模糊控制技术的发展与
前
景
展
望
模糊控制技术发展现状与前景展望
1.引言
人的手动控制策略是通过操作者的学习，实验以及长期经验积累而形成的，他通过人的自然语言来叙述。由于自然语言具有模糊性，所以，这种语言控制也被称为模糊语言控制，简称模糊控制。
近年来，对于经典模糊控制系统稳态性能的改善，模糊集成控制，模糊自适应控制，专家模糊控制与多变量模糊控制的研究，特别是对复杂系统的自学习与参数自调整模糊系统方面的研究，受到各国学者的重视。人们将神经网络和模糊控制技术相结合，形成了一种模糊神经网络技术，他可以组成一组更接近于人脑的智能信息处理系统，其发展前景十分广阔。
2.模糊控制的热点问题
模糊控制技术是一项正在发展的技术，虽然近年来得到了蓬勃发展，但它也存在一些问题，主要有以下几个方面
(1) 还没有有形成完整的理论体系，没有完善的稳定性和鲁棒性分析、系统的设计方法（包括规则的获取和优化、隶属函数的选取等）；
(2) 控制系统的性能不太高（稳态精度较低，存在抖动及积分饱和等问题）；
(3) 自适应能力有限。目前，国内外众多专家学者围绕着这些问题展开了广泛的研究，取得了一些阶段性成果，下面介绍一下近期的主要研究热点。
2.1 模糊控制系统的稳定性分析
任何一个自动控制系统要正常工作，首先必须是稳定的。由于模糊系统本质上的非线性和缺乏统一的系统描述，使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和设计，因此，模糊控制理论的稳定性分析一直是一个难点课题，未形成较为完善的理论体系。正因为如此，关于模糊系统的稳定性分析近年来成为众人关注的热点，发表的论文较多，提出了各种思想和分析方法。目前模糊控制系统稳定性分析方法主要有以下几种：
(1) 李亚普诺夫方法
基于李亚普诺夫直接方法，许多学者讨论了离散时间和连续时间模糊控建立了包括非Ying制系统的稳定性分析和设计。使用李亚普诺夫线性化方法，
线性对象的T-S模糊控制系统局部稳定性的必要和充分条件。另外，一种在大系统中使用的向量李亚普诺夫直接方法，被用于推导多变量模糊系统的稳定性条件；李亚普诺夫第二方法被用于判别模糊系统量比因子选择的稳定性；波波夫一李亚普诺夫方法被用于研究模糊控制系统的鲁棒稳定性。
但是，李亚普诺夫的一些稳定性条件通常比较保守，即当稳定性条件不满足时，控制系统仍是稳定的。
(2) 基于滑模变结构系统的稳定性分析方法
由于模糊控制器是采用语义表达，系统设计中不易保证模糊控制系统的稳定性和鲁棒性。而滑模控制有一个明显的特点，即能处理控制系统的非线性，而且是鲁棒控制。因此一些学者提出设计带有模糊滑模表面的模糊控制器，从而能用李亚普诺夫理论来获得闭环控制系统稳定性的证明。Palm和Driankov采用滑模控制的概念分析了增益规划的闭环模糊控制系统的稳定性和鲁棒性。另有一些学者用模糊推理来处理控制系统的非线性和减少控制震颤，使得基于李亚普诺夫方法可保证控制系统的稳定性。
基于变结构系统理论，可以得到控制系统的跟踪精度和模糊控制器的I/O
模糊集映射形状之间的关系，从而可以解释模糊控制器的鲁棒性和控制性能。文献等研究了基于变结构控制框架的模糊控制系统的稳定性，通过输出反馈的模糊
变结构控制，并用李亚普诺夫方法证明了闭环控制系统是全局有界输入有界输出稳定的。若使用变结构控制类型的模糊规则集，模糊控制器从语义和定量上可显示出变结构的特性。为便于李亚普诺夫稳定性判据能指导设计和调整模糊控制器，文献推导出模糊控制器的具体数学表达式。
(3) 描述函数方法
描述函数方法可用于预测极限环的存在、频率、幅度和稳定性。通过建立模糊控制器与多值继电控制器的关系，描述函数方法可用于分析模糊控制系统的稳定性。另外，指数输入的描述函数技术也能用于研究模糊控制系统的暂态响应。虽然描述函数方法能用于SISO和MISO模糊控制器以及某些非线性对象模型，但不能用于三输入及以上的模糊控制器。并且由于这种方法一般应用于非线性系统中确定周期振荡的存在性，因此只是一种近似稳定性分析方法。
圆稳定性判据方法(4)
圆判据可用于分析和再设计一个模糊控制系统。使用扇区有界非线性的概念，一般化的奈魁斯特（圆）稳定性判据可用于分析SISO和MIMO模糊系统的稳定性，并且扩展圆判据可用于推导一类简单模糊PI控制系统稳定性的充分条件。由于圆判据要求比较严格，Furutani提出一种移动的波波夫判据，用于分析模糊控
制系统的稳定性。当此判据中参数θ设为零时，该判据与圆判据一致。
除了以上介绍的方法外，模糊控制系统的稳定性分析还有相平面法、关系矩阵分析法、超稳定理论、Popov判据、模糊穴―穴映射、数值稳定性分析方法以及最近出现的鲁棒控制理论分析方法和LMI（矩阵不等式）凸优化方法等。2.2 自适应模糊控制器的研究
为了提高模糊控制系统的自适应能力，许多学者对自适应模糊控制器进行了研究，研究方向主要集中在以下方面。
(1) 自校正模糊控制器
自校正模糊控制器是在常规模糊控制的基础上，采用加权推理决策，并引入协调因子，根据系统偏差e和偏差变化ec的大小，预测控制系统中的不确定量并选择一个最佳的控制参数或控制规则集，在线自动调整保守和大胆控制的混合程度，从而更全面确切地反映出人对诸因素的综合决策思想，提高系统的控制精度和鲁捧性能。目前这种变结构的自校正模糊控制器是根据被调量e和ec在线选取最佳控制规则及控制决策的，而对于一些复杂的生产过程,其生产工艺和环境因素都较为复杂，往往不能只考虑系统的偏差和偏差变化率来确定其控制策略，难于总结出比较完整的经验，此时模糊控制规则或者缺乏，或者很粗糙，并且当被控对象参数发生变化或受到随机干扰影响时，都会影响模糊控制的效果。(2) 自组织模糊控制器
自组织模糊控制器能自动对系统本身的参数或控制规则进行调整，使系统不断完善，以适应不断变化的情况，保证控制达到所希望的效果。它根据自动测量得到的实际输出特征和期望特征的偏差，确定输出响应的校正量并转化控制校正量，调整模糊控制规则，作用于被控对象。其基本特征是：控制算法和规则可以通过在线修改，变动某几个参数可以改变控制结果。它不仅仅是局限于某个对象，而是通过自组织适应几类对象。有代表性为以下三种类型：
①为自校正模糊控制器：在常规模糊控制中增加系统辨别和修正控制功能。通过使用一个较为粗糙的初期模型，经过模糊控制器的自组织功能，达到在线修正模糊控制规则，完善系统性能，使其达到预期的要求；
②自调整比例因子模糊控制器：通过调整系统偏差及偏差变化率的比例因
子来控制模糊控制器中的输出量的比例系数，即改变系统的增益。它充分体现了操作者手动控制的思维特点和控制策略，保证了系统有良好的动态性和稳态精度；
③模糊自整定PID参数控制器：应用模糊集理论，根据系统运行状态，在线整定控制器PID参数〔KP、KI、KD〕。由于模糊自整定参数KP、KI、KD与偏差e变化率ec间建立起在线自整定函数关系，且这种关系是根据人的经验和智慧
积累起来的，使系统在不同的运动状态下能对PID控制器参数实现智能调节，能明显改善被控过程的动态性和稳定性能，提高抗干扰能力和鲁棒性。
2.3 模糊控制与其他智能技术分支相结合
作为智能控制的一种新方法，模糊控制与智能领域的一些其他新技术相结合，向着更高层次的应用发展也是目前研究热点之一。下面简要介绍模糊控制与神经网络和遗传算法的结合情况。
(1) 模糊控制与神经网络(NN)的结合
神经网络是由大量的简单处理单元构成的非线形动力系统，能映射任意函数关系，且具有学习性，能处理不完整、不精确的、非常模糊的信息。模糊控制和神经网络之间具有很强的互补性，一方面对神经网络来说知识抽取和知识表达比较困难，而模糊信息处理方法对此却很有效；另一面，模糊模式很难从样本中直接学习规则，且在模糊推理过程中会增加模糊性，但神经网络能进行有效地学习，并且采用联想记忆而降低模糊。由此可见，神经网络适合于处理非结构化信息，而模糊模式对处理结构化的知识更有效。模糊控制与神经网络的融合系统是一种自适应模糊控制系统。目前，实现模糊控制的神经网络从结构上看主要有两类，其一是在神经网络结构中引入模糊模式，使其具有处理模糊信息的能力，如把神经元中的加权求和运算转变为“并”和“交”等形式的模糊逻辑运算以构成模糊神经元；其二是直接利用神经网络的学习功能及映射能力，去等效模糊控制中的模糊功能块，如模糊化、模糊推理、反模糊化等，目前研究应用最为广泛
的ANFIS模糊神经网络就属于这一类。ANFIS网络一般由五层前向网络组成，每层都有明确的含义，第一层为输入层；第二层计算隶属度函数；第三层计算每条规则的使用度；第四层进行归一化计算；第五层实现清晰化即解模糊化。ANFIS 网络所包含的信息能够清晰地获得，克服了BP网络黑箱型操作的不足[7]。
采用神经元网络实现的模糊控制，对于知识的表达并不是通过显式的一条条规则，而是把这些规则隐含地分布在整个网络之中。在控制应用中不必进行复杂费时的规则搜索、推理，而只须通过高速并行分布计算就可产生输出结果，这在某种意义上与人的思维更为接近。
(2) 模糊控制与遗传算法（GA）的结合
遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化搜索算法，由美国Michigan大学的Holland教授首先提出。选择、交叉和变异是遗传算法的三个主要操作算子，它们构成了所谓的遗传操作。遗传算法主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息，这使得它可以高效率地发现全局最优解或接近最优解，并避免陷入局部最优解，而且对问题的初始条件要求较少。
目前利用遗传算法优化模糊控制器时，优化的主要对象是隶属函数和模糊控制规则集。根据优化对象的不同，现有的研究可分为以下几种类型：
①已知模糊控制规则，利用GA优化隶属函数
一般先设定隶属函数的形状，实践表明，三角形型、梯形型、高斯型等比较简单的隶属函数即可满足一般模糊控制器的需要。设定隶属函数形状后，确定待
寻优的隶属函数参数，一般高斯型有2个参数，三角形有3个参数，梯形有4
个参数。利用已有知识确定各参数的大致允许范围，并对参数进行编码，将所有的待寻优参数串接起来构成一个个体，代表一个模糊控制器。然后建立一定的性能指标，最后便可利用遗传算法的一般步骤进行寻优。
②已知隶属函数，利用GA优化模糊控制规则
事先确定输入输出隶属函数的形状和各参数，将每个输入输出变量划分为一定数量的模糊子集，从而确定最大可列举规则数，将一个规则表按一定的顺序展开为一维，并编码为一个个体。随机地选择一定数量的个体作为初始群体，对这些个体进行遗传操作，实现控制规则的优化。．
③同时优化隶属函数和模糊控制规则
隶属函数和模糊控制规则不是相互独立而是相互联系的，因此很多学者认为固定隶属函数优化模糊控制规则或固定模糊控制规则优化隶属函数的做法人为
地割裂了这种联系，使优化得到的隶属函数或控制规则失去了原来的意义，建议应该同时对二者进行调整，并在这方面做了一些工作。
3. 模糊控制的发展前景
在模糊控制的发展初期，大多数学者的主要精力放在模糊控制的应用研究上，在很多领域取得辉煌的成果。但与应用的成果相比，模糊控制的系统分析和理论研究却没有显著进展，以至于西方的一些学者对模糊控制的理论依据和有效性产生疑虑。1993年7月，在美国第十一届人工智能年会上，加州大学圣地亚哥分
校计算机科学和工程系助教授Clarles Elkan博士的一篇题为“模糊逻辑似是而非的成功”报告，就代表了这种思想。虽然C.Elkan 的一些观点是不确切和片
面的，会后很多专家对此进行了批驳，但他确确实实指出了模糊控制理论基础不够坚实的缺点，从而引起了模糊控制领域的学者的广泛关注并加强了对这一方面的研究。通过上节的介绍可以看到，目前模糊控制的理论研究很热，并已取得了许多显著进展，模糊控制在理论上和应用方面都取得了巨大成就。虽然模糊控制技术发展历史只有三十年，本身还有待于完善，理论与实际的结合也有待于进一步探索，但是其发展前景十分诱人。
模糊控制系统的发展现状 一、模糊控制系统简介 模糊控制系统是以模糊集合论、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年美国的扎德创立了模糊集合论, 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Mamdani首先用模糊控制语句组成模糊控制器，并把它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。 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域。从信息技术的观点来看, 模糊控制是一种基于规则的专家系统。从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器。 相对传统控制, 包括经典控制理论与现代控制理论。模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型，应用CRI等各类模糊推理方法，可以得到适合控制要求的控制量, 可以说模糊控制是一种语言变量的控制。
模糊控制具有以下特点: (1) 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; (2) 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; (3) 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; (4) 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; (5) 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。 除此, 模糊控制还有比较突出的两个优点: 第一, 模糊控制在许多应用中可以有效且便捷地实现人的控制策略和经验; 第二, 模糊控制可以不需被控对象的数学模型即可实现较好的控制,
模糊控制的应用 学院实验学院 专业电子信息工程 姓名 指导教师黄静 日期 2011 年 9 月 20 日
在自动控制中，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型(如微分方程等)的基础上，但是在实际工业生产中，很多系统的影响因素很多，十分复杂。建立精确的数学模型特别困难，甚至是不可能的。这种情况下，模糊控制的诞生就显得意义重大，模糊控制不用建立数学模型，根据实际系统的输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。模糊控制实际上是一种非线性控制，从属于智能控制的范畴。现代控制系统中的的控制能方便地解决工业领域常见的非线性、时变、在滞后、强耦合、变结构、结束条件苛刻等复杂问题。可编程控制器以其高可靠性、编程方便、耐恶劣环境、功能强大等特性很好地解决了工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题，这两者的结合，可在实际工程中广泛应用。 所谓模糊控制，其定义是是以模糊数学作为理论基础，以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的一种控制。模糊控制具有以下突出特点： (1)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的数学模型，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 (2)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。 (3)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。 (4)模糊控制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。(5)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。 由于有着诸多优点，模糊理论在控制领域得到了广泛应用。下面我们就以下示例介绍模糊控制在实际中的应用： 电机调速控制系统见图1，模糊控制器的输入变量为实际转速与转速给定值 ，输出变量为电机的电压变化量u。图2为电机调试之间的差值e及其变化率e c 输出结果，其横坐标为时间轴，纵坐标为转速。当设定转速为2 000r／s时，电机能很快稳定运行于2 000r／s；当设定转速下降到1 000r／s时，转速又很快下降到1 000r／s稳定运行。
模糊PID控制器的设计 摘要 随着现代化技术的发展，控制系统越来越复杂，常规的PID控制已经不能满足复杂系统的控制要求。因此，将PID控制与Fuzzy控制的简便性、灵活性以及鲁棒性融为一体，构造了一个自适应模糊PID控制器，以提高控制的效果，展现出模糊控制的优点。通过阐述模糊控制理论的产生和发展，详细地介绍了一个模糊控制器的设计过程。本文设计了三种控制器：常规PID控制器、模糊控制器和自整定模糊PID控制器，并且利用MATLAB软件对控制器进行仿真。仿真结果表明，模糊控制可以有效的减少系统初期超调量和系统的响应时间，系统的控制精度较高。与常规PID控制和普通模糊控制进行比较，自整定模糊PID控制器原理简单，能够实现快速、精准的控制，并且有很好的鲁棒性，从而提高了控制性能。 关键字:模糊控制器；PID；仿真
目录 摘要.............................................................................................................................. I 1 绪论.. (1) 1.1课题研究的背景和意义 (1) 1.2 控制理论的发展 (1) 1.3 本文的主要内容 (2) 2 PID控制原理及模糊控制器概述 (4) 2.1 PID控制原理 (4) 2.2 模糊控制理论概述 (4) 2.3模糊控制系统的结构和组成 (5) 2.4 模糊控制的特点 (7) 2.5 模糊控制的局限性 (8) 3模糊控制器的设计 (9) 3.1模糊控制的设计流程 (9) 3.2 模糊PID参数自整定控制器的结构 (10) 3.3 PID初始参数的设定 (10) 3.4 PID参数自整定模糊推理计算输入输出变量模糊化接口设计 (12) 3.4.1 量化因子比例因子的确定 (12) 3.4.2 模糊语言变量语言值隶属函数的确定 (12) 3.5 PID控制器参数自整定模糊推理算法设计 (15) 3.6 PID控制器参数自整定解模糊方法选择 (19) 3.7 仿真设计 (20) 3.7.1 常规PID控制 (20) 3.7.2模糊控制 (22) 3.7.3自适应模糊控制 (23) 结论 (26) 参考文献 (27)
物理与电子工程学院 《人工智能》 课程设计报告 课题名称关于模糊控制理论的综述 专业自动化 班级 11级3班 学生姓名郑艳伟 学号 指导教师崔明月 成绩 2014年6月18日
关于模糊控制理论的综述 摘要：模糊控制方法是智能控制的重要组成部分，本文简要回顾了模糊控 制理论的发展，详细介绍了模糊控制理论的原理和模糊控制器的设计步骤， 分析了模糊控制理论的优缺点以及模糊控制需要完善或继续研究的内容，根 据各种模糊控制器的不同特点，对模糊控制在电力系统中的应用进行了分 类，并分析了各类模糊控制器的应用效能.最后，展望了模糊控制的发展趋 势与动态. 关键词：模糊控制；模糊控制理论；模糊控制系统；模糊控制理论的发展模糊控制是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法，从行为上模拟人的思维方式，对难建模的对象实施模糊推理和决策的一种控制方法.模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域、电力系统、家用电器自动化等领域中解决了很多的问题，引起了越来越多的工程技术人员的兴趣. 模糊控制系统简介 模糊控制系统是以模糊集合论、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年美国的扎德[1]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Mamdani 首先用模糊控制语句组成模糊控制器,并把它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. 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域.从信息技术的观点来看, 模糊控制是一种基于规则的专家系统.从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器. 相对传统控制, 包括经典控制理论与现代控制理论.模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言变量模型, 应用CRI 等各类模糊推理方法,
对自动化发展前景的认识 Prepared on 22 November 2020
对自动化发展前景的认识学院：信息科学与工程学院 专业年级：自动化1404 姓名：庄广大 本学期期末学术周内，我们自动化专业许多同学都听了桂卫华院士的报告。报告介绍了一些自动化相关的发展前景以及自动化领域在工业上的应用。这些让我对我们专业可谓有了更清晰的认识，对我们未来的就业方向、就业前景也有了一个大体上的了解。在此我想谈谈我的收获或者说听完报告后我对自动化发展前景的认识。 自动化经历了这么多年的发展，依旧长久不衰是有它一定的原因的。自动化技术广泛用于工业、农业、军事、科学研究、交通运输、商业、医疗、服务和家庭等方面。采用自动化技术不仅可以把人从繁重的体力劳动、部分脑力劳动以及恶劣、危险的工作环境中解放出来，而且能扩展人的器官功能，极大地提高劳动生产率，增强人类认识世界和改造世界的能力。 这里我先谈谈有关自动化的一些内容。自动化是一门多学科交叉的高技术学科。自动化学科包含宽广，随着社会的发展将来会越来越广。自动化学科的发展前景会很好，自动化基础面非常宽，需要牢固的基础知识。自动化与其它工科专业基本上都有交集。学习自动化是把控制与自动化作为一种手段。 自动化包含5个领域： 控制与智能，传感与检测，执行与驱动，对象与建模，系统与工程。 自动化在发展的过程了经历了好几次变迁（4次大的挑战）。自动化现在正在向复杂的系统控制和高级的智能控制发展。 自动化是新的技术发展的一个重要方面。自动化技术的研究﹑应用和推广﹐对人类的生产﹑生活等方式将产生深远影响。生产过程自动化和办公室自动化可极大地提高社会生产率和工作效率﹐节约能源和原材料消耗﹐保证产品质量﹐改善劳动条件﹐改进生产工艺和管理体制﹐加速社会的产业结构的变革和社会信息化的进程。 现代生产和科学技术的发展﹐对自动化技术提出越来越高的要求﹐同时也为自动化技术的革新提供了必要条件。 70年代以来，自动化开始向复杂的系统控制和高级的智能控制发展﹐并广泛地应用到国防﹑科学研究和经济等各个领域﹐实现更大规模的自动化﹐例如大型企业的综合自动化系统﹑全国铁路自动调度系统﹑国家电力网自动调度系统﹑空中交通管制系统﹑城市交通控制系统﹑自动化指挥系统﹑国民经济管理系统等。自动化的应用正从工程领域向非工程领域扩展﹐如医疗自动化﹑人口控制﹑经济管理自动化等。自动化将在更大程度上模仿人的智能﹐机器人已在工业生产﹑海洋开发和宇宙探测等领域得到应用﹐专家系统在医疗诊断﹑地质勘探等方面取得显着效果。工厂自动化﹑办公自动化﹑家庭自动化和农业自动化将成为新技术发展的重要内容﹐并得到迅速发展。 下面是我国自动化发展的前景认识： 我国工业企业，未来的十年将面临着市场和能源；清洁生产和环境保护；高效和规范；负责和协调的挑战。节能、环保、安全、高效是每一个企业必须要面对的课题，而自动
模糊神经网络技术研究的现状及展望 摘要：本文对模糊神经网络技术研究的现状进行了综述，首先介绍了模糊控制技术和神经网络技术的发展，然后结合各自的特点讨论了模糊神经网络协作体的产生以及优越性，接着对模糊神经网络的常见算法、结构确定、规则的提取等进行了阐述，指出了目前模糊神经网络的研究发展中还存在的一些问题，并对模糊神经网络的发展进行了展望。 关键字：模糊控制；神经网络；模糊神经网络 引言 系统的复杂性与所要求的精确性之间存在尖锐的矛盾。为此，通过模拟人类学习和自适应能力，人们提出了智能控制的思想。控制理论专家Austrom（1991）在IFAC大会上指出：模糊逻辑控制、神经网络与专家控制是三种典型的智能控制方法。通常专家系统建立在专家经验上，并非建立在工业过程所产生的操作数据上，且一般复杂系统所具有的不精确性、不确定性就算领域专家也很难把握，这使建立专家系统非常困难。而模糊逻辑和神经网络作为两种典型的智能控制方法，各有优缺点。模糊逻辑与神经网络的融合——模糊神经网络由于吸取了模糊逻辑和神经网络的优点，避免了两者的缺点，已成为当今智能控制研究的热点之一了。 1 模糊神经网络的提出 模糊集理论由美国著名控制论专家L.A.Zadeh于1965年创立[1]。1974年，英国著名学者E.H.Mamdani将模糊逻辑和模糊语言用于工业控制，提出了模糊控制论。至今，模糊控制已成功应用在被控对象缺乏精确数学描述及系统时滞、非线性严重的场合。 人工神经网络理论萌芽于上世纪40年代并于80年代中后期重掀热潮，其基本思想是从仿生学的角度对人脑的神经系统进行功能化模拟。人工神经网络可实现联想记忆，分类和优化计算等功能，在解决高度非线性和严重不确定系统的控制问题方面，显示了巨大的优势和潜力 模糊控制系统与神经网络系统具有整体功能的等效性[2]，两者都是无模型的估计器，都不需要建立任何的数学模型，只需要根据输入的采样数据去估计其需要的决策：神经网络根据学习算法，而模糊控制系统则根据专家提出的一些语言规则来进行推理决策。实际上，两者具有相同的正规数学特性，且共享同一状态空间[3]。 另一方面，模糊控制系统与神经网络系统具有各自特性的互补性[。神经网络系统完成的是从输入到输出的“黑箱式”非线性映射，但不具备像模糊控制那样的因果规律以及模糊逻辑推理的将强的知识表达能力。将两者结合，后者正好弥补前者的这点不足，而神经网络的强大自学习能力则可避免模糊控制规则和隶属函数的主观性，从而提高模糊控制的置信度。 因此，模糊逻辑和神经网络虽然有着本质上的不同，但由于两者都是用于处理不确定性问题，不精确性问题，两者又有着天然的联系。Hornik和White(1989)证明了神经网络的函数映射能力[4]；Kosko(1992)证明了可加性模糊系统的模糊逼近定理(FAT，Fuzzy Approximation Theorem)[5]；Wang和Mendel(1992)、Buckley和Hayashi(1993)、Dubots 和Grabish(1993)、Watkins(1994)证明了各种可加性和非可加性模糊系统的模糊逼近定理[6]。这说明模糊逻辑和神经网络有着密切联系，正是由于这类理论上的共性，才使模糊逻辑
模糊控制技术发展现状及研究热点 摘要：综合介绍丁模糊控制技术的基本原理和发展状况，重点总结丁近年来该研究领域的热点问题，并对今后的发展前景进行了展望。 关键词：模糊控制结构分析稳定性白适应控制 1模糊控制的热点问题 模糊控制技术是一项正在发展的技术，虽然近年来得到了蓬勃发展，但它也存在一些问题，主要有以下几个方面： （1）还投有形成完挫的理论体系，没有完善的稳定性和鲁棒性分析，系统的设计方法(包括规则的获取和优化、隶属函数的选取等)； （2）控制系统的性能小太高(稳态精度牧低，存在抖动及积分饱和等问题)： （3）自适应能力有限。目前，国内外众多专家学者围绕着这些问题展开了广泛的研究，取得了一些阶段性成果，下面介绍一下近期的主要研究热点。 2模糊控制系统的稳定性分析 任何一个自动控制系统要正常工作，首先必须是稳定的。由于模糊系统本质上的非线性和缺乏统一的系统描述，使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和设计。因此，模糊控制理论的稳定性分析一直是一个难点课题，未形成较为完善的理论体系。正因为如此，关于模糊系统的稳定性分析近年来成为众人关注的热点，发表的论文较多，提出了各种思想和分析方法。目前模糊控制系统稳定性分析方法主要有以下几种：（1）李亚普诺夫方法 （2）基于滑模变结构系统的稳定性分析方法 （3）描述函数方法 （4）圆稳定性判据方法 模糊控制系统的稳定性分析还有相平面法、关系矩阵分析法、超稳定理论、Popov判据、模糊穴——穴映像、数值稳定性分析方法以及最近出现的鲁棒控制理论分析方法和LMI（矩阵不等式）凸优化方法等。
3自适应模糊控制器的研究 为了提高模糊控制系统的自适应能力，许多学者对自适应模糊控制器进行了研究，研究方向主要集中在以下方面。 （1）自校正模糊控制器 自校正模糊控制器是在常规模糊控制的基础上，采用加权推理决策，并引入协调因子，根据系统偏差e和偏差变化ec的大小，预测控制系统中的不确定量并选择一个最佳的控制参数或控制规则集，在线自动调整保守和大胆控制的混合程度，从而更全面确切地反映出入对诸因素的综合决策思想，提高系统的控制精度和鲁捧性能。目前这种变结构的自校正模糊控制器是根据被调量e和ec在线选取最佳控制规则及控制决策的，而对于一些复杂的生产过程，其生产工艺和环境因素都较为复杂，往往不能只考虑系统的偏差和偏差变化率来确定其控制策略。难于总结出比较完整的经验，此时模糊控制规则或者缺乏，或者很粗糙，并且当被控对象参数发生变化或受到随机干扰影响时，都会影响模糊控制的效果。 （2）自组织模糊控制器 自组织模糊控制器能自动对系统本身的参数或控制规则进行调整，使系统不断完善，以适应不断变化的情况，保证控制达到所希望的效果。它根据自动测量得到的实际输出特征和期望特征的偏差，确定输出响应的校正量并转化控制校正量，调整模糊控制规则，作用于被控对象。其基本特征是：控制算法和规则可以通过在线修改，变动某几个参数可以改变控制结果。它不仅仅是局限于某个对象，而是通过自组织适应几类对象。有代表性为以下三种类型： ①为自校正模糊控制器：在常规模糊控制中增加系统辨别和修正控制功能。通过使用一个较为粗糙的初期模型，经过模糊控制器的自组织功能，达到在线修正模糊控制规则，完善系统性能，使其达到灿期的要求； ②自调整比例因子模糊控制器：通过调整系统偏差及偏差变化率的比例因子来控制模糊控制器中的输出量的比例系数，即改变系统的增益。它充分体现了操作者手动控制的思维特点和控制策略，保证了系统有良好的动态性和稳态精度； ③模糊自整定PID参数控制器：应用模糊集理论，根据系统运行状态，在线整定控制器PID 参数（KP、KI、KD）。由于模糊自整定参数KP、KI，KD与偏差e变化率ec间建立起在线自整定函数关系，且这种关系是根据人的经验和智慧积累起来的，使系统在不同的运动状态下能对
《冶金自动化工程案例分析》课程论文 模糊控制的发展前景分析 电子与信息工程学院 自动化094班 张宇 120093101091
模糊控制的发展前景分析 电子与信息工程学院自动化094班张宇 摘要：模糊控制方法是智能控制的重要组成部分。本文简要介绍了模糊控制的概念和特点,并对模糊控制的原理作了说明,较详细的介绍了对于常规模糊控制方 法的改进,包括Fuzzy-PIS复合控制、三位模糊控制器、Smith-Fuzzy控制器、专家模糊控制器等,对模糊控制系统与传统PID控制作了简单比较,最后对模糊控制的优缺点进行分析并对模糊控制未来发展作出了展望。 关键字：模糊控制；原理；模糊PID控制；展望； 一．模糊控制简介 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数字控制技术。模糊控制主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来,建立一种适用于计算机处理的输入输出过程模型,是智能控制的一个重要研究领域。从信息技术的观点来看, 模糊控制是一种基于规则的专家系统。从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器。 模糊控制作为智能领域中最具有实际意义的一种控制方法,已经在工业控制领域、家用电器自动化领域和其他很多行业中解决了传统控制方法无法或者是难以解决的问题,取得了令人瞩目的成效,引起了越来越多的控制理论的研究人员和相关领域的广大工程技术人员的极大兴趣。 相对传统控制,包括经典控制理论与现代控制理论。模糊控制能避开对象的数学模型( 如状态方程或传递函数等),它力图对人们关于某个控制问题的成功与失败和经验进行加工, 总结出知识,从中提炼出控制规则,用一系列多维模糊 条件语句构造系统的模糊语言变量模型, 应用CRI等各类模糊推理方法,可以得 到适合控制要求的控制量, 可以说模糊控制是一种语言变量的控制。 二. 模糊控制的原理 基本模糊控制系统包括模糊化处理、模糊推理和清晰化控制三个环节。 图1模糊控制系统框图 模糊化处理就是将模糊控制器输入量的确定值转换为相应模糊语言变量值的过程, 此相应语言变量值均由对应的隶属度来定义。通过这样一个把输入变量映射到合适的响应论域量程的过程,精确的输入数据就变换成适当的语言值或模
模糊逻辑与模糊控制技术的发展 宁廷群1 肖英辉1任惠英2 （1山东科技大学机电学院山东青岛 266510 2山东兖矿集团机械制修厂山东邹城 273500）The Development of Fuzzy Logic and Fuzzy Control Technology 摘要：针对现代工业控制领域的模糊控制技术的新发展，综合介绍了当代该领域的基本理论和发展现状，展望了未来的发展应用。 关键词：模糊控制；应用发展；自适应控制。 Abstract: This paper introduces the development of fuzzy logic and fuzzy control technology in modern control domain, and discusses the basic theory and main development in integration. At last it gives some prospects. Key words: fuzzy control, development and application, adaptive control 一、引言 在现代工业控制领域，伴随着计算机技术的突飞猛进，出现了智能控制的新趋势，即以机器模拟人类思维模式，采用推理、演绎和归纳等手段，进行生产控制，这就是人工智能。其中专家系统、模糊逻辑和神经网络是人工智能的几个重点研究热点。相对于专家系统，模糊逻辑属于计算数学的范畴，包含有遗传算法，混沌理论及线性理论等内容，它综合了操作人员的实践经验，具有设计简单，易于应用、抗干扰能力强、反应速度快、便于控制和自适应能力强等优点。近年来，在过程控制、建摸、估计、辩识、诊断、股市预测、农业生产和军事科学等领域得到了广泛应用。为深入开展模糊控制技术的研究应用，本文综合介绍了模糊控制技术的基本理论和发展状况，并对一些在电力电子领域的应用作了简单介绍。 二、模糊逻辑与模糊控制 １、模糊逻辑与模糊控制的概念 １９６５年，加州大学伯克利分校的计算机专家Ｌofty Ｚadeh提出“模糊逻辑”的概念，其根本在于区分布尔逻辑或清晰逻辑，用来定义那些含混不清，无法量化或精确化的问题，对于冯˙诺依曼开创的基于“真－假”推理机制，以及因此开创的电子电路和集成电路的布尔算法，模糊逻辑填补了特殊事物在取样分析方面的空白。在模糊逻辑为基础的模糊集合理论中，某特定事物具有特色集的隶属度，他可以在“是”和“非”之间的范围内取任何值。而模糊逻辑是合理的量化数学理论，是以数学基础为为根本去处理这些非统计不确定的不精确信息。 模糊控制是基于模糊逻辑描述的一个过程的控制算法。对于参数精确已知的数学模型，我们可以用Berd图或者Nyquist图来分析家其过程以获得精确的设计参数。而对一些复杂系统，如粒子反应，气象预报等设备，建立一个合理而精确的数学模型是非常困难的，对于电力传动中的变速矢量控制问题，尽管可以通过测量得知其模型，但对于多变量的且非线性变化，起精确控制也是非常困难的。而模糊控制技术仅依据与操作者的实践经验和直观推断，也依靠设计人员和研发人员的经验和知识积累，它不需要建立设备模型，因此基本上是自适应的，具有很强的鲁棒性。历经多年发展，已有许多成功应用模糊控制理论的案例，如Rutherford，Carter 和Ostergaard分别应用与冶金炉和热交换器的控制装置。 2、分析方法探讨 工业控制系统的稳定性是探讨问题的前提，由于难以对非线性和不统一的描述，做出判断，因此模糊控制系统的分析方法的稳定性分析一直是一个热点，综合近年来各位学者的发表的论文,目前系统稳定性分析有以下集中: 1、李普亚诺夫法:基于直接法的离散时间(D-T)和连续时间模糊控制的稳定性分析和设计方法,相对而言起稳定条件比价保守.
模糊控制算法的研究 0842812128夏中宇 模糊控制概述 “模糊”是人类感知万物,获取知识,思维推理,决策实施的重要特征。“模糊”比“清晰”所拥有的信息容量更大,内涵更丰富,更符合客观世界。 在日常生活中,人们的思维中有许多模糊的概念,如大、小、冷、热等,都没有明确的内涵和外延,只能用模糊集合来描述。人们常用的经验规则都是用模糊条件语句表达,例如,当我们拧开水阀往水桶里注水时,有这样的经验:桶里没水或水较少时,应开大水阀;桶里水较多时,应将水阀关小些;当水桶里水快满时,则应把阀门关得很小;而水桶里水满时应迅速关掉水阀。其中,“较少”、“较多”、“小一些”、“很小”等,这些表示水位和控制阀门动作的概念都具有模糊性。即有经验的操作人员的控制规则具有相当的模糊性。模糊控制就是利用计算机模拟人的思维方式,按照人的操作规则进行控制,实现人的控制经验。 模糊控制理论是由美国著名的学者加利福尼亚大学教授Zadeh·L·A于1965年首先提出,它以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策略。 1974年,英国伦敦大学教授Mamdani·E·H研制成功第一个模糊控制器,充分展示了模糊技术的应用前景。 模糊控制概况 模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，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。 模糊控制的基本理论 所谓模糊控制,就是在控制方法上应用模糊集理论、模糊语言变量及模糊逻辑推理的知识来模拟人的模糊思维方法,用计算机实现与操作者相同的控制。该理论以模糊集合、模糊语言变量和模糊逻辑为基础,用比较简单的数学形式直接将人的判断、思维过程表达出来,从而逐渐得到了广泛应用。应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。在自动控制领域,以模糊集理论为基础发展起来的模糊控制为将人的控制经验及推理过程纳入自动控制提供了一条便捷途径。 1.知识库
摘要：在此我综述智能控制技术的现状及发展,首先简述智能控制的性能特点及主要方法;然后介绍智能控制在各行各业中的应用现状;接着论述智能控制的发展。智能控制技术的主要方法，介绍了智能控制在各行各业中的应用。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 关键词：智能控制应用自动化 浅谈智能控制技术现状及发展 在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 一、智能控制的性能特点及主要方法 1.1根据智能控制的基本控制对象的开放性，复杂性，不确定性的特点，一个理想的智能控制系统具有如下性能： （1）系统对一个未知环境提供的信息进行识别、记忆、学习，并利用 积累的经验进一步改善自身性能的能力，即在经历某种变化后，变化后的
模糊PID控制器的发展现状综述 1模糊PID控制器研究背景 1.1PID控制器 传统的PID控制器虽然以其结构简单、工作稳定、适应性好、精度高等优点成为过程控制中应用最广泛最基本的一种控制器。PID调节规律一般都能得到比较令人满意的控制效果，尤其是对于线性定常系统的控制是非常有效的，但是它的调节品质取决于PID控制器各个参数的确定。随着工业生产过程的日趋复杂化，系统不可避免地存在非线性、滞后和时变现象，其中有的参数未知或缓慢变化，有的带有延时和随机干扰，有的无法获得较精确的数学模型或模型非常粗糙，如果使用常规的PID控制器，PID参数的整定变得十分困难甚至无法整定，因此并不能得到理想的控制效果。为此，近年来各种改进的PID控制器如自校正、自适应PID[1][2][3]及智能控制器[4]迅速发展起来，但仍存在一定的局限性。 1.2模糊控制器 随着技术的发展，模糊控制理论和模糊技术成为最广泛最有前景的应用分支之一。模糊控制器是一种专家控制系统，它的优点是不需要知道被控对象的数学模型而能够利用专家已有的经验对系统进行建模。与传统的PID控制方式相比，它适合解决一些难以建立精确数学模型、非线性、大滞后和时变的复杂过程的问题，因此得到了很好的发展，尤其是在工业控制、电力系统等领域中解决了许多实际性的问题，引起了越来越多的工程技术人员的兴趣。但是经过深入研究，会发现基本模糊控制存在着其控制品质粗糙和精度低等弊病。而且用的最多的二维输入的模糊控制器是PI或PD型控制器，会出现过渡过程品质不好或不能消除稳态误差的问题。 因此，在许多情况下，将模糊控制和PID控制两者结合起来，扬长避短，既具有模糊控制灵活、适应性强、快速性好的优点，又具有PID控制精度高的特点。把规则的条件、操作用模糊集表示，并把这些模糊控制规则及有关信息作为知识存入计算机知识库中，然后计算机根据控制系统的实际响应情况，运用模糊推理，自动实现对PID参数的最佳整定，实现模糊PID控制。
模糊控制技术的发展与 前 景 展 望
模糊控制技术发展现状与前景展望 1.引言 人的手动控制策略是通过操作者的学习，实验以及长期经验积累而形成的，他通过人的自然语言来叙述。由于自然语言具有模糊性，所以，这种语言控制也被称为模糊语言控制，简称模糊控制。 近年来，对于经典模糊控制系统稳态性能的改善，模糊集成控制，模糊自适应控制，专家模糊控制与多变量模糊控制的研究，特别是对复杂系统的自学习与参数自调整模糊系统方面的研究，受到各国学者的重视。人们将神经网络和模糊控制技术相结合，形成了一种模糊神经网络技术，他可以组成一组更接近于人脑的智能信息处理系统，其发展前景十分广阔。 2.模糊控制的热点问题 模糊控制技术是一项正在发展的技术，虽然近年来得到了蓬勃发展，但它也存在一些问题，主要有以下几个方面 (1) 还没有有形成完整的理论体系，没有完善的稳定性和鲁棒性分析、系统的设计方法（包括规则的获取和优化、隶属函数的选取等）； (2) 控制系统的性能不太高（稳态精度较低，存在抖动及积分饱和等问题）； (3) 自适应能力有限。目前，国内外众多专家学者围绕着这些问题展开了广泛的研究，取得了一些阶段性成果，下面介绍一下近期的主要研究热点。 2.1 模糊控制系统的稳定性分析 任何一个自动控制系统要正常工作，首先必须是稳定的。由于模糊系统本质上的非线性和缺乏统一的系统描述，使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和设计，因此，模糊控制理论的稳定性分析一直是一个难点课题，未形成较为完善的理论体系。正因为如此，关于模糊系统的稳定性分析近年来成为众人关注的热点，发表的论文较多，提出了各种思想和分析方法。目前模糊控制系统稳定性分析方法主要有以下几种： (1) 李亚普诺夫方法 基于李亚普诺夫直接方法，许多学者讨论了离散时间和连续时间模糊控制系统的稳定性分析和设计。使用李亚普诺夫线性化方法，Ying建立了包括非
模糊控制理论的心得与体会 模糊理论（Fuzzy Logic)是在美国加州大学伯克利分校电气工程系的 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的内容.美国加州大学的L.A.Zadeh教授在1965年发表了著名的论文，文中首次提出表达事物模糊性的重要概念:隶属函数,从而突破了19世纪末笛卡尔的经典集合理论, 奠定模糊理论的基础. 1966年,P.N.Marinos发表模糊逻辑的研究报告,1974年,L.A.Zadeh发表模糊推理的研究报告,从此,模糊理论成了一个热门的课题。1974年,英国的E.H.Mamdani首次用模糊逻辑和模糊推理实现了世界上第一个实验性的蒸汽机控制,并取得了比传统的直接数字控制算法更好的效果,从而宣告模糊控制的诞生。1980年丹麦的L.P.Holmb lad和Ostergard在水泥窑炉采用模糊控制并取得了成功,这是第一个商业化的有实际意义的模糊控制器。 事实上,模糊理论应用最有效，最广泛的领域就是模糊控制,模糊控制在各种领域出人意料的解决了传统控制理论无法解决的或难以解决的问题,并 取得了一些令人信服的成效。 一模糊控制的基本思想及应用方向 把人类专家对特定的被控对象或过程的控制策略总结成一系列以"IF(条件)THEN(作用)"形式表示的控制规则,通过模糊推理得到控制作用集,作用于被控对象或过程.控制作用集为一组条件语句,状态语句和控制作用均为一组被量化了的模糊语言集,如"正大","负大","正小","负小",零等。 模糊控制的几个研究方向: ·模糊控制的稳定性研究 ·模糊模型及辩识 ·模糊最优控制 ·模糊自组织控制 ·模糊自适应控制 ·多模态模糊控制
模糊控制技术及其应用 余永权 作者简介:余永权广东工业大学教授、计算机应用研究室主任、Motorola单片机应用研究开发中心主任。1970年毕业于广东工学院自动化专业,一直从事计算机教学及研究工作。70年代初以来,参加了广东省第一台中型计算机的研制,以及矿山计算机监控系统、模糊控制、单片机、模糊家用电器等30多个项目的研究和组织开发。发表论文70余篇,出版了《单片机模糊逻辑控制》等著作5本。1993～1994年,在多伦多大学进行高级控制系统研究,回国后从事单片机控制网络、神经网络、模糊控制等方面的研究。模糊控制作为一种新颖的控制方法,越来越受到人们的重视。如果说,传统的控制是从被控对象的数学结构上去考虑进行控制的,那么,模糊控制则是从人类智能活动的角度和基础上去考虑实施控制的。在实际应用中,传统控制方法无能为力的非线性场合,模糊控制却能发挥得淋漓尽致,这使人们对模糊控制不得不另眼看待。目前,人们已经公认:模糊控制是实际应用中最有效的控制方法。一、模糊控制的发展从1965年美国加州大学自动控制专家L.A.Zadeh提出模糊集合论以来,模糊理论的研究已取得不少成果。1974年,英国的Mamdani首次用模糊逻辑及模糊推理实现了对蒸汽机的自动控制,从而宣告了模糊控制历史的开始。今天,在各种工业控制过程或者产品中,模糊控制已成为受欢迎的技术。家用电器、机器人、汽车、工业生产过程中的模糊控制都取得了极大的成功。模糊集成电路和模糊计算机、模糊逻辑开发系统的研究也取得了令人惊喜的进展。对模糊控制一直持怀疑和观望态度的美国,近几年也表现出前所未有的热情。 1.模糊控制理论和技术现状模糊控制理论需要解决的系统方法有:人的知识和经验的表达、知识推理的法则、人的知识的获取和总结、模糊控制系统和稳定判据、模糊控制系统的学习、模糊控制系统的分析及模糊控制系统的设计等。目前,各国学者提出的模糊推理方法不下几十种,但还没有一种方法能在各方面都表现出最大的合理性。在研究模糊控制系统的稳定性方面取得了一定成果,但稳定性理论还很不完善,有的稳定性判别还在走传统的精确系统的李雅普诺夫准则的老路,未能建立全新的方法。有的虽然已利用模糊理论对单输入单输出系统建立稳判别条件,但多输入系统的稳定问题尚未解决。至于模糊学习、系统分析和系统设计,基本上还没有一套合理而完整的理论方法。模糊控制技术需要解决的具体问题有:模糊控制器的构造、模糊信息与精确信息转换的物理结构和方法、模糊控制器对外界环境的适应性及适应技术、实现模糊控制系统的软技术、模糊控制器和被控对象的匹配技术等。模糊控制技术所要解决的是实用的具体问题,它在实际应用中取得了出人意料的成功。模糊控制器的构造目前已有三种不同的技术:第一种是采用传统的数字单片机或微型机作为物理基础,这种模糊控制器需要相应的软件才算构造完毕。第二种是用模糊单片机或集成电路芯片构造模糊控制器,利用配置数据来确定模糊控制器的结构形式。第三种是采用可编程门阵列构造模糊控制器,这主要是构造控制表,所以事先要进行脱机处理,形成描述模糊控制器的控制表。模糊信息与精确信息转换的问题,目前基本采用A/D、D/A转换和软件相结合的方法。其实,无需软件介入,A/D和D/A转换也可以作为模糊信息与精确信息的转换器件和方法之一。模糊控制器对外界的适应性问题目前还没有一种专门的良好的技术,大多还是沿用传统的技术,或者依赖于集成电路本身的工艺水准。实现模糊控制系统的软技术包括对系统的仿真和实际工作软件等。目前,已有多种仿真系统出现,Motorola、富士通、NEC、Neturalogix和国家半导体公司等都有相应的系统产品。不过,这些产品也有尚待提高的地方。国内的清华大学、广东工业大学也开发出了模糊推理机的有关软件和仿真系统。模糊控制器和被控对象匹配技术目前仍依赖于人们的经验;模糊理论中关于模糊模型的问题还有待深入研究。所以,在这种匹配技术中,人为的因素起着较大作用。 2.模糊控制的特点模糊控制在短短20年中取得了令人瞩目的结果。这主要在于它有一些十分明显的特点: (1)无需知道被控系统的数学模型。模糊控制是以人对被控系统的控制经验为依据而设计控制器的,故无需知道被控系统的数学模型。 (2)是一种反映人类智慧思维的智能控制。模糊控制采用人
模糊控制的现状与发展 摘要：综合介绍了模糊控制技术的基本原理、控制器的设计、应用及研究领域的问题和发展状况，并对今后的发展前景进行了展望。 关键词：模糊控制；控制原理；稳定性 1、模糊控制概述 自从 1965年美国自动控制理论专家 Zadeh L A提出用模糊集合描述客观世界中存在的不确定性信息以来，模糊逻辑理论有了飞跃性的发展，并得到了广泛的应用。模糊控制【1】( fuzzy control)是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法，从行为上模拟人的思维方式，对难建模的对象实施模糊推理和决策的一种控制方法，实际上是一种非线性控制。模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域、家用电器自动化领域和其他很多行业中解决了传统控制方法无法或者是难以解决的问题，取得了令人瞩目的成效，引起了越来越多的控制理论的研究人员和相关领域的广大工程技术人员的极大兴趣。 2、模糊控制的原理 模糊控制算法的工作过程可是【2】：微机通过中断采样获取被控制量的精确值，并将此量与给定值比较得到一误差信号 E，一般选误差信号 E作为模糊控制器的一个输入量。把误差信号 E的精确量进行模糊化变成模糊量，误差 E的模糊量可用相应的模糊语言表示，得到误差 E的模糊语言集合的一个子集 e ( e 是一个误差 E的模糊矢量 )，再由 e和模糊关系 R根据推理的合成规则进行模糊决策,得到模糊控制量 u，即u = e R模糊控制的框图如图 1所示。由图一可知，模糊控制系统与通常的计算机数字控制系统的主要区别是采用了模糊控制器。模糊控制器是整个模糊控制系统的核心，一个模糊控制系统性能优劣，主要取决于模糊控制器的结构所采用的模糊规则、合成推理算法及模糊决策的方法等因素。
BP神经网络 BP (Back Propagation)神经网络是一种神经网络学习算法，全称基于误差反向传播算法的人工神经网络。 如图所示拓扑结构的单隐层前馈网络，一般称为三层前馈网或三层感知器，即：输入层、中间层（也称隐层）和输出层。它的特点是：各层神经元仅与相邻层神经元之间相互全连接，同层内神经元之间无连接，各层神经元之间无反馈连接，够成具有层次结构的前馈型神经网络系统。单计算层前馈神经网络只能求解线性可分问题，能够求解非线性问题的网络必须是具有隐层的多层神经网络。 在人工神经网络发展历史中，很长一段时间里没有找到隐层的连接权值调整问题的有效算法。直到误差反向传播算法（BP算法）的提出，成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题。 BP (Back Propagation)神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。 神经网络 神经网络是： 思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。 逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面： （1）生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。 （2）建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。 （3）网络模型与算法研究。在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。 （4）人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。 纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。 【人工神经网络的工作原理】 人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。 所以网络学习的准则应该是：如果网络作出错误的的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予(0，1)区间内的随机值，将“A”所对应的图象模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”(结果正确)，则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能作出正确的判断。