智能控制是控制理论与人工智能相结合的产物,是控制领域的热门研究内容,其中模糊控制作为一种基于自然语言控制规则、模糊推理机的计算机控制技术,由于结构简单、鲁棒性强、无需依赖被控对象的精确数学模型等优点,已经成为智能控制技术中最为广泛的研究和应用领域之一。但是,在模糊控制系统输入变量增多的情况下,模糊控制器中会产生大量的模糊规则,使系统变得异常复杂;为了简化模糊控制算法,目前只能够省去模糊控制过程中的去模糊化步骤,模糊化依然是必须的步骤。随着近年来模糊数学取得的巨大进步,特别是粒计算理论的发展,为彻底解决这个问题提供了必要的理论基础。本文主要研究内容如下:(1)从粒计算理论出发,结合粒层、粒化思想提出粒函数的表示方法,通过模糊信息粒粒化方法将模糊条件语句转换为模糊粒函数约束的点响应函数,用得到的点响应函数代替模糊推理过程。从粒函数的角度分析模糊控制器等效于用满足人类经验的模糊粒函数约束得到的点响应函数实现的控制。(2)以两轮自平衡机器人系统为控制对象,分析该系统的稳定性、能控性、能观性后设计两轮自平衡机器人的模糊控制系统。由于系统输入变量较多,所以采取多个模糊控制器串联的形式来降低维度。通过仿真分析,降维后模糊控制系统能够有效控制平衡,但是模糊规则数量随着输入变量的增多而急剧增大,变量越多系统计算量越大,复杂度越高。(3)为了解决传统模糊控制算法因输入变量增多而导致的系统复杂度增高的问题,本文结合粒计算理论提出了一种基于粒计算理论的新算法,即用模糊粒函数取代模糊控制器,用满足人类经验和实验数据约束的点响应函数来实现对系统的控制。粒函数方法不使用模糊逻辑,将模糊输入和模糊输出进行粒化,得到模糊信息粒,根据人的控制经验和实验数据,获得粒响应函数的样点,拟合出模糊粒函数;利用描点法记录模糊粒函数的一种映射关系,拟合出一条实现函数,用这条实现函数作为模糊控制器的点响应函数来进行控制。通过仿真分析,用新算法实现的两轮自平衡机器人系统不仅能够有效控制平衡,而且比串联型模糊控制算法效果更好,与此同时,不同拟合阶数响应函数也可以降低系统运算复杂度,从而证明新算法在非线性系统智能控制中的可行性和优越性。(4)采用粒函数方法的模糊控制系统也可以设计出类似于传统的变论域自适应模糊控制系统,本文基于粒函数方法设计一种粒函数自适应智能控制模型。通过粒函数方法,控制系统模型可以选取不同的采样率和实现函数,制作不同的输入输出控制表并存入控制器,实际控制时算法根据环境参数输入情况,自适应地选取不同的实现函数和不同采样率的控制表进行控制,不断调整响应粒函数、实现函数、实现函数采样间隔,直至满足所有控制要求为止,这样的控制等价于李洪兴教授的变论域自适应模糊控制。本文的创新思想在于以下几个方面:一是提出基于粒计算理论的粒函数算法,新算法解决了高维模糊控制器由于控制的规则过多而使得系统复杂度增大的难题;二是基于新算法设计的模糊控制模型同时省去了模糊化和去模糊化步骤;三是基于新算法设计出一种新的自适应智能控制方法。