模糊控制综述
模糊控制理论综述
科技信怠职教与成教加工圆锥面两和方法昀研穷健雄职业技术学院李昌选【擅要】圃锥面在机械上的应用非常之多，对应用宏程序壕程与工件坐标系旋转加调用子程序编程加工圆锥面有两种方法。
本文较系统地讲述了目锥面两种加工方法的应用及其不同点。
【关键词】加工中心宏程序子程序不同点圆锥面在机械上的应用非常普遍。
在数控铣削（加工中心）加工中，用一般的编程方法编写很难编的出来，甚至无法编出程序。
而应用宏程序编程可以很好地解决这一问题，也可以通过工件坐标系旋转与调用子程序相结合编程来解决这一问题。
本文以两种不同的编程方法和不同的走刀路径来讲述圆锥面的加工。
如下图所示；假设工件中心既为Ｃ，５４原点。
顶面为ｚｏ。
中间已经预先加工了一个圆孔（大ｄ，ｌｌｐ为锥孔小端直径），第一种方法用宏程序编写以等高方式自下而上逐层爬升加工，每层均在＋ｘ处采用ｌ／４圆弧切入进刀和１／４圆弧切出退刀，以顺铣方式（逆时针方向）单向走整圆。
第二种方法用工件坐标系旋转与调用子程序相结合的编程方法以在＋ｘ处以一条母线为基准线旋转一周的加工方法。
但注意无论用哪种方法都需特别注意刀具与工件的干涉，除了确认刀具直径必须小于锥孔底部小端外。
还应特别注意刀具伸出的长度必须大于要加工锥孔的深度。
一、应用宏程序来编写Ｉ等高加工Ｊ０∞０Ｉ＃１＝２５．（小端半径）＃２＝１５．（圆锥高度）＃３＝１８０４３’（内圆锥面与垂直面夹角）＃４＝ｏ（设为自变量．赋初始值为零）朽＝６．（平底立铣刀刀具半径）＃１７＝０．１（等高每次递增量）Ｍ０３式姗Ｄ０Ｇ５４Ｇ９０Ｇ∞ｘｏＹｏＺ３０ＬＮ１０＃６－－＃４懈Ｎ［＃３１舸＝群ｌ—１５ＣＯＯ）泖灯树蝴１Ｙ４５ＧＯｌｚ『－＃２＋襻４１Ｆ６００Ｇ０３Ⅺ＃７＋＃６１ＹＯＲ髓Ｉ—ｆ灯“惦１Ｆ１０００Ｘｆ灯卅临－＃５１Ｙ朽Ｒ筋＃４＝稃４＋＃１７ＩＦｆ＃４ＬＥ舵１Ｇ明吣ｌＯＧ００２５０．Ｍ０５Ｍ３０注意：如果特殊情况下要逆铣，只需把程序中的Ｇ０３改为Ｇ０２，其余需要修改的部分主要集中在圆弧进刀，退刀动作。
模糊控制综述
模糊控制理论模糊控制有两种不同的含义。
狭义上，模糊控制系统是延时的多值控制系统。
然而，在广义上，模糊控制大体上与模糊装置的原理是一样的，是一种涉及对象范围的模糊边界，这样所有的对象都只是大概的范围。
从这个角度看，模糊控制狭义上只是FL的一个分支。
即使在大多数侠义的定义中，模糊控制在概念和本质上区别于传统的多值控制系统。
在FL中最基本的概念就是语言变量，也就是说变化的是语言而不是数字。
实际上，许多FL被视为一种计算方法，对文字而不是数字。
虽然语言没有数字精确，但是他们的作用跟人类的直觉更接近。
此外，用语言计算提高了对不精确的包容度，因此降低了解决问题的成本。
在FL中另外的一个基本因素是假定的规则或者说简单的模糊规则，它在大多数应用中成为了最重要的因素。
虽然在基于规则的系统在人工智能中应用有很长历史，但是在这样的系统中缺少一种机制去处理模糊前因和结果。
在模糊控制中，这种机制被模糊规则的微积分证明。
这种规则的微积分被当作模糊依赖度和命令语言的基础。
即使命令语言没有被明确的用在工具箱中，但是他是最有效的原则之一。
在多数模糊控制的应用中，模糊控制的解决方案就是在实际中将人类语言翻译成命令语言。
将模糊控制应用于结合神经计算科学和基因分析科学的趋势越来越明显。
更普遍的是，模糊控制，神经计算科学和基因分析科学有可能作为所谓的软计算的主要成分。
跟传统的不一样，硬计算，软计算提供了现实世界的不精确。
软计算的指导原则是：利用对不精确，不确定和部分真实的容忍实现鲁棒控制和解决方案的低成本。
在将来，软计算将会在概念和智能机器系统的设计扮演一个越来越重要的角色。
这种智能机器系统比按传统方式设计的系统更智能。
在软计算的各种各样的组合方法中，最高知名度的是模糊控制和神经计算，以及神经模糊系统。
在模糊控制中，这样的系统在观察结果的导入中扮演了特别重要的角色。
罗杰·蒋博士为此发明了一种方法，称为ANFIS（适应神经模糊推理系统）。
PID模糊控制器发展现状综述
模糊PID控制器的发展现状综述1模糊PID控制器研究背景1.1PID控制器传统的PID控制器虽然以其结构简单、工作稳定、适应性好、精度高等优点成为过程控制中应用最广泛最基本的一种控制器。
PID调节规律一般都能得到比较令人满意的控制效果，尤其是对于线性定常系统的控制是非常有效的，但是它的调节品质取决于PID控制器各个参数的确定。
随着工业生产过程的日趋复杂化，系统不可避免地存在非线性、滞后和时变现象，其中有的参数未知或缓慢变化，有的带有延时和随机干扰，有的无法获得较精确的数学模型或模型非常粗糙，如果使用常规的PID控制器，PID参数的整定变得十分困难甚至无法整定，因此并不能得到理想的控制效果。
为此，近年来各种改进的PID控制器如自校正、自适应PID[1][2][3]及智能控制器[4]迅速发展起来，但仍存在一定的局限性。
1.2模糊控制器随着技术的发展，模糊控制理论和模糊技术成为最广泛最有前景的应用分支之一。
模糊控制器是一种专家控制系统，它的优点是不需要知道被控对象的数学模型而能够利用专家已有的经验对系统进行建模。
与传统的PID控制方式相比，它适合解决一些难以建立精确数学模型、非线性、大滞后和时变的复杂过程的问题，因此得到了很好的发展，尤其是在工业控制、电力系统等领域中解决了许多实际性的问题，引起了越来越多的工程技术人员的兴趣。
但是经过深入研究，会发现基本模糊控制存在着其控制品质粗糙和精度低等弊病。
而且用的最多的二维输入的模糊控制器是PI或PD型控制器，会出现过渡过程品质不好或不能消除稳态误差的问题。
因此，在许多情况下，将模糊控制和PID控制两者结合起来，扬长避短，既具有模糊控制灵活、适应性强、快速性好的优点，又具有PID控制精度高的特点。
把规则的条件、操作用模糊集表示，并把这些模糊控制规则及有关信息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，自动实现对PID参数的最佳整定，实现模糊PID控制。
模糊控制理论及其应用综述汇编
滨江学院学年论文题目模糊控制理论及应用综述院系____滨江自控系___专业_____自动化______学生姓名_____卢林华______学号20102336022指导教师_____林屹________职称_____讲师________二Ｏ一三年十二月十日模糊控制理论及应用综述卢林华 20102336022南京信息工程大学滨江学院自动控制系，南京 210044摘要：模糊控制近来不论在理论上还是技术上都有了长足的进步，成为自动控制领域一个非常活跃而又硕果累累的分支。
论文学习掌握了模糊控制理论的基本内容、模糊控制器的结构、工作原理等.论文学习掌握了模糊逻辑工具箱的基本组成和基本使用方法。
论文总结归纳了模糊控制技术的优点.同时论文对模糊控制的应用进行了总结、归纳,并举例进行了相应的介绍. 关键词:模糊控制理论；模糊控制器；模糊逻辑工具箱；模糊控制的应用1 绪论1.1模糊控制理论的产生自20世纪60年代以来，现代控制理论已经在工业生产过程和军事科学以及航空航天等许多方面取得了成功的应用。
但他们都有一个基本的要求,这个基本要求就是他们需要建立被控对象的精确数学模型。
随着科学技术的迅猛发展，各个领域对自动控制系统控制精度、响应速度、系统稳定性与适应能力的要求越来越高,所研究的系统也日益复杂多变。
然而由于一系列原因，诸如被控对象或过长的非线性、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、各种不确定性以及现场测量手段不完善等，难以建立被控对象的精确模型。
对于那些难以建立数学模型的复杂被控对象，采用传统的控制方法效果并不好。
而看起来似乎不确切的模糊手段往往可以达到精确地目的。
操作人员是通过不断地学习、积累操作经验来实现对被控对象进行控制的，这些经验包括对被控对象特征的了解、在各种情况下相应的控制策略以及性能指标判据。
这些信息通常是以自然语言的形式表达的，其特点是定性的描述，所以具有模糊性。
由于这种特性使得人们无法用现有的定量控制理论对这些信息进行处理，于是需探索出新的理论与方法[1]。
模糊控制2500字
模糊控制2500字一、模糊控制简介模糊控制（Fuzzy Control）是一种基于模糊数学理论的控制方法，在复杂系统控制中应用广泛。
传统的控制方法基于准确的数学模型，对系统有严格的要求，而实际控制过程中，系统的动态特性常常难以精确建模。
模糊控制通过模糊化输入输出变量，使用模糊规则来描述人类的控制经验，并通过模糊推理来实现控制目标，从而克服了传统控制方法对系统模型的要求。
二、模糊控制的基本原理模糊控制系统由输入、模糊化、模糊规则库、模糊推理、去模糊化和输出等部分组成。
输入是实际系统的状态量或变量，经过模糊化处理，转化为模糊变量。
模糊化是将输入量通过隶属函数转化为隶属度，表示其属于不同模糊集的程度。
模糊规则库是由专家经验提供的规则集合，其形式为“如果...那么...”。
模糊推理是根据输入的模糊变量和模糊规则，通过模糊逻辑运算得到模糊输出。
去模糊化是将模糊输出转化为实际控制变量，通常采用去隶属化、非线性映射和合成明确规则等方法。
最后，输出是实际控制器对系统施加的控制量。
三、模糊控制的特点1. 鲁棒性高：模糊控制对系统参数变化、外界干扰和测量噪声具有一定的鲁棒性，能够适应各种环境变化。
2. 推理能力强：模糊控制使用基于人类经验的模糊规则库进行推理，能够处理非线性、多变量、不确定的控制问题。
3. 操作简单：模糊控制主要通过数学模型中的模糊集、隶属度函数和模糊规则等概念进行描述，易于理解和实现。
4. 适应性强：模糊控制可以根据实际控制结果反馈信息，自动调整模糊规则和参数，实现自适应控制。
四、模糊控制器的设计方法模糊控制器的设计方法主要分为模糊控制器的结构设计和参数设计两个方面。
1. 结构设计：模糊控制器的结构设计包括选择输入输出变量、构建模糊规则库和确定模糊推理机制。
根据控制系统的特点和需求，选择合适的输入输出变量，并通过专家经验或试验数据构建模糊规则库。
模糊推理机制可以选择模糊关系矩阵、模糊神经网络或模糊Petri网等方法。
模糊控制概述
模糊控制概述
1、内含
传统的自动控制控制器的综合设计都要建立在被控对象准确的数学模型(即传递函数模型或状态空间模型)的基础上，但是在实际中，很多系统的影响因素很多，油气混合过程、缸内燃烧过程等，很难找出精确的数学模型。
这种情况下，模糊控制的诞生就显得意义重大。
因为模糊控制不用建立数学模型不需要预先知道过程精确的数学模型。
所谓模糊控制，就是对难以用已有规律描述的复杂系统，采用自然语言（如大、中、小）加以叙述，借助定性的、不精确的及模糊的条件语句来表达，它是一种基于语言的一种智能控制。
2、基本原理
把由各种传感器测出的精确量转换成为适于模糊运算的模糊量,然后将这些量在模糊控制器中加以运算, 最后再将运算结果中的模糊量转换为精确量, 以便对各执行器进行具体的操作控制。
在模糊控制中, 存在着一个模糊量和精确量之间相互转化的问题。
模糊控制过程一般分为4个基本步骤，即输入量模糊化，建立模糊规则，进行模糊推理和输出量反模糊，其原理如下图所示，
模糊控制原理图
3、基本特点
①适用于不易获得精确数学模型的被控对象；
②是一种语言变量控制器；
③从属于智能控制的范畴，尤其适于非线性、时变、滞后系统的控制；
④抗干扰能力强，响应速度快，并对系统参数的变化有较强的鲁棒性。
模糊控制理论综述
模糊控制理论综述摘要：介绍模糊控制理论的概念、结构、历史发展、应用特点和发展概况，着重阐述模糊控制的设计，分析设计中的关键模糊控制器。
事实上，单纯的模糊控制往往达不到理想的结果，实际运用中需要将模糊控制和其他成熟的控制理论相结合，以达到最优控制的目的。
因此，各种控制系统与模糊控制的结合，分别有神经网络模糊控制、基于遗传算法的模糊控制、专家模糊控制以及混沌模糊控制等，并指出了模糊控制理论中需要解决的问题，展望了模糊控制的发展方向。
关键词：模糊控制;遗传算法;模糊控制器Keywords：fuzzycontrol;geneticalgorithm;fuzzycontroller传统控制的主要特征是基于模型的控制。
但是，随着社会的发展和科技的进步，被控对象变得越来越复杂，设计的因素越来越多，这些复杂性都难以用精确的数学模型来描述。
除了复杂性之外，往往还存在着某些不确定性，不确定性也难以用精确数学方法加以描述。
而模糊控制则能很好地处理这方面的问题。
控制论的创始人维纳提出，人之所以能胜过机器主要是因为人具有运用模糊概念的能力。
人脑的特点之一就是，能够基于过去的经验对模糊的事物进行识别和判断。
自从Zadeh教授创立模糊集合论[1]以来，模糊数学以及模糊控制的发展日新月异，能解决很多复杂和具有不确定性属性的系统控制[2]问题。
1模糊控制簡介模糊控制是以模糊数学为基础，由模糊集合论、模糊语言以及模糊逻辑[3]组成的计算机控制技术。
它属于一种非线性的智能控制，能够转化人的思维和模糊化[4]语言，实现对无法建立精确模型的被控对象的有效控制。
1.1模糊控制的基本结构如图1所示，模糊控制系统一般分为4部分。
第1部分，输入/输出接口装置，即将得到的信号进行数模变换，转变为计算机能够识别的模拟信号。
第2部分，模糊控制系统的核心模糊控制器。
模糊控制器通过给定信号将信号通过处理模糊集合、模糊规则进行清晰化处理，最后得出应有的结论。
模糊控制技术及发展综述
2013--2014学年第 二 学期 物电 学院期末考试卷 《计算机控制技术 》 （课程论文等试卷样式）学号: 201172020124 姓名: 沈玉珠 班级: 11级电1班成绩：评语：（考试题目及要求）模糊控制技术及发展综述 模糊控制综合了专家的操作经验，具有不依赖被控对象的精确数学模型、设计简单、便于应用、抗干扰能力强、响应速度快、易于控制和掌握、对系统参数的变化有较强的鲁棒性等特点，在经典控制理论和现代控制理论难以应用的场合发挥了很大的作用。
近年来，模糊集理论及应用研究不断深入，取得了一系列成功的应用和理论成果，在自动控制、信号处理、模式识别、通信等领域得到了广泛的应用。
目前，模糊控制已成为智能控制的一个主要分支。
为了更深入地开展模糊控制技术的研究和应用，本文对模糊控制近期研究的一些热点问题进行简要的归纳介绍。
装订线摘要模糊控制理论是以模糊数学为基础,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。
模糊控制作为以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制，它已成为目前实现智能控制的一种重要而又有效的形式尤其是模糊控制和神经网络、遗传算法及混沌理论等新学科的融合，正在显示出其巨大的应用潜力。
实质上模糊控制是一种非线性控制，从属于智能控制的范畴。
模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。
本文简单介绍了模糊控制的概念，模糊控制系统的组成，模糊控制的算法，其中包含模糊控制系统的原理、模糊控制器的分类及其设计元素。
关键词：模糊控制计算机技术计算机数字控制AbstractFuzzy control theory is based on fuzzy mathematics, with the language rule representation method and advanced computer technology, by the fuzzy reasoning to make decisions of an advanced control strategy. Fuzzy control as fuzzy set theory, fuzzy language variable and fuzzy logic reasoning on the basis of a computer numerical control, it has become the realization of intelligent control is an important and effective especially in the form of fuzzy control and neural network, genetic algorithm and the fusion of new disciplines such as chaos theory, is showing its great potential applications. In essence is a kind of nonlinear control, fuzzy control from belongs to the category of intelligent control. Fuzzy control is one of the biggest characteristic is both a systematic theory, and with a large number of practical application background.This paper simply introduces the concept of fuzzy control, fuzzy control system composed of the fuzzy control algorithm, including the principle of fuzzy control system, the classification of fuzzy controller and the design elements.Key words:Fuzzy control Computer technology Computer numerical control目录0 引言 (1)1 模糊控制系统简介 (1)1.1模糊控制介绍 (1)1.2 模糊控制特点 (2)1.3 模糊控制优点 (2)2 模糊控制原理 (2)3 模糊控制器的设计步骤 (3)3.1 确定量的模糊化 (4)3.1.1 模糊化步骤 (4)3.1.2 模糊控制知识库的生成 (4)3.1.3 模糊控制算法 (4)3.1.4 模糊量的清晰化 (5)4模糊逻辑系统的研究 (5)4.1 非模糊化方法 (5)4.2 常见模糊逻辑系统 (6)4.2.1 基本模糊系统 (6)4.2.2 基于TS模型的模糊系统。
- 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)。
模糊控制综述目录1. 引言 (1)2. 模糊控制概况 (1)2.1模糊控制理论 (1)2.2模糊控制系统的稳定性 (2)2.3模糊推理方法 (3)3. 模糊控制现状 (4)3.1常规模糊控制 (4)3.2高性能模糊控制 (4)3.3复合模糊控制 (4)4. 模糊控制研究方向 (5)4.1模糊控制与神经网络结合 (5)4.2模糊控制、神经网络与遗传算法(GA) 的结合 (6)4.3模糊控制、神经网络与控制方法的结合 (6)4.4模糊控制研究的其他方面 (6)5. 工程应用 (7)6. 展望 (8)参考文献 (8)模糊控制综述摘要：简要介绍了模糊控制的概念和特点, 详细介绍了模糊控制相关原理, 较详细的介绍了模糊控制的现状, 包括模糊PID 控制、自适应模糊控制、神经模糊控、遗传算法优化的模糊控制、专家模糊控制等,最后对模糊控制的发展作了展望。
关键词：模糊控制模糊控制稳定性神经网络控制专家控制1.引言模糊控制建立在模糊集理论的基础上。
1965年，美国加州大学的Lotfi.A.Zadeh博士为了处理人的思维中普遍存在的模糊性，提出了模糊集合理论。
该理论以模糊集合、语言变量和模糊逻辑为基础，用比较简单的数学形式直接将人的判断、思维过程表现出来，从而逐渐得到了广泛的应用，应用领域包括图像识别、自动机理论、语言研究、控制论以及信号处理等方面。
在自动控制领域，以模糊集理论为基础发展起来的模糊控制将人的控制经验及推理过程纳入自动控制提供了一条捷径[1]。
模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种系统推理方法，因而能够解决许多复杂而无法建立精确的数学模型系统的控制问题，是处理推理系统和控制系统中不精确和不确定性的一种有效方法。
从广义上讲，模糊控制问题是基于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制，它是模糊数学同控制理论相结合的产物，同时也构成了智能控制的重要组成部分。
模糊控制的突出特点在于：(1)控制系统的设计不要求知道被控对象的精确数学模型，只需提供现场操作人员的经验知识及操作数据；(2)控制系统的鲁棒性强，适应于解决常规控制难以解决的非线性、时变及之后系统；(3)以语言变量代替常规的数学变量，易于构造专家的“知识”；(4)控制推理采用“不精确推理(approximate reasoning)”，推理过程模仿人的思维过程，由于介入了人类的经验，因而能够处理复杂甚至“病态”系统[2]。
2.模糊控制概况模糊控制系统的实现，有许多需要研究解决的问题，如模糊控制的基础理论、模糊控制系统的稳定性、模糊推理方法等，本文将综述模糊控制实现过程中的有关问题。
2.1模糊控制理论模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。
语言变量的概念是模糊控制的基础。
在模糊控制中，模糊控制器的作用在于通过电子计算机，根据精确量转化而来的模糊输入信息，按照语言控制规则进行模糊推理，给出模糊输出判决，将其转化为精确量，对被控对象进行控制作用。
基于模糊控制系统包括模糊处理、模糊推理和非模糊化控制三个环节。
模糊化处理就是把输入变量映射到一个合适的响应论域的量程，这样，精确的输入数据就会变成合适的语言值或模糊集合的标识符。
一般的模糊控制器采用误差及其变化作为输入语言变量。
设误差的基本论域为[-e,e],误差所取得基本论域为{-n,-n+1,…0,…,n-1,n}，其中e表征误差大小的精确量，n是在0~e范围内连续变化的误差离散化后分成的档数，一般取6或7。
然后通过量化因子进行论域变化，量化因子k 定义为ke=n/e。
同样可以对误差变化率进行模糊化。
由于量化因子的有限选择，难以保证被控过程都处于最佳控制状态，往往会降低模糊控制系统的鲁棒性。
因此对于大纯滞后系统，可采用由数组量化因子实现的变量化因子，或采用不同状态下对量化因子进行自调整办法。
模糊推理一般采用if A then B形式的条件语句来描述，调整和校准模糊规则是模糊控制中的关键问题，景年来取得重大进展。
Takagi 和Sugeno 通过使用最小二乘法近似作出了最初的贡献。
非模糊化是模糊系统的重要环节, 是将模糊推理中产生的模糊量转化为精确量。
常见的非模糊化方法主要有最大隶属度值法、面积平均法、重心法和最大隶属度平均值法。
这些方法在不同程度上有着一定的局限性,Filev 和Yager 提出了一种基本非模糊化分布函数法BADD,对重心法中的加权因子进行了修正。
随后又提出了半线性非模糊化方法SLIDE,改进半线性非模糊化方法MSLIDE ,但效果不很理想。
根据模糊化方法、模糊推理和非模糊化方法的不同选取,常见的模糊系统还有基于函数FBF 的模糊系统和SAM模糊系统。
模糊基函数是Wang首先提出的,采用重心平均非模糊化机制、乘积推理规则级单值模糊化机制,采用Gaussian型隶属度函数。
Zeng 基于梯形隶属度函数提出了另一种函数FBF模糊系统。
SAM模糊系统即标准加型模糊系统是Kosko 在1993 年提出的,从映射的角度研究模糊系统,提出椭圆体映射关系,应用范围更加广泛[3]。
2.2模糊控制系统的稳定性稳定性是非线性模糊控制系统的重要指标之一, 因为只有对模糊控制系统建立有效的稳定性标准, 才能从理论角度设计基于模型的模糊控制器, 才能建立合理的具有优良性能指标的模糊控制规则。
然而, 鉴于模糊控制系统结构的复杂性, 控制环境的不确定性及对系统功能结构和动态行为描述的特殊方式, 其稳定性分析方法也远非传统的基于精确数学模型的稳定性分析方法那样简单和成熟, 模糊控制系统的稳定性分析的困难在于：(1)模糊逻辑本身难于表达传统意义下的稳定性；(2)非线性系统的分析和设计要远比线性系统复杂得多；(3)现时还没有建立一套完整的模糊控制理论, 模糊控制所具有的巨大潜力还远远没有发挥出来。
Gupta 最早研究了模糊控制系统的稳定性和能控性问题 , 给出了稳定性指标。
现时多是讨论在李亚普诺夫意义下的稳定性, 因而控制系统的稳定性分析至少需要模糊模型, 著名的T2S 模型, 不仅开创了模糊模型辨识的一整套方法, 同时也为模糊控制系统的稳定性分析提供了模型基础。
基于语言模糊模型的稳定性测试有许多种方法, 这其中, 文[4]给出了一种有效的稳定性判定方法。
该方法采用模糊块图进行系统设计和稳定分析, 导出了基于李亚普诺夫直接方法保证模糊系统稳定的充分条件, 即: 对于规则集中所有的规则, 若其李亚普诺夫方程存在一个公共的矩阵解, 则系统是稳定的。
模糊块连接增加了模糊关系数量, 该文未能给出寻找李亚普诺夫函数的系统的方法, 需要相当大的计算量, 有些稳定的系统可能被确定为不稳定。
同样基于模糊模型和李亚普诺夫意义下的稳定性的充分条件, 文[5]给出了连续系统在稳定条件下能够消除稳态误差的FUZZY-PID 控制器设计的系统方案。
Tanaka 随后又将模糊系统稳定分析向前推进一步。
文[6]讨论了李亚普诺夫意义下的模糊系统的鲁棒稳定问题, 将设计问题分为两类: 非鲁棒控制器设计和鲁棒控制器设计, 即考虑系统不确定性时为鲁棒稳定, 不考虑系统不确定性时为非鲁棒稳定。
文中将Tanaka和Sugeno给出的稳定性判定条件发展为四类条件: 非鲁棒条件、弱非鲁棒条件、鲁棒条件和弱鲁棒条件。
鲁棒稳定分析的重要意义在于它解决了模糊系统在受到不确定性影响情况下的稳定性问题，文中给出了用于卡车制动轨迹控制的稳定的模糊控制器设计。
Won Chul Kim 基于T2S模型分析了语言模糊状态空间模型在李亚普诺夫意义下的稳定性问题, 结果表明即使一些规则含有不稳定矩阵, 系统模型仍能稳定, 采用基于梯度的方法,可系统地判定模糊控制系统的稳定性。
该方法从一定程度上解决了模糊控制系统稳定性判定的随意性, 使得模糊稳定性判定由定性向定量发展。
文[7,8]为保证模糊控制器的稳定性, 用李亚普诺夫方法设计一个监控控制器, 当系统状态达到限定边界时, 监控控制器迫使状态返回限定边界以内。
与通常的基于李亚普诺夫方法判定系统稳定性不同, 文[9,10]给出了利用模糊关系矩阵分析模糊控制系统稳定性的新方法。
该方法基于被控过程关系矩阵和控制器关系矩阵导出了模糊系统闭环稳定的充分必要条件。
文[11]从能量的观点来考察模糊控制系统的稳定性, 文中提出了模糊逻辑系统能量的量度方法, 在此基础上, 根据能量讨论系统的稳定性。
模糊控制系统的稳定性分析和设计近年来受到人们的重视[12], 然而模糊稳定性判定仍然是当今模糊控制界研究的一个难点,如何更有效地将传统控制系统稳定分析方法运用到模糊系统稳定判别中,稳定判据所依赖的条件、适用范围以及稳定性算法的简化,都是值得进一步研究的问题。
2.3模糊推理方法在模糊控制中, 模糊推理可用来解决使用模糊规则时的冲突问题, 因为给定输入事实后,需要推理方法综合所有模糊控制规则, 以得到相应的结论不同的方法有不同的特性, 产生不同的推理结果。
对于模糊系统发展最有影响的是Zadeh于1973年提出的取大取小复合推理规则。
类似地,Kaufmann于1975年提出了取大乘积复合推理规则。
这2种复合推理规则运算简单, 反映了人的推理思维过程, 与模糊集合的基本运算相容, 所以一直是人们采用的模糊推理方法。
通常, 给定一组模糊规则, 要通过蕴涵用模糊关系统一表达。
对于同一组模糊规则, 不同的蕴涵将得到不同的模糊关系。
用模糊关系表达模糊规则, 将使取大取小推理运算更加公式化、符号化。
1952 Mizamoto和zimmermann 运用取大取小复合推理, 讨论了多种模糊蕴涵的合理性和准确性, 其研究方法是根据 Fukami 提出的一组与人脑推理结果相符的直观标准判断蕴涵是否合理。
直观上理解, 人脑是根据任意输入与每条规则中的前提的匹配程度来综合相应的推理结论。
基于这种常理有些文献讨论了利用不同定义的贴近度来确定某条规则是否启用, 并依匹配程度修改结论的模糊推理方法。
在模糊控制的实际应用中, 模糊规则常用简化形式, 其推理方式同样可以解释为通过匹配程度修改每条规则的结论并综合得到推理结论。
只是这里所修改的结论部分是精确量, 其运算具有线性叠加性, 而取大取小复合推理中所修改的结论是模糊集合, 其取大运算不具有叠加性。
3.模糊控制现状要想模糊控制取得良好控制效果, 关键在于需要有一个完善的控制规则。
模糊规则是人们通过对过程或者对象模糊信息的归纳得到的, 然而由于在复杂的工业过程中, 尤其是对高阶、时变参数、大时滞、非线性和随机干扰严重的复杂控制过程, 人们的认识通常比较贫乏或难以总结完整的经验, 因此, 这就使得单纯的模糊控制在某些情况下很粗糙, 适应不同的运行状态十分困难, 从而影响了控制效果。