模糊控制系统设计及实现
模糊控制系统课件4.4(FIS的设计与仿真)
坐标区
网格，可 填入3-100 之间的数 字
主菜单Options之下有两个子菜单：Plot（画图） 和Color Map（填色），都是关于绘图的。
实验一：用GUI设计Mamdani型FIS
洗衣机利用分光光度计传感器，通过检测洗涤液的
透明程度等方法，测出洗涤液中的污泥含量x∈[0,100]% 和油脂含量y∈[0,100]%。模糊控制规则根据x和y的数 据，选定洗涤时间t∈[0,60]（分钟）。因为只考虑洗涤时 间，可以用双输入-单输出模糊控制器完成任务。
4.4 FIS的设计与仿真
启动MATLAB后，在主窗口键入fuzzy，回车。
模糊子集
把模糊推理系统改成T-S（Sugeno）型： File→New FIS…→Sugeno
线性函数
这两个编辑 框不允许填 入内容
相当于Mamdani推理中的蕴涵、综合、清晰化 三者的综合结果
模糊规则编辑器
以液位控制系统为例。
④if level is okay and rate is positive then valve is close slow
⑤if level is okay and rate is negative then valve is open slow 根据上述模糊规则，编辑这个“液位模糊控制器” 的仿真模型。
实验二：用GUI设计Sugeno型FIS
例：双输入（x和y）、单输出（u）系统，四条 模糊规则。
R1 : if R2 : if R3 : if R4 : if
x is x1 then u1 x 1; x is x2 and y is y1 then u 2 0.1x 4 y 1.2; x is x2 and y is y2 then u3 0.9 x 0.7 y 9; x is x3 and y is y2 then u4 0.2 x 0.1 y 0.2
模糊控制系统的设计方法
模糊控制系统的设计方法随着科技的不断发展，人工智能技术在各个领域中得到了广泛应用。
模糊控制系统作为一种重要的控制方法，其设计方法也越来越受到关注。
本文将介绍模糊控制系统的设计方法，帮助读者更好地理解和应用该技术。
我们需要了解什么是模糊控制系统。
模糊控制系统是基于模糊逻辑的一种控制方法，它模拟人类的思维方式，通过模糊集合和模糊规则来实现对系统的控制。
相比传统的控制方法，模糊控制系统更能应对复杂、模糊的问题。
模糊控制系统的设计主要包括以下几个步骤：1. 系统建模在设计模糊控制系统之前，我们首先需要对控制对象进行建模。
建模的目的是将实际系统转化为数学模型，便于后续的分析和设计。
建模方法可以根据实际问题的特点选择，常见的有物理建模和数据建模两种方法。
2. 设定输入和输出变量在模糊控制系统中，输入和输出变量通常是模糊化的。
输入变量表示系统的输入条件，输出变量表示系统的输出结果。
通过设定输入和输出变量，可以明确控制系统的目标。
3. 设计模糊集合模糊集合是模糊控制系统的基础，它用来描述输入和输出变量的模糊状态。
模糊集合可以通过隶属函数进行描述，隶属函数表示变量在某个模糊集合中的隶属程度。
常见的隶属函数有三角隶属函数、梯形隶属函数等。
4. 构建模糊规则库模糊规则库是模糊控制系统的核心部分，它用来描述输入变量和输出变量之间的关系。
模糊规则库由若干个模糊规则组成，每个模糊规则包括一个条件部分和一个结论部分。
条件部分是输入变量的模糊集合，结论部分是输出变量的模糊集合。
5. 模糊推理模糊推理是模糊控制系统的关键步骤，它通过模糊规则库将模糊输入转化为模糊输出。
常见的推理方法有最大隶属度法、最小最大法等。
模糊推理的结果是模糊输出，需要进行模糊化处理。
6. 解模糊处理解模糊处理是将模糊输出转化为具体的控制信号。
解模糊处理可以通过模糊加权平均法、模糊中心法等方法进行。
解模糊处理的结果是具体的控制信号，用来驱动控制对象。
7. 性能评估和调整设计完成后，我们需要对模糊控制系统进行性能评估和调整。
模糊系统设计
控制工程学院课程实验报告：智能控制 课程实验报告实验题目： 模糊控制器的设计与实现班级 姓名 学号 日期一、 实验目的及内容实验目的：1、掌握模糊控制器的设计方法；2、比较模糊控制器与常规控制器的优缺点；3、提高matlab 程序设计能力； 实验内容：1、针对一个被控对象，定义输入输出模糊变量及模糊控制规则；2、分析设计模糊控制器与常规控制器测出两种情况下系统的阶跃响应；3、比较分析实验结果。
二、 实验设备1、安装有Matlab 软件的pc 机；2、设定一被控二阶传递函数 三、 实验原理1、模糊控制原理：模糊逻辑控制又称模糊控制，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类计算机控制策略，模糊控制是一种非线性控制。
图一位常规的模糊控制设计模型图一 常规模糊控制系统原理图23S S 2S G 2++=）（针对模糊控制器每个输入，输出,各自定义一个语言变量。
因为对控制输出的判断，往往不仅根据误差的变化，而且还根据误差的变化率来进行综合评判。
所以在模糊控制器的设计中，通常取系统的误差值e 和误差变化率ec 为模糊控制器的两个输入，则在e 的论域上定义语言变量“误差E ” ，在ec 的论域上定义语言变量“误差变化EC ” ；在控制量u 的论域上定义语言变量“控制量U ” 。
通过检测获取被控制量的精确值，然后将此量与给定值比较得到误差信号e ，对误差取微分得到误差变化率ec ，再经过模糊化处理把分明集输入量转换为模糊集输入量，模糊输入变量根据预先设定的模糊规则，通过模糊逻辑推理获得模糊控制输出量，该模糊输出变量再经过去模糊化处理转换为分明集控制输出量。
2、PID 控制原理：在模拟控制系统中，控制器最常用的控制规律是PID 控制。
PID 控制器是一种线性控制器。
它根据给定值与实际输出值之间的偏差来控制的。
其传递函数的形式是：，PID 控制原理框图如图二所示。
式中p k ——比例系数；I T ——积分时间常数；D T ——微分时间常数。
基于神经网络的模糊控制系统设计与实现
基于神经网络的模糊控制系统设计与实现随着科技的不断发展，应用人工智能技术来解决问题已经成为趋势。
其中，神经网络和模糊控制系统是两个比较常用的技术，二者结合起来也是很有前途的。
一、神经网络神经网络是模拟人类神经系统的一种计算模型。
它由许多简单的神经元组成，这些神经元之间通过连接进行信息传递，从而实现了模式识别、分类、回归等功能。
通俗地说，就是让计算机模拟人脑的思维方式。
神经网络有很多种结构和算法，其中比较常用的是多层感知机（Multi-layer Perceptron，MLP）。
MLP是一种前向反馈神经网络，由输入层、隐藏层和输出层组成，如图1所示。
图1 MLP网络结构示意图其中，输入层和输出层很好理解，而隐藏层则是用来处理输入与输出之间的关系，其中每个神经元计算的结果会被传递给下一层。
MLP是一种有监督学习算法，即需要给定训练集和对应的目标输出，通过反向传播算法来训练神经网络，不断调整权重和偏置，从而减小预测输出与真实输出之间的误差。
在训练完成以后，神经网络可以用来进行预测，从而实现分类、预测等任务。
二、模糊控制系统模糊控制系统是一种基于模糊数学理论的控制系统。
不同于传统控制系统中的明确的控制规则和精确的数学模型，模糊控制系统通过模糊集合、模糊逻辑来处理模糊信息，从而实现控制目标。
通俗地说，就是将现实世界中的模糊概念映射到数学空间中，通过对模糊概念的描述和处理来实现控制。
例如，温度控制系统可以被描述为“当室内温度较低时，加热器应该加热；当室内温度较高时，加热器应该停止加热”这样一个模糊规则库，从而实现对室内温度的控制。
模糊控制系统有很多算法和方法，其中最常用的是基于 Mamdani 模型的模糊控制系统。
Mamdani 模型将输入变量和输出变量用模糊集合来描述，通过一系列的 IF-THEN 规则来实现模糊控制，具体结构如图2所示。
图2 Mamdani 模糊控制系统结构示意图其中，输入变量被映射到它们各自的模糊集合上，每个输入变量都有自己的隶属函数来描述模糊集合的特征。
模糊控制实例及simulink仿真实验报告
模糊控制实例及simulink仿真实验报告
一、背景介绍
模糊控制是一种基于模糊逻辑的控制方法，其优点在于可以很好地处理复杂的非线性和不确定性系统，而且不需要精确的数学模型和计算，能够快速实现控制的优化。
二、实例介绍
本次实例采用一个双轮小车为对象，实现小车在平面上向指定位置运动的控制。
通过小车的速度和转向角两个输入变量，输出一个模糊控制信号，控制小车前进和转向。
三、实验过程
1. 建立模糊控制系统模型
打开Simulink软件，建立一个新模型，模型中包括输入变量、输出变量和控制器。
2. 设计输入变量和输出变量
（1）设计输入变量
本实例选择小车速度和转向角两个输入变量，每个变量包含三个模糊集合，速度变量分别为“慢速”、“中速”、“快速”，转向角变量分别为“左转”、“直行”、“右转”。
（2）设计输出变量
模糊控制信号输出变量选择小车的前进和转向，每个变量包含三个模糊集合，分别为“慢行”、“中行”、“快行”、“左转”、“直行”、“右转”。
3. 建立控制器
建立模糊控制器，包含输入变量和输出变量的关系，建立控制规则库和模糊关系。
4. 仿真实验
在Simulink下进行仿真实验，调整控制器参数，观察小车运动状态，对比试验。
四、实验结果
经过多次试验和调整，得到最优的小车模糊控制参数，可以实现小车的平滑运动
和准确转向。
五、实验结论
本实验通过建立一个小车的模糊控制系统，可以有效实现小车的平滑运动和准确转向，控制效果优于传统的PID控制方法。
模糊控制可以很好地处理非线性、不确定性和模糊性的系统，适合许多需要快速优化控制的场合。
基于单片机的水温恒温模糊控制系统设计
基于单片机的水温恒温模糊控制系统设计水温恒温在很多工业领域中都是非常重要的，比如在制造过程中需要严格控制水温以确保产品质量，或者在实验室中需要保持水温恒定以保证实验结果的准确性。
为了实现水温恒温，可以采用单片机控制系统进行模糊控制，以更好地调节水温并确保其恒定性。
一、系统设计1.系统组成该水温恒温模糊控制系统包括以下几个部分：1)传感器：用于实时监测水温，通常采用温度传感器来获取水温数据。
2)单片机：作为系统的核心控制部分，负责根据传感器采集的水温数据进行控制算法处理，并输出控制信号给执行器。
3)执行器：负责控制水温调节设备，比如加热器或制冷器，以使水温保持在设定的恒温值附近。
4)人机界面：用于设定水温的目标值、显示当前水温以及系统的工作状态等信息，通常采用液晶显示屏或LED灯来实现。
2.系统工作原理系统工作流程如下：1)单片机通过传感器获取实时水温数据，并与设定的恒温值进行比较。
2)根据实时水温和设定值之间的差异，单片机通过模糊控制算法计算出调节水温的控制信号。
3)控制信号送往执行器，执行器根据信号控制加热器或制冷器对水温进行调节。
4)单片机不断循环执行上述步骤，使水温保持在设定的恒温值附近。
二、模糊控制算法设计模糊控制算法是一种基于模糊逻辑进行推理和决策的控制方法，适用于非线性、不确定性系统的控制。
在水温恒温控制系统中，可以设计如下的模糊控制算法：1.模糊化：将实时水温和设定水温映射到模糊集合，通常包括“冷”、“适中”和“热”等。
2.模糊规则库：根据实际情况，设定一系列的模糊规则，描述实时水温和设定水温之间的关系。
3.模糊推理：通过模糊规则库，进行模糊推理，得到相应的控制信号。
4.解模糊化：将模糊推理的结果映射到实际的控制信号范围内，作为执行器的输入。
通过模糊控制算法设计，可以更加灵活地调节水温，适应各种复杂环境下的恒温控制需求。
三、系统实现在实际系统的实现中，首先需要选择合适的传感器，并设计好传感器的接口电路来获取水温数据。
模糊控制matlab
模糊控制matlab模糊控制是一种基于模糊数学理论的控制方法，它可以有效地处理非线性系统和模糊系统的控制问题。
在模糊控制中，通过将输入、输出和中间变量用模糊集合表示，设计模糊逻辑规则以实现控制目标。
本文将介绍如何用Matlab实现模糊控制，并通过实例讲解其应用和效果。
1. 模糊集合的表示在Matlab中，我们可以使用fuzzy工具箱来构建和操纵模糊系统。
首先，我们需要定义输入和输出的模糊集合。
例如，如果我们要控制一个直线行驶的自动驾驶汽车，可以定义速度和方向作为输入，定义方向盘角度作为输出。
我们可以将速度和方向分别划分为缓慢、中等、快速三个模糊集合，将方向盘角度划分为左转、直行、右转三个模糊集合。
可以使用Matlab的fuzzy工具箱中的fuzzy集合函数实现：slow = fuzzy(fis,'input',[-10 -10 0 20]);gap = fuzzy(fis,'input',[0 20 60 80 100]);fast = fuzzy(fis,'input',[60 80 110 110]);其中，fis为模糊系统对象，输入和输出的模糊集合分别用fuzzy函数定义，分别用输入或输出、模糊集合变量名、模糊集合界限参数表示，如fuzzy(fis,'input',[-10 -10 0 20])表示定义一个输入模糊集合，变量名为slow，其界限参数为[-10 -10 0 20]，即表示此模糊集合上下界是[-10,-10]和[0,20]。
2. 设计模糊控制规则在Matlab中，可以使用fuzzy工具箱的ruleviewer函数来设计模糊控制的规则库。
规则库由模糊条件和模糊结论构成，用if-then形式表示。
例如，定义类别均为slow和keep的输入，输出为类别均为left的控制操作的规则如下：rule1 = "if (slow is slow) and (keep is keep) then (left is left);";其中，slow和keep为输入的模糊变量名，left为输出的模糊变量名。
基于模糊控制的自动驾驶系统设计与实现
基于模糊控制的自动驾驶系统设计与实现自动驾驶技术是当前科技领域的热门研究领域之一。
基于模糊控制的自动驾驶系统设计与实现是实现自动驾驶的一种常用方法。
本文将详细介绍基于模糊控制的自动驾驶系统的设计与实现过程。
首先，基于模糊控制的自动驾驶系统设计需要考虑系统的架构和功能。
系统的架构通常包括传感器部分、感知与决策部分和执行部分。
传感器部分负责获取车辆周围环境的信息，包括摄像头、雷达、激光雷达等传感器。
感知与决策部分负责对传感器数据进行处理与分析，包括对障碍物的识别与跟踪、路径规划与决策等功能。
执行部分负责控制车辆的行驶，包括油门、刹车、转向等控制。
其次，基于模糊控制的自动驾驶系统的关键技术在于模糊控制器的设计。
模糊控制器根据输入和输出的模糊规则来控制车辆的行驶。
模糊规则的制定是整个系统设计中的关键之一。
模糊规则是通过将输入与输出之间的关系进行模糊化来定义的。
例如，如果车辆与前方的障碍物的距离较近，则需要减小车辆的速度；如果车辆处于弯道，则需要调整车辆的转向角度。
通过制定一系列模糊规则，可以根据不同的情况来调整车辆的行驶。
在模糊控制器设计中，模糊化和解模糊化是非常重要的步骤。
模糊化将输入量和输出量从连续的实数空间映射到隶属函数上。
隶属函数描述了输入量或输出量的模糊程度，常用的隶属函数包括三角函数、梯形函数等。
解模糊化则将经过模糊化的输出量映射回实数空间。
常用的解模糊化方法包括最大值法、面积法等。
通过模糊化和解模糊化的处理，可以将模糊规则转化为实际的车辆控制命令。
此外，在基于模糊控制的自动驾驶系统中，还需要考虑系统的可靠性和安全性。
自动驾驶系统需要能够在各种复杂的场景中进行准确的决策和控制，才能保证车辆的行驶安全。
同时，系统还需要具备故障容忍性，可以在传感器故障或其他系统故障的情况下继续工作。
最后，基于模糊控制的自动驾驶系统的实现需要借助于计算机技术和人工智能算法。
计算机技术提供了高性能的计算能力和大容量的存储空间，可以方便地对传感器数据进行处理和分析。
- 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)。
物理与电子工程学院《人工智能》课程设计报告课题名称模糊控制系统的设计与实现专业自动化班级 2班学生姓名梁检满学号指导教师崔明月成绩2014年6月18日模糊控制系统的设计与实现摘要自然界与人类社会有关系的系统绝大部分是模糊系统，这类系统的数学模型不能由经典的物理定律和数学描述来建立。
本文在模糊控制理论基础上设计模糊温控系统，利用专家经验建立模糊系统控制规则库，由规则库得到相应的控制决策，并分析系统隶属度函数，利用matlab与simulink结合进行仿真。
仿真结果表明，该系统的各项性能指标良好，具有一定的自适应性。
模糊控制算法不但简单实用，而且响应速度快，超调量小，控制效果良好。
关键词：模糊逻辑;隶属度函数;模糊控制; 控制算法1引言在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。
随着社会及科技的发展，现代工程实践对系统的控制要求也在不断地提高，但对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，随着人类生产、生活对控制的精细需求，传统的控制理论已渐渐不能满足工艺要求。
虽然于是工程师利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。
换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了，因此便尝试着以模糊数学来处理这些控制问题。
“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。
模糊并非是将这个世界变得模糊，而是让世界进入一个更现实的层次。
“模糊”比“清晰”所拥有的信息量更大，内涵更丰富，更符合客观世界。
“模糊控制理论”是由美国学者加利福尼亚大学著名教授L. A. Zadeh于1965年首先提出，至今已有50多年的历史。
模糊控制是用模糊数学的知识模仿人脑的思维方式，对模糊现象进行识别和判决，给出精确的控制量，对被控对象进行控制，它是用语言规则描述知识和经验的方法，结合先进的计算机技术，通过模糊推理进行判决的一种高级控制策略。
它含有人工智能所包括的推理、学习和联想三大要素；它不是采用纯数学建模的方法，而是将相关专家的知识和思维、学习与推理、联想和决策过程，有计算机来实现辨识和建模并进行控制。
因此，它无疑是属于智能控制范畴，而且发展至今已发展成为人工智能领域中的一个重要分支。
其理论发展之迅速，应用领域之广泛，控制效果之显著，实为世人关注。
在工业生产过程中，温度控制是重要环节，控制精度直接影响系统的运行和产品质量。
在传统的温度控制方法中，一般采取双向可控硅装置，并结合简单控制算法（如PID算法），使温度控制实现自动调节。
但由于温度控制具有升温单向性、大惯性、大滞后等特点，很难用数学方法建立精确的模型[4]。
因此用传统的控制理论和方法很难达到好的控制效果。
鉴于此，本文拟以模糊控制为基础的温度智能控制系统，采用人工智能中的模糊控制技术，用模糊控制器代替传统的PID控制器，以闭环控制方式实现对温度的自动控制。
2. 模糊控制2.1模糊控制的诞生自20世纪60年代以来，传统的自动控制，包括经典理论和现代控制理论已经在工业生产过程、军事科学以及航空航天等许多方面取得了成功的应用，但它们有一个共同的特点，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、传递函数或状态方程）的基础上。
然而在实际工业生产中，由于一系列原因（例如被控对象和过程的非线性、时变性、多参数间的强烈耦合、较大的随机干扰、过程机理错综复杂以及现场测量仪条件的不足等），建立精确的数学模型特别困难，甚至是不可能的，而通常只能测得其参数间模糊的关系估计。
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。
1965年美国的伯克利加州大学教授扎德发表了著名的论文《模糊集合论》，提出了模糊性问题，给出了其定量的描述方法，从而模糊数学诞生了。
模糊数学不是使数学变得模模糊糊，而是让数学进入模糊现象这个客观的世界，用数学的方法去描述糊涂现象，揭示模糊现象的本质和规律，模糊数学在经典数学和充满模糊的现实世界之间架起了一座桥梁。
美国著名的学者教授L. A. Zadeh于1965年首先提出模糊控制理论，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E. H. Mamdani研制成功第一个模糊控制器，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，也充分展示了模糊控制技术的良好应用前景。
2.2模糊控制的发展1974年E. H. Mamdani成功对发动机组模糊控制之后，模糊控制如雨后春笋般迅速发展起来，1980年，在丹麦对水泥生成炉进行模糊控制获得成功。
最重视模糊控制应用的当属日本，在成功应用模糊控制于仙台地铁以及家用电器之后，1989年4月，在通产省的支持下，成立“国际模糊工程研究所”，作为政府、工业界与高等学校协同合作科研的机构。
从1989年开始，投资50亿日元，进行模糊控制产品系列开发，参加的公司企业有48家。
1983年，美国加州决策产业公司推出模糊处理的决策支持系统，并在饭店管理和VAX超级小型机管理方面取得成功。
1985年开始研究自动导航的模糊控制器，并用飞行模糊控制器做了实验，取得了好的性能。
在宇航领域，NASA的约翰逊宇航中心在以控制无人飞行器对接的原型系统中利用了模糊控制器。
经过仿真试验表明，利用模糊控制器比利用库里斯普控制规则控制器的性能高出20%以上。
目前，模糊控制技术日趋成熟和完善。
各种模糊产品充满了日本、西欧和美国市场，如模糊洗衣机、模糊吸尘器和模糊摄像机等等，模糊技术几乎变得无所不能，各国都争先开发模糊新技术和新产品。
多年来一直未解决的稳定性分析问题正在逐步解决。
模糊芯片也已研制成功且功能不断加强，成本不断下降。
直接采用模糊芯片开发产品己成为趋势。
模糊开发软件包也充满市场。
模糊控制技术除了在硬件、软件上继续发展外，将在自适应模糊控制、混合模糊控制以及神经模糊控制上取得较大发展。
随着其它学科新理论、新技术的建立和发展，模糊理论的应用更加广泛。
模糊理论结合其它新技术和人工神经网络和遗传基因形成交叉学科神经网络模糊技术(Neuron Fuzzy Technique)和遗传基因模糊技术(Genetic Fuzzy Technique)，用于解决单一技术不能解决的问题。
模糊理论在其它学科技术的推动下，正朝着更加广泛的方向发展。
2.3模糊控制的优势模糊控制能在世界各个国家得到重视发展，在各个科学领域得到长足快速的发展，是因为它有优越于经典控制和现代控制理论的突出特点：(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，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。
在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。
然而，对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。
换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。
然而，对于模糊控制来说，这些控制问题，便不成为问题。
3. 模糊控制基本理论3.1模糊控制的基本结构模糊控制是利用模糊数学的基本思想和理论的控制方法发展起来的。
传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。
因此便尝试着以模糊数学来处理这些控制问题。
一般的模糊控制系统包含以下五个主要部分：(1)定义变量也就是决定程序被观察的状况及考虑控制的动作，例如在一般控制问题上，输入变量有输出误差e与输出误差之变化率ec，而控制变量则为下一个状态之输入u。
其中e、ec、u统称为模糊变量。
(2)模糊化（Fuzzify）将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，依适合的语言值（Linguistic value）求该值相对之隶属度，此口语化变量我们称之为模糊子集合（fuzzy sub sets）。
(3)知识库包括数据库（database）与规则库（rule base）两部分，其中数据库是提供处理模糊数据之相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。
(4)逻辑判断模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，而得到模糊控制讯号。
此部分是模糊控制器的精髓所在。
(5)解模糊化（defuzzify）将推论所得到的模糊值转换为明确的控制讯号，作为系统的输入值。
3.2模糊数学的基础模糊数学由美国控制论专家L. A. 扎德（L. A. Zadeh，1921）教授所创立。
他于1965年发表了题为《模糊集合论》（《Fuzzy Sets》）的论文，从而宣告模糊数学的诞生。
模糊数学是运用数学方法研究和处理模糊性现象的一门数学新分支，它以“模糊集合”论为基础。
模糊数学提供了一种处理不肯定性和不精确性问题的新方法，是描述人脑思维处理模糊信息的有力工具[11-13]。
模糊数学的研究内容主要有以下三个方面：（1）研究模糊数学的理论，以及它和精确数学、随机数学的关系查德以精确数学集合论为基础，并考虑到对数学的集合概念进行修改和推广。
他提出用“模糊集合”作为表现模糊事物的数学模型，并在“模糊集合”上逐步建立运算、变换规律，开展有关的理论研究，就能构造出研究现实世界中的大量模糊的数学基础，能够对复杂的模糊系统进行定量的描述和处理的数学方法。
在模糊集合中，给定范围内元素对它的隶属关系不一定只有“是”或“否”两种情况，而是用介于0和1之间的实数来表示隶属程度，还存在中间过渡状态。