一、模糊控制概况模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，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数字控制技术。1965年，美国的L.A.Zadeh创立了模糊集合论；1973年他给出了模糊逻辑控制的定义和相关的定理。1974年，英国的E.H.Mamdani首先用模糊控制语句组成模糊控制器，并把它应用于锅炉和蒸汽机的控制，在实验室获得成功。这一开拓性的工作标志着模糊控制论的诞生。模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。模糊控制的发展初在西方遇到了较大的阻力；然而在东方尤其是在日本，却得到了迅速而广泛的推广应用。近20多年来，模糊控制不论从理论上还是技术上都有了长足的进步，成为自动控制领域中一个非常活跃而又硕果累累的分支。其典型应用的例子涉及生产和生活的许多方面，例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等的模糊控制；在专用系统和其它方面有地铁靠站停车、驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。二、模糊控制基础模糊控制的基本思想是利用计算机来实现人的控制经验，而这些经验多是用语言表达的具有相当模糊性的控制规则。模糊控制器(Fuzzy Controller，即FC)获得巨大成功的主要原因在于它具有如下一些突出特点：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**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。由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用。基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统的语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。模糊控制算法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。模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。模糊控制系统的基本结构如图1所示：图1　模糊控制系统框图其中s为系统的设定值，y为系统输出，e和c分别是系统偏差和偏差的微分信号，也就是模糊控制器的输入，u为控制器输出的控制信号，E、C、U为相应的模糊量。由图可知模糊控制器主要包含三个功能环节:用于输入信号处理的模糊量化和模糊化环节，模糊控制算法功能单元，以及用于输出解模糊化的模糊环节。模糊控制器设计的基本方法和主要步骤大致包括：1、选定模糊控制器的输入输出变量，并进行量程转换。选取方法一般如图1所示，即分别取e、c和u。2、确定各变量的模糊语言取值及相应的隶属函数，即进行模糊化。模糊语言值通常选取3、5或7个，例如取为{负，零，正}，{负大，负小，零，正小，正大}，或{负大，负中，负小，零，正小，正中，正大}等。然后对所选取的模糊集定义其隶属函数，可取三角形隶属函数(如图2所示)或梯形，并依据问题的不同取为均匀间隔或非均匀的；也可采用单点模糊集方法进行模糊化。 图2　隶属函数取法示意3、建立模糊控制规则或控制算法。这是指规则的归纳和规则库的建立，是从实际控制经验过渡到模糊控制器的中心环节。控制律通常由一组if-then结构的模糊条件语句构成，例如:if e=N and c=N，then u=PB……等；或总结为模糊控制规则表，如表1中所示，可直接由e和c查询相应的控制量u。表1 模糊控制规则表举例uc：Nc：Zc：Pe：NPBPMZe：ZPSZNSe：PZNMNB4、确定模糊推理和解模糊化方法。常见的模糊推理方法有大小推理和大乘积推理两种，可视具体情况选择其一：解模糊化方法有大隶属度法，中位数法，加权平均，重心法，求和法或估值法等等，针对系统要求或运行情况的不同而选取相适应的方法，从而将模糊量转化为**量，用以实施后的控制策略。