模糊PID控制器的设计与仿真——设计步骤
模糊自整定PID控制系统设计与仿真
模糊自整定PID 控制系统设计与仿真—— 俯仰姿态保持模糊PID 控制一、目的熟悉模糊自整定控制系统的组成原理。
掌握模糊控制原理及模糊控制规则的生成。
了解模糊控制规则对控制效果的影响。
掌握模糊方法及Matlab 实现。
二、原理图1 模糊自整定PID 控制器结构三、 问题背景某飞机纵向短周期运动状态方程为：XA XB U YC X=+= 。
其中，[,,]X q αθ=，[,,]Y q αθ=，[]e U δ=；α表示迎角，q 表示俯仰角速率，θ表示俯仰角，e δ表示升降舵偏角。
飞机在某状态下的状态参数矩阵为： -0.5698910-2.49155-1.143570010A ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦，-0.02932.26830B ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦，10001001C ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦使用模糊PID 控制器，设计跟踪俯仰角的俯仰姿态保持闭环飞行控制系统，并对设计结果进行分析，计算俯仰角的超调量和调节时间。
俯仰姿态保持是将飞机保持在给定的俯仰姿态c θ，或者可以称为参考模态REF θ，它是由驾驶员根据某种飞行状态(水平飞行、爬升、下滑)的需要而建立的，控制系统接通后就力图保持这种姿态为常值，其原理框图如图所示。
俯仰姿态保持框图该模态的主要被控变量是俯仰姿态角，传感器是一个姿态参考陀螺。
其本身一般只在飞机水平飞行状态和短时间下滑、爬升状态下使用。
由于攻角会随飞行状态发生变化，所以在该模态下航迹倾斜角不会保持常值。
于是，如果增加推力，α将有降低的趋势，并且飞机会爬升；随着飞机重量的减轻，α也会减小，也会引起飞机逐渐爬升。
类似地，随着空气密度的降低引起α增加，爬升的飞机会逐渐改平。
将俯仰姿态角作为被控变量，除了能改变飞行轨迹之外还能用来改变空速。
由于这些特性，俯仰姿态保持常作为其它工作方式的基本控制器。
例如飞机在各种不同高度巡航飞行、稳态爬升及自动着陆时，都要求保持相应的俯仰姿态角，继而达到控制和保持所要求的飞行轨迹的目的。
自适应模糊PID控制器的设计与仿真
自适应模糊PID控制器的设计与仿真自适应模糊PID控制器是一种结合了模糊控制和PID控制的自适应控制器，它能够在系统的不同工况下根据实际需求对PID参数进行自适应调整，从而使得系统具有更好的动态性能和稳定性。
本文将介绍自适应模糊PID控制器的设计思路和仿真过程。
1.设计思路1.1系统建模首先需要对待控制的系统进行建模，得到系统的数学模型。
这可以通过实验数据或者理论分析来完成。
一般情况下，系统的数学模型可以表示为：$G(s)=\frac{Y(s)}{U(s)}=\frac{K}{s(Ts+1)}$其中，K是系统的增益，T是系统的时间常数。
1.2设计模糊控制器接下来需要设计模糊控制器，包括模糊规则、模糊集和模糊运算等。
模糊控制器的输入是系统的误差和误差的变化率，输出是PID参数的调整量。
1.3设计PID控制器在模糊控制器的基础上，设计PID控制器。
PID控制器的输入是模糊控制器的输出，输出是控制信号。
1.4设计自适应机制引入自适应机制，根据系统的性能指标对PID参数进行自适应调整。
一般可以采用Lyapunov函数进行系统性能的分析和优化。
2.仿真过程在仿真中，可以使用常见的控制系统仿真软件，如MATLAB/Simulink 等。
具体的仿真过程如下：2.1设置仿真模型根据系统的数学模型，在仿真软件中设置仿真模型。
包括系统的输入、输出、误差计算、控制信号计算等。
2.2设置模糊控制器根据设计思路中的模糊控制器设计，设置模糊控制器的输入和输出，并设置模糊规则、模糊集和模糊运算等参数。
2.3设置PID控制器在模糊控制器的基础上，设置PID控制器的输入和输出，并设置PID参数的初始值。
2.4设置自适应机制设置自适应机制，根据系统的性能指标进行PID参数的自适应调整。
2.5运行仿真运行仿真，观察系统的响应特性和PID参数的变化情况。
根据仿真结果可以对设计进行调整和优化。
3.结果分析根据仿真结果，可以分析系统的稳定性、动态性能和鲁棒性等指标，并对设计进行调整和改进。
基于神经网络的模糊PID控制器设计与实现
基于神经网络的模糊PID控制器设计与实现随着科技的不断发展，控制技术在工业自动化中的应用越来越广泛。
PID控制器因其简单易懂、易实现的特点而被广泛使用，但是传统的PID控制器在某些场合下会出现失效的情况。
为了解决这一问题，研究者们开始着手开发基于神经网络的模糊PID控制器。
本文将介绍基于神经网络的模糊PID控制器的设计与实现。
一、控制器介绍基于神经网络的模糊PID控制器是一种新型的控制器，它将模糊控制的优点与神经网络的处理能力相结合，形成了一种高效的自适应控制器。
该控制器利用神经网络的学习算法实现自适应参数的调节，将模糊控制中的模糊规则与神经网络的处理能力相结合，形成一种新的控制方法。
该控制器的核心思想是利用神经网络对系统进行建模，通过学习算法自适应地调节系统参数，从而实现对系统的控制。
其中，模糊控制器用于对输出进行模糊处理，神经网络用于对输入和输出进行处理，从而实现对系统的控制。
二、控制器设计基于神经网络的模糊PID控制器的设计需要以下几个步骤：1.系统建模系统建模是设计基于神经网络的模糊PID控制器的第一步。
系统建模的目的是构建系统的数学模型，以便于后续的设计过程。
在建模过程中，需要考虑系统的类型、运动方程、非线性因素等因素。
2.控制器设计控制器的设计是基于神经网络的模糊PID控制器设计的核心。
控制器的设计包括神经网络的结构设计、神经网络权值的选择、模糊控制的设计等。
3.参数调节参数调节是控制器设计的重要环节。
由于系统的运动方程等因素的影响，不同系统的参数可能不同。
因此，在实际应用中需要根据实际情况对控制器进行参数调节。
三、控制器实现基于神经网络的模糊PID控制器的实现需要以下步骤：1.数据采集数据采集是基于神经网络的模糊PID控制器实现的第一步。
数据采集的目的是获取系统的输入输出，以便为神经网络提供数据。
2.神经网络训练神经网络训练是实现控制器的关键步骤。
在训练过程中，通过对神经网络进行学习，让它逐渐对系统的输入输出进行建模。
模糊PID控制器设计及MATLAB仿真_李健
图 1 模糊 PID 控制结构图
PID 参 数 模 糊 自 整 定 是 先 找 出 PID 控 制 器 的 3 个 参 数 Kp、 Ki 和 Kd 与偏差 e 和偏差变化率 ec 之间的模糊关系， 在运行中 通过不断检测 e 和 ec，根据模糊控制规则来对 3 个参量进行在
线修改 ，以 满 足 不 同 e 和 ec 对 控 制 器 参 数 的 不 同 要 求 ，从 而 使
起较大的超调 。 微 分 系 数 Kd 影 响 系 统 的 动 态 特 性 ，Kd 越 大 ，越
能抑制偏差变化，但过大会延长调节时间，降低抗干扰能力。
根 据 参 数 Kp、Ki、Kd 对 系 统 输 出 特 性 的 影 响 情 况 ，可 归 纳 出 系统在被控过程中对于不同的偏差和偏差变化率 ， 参数 Kp、Ki、 Kd 的自整定原则：
摘要 将模糊控制器和 PID 控制器结合在一起，构造了一个模糊 PID 控制器，利用模糊推理的方法调整 PID 控制器的参数， 并利用 MATLAB 的 SUMLINK 工具箱，对系统进行仿真，仿真结果表明模糊 PID 控制器能使系统达到满意的控制效果。 关键词：PID 控制器，模糊控制，MATLAB，SIMULINK，系统仿真
1．3 模糊控制算法的确立
PID 参数的整定必须考虑到在不同时刻 3 个参数的作 用 以
及相互之间的互联关系。 模糊自整定 PID 是在 PID 算法的基础
上通过计算当前系统误差 e 和误差变化 ec，利用模糊规则 进 行
模糊推理，查询模糊矩阵表进行参数调整。 参数修正公式：
＇
Kp ＝Kp ＋（e，ec）p
被控对象具有良好的动、静态性能。
1．2 PID 控制器的确立
通常，PID 控制器的控制算式为：
模糊PID控制原理与设计步骤
模糊PID控制原理与设计步骤1.模糊化输入：将输入量通过模糊化过程，将其转化为隶属度函数形式，用来描述输入数量的各个级别或水平。
2.模糊化输出：同样地，将输出量也通过模糊化过程，转化为隶属度函数形式。
3.模糊化规则库：根据经验和专家知识，建立一组模糊规则，用来描述输入与输出之间的关系。
4.基于规则库的推理：根据输入的隶属度函数和规则库，通过隶属度的逻辑运算进行推理，得到输出的隶属度函数。
5.解模糊化：将输出的隶属度函数转化为具体的输出量，可以采用常用的解模糊化方法，如最大隶属度法、面积法等。
1.系统建模：首先需要对被控对象进行建模，得到其输入-输出关系。
可以基于部分局部建模或物理建模进行分析和确定。
2.设计模糊控制器的输入和输出：根据系统的特性和要求，确定模糊控制器的输入和输出。
- 输入通常包括误差（error）和误差的变化率（change in error）等。
-输出通常为控制量，可为模糊量或一阶量。
3.确定输入和输出的隶属度函数：确定输入和输出的隶属度函数形式，并根据实际情况进行参数调整。
通常可以选择三角形、梯形或高斯型函数等。
4. 设计模糊规则库：根据经验和专家知识，建立模糊规则库。
规则库的设计需要包括合理的覆盖边界和均匀的分布。
可以使用专家系统、模糊C-Means聚类等方法进行规则库的构建。
5.制定模糊推理机制：确定模糊推理的方法，常用的有最小最大法、剪切平均法等。
根据输入的隶属度函数和规则库，进行隶属度的逻辑运算和推理，得到输出的隶属度函数。
6.解模糊化：根据规则库，将模糊输出转化为具体的控制量。
可以采用最大隶属度法、面积法等方法进行解模糊化。
7.验证和调整：将设计好的模糊PID控制器应用到实际系统中，进行运行和调整。
根据实际反馈信号，对模糊规则库进行优化和调整，以提高控制系统的性能和稳定性。
总结：模糊PID控制是一种基于模糊逻辑和PID控制相结合的控制方法，能够更好地应对非线性、时变和模糊的控制系统。
模糊PID控制原理与设计步骤
模糊PID控制原理与设计步骤模糊PID控制（Fuzzy PID control）是在PID控制基础上引入了模糊逻辑的一种控制方法。
相比传统的PID控制，模糊PID控制能够更好地适应系统的非线性、时变和不确定性等特点，提高系统的性能和鲁棒性。
设计步骤：1.确定系统的模型和控制目标：首先需要对待控制的系统进行建模，确定系统的数学模型，包括系统的输入、输出和动态特性等。
同时，需要明确控制目标，即系统应达到的期望状态或性能指标。
2.设计模糊控制器的输入和输出变量：根据系统的特性和控制目标，确定模糊控制器的输入和输出变量。
输入变量通常为系统的误差、误差变化率和累积误差，输出变量为控制力。
3.确定模糊集和模糊规则：对于每个输入和输出变量，需要确定其模糊集和模糊规则。
模糊集用于将实际变量映射为模糊集合，如“大、中、小”等；模糊规则用于描述输入变量与输出变量之间的关系，通常采用IF-THEN形式，如“IF误差大AND误差变化率中THEN控制力小”。
4.编写模糊推理和模糊控制算法：根据确定的模糊集和模糊规则，编写模糊推理和模糊控制算法。
模糊推理算法用于根据输入变量和模糊规则进行推理，生成模糊的输出变量；模糊控制算法用于将模糊的输出变量转化为具体的控制力。
5.调试和优化：根据系统的实际情况，调试和优化模糊PID控制器的参数。
可以通过试错法或专家经验等方式对模糊集、模糊规则和模糊函数等进行调整，以达到较好的控制效果。
6.实施和验证：将调试完成的模糊PID控制器应用到实际系统中，并进行验证。
通过监控系统的实际输出和期望输出，对模糊PID控制器的性能进行评估和调整。
总结：模糊PID控制是一种将模糊逻辑引入PID控制的方法，能够有效地提高系统的性能和鲁棒性。
设计模糊PID控制器的步骤主要包括确定系统模型和控制目标、设计模糊控制器的输入输出变量、确定模糊集和模糊规则、编写模糊推理和模糊控制算法、调试和优化以及实施和验证。
通过这些步骤，可以设计出较为优化的模糊PID控制器来实现系统的控制。
模糊PID控制器设计
模糊PID控制器设计PID控制器是一种常用的自动控制算法，广泛应用于各种工业过程中。
在实际应用过程中，由于系统的复杂性和非线性等原因，常常需要设计模糊PID控制器来提高系统的鲁棒性和控制性能。
1.确定系统的控制目标和性能指标：首先需要明确系统的控制目标，例如稳定性、响应速度、抗扰性等，然后确定对应的性能指标，例如超调量、调整时间、稳态误差等。
2.建立模糊控制规则库：根据系统的特性和控制目标，设计一套模糊控制规则库。
规则库一般包括模糊化、模糊规则以及解模糊化三个部分。
-模糊化：将输入目标和输入量经过模糊化，得到模糊量化值。
常见的模糊化方法有隶属函数法和三角函数法等。
- 模糊规则：根据经验规则和专家知识，设计一系列的模糊规则。
模糊规则一般采用if-then的形式，其中if部分是输入量模糊化后的模糊量化值，then部分是输出量的模糊量化值。
-解模糊化：将模糊量化值转化为具体的控制量。
常见的解模糊化方法有最大值法、加权平均法和中心平均法等。
3.设计模糊推理机制：模糊控制器的核心是模糊推理机制，通过模糊推理机制来根据输入的模糊量化值和模糊规则库来得到输出的模糊量化值。
常见的模糊推理机制有模糊与运算和模糊或运算等。
4.调整模糊PID控制器参数：根据系统的特性和性能指标，通过试验或者仿真的方法，对模糊PID控制器的参数进行优化调整。
一般可以采用遗传算法、粒子群算法等优化算法来进行参数调整。
5.实时控制和优化：将设计好的模糊PID控制器实时应用于控制系统中，并根据系统的反馈信号对控制器进行实时优化和参数调整，以达到更好的控制性能。
模糊PID控制器相比传统的PID控制器具有更好的鲁棒性和适应性，可以应对各种复杂、非线性的工业控制系统，提高控制精度和控制性能。
在实际应用中，需要根据具体的系统特性和性能需求来设计合适的模糊PID控制器，并经过实验和调整来优化控制效果。
同时，也需要考虑到计算复杂度和实时性等因素，确保控制系统的稳定性和可靠性。
模糊PID 控制器设计及仿真
模糊PID 控制器设计及仿真张三自动化学院10级1班学号摘要: 提出了高动态性能切换模糊PID 控制器设计方法。
通过对传统PID 控制中比例控制和微分控制作用的分析, 结合模糊PID 控制器鲁棒性能和自适应性好的优点, 设计了一类新的模糊控制器。
由于该类控制器先后经历比例控制, 微分控制和模糊PID 控制的切换, 使被控系统不仅具有一般模糊PID 控制器的所具有的良好的鲁棒性能和自适应性, 而且与一般模糊控制器相比具有更小的超调量和调节时间。
关键词: 模糊PID 控制器, 仿真1引言论算法是基于对过去、现在、未来的信息进行综合和估计的一种简单的控制算法, 是一种基于偏差的控制方式。
PID控制器以其算法简单，计算量小，使用方便，鲁棒性较强等优点而得到广泛应用，并取得了良好的控制效果。
但是对于一些时变和非线性的系统常规PID就显得无能为力了。
常规PID控制参数的最佳调整还未实现自动化，依靠人工凑试的整定方法不仅需要丰富的经验和技巧，而且十分费时。
同时，在实际控制系统控制过程中，由于噪声、负载扰动和其他一些环境条件变化的影响，受控过程参数，模型结构均将发生变化。
在这种情况下，采用常规PID 控制器难以获得满意的控制效果，而模糊控制不依赖被控对象精确的数学模型，是在总结操作经验基础上实现自动控制的一种手段。
本文应用模糊推理的方法实现对PID参数的在线自动整定，并依此设计出一般控制系统的模糊参数自整定PID控制器。
基于MATLAB的仿真结果表明与常规PID控制系统相比，该设计能获得更优的鲁棒性和动、静态性及具有良好的自适应性。
2PID控制器的设计及仿真2.1经典PID控制器本经典PID 控制器的传递函数可描述为:G( s) =Kp+KDs+KI /s控制器输入为e( t) =yr ( t) - y( t), 其中yr 为系统参考输入, y为系统输出, 控制器输出为控制量u。
由于比例控制的作用是使动态相应加快, Kp 越大速度越快, 但过大会使系统出现超调甚至使系统不稳定; 微分控制主要是抑制超调; 模糊控制使系统有更好的鲁棒性和自适应性。
- 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控制器的设计与仿真设计模糊PID控制器时，首先要将精确量转换为模糊量，并且要把转换后的模糊量映射到模糊控制论域当中，这个过程就是精确量模糊化的过程。
模糊化的主要功能就是将输入量精确值转换成为一个模糊变量的值，最终形成一个模糊集合。
本次设计系统的精确量包括以下变量：变化量e，变化量的变化速率ec还有参数整定过程中的输出量△ K P，△ K D，△ K,在设计模糊PID的过程中，需要将这些精确量转换成为模糊论域上的模糊值。
本系统的误差与误差变化率的模糊论域与基本论域为：E=[-6,-4,-2,0,2,4,6];Ec=[-6,-4,-2,0,2,4,6] 。
模糊PID控制器的设计选用二维模糊控制器。
以给定值的偏差e和偏差变化ec为输入；△ K P，△ K D，△ K为输出的自适应模糊PID控制器，见图1。
图1模糊PID控制器(1) 模糊变量选取输入变量E和EC的模糊化将一定范围(基本论域)的输入变量映射到离散区间(论域)需要先验知识来确定输入变量的范围。
就本系统而言，设置语言变量取七个，分别为NB, NM NS ZQ PS, PM PB(2) 语言变量及隶属函数根据控制要求，对各个输入，输出变量作如下划定：e，ec 论域：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}△心，△ K D，△ K 论域：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6} 应用模糊合成推理PID参数的整定算法。
第k个采样时间的整定为K p(k)二K p。
：K p(k) , Kdk)二K I。
水心),K°(k)二K D。
*D(k).式中K P0,K|0,K D0为经典PID控制器的初始参数设置输入变量隶属度函数如图2所示，输出变量隶属度函数如图 3所示 Membership Function Editor; fuzzyl File Edit ViewCurrent Van ableCurrent Membershiip Function (click on MF to select) Name e Name zoTypeinput TyP® gLaussmf vRange[-6 6]Params [0.B493 OJDisplay Range [-6 &]Ready图2输入变量隶属度函Membership Function Editor: fuz2y1File Edit View图3输出变量隶属度函(3) 编辑模糊规则库的控制规则如下所示：FIS v^riable& kikclMembership fuitctlon plots- otat oonis ： 181FIS vulablas ec kiw htemi 祐活術p funaBon pkk 憎 “刃m ■肝咏 101根据以上各输出参数的模糊规则表，可以归纳出49条控制逻辑规则，具体1. If (e is NB) and (ec is NB) then (kp is NB)(ki is PB)(kd is NS)(1)2. If (e is NB) and (ec is NM) then (kp is NB)(ki is PB)(kd is PS)(1)3. If (e is NB) and (ec is NS) then (kp is NM)(ki is PM)(kd is PB)(1)4. If (e is NB) and (ec is ZO) then (kp is NM)(ki is PM)(kd is PB)(1)5. If (e is NB) and (ec is PS) then (kp is NS)(ki is PS)(kd is PB)(1)6. If (e is NB) and (ec is PM) then (kp is ZO)(ki is ZO)(kd is PM)(1)7. If (e is NB) and (ec is PB) then (kp is ZO)(ki is ZO)(kd is NS)(1)8. If (e is NM) and (ec is NB) then (kp is NB)(ki is PB)(kd is NS)(1)9. If (e is NM) and (ec is NM) then (kp is NB)(ki is PB)(kd is PS)(1)10. If (e is NM) and (ec is NS) then (kp is NM)(ki is PM)(kd is PB)(1)11. If (e is NM) and (ec is ZO) then (kp is NS)(ki is PS)(kd is PM)(1)12. If (e is NM) and (ec is PS) then (kp is NS)(ki is PS)(kd is PM)(1)13. If (e is NM) and (ec is PM) then (kp is ZO)(ki is ZO)(kd is PS)(1)14. If (e is NM) and (ec is PB) then (kp is PS)(ki is ZO)(kd is ZO)(1)15. If (e is NS) and (ec is NB) then (kp is NM)(ki is PB)(kd is ZO)(1)16. If (e is NS) and (ec is NM) then (kp is NM)(ki is PM)(kd is PS)(1)17. If (e is NS) and (ec is NS) then (kp is NM)(ki is PS)(kd is PM)(1)18. If (e is NS) and (ec is ZO) then (kp is NS)(ki is PS)(kd is PM)(1)19. If (e is NS) and (ec is PS) then (kp is ZO)(ki is ZO)(kd is PS)(1)20. If (e is NS) and (ec is PM) then (kp is PS)(ki is NS)(kd is PS)(1)21. If (e is NS) and (ec is PB) then (kp is PS)(ki is NS)(kd is ZO)(1)22. If (e is ZO) and (ec is NB) then (kp is NM)(ki is PM)(kd is ZO)(1)23. If (e is ZO) and (ec is NM) then (kp is NM)(ki is PM)(kd is PS)(1)24. If (e is ZO) and (ec is NS) then (kp is NS)(ki is PS)(kd is PS)(1)25. If (e is ZO) and (ec is ZO) then (kp is ZO)(ki is ZO)(kd is PS)(1)26. If (e is ZO) and (ec is PS) then (kp is PS)(ki is NS)(kd is PS)(1)27. If (e is ZO) and (ec is PM) then (kp is PM)(ki is NM)(kd is PS)(1)28. If (e is ZO) and (ec is PB) then (kp is PM)(ki is NM)(kd is ZO)(1)29. If (e is PS) and (ec is NB) then (kp is NS)(ki is PM)(kd is ZO)(1)30. If (e is PS) and (ec is NM) then (kp is NS)(ki is PS)(kd is ZO)(1)31. If (e is PS) and (ec is NS) then (kp is ZO)(ki is ZO)(kd is ZO)(1)32. If (e is PS) and (ec is ZO) then (kp is PS)(ki is NS)(kd is ZO)(1)33. If (e is PS) and (ec is PS) then (kp is PS)(ki is NS)(kd is ZO)(1)34. If (e is PS) and (ec is PM) then (kp is PM)(ki is NM)(kd is ZO)(1)35. If (e is PS) and (ec is PB) then (kp is PM)(ki is NB)(kd is ZO)(1)36. If (e is PM) and (ec is NB) then (kp is NS)(ki is ZO)(kd is NB)(1)37. If (e is PM) and (ec is NM) then (kp is ZO)(ki is ZO)(kd is PS)(1)38. If (e is PM) and (ec is NS) then (kp is PS)(ki is NS)(kd is NS)(1)39. If (e is PM) and (ec is ZO) then (kp is PM)(ki is NS)(kd is NS)(1)40. If (e is PM) and (ec is PS) then (kp is PM)(ki is NM)(kd is NS)(1)41. If (e is PM) and (ec is PM) then (kp is PM)(ki is NB)(kd is NS)(1)42. If (e is PM) and (ec is PB) then (kp is PB)(ki is NB)(kd is NB)(1)43. If (e is PB) and (ec is NB) then (kp is ZO)(ki is ZO)(kd is NB)(1)44. If (e is PB) and (ec is NM) then (kp is ZO)(ki is ZO)(kd is NM)(1)45. If (e is PB) and(ec is NS) t hen (kp is PM)(ki is NS)(kd is NM)(1)46. If (e is PB) and(ec is ZO) t hen (kp is PM)(ki is NM)(kd is NM)(1)47. If (e is PB) and(ec is PS) t hen (kp is PM)(ki is NM)(kd is NS)(1)48. If (e is PB) and(ec is PM)then (kp is PB)(ki is NB)(kd is NS)(1)49. If (e is PB) and(ec is PB) t hen (kp is PB)(ki is NB)(kd is NB)(1)把这49条控制逻辑规则，键入到模糊规则库中，如图4。