模糊控制
模糊控制理论及应用
模糊控制理论及应用模糊控制是一种基于模糊逻辑的控制方法，它能够应对现实世界的不确定性和模糊性。
本文将介绍模糊控制的基本原理、应用领域以及未来的发展趋势。
一、模糊控制的基本原理模糊控制的基本原理是基于模糊逻辑的推理和模糊集合的运算。
在传统的控制理论中，输入和输出之间的关系是通过精确的数学模型描述的，而在模糊控制中，输入和输出之间的关系是通过模糊规则来描述的。
模糊规则由模糊的IF-THEN语句组成，模糊推理通过模糊规则进行，从而得到输出的模糊集合。
最后，通过去模糊化操作将模糊集合转化为具体的输出值。
二、模糊控制的应用领域模糊控制具有广泛的应用领域，包括自动化控制、机器人控制、交通控制、电力系统、工业过程控制等。
1. 自动化控制：模糊控制在自动化控制领域中起到了重要作用。
它可以处理一些非线性和模糊性较强的系统，使系统更加稳定和鲁棒。
2. 机器人控制：在机器人控制领域，模糊控制可以处理环境的不确定性和模糊性。
通过模糊控制，机器人可以对复杂的环境做出智能响应。
3. 交通控制：模糊控制在交通控制领域中有重要的应用。
通过模糊控制，交通信号可以根据实际情况进行动态调整，提高交通的效率和安全性。
4. 电力系统：在电力系统中，模糊控制可以应对电力系统的不确定性和复杂性。
通过模糊控制，电力系统可以实现优化运行，提高供电的可靠性。
5. 工业过程控制：在工业生产中，许多过程具有非线性和不确定性特点。
模糊控制可以应对这些问题，提高生产过程的稳定性和质量。
三、模糊控制的发展趋势随着人工智能技术的发展，模糊控制也在不断演进和创新。
未来的发展趋势主要体现在以下几个方面：1. 混合控制：将模糊控制与其他控制方法相结合，形成混合控制方法。
通过混合控制，可以充分发挥各种控制方法的优势，提高系统的性能。
2. 智能化：利用人工智能技术，使模糊控制系统更加智能化。
例如，引入神经网络等技术，提高模糊控制系统的学习和适应能力。
3. 自适应控制：模糊控制可以根据系统的变化自适应地调整模糊规则和参数。
控制理论中的自适应控制与模糊控制
控制理论中的自适应控制与模糊控制自适应控制与模糊控制是控制理论中的两种重要方法，它们都具有适应性和鲁棒性，并且在不同的工程领域中广泛应用。
本文将分别介绍自适应控制和模糊控制的原理和应用，并比较它们的优缺点。
1. 自适应控制自适应控制是一种实时调节控制器参数的方法，以实现对系统模型和动态特性的跟踪和适应。
自适应控制的基本原理是通过不断观察和检测系统的输入和输出，根据误差的大小来调整控制器的参数，从而实现对系统的控制。
自适应控制的核心是自适应算法，常用的自适应算法有最小均方（LMS）算法、普罗弗洛夫诺夫（P-N）算法等。
通过这些算法，控制系统能够根据实时的输入输出信息，对控制器的参数进行在线调整，从而实现对未知或变化的系统模型的自适应控制。
自适应控制具有以下优点：- 可适应性强：自适应控制能够根据实时的系统输入输出信息调整控制器参数，适应不同的系统模型和工作条件。
- 鲁棒性好：自适应控制对于系统参数的不确定性和变化有很好的鲁棒性，能够有效应对系统参数的变化和干扰。
然而，自适应控制也存在以下缺点：- 算法设计复杂：自适应控制的算法设计和调试较为复杂，通常需要深入了解系统模型和控制理论。
- 需要大量计算资源：自适应控制需要实时处理系统的输入输出信息，并进行参数调整，因此需要较大的计算资源和实时性能。
2. 模糊控制模糊控制是一种基于模糊逻辑的控制方法，它通过建立模糊规则和模糊推理来实现对非精确或模糊信息的处理和控制。
模糊控制的核心是模糊推理机制，通过将输入量和输出量模糊化，使用模糊规则进行推理和控制。
模糊控制的优点包括：- 不需要准确的数学模型：模糊控制可以处理非精确、模糊的输入输出信息，对于某些复杂系统，很难建立准确的数学模型，而模糊控制能够处理这种模糊性。
- 鲁棒性好：模糊控制对于系统参数的变化和干扰有较好的鲁棒性，能够在一定程度上应对不确定性和噪声的干扰。
然而，模糊控制也存在以下缺点：- 规则设计困难：模糊控制的性能很大程度上依赖于设计合理的模糊规则，而模糊规则的设计需要充分的专业知识和经验。
模糊控制与神经网络控制
模糊控制与神经网络控制模糊控制和神经网络控制是现代控制领域中的两个重要研究方向，它们通过不同的方法和理论来解决复杂系统的控制问题。
本文将就这两种控制方法进行介绍和对比，并探讨它们在实际应用中的优劣势。
一、模糊控制模糊控制是一种基于模糊逻辑理论的控制方法，它通过将输入和输出之间的关系进行模糊化来实现系统的控制。
模糊控制器的设计通常包括模糊化、规则库的建立、推理机制以及解模糊化等步骤。
在模糊控制中，输入和输出以模糊集形式表示，通过一系列的模糊规则进行推理得到控制信号。
模糊规则库中存储了专家知识，根据实际问题的需求可以设计不同的规则。
推理机制使用模糊规则进行推理，最后通过解模糊化将模糊输出转化为具体的控制量。
模糊控制的优点之一是适用于非线性和不确定性系统，它能够通过模糊化处理来处理实际系统中的不确定性和模糊性。
此外，模糊控制能够利用专家经验进行控制器的设计，无需准确的系统数学模型。
然而，模糊控制也存在一些局限性。
首先，模糊控制的规则库和参数通常需要由专家进行手动设计，这对专家的经验和知识有一定的要求。
其次，模糊控制的性能也会受到模糊规则的数量和质量的影响，如果规则库设计不当，控制性能可能无法满足要求。
二、神经网络控制神经网络控制是一种基于人工神经网络的控制方法，它通过将系统模型表示为神经网络结构来实现控制。
神经网络是一种模仿生物神经系统结构和功能的计算模型，具有自适应学习和适应性处理的能力。
在神经网络控制中，神经网络被用作控制器来学习系统的映射关系。
通过输入和输出的样本数据，神经网络根据误差信号不断调整权重和阈值，使得输出逼近于期望输出。
神经网络控制通常包括网络的结构设计、学习算法的选择和参数调整等步骤。
与模糊控制相比，神经网络控制具有更好的自适应性和学习能力。
它能够通过学习过程来建立系统的非线性映射关系，并且对于未知系统具有较好的鲁棒性。
此外，神经网络控制不需要准确的系统模型，对系统的数学模型要求相对较低。
控制系统中的模糊控制与神经网络控制比较
控制系统中的模糊控制与神经网络控制比较在现代控制系统中，模糊控制和神经网络控制是两种常见的控制方法。
它们都具有一定的优势和特点，但是又各自存在一些局限性。
本文将就这两种控制方法进行比较，旨在帮助读者更好地理解和选择适合自己需求的控制方法。
一、模糊控制模糊控制是一种基于模糊逻辑的控制方法，它将人的直观经验与控制系统的数学模型相结合，用来应对系统模型不确定或难以建模的情况。
模糊控制系统由模糊化、模糊推理和解模糊化三个主要部分组成。
1、模糊控制的优势（1）适应不确定性：模糊控制可以很好地应对系统参数变化、环境变化等不确定性因素，因为它不需要准确的数学模型。
（2）处理非线性系统：对于非线性系统，模糊控制可以通过模糊化和模糊推理来逼近系统的动态特性，因此具备较好的适应性。
（3）易于理解和调试：模糊规则基于经验知识，形式简单易懂，参数调节相对容易，操作员或工程师可以理解和调试模糊控制系统。
2、模糊控制的局限性（1）计算复杂性：模糊控制系统需要进行模糊化、模糊推理和解模糊化等操作，这些操作可能导致计算量大、实时性差，不适合对响应时间要求较高的控制系统。
（2）难以优化：模糊控制的参数调节通常是基于试错法，缺乏理论指导，难以进行精确优化，因此对于某些需要高精度控制的系统效果并不理想。
二、神经网络控制神经网络控制是一种利用人工神经网络模拟生物神经网络的结构和功能来实现控制的方法。
神经网络控制系统由输入层、隐含层和输出层构成，通过训练神经网络来实现控制效果。
1、神经网络控制的优势（1）适应性强：神经网络具有强大的自适应性能，能够适应未知系统或具有时变性质的系统，从而在控制过程中实现自学习和自适应。
（2）映射能力强：神经网络可以将非线性映射问题转化为线性可分问题进行处理，从而更好地逼近系统的非线性特性。
（3）具备优化能力：可以通过合理的网络结构和训练算法，实现对网络参数的优化，从而提高控制系统的性能。
2、神经网络控制的局限性（1）训练需耗时：神经网络控制需要通过大量的数据训练神经网络，这可能需要耗费较长的时间，并且对数据质量和标定要求较高。
模糊控制与PID控制的比较
模糊控制与PID控制的比较自20世纪60年代中期起，模糊控制逐渐崭露头角，其优越性也引起了人们的关注。
除了模糊控制，当今热门的控制算法之一是PID控制。
那么，模糊控制与PID控制之间的区别是什么呢？它们各自的优缺点是什么？在特定的应用场合下，哪种控制算法更适用？一、模糊控制概述模糊控制是一种无需准确模型或参数即可执行复杂控制系统的方法，它仅使用模糊逻辑来描述输入和输出之间的关系。
模糊控制系统的输入和输出都是模糊变量。
与其他控制方法相比，模糊控制系统可以更好地处理不确定性和模糊性，具有更强的容错能力和适应性。
模糊控制系统由四个主要组成部分组成：模糊化、模糊推理、解模糊化和规则库。
模糊化部分将传感器输出信号转换为模糊变量，模糊推理部分使用模糊逻辑基于模糊规则将模糊变量转换为控制信号，解模糊化部分将控制信号转换为精确的控制信号，规则库存储了模糊规则及其权重。
二、PID控制概述比例积分微分（PID）控制是一种经典的控制算法，其控制草图由三个部分组成。
比例项（P）根据当前误差大小进行输出，积分项（I）可以消除稳态误差，微分项（D）可以提高系统的稳定性并抑制系统的震荡。
PID控制器的设计基于系统的数学模型，在许多应用中，这个模型是已知的。
在这些情况下，PID控制器可以通过调整不同部分的增益以进行优化。
三、模糊控制与PID控制的对比1. 精度PID控制器可以实现非常高的精度，特别是在恒定环境下，模糊控制器具有更高的容错能力和适应性，而且围绕控制正常的范围内快速做出反应。
2. 调节PID调节通常是更容易实现的PLC控制器中自动化开发环境的系统。
Fuzzy可能更多地需要手动调整和对规则进行逐步精细的训练，但它也可以被训练自动化。
3. 适应性模糊控制器的好处是可以轻松地处理不确定性和模糊性，因此可以应对复杂环境。
PID控制器则对不确定性和模糊性更加敏感，而且会因不确定性的变化而导致过度响应或不足响应的问题。
4. 实际应用PID控制器广泛应用于许多领域，如化工、制造和机械工程。
模糊控制
0 1 A (x) 1 ( 5 )2 x 50
0 x 50
50 x 200
其论域为[0，200]的连续区间，论域上任一元素的隶属度， 可通过隶属函数求得。
2)隶属度及隶属函数的确定
用模糊统计法确定隶属度的基本思想
康托（Cantor,G.F.P. 1845年—1918年）， 德国数学家
属于 不属于
2.1 普通集合及其运算规则
1) 普通集合的基本概念 被讨论的对象的全体称作论域。论域常用大写 论域 字母U、X、Y、Z等来表示。 元素 论域中的每个对象称为元素。元素常用小写字 母a、b、x、y等来表示。 集合 给定一个论域，论域中具有某种相同属性的元素 的全体称为集合。 集合常用大写字母A、B、C等来表示。 集合的元素可用列举法（枚举法）和描述法表示。 列举法：将集合的元素一一列出， 如：A={a1，a2，a3，…an}。 描述法：通过对元素的定义来描述集合。 如：A＝｛x│x≥0 and x/2=自然数｝
模糊逻辑控制方法
把模糊数学理论应用于自动控制领域，从而产生的 控制方法称为模糊控制方法。 传统控制依赖于被控系统的
数学模型；
模糊逻辑控制依赖于被控系统的 物理特性。
优点
A. 无需预先知道被控对象的精确数学模型；
B. 容易学习和掌握模糊逻辑控制方法（规则由人的
经验总结出来、以条件语句表示）；
C. 有利于人机对话和系统知识处理（以人的语言形
18～25
15～30 16～30 15～30
16～35
20～30 15～30 15～25
17～29
20～30 18～35 15～30
18～25
模糊控制与自适应控制的比较
模糊控制与自适应控制的比较控制系统是科学技术领域中一个重要的研究方向，在实际应用中有多种控制方法可供选择，其中较为常见的有模糊控制和自适应控制。
本文将对这两种控制方法进行比较和分析。
一、模糊控制模糊控制是一种基于模糊逻辑的控制方法，它适用于那些无法准确建立数学模型或是数学模型复杂难以处理的系统。
模糊控制采用模糊集合和模糊规则进行推理和决策，能够处理存在不确定性和不精确性的控制问题。
模糊控制的优点在于适应性强，可以应对系统变化和环境变化，具有较好的鲁棒性。
二、自适应控制自适应控制是利用自适应算法对系统进行实时的参数调整和优化，从而实现对系统的自动调节和控制。
自适应控制主要通过对系统模型的辨识和参数估计，实时地调整控制器的参数，使得系统能够在不同工况下保持良好的控制性能。
自适应控制的优点在于能够针对具体问题进行参数调整，适应性强，对于系统的变化和干扰有较好的鲁棒性。
三、比较与分析模糊控制和自适应控制都是用于处理复杂系统的控制问题，但在应用领域和方法上存在一些差异。
主要比较如下：1. 系统建模：模糊控制不需要精确的数学模型，而自适应控制则需要准确的系统数学模型。
在实际工程中，模糊控制对于那些难以建立精确模型的系统具有较优势，自适应控制对于可以准确建模的系统更加适用。
2. 控制理论：模糊控制是基于模糊逻辑和模糊集合进行推理和决策的，具有较强的适应性和鲁棒性；自适应控制则是通过对系统模型的辨识和参数调整实现的，其理论基础相对更加严格。
3. 参数调整：模糊控制主要通过修改模糊规则和模糊集合的形状来进行参数调节，相对简单易懂，但效果可能不够精确；自适应控制则是通过对控制器参数的实时调整来实现对系统的优化，需要较为复杂的数学算法和计算过程。
4. 系统鲁棒性：模糊控制对于输入输出之间的不确定性有较好的容忍性，能够应对系统变化和外界干扰；自适应控制对于系统参数的不确定性和随机变化有较好的适应性。
综上所述，模糊控制和自适应控制在实际应用中各有优势，在不同的控制问题上可能会有不同的选择。
模糊控制的原理
模糊控制的原理
模糊控制是一种基于模糊逻辑原理的控制方法，它通过将非精确的输入信息转化为具有模糊性质的模糊输入，并通过模糊规则和模糊推理来生成模糊输出，最终将其转化为实际的控制量。
模糊控制包括模糊化、模糊推理和去模糊化三个步骤。
在模糊化阶段，将输入信息通过模糊化函数转化为模糊输入。
通常采用隶属函数来描述输入信息的隶属度，如三角形函数、梯形函数等。
模糊化函数将不确定的输入信息映射为隶属度在[0,1]之间的模糊集合。
接下来，在模糊推理阶段，通过建立一组模糊规则来进行推理。
模糊规则包括模糊条件和模糊结论。
通过匹配输入信息的隶属度和规则中的条件隶属度，可以得到一组规则的激活度。
然后，根据激活度和规则结论的隶属度，计算出模糊输出。
最后，在去模糊化阶段，将模糊输出转化为实际的控制量。
通常采用去模糊化方法来获得一个具体的输出值。
常用的去模糊化方法包括质心法、加权平均法等。
这些方法将模糊输出的隶属度函数与去模糊化函数相结合，得到一个实际的输出值。
模糊控制方法的优点是可以处理非线性、不确定性和模糊性的控制问题，适用于那些难以用精确数学模型描述的系统。
它广泛应用于工业控制、机器人、交通控制等领域，取得了很好的效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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)1 绪论1.1课题研究的背景和意义PID控制是最早发展起来的控制策略之一，由于其算法简单、鲁棒性好及可靠性高，被广泛应用于过程控制和运动控制中，尤其适用于可建立精确数学模型的确定性系统。
然而实际工业生产过程往往具有非线性、时变不确定性，难以建立精确的数学模型，应用常规PID控制器不能达到理想的控制效果，而且在实际生产现场中，由于常规PID参数整定方法繁杂，其参数往往整定不良、性能欠佳，对运行工况的适应性差。
因此寻求一种新的控制方法成为控制领域的迫切需求。
针对PID控制器参数整定不易的局限，我们运用模糊数学的基本理论和方法，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。
基于上述想法，本文以对PID控制和模糊控制理论研究的基础上，设计模糊PID控制器。
首先设定常规PID控制器控制参数(比例、积分、微分系数)的初值，然后根据控制经验知识设计控制规则，以系统偏差和偏差变化为输入，进行在线推理，输出常规PID控制器比例、积分、微分系数的修正值，构成二输入、三输出模糊控制器，从而实现将两种控制算法的有机结合起来、取长补短。
对控制理论实际应用发展具有一定意义。
1.2 控制理论的发展从上世纪初，特别是第二次世界大战以来，控制理论与控制技术得到了迅速发展，而电子计算机的快速更新换代，更加推动了控制理论不断向前发展。
控制理论的发展主要经历了三个阶段：“经典控制理论”时期、“现代控制理论”时期、和“智能控制理论”时期。
1、经典控制理论上世纪20〜50年代为“经典控制理论”时期。
经典控制理论是以传递函数、频率特性、特征根分布等为理论基础，适用于单输入单输出系统，所研究的系统大多是线性定常系统，对非线性系统，分析釆用的相平面法一般超过两个变量。
其主导思想是构成加有反馈通道的闭环控制系统。
所研究的目标装置是能够使闭环控制系统达到预期动态、静态性能要求的自动调节器。
因此该时期的控制理论也被称为“自动调节原理”。
实际控制系统中的典型应用就是PID控制器。
2、现代控制理论上世纪50〜80年代为“现代控制理论”时期。
由于航天飞行器等空间技术开发的需求而发展起来的现代控制理论，主要研究的是多输入多输出的受控对象，系统可以是线性的或非线性的，定常的或时变的，可以是集中参数或分布参数的，也可以是连续的或离散的.现代控制理论仍然要依赖于系统的精确数学模型，但是它把原来直接根据受控系统机理特性的建模方法，向基于参数估计和系统辨识理论的建模方向拓展了。
现代控制理论用一组一阶微分方程代替经典控制理论中的一个高阶微分方程式来描述系统，并且把系统中各个变量均取为时间的函数，因而属于时域分析方法，它有别于经典控制理论中的频域法，这样更有利于用计算机进行计算；此外，状态变量的选取可以不一定是系统中可观测的物理量，因而具有很大的自由度。
现代控制理论所研究的系统结构，已从单闭环系统扩展到双闭环、多环以及含有适应环、学习环等多种结构的系统；在综合和分析系统时，己经从受控系统的外部特征描述，深入到揭示系统内部的规律性；从局部控制进人到一定意义上的全局优化。
现代控制理论的主要研究内容包括三个方面:多变量线性系统理论、最优控制及最优估计理论和系统辨识理论。
对系统的数学模型进行分析，以数学模型为基础，设计出控制器，是现代控制理论的主要特征。
3、智能控制理论上世纪80年代至今，控制理论向着“大系统理论‟、“智能控制”、“非线性系统理论”方向发展。
一般认为智能控制是具有人工智能、控制、运筹学三元结构，是在对人类智能活动及其控制与信息传递过程进行研究分析的基础上，研制具有某些仿人智能特征的工程控制与信息处理系统，能自动、智能地实现系统动态性能的控制方法。
在经典控制理论和现代控制理论的实际应用中，遇到不少难题，例如在当实际系统中存在不确定性、不完全性模糊性、时变性、非线性时，一般很难获得精确的数学模型。
而智能控制理论分析和设计重点不再放在对传统控制器的数学描述、计算和处理上，而是放在智能机模型中对非数学模型描述、符号和环境的识别、知识库和推理机的开发和设计上。
可见智能控制是人工智能、控制论、运筹学、信息论等学科的交叉，是控制理论发展的高级阶段。
1.3 本文的主要内容本文共有三章，其内容结构如下：第一章为绪论部分，内容为选题背景及目的，课题的研究方法、研究内容和控制理论的发展。
第二章主要介绍模糊控制的发展应用，结构组成，以及设计方法。
以突出模糊控制的优势，来引出其与常规控制相结合的必要性。
第三章主要设计一种自整定模糊PID控制器。
并进行仿真实验，并与常规PID控制进行对比，得出分析结论。
2 PID 控制原理及模糊控制器概述图2.1 常规PID 控制器原理图PID 控制器根据输入给定值()t r 与实际输出值()t y 构成偏差()t e ，即：e(t)=r(t)-y(t) (2.1)将偏差的比例(P)、积分(I)、微分(D)通过线性组合构成控制量，对被控对象进行控制，其控制算法是：()()()()⎥⎦⎤⎢⎣⎡++=⎰dt t de d dt t e t e t u t 0T (2.2)传递函数形式为：()()()⎪⎪⎭⎫ ⎝⎛++==s T s T Kp s E s U G d i 11s (2.3)式中：P K 为比例系数，i T 为积分时间常数，d T 为微分时间常数。
PID 控制器通过调节比例系数、积分系数、微分系数来实现对系统的控制。
2.2 模糊控制理论概述由于构成客观世界的万物是千变万化、错综复杂的，在事物属性、万物间的联系和施加于事物上的各种“作用因素”等方面均具有模糊性，加上人类对万物的观察与思维都2.1 PID 控制原理常规PID 控制器原理框图如图2.1所示。
其系统主要由PID控制器和被控对象组成。
是极其粗略的，逻辑推理是定性的，毫不在乎地容纳着许多矛盾，因此“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。
模糊集合和模糊算法的概念由美国加利福尼亚大学著名教授查德提出来的。
1965年，美国加州大学伯克利分校电气工程系的查德教授发表了《Fuzzy Sets》。
文章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，并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，提出了模糊数学的概念。
从此，模糊控制理论及其应用迅速发展起来。
1974年英国伦敦大学教授E．H．Mamdani首先利用模糊控制语句组成了模糊控制器，对一个试验性的蒸汽机使用了24条…'if A then B then C”语言规则实现了控制，取得了比传统的DDC控制好的效果。
它不仅把模糊系统理论首先应用于控制，并且充分展示了模糊控制技术的应用前景。
以后在英国、丹麦、荷兰、日本等国，人们先后对不同的复杂控制对象进行了不同程度的模糊控制，均取得了较好的效果。
1975-1976年，荷兰、丹麦等国家在工业过程中应用了模糊控制，取得了满意的成果。
1975年英国的J．King和．H．Mamdani将模糊控制系统应用于工业反应过程的温度控制，也取得了好的控制效果。
1983年，日本日立制造厂系统开发研究所的安信等人，用预测模糊控制方法对电气铁路列车的运行和停止进行控制运行结果表明模糊控制与熟练驾驶员控制结果相当，而电能节约11%~14%。
模糊控制在那些具有非线性、强耦合、时变和时滞特性的复杂过程或机器的控制中发挥了独特的作用。
模糊控制技术除了在工业和军事上的应用之外，现在正被广泛地应用于电视摄像机、数码照相机、空调机、全自动洗衣机、吸尘器等消费电器产品。
2.3模糊控制系统的结构和组成图2.2模糊控制系统方框图模糊控制系统一般可以分为四个部分：(1)模糊控制器：实际上是一台微机算计，根据控制器系统的需要既可以选用系统机，又可选用单片机。
(2)输入/输出接口装置：模糊控制器通过输～输出接口从被控对象获取数字信号量，并将模糊控制器决策的输出数字信号经过数模变换，将其转变为模拟信号，送给执行机构去控制被控对象。
在I/O接口装置中，除A/D，D/A转换外，还包括必要的电平转换线路。
(3)广义对象：包括被控对象及执行机构，被控对象可以是线性或非线性的，定常或时变的，也可以是单变量或多变量的，有时滞的或无时滞的以及有强干扰的多种情况。
(4)传感器：传感器是将被控对象或各种过程的被控制量转换为电信号(模拟的或数字的)的一类装置。
被控量往往是非电量，如温度、压力、流量、浓度、湿度等等。
传感器在模糊控制系统中占十分重要的地位，它的精度往往直接影响整个控制系统的精度。