模糊自适应PID控制器
自适应模糊pid算法
自适应模糊PID算法引言自适应模糊PID算法是一种基于模糊逻辑和PID控制的算法，它能够根据系统的动态属性自动调整PID控制器的参数，从而提高系统的控制性能。
本文将对自适应模糊PID算法进行全面、详细、完整且深入地探讨。
什么是PID控制器？PID控制器是一种经典的控制算法，它根据系统的误差、误差的变化率和误差的积分来调整控制器的输出。
PID控制器的输出是由比例项、积分项和微分项组成的，分别对应于系统的当前误差、历史误差和未来误差。
为什么需要自适应模糊PID算法？传统的PID控制器在应对复杂的非线性系统时往往表现不佳，因为它们的参数是固定的，无法适应系统动态的变化。
而自适应模糊PID算法则可以根据系统的实时状态自动调整PID控制器的参数，从而提高系统的控制性能。
自适应模糊PID算法的基本原理自适应模糊PID算法的基本原理是利用模糊逻辑来建立一个自适应机制，根据系统的输入和输出来自动调整PID控制器的参数。
该算法的主要步骤如下：1.设计模糊控制器：首先，需要设计一个模糊控制器，包括模糊化、模糊规则的建立和模糊解模糊化。
2.系统建模：将系统的输入和输出进行模糊化，得到一组模糊规则。
3.自适应机制：根据系统的误差和误差的变化率来调整PID控制器的参数。
具体来说，当系统的误差较大或误差的变化率较大时，增大比例项和微分项的权重，减小积分项的权重；当系统的误差较小或误差的变化率较小时，减小比例项和微分项的权重，增大积分项的权重。
4.控制器输出：根据模糊控制器的输出和PID控制器的参数，计算PID控制器的输出。
5.控制器调整：根据系统的反馈信号和期望输出，调整PID控制器的参数，使系统的输出尽可能接近期望输出。
自适应模糊PID算法的优势自适应模糊PID算法相比传统的PID控制算法具有以下优势：1.适应性强：自适应模糊PID算法能够根据系统的动态特性自动调整控制器的参数，适应不同的系统。
2.鲁棒性好：由于自适应模糊PID算法考虑了系统的误差和误差的变化率，因此对于系统的干扰和噪声具有较好的鲁棒性。
模糊自适应PID控制汇总
《系统辨识与自适应控制》课程论文基于Matlab的模糊自适应PID控制器仿真研究学院：电信学院专业：控制工程姓名：王晋学号：102430111356基于Matlab的模糊自适应PID控制器仿真研究王晋（辽宁科技大学电信学院鞍山）摘要：传统PID在对象变化时，控制器的参数难以自动调整。
将模糊控制与PID控制结合，利用模糊推理方法实现对PID参数的在线自整定。
使控制器具有较好的自适应性。
使用MATLAB对系统进行仿真，结果表明系统的动态性能得到了提高。
关键词:模糊PID控制器；参数自整定；Matlab；自适应0引言在工业控制中，PID控制是工业控制中最常用的方法。
但是，它具有一定的局限性:当控制对象不同时，控制器的参数难以自动调整以适应外界环境的变化。
为了使控制器具有较好的自适应性，实现控制器参数的自动调整，可以采用模糊控制理论的方法[1]模糊控制已成为智能自动化控制研究中最为活跃而富有成果的领域。
其中，模糊PID控制技术扮演了十分重要的角色，并目仍将成为未来研究与应用的重点技术之一。
到目前为止，现代控制理论在许多控制应用中获得了大量成功的范例。
然而在工业过程控制中，PID类型的控制技术仍然占有主导地位。
虽然未来的控制技术应用领域会越来越宽广、被控对象可以是越来越复杂，相应的控制技术也会变得越来越精巧，但是以PID为原理的各种控制器将是过程控制中不可或缺的基本控制单元。
本文将模糊控制和PID控制结合起来，应用模糊推理的方法实现对PID参数进行在线自整定，实现PID参数的最佳调整，设计出参数模糊自整定PID控制器，并进行了Matlab/Simulink仿真[2]。
仿真结果表明，与常规PID控制系统相比，该设计获得了更优的鲁棒性和动、静态性及具有良好的自适应性。
1 PID控制系统概述PID控制器系统原理框图如图1所示。
将偏差的比例（K P）、积分(K I)和微分(K D)通过线性组合构成控制量，对被控对象进行控制，K P、K I和K D 3个参数的选取直接影响了控制效果。
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。
模糊自适应pid 规则
模糊自适应pid 规则模糊自适应PID控制器是一种先进的控制器技术，它结合了模糊逻辑和传统PID控制器的优势，可以在非线性、不确定性高的系统中实现更好的控制效果。
本文将详细介绍模糊自适应PID控制器的相关原理和应用，并探讨其在实际工程中的指导意义。
首先，让我们了解什么是PID控制器。
PID控制器是一种常用的闭环控制技术，通过不断调节控制量的比例、积分和微分部分，使系统的输出稳定在期望的参考值附近。
然而，传统PID控制器在应对非线性、不确定性高的系统时存在一些问题，如响应速度慢、稳态误差大等。
模糊逻辑是一种可以处理模糊问题的数学方法，它基于模糊集合和模糊规则，能够对不确定性和非线性系统进行建模和控制。
而模糊自适应PID控制器则是将模糊逻辑与PID控制器相结合，利用模糊规则来调整PID控制器的参数，以达到更好的控制效果。
模糊自适应PID控制器的基本原理是通过模糊化系统状态误差和误差变化率，然后根据一组预先定义的模糊规则来产生控制量输出。
具体而言，它包括三个主要部分：模糊化、推理和解模糊化。
在模糊化阶段，系统状态误差和误差变化率被映射到一系列模糊集合。
在推理阶段，模糊规则被使用来推导出控制量输出。
在解模糊化阶段，模糊的控制量输出被映射回实际的控制信号。
模糊自适应PID控制器的应用非常广泛。
它可以用于飞行器、机器人、工业自动化等领域的控制系统中，尤其对于那些非线性、时变、大惯性和耦合性系统具有良好的适应性。
此外，它还可以用于处理包含模糊、不完全信息和不确定性的系统，使得系统具备更好的鲁棒性和自适应能力。
这种控制器的引入对于实际工程具有重要的指导意义。
首先，模糊自适应PID控制器能够提高控制系统的响应速度和稳定性，使得系统能够更快地收敛到期望值。
其次，它能够适应不同的工作环境和系统变化，克服传统PID控制器在参数不准确或系统非线性变化时的困难。
再者，它还能够处理模糊、不完全信息或不确定的系统，从而提高系统的鲁棒性和可靠性。
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。
模糊自适应PID参数自整定控制器的研究
２ 模 糊 ＰＤ控 制器 的设 计 Ｉ 由 于 ＰＤ 控 制 器 的参 数 比较 难 整定 ， 对 这一 问题 ， 文 设 Ｉ 针 本
计 了模 糊 ＰＤ控 制 器 ， 普 通 的 ＰＤ 控 制 相 比 ， 具 有 易 于 对 Ｉ 与 Ｉ 它 不 确 定 系统 或 非 线 性 系统 进 行 控 制 、对 被 控 对 象 的 参 数 变 化 有 较 强 的鲁 棒 性 、对 外界 的干 扰 有 较 强 的抑 制 能 力 等 特 点 。 模 糊
张 燕 红 （ 州工 学院 电子信 息与 电气工程 学院 ， 苏 常州 ２ ３ ０ ） 常 江 １ ０ ２
摘
要
当控 制 系统 中的被 控 对 象存 在 纯 滞后 、 变 或 非 线 性 等 复 杂 因素 时 ， 通 的 ＰＤ控 制 器 的 控 制 效 果 很 难 达 到 较 好 的 时 普 Ｉ
近年来 ，Ｉ ＰＤ控 制 及 其 相 应 的 改 进 型 的 ＰＤ 控 制 已经 被 广 Ｉ 泛 地 应用 于各 个 领 域 中 ，但 是 当控 制 系统 中 的被 控 对 象 存 在 非 线 性 、 变 性 和 不 确 定 性 等 因素 ， 用 常 规 ＰＤ 控 制 ， 难 达 到 时 采 Ｉ 很 较好 的控 制 效 果 ， 且 在 ＰＤ控 制 器 中 ， 数 的 整 定 也 一 直是 比 而 Ｉ 参 较 困 难 的 ， 其 是 被 控 对 象 的 参数 发 生 变化 的 时候 ， 前 的 ＰＤ 尤 之 Ｉ 控制 器 的参 数 很 难适 应 新 的变 化 的被 控 对 象模 型 ， 因此 。 针对 这
控 制 效 果 ， 对 这 一 问题 ， 用模 糊控 制 和 自适 应 控 制 的知 识 ， 计 了模 糊 自适 应 ＰＤ 参 数 自整 定控 制 器 ， 控 制 器 的 比 针 应 设 Ｉ 此 例 系数 、 分 系数和 微 分 系数 可根 据 模 糊 推 理规 则进 行 在 线 调 整 。仿 真 结 果表 明 ， 积 该控 制 方 法 提 高 了 系统 的 动 、 态特 性 ， 静
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。
- 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)。
模糊自适应PID控制器的设计模糊自适应PID 控制器的设计一、 模糊自适应原理模糊控制是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机控制方法，作为智能控制的一个重要分支，在控制领域获得了广泛应用，模糊控制与传统控制方式相比具有以下突出优点: ·不需要精确的被控对象的数学模型；·使用自然语言方法，控制方法易于掌握； ·鲁棒性好，能够较大范围的适应参数变化； ·与常规PID 控制相比，动态响应品质优良。
常规模糊控制器的原理如图1所示:图1 模糊控制系统框图PID 控制规律:101()[()()()]p D I du t k e t e t dt T e t T dt=++⎰式中：p k---比例系数；I T---积分时间常数；D T---微分时间常数。
在工业生产中过程中，许多被控对象随着负荷变化或干扰因素影响，其对象特性参数或结构发生改变。
自适应控制运用现代控制理论在线辨识对象特征参数，实时改变其控制策略，使控制系统品质指标保持在最佳范围内，但其控制效果的好坏取决于辨识模型的精确度，这对于复杂系统是非常困难的。
因此，在工业生产中过程中，大量采用的仍然是PID 算法，PID 参数的整定方法很多，但大多数都以对象特性为基础。
随着计算机技术的以展，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.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模型，首先将操作人员长期实践积累的经验知识用控制然后运用推理便可对PID参数实现最佳调整。
由于操作者经验不易精确描述，控制过程中各种信号量及评价指标不易定量表示，模糊理念是解决这一问题的有效途径，所以人们运用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，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，目前模糊自适应PID 控制器有多种结构，但其工作原理基本一致。
自适应模糊PID以误差e和误差变化率ec作为输入，可以满足不同时刻的e和ec对PID参数自整定的要求，利用模糊控制规则在线对PID参数进行修改，便构成了自适应模糊PID控制器，其结构如图2所示.图2 自适应模糊控制器结构PID参数模糊自整定是找出PID三个参数与e和ec之间的模糊关系，在运行中通过不断检测e和ec，根据模糊控制原理对三个参数进行在线修改，以满足不同e和ec对控制参数的不同要求，而使被控对象有良好的动、静态性能。
从系统的稳定性、响应速度、超调量和精度等各方面来考虑，kp.ki,kd的作用如下：（1）比例系数kp的作用是加快系统的响应速度，提高系统的调节精度。
kp越大，系统的响应速度越快，系统的调节精度越高，但易产生超调，甚至会导致系统不稳定。
kp取值过小，则会降低调节精度，使响应速度缓慢，从而延长调节时间，使系统的动态静态特性变坏。
（2）积分作用系数ki的作用是消除系统的稳态误差。
ki越大，的静态误差消除越快，但ki过大，在响应过程的初期会产生积分饱和现象，从而引起响应过程的较大超调。
若ki过小，将使系统静态误差难以消除，影响系统的调节精度。
（3）微分作用系数kd的作用是改善系统的动态特性，其作用主要是在响应过程中抑制偏差向任何方向的变化，对偏差变化进行提前预报。
但kd过大，会使响应过程提前制动，从而延长调节时间，而且会降低系统的抗干扰性能二、自适应模糊PID控制的设计思路PID参数的整定必须考虑到在不同时刻三个参数的作用及相互之间的关系。
在线实时模糊自整定PID算法的基础上，通过计算当前系统e和误差变化率ec，利用模糊规则进行模糊推理，查询模糊矩阵表进行参数调整。
核心是总结工程设计人员的技术知识和实际操作经验，建立合适的模糊规则表，得到针对kp,ki,kd三个参数分别整定的模糊控制表（表1，表2，和表3）。
表1 kp模糊控制规则表表2 ki模糊控制规则表表3 kd 模糊控制规则表kp,ki,kd 的控制规则表建立好后，可根据如下方法kp,ki,kd 的自适应校正。
将系统e 和误差变化率ec 变化范围定义为模糊集上的论域。
e,ec ={-5,-4,-3,-2,-1,0,1,2,3,4,5}其模糊子集为e,ec={NB,NM,NS,ZO,PS,PM,PB}子集中元素分别代表负大，负中，负小，零，正小，正中，正大。
根据各模糊子集的隶属度赋值表和各参数模糊控制模型，应用模糊合成推理设计PID 参数的模糊矩阵表，查出修正参数，代入下式计算：()(1){,}i i p kp k kp k e ec =-+()(1){,}i i i ki k ki k e ec =-+ ()(1){,}i i d kd k kd k e ec =-+在线运行过程中，控制系统通过模糊逻辑规则的结果处理、查表和运算，完成对PID 参数的在线自校正。
其工作流程如图3所示：图3 在线自校正工作流程图三、仿真结果被控对象为：32523500()87.3510470Gp s s s s=++ 采样时间为1ms ，采用模糊PID 控制进行跃响应，在第300个采样时间控制器输出加1.0的干扰，相应的响应结果如图所示：time(s)r i n ,y o u ttime(s)e r r o ra) 模糊PID 控制阶跃响应 b) 模糊PID 控制误差响应time(s)utime(s)k pkp 的自适应调整c) 控制器输出u d) kp 的自适应调整-3time(s)k iki 的自适应调整time(s)k dkd 的自适应调整e) ki 的自适应控制调整 e) kd 的自适应控制调整图4 仿真结果其中，e,de,kp,ki,kd 的隶属度函数：eD e g r e e o f m e m b e r s h i pe 的隶属度函数ecD e g r e e o f m e m b e r s h i pec 的隶属度函数a) 误差的隶属度函数 b) 误差变化率的隶属度函数kpD e g r e e o f m e m b e r s h i pkiD e g r e e o f m e m b e r s h i pc) kp 的隶属度函数 d) ki 的隶属度函数kdD e g r e e o f m e m b e r s h i pkd 的隶属度函数e) kd 的隶属度函数 图5 各变量的隶属度函数kd (7)System f uzzpid: 2 inputs, 3 outputs, 49 rules图6 模糊PID控制系统构成得到的模糊规则有以下49条：MATLAB下运行showrule(a)，可得到以下49条模糊规则：1. If (e is NB) and (ec is NB) then (kp is PB)(ki is NB)(kd is PS) (1)2. If (e is NB) and (ec is NM) then (kp is PB)(ki is NB)(kd is NS) (1)3. If (e is NB) and (ec is NS) then (kp is PM)(ki is NM)(kd is NB) (1)4. If (e is NB) and (ec is Z) then (kp is PM)(ki is NM)(kd is NB) (1)5. If (e is NB) and (ec is PS) then (kp is PS)(ki is NS)(kd is NB) (1)6. If (e is NB) and (ec is PM) then (kp is Z)(ki is Z)(kd is NM) (1)7. If (e is NB) and (ec is PB) then (kp is Z)(ki is Z)(kd is PS) (1)8. If (e is NM) and (ec is NB) then (kp is PB)(ki is NB)(kd is PS) (1)9. If (e is NM) and (ec is NM) then (kp is PB)(ki is NB)(kd is NS) (1)10. If (e is NM) and (ec is NS) then (kp is PM)(ki is NM)(kd is NB) (1)11. If (e is NM) and (ec is Z) then (kp is PS)(ki is NS)(kd is NM) (1)12. If (e is NM) and (ec is PS) then (kp is PS)(ki is NS)(kd is NM) (1)13. If (e is NM) and (ec is PM) then (kp is Z)(ki is Z)(kd is NS) (1)14. If (e is NM) and (ec is PB) then (kp is NS)(ki is Z)(kd is Z) (1)15. If (e is NS) and (ec is NB) then (kp is PM)(ki is NB)(kd is Z) (1)16. If (e is NS) and (ec is NM) then (kp is PM)(ki is NM)(kd is NS) (1)17. If (e is NS) and (ec is NS) then (kp is PM)(ki is NS)(kd is NM) (1)18. If (e is NS) and (ec is Z) then (kp is PS)(ki is NS)(kd is NM) (1)19. If (e is NS) and (ec is PS) then (kp is Z)(ki is Z)(kd is NS) (1)20. If (e is NS) and (ec is PM) then (kp is NS)(ki is PS)(kd is NS) (1)21. If (e is NS) and (ec is PB) then (kp is NS)(ki is PS)(kd is Z) (1)22. If (e is Z) and (ec is NB) then (kp is PM)(ki is NM)(kd is Z) (1)23. If (e is Z) and (ec is NM) then (kp is PM)(ki is NM)(kd is NS) (1)24. If (e is Z) and (ec is NS) then (kp is PS)(ki is NS)(kd is NS) (1)25. If (e is Z) and (ec is Z) then (kp is Z)(ki is Z)(kd is NS) (1)26. If (e is Z) and (ec is PS) then (kp is NS)(ki is PS)(kd is NS) (1)27. If (e is Z) and (ec is PM) then (kp is NM)(ki is PM)(kd is NS) (1)28. If (e is Z) and (ec is PB) then (kp is NM)(ki is PM)(kd is Z) (1)29. If (e is PS) and (ec is NB) then (kp is PS)(ki is NM)(kd is Z) (1)30. If (e is PS) and (ec is NM) then (kp is PS)(ki is NS)(kd is Z) (1)31. If (e is PS) and (ec is NS) then (kp is Z)(ki is Z)(kd is Z) (1)32. If (e is PS) and (ec is Z) then (kp is NS)(ki is PS)(kd is Z) (1)33. If (e is PS) and (ec is PS) then (kp is NS)(ki is PS)(kd is Z) (1)34. If (e is PS) and (ec is PM) then (kp is NM)(ki is PM)(kd is Z) (1)35. If (e is PS) and (ec is PB) then (kp is NM)(ki is PB)(kd is Z) (1)36. If (e is PM) and (ec is NB) then (kp is PS)(ki is Z)(kd is PB) (1)37. If (e is PM) and (ec is NM) then (kp is Z)(ki is Z)(kd is PS) (1)38. If (e is PM) and (ec is NS) then (kp is NS)(ki is PS)(kd is PS) (1)39. If (e is PM) and (ec is Z) then (kp is NM)(ki is PS)(kd is PS) (1)40. If (e is PM) and (ec is PS) then (kp is NM)(ki is PM)(kd is PS) (1)41. If (e is PM) and (ec is PM) then (kp is NM)(ki is PB)(kd is PS) (1)42. If (e is PM) and (ec is PB) then (kp is NB)(ki is PB)(kd is PB) (1)43. If (e is PB) and (ec is NB) then (kp is Z)(ki is Z)(kd is PB) (1)44. If (e is PB) and (ec is NM) then (kp is Z)(ki is Z)(kd is PM) (1)45. If (e is PB) and (ec is NS) then (kp is NM)(ki is PS)(kd is PM) (1)46. If (e is PB) and (ec is Z) then (kp is NM)(ki is PM)(kd is PM) (1)47. If (e is PB) and (ec is PS) then (kp is NM)(ki is PM)(kd is PS) (1)48. If (e is PB) and (ec is PM) then (kp is NB)(ki is PB)(kd is PS) (1)49. If (e is PB) and (ec is PB) then (kp is NB)(ki is PB)(kd is PB) (1)四、小结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，根据实际情况，计算机能自动调整PID参数，这样就实现了模糊自适应PID控制器。