模糊控制基础知识
模糊理论综述

模糊理论综述引言模糊理论(Fuzzy Logic)是在美国加州大学伯克利分校电气工程系的L.A.zadeh(扎德)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.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世纪末康托尔的经典集合理论,奠定模糊理论的基础。
1974年英国的E.H.Mamdani成功地将模糊控制应用于锅炉和蒸汽机的控制,标志着模糊控制技术的诞生。
随之几十年的发展,至今为止模糊理论已经非常成熟,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。
模糊理论是以模糊集合为基础,其基本精神是接受模糊性现象存在的事实,而以处理概念模糊不确定的事物为其研究目标,并积极的将其严密的量化成计算机可以处理的讯息,不主张用繁杂的数学分析即模型来解决问题。
二、模糊理论的一般原理由于客观世界广泛存在的非定量化的特点,如拔地而起的大树,人们可以估计它很重,但无法测准它实际重量。
又如一群人,男性女性是可明确划分的,但是谁是“老年人”谁又算“中年人”;谁个子高,谁不高都只能凭一时印象去论说,而实际人们对这些事物本身的判断是带有模糊性的,也就是非定量化特征。
因此事物的模糊性往往是人类推理,认识客观世界时存在的现象。
虽然利用数学手段甚至精确到小数点后几位,实际仍然是近似的。
特别是对某一个即将运行的系统进行分析,设计时,系统越复杂,它的精确化能力越难以提高。
当复杂性和精确化需求达到一定阈值时,这二者必将出现不相容性,这就是著名的“系统不相容原理”。
由于系统影响因素众多,甚至某些因素限于人们认识方法,水准,角度不同而认识不足,原希望繁荣兴旺,最后导致失败,这些都是客观存在的。
这些事物的现象,正反映了我们认识它们时存在模糊性。
所以一味追求精确,倒可能是模糊的,而适当模糊以达到一定的精确倒是科学的,这就是模糊理论的一般原理。
模糊系统及其应用研究

模糊系统及其应用研究一、引言随着科学技术的快速发展和社会的不断进步,人类社会已经正式步入信息化社会。
信息与知识已经成为社会发展的新要素和新引擎。
模糊系统,也称模糊逻辑或模糊数学,是信息科学中的一种新兴学科,是处理模糊信息的一种有效方法。
本文将详细介绍模糊系统及其应用研究。
二、模糊系统概述模糊系统是以模糊集合和模糊逻辑为基础的一种数学理论和方法,其主要特点是对信息的模糊性进行了有效处理,解决了传统集合和逻辑的不足。
模糊集合是指具有模糊性的集合,模糊逻辑是指运用模糊语言来表达的逻辑。
模糊系统的主要应用领域包括控制、决策、识别、智能优化、模式识别、数据挖掘等。
三、模糊系统的应用研究1. 模糊控制模糊控制是以模糊理论为基础的一种新的控制方法,其目的是解决传统控制方法对于非线性、大惯性、时变等复杂系统无法提供有效控制的问题。
模糊控制系统的最大特点是具有灵活性、自适应性、多功能性和鲁棒性等优势。
模糊控制在机械、航空、环保等领域都得到了广泛的应用。
2. 模糊决策模糊决策是以模糊数学为基础的一种决策分析方法,其主要特点是对决策过程中模糊性信息的处理能力较强。
模糊决策广泛应用于工程领域的高风险决策、金融投资决策、产品质量评估等方面。
3. 模糊识别模糊识别是一种针对未知模型的识别方法,主要特点是其对模型不确定性、非线性、时变等复杂模型的准确识别能力较强。
模糊识别广泛应用于质量控制、机械故障诊断、金融市场预测等领域。
4. 模糊优化模糊优化是以模糊集合理论为基础的一种优化方法,其主要特点是可以适应非线性、模糊或者不确定的优化问题。
模糊优化适用于生产计划、物流运输、供应链管理等复杂的管理决策问题。
5. 模糊数据挖掘模糊数据挖掘是一种基于模糊数学理论的数据分析方法,其主要特点是处理不完整数据,解决数据挖掘中的误导性和随机性问题。
模糊数据挖掘适用于企业管理、社会调查、市场预测等领域的数据处理。
四、总结模糊系统是人工智能、控制理论等领域的重要方法之一,其主要特点是处理模糊信息的能力强。
模糊控制简介

න
������������ (������)������������ (������) (������, ������)
������������
模糊逻辑与近似推理
➢ 近似推理过程: 前提1(事实):������是������’ 前提2(规则):������������ ������ 是 ������,������ℎ������������ ������ 是 ������ 结论:������是������’ 这里������’和������是论域������中的模糊集合,������’和������是论域������中的模
⋯ ������������ ������2, ������������
⋱
⋮
������������ ������������, ������1 ������������ ������������, ������2 ⋯ ������������ ������������, ������������
例:������ = {子,女},������ = {父,母},模糊关系������“子女与
父母长得相似”,用模糊矩阵表示则为:
父母
������
=
子 女
0.8 0.3
0.3 0.6
模糊控制的数学基础
➢ 模糊关系合成 设������、������、������是论域, ������是������到������的一个模糊关系, ������是������到������
模糊控制ppt课件

可编辑课件PPT
23
5. 建立模糊控制表 模糊控制规则可采用模糊规则表4-5来描述,共
49条模糊规则,各个模糊语句之间是或的关系,由第 一条语句所确定的控制规则可以计算出u1。同理,可 以由其余各条语句分别求出控制量u2,…,u49,则控制 量为模糊集合U可表示为
uu1u2 u49
可编辑课件PPT
规则模型化,然后运用推理便可对PID参数实现最佳
调整。
可编辑课件PPT
32
由于操作者经验不易精确描述,控制过程中各种 信号量以及评价指标不易定量表示,所以人们运用 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以及有关信 息(如初始PID参数等)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,即可自动实现对PID参数的最佳调整,这 就是模糊自适应PID控制,其结构如图4-15所示。
可编辑课件PPT
31
随着计算机技术的发展,人们利用人工智能的
方法将操作人员的调整经验作为知识存入计算机中
,根据现场实际情况,计算机能自动调整PID参数,
这样就出现了智能PID控制器。这种控制器把古典的
PID控制与先进的专家系统相结合,实现系统的最佳
控制。这种控制必须精确地确定对象模型,首先将
操作人员(专家)长期实践积累的经验知识用控制
糊控制的维数。
可编辑课件PPT
10
(1)一维模糊控制器 如图所示,一维模糊控制器的 输入变量往往选择为受控量和输入给定的偏差量E。由 于仅仅采用偏差值,很难反映过程的动态特性品质, 因此,所能获得的系统动态性能是不能令人满意的。 这种一维模糊控制器往往被用于一阶被控对象。
可编辑课件PPT
模糊控制系统及其MATLAB实现

1.模糊控制的相关理论和概念1.1 模糊控制的发展模糊控制理论是在美国加州伯克利大学的L. A.Zadeh教授于1965年建立的模糊集合论的数学基础上发展起来的。
之后的几年间Zadeh又提出了模糊算法、模糊决策、模糊排序、语言变量和模糊IF-THEN规则等理论,为模糊理论的发展奠定了基础。
1975年, Mamdan和Assilian创立了模糊控制器的基本框架,并用于控制蒸汽机。
1978年,Holmblad和Ostergaard为整个工业过程开发出了第一个模糊控制器——模糊水泥窑控制器。
20世纪80年代,模糊控制开始在工业中得到比较广泛的应用,日本仙台地铁模糊控制系统的成功应用引起了模糊领域的一场巨变。
到20世纪90年代初,市场上已经出现了大量的模糊消费产品。
近30 年来, 因其不依赖于控制对象的数学模型、鲁棒性好、简单实用等优点, 模糊控制已广泛地应用到图像识别、语言处理、自动控制、故障诊断、信息检索、地震研究、环境预测、楼宇自动化等学科和领域, 并且渗透到社会科学和自然科学许多分支中去, 在理论和实际运用上都取得了引人注目的成果。
1.2 模糊控制的一些相关概念用隶属度法来定义论域U中的集合A,引入了集合A的0-1隶属度函数,用A(x) 表示,它满足:A(x)用0-1之间的数来表示x属于集合A的程度,集合A等价与它的隶属度函数A(x)模糊系统是一种基于知识或基于规则的系统。
它的核心就是由所谓的IF-THEN规则所组成的知识库。
一个模糊的IF-THEN规则就是一个用连续隶属度函数对所描述的某些句子所做的IF-THEN形式的陈述。
例如:如果一辆汽车的速度快,则施加给油门的力较小。
这里的“快”和“较小”分别用隶属度函数加以描述。
模糊系统就是通过组合IF-THEN规则构成的。
构造一个模糊系统的出发点就是要得到一组来自于专家或基于该领域知识的模糊IF-THEN规则,然后将这些规则组合到单一系统中。
不同的模糊系统可采用不用的组合原则。
模糊数学例题大全

模糊数学例题大全标题:模糊数学例题大全模糊数学,又称为模糊性数学或者弗晰数学,是一个以模糊集合论为基础的数学分支。
它不仅改变了过去精确数学的观念,而且广泛应用于各个领域,从物理学、生物学到社会科学,甚至。
下面,我们将通过一些具体的例题来展示模糊数学的应用。
例1:模糊逻辑门在经典的逻辑门中,我们使用AND、OR和NOT等操作符来处理布尔值(0或1)。
然而,在现实世界中,很多情况并不是绝对的0或1。
例如,我们可以将“温度高”定义为大于25度,但24度是否算高呢?模糊逻辑门提供了更广泛的定义方式,允许我们使用模糊集合来描述这些边界情况。
例2:模糊聚类分析在统计学中,聚类分析是一种将数据集分类成几个组的方法,其中同一组内的数据点相似度高。
然而,在某些情况下,我们无法用精确的数值来描述数据点的相似度。
这时,模糊聚类分析就派上用场了。
它允许我们使用模糊矩阵来表示数据点之间的相似度,从而更准确地分类数据。
例3:模糊决策树在机器学习中,决策树是一种用于分类和回归的算法。
然而,在某些情况下,我们无法用精确的规则来描述决策过程。
这时,模糊决策树就派上用场了。
它允许我们在决策节点使用模糊规则来代替传统的布尔值规则,从而更好地模拟人类的决策过程。
例4:模糊控制系统在控制系统中,我们通常需要设计一个控制器来控制系统的行为。
然而,在某些情况下,系统的输入和输出并不是绝对的0或1。
这时,模糊控制系统就派上用场了。
它允许我们使用模糊集合来描述系统的输入和输出,从而更准确地控制系统的行为。
例5:模糊图像处理在图像处理中,我们通常需要分类、识别或分割图像中的对象。
然而,在某些情况下,图像中的对象边界并不清晰。
这时,模糊图像处理就派上用场了。
它允许我们使用模糊集合来描述图像中的对象边界,从而更准确地分类、识别或分割图像中的对象。
以上只是模糊数学众多应用的一小部分。
这个领域仍在不断发展,为解决各种复杂的现实问题提供了新的工具和方法。
通过学习模糊数学,我们可以更好地理解和处理那些边界模糊、难以用传统数学方法描述的问题。
模糊控制理论基础知识

第二章 模糊控制理论基础知识2.1 模糊关系一、模糊关系R ~所谓关系R ,实际上是A 和B 两集合的直积A ×B 的一个子集。
现在把它扩展到模糊集合中来,定义如下:所谓A ,B 两集合的直积A ×B={(a,b)|a ∈A ,b ∈B} 中的一个模糊关系R ~,是指以A ×B 为论域的一个模糊子集,其序偶(a,b)的隶属度为),(~b a Rμ,可见R ~是二元模糊关系。
若论域为n 个集合的直积,则A 1×A 2×A 3×……A n 称为n 元模糊关系R ~,它的隶属函数是n 个变量的函数。
例如,要求列出集合X={1,5,7,9,20}“序偶”上的“前元比后元大得多”的关系R ~。
因为直积空间R=X ×X 中有20个“序偶”,序偶(20,1)中的前元比后元大得多,可以认为它的隶属度为1,同理认为序偶(9,5)的隶属于“大得多”的程度为0.3,于是我们可以确定“大得多”的关系R ~为R ~=0.5/(5,1)+ 0.7/(7,1)+ 0.8/(9,1)+ 1/(20,1)+ 0.1/(7,5)+0.3/(9,5)+ 0.95/(20,5)+ 0.1/(9,7)+0.9/(20,7)+ 0.85/(20,9)综上所述,只要给出直积空间A ×B 中的模糊集R ~的隶属函数),(~b a R μ,集合A 到集合B 的模糊关系R ~也就确定了。
由于模糊关系,R ~实际上是一个模糊子集,因此它们的运算完全服从第一章所述的Fuzzy 子集的运算规则,这里不一一赘述了。
一个模糊关系R ~,若对∀x ∈X ,必有),(~x x R μ=1,即每个元素X 与自身隶属于模糊关系R ~的隶属度为1。
称这样的R ~为具有自返性的模糊关系。
一个模糊R ~,若对∀x ,y ∈X ,均有),(~y x Rμ=),(~x y Rμ 即(x,y)隶属于Fuzzy 关系R ~和(y,x)隶属于Fuzzy 关系R ~的隶属度相同,则称R ~为具有对称性的Fuzzy 关系。
模糊PID基本原理及matlab仿真实现(新手!新手!新手!)

模糊PID基本原理及matlab仿真实现(新⼿!新⼿!新⼿!)有关模糊pid的相关知识就把⾃⼰从刚接触到仿真出结果看到的⼤部分资料总结⼀下,以及⼀些⾃⼰的ps以下未说明的都为转载内容在讲解模糊PID前,我们先要了解PID控制器的原理(本⽂主要介绍模糊PID的运⽤,对PID控制器的原理不做详细介绍)。
PID控制器(⽐例-积分-微分控制器)是⼀个在⼯业控制应⽤中常见的反馈回路部件,由⽐例单元P、积分单元I和微分单元D组成。
PID控制的基础是⽐例控制;积分控制可消除稳态误差,但可能增加超调;微分控制可加快⼤惯性系统响应速度以及减弱超调趋势。
1.1传统PID控制传统PID控制器⾃出现以来,凭借其结构简单、稳定性好、⼯作可靠、调整⽅便等优点成为⼯业控制主要技术。
当被控对象的结构和参数具有⼀定的不确定性,⽆法对其建⽴精确的模型时,采⽤PID控制技术尤为⽅便。
PID控制原理简单、易于实现,但是其参数整定异常⿇烦。
对于⼩车的速度控制系统⽽⾔,由于其为时变⾮线性系统不同时刻需要选⽤不同的PID参数,采⽤传统的PID控制器,很难使整个运⾏过程具有较好的运⾏效果。
1.2模糊PID控制模糊PID控制,即利⽤模糊逻辑并根据⼀定的模糊规则对PID的参数进⾏实时的优化,以克服传统PID参数⽆法实时调整PID参数的缺点。
模糊PID控制包括模糊化,确定模糊规则,解模糊等组成部分。
⼩车通过传感器采集赛道信息,确定当前距赛道中线的偏差E以及当前偏差和上次偏差的变化ec,根据给定的模糊规则进⾏模糊推理,最后对模糊参数进⾏解模糊,输出PID控制参数。
2.1模糊化模糊控制器主要由三个模块组成:模糊化,模糊推理,清晰化。
具体如下图所⽰。
⽽我们将⼀步步讲解如何将模糊PID算法运⽤到智能车上。
(最好⽤笔⼀步步⾃⼰写⼀遍)⾸先我们的智能车会采集到赛道的相关数据,例如摄像头车,其采集到的数据经过算法处理之后会得到与中线的偏差E,以及当前偏差和上次偏差的变化(差值)EC两个值(即此算法为2维输⼊,同理也可以是1维和3维,但2维更适合智能车)。
- 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)。
A ( x) {0,0,0.6,0.8,1}, B ( x) {1,0.8,0.6,0,0}, C ( x) {0,0.8,1,0.8,0}
A
i 1 5
论域 X 是离散的,则A可表示为
A ( xi )
xi
0 0 0.6 0.8 1 1 2 3 4 5
4 极老 ( x) 年老 ( x) 3/ 4 比较老 ( x) 年老 ( x)
计算机控制技术
(1) 模糊蕴含
第 4章 计算机控制系统的控制算法
模糊命题:“如果 x 是 A ,则 y 是B”,表示模糊集合A和B 之间有蕴含关系 :
AB ( x, y) [ A ( x) B ( y)] [1 A ( x)]
x
T(x)
X
图3 模糊语言变量的五元体
计算机控制技术
第 4章 计算机控制系统的控制算法
3 模糊关系 (1) 模糊关系的定义 设X、Y为两非空集合,各任取一元素组成序对(x,y),称所有序对构 成的集合为X和Y的直积,并记为:
X Y {( x, y) | x X , y Y }
定义: 从X到Y的模糊关系R是指在直积XxY中的一个模糊子集,其模糊
计算机控制技术
b. 幂运算
第 4章 计算机控制系统的控制算法
设R是 X X 上的模糊关系,则它的模糊关系矩阵为方阵,R的幂定义为:
R2 R R R3 R R R R n R R R(n个R的合成) R m R n R mn
c.逆运算 设R是X到Y的模糊关系,则其逆模糊关系 R 函数为
A ( x) 0 A ( x) 1 Ex1 青年集合A A {x | 15岁 x 25岁 } 经典集合: x 20 2 ( ) 模糊集合: 7
A ( x) e
图1 青年的特征函数和隶属函数 a) 特征函数 b)隶属函数
计算机控制技术
②常用的隶属函数
第 4章 计算机控制系统的控制算法
计算机控制技术
第 4章 计算机控制系统的控制算法
Ex5 设X为横轴,Y为纵轴,直积 X Y即整个平面。模糊关系“x远远大于y” 的隶属函数确定为
0, x y 1 , x y A ( x, y ) 100 1 2 ( x y)
在X中取10,20,40,80四个点,在Y中取10,20,30,40四个点,则模糊关系 矩阵为
0 0 0 0 0.5 0 0 0 R 0.9 0.8 0.5 0 0 . 98 0 . 97 0 . 96 0 . 94
计算机控制技术
(2)模糊关系的运算
第 4章 计算机控制系统的控制算法
模糊关系是积空间上的模糊集合,它的运算法则与一般的模糊集合完全相 同。
A 0.8 0.6 0.1 0.5 x1 x2 x3 x5
0.2 0.1 0.4 0 0.9 0.7 0 1 0.5 0.3 0.2 0.4 0.9 1 0.5 x1 x2 x3 x4 x5 x1 x2 x3 x 4 x5
0.1 0.7 0.3 x1 x3 x5
R : X Y [0,1] 关系由隶属函数:
(x,y)具有关系R的程度。
R ( x, y) 表示序对 来刻划,隶属度
当X,Y 是有限的离散集合时,X和Y的模糊关系R可以用矩阵表示,称 为关系矩阵,即
RX Y (rij ) mn ( R (ai , b j ))mn i 1,2,...,m; j 1,2,...,n
计算机控制技术
0.2 0.4 0.9 0.5 x1 x2 x3 x5
第 4章 计算机控制系统的控制算法
Ex3 设论域 X {x1 , x2 , x3 , x4 , x5 } ,A和B是论域X上的两个模糊集合,已知
A
0.1 0.7 1 0.3 B x1 x3 x4 x5
yY
计算机控制技术
第 4章 计算机控制系统的控制算法
Ex 6 已知模糊关系矩阵
1 0 .2 0 .5 R1 0 . 1 0 . 4 0 . 1 0 .3 0 .9 0
0 . 4 0 .9 R2 0 . 7 1 0 .1 0 . 3
1 0.2 0.5 0.4 0.9 0.7 1 R1 R2 0 . 1 0 . 4 0 . 1 0.3 0.9 0 0.1 0.3 (0.4,0.2,0.1) (0.9,0.2,0.3) ( 0 . 1 , 0 . 4 , 0 . 1 ) ( 0 . 1 , 0 . 4 , 0 . 1 ) (0.3,0.7,0) (0.3,0.9,0) 0.4 0.9 0 . 4 0 . 4 0.7 0.9
用模糊关系矩阵表示:
RAB ( A B) ( A E)
一些常见的模糊规则的关系矩阵的表达式: •如果x为A,则y为B, 否则y为C, A X , B Y , C Y •如果x为A,y为B, 则z为C
R ( A B) ( A C) :
A X , B Y ,C Z
1
是Y到X的一个模糊关系,其隶属
R ( y, x) R ( x, y),
1
( y, x) Y X
计算机控制技术
第 4章 计算机控制系统的控制算法
Ex 7 设X为横轴,Y为纵轴,直积 X Y 即整个平面。模糊关系“y远远小 于x”的隶属函数确定为
0 1 A1 ( y, x) 100 1 2 ( x y)
(1) (2)
x X A n A ( xi ) X 离散 xi i 1
Ex1 青年模糊集合
A {( x, e A
(
x 20 2 ) 7
) | x 0}
x 0
e
(
x 20 2 ) 7
x
计算机控制技术
第 4章 计算机控制系统的控制算法
Ex2 设论域 X={1,2,3,4,5},可定义 X上的如下模糊集,A表 示“大”,B 表示“小”,C 表示“中”,并设各元素的隶属函数分别为
计算机控制技术
4.5 模糊控制 4.5 Fuzzy Control
第 4章 计算机控制系统的控制算法
1965年美国自动控制理论专家L.A. Zadeh首次提出了模糊集合理论,
1974年英国E.H.Mamdani首先将模糊控制应用于锅炉和蒸汽机的自动控 制。目前,模糊控制(Fuzzy Control)作为90年代的高新技术,得到非常广泛 的应用,被公认为简单而有效的控制技术。
,b 0
A
隶属函数曲线图如图2a所示。
A
μ
A
1-
1-
A
0
b
a
(a)
c x
0 (b)
a
x
图2 隶属函数曲线图
计算机控制技术
③模糊集合的定义 定义1: 给定论域 X,
第 4章 计算机控制系统的控制算法
A {x}是 X 中的模糊集合是指用 A : X [0,1]
这样的隶属函数表示其特征的集合。 ④模糊集合的表示形式 i A {( x, A ( x)) | x X } ii A ( x) X 连续
上的模糊集合分别为: X {a1, a2, a3, a4, a5}, Y {b1, b2, b3, b4} 1 0.8 0.4 0 .3 0 .9 A “大” B “小”= 。模糊关系“如果x为小, b3 b 4 a1 a 2 a3 则y为大”的模糊关系矩阵为: R A B ( A B ) ( A E )
A B
A B
A A ? A A ?
A A A A
0.8 0.6 0.9 0.5 x1 x2 x3 x5 0.2 0.4 0.1 0.5 x1 x2 x3 x5
计算机控制技术
第 4章 计算机控制系统的控制算法
2. 模糊语言 定义2 语言变量是以五元组(x, T (x), X, G, M ) 来表征的,其中x是变量的名称, T (x) 是语言变量值的集合,每个语言变量值是定义在论域 X 上的一个模糊集 合,G 是用以产生语言变量 x 值名称的语法规则,而 M 是语义规则,用以产 生模糊集合的隶属度函数。 Ex4
(2) 模糊集合的运算 A B A ( x) B ( x) ① 等集: ② 子集: A B A ( x) B ( x) A A ( x) 0 ③ 空集: ④ 并集: C A B c ( x) A ( x) B ( x) max[ A ( x), B ( x)] ⑤ 交集: c ( x) A ( x) B ( x) min[ A ( x), B ( x)] C A B ⑥ 补集: B A B ( x) 1 A ( x)
x b a b ,b x a a.三角型 c x ( x ) ,a x c 隶属函数的解析式 A c a 隶属函数曲线图如图2a所示。 0, x b或x c b.正态型
隶属函数的解析式 μ
A ( x) e
(
x a 2 ) b
:
R A B C
•如果x为A,y为B, z为C ,否则z为D A X , B Y , C Z , D Z
( A C ) ( B C )( A, B维数相同)
:
R ( A B C) (( A B) D)
计算机控制技术
Ex 8 设论域
第 4章 计算机控制系统的控制算法