自适应模糊控制在物位测控系统中的应用
模糊控制系统的自适应性
模糊控制系统的自适应性在探讨模糊控制系统的自适应性时，我们深入了解了这一领域中的关键概念和技术。
模糊控制系统是一种基于模糊逻辑的控制系统，能够处理模糊性和不确定性，并且能够适应系统动态变化的能力。
自适应性是指系统具备自我调整和适应环境变化的能力。
在模糊控制系统中，自适应性是至关重要的，因为它允许系统根据外部环境的变化自行调整其控制行为，以保持系统的稳定性和性能。
模糊控制系统的自适应性体现在以下几个方面：1. **参数自适应**：模糊控制系统可以根据系统的工作状态和性能要求自适应地调整模糊控制器的参数。
这意味着系统能够自动调整模糊控制器中的隶属函数、模糊规则库或输出的缩放因子，以适应不同的工作环境和需求。
2. **环境响应**：自适应模糊控制系统可以感知环境变化并相应地调整其控制策略。
例如，在一个温室控制系统中，模糊控制器能够根据温度、湿度等环境参数的变化，自适应地调整植物生长所需的温度和湿度条件。
3. **鲁棒性**：模糊控制系统的自适应性也表现在其对干扰和噪声的抵抗能力上。
它可以自动调整控制策略以应对外部干扰，保持系统的稳定性和性能。
实现模糊控制系统的自适应性通常依赖于以下技术和方法：- **自适应控制算法**：采用神经网络、遗传算法或模糊神经网络等技术，实现模糊控制系统参数的自适应调整。
- **模糊建模与识别**：通过模糊建模和识别方法，实现对系统动态特性和工作环境的实时感知，以便系统自适应地调整。
- **参数估计和优化**：利用参数估计和优化算法，提高模糊控制系统的性能，确保其在动态环境下的稳定性和鲁棒性。
在工业控制、智能交通、机器人技术等领域，模糊控制系统的自适应性被广泛应用。
它能够有效处理那些难以用精确数学模型描述的系统，并在不确定性环境中展现出良好的控制能力。
总之，模糊控制系统的自适应性是其关键特征之一，使得系统能够灵活应对复杂、动态的控制环境，并取得更好的控制效果和稳定性。
随着技术的不断发展，对模糊控制系统自适应性的研究和应用也将不断深入，为各个领域的自动控制带来更多的可能性和前景。
自适应模糊控制技术在流量控制中的应用研究
自适应模糊控制技术在流量控制中的应用研究随着工业自动化的发展，现代控制技术也得到了极大的发展和完善。
其中自适应模糊控制技术是一种比较先进的控制方法，在现代工业生产和流量控制中得到了广泛的应用。
本文将探讨自适应模糊控制技术在流量控制中的应用研究，从原理和实践两个方面展开讨论。
一、自适应模糊控制技术的原理1、模糊控制原理模糊控制是一种模糊逻辑和控制理论相结合的控制方法。
相对于传统控制方法，它具有更强的适应能力和更好的鲁棒性。
模糊控制的基本思想是将输入量和输出量用模糊语言描述，并经过一定的处理，得到相应的控制规则和控制输出。
这种控制方法比较符合人们的思维方式，更具有人性化和实用性。
2、自适应控制原理自适应控制是指在控制过程中根据系统反馈信息，自动调整控制器参数以适应系统变化的能力。
这种控制方法可以有效地解决系统参数变化和环境干扰的问题，更具有灵活性和稳定性。
3、自适应模糊控制原理自适应模糊控制是将自适应控制和模糊控制方法相结合的一种控制技术。
它对系统的动态性和非线性进行描述，可以自适应地调整模糊控制器的输入和输出变量，使得控制系统具有更强的适应能力和更好的鲁棒性。
二、1、流量控制的基本原理流量控制是一种调节流体流量大小的技术。
它根据流量的变化自动调整控制器的输出信号，控制流量阀门的开度，从而实现对流量的控制。
流量控制技术广泛应用于工业生产和流体运输等领域。
2、自适应模糊控制技术在流量控制中的应用自适应模糊控制技术在流量控制中的应用有以下两个方面：（1）对流量控制系统进行建模与仿真自适应模糊控制技术可以对流量控制系统进行建模与仿真，以得到控制系统的动态模型并进行系统分析。
通过仿真，在实际系统参数不确定的情况下，能够准确地分析系统的动态响应特性，设计符合控制要求的控制策略和控制算法。
（2）对流量控制系统进行智能控制自适应模糊控制技术可以实现对流量控制系统的智能控制。
通过对流量控制器动态参数进行实时调整，可以适应控制系统的变化，并且提高了系统控制的精度和稳定性。
21. 如何通过模糊控制实现自适应系统？
21. 如何通过模糊控制实现自适应系统？21、如何通过模糊控制实现自适应系统？在当今科技飞速发展的时代，自适应系统在众多领域中发挥着至关重要的作用。
从工业自动化到智能交通，从智能家居到医疗设备，自适应系统能够根据环境的变化和输入的不确定性，自动调整自身的参数和行为，以达到最优的性能和效果。
而模糊控制作为一种智能控制方法，为实现自适应系统提供了一种有效的途径。
那么，什么是模糊控制呢？简单来说，模糊控制是一种基于模糊逻辑的控制方法，它不像传统的控制方法那样依赖于精确的数学模型，而是能够处理和利用模糊性和不确定性的信息。
在实际应用中，很多系统的行为和特性往往难以用精确的数学模型来描述，比如人的思维、判断和决策过程，或者一些复杂的非线性系统。
而模糊控制正是为了解决这类问题而应运而生的。
要通过模糊控制实现自适应系统，首先需要对系统进行模糊化处理。
这就意味着将系统的输入和输出变量转化为模糊集合。
例如，对于温度这个输入变量，我们可以定义“低温”、“中温”和“高温”等模糊集合。
同样，对于输出变量，比如风扇的转速，我们可以定义“慢速”、“中速”和“快速”等模糊集合。
接下来，要建立模糊规则库。
模糊规则库是模糊控制的核心部分，它包含了一系列基于专家经验或实验数据的规则。
这些规则通常以“如果……那么……”的形式表示。
比如，“如果温度是高温，那么风扇转速应该是快速”。
通过制定合理的模糊规则，可以使系统在不同的输入情况下做出相应的调整。
在模糊推理过程中，根据输入变量所属的模糊集合以及模糊规则库，通过一定的推理算法来确定输出变量所属的模糊集合。
这个过程类似于人类的推理和判断，是基于模糊逻辑进行的。
为了得到具体的输出值，还需要进行去模糊化处理。
去模糊化的方法有很多种，常见的有重心法、最大隶属度法等。
通过去模糊化，将模糊的输出集合转化为精确的数值，从而实现对系统的控制。
在实现自适应系统的过程中，模糊控制具有很多优势。
首先，它对系统模型的精确性要求不高，能够适应那些难以建立精确数学模型的系统。
自动化系统中的模糊控制理论与应用
自动化系统中的模糊控制理论与应用近年来，随着科技的飞速发展，自动化技术在工业生产、交通运输、医疗保健等众多领域中得到了广泛应用。
而自动化系统的关键技术之一，就是模糊控制。
本文将重点探讨自动化系统中模糊控制理论的原理和应用。
一、模糊控制理论的基本原理模糊控制理论是一种基于模糊逻辑的控制方法。
与传统的精确控制方法相比，模糊控制理论在处理复杂和不确定性问题方面具有一定的优势。
它通过模糊集合、模糊规则和模糊推理等概念，将人类的模糊思维方式引入控制系统中，实现对系统的自适应和智能化控制。
1. 模糊集合模糊集合是模糊控制理论的核心概念之一。
它与传统的集合不同，模糊集合中的元素不是绝对的，而是具有一定的隶属度。
通过隶属度函数，可以描述元素与集合的隶属程度。
例如，设定一个温度的模糊集合，可以用“冷”、“温暖”和“炎热”等词语来描述。
这样，当温度为30°C时，它可以同时属于“温暖”集合和“炎热”集合，但隶属度不同。
2. 模糊规则模糊规则是模糊控制的重要组成部分。
它由条件部分和结论部分组成，通过描述输入与输出之间的关系。
其中，条件部分使用模糊集合来描述输入变量的状态，结论部分使用模糊集合来描述输出变量的状态。
例如，可以设定一个模糊规则：“若温度为冷，则加热器增加功率”。
3. 模糊推理模糊推理是根据模糊规则，将输入变量的模糊集合转换为输出变量的模糊集合的过程。
在模糊推理中，需要使用逻辑运算和模糊关系的组合规则，来处理多个规则的匹配和模糊集合的运算。
最常用的模糊推理方法是模糊推理机制，它将输入变量的模糊集合与模糊规则进行匹配，并生成相应的输出模糊集合。
二、模糊控制在自动化系统中的应用模糊控制在自动化系统中的应用非常广泛，可以用于工业生产、交通运输、医疗保健等领域。
下面将分别介绍几个典型的应用案例。
1. 工业自动化控制在工业生产中，模糊控制可以应用于各种自动化设备和工艺过程的控制。
例如，对于温度、压力和流量等变量的控制，传统的精确控制方法往往无法满足实际需求。
模糊控制在自动化控制中的应用研究
模糊控制在自动化控制中的应用研究自动化控制是现代工业生产的重要技术之一。
在自动化控制中，控制系统的性能和效果往往会决定生产效率和产品质量的高低。
模糊控制是一种新兴的控制方法，它具有灵活性高、适应性强等特点，在自动化控制中得到了广泛的应用。
1. 模糊控制是什么模糊控制是一种基于模糊数学理论的控制方法。
在传统的控制方法中，控制器输入信号经过准确的数学计算后输出一系列离散的控制命令。
而模糊控制则是通过将输入信号模糊化，使输出信号变得更加灵活和适应不确定性的环境。
模糊控制的核心是模糊逻辑。
模糊逻辑中，变量的取值不是固定的，而是通过模糊化处理变为隶属度函数。
隶属度函数是一个曲线，它代表了变量的取值对系统控制效果的影响程度。
例如，在模糊控制中，温度的隶属度函数可能是一个梯形曲线，当温度上升时，曲线的上升部分代表了温度对控制效果的影响程度，下降部分则代表了控制效果的变化趋势。
2. 模糊控制的应用领域模糊控制在自动化控制中的应用非常广泛。
其主要应用领域包括以下几个方面：（1）机器人控制在机器人控制中，模糊控制主要用于机器人运动控制和路径规划。
由于机器人控制涉及到众多的未知变量和不确定性因素，传统的控制方法往往无法胜任。
而模糊控制的灵活性和适应性强，可以适应不确定性环境，使机器人能够更加精确地完成复杂的运动任务。
（2）嵌入式控制嵌入式控制是一种在小型计算机或控制器中实现的控制方式。
由于嵌入式控制受到硬件条件的限制，传统的控制算法往往无法满足要求。
而模糊控制方法凭借其高效性和低计算量，成为一种重要的嵌入式控制方法。
（3）电力系统控制在电力系统中，模糊控制的应用主要集中在调节和稳定电力系统的电压和频率等参数方面。
由于电力系统具有传播速度慢、惯性大、非线性等特点，传统的PID控制算法往往难以满足要求。
而模糊控制则可以有效地解决这些问题，提高电力系统运行的效率和稳定性。
（4）机械制造在机械制造领域，模糊控制主要用于机床控制和机械手控制等方面。
自动控制系统中的模糊控制技术应用
自动控制系统中的模糊控制技术应用一、模糊理论概述模糊理论是一种可以解决现实生活中不确定性问题的数学理论。
它的应用可以涉及到自然语言处理、图像处理、控制系统设计等领域。
在自动控制系统中，模糊控制技术被广泛应用。
模糊控制的基本思想是将文化经验和专家知识转化为模糊规则库，并将输入信号与这些规则相匹配，最终得到控制信号。
它可以让系统自动学习并适应不确定的环境，从而提高控制系统的可靠性和鲁棒性。
二、模糊控制技术应用模糊控制技术可以应用于许多工业控制领域。
1. 智能交通模糊控制技术可以应用于交通信号灯控制系统，通过分析交通流量和拥堵情况，实现红绿灯的智能控制。
同时，可以应用于道路车流控制以及智能公交系统的设计。
2. 机器人控制在机器人的控制中，模糊控制技术可以应用于路径规划、物体识别等方面。
通过将模糊规则库和目标识别相结合，可以使机器人更加准确地执行命令。
3. 工业生产在工业生产中，模糊控制技术可以应用于控制系统设计、工艺优化等方面。
例如，在化工生产中，通过分析温度、压力等参数，优化反应条件，提高反应效率和产量。
4. 水利工程模糊控制技术可以应用于水利工程中的洪水预警、水库调度等方面。
通过对气象、水文等信息进行分析，并将其与模糊规则库相结合，可以提高洪水预警的准确性，并实现水库的智能调度。
5. 航空航天在航空领域，模糊控制技术可以应用于飞行控制、桥梁和建筑物结构的监测和控制等方面。
通过对环境和飞机状态进行分析，并将其与模糊规则库相结合，可以保证飞机的安全性和稳定性。
三、模糊控制技术的发展趋势随着人工智能技术的不断发展，模糊控制技术也将继续得到广泛应用。
未来，模糊控制技术将更加注重高效、可靠、智能的控制系统设计。
同时，算法的创新和优化也将加速模糊控制技术的发展。
在自动控制系统中，模糊控制技术的应用已经取得了一定的成果，并且在不断推进着。
随着技术的不断进步和工业化的加速发展，模糊控制技术将会在更多的领域中发挥重要作用。
模糊控制与PID控制在自动化控制中的应用
模糊控制与PID控制在自动化控制中的应用自动化控制是一种通过各种设备和技术手段对生产过程、工业设备、机器人等进行控制和调节的技术。
在自动化控制中，常用到两种控制方式：模糊控制和PID控制。
模糊控制是一种基于模糊逻辑理论的控制方法。
它通过对目标系统的模糊化，建立一系列“若-则”规则，并且通过计算机算法进行运算，得到最终的控制策略。
模糊控制在处理不确定性和复杂性的问题上具有较高的适应性和普适性。
而PID控制则是一种常见的控制方法，它基于比例、积分和微分三个方面对系统进行控制。
PID控制器的作用是根据误差的大小和变化率，来进行调节控制。
它是一种求解比较简单的方法，应用广泛。
在自动化控制领域中，模糊控制和PID控制被广泛应用。
不同应用场景下，控制器选择的方法也会有所不同。
以温度控制为例，如果使用PID控制，则需要通过控制器不断地测量温度变化，在误差较小的情况下进行控制。
虽然PID控制在温度变化扭曲性较小的情况下有一定的优势，但是当温度变化较快或者扭曲性较大时，PID控制就会失去优势，而模糊控制则适应性更强，可以更好地应对这些情况。
另外在机器人控制中，模糊控制也具有较优越性。
机器人的运动过程中，往往存在不确定性，例如环境的变化、地形高低不平等等，如果采用传统PID控制方法，效果不佳。
而模糊控制则可以通过人工模糊化建立控制策略，能够更好地适应机器人的不确定性。
总的来说，模糊控制在一定范围内比PID控制更好，但是模糊控制方案的设计和实现需要更多的经验和技能。
在实际应用中，两种方法可以互相结合起来，进行联合控制，在不同场景下发挥各自的优势，提升整体控制效果。
在未来，随着人工智能和物联网技术的发展，模糊控制在自动化控制中的应用将会更加广泛和深入。
同时，我们也需要不断探索新的控制方法和技术手段，为自动化控制的发展注入更多的动力和活力。
自动化控制系统中的模糊控制技术应用研究
自动化控制系统中的模糊控制技术应用研究自动化控制系统是现代工业生产中不可或缺的一部分，它的目标是通过控制算法和设备，实现对系统的精确控制。
而在自动化控制系统中，模糊控制技术作为一种重要的控制方法，逐渐被广泛应用。
本文将探讨模糊控制技术在自动化控制系统中的应用研究。
一、模糊控制技术概述模糊控制技术是20世纪70年代提出的一种控制方法，它通过建立模糊集合、模糊规则和模糊推理机制，实现对非精确系统的控制。
相比于传统的精确控制算法，模糊控制技术具有以下优势：1. 模糊控制技术能够应对系统建模不准确的问题，适用于复杂的非线性系统。
2. 模糊控制技术能够处理具有不确定性或模糊性的输入和输出变量，提高系统的稳定性和适应性。
3. 模糊控制技术具有较强的人工智能特性，可以模拟人类的控制思维和行为，更好地与人机交互。
二、模糊控制技术在自动化控制系统中的应用1. 模糊控制技术在温度控制系统中的应用在工业生产过程中，温度控制是一个关键的环节。
传统的精确控制方法往往需要建立复杂的数学模型，对系统建模要求较高。
而模糊控制技术可以通过模糊集合和模糊规则来描述温度变化过程中的不确定性和模糊性，更好地适应温度系统的复杂性。
2. 模糊控制技术在机器人控制系统中的应用机器人控制系统是自动化控制系统的一个重要应用方向。
传统的机器人控制方法往往需要建立复杂的动力学模型和轨迹规划算法，对计算资源要求较高。
而模糊控制技术可以通过模糊推理机制实现对机器人运动轨迹的智能规划和控制，提高机器人的适应性和灵活性。
3. 模糊控制技术在交通控制系统中的应用交通控制是一个与人们日常生活密切相关的领域。
传统的交通控制方法往往基于固定的时间表或交通流量的统计规律，难以适应交通系统的动态变化。
而模糊控制技术可以通过模糊推理机制实时调整信号灯的相位和时序，根据道路车流的实际情况进行智能的交通控制，提高交通系统的效率和安全性。
三、模糊控制技术应用研究的挑战与展望尽管模糊控制技术在自动化控制系统中取得了一定的成就，但仍然面临一些挑战。
- 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)。
自适应模糊控制在物位测控系统中的应用倪水 1，魏光村 2，徐刚 1(1.江苏大学机械工程学院，江苏镇江 212013；2.山东科技大学财政金融学院，山东泰安271000)摘要：文中介绍了采用自适应模糊控制物位高度的研究方法，给出了控制器的设计，并对控制规则的修正作了改进。
该控制器能根据现场采集的数据及给定的性能指标实时自动调整模糊规则。
仿真结果表明该控制器与传统PID控制相比，有较强的自适应性和鲁棒性。
关键词：物位检测；自适应模糊控制；仿真中图分类号：S156.4+2 文献标识码：A 文章编号：1000-2324(2002)04-0448-05 THE APPLYCATION OF ADAPTIVE FUZZY CONTROL IN LEVEL MEASUREING SYSTEMNI Shui 1，WEI Guang-cun 2，XU Gang 1（1.School of machanical Engineering,Jiangsu University,Zhenjiang,212013,China；2.Shan Dong University of science and technology's college of finance，Shan Dong 271000，China）Abstract：This paper introduce the application of adaptive fuzzy control in the research of level measuring system.Also gives the design of fuzzy controller,and puts forward a improvement towards the revision of fuzzy rule.According to the on-site data and the specified technical index the regulator can perform automatic regulation of fuzzyparameters.Simulation results shows that the regulator possesses a better adaptability and robustness compare withtraditoional PID controller.Key words： level measuring，adaptive fuzzy control，simulation1引言本课题应用于对某工厂生产的ABS、SAN塑料粒子在料仓中的物料高度实现智能控制。
该厂过去采用手动调节阀门，人为控制物料的传送，工人劳动强度较大，因此，对工厂现有控制设备进行改造，实现物料传输的自动化，是提高企业经济效益的必要措施。
但是，若采用传统PID控制，必须首先确定系统的数学模型，由于该系统采用风机用气流传输物料，而且输送的管道长达几十米，很难得到精确的数学模型。
而模糊控制通过总结人的操作经验，模拟人的思维进行控制，不需要对系统数学模型进行精确的描述，但典型的模糊控制器参数为一组常量，对系统的动静态特性不能兼顾，因此，对于非线性、时变、大滞后以及随机干扰较严重的控制对象来说，会造成模糊控制规则粗糙或不完善，影响控制效果；为了弥补其不足，这里采用自适应模糊控制技术，使模糊控制规则在控制过程中自动调整和完善，从而达到预期的控制效果［1］。
2控制系统的设计2.1检测装置的实现方法常用的检测物料高度的方法可分为压力式、电气式、声波式、微波式等，考虑到本系统的检测环境是高温，而且被测对象是透明散粒子，为了便于测量，这里采用压力传感器，通过标定，把所测得的压力数据与相对应的高度进行拟和，故系统某时刻采样得到的压力值就对应着料仓中当前的物料高度。
2.2执行装置的实现方法执行件采用气动薄膜调节阀，配以气动阀门定位器实现阀位反馈，根据控制系统输出的电流信号，控制力矩马达组件所产生的扭矩，从而使阀门的开度发生变化，控制物料的流进。
2.3系统的组成及功能系统下位机采用AT89C52为CPU，包括AD转换、键盘接口、显示接口、DA 转换等功能模块，如图1所示。
其中A／D转换采用芯片ADC0809，它可以对现场八个料仓中的料位高度信号进行采集。
DA转换采用DAC0830，可输出电流信号，控制阀门开度。
为减少对CPU资源的占用，数码管显示采用MC14489，串行输出显示数据。
同时，为便于对八个料仓的高度实现统一集中控制，下位机采用芯片MAX202实现TTL电平到RS232电平的转换，外接RS232-RS485电平转换器即可实现单片机与PC机的远距离数据传输。
图1控制系统的组成Fig.1Compose of controlling system3自适应模糊控制器的设计模糊控制器采用常见的双输入单输出结构，当前采样得到的高度值与系统设定值间的偏差及其变化率作为控制器的输入量，记为e和e；输出控制量为电流c信号，记为u。
3.1输入、输出量的模糊化取偏差e的基本论域为［0，2000］，若选定E的论域X=［-6，-5，-4，-3，-2，-1，-0，+0，+1，+2，+3，+4，+5，+6］，采用公式X=2×6／2000(X-2000／2)取整，对X =∈［0，2000］进行量化。
为语言变量E选取7个语言值：，分别表示极小、很小、小、中、大、很大、极大，形成7个模糊子集，用来反映误差的大小。
隶属函数的几何形状及在模糊子集论域内的分布状况，对控制系统的性能有着很大的影响，由于三角形函数的表示和计算简单明了，同时它也能很好的满足控制系统的性能要求，故本系统的输入量的隶属函数采用三角形。
同理，确定误差变化率e和控制量u 的模糊子集和相应隶属函数。
c3.2模糊控制规则的确定对工人操作经验进行归纳总结，可以形成49条推理语言规则，如表所示：表1 模糊规则表Table 1List of fuzzy control rules3.3自适应模糊控制自适应模糊控制器是在模糊控制器的基础上，增加了3个功能模块而构成的一种模糊控制器，主要形式有自校正模糊控制、模型参考自适应模糊控制等，但其基本原理都是通过一些性能指标评价控制器的性能，并在此基础上给出相应的修正量以修改模糊控制器的某些结构参数，从而使控制器性能达到最优。
三个功能模块中，性能测量用于测量实际输出特性与希望输出特性的偏差，以确定输出响应的校正量P；控制量校正将输出响应的校正量转换为对控制量的校正量R；对控制量的校正通过修改控制规则来实现［5］。
3.3.1 性能测量自适应过程是通过Mandanni法实现的，它是以误差e，误差变化率ec作为评价基本模糊控制器的性能指标。
因此，根据这两个参数的采样值e(nT)和ec(nT)计算出对输出特性所需要的校正量p(nT)，并用模糊集合论的方法总结出一套性能测量规则。
类似于简单模糊控制器的控制表，校正表也可根据性能测量规则来确定。
当偏差在最大(-6)级上，且偏差变化朝向设定点时，其发展趋势是逐渐减少，因此不必加校正量；当偏差变化离开设定点时，均施加(+6)级校正量，抑制偏差的进一步变化并使其减小，以使系统输出特性朝期望方向变化。
3.3.2 控制量的校正由性能测量所得到的输出响应的校正量p(nT)，需要转化为对过程的输入校正量，并施加于过程。
如暂不考虑系统的滞后问题，且假设控制量r(nT)和输出p(nT)均归一化到区间［-6，+6］，则有r(nT)=p(nT) 。
3.3.3 控制规则的修正实验测试表明，风机吹送的物料送入料仓需要5s，如果采样周期定为500ms，则 (n-m)T时刻的控制对nT时刻系统的性能有影响，此时m=10，即 (n-10)T时刻的控制对nT时刻系统的性能有影响。
在每一采样周期后，新的修正的关系矩阵可用语句形式表示为［5］：对实际测得的误差及变化率进行模糊化时，它们的模糊向量中只取一个元素的隶属度为1，其余为零，即=F(e)=[0,0,,∧，0,1(i),0,∧,0]1×m；e -c =F(ec)=[0,0,,∧，0,1(i),0,∧,0]1×n；+T)中某一行的隶属度向量。
3.3.4 通过自适应模糊控制修改控制表由于初始模糊控制的偏差、偏差变化、控制量模糊集都是单峰的，且相关系数β＜1，因此初始关系矩阵每一行最多只有一个元素为1，称这种状态为初始状态；反之为变换状态［5］。
对控制表进行直接修正的规则如下：不相等，则对应的控制量(1)在初始状态时，若相邻采样周期测得的e和ec修正为：v(nT-10T)=u(nT-10T)+r(nT)若相领采样周期测得的e和e相等，则对应的控制量修正为：cv(nT-10T)=u(nT-10T)+1／2 r(nT)并取整数(2)在变换状态时，也按上面的方法对控制表进行修正。
4 仿真实验物料输送系统可简化为图2所示的一阶纯滞后环节［6］。
物料流入量为Q1，改变调节阀1的开度μ1，可改变Q1的大小。
物料流出量为Q2，取决于需要大小，可调节阀门2的开度加以改变，料位h表示料仓中物料的高度，h为被控量。
根据物料平衡的关系，物料流入量和流出量之差等于料仓中物料贮存量的变化率。
增加形式可表示为式中T为对象时间常数，K为放大倍数T=AR2，K=KμR2，R2为阀门2的阻力采用MATLAB对上述模型进行仿真，取T=50，K=5，τ0=5，由于系统模型有一定的滞后，故采用三种控制方式仿真。
图3为传统PID控制效果；图4为加入Smith纯滞后补偿器的控制效果；图5为自适应模糊控制效果图，由于MATLAB 没有提供自适应模糊控制的工具，所以利用编程实现，仿真采用4阶Runge-Kutta 法，计算步长为0.01。
仿真结果表明，该自适应模糊控制器可以在线调整控制规则，克服了基本模糊控制器存在的控制精度不高，控制规则无法修改等不足，同时系统超调明显减小，快速性几乎没有降低，控制效果也明显优于PID控制，而且对过程参数的变化很不敏感，具有很强的鲁棒性。
5 结论该系统已在某工厂投入实际运行，与原工人手工操作相比，系统实现了对物料高度的自动化控制，控制精度达到0.5%(料位高度20m)。
在上位机机房内即可实时显示现场八个料仓中的当前物料高度，工人劳动强度极大降低，企业生产效率显著提高。
参考文献：〔1〕冯冬青等.模糊智能控制〔M〕.北京，化学工业出版社,2000，75-93.〔2〕何平等.模糊控制器的设计及应用〔M〕.北京：科学出版社，1998，287-324.〔3〕李德超等.自适应模糊控制半主动悬架〔J〕.江苏理工大学学报，2001，02：1-4. 〔4〕秦永烈.物位测量仪表〔M〕.北京：机械工业出版社，1978，1-20.〔5〕李士勇.模糊控制、神经控制和智能控制论〔M〕.哈尔滨：哈尔滨工业大学出版社，1996，310-316.〔6〕陈宗海.过程系统建模与仿真〔M〕.合肥：中国科学技术大学出版社，1997，20-25.。