自适应模糊PID控制
智能控制作业_模糊自适应PID控制
模糊自适应PID 控制的Matlab 仿真设计研究姓名：陈明学号：201208070103班级：智能1201一、 模糊控制思想、PID 控制理论简介：在工业生产过程中，许多被控对象受负荷变化或干扰因素很多基于模糊自适应控制理论, 设计了一种模糊自适应PID 控制器, 具体介绍了这种PID 控制器的控制特点及参数设计规则, 实现PID 控制器的在线自整定和自调整。
通过matlab 软件进行实例,仿真表明, , 提高控制系统实时性和抗干扰能力,易于实现．便于工程应用。
1.1 模糊控制的思想：应用模糊数学的基本理论和方法, 控制规则的条件、操作用模糊集来表示、并把这些模糊控制规则以及有关信息, 诸如PID 控制参数等作为知识存入计算机知识库, 然后计算机根据控制系统的实际情况(系统的输入, 输出) , 运用模糊推理。
1.2 PID 算法：u(t)=k p * e(t)+k i * ∫e(t)t 0dt +k d *de(t)dt= k p *e(t)+ k i *∑e i (t) + k d * e c (t)其中, u (t) 为控制器输出量, e(t) 为误差信号, e c (t)为误差变化率, k p , k i , k d 分别为比例系数、积分系数、微分数。
然而，课本中，为了简化实验难度，只是考虑了kp ，ki 参数的整定。
1.3 模糊PID 控制器的原理图：二、基于Matlab的模糊控制逻辑模块的设计关于模糊逻辑的设计，主要有隶属函数的编辑，参数的选型，模糊规则导入，生成三维图等观察。
2.1 模糊函数的编辑器的设定：打开matlab后，在命令窗口输入“fuzzy”，回车即可出现模糊函数编辑器，基本设置等。
基于课本的实验要求，我选的是二输入（e, e c）二输出（k p ,k i）。
需要注意的是，在命名输入输出函数的时候，下标字母需要借助下划线的编辑，即e_c 能够显示为e c。
2.2四个隶属函数的N, Z, P 函数设定：在隶属函数的设定中，N 选用的是基于trimf（三角形隶属函数） , Z是基于zmf（Z型隶属函数），P是基于smf（S型隶属函数）。
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。
基于模糊调整的变结构自适应PID控制器
基于模糊调整的变结构自适应PID控制器自适应PID控制器是一种常用的控制算法，用于实时调整控制参数以适应系统的变化。
然而，传统的PID控制器在应对复杂、非线性的系统时存在一定的不足。
针对这个问题，引入了模糊调整和变结构控制的思想，开发了基于模糊调整的变结构自适应PID控制器。
一、引言随着工业自动化的不断发展，对控制系统的要求也越来越高。
传统的控制器在处理复杂的非线性系统时存在一定的局限性，无法适应各种工况下的变化。
为了解决这个问题，研究人员提出了各种改进的控制算法，其中基于模糊调整的变结构自适应PID控制器就是一种值得关注的方法。
二、基础知识回顾在介绍基于模糊调整的变结构自适应PID控制器之前，我们先对PID控制器的基本原理进行回顾。
PID控制器由比例项（P）、积分项（I）和微分项（D）组成，可以通过调节这三个参数来实现对系统的控制。
然而，传统的PID控制器往往无法应对系统参数变化的情况，容易导致系统不稳定。
三、基于模糊调整的变结构自适应PID控制器的原理基于模糊调整的变结构自适应PID控制器主要通过引入模糊逻辑和自适应调整的方法来改进传统的PID控制算法。
具体来说，该控制器分为两个部分：变结构控制器和模糊调整器。
变结构控制器根据系统当前的状态和误差信号来选择不同的控制模式，以适应不同的工况。
例如，在系统刚开始运行时，可以选择比例控制模式来快速响应；当系统误差较小时，可以选择积分控制模式来消除稳态误差；而在系统存在较大的扰动时，可以选择微分控制模式来抑制振荡。
模糊调整器主要用于根据系统当前的状态和误差信号来调整PID控制器的参数，以优化控制效果。
模糊调整器通过建立一套模糊规则，将系统状态和误差信号映射到对应的PID参数上。
模糊调整器的输入包括系统的误差和误差的变化率，输出为PID参数的调整增量。
通过将变结构控制器和模糊调整器结合起来，基于模糊调整的变结构自适应PID控制器能够在系统运行过程中实时调整控制参数，以适应系统的变化。
通俗理解模糊自适应PID
通俗理解模糊⾃适应PID模糊⾃适应PID算法就是在经典的PID的基础上添加模糊控制规则库，建⽴这个库的⽬的就是算法能够⾃⼰来进⾏改变P、I、D的值。
就拿温度的上升过程控制来说，刚开始的时候，希望温度能够快速的升到终点温度，并且以尽量⼩的波动将温度稳定在⽬标温度处（最好不让其超过）。
此时如果利⽤经典的PID控制⽅式，那么此时的P值就是恒定不变，但是我们希望他刚开始的时候尽量⼤。
加⼊规则库，就可以实现，可以⽤语句if冷 then 加⼤热当然也有：if热 then 加⼤冷从⽽快速的改变温度。
就好⽐我们在冬天⾥⽤冷⽔洗脚，冷⽔ + 冷脚 = 感觉⾮常的冷，迫不及待想让⽔快点热，所以我们加⼊很热的⽔，⽽不是加⼊温⽔。
这应该是最通俗的理解了。
扩充PID_C程序参考如下：（还没有验证）#include <stdio.h>/*定义PID变量结构体*/struct _pid{float SetSpeed;//定义设定值float ActualSpeed;//定义实际值float err;//定义偏差值float err_last;//定义上⼀个偏差float Kp, Ki, Kd;//float voltage;//定义电压值（控制执⾏器的变量）float integral;//定义积分值};/*初始化变量*/void PID_init(){printf("PID_init begin \n");pid.SetSpeed = 0.0;pid.ActualSpeed = 0.0;pid.err = 0.0;pid.err_last = 0.0;pid.voltage = 0.0;pid.integral = 0.0;pid.Kp = 0.2;pid.Ki = 0.015;pid.Kd = 0.2;printf("PID_init end \n");}/*编写编写控制算法*/float PID_realize(float speed){pid.SetSpeed = speed;pid.err = pid.SetSpeed - pid.ActualSpeed;pid.integral+=pid.err;pid.voltage = pid.Kp*pid.err + pid.Ki*pid.integral + pid.Kd*(pid.err-pid.err_last);pid.err_last = pid.err;pid.ActualSpeed = pid.voltage*1.0;return pid.ActualSpeed;}int main (){printf("System begin \n");PID_init();int count;while (1){float speed = PID_realize(200.00);printf("%f\n",speed);count++; }return0;}。
关于基于深度学习技术的模糊自适应PID控制方法
关于基于深度学习技术的模糊自适应PID控制方法近年来，深度学习技术在各个领域得到了广泛的应用，其在控制算法领域中也获得了不少关注。
PID控制器是最基本、最常用的控制器，而模糊PID控制则可以在更广泛的动态环境下实现优良的控制性能。
而基于深度学习技术的模糊自适应PID控制方法在PID控制器的基础之上进行了改进，在实际应用中具有更高的可靠性和更好的性能。
一、基于深度学习的PID控制PID控制器利用误差与积分、微分值的比例关系不断地调整输出控制量，使被控制对象达到所期望的状态。
在传统的PID控制器中，比例、积分、微分系数是固定不变的，因此当受控对象的环境变化或负载变化时，控制器就无法适应参数变化。
为了弥补PID控制器在适应变化环境方面存在的问题，模糊PID控制器应运而生。
模糊PID控制器是将传统的PID控制器中三个系数改为模糊化系数，并利用模糊控制中的专家经验与经验法则来调节模糊化系数。
模糊PID控制器可以使用人工经验法则来调节模糊化系数，也可以通过进行基于模型的强化学习方法来进行跟踪控制。
然而，即使模糊PID控制器采用了模糊化系数来适应环境变化，其控制性能仍存在瓶颈，因为模糊化系数在不同工况下不能做到自适应。
此时，基于深度学习技术的模糊自适应PID控制方法可以处理这些不可预测和变化的干扰，从而实现更强大的鲁棒性。
二、基于深度学习的模糊自适应PID控制方法基于深度学习的模糊自适应PID控制是一种通过深度学习网络自适应地控制PID参数的方法。
与传统的PID控制器不同，该方法采用神经网络作为控制器，利用深度学习算法来提高控制器的自适应性和鲁棒性。
此外，该方法还利用模糊控制法来处理由系统环境和负载变化带来的复杂干扰。
一般情况下，基于深度学习的模糊自适应PID控制方法可以分为以下几个步骤：1. 收集系统数据和环境变化数据，基于这些数据训练深度学习网络，学习对于不同干扰模式的响应。
2. 利用模糊控制法调节PID的三个模糊化系数，让其适应不同工况下的控制需求。
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。
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。
自适应模糊pid算法
自适应模糊pid算法摘要：一、引言二、自适应模糊PID 算法介绍1.传统PID 算法概述2.模糊PID 算法的引入3.自适应模糊PID 算法的提出三、自适应模糊PID 算法原理1.模糊控制理论基础2.自适应模糊PID 算法的构成3.参数自适应调整方法四、自适应模糊PID 算法在控制领域的应用1.温度控制系统2.电机控制系统3.其他控制领域应用五、自适应模糊PID 算法的优缺点分析1.优点2.缺点六、结论正文：一、引言在现代控制理论和工程实践中，PID 控制器作为一种常见且经典的控制器，被广泛应用于各种工业过程和机电设备的控制系统中。
然而，传统PID 控制算法在应对非线性、时变、不确定性等复杂系统时，往往表现出一定的局限性。
为了克服这些局限性，模糊PID 算法应运而生。
本文将介绍一种改进的模糊PID 算法——自适应模糊PID 算法，并探讨其在控制领域的应用及优缺点。
二、自适应模糊PID 算法介绍1.传统PID 算法概述PID 控制器通过比例（P）、积分（I）和微分（D）三个环节的组合，对系统误差进行实时调节，从而实现对被控对象的稳定控制。
传统PID 算法主要依靠经验参数调整，对于复杂系统，其性能往往不尽如人意。
2.模糊PID 算法的引入模糊控制作为一种基于模糊逻辑的理论，可以处理不确定、非线性的复杂系统。
通过将传统PID 控制器的参数进行模糊化处理，模糊PID 算法能够适应系统的不确定性变化，提高控制性能。
3.自适应模糊PID 算法的提出自适应模糊PID 算法在模糊PID 算法的基础上，引入了自适应调整机制，使得控制器参数能够根据系统的实时状态进行动态调整，进一步优化控制性能。
三、自适应模糊PID 算法原理1.模糊控制理论基础模糊控制利用模糊集合、模糊关系和模糊推理等概念，对系统的不确定性进行建模和处理。
通过设置模糊化输入和模糊化输出，将传统PID 控制器的参数进行模糊化处理，从而实现对系统误差的模糊控制。
- 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)。
SPLS Templates
SPLS Templates
3.2 模糊控制规则的建立
确定语言控制规则是模糊控制设计的核心 工作，规则的形式很多，象计算机程序设计语 言常用的“If…then…”条件语句。控制规则的 多少可视输入输出物理量数目及所需的控制精 度而定。本文有两个输入量，其中一个输入量 有8种模糊态，另一个是7种模糊态，所以共有 56种模糊控制规则。
SPLS Templates
SPLS Templates
输入及输出的隶属度函数
SPLS Templates
SPLS Templates
隶属度函数曲面
SPLS Templates
SPLS Templates
根据模糊控制表规则，在FIS中输入这些规则得：
SPLS Templates
SPLS Templates
SPLS Templates
2 模糊控制系统
模糊系统是一种基于知识或基于规则的系 统。它的核心就是由所谓的IF-THEN规则所组 成的知识库。一个模糊的IF-THEN规则就是一 个用连续隶属度函数对所描述的某些句子所做 的IF-THEN形式的陈述。构造一个模糊系统的 出发点就是要得到一组来自于专家或基于该领 域知识的模糊IF-THEN规则，然后将这些规则组 合到单一系统中。不同的模糊系统可采用不用 的组合原则。
SPLS Templates
SPLS Templates
通过以上分析可知,对于复杂的非线性系统, 只采用常规PID控制或普通模糊控制都难以达到 满意的效果。本文采用的自适应模糊PID控制器, 有机地将两者的优点结合起来,当误差小于某一 阈值e0时,采用PID控制,以提高系统的控制精度; 当误差大于某一阈值e0 时,采用模糊控制,以提 高系统响应速度,加快响应过程,抑制超调。自 适应模糊PID控制器的原理如图1所示。 这种复合控制策略是在大偏差范围内采用 模糊控制，在小偏差范围内转化成PID控制，二
SPLS Templates
SPLS Templates
2.2 模糊逻辑推理 根据事先已定制好的一组模糊条件语 句构成模糊规则库,运用模糊数学理论对模 糊控制规则进行推理计算,从而根据模糊控 制规则对输入的一系列条件进行综合评估, 以得到一个定性的用语言表示的量,即模糊 输出量。完成这部分功能的过程就是模糊逻 辑推理过程。
ห้องสมุดไป่ตู้
SPLS Templates
SPLS Templates
参考文献:
[1]熊均泉,戴果华,佘致廷.基于Matlab的退火炉温度模糊 PID控制的仿真研究[J].中国仪器仪表,2005,5:80-82. [2]汤兵勇,路林吉,王文杰.模糊控制理论与应用技术[M]. 北京:清华大学出版社,2002. [3]张国良,曾静,柯熙政.模糊控制及其Matlab应用[M]. 西安:西安交通大学出版,2002. [4]范子荣,张友鹏.基于Matlab的自适应模糊PID控制器的 设计[J].电气传动自动化,2006,第3期,第28卷:P11.
根据模糊控制规则表，在MATLAB的FIS 编辑器中建立起模糊推理系统，在SIMULINK 中建立系统的仿真图，设置量化因子Ke=3， Kec=0.1，Ku=1，PID参数Kp=15，Ki=1，Kd=2。 在选择开关的设置中，将参数“Threshold” 设置为0.1，这样当偏差|e|>=0.1 时，开关 Switch 只接通Fuzzy 控制器；当|e|<0.1 时， 开关Switch 只接通PID 控制器
SPLS Templates
SPLS Templates
自适应模糊PID控制器的设 计与研究
SPLS Templates
SPLS Templates
1 引言
常规PID控制由于原理简单、使用方便、适 用性好、具有很强的鲁棒性,在工业过程控制中 得到了广泛的应用,但是PID控制需要建立被控 对象精确的数学模型,难以处理复杂的非线性控 制系统。而模糊控制是以模糊集合论、模糊语 言变量以及模糊逻辑推理为基础的计算机数字 控制算法,该算法把人的经验转化为控制策略, 对那些时变的、非线性的、滞后的、高阶大惯 性的被控对象,具有良好的控制效果。
SPLS Templates
SPLS Templates
完成各部分的参数设置后，点击仿真在示波器 中观看系统的阶跃响应曲线。
SPLS Templates
SPLS Templates
PID子系统
SPLS Templates
SPLS Templates
自适应模糊PID控制阶跃响应
SPLS Templates SPLS Templates
SPLS Templates SPLS Templates
模糊控制系统设计的关键在于模糊控制器 的设计。模糊控制器的设计主要有三个部分: (1) 输入量的模糊化 (2) 模糊逻辑推理 (3) 反模糊化过程
SPLS Templates
SPLS Templates
2.1 输入量的模糊化 所谓模糊化(Fuzzification) 就是先将 某个输入测量量的测量值作标准化处理,把 该输入测量量的变化范围映射到相应论域中, 再将论域中的各输入数据以相应的模糊语言 值的形式表示,并构成模糊集合。这样就把 输入的测量量转换为用隶属度函数表示的某 一模糊语言变量。
SPLS Templates
SPLS Templates
差、误差变化率和控制量的变化等语言量，常 用“正大”（PB)、“正中”（PM)、“正小” （PS)、“零”（Z）、“负小”（NS)、“负 中”(NM)、和“负大”（NB）这7个语言变量来 描述。每一个对象对应一个模糊子集，其隶属度 函数有多种选择。本文使用三角形分布,控制器 的输入为偏差e和偏差的变化率ec，输出变量为 控制量u，相应的模糊集分别为E、EC和U，它 是一个双输入单输出的二维模糊控制器。
SPLS Templates
SPLS Templates
输入量E 量化论域: - 6～6 模糊态:NB ,NM,NS ,NZ ,PZ ,PS ,PM,PB． 输入量EC 量化论域: - 6～6 模糊状态:NB ,NM,NS ,Z ,PS ,PM,PB． 输出量U 量化论域: - 7～7 模糊状态:NB ,NM,NS ,Z ,PS ,PM,PB．
纯模糊控制阶跃响应
SPLS Templates SPLS Templates
纯PID控制阶跃响应
SPLS Templates
SPLS Templates
各参数比较
SPLS Templates
SPLS Templates
上三种算法的性能参数比较。可以看出,模 糊自适应PID控制具有较小的超调量,较短的调 节时间,良好的动、静态特性,更好的适应性和 鲁棒性,优于常规PID控制和普通模糊控制。
SPLS Templates
SPLS Templates
5 结论
针对复杂的非线性控制系统,本文设计了一 种自适应模糊PID控制器,并总结了这种控制器 的特点以及参数设计规律。通过仿真表明,这种 新型的控制器是一种设计简单、实现方便、性 能良好的智能控制器,具有动态性能好、稳态精 度高、抗干扰性能好及鲁棒性较强等特点,适用 于非线性、时变、强干扰的不确定复杂系统。
SPLS Templates SPLS Templates
2.3 反模糊化过程 反模糊化(Defuzzification) 有时又 叫模糊判决。就是将模糊输出量转化为能 够直接控制执行部件的精确输出量的过程。
SPLS Templates
SPLS Templates
3 模糊控制器的结构
3.1模糊化方法的选择与确定 所谓模糊化,就是把变量数值变成模糊语言 变量的语言值。根据人们的习惯，常将相比的 同类事物分为“大”，“中”，“小”或 “中”，“高”，“低”等3 个等级，故操作 者对误差及其变化率以及控制量的变化，也常 采用这种等级的模糊概念。考虑到变量的正， 负性，一般在设计模糊控制器时，人们对于误
SPLS Templates
SPLS Templates
由专家经验得到的模糊控制规则表如下所示：
SPLS Templates
SPLS Templates
4 仿真试验
采用MATLAB中的SIMULINK对其进行仿 真。SIMULINK模块库中提供了建立系统模型 所需的大部分模块。系统的模型建好后，用户 可以根据系统的不同需要，设置或更改模块的 参数，然后打开仿真菜单，设置仿真参数，起 动仿真过程，仿真结束后用户可以通过输出示 波器或plot绘图函数观察系统的仿真输出。
SPLS Templates
SPLS Templates
者的转换由微机程序根据事先给定的偏差范围 自动实现。 这种改进的控制方法的出发点主要是因为 模糊控制器本身消除其稳态误差的能力比较差， 难以达到较高的控制精度。
SPLS Templates
SPLS Templates
SPLS Templates
SPLS Templates
SPLS Templates
在MATLAB菜单窗口中输入命令fuzzy可进 入FIS编辑器，在FIS编辑器中可以设置输入、 输出变量的模糊隶属度函数和模糊控制规则。 隶属度函数有三角形、梯形、高斯形等不同 种类。如下图所示：
SPLS Templates
SPLS Templates