概述

所謂模糊控制，就是對難以用已有規(guī)律描述的復雜系統(tǒng)，采用自然語言（如大，中，小）加以描述，借助定性的，不精確的以及模糊的條件語句來表達，模糊控制是一種基于語言的智能控制。

傳統(tǒng)的自動控制器的綜合設計都要建立在被控對象準確的數(shù)學模型（即傳遞函數(shù)模型或狀態(tài)空間模型）的基礎上，但是實際上，很多系統(tǒng)的影響因素很多，通常找出精確的數(shù)學模型，這種情況下，模糊控制的誕生就顯得意義重大，因為模糊控制不需要建立數(shù)學模型，不需要預先知道過程精確的數(shù)學模型。模糊控制與傳統(tǒng)的PID控制，具有如下優(yōu)點：

（1）無需知道被控對象的數(shù)學模型

（2）反映人類智慧思維的智能控制

（3）易被人們所接受，是一種語言變量控制器

（4）構造容易，從屬于智能控制的范疇，尤其適用于非線性，時變，滯后系統(tǒng)的控制

（5）抗干擾能力強，響應速度快，并對系統(tǒng)參數(shù)的變化有較強的魯棒性

1.1.1 工作原理

把各種傳感器測出的精確量轉換為適用于模糊運算的模糊量，然后將這些量在模糊控制器中加以運算，最后再將運算結果中的模糊量轉換為精確量，以便對各執(zhí)行器進行具體的操作控制，這就說明在模糊控制中，存在著一個模糊量與精確量之間相互轉化的問題，如下圖所示：

模糊控制原理圖如下圖所示：

1.1.2 模糊語言集

模糊語言集用表示，一般有={負大，負中，負小，零，正小，正中，正大}，用模糊語言變量E來描述偏差，或者用符號表示：

負大：Negative Big，簡稱NB

負中：Negative Medium，簡稱NM

負小：Negative Small，簡稱NS

零：Zero，簡稱ZE

正小：Positive Small，簡稱PS

正中：Positive Medium，簡稱PM

正大：Positive Big，簡稱PB

1.1.3 隸屬函數(shù)

各參數(shù)相對應子集的隸屬函數(shù)分別由不同的函數(shù)族決定，參數(shù)的相應子集指該參數(shù)被人為地劃分成的等級所構成的一組模糊集合，相應子集的多少，由控制精度決定，例如，參數(shù)“溫差”的相應子集可以是“正大，正中，負小，負大”，也可以是“正大，正中，正小，負小，負中，負大”，后者比前者模糊子集多，所以控制精度更高（在其他相同條件的情況下）。

常用的隸屬函數(shù)如下所示。

（1）z型隸屬度函數(shù)zmf

（2）S型隸屬度函數(shù)smf

（3）三角形隸屬度函數(shù)trimf

**1.2 **模糊控制數(shù)學基礎

1.2.1 模糊控制集合的代數(shù)運算

1.2.2 模糊關系

（1）普通關系：兩個集合中的元素之間是否有關聯(lián)。

（2）模糊關系：兩個模糊集合中的元素之間關聯(lián)程度的多少。

1.2.3 模糊關系的合成

1.2.4 模糊推理

1.2.5 模糊決策

模糊決策（模糊判決，解模糊，清晰化）：由模糊推理得到的結論或者操作是一個模糊向量，轉化為確定值的過程。

（1）最大隸屬度法

（2）加權平均判決法

（3）中位數(shù)法