模糊控制文献报告.docVIP

模糊控制文献阅读报告 1、前言 模糊控制（fuzzy control）是以模糊集合理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法[1]，从行为上模拟人的思维方式，对难建模的对象实施模糊推理和决策的一种控制方法。模糊控制以现代控制理论为基础同时与自适应控制技术、人工智能技术、神经网络技术的相结合在控制领域得到了空前的应用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。模糊控制的发展最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、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊控制等。Fuzzy-PID复合控制 Fuzzy-PID复合控制将模糊技术与常规PID控制算法相结合，达到较高的控制精度。当温度偏差较大时采用Fuzzy控制，响应速度快，动态性能好；当温度偏差较小时采用PID控制，静态性能好，满足系统控制精度。因此它比单个的模糊控制器和单个的PID调节器都有更好的控制性能。 自适应模糊控制 这种控制方法具有自适应自学习的能力，能自动地对自适应模糊控制规则进行修改和完善，提高了控制系统的性能。对于那些具有非线性、大时滞、高阶次的复杂系统有着更好的控制性能。 参数自整定模糊控制 也称为比例因子自整定模糊控制。这种控制方法对环境变化有较强的适应能力，在随机环境中能对控制器进行自动校正，使得控制系统在被控对象特性变化或扰动的情况下仍能保持较好的性能。 专家模糊控制EFC(Expert Fuzzy Controller) 模糊控制与专家系统技术相结合，进一步提高了模糊控制器智能水平。这种控制方法既保持了基于规则方法的价值和用模糊集处理带来的灵活性，同时把专家系统技术的表达与利用知识的长处结合起来，能够处理更广泛的控制问题。 仿人智能模糊控制 IC算法具有比例模式和保持模式两种基本模式的特点。这两种特点使得系统在误差绝对值变化时，可处于闭环运行和开环运行两种状态。这就能妥善解决稳定性、准确性、快速性的矛盾，较好地应用于纯滞后对象。 神经模糊控制(Neuro-Fuzzy Control) 这种控制方法以神经网络为基础，利用了模糊逻辑具有较强的结构性知识表达能力，即描述系统定性知识的能力、神经网络的强大的学习能力以及定量数据的直接处理能力。 多变量模糊控制 这种控制适用于多变量控制系统。一个多变量模糊控制器有多个输入变量和输出变量。简化系统设计的复杂性，特别适用于非线性、时变、模型不完全的系统利用控制法则来描述系统变量间的关系不用数值而用语言式的模糊变量来描述系统，模糊控制器不必对被控制对象建立完整的数学模式模糊控制器是一语言控制器，便于操作人员使用自然语言自然语言进行人机对话模糊控制器是一种容易控制、掌握的较理想的非线性控制器，具有较佳的适应性、强健性(Robustness)及较佳的容错性(Fault Tolerance)。模糊控制的设计尚缺乏系统性，这对复杂系统的控制是难以奏效的。难以建立一套系统的模糊控制理论，以解决模糊控制的机理、稳定性分析、系统化设计方法等一系列问题； 如何获得模糊规则及隶属函数即系统的设计办法，完全凭经验进行； 信息简单的模糊处理将导致系统的控制精度降低和动态品质变差。若要提高精度就必然增加量化级数，导致规则搜索范围扩大，降低决策速度，甚至不能进行实时控制； 如何保证模糊控制系统的稳定性即如何解决模糊控制中关于稳定性和鲁棒性问题还有待解决。