辑控制器 (Fuzzy Logic Controller) ，简称为模糊控制器(Fuzzy Controller) 。因为模糊控制器的控制规则是基于模糊条件语句描述的语言控制规 则，所以模糊控制器又称为模糊语言控制器。

模糊控制器包含模糊接口、规则库、模糊推理、清晰化接口等部分。输入变量 是过程实测变量与系统设定值之 差值。输出变量是系统的实时控制修正变量。一维 模糊控制器的输入量是系统的偏 差量 e ，它是确定数值的清晰量。通过模糊化处理， 用模糊语言 E 来描述偏差。模糊推理输出U 是模糊量，在系统中要实施控制时，模 糊量 U 还要转化为清晰值，因此要进行清晰化处理 ，得到可操作的确定值 u，这就是 模糊控制器的输出值，通过 U 的调整控制作用 ，使偏差 e 尽量小例。
二维模糊控制器是目前广为采用的一类模糊控制器。它的输 入量是偏差 e 和偏 差变化率 ec ，以控制量的变化值 u 作为输出量，它比一维控制器有较好的控制效 果，且易于计算机的实现川。
3.2 模糊蹄。器 知十F胞括的内容

(1) 确定模糊控制器的输入变量和输出变量(即控制量) ;

(2) 设计模糊控制器的控制规则 ;

(3) 确立模糊化和非模糊化(又称清晰化)的方法;

(4) 选择模糊控制器的输入变量及输出变量的论域并确定模糊控制器的参数(如

量化因子、比例因子) ;

(5) 模糊控制器的软硬件实现 ;

(6) 合理选择模糊控制算法的采样时间。

3.3 胡锦空制器的结制知十

模糊控制器的结构设计是指确定模糊控制器的输入变量和输出变量 ，究竞选择 哪些变量作为模糊控制器的信息量 ，还必须深入研究在手动控制过程中，人如何获 取、输出信息 ，因为模糊控制器的控制规则归根到底还是要模拟 人脑的思维决策方 式。
在手动过程中 ，人所能获得的信息量基本上为三个 :误差、误差的变化、误差 变化的变化 ，即误差变化的速率。一般来说 ，人对误差最敏感，其次是误 差的变 化，再次是误差变化的速率。从理论上讲 ，模糊控制器的维数越高 ，控制越精细。 但维数过高 ，模糊控制规则变得过于复杂 ，控制算法的实现相 当困难。这或许是目 前人们广泛设计 和应用二维模糊控制器的原因所在 ，因此，本论文也采用二维模糊 控制器 ，即以误差、误差的变化率作为输入川。
3.4 阕棉空制器规则的设计

控制规则的设计是设计模糊控制器的关键 ，一般包括三部分设计内容 :选择描 述输入、输出变量的词集 ，定义各模糊变量的模糊子集及建立模糊控制器的控制规 则。
(1) 选择描述输入和输出变量的词集。模糊控制器的控制规则表现为一组模糊 条件语句 ，在条件语句中描述输入输出变量状态的一些词汇(侬女如口"正大
等)的集合 ，称为这些变量的词集(亦可以称为变量的模糊状态)。

选择较多的词汇描述输入、输出变量，可以便制定控制规则方便，但是控制规

则相应变得复杂;选择词汇过少，使得描述变量变得粗糙，导致控制器的性能变 坏。一般情况下都选择七个词汇，但也可以根据实际系统需要选择三个或五个语言 变量。
针对被控对象，改善模糊控制结果的目的之一是尽量减小稳态误 差。 因此，对 应于控制器输入(误 差、误差的变化率)之一的误差采用:
(负大，负中，负小，零，正小，正中，正大) 用英文字头缩写为 :
{NB，NM，NS，ZO，PS，PM，PB}

另一个输入一误差的变化率及控制器的输出采用 : (负大，负中，负小，零，正小，正中，正大) 用英文字头缩写为 :
{NB，NM，NS，ZO，PS，PM，PB} [1 2]

(2) 定义各模糊变量的模糊子集。定义一个模糊子集，实际_D就是要确定模糊 子集隶属函数曲线的形状。将确定的隶属函数曲线离散化，就得到了有限个点上的 隶属度 ，便构成了一个相应的模糊变量的模糊子集。
理论研究显示，在众多隶属函数曲线中，用正态型模糊变量来描述人进行控制 活动时的模糊概念是适宜的。但在实际的工程中，机器对于正态型分布的模糊变量 的运算是相当复杂和缓慢的，而三角型分布的模糊变量的运算简单、迅速。因此， 控制系统的众多控制器一般采用计算相对简单，控制效果迅速的三角型分布。

(3) 建立模糊控制器的控制规则。模糊控制器的控制规则是基于手动控制策

略，而手动控制策略又是人们通过学习、试验以及长期经验积累而逐渐形成的 ，存 储在操作者头脑中的一种技术知识集合。手动控制过程一般是通过对被控对象(过程) 的一些观测，操作者再根据已有的经验和技术知识 ，进行综合分析并做出控制决 策，调整加到被控对象的控制作用，从而使系统达到预期的目标。手动控制的作用 同自动控制系统中的控制器的作用是基本相同的 ，所不同的是手动控制决策是基于 操作系统经验和技术知识 ，而控制器的控制决策是基于某种控制算法的数值运算。 利用模糊集合理论和语言变量的概念 ，可以把利用语言归纳的手动控制策略上升为 数值运算 ，于是可以采用微型计算机完成这个任务以代替人的手动控制 ，实现所谓 的模糊自动控制[1 3J 。
3.5 精确量的模糊化

将精确量(数字量)转换为模糊量的过程称为模糊化 (fuzzification) ，或称为模 糊量化。精确量只有经过模糊化处理 ，变为模糊量 ，才能便于实现模糊控制算法。
过程参数的变化范围是各不相同的 ，为了统一到指定的论域中来 ，模糊化的第 一个任务是进行论域变换，过程参数的实际变化范围成为基本论域。可以通过变换 系数(量化因子)实现由基本论域到指定论域的变换。模糊化的第二个任务是求得 输入对应语言变量的隶属度。语言变量的隶属函数有两种表示方式 ，即离散方式和 连续方式。离散方式是指去论域中的离散点(整数值)及这些点的隶属度来描述一 个语言变量 ( 14] 。

模糊化一般采用如下两种方法 :

(1)把精确量离散化。如把在[-3，3J 之间变化的连续量分为七个档次 ，每一档
对应一个模糊集 ，这样处理使模糊化过程简 单。否则，将每一精确量对应一个模糊 子集 ，有无穷多个模糊子集 ，使模糊化过程复杂化 。在[斗 ，3J 区间的离散化了的精 确量与表示模糊语 言的模糊量建立 了关系，这样就可以将 [一3，3J 之间的任意的精确

量用模糊量 Y 来表示，例如在-3 附近称为负大，用 NB 表示，在一2 附近称为负中， 用 NM 表示。实际上的输入变量(如误差和误差的变化等)都是连续变化的量，通过模 糊化处理 ，把连续量离散为 [-3，3J 之间有限个整数值的做法是为 了使模糊推理合成 方便。

(2) 第二种方法更为简单 ，它是将在某区间的精确量 x 模糊化成这样的一个模 糊子集，它在点 x 处隶属度为 1， 除 x 点外其余各点的隶属度均取 0。不过可想而之 这种模糊化的效果不理想川。
3.6 模糊推理及其棋胡量去模糊化方法

建立的模糊控制规则要经过模糊推理才能决策出控制变量的 一个模糊子集 ，它 是一个模糊量而不能直接控制被控对象 ，还需要采取合理的方法将模糊量转换为精 确量，以便最好地发挥出模糊推理结果的决策效果 。把模糊量转换为精确量的过程 称为清晰化 ，又称解模糊 (defuzzification) 、去模糊化、逆模糊化 、反模糊化。
3. 7 模糊控制规则表

U
模糊控制表 一般由两种方法获得 ，一种是采用离线算法 ，以模糊数学为基础进 行合成推理 ，根据采样得到的误 差 e、误差的变化