鍋爐水位模糊控制

摘要洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文）[1]。建立基于模糊控制器的鍋爐水位控制的仿真模型如下圖4-1所示。圖4-1基于模糊控制的鍋爐水位系統(tǒng)仿真模型建立基于PI控制的鍋爐水位控制的仿真模型如圖4-2所示PI控制是對系統(tǒng)偏差進(jìn)行比例、積分和微分的一種線性控制方法，在實(shí)際應(yīng)用中，由于微分環(huán)節(jié)容易造成系統(tǒng)早期飽和，增加系統(tǒng)不穩(wěn)定的因素，故采用PI環(huán)節(jié)，PI控制系統(tǒng)模型如圖4-2所示，為研究模糊控制器在此系統(tǒng)中的應(yīng)用效果，采用PI控制進(jìn)行仿真。圖4-2基于PI控制的鍋爐水位控制的仿真模型4.1.2模糊控制器仿真實(shí)現(xiàn)使用Matlab自帶的模糊邏輯工具箱，采用圖形化的系統(tǒng)設(shè)計(jì)工具構(gòu)造一個(gè)模糊邏輯系統(tǒng)。確定模糊控制器的輸入量輸出量，定義對應(yīng)變量名稱，并選定隸屬度函數(shù)、各個(gè)變量對應(yīng)的論域和模糊語言變量，其過程如下確定輸入量與輸出量如圖4-3所示。圖4-3輸入量與輸出量表示定義對應(yīng)的變量的模糊論域、隸屬度函數(shù)和控制規(guī)則如下圖4-4所示：圖4-4(a)輸入水位偏差e的論域與隸屬度函數(shù)圖4-4(b)輸入水位偏差變化率de的論域與隸屬度函數(shù)圖4-4(c)輸出量u的論域與隸屬度函數(shù)圖4-4（d）模糊控制規(guī)則在對模糊控制的模型圖和PI控制的模型圖綜合后，放在一個(gè)模型圖中，在一個(gè)示波器中顯示出來，這樣更加容易對結(jié)果進(jìn)行分析說明所得到的系統(tǒng)仿真圖如圖4-5所示。圖4-5系統(tǒng)仿真圖這個(gè)模型圖對結(jié)果的分析更加具有說服作用，用同一種信號輸入，同一個(gè)被控對象，在兩種不同的控制作用下，顯示說明兩種控制效果。在命令行串口輸入命令“ruleview”，或在上述編輯器中選擇相應(yīng)菜單，都可以激活模糊規(guī)則瀏覽器。本設(shè)計(jì)的模糊規(guī)則觀測界面如下圖4-6所示。圖4-6模糊規(guī)則觀察器模糊推理輸入輸出曲面視圖如圖4-7所示。圖4-7模糊推理輸入輸出曲面觀察圖第5章仿真結(jié)果分析響應(yīng)曲線圖放在一個(gè)示波器中能夠更加容易分析結(jié)果，響應(yīng)曲線如下圖5-1所示。圖5-1系統(tǒng)響應(yīng)曲線比較圖中紅色線代表PI控制，黑色線條代表模糊控制。由圖5-1可知：當(dāng)輸入為階躍函數(shù)時(shí)（1）在0-19（s）內(nèi)模糊控制器響應(yīng)快于PI控制（2）在19-80（s）內(nèi)模糊控制器更容易趨于穩(wěn)定，且超調(diào)量很小（3）在80-100（s）內(nèi)模糊控制與PI控制都趨于穩(wěn)定，然而模糊控制響應(yīng)更快。由此可得結(jié)論：在有限的時(shí)間內(nèi)，當(dāng)給定水位為階躍信號的情況下，PI控制下系統(tǒng)響應(yīng)速度較慢，其穩(wěn)定時(shí)間也相對較長，且系統(tǒng)響應(yīng)的超調(diào)量較大，相比較而言，模糊控制器控制效果明顯提高，系統(tǒng)變化平穩(wěn)，有效地抑制了振蕩、控制了系統(tǒng)超調(diào)現(xiàn)象，使得鍋爐對汽包水位的控制更加精確，動(dòng)態(tài)性能更好，自適應(yīng)能力更強(qiáng)。PI控制器簡單的可分為比例調(diào)節(jié)和微分調(diào)節(jié)。比例調(diào)節(jié)作用：按比例反應(yīng)系統(tǒng)的偏差,系統(tǒng)一旦出現(xiàn)了偏差,比例調(diào)節(jié)立即產(chǎn)生調(diào)節(jié)作用用以減少偏差。比例作用大,可以加快調(diào)節(jié),減少誤差,但是過大的比例,使系統(tǒng)的穩(wěn)定性下降,甚至造成系統(tǒng)的不穩(wěn)定。積分調(diào)節(jié)作用：使系統(tǒng)消除穩(wěn)態(tài)誤差,提高無差度。因?yàn)橛姓`差,積分調(diào)節(jié)就進(jìn)行,直至無差,積分調(diào)節(jié)停止,積分調(diào)節(jié)輸出一常值。積分作用的強(qiáng)弱取決于積分時(shí)間常數(shù)Ti,Ti越小,積分作用就越強(qiáng)。反之Ti大則積分作用弱,加入積分調(diào)節(jié)可使系統(tǒng)穩(wěn)定性下降,動(dòng)態(tài)響應(yīng)變慢。模糊控制則是綜合了上述兩種調(diào)節(jié)方式，利用模糊規(guī)則來控制被控對象，當(dāng)出現(xiàn)偏差時(shí)，立刻在模糊規(guī)則中搜索相對應(yīng)的模糊規(guī)則，這樣系統(tǒng)就不容易出現(xiàn)較大的誤差，從而更加容易處于穩(wěn)定，這也就是如圖中所示的響應(yīng)曲線，模糊控制比PI更加穩(wěn)定，且超調(diào)量更小的原因。通過圖像的比較說明在鍋爐水位控制方面，模糊控制具有常規(guī)PI控制所沒有的優(yōu)越性，模糊控制響應(yīng)更加迅速，也能更加快速的趨于穩(wěn)定，表明在鍋爐水位控制方面模糊控制相較PI控制更勝一籌。結(jié)論結(jié)論在分析鍋爐給水系統(tǒng)工作原理的基礎(chǔ)上，構(gòu)建了鍋爐給水控制系統(tǒng)，利用Matlab中的模糊工具箱設(shè)計(jì)了模糊控制器，并在simulink的工作環(huán)境下，對鍋爐水位模糊控制系統(tǒng)進(jìn)行了設(shè)計(jì)與仿真，在此工作環(huán)境下，可以對被控對象參數(shù)的進(jìn)行設(shè)定、修改，也可以修改輸入、輸出變量的量化論域、語言變量、隸屬度函數(shù)以及控制規(guī)則，可以方便利用參數(shù)的變化或是隸屬函數(shù)的變化，來通過參數(shù)或是隸屬函數(shù)的變化，來看到控制效果的優(yōu)劣。本文又通過常規(guī)的PI控制與模糊控制的比較，來說明模糊控制在鍋爐水位控制方面的快速性、穩(wěn)定性，表明模糊控制的應(yīng)用前景。然而由于時(shí)間和知識的問題，導(dǎo)致本設(shè)計(jì)并不是十分的完美。在模糊控制器中水位偏差Ke、水位偏差變化率Kde、輸出量化因子Ku的參數(shù)選擇，可能不是最好的。在仿真時(shí)間的步長和仿真時(shí)長方面了解的不是太多，在以后的時(shí)間里，我會對Matlab這個(gè)軟件進(jìn)行更加深入的研究，去學(xué)習(xí)模糊邏輯工具箱，，研究對量化因子、比例因子的選擇。在鍋爐水位控制系統(tǒng)中，利用PI控制與模糊控制的結(jié)合，或許能更快的響應(yīng)，減小超調(diào)量，使系統(tǒng)更加穩(wěn)定，這將是我下一步的研究重點(diǎn)。有了這次設(shè)計(jì)所積累的經(jīng)驗(yàn)，相信我能夠完成這個(gè)研究課題。附錄PAGE16謝辭畢業(yè)設(shè)計(jì)是在大學(xué)完成的最后一件與課程相關(guān)的任務(wù)，所以在畢業(yè)設(shè)計(jì)開始做之前，我的畢業(yè)設(shè)計(jì)老師就告誡我們，要好好完成不給大學(xué)留下最后的遺憾。在王曉麗老師的指導(dǎo)下，我從對模糊控制的一竅不通，到有了初步的了解，也對Matlab這個(gè)強(qiáng)大的軟件，有了更加深入的了解。經(jīng)過幾個(gè)月的努力，我完成了自己的畢業(yè)設(shè)計(jì)，在這次任務(wù)中，我學(xué)到了很多有用的知識，也積累了不少經(jīng)驗(yàn)。在進(jìn)入論文命題的設(shè)定階段，王老師給與了我多方面的幫助，給我提供許多寶貴的意見，讓我定下這個(gè)命題，從而可以順利完成這個(gè)設(shè)計(jì)。在論文寫作過程中，王老師也是無比耐心的給予我?guī)椭?，沒有王老師的幫助，論文就可能沒辦法順利完成。在這一個(gè)學(xué)期中通過與王老師的接觸，了解到她在治學(xué)中嚴(yán)謹(jǐn)?shù)墓ぷ鲬B(tài)度，給我們講解中的孜孜不倦，都給了我很大的啟發(fā)，使我受益終身，在此表達(dá)對王老師真摯的謝意。另外再次設(shè)計(jì)中，同組的同學(xué)也給予了我很大幫助，我們一起討論問題，增進(jìn)了我們的知識，加深了我們的友誼，讓我了解到團(tuán)結(jié)的力量是無比巨大的，在此也對他們幾個(gè)表達(dá)謝意。大學(xué)生活即將結(jié)束，相信等待我的是一片充滿機(jī)遇與挑戰(zhàn)的土地，相信大學(xué)四年的學(xué)習(xí)，一定會對我在社會中的奮斗有所幫助，讓我在社會中能更加綻放自己的光彩，做一個(gè)對社會、對國家有用的人。參考文獻(xiàn)陸柳延、王妹婷等.鍋爐水位的模糊控制及其仿真實(shí)現(xiàn)，揚(yáng)州大學(xué)學(xué)報(bào)，2013,5，第16卷2期李士勇.模糊控制.哈爾冰工業(yè)大學(xué)出版社.2011.9吳曉莉、林哲輝等.MATLAB輔助模糊系統(tǒng)設(shè)計(jì).西安電子科技大學(xué)出版社.2002.8李國勇.智能預(yù)測控制及其MATLAB實(shí)現(xiàn).第2版.電子工業(yè)出版社.2010.1.胡壽松.自動(dòng)控制原理.第5版.北京：科學(xué)出版社.2007.湯兵勇、路林吉、王文杰.模糊控制理論與應(yīng)用技術(shù).北京：清華大學(xué)出版社。2002.9.張松蘭、劉延太．鍋爐汽包水位控制系統(tǒng)的設(shè)計(jì)．科技情報(bào)開發(fā)與經(jīng)濟(jì)，2008.HULinjing、ZHANGKE,LIUTao.Studyontheboilerdrumwaterlevelbasedonfuzzyadaptivecontrol.24thChinesecontrolandDecisionConference.Taiwan：IEEE.2012.3:1659-1663.SUNFuchun,SunZengqi.Neuralnetwork-basedadaptivecontrollerdesignofroboticmanipulatorswithanobserver.IEEE.Transneuralnetw樓順天等，基于Matlab的系統(tǒng)分析與設(shè)計(jì)——模糊系統(tǒng).西安：西安電子科技大學(xué)出版社，2001.劉曙光等，模糊控制技術(shù).北京：中國紡織出版社，2001.6李友善、李軍．模糊控制理論及其在過程控制中的應(yīng)用．北京：國防工業(yè)出版社，1993唐令波、雷玉勇、邴龍健等．基于模糊PID的工業(yè)鍋爐汽包水位控制系統(tǒng)的仿真研究．機(jī)械設(shè)計(jì)與制造.2009.11：110-112.張松蘭、劉延太．鍋爐汽包水位控制系統(tǒng)的設(shè)計(jì)．科技情報(bào)開發(fā)與經(jīng)濟(jì)，2008.18（14）:130-132.GAOJunming、YUANZheng、LIUShurong.FuzzycontrolofwatertanklevelandmatlabsimulationMicroComputInf.2005.21(11):41-43.張國良、曾靜、柯熙政等.模糊控制及其MATLAB應(yīng)用.西安:西安交通大學(xué)出版社.2002.劉曙光、魏俊民、竺志超.模糊控制技術(shù).北京:中國紡織出版社,2001謝宋和、甘勇.單片機(jī)模糊控制系統(tǒng)設(shè)計(jì)與應(yīng)用實(shí)例.北京:電子工業(yè)出版社,1999.胡偉、王福忠、余發(fā)山等.工業(yè)鍋爐汽包水位模糊PID控制策略的研究[J].焦作工學(xué)院學(xué)報(bào):自然科學(xué)版,2001,20(4):273-277.高俊.鍋爐汽包水位模糊控制的應(yīng)用研究.自動(dòng)化儀表.2003,24(3):56-59。FuzzyControlOverviewFuzzylogiciswidelyusedinmachinecontrol.Thetermitselfinspiresacertainskepticism,soundingequivalentto"half-bakedlogic"or"boguslogic",butthe"fuzzy"partdoesnotrefertoalackofrigourinthemethod,rathertothefactthatthelogicinvolvedcandealwithconceptsthatcannotbeexpressedas"true"or"false"butratheras"partiallytrue".Althoughgeneticalgorithmsandneuralnetworkscanperformjustaswellasfuzzylogicinmanycases,fuzzylogichastheadvantagethatthesolutiontotheproblemcanbecastintermsthathumanoperatorscanunderstand,sothattheirexperiencecanbeusedinthedesignofthecontroller.Thismakesiteasiertomechanizetasksthatarealreadysuccessfullyperformedbyhumans.HistoryandapplicationsFuzzylogicwasfirstproposedbyLotfiA.ZadehoftheUniversityofCaliforniaatBerkeleyina1965paper.Heelaboratedonhisideasina1973paperthatintroducedtheconceptof"linguisticvariables",whichinthisarticleequatestoavariabledefinedasafuzzyset.Otherresearchfollowed,withthefirstindustrialapplication,acementkilnbuiltinDenmark,comingonlinein1975.FuzzysystemswerelargelyignoredintheU.S.becausetheywereassociatedwithartificialintelligence,afieldthatperiodicallyoversellsitself,especiallyinthemid-1980s,resultinginalackofcredibilitywithinthecommercialdomain.TheJapanesedidnothavethisprejudice.InterestinfuzzysystemswassparkedbySeijiYasunobuandSojiMiyamotoofHitachi,whoin1985providedsimulationsthatdemonstratedthesuperiorityoffuzzycontrolsystemsfortheSendairailway.Theirideaswereadopted,andfuzzysystemswereusedtocontrolaccelerating,braking,andstoppingwhenthelineopenedin1987.Anothereventin1987helpedpromoteinterestinfuzzysystems.DuringaninternationalmeetingoffuzzyresearchersinTokyothatyear,TakeshiYamakawademonstratedtheuseoffuzzycontrol,throughasetofsimplededicatedfuzzylogicchips,inan"invertedpendulum"experiment.Thisisaclassiccontrolproblem,inwhichavehicletriestokeepapolemountedonitstopbyahingeuprightbymovingbackandforth.Observerswereimpressedwiththisdemonstration,aswellaslaterexperimentsbyYamakawainwhichhemountedawineglasscontainingwaterorevenalivemousetothetopofthependulum.Thesystemmaintainedstabilityinbothcases.Yamakawaeventuallywentontoorganizehisownfuzzy-systemsresearchlabtohelpexploithispatentsinthefield.Followingsuchdemonstrations,Japaneseengineersdevelopedawiderangeoffuzzysystemsforbothindustrialandconsumerapplications.In1988JapanestablishedtheLaboratoryforInternationalFuzzyEngineering(LIFE),acooperativearrangementbetween48companiestopursuefuzzyresearch.Matsushitavacuumcleanersusemicrocontrollersrunningfuzzyalgorithmstointerrogatedustsensorsandadjustsuctionpoweraccordingly.Hitachiwashingmachinesusefuzzycontrollerstoload-weight,fabric-mix,anddirtsensorsandautomaticallysetthewashcycleforthebestuseofpower,water,anddetergent.Canondevelopedanautofocusingcamerathatusesacharge-coupleddevice(CCD)tomeasuretheclarityoftheimageinsixregionsofitsfieldofviewandusetheinformationprovidedtodetermineiftheimageisinfocus.Italsotrackstherateofchangeoflensmovementduringfocusing,andcontrolsitsspeedtopreventovershoot.Thecamera'sfuzzycontrolsystemuses12inputs:6toobtainthecurrentclaritydataprovidedbytheCCDand6tomeasuretherateofchangeoflensmovement.Theoutputisthepositionofthelens.Thefuzzycontrolsystemuses13rulesandrequires1.1kilobytesofmemory.Asanotherexampleofapracticalsystem,anindustrialairconditionerdesignedbyMitsubishiuses25heatingrulesand25coolingrules.Atemperaturesensorprovidesinput,withcontroloutputsfedtoaninverter,acompressorvalve,andafanmotor.Comparedtothepreviousdesign,thefuzzycontrollerheatsandcoolsfivetimesfaster,reducespowerconsumptionby24%,increasestemperaturestabilitybyafactoroftwo,andusesfewersensors.TheenthusiasmoftheJapaneseforfuzzylogicisreflectedinthewiderangeofotherapplicationstheyhaveinvestigatedorimplemented:characterandhandwritingrecognition;opticalfuzzysystems;robots,voice-controlledrobothelicoptersWorkonfuzzysystemsisalsoproceedingintheUSandEurope.TheUSEnvironmentalProtectionAgencyhasinvestigatedfuzzycontrolforenergy-efficientmotors,andNASAhasstudiedfuzzycontrolforautomatedspacedocking:simulationsshowthatafuzzycontrolsystemcangreatlyreducefuelconsumption.FirmssuchasBoeing,GeneralMotors,Allen-Bradley,Chrysler,Eaton,andWhirlpoolhaveworkedonfuzzylogicforuseinlow-powerrefrigerators,improvedautomotivetransmissions,andenergy-efficientelectricmotors.In1995Maytagintroducedan"intelligent"dishwasherbasedonafuzzycontrolleranda"one-stopsensingmodule"thatcombinesathermistor,fortemperaturemeasurement;aconductivitysensor,tomeasuredetergentlevelfromtheionspresentinthewash;aturbiditysensorthatmeasuresscatteredandtransmittedlighttomeasurethesoilingofthewash;andamagnetostrictivesensortoreadspinrate.Thesystemdeterminestheoptimumwashcycleforanyloadtoobtainthebestresultswiththeleastamountofenergy,detergent,andwater.Researchanddevelopmentisalsocontinuingonfuzzyapplicationsinsoftware,asopposedtofirmware,design,includingfuzzyexpertsystemsandintegrationoffuzzylogicwithneural-networkandso-calledadaptive"genetic"softwaresystems,withtheultimategoalofbuilding"self-learning"fuzzycontrolsystems.FuzzysetsTheinputvariablesinafuzzycontrolsystemareingeneralmappedintobysetsofmembershipfunctionssimilartothis,knownas"fuzzysets".Theprocessofconvertingacrispinputvaluetoafuzzyvalueiscalled"fuzzification".Acontrolsystemmayalsohavevarioustypesofswitch,or"ON-OFF",inputsalongwithitsanaloginputs,andsuchswitchinputsofcoursewillalwayshaveatruthvalueequaltoeither1or0,buttheschemecandealwiththemassimplifiedfuzzyfunctionsthathappentobeeitheronevalueoranother.Given"mappings"ofinputvariablesintomembershipfunctionsandtruthvalues,themicrocontrollerthenmakesdecisionsforwhatactiontotakebasedonasetof"rules",eachoftheform.Inoneexample,thetwoinputvariablesare"braketemperature"and"speed"thathavevaluesdefinedasfuzzysets.Theoutputvariable,"brakepressure",isalsodefinedbyafuzzysetthatcanhavevalueslike"static","slightlyincreased","slightlydecreased",andsoon.Thisrulebyitselfisverypuzzlingsinceitlookslikeitcouldbeusedwithoutbotheringwithfuzzylogic,butrememberthatthedecisionisbasedonasetofrules:Alltherulesthatapplyareinvoked,usingthemembershipfunctionsandtruthvaluesobtainedfromtheinputs,todeterminetheresultoftherule.Thisresultinturnwillbemappedintoamembershipfunctionandtruthvaluecontrollingtheoutputvariable.Theseresultsarecombinedtogiveaspecific("crisp")answer,theactualbrakepressure,aprocedureknownas"defuzzification".Thiscombinationoffuzzyoperationsandrule-based"inference"describesa"fuzzyexpertsystem".Traditionalcontrolsystemsarebasedonmathematicalmodelsinwhichthecontrolsystemisdescribedusingoneormoredifferentialequationsthatdefinethesystemresponsetoitsinputs.Suchsystemsareoftenimplementedas"PIDcontrollers"(proportional-integral-derivativecontrollers).Theyaretheproductsofdecadesofdevelopmentandtheoreticalanalysis,andarehighlyeffective.IfPIDandothertraditionalcontrolsystemsaresowell-developed,whybotherwithfuzzycontrol?Ithassomeadvantages.Inmanycases,themathematicalmodelofthecontrolprocessmaynotexist,ormaybetoo"expensive"intermsofcomputerprocessingpowerandmemory,andasystembasedonempiricalrulesmaybemoreeffective.Furthermore,fuzzylogiciswellsuitedtolow-costimplementationsbasedoncheapsensors,low-resolutionanalog-to-digitalconverters,and4-bitor8-bitone-chipmicrocontrollerchips.Suchsystemscanbeeasilyupgradedbyaddingnewrulestoimproveperformanceoraddnewfeatures.Inmanycases,fuzzycontrolcanbeusedtoimproveexistingtraditionalcontrollersystemsbyaddinganextralayerofintelligencetothecurrentcontrolmethod.FuzzycontrolindetailFuzzycontrollersareverysimpleconceptually.Theyconsistofaninputstage,aprocessingstage,andanoutputstage.Theinputstagemapssensororotherinputs,suchasswitches,thumbwheels,andsoon,totheappropriatemembershipfunctionsandtruthvalues.Theprocessingstageinvokeseachappropriateruleandgeneratesaresultforeach,thencombinestheresultsoftherules.Finally,theoutputstageconvertsthecombinedresultbackintoaspecificcontroloutputvalue.Themostcommonshapeofmembershipfunctionsistriangular,althoughtrapezoidalandbellcurvesarealsoused,buttheshapeisgenerallylessimportantthanthenumberofcurvesandtheirplacement.Fromthreetosevencurvesaregenerallyappropriatetocovertherequiredrangeofaninputvalue,orthe"universeofdiscourse"infuzzyjargon.Asdiscussedearlier,theprocessingstageisbasedonacollectionoflogicrulesintheformofIF-THENstatements,wheretheIFpartiscalledthe"antecedent"andtheTHENpartiscalledthe"consequent".Thisruleusesthetruthvalueofthe"temperature"input,whichissometruthvalueof"cold",togeneratearesultinthefuzzysetforthe"heater"output,whichissomevalueof"high".Thisresultisusedwiththeresultsofotherrulestofinallygeneratethecrispcompositeoutput.Obviously,thegreaterthetruthvalueof"cold",thehigherthetruthvalueof"high",thoughthisdoesnotnecessarilymeanthattheoutputitselfwillbesetto"high"sincethisisonlyoneruleamongmany.Insomecases,themembershipfunctionscanbemodifiedby"hedges"thatareequivalenttoadjectives.Commonhedgesinclude"about","near","closeto","approximately","very","slightly","too","extremely",and"somewhat".Theseoperationsmayhaveprecisedefinitions,thoughthedefinitionscanvaryconsiderablybetweendifferentimplementations."Very",foroneexample,squaresmembershipfunctions;sincethemembershipvaluesarealwayslessthan1,thisnarrowsthemembershipfunction."Extremely"cubesthevaluestogivegreaternarrowing,while"somewhat"broadensthefunctionbytakingthesquareroot.Inpractice,thefuzzyrulesetsusuallyhaveseveralantecedentsthatarecombinedusingfuzzyoperators,suchasAND,OR,andNOT,thoughagainthedefinitionstendtovary:AND,inonepopulardefinition,simplyusestheminimumweightofalltheantecedents,whileORusesthemaximumvalue.ThereisalsoaNOToperatorthatsubtractsamembershipfunctionfrom1togivethe"complementary"function.Thereareseveralwaystodefinetheresultofarule,butoneofthemostcommonandsimplestisthe"max-min"inferencemethod,inwhichtheoutputmembershipfunctionisgiventhetruthvaluegeneratedbythepremise.Rulescanbesolvedinparallelinhardware,orsequentiallyinsoftware.Theresultsofalltherulesthathavefiredare"defuzzified"toacrispvaluebyoneofseveralmethods.Therearedozensintheory,eachwithvariousadvantagesanddrawbacks.The"centroid"methodisverypopular,inwhichthe"centerofmass"oftheresultprovidesthecrispvalue.Anotherapproachisthe"height"method,whichtakesthevalueofthebiggestcontributor.Thecentroidmethodfavorstherulewiththeoutputofgreatestarea,whiletheheightmethodobviouslyfavorstherulewiththegreatestoutputvalue.Thediagrambelowdemonstratesmax-mininferringandcentroiddefuzzificationforasystemwithinputvariables"x","y",and"z"andanoutputvariable"n".Notethat"mu"isstandardfuzzy-logicnomenclaturefor"truthvalue":Fuzzycontrolsystemdesignisbasedonempiricalmethods,basicallyamethodicalapproachtotrial-and-error.Thegeneralprocessisasfollows:1.Documentthesystem'soperationalspecificationsandinputsandoutputs.2.Documentthefuzzysetsfortheinputs.3.Documenttheruleset.4.Determinethedefuzzificationmethod.5.Runthroughtestsuitetovalidatesystem,adjustdetailsasrequired.6.Completedocumentandreleasetoproduction.LogicalinterpretationoffuzzycontrolInspiteoftheappearancethereareseveraldifficultiestogivearigorouslogicalinterpretationoftheIF-THENrules.Asanexample,interpretaruleasIF(temperatureis"cold")THEN(heateris"high")bythefirstorderformulaCold(x)→High(y)andassumethatrisaninputsuchthatCold(r)isfalse.ThentheformulaCold(r)→High(t)istrueforanytandthereforeanytgivesacorrectcontrolgivenr.Obviously,ifweconsidersystemsofrulesinwhichtheclassantecedentdefineapartitionsuchaparadoxicalphenomenondoesnotarise.Inanycaseitissometimesunsatisfactorytoconsidertwovariablesxandyinarulewithoutsomekindoffunctionaldependence.ArigorouslogicaljustificationoffuzzycontrolisgiveninHájek'sbook,wherefuzzycontrolisrepresentedasatheoryofHájek'sbasiclogic.AlsoinGerla2005alogicalapproachtofuzzycontrolisproposedbasedonthefollowingidea.Denotebyfthefuzzyfunctionassociatedwiththefuzzycontrolsystem,i.e.,giventheinputr,s(y)=f(r,y)isthefuzzysetofpossibleoutputs.Thengivenapossibleoutput't',weinterpretf(r,t)asthetruthdegreeoftheclaim"tisagoodanswergivenr".Moreformally,anysystemofIF-THENrulescanbetranslateintoafuzzyprograminsuchawaythatthefuzzyfunctionfistheinterpretationofavaguepredicateGood(x,y)intheassociatedleastfuzzyHerbrandmodel.Insuchawayfuzzycontrolbecomesachapteroffuzzylogicprogramming.Thelearningprocessbecomesaquestionbelongingtoinductivelogictheory.模糊控制理論概述模糊邏輯廣泛適用于機(jī)械控制。這個(gè)詞本身激發(fā)一個(gè)一定的懷疑,試探相當(dāng)于“倉促的邏輯”或“虛假的邏輯”,但“模糊”不是指一個(gè)部分缺乏嚴(yán)格性的方法,而這樣的事實(shí),即邏輯涉及能處理的概念,不能被表達(dá)為“對”或“否”,而是因?yàn)椤安糠终鎸?shí)”。雖然遺傳算法和神經(jīng)網(wǎng)絡(luò)可以執(zhí)行一樣模糊邏輯在很多情況下,模糊邏輯的優(yōu)點(diǎn)是解決這個(gè)問題的方法,能夠被鑄造方面接線員能了解,以便他們的經(jīng)驗(yàn),可用于設(shè)計(jì)的控制器。這讓它更容易完成機(jī)械化已成功由人執(zhí)行。歷史以及應(yīng)用模糊邏輯首先被提出是有Lotfi在加州大學(xué)伯克利分校在1965年的一篇論文。他闡述了他的觀點(diǎn)在1973年的一篇論文的概念,介紹了語言變量”,在這篇文章中相當(dāng)于一個(gè)變量定義為一個(gè)模糊集合。其他研究打亂了,第二次工業(yè)應(yīng)用中,水泥窯建在丹麥,即將到來的在線1975。模糊系統(tǒng)在很大程度上在美國被忽略了,因?yàn)樗麄兏嚓P(guān)注的是人工智能，一個(gè)被過分吹噓的領(lǐng)域，尤其是在1980年中期年代,導(dǎo)致在誠信缺失的商業(yè)領(lǐng)域。然而日本人對這個(gè)卻沒有偏見和忽略，模糊系統(tǒng)引發(fā)日立的SeijiYasunobu和SojiYasunobuMiyamoto的興趣。,他于1985年的模擬,證明了模糊控制系統(tǒng)對仙臺鐵路的控制的優(yōu)越性。他們的想法是被接受了,并將模糊系統(tǒng)用來控制加速、制動(dòng)、和停車，當(dāng)線于1987年開業(yè)。1987年另一項(xiàng)促進(jìn)模糊系統(tǒng)的興趣。在一個(gè)國際會議在東京的模糊研究那一年,Yamakawa論證<使用模糊控制,通過一系列簡單的專用模糊邏輯芯片,在一個(gè)“倒立擺“實(shí)驗(yàn)。這是一個(gè)經(jīng)典的控制問題,在這一過程中,車輛努力保持桿安裝在頂部用鉸鏈正直來回移動(dòng)。這次展示給觀察者家們留下了深刻的印象,以及后來的實(shí)驗(yàn),他登上一Yamakawa酒杯包含水或甚至一只活老鼠的頂部的鐘擺。該系統(tǒng)在兩種情況下,保持穩(wěn)定。Yamakawa最終繼續(xù)組織自己的fuzzy-systems研究實(shí)驗(yàn)室?guī)椭米约旱膶＠谔锏乩锏臅r(shí)候。展示之后,日本工程師開發(fā)出了大范圍的模糊系統(tǒng)用于工業(yè)領(lǐng)域和消費(fèi)領(lǐng)域的應(yīng)用。1988年,日本建立了國際模糊工程實(shí)驗(yàn)室,建立合作安排48公司進(jìn)行模糊控制的研究。松下吸塵器使用微控制器運(yùn)行模糊算法去控制傳感器和調(diào)整吸塵力。日立洗衣機(jī)用模糊控制器Load-Weight,Fabric-Mix和塵土傳感器及自動(dòng)設(shè)定洗滌周期來最佳利用電能、水和洗滌劑。佳能研制出的一種上相機(jī)使用電荷耦合器件(CCD)測量中的圖像清晰的六個(gè)區(qū)域其視野和使用提供的信息來決定是否這個(gè)影像在焦點(diǎn)上(清晰)。它也可以追蹤變化的速率在鏡頭運(yùn)動(dòng)的重點(diǎn),以及它的速度以防止控制超調(diào)。相機(jī)的模糊控制系統(tǒng)采用12輸入,6個(gè)輸入了解解現(xiàn)行清晰所提供的數(shù)據(jù)和其他6個(gè)輸入測量CCD鏡頭的變化率的運(yùn)動(dòng)。輸出的位置是鏡頭。模糊控制系統(tǒng)應(yīng)用13條規(guī)則,需要1.1千字節(jié)記憶信息。另外一個(gè)例子是,三菱工業(yè)空調(diào)設(shè)計(jì)采用25加熱規(guī)則和25冷卻規(guī)則。溫度傳感器提供輸入,輸出一個(gè)控制逆變器,一個(gè)壓縮機(jī)氣閥,風(fēng)扇電機(jī)。和以前的設(shè)計(jì)相比,新設(shè)計(jì)的模糊控制器增加五次加熱冷卻速度,降低能耗24%,增加溫度穩(wěn)定性的一個(gè)因素兩個(gè),使用較少的傳感器。日本人對模糊邏輯的人情是反映在很廣泛的應(yīng)用范圍上,他們一直在研究或?qū)崿F(xiàn):例如個(gè)性和筆跡識別光學(xué)模糊系統(tǒng),機(jī)器人,聲控機(jī)器人直升飛機(jī)。模糊系統(tǒng)的相關(guān)研究工作也在美國和歐洲進(jìn)行著。美國環(huán)境保護(hù)署分析了模糊控制節(jié)能電動(dòng)機(jī),美國國家航空和宇宙航行局研究了模糊控制自動(dòng)太空對接。仿真結(jié)果表明,模糊控制系統(tǒng)可大大降低燃料消耗。如波音公司、通用汽車、艾倫-布拉德利、克萊斯勒、伊頓,和漩渦了模糊邏輯用于低功率冰箱、改善汽車變速箱。在1995年美泰克公司推出的一個(gè)“聰明”基于模糊控制器洗碗機(jī)，“一站式感應(yīng)模塊”包括熱敏電阻器,用來溫度測量;電導(dǎo)率傳感器,用來測量離子洗滌劑水平存在于洗;分散和濁度傳感器用來檢測透射光測量失禁的洗滌,以及一個(gè)磁致伸縮傳感器來讀取旋轉(zhuǎn)速率。這個(gè)系統(tǒng)確定最優(yōu)洗周期任何載荷,獲得最佳的結(jié)果用最少的能源、洗滌劑、和水。研究和開發(fā)還繼續(xù)模糊應(yīng)用軟件,作為反對固件設(shè)計(jì),包括模糊專家系統(tǒng)模糊邏輯與整合神經(jīng)網(wǎng)絡(luò)和所謂的自適應(yīng)遺傳軟件系統(tǒng),其最終目的是建立“自主學(xué)習(xí)”模糊控制系統(tǒng)。模糊集輸入變量在一個(gè)模糊控制系統(tǒng)是集映射到一般由類似的隸屬度函數(shù),稱為“模糊集”。轉(zhuǎn)換的過程中,一個(gè)干脆利落的輸入值模糊值稱為“模糊化”。一個(gè)控制系統(tǒng)也有各種不同的類型開關(guān)或“開關(guān)”,連同它的模擬輸入輸入,而這樣的開關(guān)輸入當(dāng)然總有一個(gè)真實(shí)的價(jià)值等于要么