一种自适应模糊控制算法
基于模糊控制理论的自适应PID算法

基于模糊控制理论的自适应PID算法近年来,随着科技的发展,自适应控制技术被越来越广泛地应用于各种控制系统中。
其中,基于模糊控制理论的自适应PID算法是一种很常见的控制方法,具有很强的实际应用价值。
一、什么是自适应PID算法PID控制器是一种广泛应用于工业生产中的控制器,其可以通过对被控对象的反馈信号进行加权处理,从而实现对被控对象的控制。
但是,在实际应用中,由于被控对象的动态特性和环境条件的变化,经常会出现PID控制器参数难以确定和调节的情况,这就需要使用自适应控制技术来解决这种问题。
自适应PID算法是一种自动调整PID控制器参数的方法,其主要原理是根据被控对象的实际工作状态和控制效果来调节PID控制器的参数值,从而实现对被控对象的控制。
在PID控制器中,P 代表比例项、I代表积分项、D代表微分项,而在自适应PID算法中,P、I、D三项参数值是根据被控对象的实际工作状态和控制效果来自适应调整的。
二、模糊控制理论在自适应PID算法中的应用模糊控制理论是一种基于模糊数学的控制方法,其主要特点是可以处理不确定、模糊的信息,具有很强的适应性和鲁棒性。
在自适应PID算法中,模糊控制理论主要用于调节PID控制器中的比例项、积分项和微分项的权重。
具体来说,在模糊控制理论中,有三个基本元素:模糊集合、模糊逻辑运算和模糊推理机。
在自适应PID算法中,这三个元素分别对应着被控对象的状态、PID控制器参数的权重和PID控制器参数的调节规则。
在调节PID控制器中的比例项、积分项和微分项的权重时,主要采用了模糊控制理论中的模糊控制策略。
具体来说,首先将被控对象的状态划分为若干个模糊集合,并为每个模糊集合定义一个隶属度。
然后,根据这些隶属度和一定的模糊逻辑运算规则,得到PID控制器中各项参数的权重值。
最后,再根据这些权重值和一定的模糊推理机规则,得到PID控制器中比例项、积分项和微分项的具体参数值。
三、自适应PID算法的应用范围自适应PID算法广泛应用于各种控制系统中,主要包括以下几个方面:1、工业自控领域:在各种流程控制、物料输送、物流控制等方面均有广泛应用,如化工、机械、电力、冶金等行业。
一种自适应模糊控制算法在阻炉控制系统中的应用

ogn ao n e -u y t a e terls n aa ee duth m e e uo a cl dm ks hm pr cf ay rai tnads f td.Im ks h e adprm t ajs te sl s t tal a a e te e et nl zi ls u s r v a m i yn f l i
靠控制 专家或操作人 员的经验知识 , 若缺乏这样的控制经验, 很难获得 满意的控 制效果. 因此 , 模糊控 制器应 向着 自 适应 、 自组织、 自学习发展 , 使得模糊控制参数或规 则在控制过 程 中 自动 地调整 、 改和 完善 , 而使 系统的控制性 修 从
能不断改善 , 达到最佳 的控制 效果. 本文将 表格 查询 学 习算 法和最近邻 聚类 学 习算法采 用加 权平 均的 方法结合起
Taj n esyo T cnlg , i j 0 1 1 C ia i i U i rt f eh o y Ta i 3 09 , h ) n n v i o nn n
Ab ta t u z g c i d v l p d u d r te t e r ff z y a g e ain,i o tolr d e o e e d o t d lo s r c :F z y l i s e eo e n e h h o y o u z g r g t o o t c nr l o s n td p n n mah mo e f s e
一
种 自适 应模 糊 控 制算 法 在 阻炉 控 制 系统 中的应 用
潘洪 刚,童峥嵘 ,宋殿友
( 天津理工大学 电子信息与通信工程学院 , 天津 30 9 ) 0 1 1
摘
要: 模糊控制是在模糊 集合理论 的基础上发展起 来的 , 模糊控 制 器的设计 不依 靠被控对 象的数 学模 型; 却更依
模糊控制算法

模糊控制算法
模糊控制算法是一种有效的控制算法,它模拟人类的智能行为,用于分析复杂的运动系统
及其行为规律。
模糊控制算法使用规则引擎将系统输入与系统输出之间的复杂关系转换为
信息函数,以便实现有效定量控制。
模糊控制算法是一种基于语义的控制算法,通过在信息函数(如理论错误函数)和控制变
量之间定义模糊链接,从而实现可变含义的规则以及控制规程。
它允许系统定义和调整模
糊规则,实现模糊控制。
模糊控制的一个大优势是它在输入、规则和输出之间有很强的非线性性能。
由于模糊控制算法具有丰富的可变性,因此它可以用来解决由不确定性和变量的多样性引
起的各种问题。
这种技术非常适合实现复杂的控制,例如驱动和操作服务器、飞行控制、
机器人抓取等。
因此,模糊控制算法被广泛应用于多种行业,大大提高了系统性能和效率。
总之,模糊控制算法是一种用于解决复杂控制问题的有效算法,它可以调整规则,实现自适应控制,从而提高系统性能和效率。
模糊控制算法有望成为智能机器系统的关键技术,
以改善人类的生活质量和实现效率的增强。
智能控制中的模糊算法与应用

智能控制中的模糊算法与应用智能控制是指把智能技术应用到控制系统中,使得系统具备一定的自主学习、自适应和自适应能力。
智能控制中的模糊算法是一种常用的方法,它能够模拟人类的思维方式,处理模糊信息,具备很强的实时性和运算速度,已经在许多领域得到广泛应用。
一、模糊算法的概述模糊算法是模糊逻辑的计算方法,它模拟人类的模糊思维过程,可以对不明确、模糊的信息进行处理和推理。
模糊算法包括模糊集合、模糊关系、模糊逻辑和模糊控制四个部分,其中模糊控制是应用最广泛的部分。
二、模糊控制的原理模糊控制是一种基于模糊逻辑的自适应控制方法,它采用模糊规则进行控制决策,可以处理输入参数不准确、模糊的问题。
模糊控制系统的基本结构包括模糊化、规则库、推理机和去模糊化四个部分,其中模糊化和去模糊化是对输入和输出进行模糊化和去模糊化的过程,规则库包括一系列的模糊规则,推理机是根据模糊规则进行推理和决策的过程。
三、模糊控制的应用模糊控制已经应用到许多领域,如工业自动化、交通控制、机器人控制、电力系统控制等。
例如,工业生产中,模糊控制可以对温度、压力、流量等参数进行控制,提高生产效率和产品质量。
在交通控制中,模糊控制可以对路况、交通流量等进行分析和判断,调整信号等控制手段,减少交通拥堵。
在机器人控制中,模糊控制可以对机器人的运动、感知和决策进行控制,提高机器人的应用范围和实际效果。
在电力系统控制中,模糊控制可以对电力系统的电压、电流等参数进行控制,保证电力系统的稳定运行。
四、模糊算法的优势和趋势模糊算法相比其他算法具有以下优势:1. 对模糊、不确定、复杂的问题具有处理能力;2. 具有自适应性和实时性;3. 可以组合不同领域的知识,解决交叉学科的问题。
当前,模糊算法在人工智能、大数据、智能制造等领域得到广泛应用。
未来,模糊算法将趋向自主化、协作化和复杂化,应对更加复杂多变的现实问题。
总之,模糊算法在智能控制中具有重要作用,它能够模拟人类的模糊思维,处理模糊信息,具有广泛的应用前景和深远的发展趋势。
控制理论中的自适应控制与模糊控制

控制理论中的自适应控制与模糊控制自适应控制与模糊控制是控制理论中的两种重要方法,它们都具有适应性和鲁棒性,并且在不同的工程领域中广泛应用。
本文将分别介绍自适应控制和模糊控制的原理和应用,并比较它们的优缺点。
1. 自适应控制自适应控制是一种实时调节控制器参数的方法,以实现对系统模型和动态特性的跟踪和适应。
自适应控制的基本原理是通过不断观察和检测系统的输入和输出,根据误差的大小来调整控制器的参数,从而实现对系统的控制。
自适应控制的核心是自适应算法,常用的自适应算法有最小均方(LMS)算法、普罗弗洛夫诺夫(P-N)算法等。
通过这些算法,控制系统能够根据实时的输入输出信息,对控制器的参数进行在线调整,从而实现对未知或变化的系统模型的自适应控制。
自适应控制具有以下优点:- 可适应性强:自适应控制能够根据实时的系统输入输出信息调整控制器参数,适应不同的系统模型和工作条件。
- 鲁棒性好:自适应控制对于系统参数的不确定性和变化有很好的鲁棒性,能够有效应对系统参数的变化和干扰。
然而,自适应控制也存在以下缺点:- 算法设计复杂:自适应控制的算法设计和调试较为复杂,通常需要深入了解系统模型和控制理论。
- 需要大量计算资源:自适应控制需要实时处理系统的输入输出信息,并进行参数调整,因此需要较大的计算资源和实时性能。
2. 模糊控制模糊控制是一种基于模糊逻辑的控制方法,它通过建立模糊规则和模糊推理来实现对非精确或模糊信息的处理和控制。
模糊控制的核心是模糊推理机制,通过将输入量和输出量模糊化,使用模糊规则进行推理和控制。
模糊控制的优点包括:- 不需要准确的数学模型:模糊控制可以处理非精确、模糊的输入输出信息,对于某些复杂系统,很难建立准确的数学模型,而模糊控制能够处理这种模糊性。
- 鲁棒性好:模糊控制对于系统参数的变化和干扰有较好的鲁棒性,能够在一定程度上应对不确定性和噪声的干扰。
然而,模糊控制也存在以下缺点:- 规则设计困难:模糊控制的性能很大程度上依赖于设计合理的模糊规则,而模糊规则的设计需要充分的专业知识和经验。
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。
模糊自适应pid算法
模糊自适应pid算法
模糊自适应PID算法是一种利用模糊控制和自适应控制相结合的控制算法。
它通过模糊控制的方法对PID的比例、积分、微分系数进行优化,进而达到更加优良的控制效果。
在模糊自适应PID算法中,首先需要确定模糊控制器的输入变量和输出变量以及模糊规则集。
输入变量一般选取系统的误差和误差变化率,输出变量则为PID 参数的组合系数。
然后,通过随机改变PID参数的值,观察系统的响应,找到控制效果最好的PID参数组合系数,确定初始的PID参数值。
接下来,运用模糊控制的方法对PID参数进行不断优化,根据系统的实时状态调整PID参数,达到控制目标。
模糊自适应PID算法具有以下优点:
1. 可以自适应地调整PID参数,适应不同系统、不同工况的要求;
2. 可以通过模糊规则实现更加精细的控制,提高系统控制精度;
3. 应用范围广泛,可以用于各种不同的控制系统。
总之,模糊自适应PID算法是一种高效、灵活的控制算法,可以提高系统的控制精度和鲁棒性,因此受到广泛的应用。
智能家居中的自适应控制算法
智能家居中的自适应控制算法随着人工智能技术的不断发展,智能家居也越来越普及。
它不仅能够提高家居的舒适性和便捷性,还能够降低能源和资源的消耗,为人们带来更加可持续的生活方式。
智能家居中的一个关键技术就是自适应控制算法。
自适应控制算法是指能够根据控制对象和环境的变化来自我调整的控制算法。
在智能家居中,自适应控制算法可以根据家庭成员的需求和行为习惯来自动调整家居设备的工作模式和能耗,使家居更加智能、节能和环保。
智能家居中常用的自适应控制算法有以下几种:一、模糊控制算法模糊控制算法是利用模糊逻辑原理对复杂系统进行自适应控制的一种方法。
它可以将人类的认知方式(如模糊思维)转换为数学逻辑,实现对系统的自适应控制。
在智能家居中,模糊控制算法可以根据家庭成员的需求和环境变化来自动调整房间温度、空调风速等参数,提高家居的舒适性和节能性。
二、神经网络控制算法神经网络控制算法是利用人工神经网络模拟人脑神经元进行自适应控制的一种方法。
它可以根据输入信号来自动调整神经网络的权值和阈值,实现对系统的自适应控制。
在智能家居中,神经网络控制算法可以根据家庭成员的行为习惯和生理特征来自动调整照明、音响和净化器等设备的工作模式和能耗,提高家庭的智能化程度和节能效率。
三、遗传算法控制算法遗传算法控制算法是通过模拟遗传、变异和选择等自然遗传过程来进行自适应控制的一种方法。
它可以通过对不同控制策略的交叉和变异,让系统在不断优化中实现更好的控制效果。
在智能家居中,遗传算法控制算法可以根据家庭成员的需求和环境变化来调整家居设备的能耗和工作模式,提高家庭的舒适性和节能效率。
总结智能家居中的自适应控制算法可以根据家庭成员的需求和环境变化来自动调整家居设备的工作模式和能耗,提高家居的智能化、节能性和环保性。
当前,随着人工智能技术的不断发展,自适应控制算法将在智能家居领域发挥越来越重要的作用,为人们带来更加智能、舒适、便捷和环保的生活方式。
模糊控制系统的优化与改进技巧研究
模糊控制系统的优化与改进技巧研究摘要:模糊控制系统是一种基于模糊逻辑原理的控制方法,在实际应用中具有较好的鲁棒性和适应性。
然而,传统的模糊控制系统仍存在一些问题,如模糊规则的设计困难、模糊性能的低下等。
本文通过研究和总结,探讨了模糊控制系统的优化与改进技巧,包括模糊规则的优化、模糊集的改进、自适应模糊控制算法等,并通过实例验证了这些技巧的有效性。
1. 引言模糊控制系统是基于人类经验和直观的控制方法,其核心是建立一系列模糊规则,用以描述系统输入与输出之间的关系。
然而,在实际应用中,模糊控制系统存在一些问题,如模糊规则的设计困难、模糊集的选择和优化等。
因此,对模糊控制系统进行优化与改进具有重要意义。
2. 模糊规则的优化模糊规则是模糊控制系统的核心,它直接影响系统的控制性能。
传统的模糊规则设计常常基于经验和试错的方法,效率较低。
为了提高模糊规则的设计效率,可以采用基于模型的优化方法,通过建立模型来确定最优模糊规则的组合。
此外,结合机器学习算法,如遗传算法、神经网络等,可以进一步优化模糊规则的设计。
3. 模糊集的改进模糊集是模糊控制系统的基础,其选择和优化对系统的性能起着至关重要的作用。
传统的模糊集选择方法主要基于经验和直觉,存在一定的主观性和局限性。
因此,可以考虑采用自适应模糊集技术,通过使用聚类算法或进化算法来自动学习和优化模糊集的参数,从而提高系统的控制性能。
4. 自适应模糊控制算法自适应模糊控制算法是一种将模糊控制和自适应控制相结合的方法,通过在线学习和调整模糊规则的参数,逐步改进系统的控制性能。
自适应模糊控制算法可以根据系统的动态特性自动调整模糊规则,提高系统的适应性和鲁棒性。
常见的自适应模糊控制算法有基于模型的自适应模糊控制算法、基于经验的自适应模糊控制算法等。
5. 实例验证本文通过一个模拟控制系统实例,验证了模糊控制系统优化与改进技巧的有效性。
首先,采用基于模型的优化方法,确定最优的模糊规则组合,得到初始的控制模型。
一种单入口匝道自适应模糊控制算法研究
d t i As l s mel t t n f t e l td ag r h s ea s x o n e . h s l o e p r- n t n a d e l l o mi i so h r e ae l o t m lo e p u d d T er u t f m x e i a . we , i a o o r i r a e sr me t i n a o smu ai n s o d t a i c n o lo t a e f c f c e wa . i l t h we t h s o t l g r h h sap re t e t nf e y o h t r a im e i r
【 关键词】 入口匝道控制 神经网络 自适应 模糊控制
Ab t a t T efe wa n r mp c n r l y t m s o l e r t a ib es se . s d o e r l ewo k a d sr c : h r e y o -a o to se i n n i a, i v ra l y tm Ba e n BPn u a t r n s a n me n s l a a tt nf z y c n o , o i e A AB smu a in t o , h a e s ac e efa a t t n f z y c n o ef d p a i z o t l c mb n dM TL - o u r i lt l t ep p r e e r h s s l d p i z o t l o o r a - a o u r
效果。
统视为服从某种确定或随机规律的非线性大系统 , 并利 用 自动控制 、计算机和通信理论与技术将其转化成可 控的优化运行 系统 , 才能最大限度地提高系统的性能 。 我国 由于受交通量 、经济水平和控制水平等多方面条
- 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)。
制 。首先求得 模糊量 “对于 2 n等分 区间[1n ,所 一 】 1
对 应 的某 一小 区间 的下 界 ,设模 糊量 U n ()对应 的
模 糊“ 词汇 ” Ii 其 中 Ki∈ { 1 . 为 , K . ,n+1 1 ,…, 1 一, 1 ,…, . , } 1 1n ,则对应 的小区 间的下 界 K i 由下 可
制。
采用原先 的控 制规 则,使得控 制器不 能取得 良好的 控制效 果。 比如说温度 控制 , 由于夏季 与冬季 的环 境温度相 差较大 ,要 使被控对 象加热 到某一温 度或
者冷却 到某 一温度所 需 的时间是不一样 的 ,因此我 们应 当对控 制规 则进 行适 当的调整 以消除环境 变化
制在机械 加工过程控制 中已得 到广泛 的应用 。
模糊控 制器 中模 糊规则 是其核心部 分 ,模 糊控 制规则 的优 劣直接 影响模糊控 制器性 能 。然而 一般 的模糊控制 规则是 由与其相 关的专家给 出,这 种控
制规则 一经确定便 不能更 改。但是 ,这 种方法 在被 控对象所 处的如环境 等各 因素发生变化 后 ,因其仍
K :
ln
二) 若K N i =
i! 二
n
传统 的控制 方法 , ̄ PD控 制 ,很难 收到 良好 的效 1I
果 。而模糊控 制 的最 大特 点就是不需要 对所要 控制
的过程 ( 系统 )进 行数 学描 述, 而 是直接 根据 过 或 程的输入 条件——测 量值 与设定值 的偏 差及其 偏差
变化率,便 能得到最优 的控制 输 出值 ,因此模 糊控
《 密制 造 与 自动化 》 精
一
种自适应模糊控制算法
李志强 李郝林 包园园
上海理工 大学 机械 工程 学院 (003 2 09)
摘
要
提出了一种新的模糊控制算法 ,具有通过 自学习生成模糊控制规则,且能够在生成规则库之后对控制规
则 进行 自调 整 。并 通 过 仿真 表 明此 算法 具 有 一 定 的可 行 性 。 关 键词 模 糊 控制 模 糊规 则 自学 习
2
一
般情 况下 ,设精确量 的变化 范围为 b , ]
要将其转 换为[ , 区间的离散 量 Y即模糊量 ,可 以 一 2 肘]
通 过 以下公式获 得:
a+b
:
b—a
( ) 1
20 0 8年 第 4期
( 第 16期 ) 总 7
从 有 l பைடு நூலகம் 而 : 一
b—a
量 “规范 化到f 】将 区间【 】 - l。 l . l分割 为一定数量 的 1 模糊子集 ,如 图 2所 示 。模糊 区 间的分 割可 以是非 等间距 的,也可 以是等间距 的。 当区间分割是等 间 距 的 ,则 每个模糊 子集 将构成 等腰三角 形 。按照 这 样 的模糊分割 可 以保证 对于任 意一个输 入 ,至 少 存在一个模糊 集合 Ai 使得 Ai ) .。这称为 05 ≥05 .
问题 。
2 模糊 控制器 设计
21 模糊化方法 . 模 糊控制器 的输入 是与工程 中各种 实际情 况真
值变量 相联系 的,因此 需要通过模 糊化 的过程 ,将
这些代表 各种信 号的真值 变量 映射 为模糊集 合 中的
模糊量 ,从而 实现 基于模 糊规则集 合的推理 过程 。 1 模 糊控制 基本原理 模 糊控制 的基本原 理 由图 1 表示 ,它的核心 部 分为模 糊控制 器 ,如 图中虚线框 图 中部 分所示 ,模 糊 控制器 的控 制规律 由计算机 的程序实 现 。一 步模 糊控制算法 的过程描述 如下 :微机经 中断采样 获取 被控制量 的精 确值 ,然 后将此 量与给定 值 比较 得到
式求 得 : 厂一N K 若 Ki 1 ≤
具体来 说 ,设模 糊控制器 的输入量 为误差 e和
误差 变化率 e ,其对应 的模糊量 为 E和 E c C,误 差
和 误差变化 的量化 因子分别 为 K e和 Ke 。 c
22 模糊控制规则的生成 . 模糊控 制隶属 函数采用三 角形隶属 函数 ,通 过 模 糊化方法 ,分别将误 差 e ,误 差变化率 e ,输 出 c
在机械 生产过程 中 ,常 常需要 以某 些恒 定的物
误差信 号 ,作 为模糊控制 器 的一个 输入量 。把误差 信号 的精 确量进 行模糊化 转换成模糊 量 。再 由误差 信号和模 糊控制 规则根据推 理 的合 成规则进行 模糊
决策 ,得到模糊 控制量 。
理量 ,如温度 、液位 、压力等 为其工作 条件 。然而 这些工作 系统往往无 法获得准 确 的数学 模型 ,采用
母 一
所 带来 的影 响,使得控 制器具 有稳定 的动态性 能及 静态 性能 。本文设计 一种模糊控 制算法 ,此算 法不 仅 可 以根据在 线控制得 到 的输 入输 出量 , 自学 习生 成控 制规 则,而且可 以在经过 一段时 间后对模 糊规
则进 行 自调 整,重新 学习获得 控制规则 未解决 上述
2
1
将模糊 量转换 成精确 的数字量 , 最后经数/ 转换变 模
成模 拟量 ,并传送给执 行机构 ,对被控对 象进行控
通常 为了设计方便 ,将输 入精确量 的变化 区间 定义为 以 0为中心 的对 称 区间,即 a . ,这样 ,就 =b
可 以化简 为 y K - _ X。式 中 K称为量 化 因子 。
~ 一蒜 骨
~ 一 日
.
图 1 模 糊 控制 原理 图
为 了对被控 对象施 加精确 的控 制 ,还 需要将模
糊量转 换为精确量 ,这一 步骤在 图 1中为非模 糊化 处理( 称清 晰化1 亦 。将 得到 精确 的数字控 制量 ,经 过数模 转换变成 模拟量送 给执行机 构 ,对被控 对象 进行控 制 。然 后, 中断等 待第 二次采样 ,进 行第二 步控制 ……这样 循环下 去实现 了被 控对象 的模糊控