模糊控制算法研究报告
基于模糊PID控制器的控制方法研究
同时，可以考虑将其他先进的控制算法如神经网络、滑模控制等与模糊PID控 制相结合，以提高控制系统的综合性能。
此外，为了更好地应对复杂多变的实际情况，可以对控制系统进行在线调整和 优化。例如，通过实时监测水温及其变化趋势，自适应调整模糊PID控制器的 参数，以适应不同的工况条件。这样的自适应控制策略能够使控制系统更加智 能化，提高其应对各种复杂情况的能力。
2、易于实现智能化。模糊控制器可以通过模糊规则和隶属度函数对人类的控 制经验进行模拟，从而实现智能化控制。
3、易于实现自适应控制。模糊控制器可以根据被控对象的变化自动调整模糊 规则和隶属度函数，从而适应不同的被控对象和工况条件。
参考内容
一、引言
在控制系统中，PID控制器是一种广泛使用的调节器，其通过比例、积分和微 分三个环节对系统输出进行调节，以达到对系统性能的优化。然而，传统的 PID控制器设计方法往往需要根据经验或者实验调整其参数，而且对于一些复 杂的系统，其参数调整可能会非常困难。为了解决这个问题，我们提出了一种 基于模糊控制理论的PID控制器设计方法。
二、模糊控制理论
模糊控制理论是一种基于模糊集合论和模糊推理的控制理论。它通过将输入变 量模糊化，将精确的输入变量转化为模糊变量，然后通过模糊推理得到输出变 量的模糊值，最后再通过反模糊化得到精确的输出值。这种控制方法能够处理 不确定性和非线性的问题，因此在许多领域得到了广泛的应用。
三、基于模糊控制理论的PID控 制器设计
基于模糊PID控制器的控制方 法研究
基本内容
本次演示旨在探讨模糊PID控制器在控制方法中的应用与研究。首先，我们将 简要介绍PID控制方法的基本原理和应用，然后分析模糊控制器相较于传统 PID控制器的优势。接下来，我们将通过一个具体的工业控制案例来研究模糊 控制器的应用效果及优缺点。最后，对本次演示的主要观点和结论进行总结， 并展望未来基于模糊控制器的控制方法的发展前景。
变论域模糊控制算法研究
展望未来，永磁同步电机变论域自适应模糊PID控制方法还有许多值得深入研 究的方向。例如，如何进一步提高该方法的响应速度和鲁棒性，以及如何将其 应用于更为复杂的电机控制问题，都是值得深入探讨的课题。此外，随着人工 智能和机器学习技术的快速发展，可以尝试将新型的智能算法引入到永磁同步 电机的控制中，以实现更为高效和精准的控制。
通过分析实验数据和结果，我们可以得出以下结论：永磁同步电机变论域自适 应模糊PID控制方法相比传统PID控制方法具有更高的性能和适应性。在复杂 的运行环境和负载变化下，该方法可以更好地调整PID控制器的参数，实现更 为精准的速度控制。同时，模糊逻辑和自适应算法的引入，使得控制系统具有 了更好的自适应性，为永磁同步电机的广泛应用提供了强有力的支持。
变论域自适应模糊控制器通过将输入空间划分为不同的论域，并动态地调整每 个论域的模糊集合，以适应不同输入范围的变化。它利用模糊逻辑的原理，将 输入值映射到相应的论域，并根据论域内的模糊规则进行推理，得出相应的控 制输出。同时，控制器还通过自适应算法不断调整模糊集合的形状和大小，以 适应系统特性的变化。
参考内容二
随着现代工业技术的飞速发展，永磁同步电机（PMSM）作为一种高效的电机驱 动系统，在许多关键领域都得到了广泛应用。为了满足复杂多变的运行环境和 严格的动态性能要求，研究更为先进的控制策略势在必行。本次演示将探讨永 磁同步电机变论域自适应模糊PID控制的相关问题，旨在为提高电机驱动系统 的性能和适应性提供新的思路。
展望未来，变论域模糊控制算法将在更多领域得到应用和发展。结合、神经网 络等先进技术，变论域模糊控制算法将不断得到优化和提升，更好地服务于工 业自动化、智能制造等领域的控制系统。加强变论域模糊控制算法与物联网、 大数据等技术的融合应用研究，也将为推动工业4.0和中国智能制造的发展提 供有力支持。
非线性系统控制的自适应模糊控制算法研究
非线性系统控制的自适应模糊控制算法研究在现代控制领域中，非线性系统控制一直是一个重要的研究方向。
由于非线性系统的复杂性和不确定性，传统的控制方法通常无法满足系统的性能要求。
因此，自适应模糊控制算法（Adaptive Fuzzy Control，AFC）应运而生。
本文将重点探讨非线性系统控制的自适应模糊控制算法以及相关研究进展。
首先，我们需要了解什么是非线性系统控制。
非线性系统是指系统的输入和输出之间存在着非线性关系的系统。
与线性系统不同，非线性系统的特点在于其输出与输入之间的关系不可简单表示为一个线性函数。
这使得非线性系统在分析和控制上具有更大的困难。
因此，非线性系统控制是一个极具挑战性的研究领域。
为了解决非线性系统控制的难题，自适应模糊控制算法应运而生。
自适应模糊控制算法结合了自适应控制和模糊控制的优点，通过模糊逻辑推理和参数自适应机制来实现非线性系统的控制。
其中，模糊逻辑推理能够模拟人类的思维方式，在不确定性和模糊性较强的情况下，为系统提供合理的控制策略。
而参数自适应机制能够根据系统的变化和不确定性，自动调整控制器的参数以达到更好的控制效果。
近年来，许多学者们对自适应模糊控制算法进行了深入的研究和探讨。
其中包括模糊推理机构、参数自适应机制、控制策略优化等方面的改进和创新。
例如，研究人员们通过改进模糊推理机构，提出了一种“基于改进模糊规则库的自适应模糊控制算法”。
该算法通过考虑模糊规则库中的因素权重和匹配度，优化了系统的控制性能。
同时，研究人员们还通过改进参数自适应机制，提出了一种“基于改进自适应机制的自适应模糊控制算法”。
该算法通过引入自适应学习率和自适应规模因子，提高了系统的适应能力和稳定性。
除了算法的改进和优化，研究人员们还开展了一些具体应用方面的研究。
例如，在机械工程领域，研究人员们利用自适应模糊控制算法，设计并实现了一种基于自适应模糊控制算法的机器人运动控制系统。
该系统能够根据外部环境和目标要求，自动调整机器人的运动轨迹和速度，实现精确的运动控制。
《2024年模糊控制工程应用若干问题研究》范文
《模糊控制工程应用若干问题研究》篇一一、引言随着科技的不断发展，模糊控制作为智能控制的重要分支，已经得到了广泛的关注和应用。
模糊控制利用模糊逻辑、模糊集合、模糊推理等理论，处理复杂的非线性、时变和不确定性的系统问题，使得系统在各种环境下都能够保持良好的稳定性和适应性。
然而，在实际的工程应用中，模糊控制仍然面临许多问题和挑战。
本文旨在就这些问题的研究和解决展开深入探讨。
二、模糊控制在工程应用中的重要性在众多领域中，模糊控制技术发挥着重要作用。
特别是在工业控制、电力系统、医疗设备等领域，其精确度、适应性和鲁棒性优势显著。
尤其在面对复杂的非线性、时变和不确定性的系统问题时，模糊控制技术能够有效地解决这些问题。
三、模糊控制工程应用中的若干问题（一）模型建立问题在模糊控制中，模型的建立是关键的一步。
然而，由于实际系统的复杂性，往往难以建立一个精确的数学模型。
这导致模糊控制的性能受到一定影响。
因此，如何建立更准确的模型是模糊控制工程应用中的一个重要问题。
（二）规则库的制定问题模糊控制的规则库是决定其性能的关键因素之一。
然而，在实际应用中，规则库的制定往往依赖于专家的经验和知识，这导致规则库的制定具有一定的主观性和不确定性。
因此，如何制定更科学、更合理的规则库是另一个重要的问题。
（三）实时性问题在实时控制系统中，对处理速度的要求非常高。
然而，由于模糊控制的复杂性，其处理速度往往难以满足实时性的要求。
因此，如何提高模糊控制的实时性是另一个需要解决的问题。
四、解决策略及研究进展（一）模型建立问题的解决策略针对模型建立问题，研究人员提出了多种解决方案。
如利用神经网络、遗传算法等智能算法进行模型优化；或者利用多模型切换技术，根据不同的工况和需求，选择合适的模型进行控制。
这些方法都在一定程度上提高了模糊控制的性能。
（二）规则库制定问题的解决策略对于规则库的制定问题，研究人员尝试从数据驱动的角度出发，利用机器学习等技术自动生成或优化规则库。
面向机器人控制的模糊控制算法研究
面向机器人控制的模糊控制算法研究在现代工业自动化的应用中，机器人系统已经成为了一种必不可少的工业装备，它们可以在生产线上承担各类任务，例如搬运、抓取、加工等。
作为一种典型的智能装备，机器人可以自主完成各类任务，其动力学特性和控制算法对机器人的执行效果具有至关重要的作用。
出于这样的原因，控制算法也就成为了机器人控制领域的一个重要的分支之一。
在控制领域中，有很多种方法可以用来为机器人实现精确的控制。
在工业规模的机器人生产之前，PID算法一直是工业实践应用中的首选算法。
PID算法能够非常准确的对机器人进行控制，但是它的要求也非常高。
PID算法对输入信号非常敏感，所以对其进行校准和调试是非常困难的。
在实际的应用过程中，由于机械结构的复杂性和环境的变幻，PID算法这样的传统控制算法已经无法满足实际的需求。
因此，在这样的背景下，模糊控制算法出现了。
模糊控制算法不仅能够应对环境和机器人自身方面的复杂性，而且也非常适合用于机器人控制。
在控制领域中，模糊控制的本质就是将精确的数学控制方法转化为逻辑的形式。
换句话说，模糊控制方法就是一种非常灵活的控制方法，它能够处理各种机器人可能出现的应用场景，因此非常适合用于机器人控制。
模糊控制算法的特点就在于它是一种“软化”控制方法。
与硬化控制方法（如PID算法）相比，模糊控制方法将控制器从简单的分段线性控制器转化为基于特定逻辑规则的过程控制器。
基于这样的控制器，模糊控制器可以模拟人类运动控制方法，并且也可以处理相对较复杂的控制任务。
在机器人控制的实际应用中，模糊控制方法的柔性特性使其非常适用于处理复杂的机器人动力学问题。
模糊控制算法的优点值得一提的是，模糊控制算法具有良好的容错性和能够在扰动环境下保持稳定性的优点。
在控制过程中，如果没有按照理论数值的要求去进行操作，由于模糊控制算法本质上是基于模糊推理的，所以算法仍然能够正确的进行控制。
因此，在复杂环境下进行机器人控制时，模糊控制算法的容错能力非常的出色。
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。
智能控制--模糊控制实验报告
clear all;close all;T=0; %ʱ¼ä³£Êýa=newfis('fuzz_temperatrue');a=addvar(a,'input','e',[-3,3]); %Parameter e a=addmf(a,'input',1,'NB','zmf',[-3,-1]);a=addmf(a,'input',1,'NM','trimf',[-3,-2,0]);a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',1,'Z','trimf',[-2,0,2]);a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);a=addmf(a,'input',1,'PM','trimf',[0,2,3]);a=addmf(a,'input',1,'PB','smf',[1,3]);a=addvar(a,'output','u',[72,78]); %Parameter u a=addmf(a,'output',1,'NB','zmf',[72,74]);a=addmf(a,'output',1,'NM','trimf',[72,73,75]);a=addmf(a,'output',1,'NS','trimf',[73,74,75]);a=addmf(a,'output',1,'Z','trimf',[74,75,76]);a=addmf(a,'output',1,'PS','trimf',[75,76,77]);a=addmf(a,'output',1,'PM','trimf',[75,77,78]);a=addmf(a,'output',1,'PB','smf',[76,78]);rulelist=[1 1 1 1; %Edit rule base2 2 1 1;3 3 1 1;4 4 1 1;5 5 1 1;6 6 1 1;7 7 1 1];a=addrule(a,rulelist);a1=setfis(a,'DefuzzMethod','mom'); %Defuzzywritefis(a1,'temperatrue'); %Save to fuzzy file "tank.fis" a2=readfis('temperatrue');figure(1);plotfis(a2);figure(2);plotmf(a,'input',1);figure(3);plotmf(a,'output',1);flag=1;if flag==1showrule(a) %Show fuzzy rule baseruleview('temperatrue'); %Dynamic Simulationenddisp('-------------------------------------------------------');disp(' fuzzy controller table:e=[-3,+3],u=[-4,+4] ');disp('-------------------------------------------------------');for i=1:1:7e(i)=i-4;Ulist(i)=evalfis([e(i)],a2);endUlist=round(Ulist)e=-3; % Erroru=evalfis([e],a2) %Using fuzzy inference四、Simulink仿真模型五、实验结果令T=0;1、模糊控制器为一维控制器，输入输出变量的量化等级为7级，取5个模糊集。
模糊控制的研究和应用
模糊控制的研究和应用随着科技发展和社会进步，人们对自动化、智能化的需求越来越高。
而控制技术作为实现自动化、智能化的重要方法之一，得到了广泛的应用和研究。
模糊控制作为控制技术的一种新兴分支，在工业、交通、医疗、生物、环保等多个领域都有着广泛的应用，并成为了控制技术研究的热点之一。
一、模糊控制的基本概念模糊控制是建立在模糊逻辑基础上的一种控制方法。
模糊逻辑的基本思想是将一些难以精确描述的事物用模糊的概念来表示，并根据这些概念之间的逻辑关系进行推理，从而得出结论。
模糊控制则是在模糊逻辑的基础上，对控制器进行模糊化处理，使其能够对复杂、模糊的物理系统进行控制。
模糊控制的优点是可以有效地处理非线性、时变、不确定性等问题，对于某些复杂的实际控制系统具有较强的适用性。
二、模糊控制的基本流程模糊控制的基本流程包括模糊化、规则表达、推理、去模糊化四个步骤。
具体来说，首先需要将输入量和输出量进行模糊化处理，将其转化为模糊概念。
然后利用专家经验或实验数据，建立一组模糊规则，将模糊概念之间的关系转化为规则表达式。
接着进行模糊推理，根据输入变量的模糊概念和规则库中的规则，得出控制量的模糊概念。
最后进行去模糊化处理，将模糊控制量转化为精确的控制量，控制被控对象的运动。
三、模糊控制的应用模糊控制在工业控制、交通运输、医疗诊断、生态环保等领域均有应用。
下面我们就来看一些实际案例。
（一）工业控制工业制造过程中，受控物理对象和作用效果都有可能是模糊的。
模糊控制可以通过引入模糊语言和模糊规则来进行控制，避免了传统PID控制方法里的过程模型简化和模型校正等方法所引起的误差，从而实现更加精确的控制。
例如，模糊控制在化工生产的过程控制、温度控制以及机器人控制等方面得到了广泛的应用。
（二）交通运输在城市交通控制中，传统的交通信号控制方法基于某些特定条件下的概率假设，因而容易受到噪声、变化等外界影响，或者存在控制过程中的动态约束等问题。
模糊控制可以通过考虑多个因素的权衡，从而更加适应复杂、模糊的交通环境，通过合理分配交通信号周期，使得车辆通行效率更高，驾驶员感觉更加舒适。
- 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)。
《智能控制》
课程设计报告
专业：自动化
班级：学号：
学生：
时间：13年12月30日～13年1月3日
―――――――以下指导教师填写―――――
分项成绩：出勤设计报告
总成绩：
指导教师：
设计报告要求和成绩评定
1 报告容
设计任务书（设计计划），正文，参考资料。
设计任务书（设计计划）由学生所在系安排指导教师编写，容包括设计地点、时间、安排和设计容和要求等。
正文容一般包括：（1）设计简述（设计时间、设计地点，设计方式等）；（2）设计容叙述；（3）设计成品(图纸、表格或计算结果等)；（4）设计小结和建议。
参考资料包括参考书和现场技术资料等。
2 书写用纸
A4复印纸；封面、设计任务书要求双面打印。
3 书写要求
正文容手工双面或单面书写，字迹清楚，每页20行左右，每行30字左右，排列整齐；页码居中写在页面下方；纸面上下左右4侧边距均为2厘米。
公式单占一行居中书写；插图要有图号和图题，图号和图题书写在插图下方；表格要有表号和表题，表号和表题在表格上方书写；物理量单位和符号、参考文献引用和书写以及图纸绘制要符合有关标准规定；有关细节可参考我院《毕业设计成品规》。
4 装订
装订顺序：封面，设计任务书，正文及参考资料，封底；左边为装订边，三钉装订，中间钉反向装订。
5 成绩评定
设计成绩一般由出勤（10分）、报告书写规性及成品质量（50分）、考核（40分）三部分成绩合成后折合为优秀（90－100分）、良好（80－89分）、中（70－79分）、及格（60－69分）或不及格（60分以下）。
设计考核可采取笔试、机试或其它合适的方式；不参加考核或不交报告者成绩为零分。
模糊控制算法研究
一、课程设计的目的：
1. 通过本次课程设计，进一步了解模糊控制的基本原理、模糊模型的建立和模糊控制器的设计过程。
2. 提高学生有关控制系统的程序设计能力；
3. 熟悉Matlab 语言以及在智能控制设计中的应用。
二、课程设计的基本容：
假设系统的模型可以用二阶加纯滞后表示，即传递函数为
12()(1)(1)
d s
f f Ke G s T s T s τ-=++。
其中各参数分别为1240,10,60,2f f d K T T τ====。
图1 模糊控制系统Simulink 仿真模型图
1、用Matlab 中的Simulink 工具箱，组成一个模糊控制系统，如图1所示。
2、采用模糊控制算法，设计出能跟踪给定输入的模糊控制器，对被控系统进行
仿真，绘制出系统的阶跃响应曲线。
（1）模糊集合及论域的定义
对误差E、误差变化EC机控制量U的模糊集合及其论域定义如下：
E、EC和U的模糊集合均为：
{NB、NM、NS、0、PS、PM、PB}
E和EC的论域为：
{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6}
U的论域为：
{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6}
上述的三个模糊集合都选取了7个元素，主要目的是着眼于提高稳态精度。
E、EC和U的隶属度函数图形如图2,3,4 所示：
图2 变量E的隶属度函数
图3 变量EC的隶属度函数
图4 变量U的隶属度函数
（2）模糊控制规则设计
模糊控制规则如下表所示：
表1 模糊控制规则
NB NM NS ZO PS PM PB
NB NM NS ZO PS PM PB NB
NB
NB
NB
NB
NB
NB
NB
NB
NM
NM
NS
ZO
ZO
NB
NM
NS
NS
ZO
PS
PS
NB
NM
NS
ZO
PS
PM
PB
NS
NS
ZO
PS
PS
PM
PB
ZO
ZO
PS
PM
PM
PB
PB
PB
PB
PB
PB
PB
PB
PB
（3）系统的参数选择
系统所选用的参数为：Saturation、Saturation1、Saturation2的围分别为：[-6 6]、[-6 6]、[-6 6]，Transport Delay=2S。
通过调试得到模糊控制的参数：Gain1=0.7，Gain=1.8，Gain2=1
（4）仿真结果：
系统的阶跃响应曲线如图5所示，其中上方的曲线代表系统的阶跃响应，下方的曲线是系统的模糊控制量的变化。
图5 阶跃输入的响应曲线图
本设计中控制系统性能的要求为：错误!未找到引用源。
，错误!未找到引用源。
，错误!未找到引用源。
由图5中曲线可知：
错误!未找到引用源。
28% 符合要求
错误!未找到引用源。
65s 符合要求
错误!未找到引用源。
2.3% 符合要求
3、改变模糊控制器中模糊变量的隶属度函数，分析隶属度函数和模糊控制规则对模糊控制效果的影响。
比较那种情况下的控制效果较好。
如下图所示改变模糊控制器中的隶属度函数为梯形隶属函数。
图7 变量E的隶属度函数
图8 变量EC的隶属度函数
图9 变量U的隶属度函数
此时系统的阶跃响应曲线为：
图10 系统的阶跃响应曲线
由以上的仿真结果可以看出梯形隶属度函数的系统性能没有三角形隶属度函数的系统性能好。
此时系统的超调量变大，上升时间增大，稳态误差变大。
4、给系统加上扰动，观察此时的阶跃响应曲线，看系统是否仍然稳定，并与无扰动情况下的阶跃响应曲线进行比较。
并比较模糊控制和PID控制的鲁棒性。
(1)加扰动时的模型图如图11所示（其中step1为幅值为0.02的阶跃信号）。
图11 加扰动后的系统模型图
系统的阶跃响应曲线为：
图12 系统的阶跃响应曲线
由图可知，系统加上扰动之后，系统仍然是稳定的，系统性能指标变化不大，说明有着良好的鲁棒性。
究其原因，在Saturation2之前加的扰动，相当于被控制对象的输入量在对应时刻又并联了一个输入，从而在对应的各个时刻相当于K 增益变大；显而易见，K的增大，有助于系统的稳定，但是会使超调量变大。
调整时间变小，与实验的结果是吻合的。
5、改变系统的参数，了解模糊控制在系统参数发生变化时的控制效果。
并与ＰＩＤ控制器作用下系统参数发生变化时的控制效果进行比较，思考模糊控制相对于传统控制的优点。
（1）当系统开环增益k分别取k=35,k=40和k=45时系统的阶跃响应如图所示。
（2）
当系统纯延时错误!未找到引用源。
分别取错误!未找到引用源。
、错误!未找到引用源。
和错误!未找到引用源。
时系统的阶跃响应如图所示。
图14系统纯滞后时间变化对系统阶跃响应的影响
（3）当系统惯性时间常数错误!未找到引用源。
分别取错误!未找到引用源。
、错误!未找到引用源。
和错误!未找到引用源。
时系统的阶跃响。
从图可以看出增大K值，系统的上升时间减小，此时超调量稍有增加；当系统的纯滞后时间增大时，系统的超调量增加较大。
系统的惯性时间常数增大后使系统动态性能有所降低，当时间常数T2增大时上升时间增大，但超调量有所降低。
三、模糊控制的优点
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。
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。
通过本设计可以知道，模糊控制具有能够得到良好的动态响应性能，并且不
需要知道被控对象的数学模型，适应性强，上升时间快，鲁棒性好。
与PID控制相比有着很大的优势，采用PID控制虽然稳态性能较好，但是难以得到满意的动态响应性能，并且鲁棒性差。
模糊控制也有着自身的缺点，容易受到模糊规则等级的限制而引起误差，需要进一步改进。
四、总结
通过本次课程设计增加了对模糊调节器的理解，认识到了模糊控制器的优缺点。
并进一步熟练了用Matlab中Simulink工具箱的应用，提高了自己的动手能力。
然而由于对matlab软件的使用不熟练，设计过程中遇到了困难，但在同学的帮助与指导下，熟悉了matlab的指令，才使设计的顺利进行。
同时在设计的过程中学到了不少知识，提高了自己的科学素养，使我认识到搞学术需要耐心和一丝不苟的态度。
五、参考文献
《智能控制理论及应用》师黎铁军利娜晓媛编著
《自动控制理论》夏德铃翁贻方机械工业
《计算机控制技术》王书峰谭健豪主编。