模糊控制算法研究
一种变论域模糊控制伸缩因子算法的改进研究
种 变 论域 模 糊 控 制 伸 缩 因 子算 法 的改 进 研 究
一
种变论域模糊控制伸缩 因子算法的改进研究
Ｓ ｒ ｋ ｇｅ ａ ｔ ｒ ｆ Ｖ ｒ ｂｌ ｉｅ ｓ ｕ ｚ ｎ ｒ ｌＡｌｇｒｈ ｈ ｉ ａ Ｆ ｃｏ ｓ ｏ ａ ｉ ｅ Ｕｎｖ ｒ ｅ Ｆ ｚ ｙ Ｃｏ ｔｏ ｏ ｔ ｍ ｎ ａ ｉ
一
性 、 导性 、 调性 、 可 单 奇偶 性 、 数 值 域 完 备 性 、 数簇 的 稠 密性 、 函 函
函数 空 间 完 备性 。 ２２ 新 型伸 缩 因子 的推 导 ｌ 由于误 差 的变 化 率 可 在 微 分 方 程 中用 误 差 表 示 ，所 以小 必 引 进 误 差 变 化率 这 一 变 量 。 据 上 述 条 件求 解 微 分 方 程 ｄ ￣ ） 根 ｏ（ ： ｘ
ｋ （ ２ ｘ ） ｘ 取 误 差论 域 为 ６ ｘ Ｅ － ｄ ， 。
般 具 有 实 时 性 要 求 ， 此 ， 原 有 的伸 缩 因 子 的 基 础 上 ， 何 因 在 如
器， 文献［ — ］ １ ２ 已指 出 ， 模糊控制器本质上就是插值器 。文献 ［］ ３
首次 提 出变 论 域 思 想 ， 在规 则 形 式不 变 的 前 提 下 ， 域 随 着 误 差 论 变 小 而 伸 缩 （ 可 随着 误 差 增 大 而 扩 展 ） 文 献 ［ — ］ 亦 。 ３ ４ 中提 出 了 两 种 构造 伸缩 因子 的方 法 ，但 两 种 构 造 伸 缩 因子 在 实 际 的工 程 中很 难应 用 。 因为 由于 常 用 的变 论 域 模 糊 控 制 伸 缩 因 子均 为 指 数 形 式 ［ — ］ 而 指 数 形 式 的数 学 模 型 很 难 在 Ｖｓ ａ Ｃ＋ 开 发 ３４， ｉ ｌ ＋ ｕ 监 控 软件 中 实 现 ， 且 数据 的读 取 时 间 过 长 ， 实 际 的控 制 系统 而 而
提高模糊控制性能算法的研究
控 制 以及模糊 控制 与智 能化方 法 结合 的方法 。
１ １ 模 糊复 合控 制 ．
（ ） ｕｚ—Ｉ １ ＦｚｙＰＤ复合 控制 ： 目前 提 高模 糊 控 制 是
Ａｂ ｔ ａ ｔ Ｉ ｈｉ ａ ｅ 。ｍｅ ｏ ｓ ｏ ｒ ｍｏ ｉｇ ｔ ｅ ｆｒ ｎ ｅ ｏ ｕ ｚ ｏ ｔｏ ｒ ｎ ｒ ｄ ｃ ｄ ｂ Ｌ ｄ ｏ ｓｒ ｃ ： ｎ ｔ ｓ ｐ ｐ ｒ ｈ ｔ ｄ ｆｐ ｏ ｔ ｈｅ ｐ ｒ ｍａ ｃ ｆｆ ｚ ｙ ｃ ｎ ｒ ｌａ ｅ ｉ ｔｏ ｕ ｅ ａ ｅ ｎ ｎ ｏ ｓ ＭＡＴ ＬＡＢ．ｎ ｃ ｎ ｅ ｔ ｔ ｅ ｐ ｏ ｅ ｏ ｍａ ｃ ｆｇ ｎ ｒ ｌｆ ｚｙ ｃ ｎ ｒ １ ｉ ｏ ｎ ｃ ｌ ｔ ｏ ｒ ｐ ｒ ｒ ｎ ｅ ｏ ｅ ｅ ａ ｕ ｚ ｏ ｔｏ ．Ｔｈ ｉ ｌｔ ｎ ｈ ｗ ｅ ｆ ｚｙ １ｈ ｆ ｅ ｓｍｕａ ｉ ｓ ｓ ｏ ｔ ｚ — ｏ ｈ ｕ ｃ ｎ ｒｌｈ ｓ ｇ ｄ ｒ ｓ ｌｓ ｏ ｔｏ ａ ａ ｏ ｅ ｕ ｔ． Ｋｅ ｙ ｗｏｒ ： ｆ ｚ ｙ ｃ ｎｔｏ ；ＭＡＴＬ ｄｓ ｕ ｚ ｏ ｒｌ ＡＢ；ｐ ｒｏ ｍａ ｅ ｏ ｚ ｏ ｔｏ ｅ ｆ ｒ ｎｃ ｆｆ ｙ ｃ ｎ ｌ ｕｚ ｒ
态 品质差 ； 模糊 规则 难 以总 结 ， 化 因子 、 量 比例 因子
１ 分 析 分 类 由以上分 析可 知 ， 纯 采用 模 糊 控 制有 控 制 精 单
度低 、 人为 因素 影响大 等缺 点 。故在实 际应 用 中 ， 往 往是将 模糊 控制 或模糊 推理 思想 与其 它相对 成熟 的 控制 理论或 方法 结合起 来 ， 发挥 各 自的长处 ， 而 获 从
fuzzy_control模糊控制算法
模糊逻辑跟踪控制
模糊控制的基本原理框图如下：
图1 模糊控制的基本原理框图
模糊控制器是模糊控制系统的核心，一个模糊控制系统的性能优劣主要取决于模糊控制器的结构、所采用的模糊控制规则、合成推理算法，以及模糊决策的方法等因素。
文本对应的程序，采用单变量二维模糊控制器，输入分别是 误差和误差的倒数，输出为控制量。
其中基模糊控制器结构如图2所示，模糊规则表如表1所示。
de dt
图2模糊控制器结构
表1 模糊规则表
在本仿真程序中，被控对象为：5
3245.235*10()+87.35 1.047*10G s s s s
=+
采样时间为1ms ，采用z 变换进行离散化，经过z 变换后的离散化对象为：
()(2)(1)(3)(2)(4)(3)(2)(1) (3)(2)(4)(3)
yout k den yout k den yout k den yout k num u k num u k num u k =------+-+-+-
其中，反模糊化采用“Centroid”方法，方波响应及控制器输出结果如图3和图4所示：。
车道偏离预警模糊控制算法研究
文章 编号 ： １ ０ ０ ５ ０ ５ ２ ３ （ ２ ０ １ ３ ） ０ ３ ． ０ ０ ７ ６ ． ０ ６
华 东 交 通 大 学 学 报
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏｆ Ｅａ ｓ ｔ Ｃｈｉ ｎ ａ Ｊ ｉ ａ ｏ ｔ ｏ ｎ ｇ Ｕｎｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
己的车道偏 离预 警风险等级即可 ， 此 车道偏 离预警模型能够减 少报警 中虚报和 漏报 。
关键词 ： 车道偏 离预警 ； 模糊控 制 ； Ｔ Ｌ Ｃ算法 中图分类号 ： Ｕ ４ ７ １ ． １ ５ 文献标 志码 ： Ａ
车道偏离造成的人员财产损失约 占整个交通事故损失 的三分之一之多 ， 这类事故 主要 由于驾驶员注 意力分散引起的 ， 如使用手机 、 驾驶疲劳、 瞌睡等等ｎ 。车道偏离预警系统 ｌ ａ ｎ ｅ ｄ ｅ ｐ ａ ａ ｕ ｒ ｅ ｗ ａ ｒ ｎ ｉ ｎ ｇ ｓ ｙ ｓ ｔ ｅ ｍ， Ｌ Ｄ ＷＳ ） 的开发应用为驾驶员带来 了福音 ， 当车辆发生车道偏离时 ， 车道偏离预警系统能够发出警报引起驾
作者简介 ： 苗水雯 （ １ ９ ８ ８ 一） ， 女， 硕士研究生 ， 研究方 向为交通安全 。
第３ 期
苗水雯 ， 等： 车道偏离预警模糊控制算法研究
７ ７
１ ． １ 车 道 线检 测和 建模
驶模拟器 中呈现的道路由连续 的路块组成的 ， 如图 １ 所示 ， 车道线的识别根据路块 中车道线的不 同属 性， 确定其位置。 图１ 中表示 以４ 点 ， ＋ ， ， “ 。围成的路块 ， 整个 路块 宽度为 ， 该路块对应 的中桩坐标为
车道线 的距离和运用Ｔ Ｌ Ｃ 算法估计 出前轮越过 车道线的时间 ， 这些信息将作为本文建立模糊控制系统的 内部参数 ， 通过所建立 的模糊规则 ， 得到当前车辆在车道中行驶状态的危险程度 。
基于FANUC RX3i PAC模糊控制算法的研究
完成 上述 ３个 阶段称 作一个 中断 响应周 期 。在 整个 程序 运行 期 间 ， Ｘ３ 的 Ｃ Ｕ 以一 定 的 扫 描速 Ｒ ｉ Ｐ 度重 复执 行上 述 ３个 阶段 。
３／０ ０ ４
１７ｌＯ Ｏ一１
基于 Ｆ ＡＮＵＣ Ｒ ３ Ｐ Ｘ ｉ ＡＣ模 糊 控制 算 法 的 研 究
王 征 张运 波。 刘 洋 栾 鑫 ， ， ，
（． １ 长春工 程学 院工 程训 练 中心 ； ． ２ 电气 与信息 工程学 院 ， 长春 １ Ｏ １ ） ３ ０ ２
断方式依 次地 读 入 所 有输 入 状 态 和 数 据 ， 并将 它们 存入 ＩＯ映象区中相应的单 元 内， 醒 Ａ Ｄ转换 。输 ／ 惊 ／ 入采样结束后 ， 转入用户程序执行 和输 出刷新阶段 。 （ ） 糊 控 制 阶段 ： Ｘ ｉ Ｐ 将 Ａ／ 转 换 后 ２模 Ｒ ３Ｃ Ｕ Ｄ
照 Ｉ０ 映象 区 内对 应 的状 态 将 存储 数 据 完 成 Ｄ Ａ ／ ／
作 者 简 介 。 征 （９ ８ ， （ ） 长 春 ， 验 师 ， 士 王 １ ７ 一） 男 汉 ， 实 硕 主 要 研 究 计 算 机 自动 控 制 。
转 换 ， 刷新所 有 的输 出锁 存 电路 ， 经输 出电路 驱 并 再 动 相应 的外设 ， 完成 闭环模 糊智 能控 制的功 能 。
收 稿 日期 ；０ １ ２ ２ ２ １ —１ － ２ 基 金 项 目 ｔ 林 省 科 技 发 展 计 划 项 目（ ０ ９ ５０ 吉 ２００１）
运 算 的 结果 刷 新 输 出线 圈 在 ＩＯ 映 象 区中 对 应 位 ／
的状态 。
（ ）输 出刷新 阶段 ： Ｘ ｉ 过模 拟 输 出模 块 按 ３ Ｒ ３通
！璺 Ｑ ！ 墨 ：！ 堡
模糊控制算法原理
模糊控制算法原理
模糊控制是一种基于经验的控制方法，它可以处理不确定性、模糊性和复杂性等问题，因此在工业控制、自动化、机器人等领域得到了广泛应用。
模糊控制算法的基本原理是将输入变量和输出变量映射成模糊集合，通过模糊推理来得到控制输出。
在这个过程中，需要使用模糊逻辑运算和模糊推理规则进行计算，最终得到模糊输出，再通过去模糊化转换为实际控制信号。
模糊控制算法的关键是如何构建模糊规则库。
规则库是由一系列模糊规则组成的，每个模糊规则包括一个前提和一个结论。
前提是由输入变量的模糊集合组成的，结论是由输出变量的模糊集合组成的。
在构建规则库时，需要依据专家经验或实验数据来确定模糊集合和模糊规则。
模糊控制算法的实现过程包括模糊化、模糊推理和去模糊化三个步骤。
模糊化是将输入变量映射成模糊集合的过程，它可以通过隶属度函数将输入变量的值转换为对应的隶属度值，表示它属于各个模糊集合的程度。
模糊推理是根据模糊规则库进行推理的过程，它可以通过模糊逻辑运算来计算各个规则的置信度，进而得到模糊输出。
去模糊化是将模糊输出转换为实际控制信号的过程，它可以通过一些去模糊化方法来实现，比如最大隶属度法、平均值法等。
模糊控制算法的优点是可以处理不确定性和模糊性，适用于复杂系统的控制；缺点是需要依赖专家经验或实验数据来构建规则库，而且计算复杂度较高，运算速度较慢。
因此，在实际应用中需要根据具体情况来选择控制算法。
模糊控制算法是一种基于经验的控制方法，可以处理不确定性、模糊性和复杂性等问题，在工业控制、自动化、机器人等领域得到了广泛应用。
在实际应用中，需要根据具体情况来选择控制算法，以保证控制效果和运算速度的平衡。
模糊控制算法在自主机器人行进过程中的应用研究
变化 ，会 引起 执 行机 构 的大 幅 度变 化 。这 样 机 器
入 在 行 进 的过 程 中 有可 能 造 成 一 定故 障 和 事 故 ， 这在 高可 靠性 的要 求下 是不 能允 许 发生 的 。
４ ）如 果 “ 差 ”是 “ 中 ”且 “ 差变 化 ” 偏 正 偏
是 “ 负大 ”，则 （ Ｅ Ｐ ａ ｄＥ ＝ ｅ ＝ Ｓ ； ｉ ＝ Ｍ Ｃ ＮＢｔ ｎＵ Ｐ ） ｆ ｎ ｈ
且 ，计 算机 输 出数 据 对 应 的 是 执 行机 构 的 实 际 位
置 ，如 果 计 算 机 出 现 故 障 ， 输 出数 据将 会 大 幅 度
２ ）如 果 “ 偏差 ”是 “ 中 ”且 “ 差 变化 ” 正 偏 是 “ 大 ”或 “ 正 正小 ” ， ￣ （ ＝ Ｍ ｎ Ｃ Ｐ Ｕｉ Ｅ Ｐ ａ ｄＥ ＝ Ｂ ｆ
科 技 水 平 和 工 业 自动 化 程 度 的重 要 标 志 。 当前 生
间 的距 离 ，ｃ 示 在 介质 中声 波的 传输 速 率 。在 空 表
气 中声 波的传 输速 率 为 ：
Ｃ Ｃ１Ｔ２ ３ ／ － ｏ ／７ ｍ ｓ ＋ （） ２
产 、生 活 中 已 经广 泛 应 用机 器 人 完 成 任 务 ， 甚 至 在一 些场 合 中代替 人 类发 挥着 重要 的作 用ｕ。 通 过 自身 所 带 传 感 器 对 环 境 进 行 感 知 ， 自主 移 动 机 器 人 能 够 实 现 在 非 结 构 环 境 下 ， 进 行 行
３２ 模糊控制规则设置 ．
根 据 人 工 的 经 验 ， 可 以 有 如 下 的模 糊控 制 规
则：
１ ）如 果 “ 差 ”是 “ 大 ” ，则 （ｆＥ Ｐ 偏 正 ｉ ＝ Ｂ
pid模糊控制算法
PID模糊控制算法介绍PID控制算法在控制系统中，PID是一种常用的控制算法，其全称为比例-积分-微分控制（Proportional-Integral-Derivative Control）算法。
PID控制是一种反馈控制算法，通过根据系统输出和预期输出之间的误差来调整控制器的输出，以使系统输出逼近预期输出。
PID控制算法被广泛应用于工业控制、机器人控制、自动驾驶等领域。
PID控制算法由三个部分组成： - 比例（Proportional）：比例控制部分根据误差的大小，产生一个与误差成正比的控制量。
比例控制可以实现快速响应，但可能产生稳态误差。
- 积分（Integral）：积分控制部分根据误差的累积值，产生一个与误差积分成正比的控制量。
积分控制可以消除稳态误差，但可能导致超调和振荡。
- 微分（Derivative）：微分控制部分根据误差的变化率，产生一个与误差导数成正比的控制量。
微分控制可以增加系统的稳定性，减少超调和振荡，但可能引入噪声。
模糊控制模糊控制是一种基于模糊逻辑的控制方法，与传统的精确控制方法相比，模糊控制更适用于处理不确定性、模糊性和非线性的问题。
模糊控制使用模糊规则来描述输入和输出之间的映射关系，通过模糊推理和模糊集合运算来产生控制量。
PID模糊控制PID模糊控制是将PID控制算法与模糊控制相结合的一种控制方法。
PID模糊控制通过将PID控制器的参数调整为模糊集合，以便更好地适应系统的动态特性和非线性特性。
PID模糊控制可以克服PID控制算法在处理非线性系统时的局限性，提高控制系统的性能和鲁棒性。
PID模糊控制的基本原理PID模糊控制的基本原理是将PID控制器的输入和输出转换为模糊集合，通过模糊推理和模糊集合运算来确定最终的控制量。
具体步骤如下： 1. 确定模糊控制器的输入和输出变量：通常将系统误差和误差变化率作为模糊控制器的输入变量，将控制量作为输出变量。
2. 设计模糊规则库：根据经验和专家知识，设计一组模糊规则，来描述输入和输出之间的映射关系。
- 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)。
《智能控制》
课程设计报告
专业：自动化
班级：学号：
学生：
时间：13年12月30日～13年1月3日
―――――――以下指导教师填写―――――分项成绩：出勤设计报告
总成绩：
指导教师：
设计报告要求和成绩评定
1 报告容
设计任务书（设计计划），正文，参考资料。
设计任务书（设计计划）由学生所在系安排指导教师编写，容包括设计地点、时间、安排和设计容和要求等。
正文容一般包括：（1）设计简述（设计时间、设计地点，设计方式等）；（2）设计容叙述；（3）设计成品(图纸、表格或计算结果等)；（4）设计小结和建议。
参考资料包括参考书和现场技术资料等。
2 书写用纸
A4复印纸；封面、设计任务书要求双面打印。
3 书写要求
正文容手工双面或单面书写，字迹清楚，每页20行左右，每行30字左右，排列整齐；页码居中写在页面下方；纸面上下左右4侧边距均为2厘米。
公式单占一行居中书写；插图要有图号和图题，图号和图题书写在插图下方；表格要有表号和表题，表号和表题在表格上方书写；物理量单位和符号、参考文献引用和书写以及图纸绘制要符合有关标准规定；有关细节可参考我院《毕业设计成品规》。
4 装订
装订顺序：封面，设计任务书，正文及参考资料，封底；左边为装订边，三钉装订，中间钉反向装订。
5 成绩评定
设计成绩一般由出勤（10分）、报告书写规性及成品质量（50分）、考核（40分）三
部分成绩合成后折合为优秀（90－100分）、良好（80－89分）、中（70－79分）、及格（60－69分）或不及格（60分以下）。
设计考核可采取笔试、机试或其它合适的方式；不参加考核或不交报告者成绩为零分。
模糊控制算法研究
一、课程设计的目的：
1. 通过本次课程设计，进一步了解模糊控制的基本原理、模糊模型的建立和模
糊控制器的设计过程。
2. 提高学生有关控制系统的程序设计能力；
3. 熟悉Matlab语言以及在智能控制设计中的应用。
二、课程设计的基本容：
假设系统的模型可以用二阶加纯滞后表示，即传递函数为
12()(1)(1)
d s
f f Ke G s T s T s τ-=
++。
其中各参数分别为1240,10,60,2f f d K T T τ====。
图1 模糊控制系统Simulink 仿真模型图
1、用Matlab 中的Simulink 工具箱，组成一个模糊控制系统，如图1所示。
2、采用模糊控制算法，设计出能跟踪给定输入的模糊控制器，对被控系统进行仿真，绘制出系统的阶跃响应曲线。
（1）模糊集合及论域的定义
对误差E 、误差变化EC 机控制量U 的模糊集合及其论域定义如下： E 、EC 和U 的模糊集合均为： {NB 、NM 、NS 、0、PS 、PM 、PB} E 和EC 的论域为：
{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6} U 的论域为：
{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6}
上述的三个模糊集合都选取了7个元素，主要目的是着眼于提高稳态精度。
E 、EC 和U 的隶属度函数图形如图2,3,4 所示：
图2 变量E的隶属度函数
图3 变量EC的隶属度函数
图4 变量U的隶属度函数
（2）模糊控制规则设计
模糊控制规则如下表所示：
表1 模糊控制规则
NB NM NS ZO PS PM PB
NB NM NS ZO PS PM PB NB
NB
NB
NB
NB
NB
NB
NB
NB
NM
NM
NS
ZO
ZO
NB
NM
NS
NS
ZO
PS
PS
NB
NM
NS
ZO
PS
PM
PB
NS
NS
ZO
PS
PS
PM
PB
ZO
ZO
PS
PM
PM
PB
PB
PB
PB
PB
PB
PB
PB
PB
（3）系统的参数选择
系统所选用的参数为：Saturation、Saturation1、Saturation2的围分别为：[-6 6]、[-6 6]、[-6 6]，Transport Delay=2S。
通过调试得到模糊控制的参数：Gain1=0.7，Gain=1.8，Gain2=1
（4）仿真结果：
系统的阶跃响应曲线如图5所示，其中上方的曲线代表系统的阶跃响应，下方的曲线是系统的模糊控制量的变化。
图5 阶跃输入的响应曲线图
本设计中控制系统性能的要求为：错误!未找到引用源。
，错误!未找到引用源。
，错误!未找到引用源。
由图5中曲线可知：
错误!未找到引用源。
28% 符合要求
错误!未找到引用源。
65s 符合要求
错误!未找到引用源。
2.3% 符合要求
3、改变模糊控制器中模糊变量的隶属度函数，分析隶属度函数和模糊控制规则
对模糊控制效果的影响。
比较那种情况下的控制效果较好。
如下图所示改变模糊控制器中的隶属度函数为梯形隶属函数。
图7 变量E的隶属度函数
图8 变量EC的隶属度函数
图9 变量U的隶属度函数
此时系统的阶跃响应曲线为：
图 10 系统的阶跃响应曲线
由以上的仿真结果可以看出梯形隶属度函数的系统性能没有三角形隶属度函数的系统性能好。
此时系统的超调量变大，上升时间增大，稳态误差变大。
4、给系统加上扰动，观察此时的阶跃响应曲线，看系统是否仍然稳定，并与无扰动情况下的阶跃响应曲线进行比较。
并比较模糊控制和PID控制的鲁棒性。
(1)加扰动时的模型图如图11所示（其中step1为幅值为0.02的阶跃信号）。
图11 加扰动后的系统模型图
系统的阶跃响应曲线为：
图12 系统的阶跃响应曲线
由图可知，系统加上扰动之后，系统仍然是稳定的，系统性能指标变化不大，说明有着良好的鲁棒性。
究其原因，在Saturation2之前加的扰动，相当于被控制对象的输入量在对应时刻又并联了一个输入，从而在对应的各个时刻相当于K 增益变大；显而易见，K的增大，有助于系统的稳定，但是会使超调量变大。
调
整时间变小，与实验的结果是吻合的。
5、改变系统的参数，了解模糊控制在系统参数发生变化时的控制效果。
并与ＰＩＤ控制器作用下系统参数发生变化时的控制效果进行比较，思考模糊控制相对于传统控制的优点。
（1）当系统开环增益k分别取k=35,k=40和k=45时系统的阶跃响应如图所示。
（2）
当系统纯延时错误!未找到引用源。
分别取错误!未找到引用源。
、错误!未找到引用源。
和错误!未找到引用源。
时系统的阶跃响应如图所示。
图14系统纯滞后时间变化对系统阶跃响应的影响
（3）当系统惯性时间常数错误!未找到引用源。
分别取错误!未找到引用源。
、错误!未找到引用源。
和错误!未找到引用源。
时系统的阶跃响。
从图可以看出增大K 值，系统的上升时间减小，此时超调量稍有增加；当系统的纯滞后时间增大时，系统的超调量增加较大。
系统的惯性时间常数增大后使系统动态性能有所降低，当时间常数T2增大时上升时间增大，但超调量有所降低。
三、模糊控制的优点
模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。
模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。
通过本设计可以知道，模糊控制具有能够得到良好的动态响应性能，并且不需要知道被控对象的数学模型，适应性强，上升时间快，鲁棒性好。
与PID 控制相比有着很大的优势，采用PID 控制虽然稳态性能较好，但是难以得到满意的动态响应性能，并且鲁棒性差。
模糊控制也有着自身的缺点，容易受到模糊规则
等级的限制而引起误差，需要进一步改进。
四、总结
通过本次课程设计增加了对模糊调节器的理解，认识到了模糊控制器的优缺点。
并进一步熟练了用Matlab中Simulink工具箱的应用，提高了自己的动手能力。
然而由于对matlab软件的使用不熟练，设计过程中遇到了困难，但在同学的帮助与指导下，熟悉了matlab的指令，才使设计的顺利进行。
同时在设计的过程中学到了不少知识，提高了自己的科学素养，使我认识到搞学术需要耐心和一丝不苟的态度。
五、参考文献
《智能控制理论及应用》师黎铁军利娜晓媛编著
《自动控制理论》夏德铃翁贻方机械工业
《计算机控制技术》王书峰谭健豪主编。