查询表式模糊逻辑推理器指导书
查询表式模糊控制器设计实验指导书
一、 实验目的
利用Matlab 软件实现模糊控制系统仿真实验，了解模糊控制的查询表方法的基本原理及实现过程，并找出参数Ke ，Kec ，和Ku 对模糊控制器性能影响的规律。
二、 实验要求
设计一个二维模糊控制器分别控制一一个一阶被控对象1
1
)(11+=s T s G 。
先用
模糊控制器进行控制，然后改变控制对象参数的大小，观察模糊控制的鲁棒性，找出参数Ke ，Kec ，和Ku 对模糊控制器性能影响的规律。
三、 实验内容
查询表法是模糊控制中的最基本的方法，用这种方法实现模糊控制决策过程最终转化为一个根据模糊控制系统的误差和误差变化（模糊量）来查询控制量（模糊量）的方法。
本实验利用了Matlab 仿真模块——直接查询表（Direct look-up table ）模块（在Simulink 下的Functions and Tables 模块下去查找），将模糊控制表中的数据输入给 Direct look-up table ，如图1所示。
设定采样时间（例如选用0.01s ），在仿真中，通过逐步调整误差量化因子Ke ，误差变化的量化因子Kec 以及控制量比例因子Ku 的大小，来提高和改善模糊控制器的性能。
模糊控制器设计步骤：
1、选定误差E 和误差变化EC 作为模糊控制器的输入（二维模糊控制器），控制量U 作为模糊控制器的输出。
E ，EC 和U 的模糊集及其论域定义如下：
EC 和U 的模糊语言变量集均为{NB,NM,NS,ZO,PS,PM,PB } E 的模糊语言变量集为{NB,NM,NS,NO,PO,PS,PM,PB } E 和EC 论域为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6} U 的论域为{-7,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6,7}
确定模糊变量的赋值表：对模糊变量赋值，就是确定论域内元素对模糊语言变量的隶属度。
各个变量的赋值表见《模糊控制、神经控制和智能控制论》一书的283页。
利用计算机根据赋值表进行计算，并采用最大隶属度法的解模糊方法，可以得到模糊控制查询表，如表1所示。
在进行仿真时将上述表格中元素以矩阵形式输入到matlab直接查询表（Direct look-up table）模块中，直接查询表模块参数的修改可以直接在对话框中修改（注意，各行元素之间须以分号隔开），也可以在Simulink/Tools/Look-up table editor 中进行修改。
图1 查询表法的仿真模型
2、建立仿真模型
仿真模型如图1所示。
考虑到输入变量的变化范围,有可能超出表中给定的值,选择了两个饱和环节saturation1和saturation2(在simulink/discontinuities查找这个模块)作为超限的保护。
Rounding function（在simulink/math中查找）是四舍五入环节,将小数转换为整数。
因为direct look-up table中行和列的起始号都是从零开始的，所以输入到direct look-up table中的变量要加一个偏移量＋6。
Scope模块（在simulink/sinks中查找）是示波器，可以直接观察系统的输出曲线，并可以进行存储、打印。
3、设置仿真模型中各个模块的参数。
1）观察模糊控制器的鲁棒性：打开direct look-up table，将表1中的元素以矩
阵形式输入到Table data中，并且设定仿真时间（点击仿真模型窗口上simulation/simulation parameters进行设定）。
然后调节Ke，Kec，和Ku控制参数（对一阶系统参考数据分别是100,1,－1）直到符合要求（如误差小于1％或者超调量小于5％）为止，改变控制对象参数（在Matlab中，对象参数修改很方便，只要双击对象模块，以向量形式给出传递函数形式对象的系数）分别设置一阶对象中的T1分别为1，5，10，仔细观察输出曲线，并将实验结果填写到实验报告的表格中。
2）观察控制参数对模糊控制器性能影响的规律：先设置一阶对象中的T1为2，然后设定仿真时间（点击仿真模型窗口上simulation/simulation parameters进行设定）。
分别调节Ke，Kec，和Ku的参数，观察输出曲线得到三个控制参数对模糊控制器性能影响的规律。
本实验中，一阶对象的变化范围可以选择1～10。
mamdani查表法
Mamdani查表法
Mamdani模糊逻辑系统中使用的查表法（Look-up Table, LUT）是一种实现模糊推理
的有效方法。
在模糊控制和模糊系统设计中，Mamdani模型通常包括模糊化、模糊推
理以及去模糊化三个主要步骤。
1.模糊化：将精确的输入变量通过模糊化 membership 函数转化为模糊集中的隶属度
值。
2.模糊推理：基于预定义的模糊规则集合，进行模糊推理过程。
在Mamdani系统中，
这常常涉及到利用“IF-THEN”形式的模糊规则来生成结论。
例如，“如果温度是冷且湿度是高，则舒适度是不适”。
3.查表法：
o在此阶段，为了简化计算过程并提高处理速度，可以预先根据模糊规则生成一个模糊推理表或查找表（LUT）。
这个表通常包含每一对模糊输入变量所有可能
的组合及其对应的模糊输出变量的结论集。
o每当系统接收到新的输入数据时，可以直接从该表中查找相应的模糊输出结果，而无需实时重新计算所有的模糊逻辑推理过程。
4.去模糊化：得到模糊输出后，通过合适的去模糊化方法（如重心法、最大隶属度法
等）将其转化为清晰的输出值以指导系统的实际操作。
因此，在Mamdani模糊逻辑控制系统中使用查表法，可以在保证推理正确性的前提下，显著地减少实时计算量，提高系统的实时响应性能。
在Matlab中，可以通过构造合适的矩阵来实现这样的模糊推理查表功能。
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ppt课件
可编辑课件PPT
23
5. 建立模糊控制表 模糊控制规则可采用模糊规则表4-5来描述，共
49条模糊规则，各个模糊语句之间是或的关系，由第 一条语句所确定的控制规则可以计算出u1。同理，可 以由其余各条语句分别求出控制量u2,…,u49，则控制 量为模糊集合U可表示为
uu1u2 u49
可编辑课件PPT
规则模型化，然后运用推理便可对PID参数实现最佳
调整。
可编辑课件PPT
32
由于操作者经验不易精确描述，控制过程中各种 信号量以及评价指标不易定量表示，所以人们运用 模糊数学的基本理论和方法，把规则的条件、操作 用模糊集表示，并把这些模糊控制规则以及有关信 息(如初始PID参数等)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，即可自动实现对PID参数的最佳调整，这 就是模糊自适应PID控制，其结构如图4-15所示。
可编辑课件PPT
31
随着计算机技术的发展，人们利用人工智能的
方法将操作人员的调整经验作为知识存入计算机中
，根据现场实际情况，计算机能自动调整PID参数，
这样就出现了智能PID控制器。这种控制器把古典的
PID控制与先进的专家系统相结合，实现系统的最佳
控制。这种控制必须精确地确定对象模型，首先将
操作人员（专家）长期实践积累的经验知识用控制
糊控制的维数。
可编辑课件PPT
10
（1）一维模糊控制器 如图所示，一维模糊控制器的 输入变量往往选择为受控量和输入给定的偏差量E。由 于仅仅采用偏差值，很难反映过程的动态特性品质， 因此，所能获得的系统动态性能是不能令人满意的。 这种一维模糊控制器往往被用于一阶被控对象。
可编辑课件PPT
模糊推理以及逻辑运算(重点参考第5页后的内容)
对数据要求高
模糊推理需要大量的数据和样本 进行训练和优化，对于数据量较 小的情况可能无法得到理想的结 果。
如何克服模糊推理的局限性
引入人工智能技术
利用人工智能技术如深度学习、强化学习等，可以进一步提高模 糊推理的精度和效果。
结合其他方法
可以将模糊推理与其他方法如概率论、统计方法等相结合，形成混 合模型以提高精度和可靠性。
灵活性高
模糊推理不要求精确的数学模型，可以根据实际需求灵活地调整模 糊集合和隶属度函数。
适用范围广
模糊推理适用于许多领域，如控制、决策、模式识别等，能够解决许 多实际问题。
模糊推理的局限性
主观性较强
模糊推理中的模糊集合和隶属度 函数的定义往往基于专家经验或 主观判断，具有较强的主观性。
精度有限
由于模糊推理的原理，其结果的 精度往往受到一定限制，难以达 到与精确数学模型相当的水平。
根据模糊规则库中的模糊条件 语句和结论语句进行推理，得 出模糊结论。
去模糊化模块
将模糊结论转换为精确值，以 便于输出和决策。
模糊推理系统的设计流程
确定输入输出变量
首先需要确定系统的输入和输出变量， 并了解它们的变化范围和特性。
02
选择隶属度函数
根据输入输出变量的特性，选择合适 的隶属度函数，将输入的精确值转换 为模糊集合中的隶属度值。
01
03
建立模糊规则库
根据实际问题的需求，建立合适的模 糊规则库，包括条件语句和结论语句。
去模糊化处理
将推理得到的模糊结论转换为精确值， 以便于输出和决策。
05
04
设计推理算法
根据模糊规则库，设计合适的推理算 法，实现从输入到输出的映射。
模糊推理系统的应用实例
Matlab-的-Fuzzy-工具箱实现模糊控制(rulelist的确定)
引用如何在MATLAB下把模糊推理系统转化为查询表(原创)Matlab 2009-12-26 22:05:01 阅读161 评论0 字号：大中小订阅引用foundy的如何在MATLAB下把模糊推理系统转化为查询表(原创)李会先摘要：该文论述了将MATLAB下调试成功的模糊逻辑转换为查询表的一种技巧，这种技巧不直接使用MATLAB的矩阵计算方法，操作者多数情况下只需点击鼠标就可完成任务，效率比较高，该方法使用MATLAB下的系统测试工具，收集构造查询表所需的数据资料，文中以MATLAB中的水位模糊控制演示模型为例，把该系统的模糊控制推理模块用在其基础上生成的查询表代替后再进行水位控制仿真，控制效果与模糊推理模块在线推理控制是一致的。
关键词：模糊控制;查询表;MATLAB;Simulink; 系统测试Abstract：This article discuss a skill that make a translation from fuzzy logic system to Lookup Table in Matlab,It doesn't use matrix computing, user need only to drag and draw the mouse completing this task,It's a efficiency method which to collect data for Lookup Table construction from a fuzzy controller by SystemTest Toolbox in Matlab,in the article,I will discuss the skill by a demo which is the Water Level Control in Tank in the Fuzzy logic Toolbox,at last,I simulate the Water Control in Tank instead of the Fuzzy Controller with the Lookup Table which I have constructed,the test results is verywell.Keywords: Fuzzy Logic, Matlab,Simulink,Lookup Table,SystemTest1. 引言在MATLAB/Simulink下，构建模糊逻辑系统模型和调试其推理规则都是很方便的[3][4]，我们当然不希望在MATLAB下的仿真工作仅仅用于仿真目的，如果实际产品设计能继承仿真的工作成果，将事半功倍。
Matlab 的 Fuzzy 工具箱实现模糊控制(rulelist的确定)
引用如何在MATLAB下把模糊推理系统转化为查询表(原创) Matlab 2009-12-26 22:05:01 阅读161 评论0 字号：大中小订阅引用foundy的如何在MATLAB下把模糊推理系统转化为查询表(原创)李会先摘要：该文论述了将MATLAB下调试成功的模糊逻辑转换为查询表的一种技巧，这种技巧不直接使用MATLAB的矩阵计算方法，操作者多数情况下只需点击鼠标就可完成任务，效率比较高，该方法使用MATLAB下的系统测试工具，收集构造查询表所需的数据资料，文中以MATLAB中的水位模糊控制演示模型为例，把该系统的模糊控制推理模块用在其基础上生成的查询表代替后再进行水位控制仿真，控制效果与模糊推理模块在线推理控制是一致的。
关键词：模糊控制;查询表;MATLAB;Simulink; 系统测试Abstract：This article discuss a skill that make a translation from fuzzy logic system to Lookup Table in Matlab,It doesn't use matrix computing, user need only to drag and draw the mouse completing this task,It's a efficiency method which to collect data for Lookup Table construction from a fu zzy controller by SystemTest Toolbox in Matlab,in the article,I will discuss the skill by a demo which is the Water Level Control in Tank in the Fuzzy logic Toolbox,at last,I simulate the Water Control in Tank instead of the Fuzzy Controller with the Lookup Table which I have constructed,the test results is verywell.Keywords: Fuzzy Logic, Matlab,Simulink,Lookup Table,SystemTest1. 引言在MATLAB/Simulink下，构建模糊逻辑系统模型和调试其推理规则都是很方便的[3][4]，我们当然不希望在MATLAB下的仿真工作仅仅用于仿真目的，如果实际产品设计能继承仿真的工作成果，将事半功倍。
模糊控制器的查询表的实例计算过程
用模糊控制实现水箱水温的恒温控制。
水箱由底部的电阻性电热元件加热，由电动搅拌器实现均温.设控制的目标温度为25ºC,以实测温度T与目标温度R之差，即误差e=T-R,以及误差变化率ec为输入，以固态继电器通电时间的变化量u（以一个控制周期内的占空比表示，控制电加热器的功率）为输出.设e的基本论域为[-5，5] ºC，其语言变量E的论域为[-5，5］；ec的基本论域为［-1,1] ºC/s，其语言变量EC的论域为［—5，5］;控制量u的基本论域为[—5，5］单位，其语言变量U的论域为[—5，5］。
E、EC和U都选5个语言值{NB，NM，NS，Z,PS，PM,PB}，各语言值的隶属函数采用三角函数,其分布可用表1和表2表示,控制规则如表3所示。
要求:1、画出模糊控制程序流程图；2、计算出模糊控制器的查询表，写出必要的计算步骤。
表1 语言变量E、EC的赋值表表2 语言变量U的赋值表解：步骤：1)输入输出语言变量的选择。
输入变量选为实测温度T与目标温度R之差，即误差e，及误差变化率ec；输出语言变量选固态继电器通电时间的变化量u，故模糊控制系统为双输入—单输出的基本模糊控制器.2)建立各语言变量的赋值表。
设误差e的基本论域为［-5，5］.C,输入变量E的论域为[-5,—4，-3，—2,-1，0,1，2,3,4，5］，误差的量化因子为ke=5/5=1。
语言变量E选取5个语言值：PB PS ZE NS NB。
表1为语言变量E、EC的赋值表，表2为语言变量U的赋值表,,,,表1语言变量E、EC的赋值表表2 语言变量U的赋值表3)建立模糊控制规则表,总结控制策略，得出一组由25条模糊条件语句构成的控制规则，据此建立模糊控制规则表，如表3所示.表中行与列交叉处的每个元素及其所在列的第一行元素和所在行的第一列元素，对应于一个形式为”if E and EC then U”的模糊语句，根据该模糊语句可得相应的模糊关系i R ,则总控制规则的总模糊关系为251=i i R U R =。
模糊逻辑及模糊控制
运算：
(1) (2) (3) (4) (5) 析取“∨” T(P∨Q)=T(P)∨T(Q) 合取“∧” T(P∧Q)=T(P)∧T(Q) 取非 “┓” T(┓P)=1-T(P) 蕴含“→” T(P→Q)=1∧[1-T(P)+T(Q)] 等值“ ” T(P Q)=1∧[1-T(P)+T(Q)]∧[1- T(Q)+T(P)]
模糊控制
Fuzzy Control
模糊命题：
概念：含有模糊概念或者具有模糊性的陈述句。 例如：模糊命题 P：“小明学习努力” 若小明“努力”的隶属度为0.8，则命题的真值为： T(P)=μA(x)=0.8 模糊命题的真值为1时表示 P 完全真，为0时为完全假， 模糊命题可看成是普通命题的推广，普通命题是模糊 命题的特例。
运算律：
1 幂等律 : x+x=x ; x· x=x 2 交换律 : x+y=y+x ; x· y=y· x 3 结合律 : (x+y)+z=x+(y+z) ; (x· y)· z=x· (y· z) 4 分配律 : x+(y· z)=(x+y)· (x+z) ; x· (y+z)=x· y+x· z 5 德摩根律 : (x+y)=x ·y ; (x ·y)= x + y 6 双重否定律 : x = x 7 常数运算法则 : 1+x=1 ; 0+x=x ; 1· x=x; 0· x=0 8 吸收律 : x+x· y=x ; x· (x+y)=x
互补率x x 1; x x 0不成立，因为 x x max( x ,1 x ) x x min( x ,1 x )
新华DCS软件XDPS用户手册附录1--XDPS预定义标准功能块说明组态
一概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-1 二DPU简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-1 三DPU组态过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-2 四页⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-2 五功能块⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-2 1 XDPS实时网和硬件I/O功能块1.1 模拟量下网功能块 XNETAI ID=100⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-51.2 开关量下网功能块 XNETDI ID=101⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-51.3 模拟量上网功能块 XNETAO ID=102⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-51.4 开关量上网功能块 XNETDO ID=103⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-61.5 模拟量输入功能块 XAI ID=104⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-71.6 开关量输入功能块 XDI ID=105⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-81.7 模拟量输出功能块 XAO ID=106⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-81.8 开关量输出功能块 XDO ID=107⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-91.9 脉冲量输入功能块 XPI ID=108⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-91.10 页间模拟量输入功能块 PgAI ID=110⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-91.11 页间开关量输入功能块 PgDI ID=111⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-101.12 页间模拟量输出功能块 PgAO ID=112⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-101.13 页间开关量输处功能块 PgDO ID=113⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-102 模拟函数2.1 2输入加法器 ADD ID=1⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-112.2 乘法器 MUL ID=2⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-112.3 除法器 DIV ID=3⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-112.4 开方器 SQRT ID=4⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-122.5 取绝对值 ABS ID=5⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-122.6 五次多项式 POLYNOM ID=6⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-122.7 8输入数学统计器 SUM8 ID=7⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-132.8 12段函数变换F(X) ID=8⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-132.9 保留ID=9⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-142.10 指数/对数函数POW/LOG ID=10⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-142.11 三角和反三角函数 TRIANGLE ID=11⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-142.12、热力性质计算 PTCAl ID=12⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-153 时间过程函数3.1 超前滞后模块 LEADLAG ID=20⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-163.2 滞后模块 DELAY ID=21⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-163.3 微分模块 DIFF ID=22⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-173.4 时域统计模块 TSUM ID=23⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-173.5 数字滤波 FILTER ID=24⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-183.6 斜坡信号发生器ID=25⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-183.7 段信号发生器f(t) ID=26⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-183.8 伪随机信号发生器 Undefined ID=27⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-193.9 时域开关量统计模块 TSUMD ID=28⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-194 控制用算法4.1 二选一选择器 TWOSEL ID=30⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-204.2 三选一选择器 THREESEL ID=31⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-204.3 无扰切换模块 SFT ID=32⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-214.4 高低限幅器 HLLMT ID=33⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-214.5 高低限报警 HLALM ID=34⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-214.6 速率限制器 RATLMT ID=35⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-224.7 速率报警器 RATALM ID=36⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-224.8 偏差运算 DEV ID=37⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-234.9 PID运算 EPID ID=38⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-244.10 简单PID模块 Undefined ID=39⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-244.11 2输出平衡模块 Balance2 ID=40⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-254.12 八输入平衡模块 BALANCE8 ID=41⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-264.13 数字驱动伺服模块 DDS ID=42⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-264.14 查表式模糊控制器 FTAB ID=43⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-274.15 慢信号保护模块 SAIPro ID=44⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-285 逻辑电路5.1 2输入与 AND ID=50⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-295.2 2输入或 OR ID=51⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-295.3 反相器 NOT ID=52⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-295.4 异或器 XOR ID=53⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-305.5 8输入数量或 QOR8 ID=54⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-305.6 RS触发器ID=55⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-305.7 定时器 TIMER ID=56⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-315.8 计数器 CNT ID=57⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-325.9 模拟比较器 CMP ID=58⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-335.10 循环定时器 CYCTIMER ID=59⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-335.11 步序控制器 STEP ID=60⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-345.12 软件脉冲列输出 SPO ID=61⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-356 操作器6.1 模拟软手操器 S/MA ID=70⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-366.2 键盘模拟量增减 KBML ID=71⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-376.3 数字手操器 DEVICE ID=72⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-376.4 简单数字手操器 D/MA ID=73⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-416.5 带开关输出的模拟软手操器ADS/MA ID=74⋯⋯⋯⋯⋯⋯⋯⋯1-416.6 电气数字手操器 EDEVICE ID=75⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-427 特殊功能块7.1 品质(状态)测试模块ID=80⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-447.2 触发执行事件 EVENT ID=81⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-447.3 16个布尔变量转换为长整形变量 B16TOL ID=82⋯⋯⋯⋯⋯⋯⋯⋯1-457.4 长整形变量转换为16位布尔个变量ID=83⋯⋯⋯⋯⋯⋯⋯⋯1-45 LTOB167.5 长整型模拟变量含义转换器 LTOF ID=84⋯⋯⋯⋯⋯⋯⋯⋯1-457.6 节点(状态)测试模块 TDPU ID=85⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-467.7 上网报警闭锁功能块 DisAlm ID=86⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-467.8 上网报警限修改功能块 ChgAlm ID=87⋯⋯⋯⋯⋯⋯⋯⋯1-467.9 I/O卡件测试模块 TCard ID=88⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-477.10 I/O站测试模块 TNode ID=89⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1-47附录一 XDPS预定义标准功能块说明99.8.23一、概述XDPS的软件功能分DPU和MMI，MMI又包括OPU、ENG、HSU等，DPU又有VDPU、专用GTW 等。
实验七模糊假言推理器实验
实验七模糊假言推理器实验一、实验目的：理解模糊逻辑推理的原理及特点，熟练应用模糊推理，了解可能性理论。
通过实例比较模糊推理与不确定性推理的实质区别。
二、实验原理模糊推理所处理的事物自身是模糊的，概念本身没有明确的外延，一个对象是否符合这个概念难以明确地确定模糊推理是对这种不确定性，即模糊性的表示与处理。
模糊逻辑推理是基于模糊性知识(模糊规则)的一种近似推理，一般采用Z a d e h提出的语言变量、语言值、模糊集和模糊关系合成的方法进行推理。
通过定义前项、后项和事实不同的模糊集合，模糊推理可以得到不同的计算结论。
三、实验条件：1模糊假言推理器演示程序；2IE5.0以上版本，能连通Internet。
四、实验内容：1使用推理器多次推理；2自己输入的规则和模糊集，进行运算推理；3通过实例分析模糊推理与不确定性推理的实质区别。
五、实验步骤：1运行默认推理。
进入演示程序，点击“开始运算”运行默认规则，连续点击“计算下一步”，观察文本框中的输出结果。
2增加新规则。
点击“添加规则”可增加新的推理逻辑，在左边文本框中依次输入规则的前项、后项和事实。
3设置模糊集合。
点击“自定义模糊集”可以设置规则的前项、后项和事实的模糊集，并点击“确认”。
4运行自定义规则。
输入完所有自定义模糊规则后，点击“开始运算”运行自定义规则，连续点击“计算下一步”，观察文本框中的输出结果。
5按钮“重新开始”可以进行再一次模糊推理。
其它可参考帮助文件。
六、实验报告要求：1隶属度、模糊关系和模糊规则的相互关系。
2模糊假言推理过程。
3自定义规则及其推理结果。
4分析模糊假言推理与不确定推理的的本质区别。
模糊假言推理器实验一、实验目的理解模糊逻辑推理的原理及特点，熟练应用模糊推理，了解可能性理论。
通过实例比较模糊推理与不确定性推理的实质区别。
二、实验原理模糊推理所处理的事物自身是模糊的，概念本身没有明确的外延，一个对象是否符合这个概念难以明确地确定模糊推理是对这种不确定性，即模糊性的表示与处理。