模糊控制理论的探索与研究

陈爱敏

模糊控制模仿人的决策能力和推理功能，是又一类智能控制的形式。本文研究模糊控制理论及其实现。模糊控制的基本思想就是利用计算机来实现人的控制经验，而人的控制经验一般是由语言来表达的，这些语言表达的控制规则又带有相当的模糊性。因此要了解被控对象数学模型的结构、阶次、参数等，然后在此基础上合理选择控制策略。

模糊逻辑控制（Fuzzy Logical 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。在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的关键所在，系统动态的信息越详细，则越能达到精确控制的目的。然而，对于复杂的系统，由于变量太多，往往难以正确描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不理想。换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力。因此尝试以模糊数学来处理这些控制问题。

如人工控制反应釜的釜内温度经验可以表达为：若釜内温度过高，则开大冷水阀；若温度和要求的温度相差不太大，则把水阀关小；若温度快接近要求的温度，则把阀门关得很小。这些经验规则中，“较小”“不太大”“接近”“开大”“关小”“关得很小”等表示温度状态和控制阀门动作的概念都带有模糊性。这些规则的形式正是模糊条件语句的形式，可以用模糊数学的方法来描述过程变量和控制作用的这些模糊概念及它们之间的关系，又可以根据这种模糊关系及某时刻过程变量的检测值（需化成模糊语言值）用模糊逻辑推理的方法得出此刻的控制量。这正是模糊控制的基本思路。

模糊控制理论发展至今，模糊逻辑推理的方法大致可分为3种，第一种依据模糊关系的合成法则；第二种依据模糊逻辑的推论法简化而成；第三种和第一种相类似，只是其后件部分改由一般的线性式组成。

由于模糊控制器的模型不是由数学公式表达的数学模型，而是由一组模糊条件语句构成的语言形式，因此从这个角度上讲，模糊控制器又称模糊语言控制器。模糊控制器的模型是由带有模糊性的有关控制人员和专家的控制经验与知识组成的知识模型，是基于知识的控制，因此，模糊控制属于智能控制的范畴。

可以说，模糊控制是以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的数学工具，用计算机来实现的一种智能控制。

1 模糊控制系统的组成

模糊控制系统的基本原理图如图1所示。其中的核心部分为模糊控制器，由于模糊控制器的控制规则是根据操作人员的控制经验取得的，所以它的作用就是模仿人工控制。模糊控制器的控制规律由计算机的程序实现。其功能的实现是要先把计算机观测控制过程得到的精确量转化为模糊输入信息，按照总结人的控制经验及策略取得的语言控制规则进行模糊推理和模糊决策，再经去模糊化处理得到输出控制的精确量，求得输出控制量的模糊集作用于被控对象。因此，控制器的结构通常是由它的输入和输出变量的模糊化、模糊推理算法、模糊合成和模糊判决等部分组成。

2 模糊控制器的设计原理

模糊控制器结构如图2所示。模糊控制器主要由模糊化、模糊推理和模糊决策（反模糊化）3部分组成。模糊控制器的输入是实际量，经模糊化后转换成模糊输入。根据输入条件满足的程度和控制规则进行模糊推理得到模糊输出。该模糊输出经过模糊判决（反模糊化）转化成非模糊量用于过程的控制。

模糊控制器3部分的共同基础是知识库，它包含模糊化所用的隶属函数、模糊推理的控制规则及反模糊化所用的公式。和常规控制方法比较，模糊控制有其明显的优越性。由于模糊控制实质上是用计算机去执行操作人员的控制策略，因而可以避开复杂的数学模型。对于非线性、时变的大滞后及带有随机干扰的系统，由于数学模 型难以建立，因而常规控制方法也就失效；而对这样的系统，设计一个模糊控制器却没有多大困难。

3 小结

模糊控制的精度受到量化等级的制约。另外，对于普通的模糊控制而言，它类似于比例微分的控制方式，还有一个非零的稳态误差，属于有差调节。如果将PID控制技术和它结合起来，取长补短，发挥两者的优势，就能取得更好的控制效果。