模糊控制器设计
模糊控制器设计的基本方法
第5章 模糊控制器设计的基本方法5.1 模糊控制器的结构设计结构设计：确定输入、输出变量的个数（几入几出）。
5.2 模糊控制规则设计1. 语言变量词集 {}PB PM PS O NS NM NB ,,,,,,2. 确立模糊集隶属函数（赋值表）3. 建立模糊控制规则，几种基本语句形式： 若A 则B c R A B A E=⨯+⨯ 若A 则B 否则C c R A B A C =⨯+⨯若A 或B 且C或D 则E ()()R A B E C D E =+⨯+⨯⎡⎤⎡⎤⎣⎦⎣⎦ 4. 建立控制规则表5.3 模糊化方法及解模糊化方法模糊化方法1. 将[]b a ,内精确量离散化为[]n n +-,内的模糊量2. 将其区间精确量x 模糊化为一个单点集，即0)(,1)(==x x μμ 模糊推理及非模糊化方法 1. MIN-MAX ——重心法11112222n 00R and R and R and and '?n n n A B C A B C A B C x y c →→→→= 三步曲：取最小 1111'()()()()c A o B o C z x y z μμμμ=∧∧ 取最大 12''''()()()()n c c c c z z z z μμμμ=∨∨∨ 2.最大隶属度法例： 10.30.80.50.5112345C =+-----＋＋＋，选3-=*u20.30.80.40.211012345C =+＋＋＋＋，选5.1221=+=*u5.4 论域、量化因子及比例因子选择论域：模糊变量的取值范围 基本论域：精确量的取值范围误差量化因子：e e x n k /= 比例因子：e y k u u /= 误差变化量化因子：c c x m k /=5.5 模糊控制算法的流程m j n i C u B EC A E ij j i ,,2,1;,,2,1 then then if =====其中 i A 、 j B 、ij C 是定义在误差、误差变化和控制量论域X 、Y 、Z 上的模糊集合，则该语句所表示的模糊关系为j i ij j i C B A R ,⨯⨯=mj n i j i C B A R z y x z y x ij j i=====,1,1)()()(),,(μμμμ根据模糊推理合成规则可得：R B A U )(⨯=Yy Xx B A R U y x z y x z ∈∈=)()(),,()(μμμμ设论域{}{}{}l m n z z z Z y y y x x x X ,,,,,,,Y ,,,,212121 ===，则X ，Y ，Z 上的模糊集合分别为一个n ，m 和l 元的模糊向量，而描述控制规则的模糊关系R 为一个m n ⨯行l 列矩阵。
洗衣机模糊控制器设计
洗衣机的模糊控制器设计1 洗衣机的模糊控制传统的洗衣机都是人们用肉眼观看后，根据人的经验来调整洗衣时间和用水量，而模糊控制就是以人对被控对象的控制经验为依据而设计的控制器，这样就能实现控制器模拟人的思维方式来控制洗衣机。
以模糊洗衣机的设计为例其控制是一个开环的决策过程，模糊控制按以下步骤进行。
[4]1.1 洗衣机的时间控制1.1.1 确定模糊控制器的结构选用单变量二维模糊控制器。
控制器的输入为衣物的污泥和油脂，输出为洗涤时间。
1.1.2 定义输入、输出模糊集将污泥分为3个模糊集：SD(污泥少)，MD （污泥中），LD （污泥多）；取值范围为[0,100]。
将油脂分为3个模糊集：NG （油脂少），MG （油脂中），LG （油脂多）； 将洗涤时间分为5个模糊集：VS （很短），S（短），M （中等），L（长），VL （很长）。
1.1.3 定义隶属函数选用如下隶属函数：50/5050/10050/50/50x x x x x x x μLDMD SD污泥1005010050500500 x x x x 采用三角形隶属函数可实现污泥的模糊化。
采用Matlab进行仿真，污泥隶属函数设计仿真程序如下： Close all ； N=2； x=0:0.1:100; for i=1:N+1 f(i)=100/N*(i-1); endu=trimf(x,[f(1),f(1),f(2)]); figure(1)； plot(x,u); for j=2:Nu=trimf(x,[f(j-1),f(j),f(j+1)]); hold on; plot(x,u); endu=trimf(x,[f(N),f(N+1),f(N+1)]); hold on; plot(x,u); xlabel(‘x’);ylabel(‘Degree of membership ’); 污泥程序仿真结果如图1所示：01020304050607080901000.10.20.30.40.50.60.70.80.91xDe g r e e of m e m b e r s h i p图1 污泥隶属函数将油脂分为三个模糊集:NG （无油脂）MG （油脂中）LG(油脂多)，取值范围为[0，100]选用如下隶属函数：50/5050/10050/50/50y y y y y y y LGMG NG油脂1005010050500500 y y y y 采用三角形隶属函数实现油脂的模糊化，仿真程序如下： Clear all; N=2; x=0:0.1:100; for i=1:N+1 f(i)=100/N*(i-1); endu=trimf(y,[f(1),f(1),f(2)]); figure （1）； plot(y,u); for j=2:Nu=trimf(y,[f(j-1),f(j),f(j+1)]); hold on; plot(y,u); endu=trimf(y,[f(N),f(N+1),f(N+1)]); hold on; plot(y,u); xlabel(‘y’);ylabel(‘Degree of membership ’); 油脂程序仿真结果如图2所示：01020304050607080901000.10.20.30.40.50.60.70.80.91yDe g r e e of m e mb e r s h i p图2 油脂隶属函数将洗涤时间分为五个模糊集：VS(很短)S （短）M （中等）L(很长)取值范围为[0,60] 选用如下隶属函数：20/4020/6015/2515/4015/1015/2510/10/10z z z z z z z z z z z z z VLL M S VS洗涤时间604060404025402525102510100100 z z z z z z z z 采用三角形隶属函数实现洗涤时间的模糊化,其Matlab仿真程序如下： Close all; Z=0:0.1:60;U=trimf(z,[0,0,10]); Figure(1); Plot(z,u);U=trimf(z,[0, 10,25]); hold on; plot(z,u);U=trimf(z,[ 10,25,40]); hold on; plot(z,u);U=trimf(z,[ 25,40,60]); hold on; plot(z,u);U=trimf(z,[ 40,60,60]); hold on; plot(z,u); xlabel(‘z’)ylabel(“Degree of membership ”); 洗涤时间仿真程序结果如图3所示：01020304050600.10.20.30.40.50.60.70.80.91zDe g r e e of m e m b e r s h i p图3 洗涤时间隶属函数1.1.4 建立模糊控制规则根据人的操作经验设计模糊规则，模糊规则设计的标准为：“污泥越多，油脂越多，洗涤时间越长”；“污泥适中，油脂适中，洗涤时间适中”；“污泥越少，油脂越少，洗涤时将越短”。
详细论述模糊控制器的设计内容
详细论述模糊控制器的设计内容说到模糊控制器，大家脑海里肯定会闪现出一些高大上的科技名词，像什么“控制理论”、什么“精密调控”，感觉那玩意儿离我们这些普通人挺远的，甚至有点“高不可攀”。
但模糊控制器的设计并没有那么复杂，说白了，就是让机器或者系统根据不太明确、模糊的信息做出合理的决策。
你就可以把它想象成一个“有点智慧但又不太靠谱”的小帮手。
就是那种看起来聪明得不行，但有时候又像个笨蛋，处理事情总是不会像你想象的那么完美。
好比说，你给它一个“暖和”这个模糊命令，它就能根据环境温度决定该加点热还是开个窗，帮你调节室内的温度。
哎，听着不赖吧？咱们就来细细琢磨一下，这个模糊控制器到底是怎么设计的。
首先嘛，设计模糊控制器就像做菜一样。
你得先准备好食材，那就是输入和输出。
输入不一定是很具体的数字，反而是那些模糊的、似乎难以量化的东西，比如温度、湿度，或者是“舒适”这种主观的感觉。
就像你说“有点热”，你没给出具体温度，反正就是热。
控制器拿到这些模糊的输入，就得通过一番运算，输出一个合适的结果。
这个结果就是“调高点温度”或者“打开窗户”，简简单单，直接就让系统做出反应了。
就像我们在餐厅点菜，服务员听不懂你用“还行”来描述菜品，就会根据你的语气来判断你是否满意。
说到设计过程，首先就得把模糊控制器的核心结构搞清楚，那就是“模糊化”和“去模糊化”。
什么叫模糊化呢？就像你自己在写作文的时候，可能把一些不确定的事情给写成“有点”或者“差不多”这种含糊不清的表述。
模糊化，就是把这种不清楚的输入数字转成模糊的语言，好比把温度转换成“冷”“温暖”“热”这些词。
然后，这些词会进入到控制器的推理系统，经过一番“脑洞大开的”思考，给出一个输出结果。
就像你看到“风有点大”时，你会自动判断“是不是该关窗”一样。
当结果出来了，还得通过“去模糊化”将这些抽象的决策变成具体的、可执行的动作，比如“加热两度”或者“减速百分之十”。
这就像你吃了一个不错的菜，满意地给小费，服务员就会转身去把“好评”转换成“奖励”。
模糊控制器的设计步骤
模糊控制器的设计步骤引言在控制理论中，模糊控制是一种根据模糊逻辑进行决策和控制的方法。
模糊控制器的设计步骤非常重要，本文将详细探讨模糊控制器设计的各个步骤。
一、确定控制目标控制系统的第一步是明确控制目标。
确定控制目标包括明确系统的输入和输出变量，以及期望的控制效果。
控制目标的明确定义对于后续的模糊控制器设计至关重要。
二、建立模糊化输入输出变量在模糊控制器设计中，需要将实际的输入输出变量进行模糊化。
模糊化是指将实际物理变量的取值映射到一系列模糊集合中。
模糊化过程需要确定模糊集合的数量和形状。
可以使用三角型、梯型等形状表示模糊集合。
2.1 模糊化输入变量模糊化输入变量需要确定输入变量的模糊集合和隶属度函数。
通过隶属度函数，可以将实际输入变量的取值映射到各个模糊集合中。
通常使用高斯函数、三角函数等形式的隶属度函数。
2.2 模糊化输出变量模糊化输出变量的过程类似于模糊化输入变量。
需要确定输出变量的模糊集合和隶属度函数。
同样地，可以使用各种形式的隶属度函数来描述输出变量的模糊集合。
三、制定模糊规则模糊规则是模糊控制器的核心部分，用于将模糊输入变量映射到模糊输出变量上。
模糊规则的制定需要基于专家经验或者系统的训练数据。
通常使用“如果-那么”形式的规则来描述模糊控制器的行为。
3.1 规则库的建立规则库是所有模糊规则的集合。
规则库的建立过程需要根据具体的系统特点和控制要求进行设计。
规则库中的每一条规则都包含一组条件和一个结论。
3.2 规则的模糊化在制定模糊规则时，需要对规则中的条件和结论进行模糊化处理。
模糊化处理的目的是将实际的输入值映射到相应的模糊集合上。
3.3 规则的归结在进行模糊控制运算时，需要将模糊输入和模糊规则进行匹配，并计算出相应的输出结果。
规则的归结是指将输入值和规则进行匹配，并计算出匹配程度。
3.4 规则的去模糊化规则的去模糊化是指将模糊输出结果转换为实际的物理输出值。
去模糊化需要考虑到模糊输出的不确定性和误差。
《基于模糊控制的高精度伺服速度控制器的设计与实现》
《基于模糊控制的高精度伺服速度控制器的设计与实现》基于模糊控制的高精度伺服速度控制器设计与实现一、引言随着工业自动化和智能制造的不断发展，对高精度伺服系统的速度控制提出了更高要求。
伺服速度控制器的性能直接影响着工业产品的制造质量和效率。
传统速度控制方法往往存在响应速度慢、精度低等问题。
为了解决这些问题，本文提出了一种基于模糊控制的高精度伺服速度控制器设计与实现方案。
二、系统概述本系统主要由伺服电机、编码器、模糊控制器和上位机组成。
其中，伺服电机负责执行速度控制任务，编码器实时反馈电机速度信息，模糊控制器负责处理反馈信息和进行控制决策，上位机负责与模糊控制器进行通信，并监控整个系统的运行状态。
三、模糊控制器的设计1. 模糊化处理模糊化处理是将电机速度的实时反馈值和目标值进行模糊化处理，将精确的数值转化为模糊语言变量。
这一过程包括确定模糊子集、论域和隶属度函数等。
2. 模糊规则库的设计根据系统特性和经验知识，设计合理的模糊规则库。
这些规则根据电机速度的实时反馈和目标值，决定下一时刻的控制策略。
3. 模糊推理机的实现模糊推理机是模糊控制器的核心部分，根据模糊规则库和实时反馈信息，进行模糊推理，得出下一时刻的控制决策。
4. 解模糊化处理解模糊化处理是将模糊推理结果转化为精确的控制量，以驱动伺服电机执行相应的动作。
四、伺服速度控制器的实现1. 硬件实现伺服速度控制器的硬件部分主要包括微处理器、编码器接口、电机驱动器等。
微处理器负责运行模糊控制器程序，编码器接口负责实时获取电机速度信息，电机驱动器根据控制决策驱动伺服电机执行相应的动作。
2. 软件实现软件部分主要包括模糊控制算法的实现、与上位机的通信等。
在微处理器上运行模糊控制算法，实时处理编码器反馈的电机速度信息，并根据模糊推理结果输出相应的控制量。
同时，与上位机进行通信，接收上位机的指令和监控系统的运行状态。
五、实验结果与分析通过实验验证了基于模糊控制的高精度伺服速度控制器的性能。
模糊控制器的设计与优化
模糊控制器的设计与优化模糊控制器是一种通过模糊推理来实现系统控制的方法。
它通过将不确定性和模糊性考虑进控制系统中，可以在一些模糊的或者难以建模的情况下实现良好的控制性能。
本文将介绍模糊控制器的基本原理、设计方法和优化技术。
一、模糊控制器的基本原理在介绍模糊控制器的设计与优化之前，我们首先来了解一下模糊控制器的基本原理。
模糊控制器的核心思想是使用模糊规则来描述输入和输出之间的关系，通过对输入进行模糊化，并通过一系列的模糊规则进行模糊推理，最终输出一个模糊的控制信号，以实现对系统的控制。
模糊控制器通常由模糊化、规则库、推理机和去模糊化四个部分组成。
模糊化过程是将输入变量映射为模糊集合，即将精确的数值转化为模糊集合的隶属度值。
规则库是存储了一系列模糊规则的知识库，这些知识规则描述了输入和输出之间的关系。
推理机则负责根据输入的模糊集合和模糊规则进行推理，生成模糊的控制信号。
最后，去模糊化过程将模糊的控制信号转化为具体的输出信号。
二、模糊控制器的设计方法模糊控制器的设计是根据具体的系统需求和控制目标而定的，一般可以采用以下几种设计方法。
1. 经验法则设计：这种方法是基于经验的，根据设计者的经验和知识来构建模糊规则库。
设计者通过分析系统的行为和特点，确定适合的输入变量和规则，以达到满足控制需求的目的。
2. 基于模型的设计：这种方法是基于系统的数学模型进行设计的。
设计者首先建立系统的数学模型，然后根据模型的特点进行模糊化和规则的设计，从而构建模糊控制器。
3. 优化算法设计：这种方法是使用优化算法对模糊控制器进行设计和优化。
设计者可以使用遗传算法、粒子群优化等算法来搜索最优的模糊规则和参数，以达到最佳的控制性能。
三、模糊控制器的优化技术模糊控制器的优化是为了改善其控制性能，提高系统的响应速度和稳定性。
以下介绍几种常用的模糊控制器优化技术。
1. 知识库的优化：知识库是模糊控制器设计中非常重要的部分。
优化知识库可以通过添加、删除或修改模糊规则来提高系统的控制性能。
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。
模煳控制第四章 模糊控制器设计
4. 模糊PID控制器 PID控制器对不同的控制对象要用不同的PID参
数，而且调整不方便，抗干扰能力差，超调量 差。 模糊控制器是一种语言控制，不依赖被控对象 的数学模型，设计方法简单、易于实现。能够 直接从操作者的经验归纳、优化得到，且适应 能力强、鲁棒性好。
整理ppt
模糊控制也有其局限性和不足，就是它的 控制作用只能按档处理，是一种非线性控 制，控制精度不高，存在静态余差，一般 在语言变量偏差趋于零时有振荡。
整理ppt
2. 模糊自调整控制器 模糊控制器性能的好坏直接影响到模糊控
制系统的控制特性，而模糊控制器的性能 又取决于控制规则的完善与否。 如果在简单模糊控制器的输入输出关系中 加入修正因子，便能对控制规则进行自动 调整，从而可对不同的被控对象获得相对 满意的控制效果。
整理ppt
在简单模糊控制器中，如果将误差e、误 差变化率Δe及控制量u的关系描述为：
整理ppt
在模糊推理机中，模糊推理决策逻辑是核 心，它能模仿人的模糊概念和运用模糊蕴 涵运算以及模糊逻辑推理规则对模糊控制 作用的推理进行决策。
整理ppt
(3) 解模糊接口(Defuzzification) 通过模糊推理得出的模糊输出量不能直接
去控制执行机构，在这确定的输出范围中， 还必须要确定一个最具有代表性的值作为 真正的输出控制量，这就是所谓解模糊判 决。 完成这部分功能的模块就称作解模糊接口， 它的主要功能包括：
整理ppt
4.1 模糊控制器的基本结构及主要类 型
4.1.1 模糊控制器的基本结构
模糊控制的基础是模糊集合理论和模糊逻 辑，是用模糊逻辑来模仿人的思维对那些 非线性、时变的复杂系统以及无法建立数 学模型的系统实现控制的。
- 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)。
模糊控制器设计模糊控制是以模糊集合论、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。
从线性控制与非线性控制的角度分类，模糊控制是一种非线性控制。
从控制器的智能性看，模糊控制属于智能控制的X 畴，而且它已成为目前实现智能控制的一种重要而又有效的形式。
1 模糊控制的基本思想在自动控制技术产生之前，人们在生产过程中只能采用手动控制方式。
手动控制过程首先是通过观测被控对象的输出，其次是根据观测结果做出决策，然后手动调整输入量，操作工人就是这样不断地完成从观测、决策到调整，实现对生产过程的手动调整输入量，操作工人就是这样不断地完成从观测、决策到调整，实现对生产过程的手动控制。
这三个步骤分别是由人的眼-脑-手来完成的。
后来，由于科学技术的进步，人们逐渐采用各种测量装置（如传感器）代替人眼，完成对被控制量的观测任务；利用各种控制器（如PID 调节器）取代人脑的作用，实现比较、综合被控制量与给定量之间的偏差，控制器所给出的输出信号相当于手动控制过程中人脑的决策；使用各种执行机构（如电动机）对被控对象施加某种控制作用，这就起到了手动控制中手的调整作用。
上述由测量装置、控制器、被控对象及执行机构组成的自动测控系统，就是人们所熟知的常规负反馈控制系统。
常规控制首先要建立精确数学模型，但是对一些复杂的工业过程，建立精确的数学模型是非常困难的，或者是根本不可能的。
于是常规控制技术在这里就遇到了不可逾越的障碍。
但是，熟练的技术操作人员，通过感官系统进行现场观察，再根据自己的经验就能很容易地实现这类控制过程，于是就产生了一个问题，能否把人的操作经验总结为若干条控制规则，并设计一个装置去执行这些规则，从而对系统进行有效的控制呢?答案是肯定的。
这种装置就是模糊控制器。
与传统的PID 控制相比，模糊控制有其明显的优越性。
由于模糊控制实质上是用计算机去执行操作人员的控制策略，因而可以避开复杂的数学模型。
对于非线性，大滞后及带有随机干扰的复杂工业对象，由于数学模型难以建立，因而传统的PID 控制也就失效，而对这样的系统，设计一个模糊控制器，却没有多大困难。
实践结果表明，在两种系统均调到最佳状态下，当工作条件大幅度变化时，经典的PID 控制难以进行调整，而模糊控制对过程参数改变不灵敏，在所有工作所有工作点上都能做到较稳定的控制，这说明模糊控制本质上是非线性的，并且对于对象的参数变化适应性强，即所谓的“鲁棒性”较好。
2 模糊控制系统的组成模糊控制属于计算机数字控制的一种形式，通常由5个部分组成，其系统框图如图1所示。
图1（1）模糊控制器实际上是一台PC 机或单片机及其相应软件。
（2）输入/输出接口模糊控制器通过输入接口获取信号，并经输出接口转变为模拟信号去控制被控对象。
（3）执行机构主要包括电动和气动调节装置，如伺服电机、气动调节阀等。
（4）被控对象可以是缺乏精确数学模型的对象，也可以是有较精确数学模型的对象。
（5）变送器由传感器和信号调理电路组成，传感器是将被控对象转换为电信号的装置，传感器的精度直接影响整个模糊控制系统的精度。
模糊控制系统与通常的计算机控制系统的主要区别是采用了模糊控制器。
模糊控制器是模糊控制系统的核心。
一个模糊系统性能的优劣，主要取决于模糊控制器的结构、所采用的模糊规则、合成推理算法以及模糊决策的方法等因素。
3 模糊控制器的组成及各部分工作原理模糊控制器主要包括输入量模糊化接口、知识库、推理机、输出清晰化接口四个部分，如图2所示。
r ( t )图2（1）模糊化接口模糊控制器的输入变量（通常为偏差和偏差的变化率）的实际变化X围叫做这些变量的基本论域，显然基本论域内的量为精确量，当计算机实现模糊控制算法进行模糊控制时，每次采样得到的被控制量需经计算机计算，以便得到模糊控制器的输入变量。
为了进行模糊化处理，必须将输入变量从基本论域转换到相应的模糊集论域。
设输入变量的基本论域为[-x，x]，输入变量的模糊集论域为{-n，-n+1，…，0，…，n-1，n}，即可以给出精确量模糊化的量化因子k = n／x把输入变量乘以量化因子，就能实现输入变量从基本论域到模糊集论域的转换。
通常，习惯上把输入变量的模糊集论域设定为{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}，把在这区间的连续量模糊化为7档：“正大”（PB）——多数取+6附近；“正中”（PM）——多数取+4附近；“正小”（PS）——多数取+2附近；“零”（0）——多数取0附近；“负小”（NS）——多数取-2附近；“负中”（NM）——多数取-4附近；“负大”（NB）——多数取-6附近。
这7档对应着7个模糊子集，如表1所示。
表中的数表示[-6，+6]之间13个元素在对应模糊集中的隶属度。
当然，这只是一个示意性表，目的在于说明从精确量向模糊量的转换过程，实际的模糊集要根据具体问题来规定。
表1模糊变量不同等级的隶属度值隶属度-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 等级模糊变量PB 0 0 0 0 0 0 0 0 0.2 0.4 0.7 0.8 1PM 0 0 0 0 0 0 0 0 0.2 0.7 1 0.7 0.2 PS 0 0 0 0 0 0 0.3 0.8 1 0.7 0.5 0.2 0Z0 0 0 0 0 0.1 0.6 1 0.6 0.1 0 0 0 0NS 0 0.2 0.5 0.7 1 0.8 0.3 0 0 0 0 0 0NM 0.2 0.7 1 0.7 0.2 0 0 0 0 0 0 0 0NB 1 0.8 0.7 0.4 0.2 0 0 0 0 0 0 0 0①数据库：存放所有输入输出变量的全部模糊子集的隶属度矢量值，若论域为连续域，则为隶属度函数。
对于以上例子，须将表6-7中内容存放于数据库，在规则推理的模糊关系方程求解过程中，向推理机提供数据。
②规则库：用来存放全部模糊控制规则，在推理时为“推理机”提供控制规则。
模糊控制器的规则是基于专家知识或手动操作熟练人员长期积累的经验，它是按人的直觉推理的一种语言表示形式。
模糊规则通常由一系列的关系词连接而成，如if—then，else，also，end，or等，关系词必须经过“翻译”才能将模糊规则数值化。
例如，某温度模糊控制器，系统输入变量为温度的偏差e和温度偏差的变化率ec，输出量为温度控制信号u，它们对应的语言变量分别为E，EC和U，可给出如下模糊规则：R1：IF E is正大and EC is正大then U is负大第一条模糊规则含义是若温度偏高，且温度上升较快，则调节温度控制信号使温度迅速下降。
R2：IF E is 负大and EC is 负大then U is 正大第二条模糊规则含义是若温度偏低，且温度下降较快，则调节温度控制信号使温度迅速上升。
（3）推理机推理机在模糊控制器中的功能是：根据输入的模糊量和知识库（数据库、规则库）完成模糊推理，并求解模糊关系方程，从而获得模糊控制量。
例如，若已知偏差E 和偏差的变化率EC 的模糊集，则控制量的模糊集U 可由模糊推理的合成算法获得，即~~~~)(R EC E U ⋅⨯=式中，× —模糊直积运算；· —模糊合成运算； R — 模糊关系。
（4）清晰化接口通过推理机进行模糊决策所得到的输出是模糊量，而被控对象只能接受一个控制量，因此要进行控制必须经过清晰化接口将模糊量转换为精确量。
将模糊量转换为精确量通常采用以下三种方法：①最大隶属度判决法：若对应的模糊决策的模糊集中，元素u *∈U ，且满足)(*)(~1~1u U u U μμ≥则取u * （精确量）作为输出控制量。
u *就是该模糊子集中隶属度最大的那个元素。
如果这样的隶属度最大点u *不唯一，就取它们的平均值*u 作为执行量。
例如，若~1U =0.3／2+0.7／3+1／4+0.6／5+0.2／6，在~1U 中，元素4的隶属度最大，则按最大隶属度原则，应取执行量u*=4；若~2U =0.3／2+1／3+1／4+0.5／5 +0.2/6，在~2U 中，隶属度最大有两个，它们分别为元素3和4，则取u* =（3+4）／2=3.5。
最大隶属度判决法的优点是简单易行，算法实时性好，突出了隶属度最大元素的控制作用；缺点是它概括的信息量少，对隶属度较小元素的控制作用没有考虑。
②加权平均判决法：该方法的输出量u *的值由下式来决定∑∑===ni ini iiu U uu U u 1~11~1*)()(μμ例如，若60.150.84130.820.1~1++++=U ，则 40.10.810.80.10.160.85410.830.12=++++⨯+⨯+⨯+⨯+⨯=*u③取中位数法：在最大隶属度判决法中，只考虑了最大隶属数，而忽略了其它信息的影响。
中位数判决法是将隶属函数曲线与横坐标所围成的面积平均分成两部分，以分界点所对应的论域元素作为判决输出。
图6-19为模糊控制量隶属函数曲线，根据中位数判决，得输出量u *=1。
中位数判决法虽然比较充分地利用了模糊子集提供的信息量，但在计算时比较烦琐，而且缺乏对隶属度较大元素提供的主导信息的充分重视，因此这种方法在实际应用中受到一定限制。
模糊控制算法可概括为下述4个步骤：☝采样系统的被控量，得到输入变量；☝将输入变量的精确值变为模糊量；☝根据输入变量（模糊量）及模糊控制规则，按模糊推理合成规则计算控制量（模糊量）；☝由上述得到的控制量（模糊量）计算精确的控制量。
2 模糊控制器设计1 模糊控制器的结构设计确定模糊控制器的结构是设计模糊控制器的第一步，所谓“结构”是指确定哪些变量作为模糊控制器的输入变量和输出变量模糊控制器的结构分为单输入单输出。
结构和多输入多输出结构两类。
由于单输入单输出结构用的较多，这里只对该结构给予介绍。
在单输入单输出结构的模糊控制器中，将其输入变量的个数定义为模糊控制器的维数，如图6-20所示。
一维模糊控制器如图6-20（a）所示。
输入变量往往选择为被控量和输入给定量的偏差e。
由于仅仅采偏差值，很难反映受控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。
二维模糊控制器如图6-20（b）所示。
两个输入变量基本上都选用被控变量与输入给定量的偏差e和偏差变化率ec，由于它们能够较好地反映受控过程中输出变量的动态特性，因此，在控制效果上要比一维模糊控制器好得多，也是目前采用较广泛的一类模糊控制器。
三维模糊控制器如图6-20（c）所示。
三个输入变量分别为系统偏差量e、偏差变化率ec和偏差变化率的变化率ecc。
由于这类模糊控制器结构较复杂，推理运算时间长，因此除非对动态特性要求特别高的场合，一般较少选用。
从理论上讲，模糊控制系统所选用的模糊控制器维数越高，系统的控制精度也就越高。