论文部分内容阅读
一、引言
在自动控制理论中，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型的基础上，但是在实际工业生产中，建立精确的数学模型特别困难，甚至是不可能的。
美国加利福尼亚大学控制论专家L.A.Zadeh教授在1965年提出的《Fuzzy Set》开创了模糊数学的历史，吸引了众多学者对其进行研究，使其广泛地应用于自然科学和社会科学的各个领域。
1974年英国的E.H.Mamdani成功地将模糊控制应用于锅炉和蒸汽机的控制，此后模糊控制不断发展并在许多领域中得到成功的应用。从广义上讲，模糊控制是基于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制策略。模糊控制不用建立数学模型，根据实际系统输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。
二、模糊控制的突出特点
1.模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。
2.模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，适用于解决常规控制难以解决的非线性、时变大及滞后等问题。
3.以语言变量代替常规的数学变量，易于形成专家的“知识”。
4.控制系统采用“不精确推理”，推理过程模仿人的思维过程。由于介入了人的经验，因而能够处理复杂甚至“病态”系统。
传统的控制理论是利用受控对象的数学模型对系统进行定量分析，而后设计控制策略。经典的模糊控制器利用模糊集合理论将专家知识或操作人员经验形成的语言规则直接转化为自动控制策略，其设计不依靠对象精确的数学模型，而是利用其语言知识模型进行设计和修正控制算法。
近年来，模糊控制系统的研究取得了一些比较突出的进展，如模糊系统的万能逼近特性、模糊状态方程及稳定性分析、软计算技术等。这些研究逐步丰富和发展了模糊系统的理论体系，模糊控制在理论上突飞猛进的同时，也越来越多地、成功地应用于现实世界中。
三、模糊控制的发展
模糊控制的发展基本上可分为两个阶段：
初期的模糊控制器是按一定的语言控制规则进行工作的，而这些控制规则是建立在总结操作者对过程进行控制的经验基础上，或设计者对某个过程认识的模糊信息的归纳基础上，因而它适用于控制不易获得精确数学模型和数学模型不确定或多变的对象。
后期的模糊控制器则是基于控制规则难以描述，即过程控制还总结不出成熟的经验，或者过程有较大的非线性以及时滞等特征，试图吸取人脑对复杂对象进行随机识别和判决的特点，用模糊集理论设计自适应、自组织、自学习的模糊控制器。
四、模糊控制理论的研究现状
尽管模糊控制理论已经取得了可观的进展，但与常规控制理论相比仍不成熟。模糊控制系统的分析和设计尚未建立起有效的方法，在很多场合下仍需要依靠经验和试凑。
近年来，许多人一直尝试将常规控制理论的概念和方法扩展至模糊控制系统，而模糊控制与神经网络相结合的方法已成为研究的热点，二者的结合有效地推动了自学习模糊控制的发展。模糊控制易于获得由语言表达的专家知识，能有效地控制那些难以建立精确模型而凭经验可控制的系统；而神经网络则由于其仿生特性更能有效利用系统本身的信息，具有并行处理和自学习能力，容错能力也很强。在集成大系统中，神经网络可用于处理低层感知数据，模糊逻辑可用于描述高层的逻辑框架。模糊控制器正向着自适应、自组织、自学习方向发展，使得模糊控制参数、规则在控制过程中自动地调整、修改和完善，从而不断完善系统的控制性能，达到更好的控制效果，而与专家系统、神经网络等其他智能控制技术相融合成为其发展趋势。
五、模糊控制展望
近年来，模糊控制系统的研究取得了很大的进展，特别是模糊控制器的结构分析、模糊系统的万能逼近特性、模糊状态方程及稳定性分析、软计算技术等；同时，模糊逻辑在软件硬件方面也取得了飞速的发展。但模糊控制理论还有一些重要的理论课题没有解决，其中两个重要的问题是：如何获得模糊规则及隶属函数，这在目前完全是凭经验来进行；如何保证模糊系统的稳定性。
参考文献
[1]L.A.Zadeh.Fuzzy Algorithms[J].Information and control，1986。
[2]张天霞 林辉 无数学模型的控制系统设计[M].西北工业大学，2001。
[3]费春国 模糊自调整控制器的研究与应用[D].天津: 天津科技大学，2003。
[4]李国能 神经模糊控制理论及应用.电子工业出版社，2009。
在自动控制理论中，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型的基础上，但是在实际工业生产中，建立精确的数学模型特别困难，甚至是不可能的。
美国加利福尼亚大学控制论专家L.A.Zadeh教授在1965年提出的《Fuzzy Set》开创了模糊数学的历史，吸引了众多学者对其进行研究，使其广泛地应用于自然科学和社会科学的各个领域。
1974年英国的E.H.Mamdani成功地将模糊控制应用于锅炉和蒸汽机的控制，此后模糊控制不断发展并在许多领域中得到成功的应用。从广义上讲，模糊控制是基于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制策略。模糊控制不用建立数学模型，根据实际系统输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。
二、模糊控制的突出特点
1.模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。
2.模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，适用于解决常规控制难以解决的非线性、时变大及滞后等问题。
3.以语言变量代替常规的数学变量，易于形成专家的“知识”。
4.控制系统采用“不精确推理”，推理过程模仿人的思维过程。由于介入了人的经验，因而能够处理复杂甚至“病态”系统。
传统的控制理论是利用受控对象的数学模型对系统进行定量分析，而后设计控制策略。经典的模糊控制器利用模糊集合理论将专家知识或操作人员经验形成的语言规则直接转化为自动控制策略，其设计不依靠对象精确的数学模型，而是利用其语言知识模型进行设计和修正控制算法。
近年来，模糊控制系统的研究取得了一些比较突出的进展，如模糊系统的万能逼近特性、模糊状态方程及稳定性分析、软计算技术等。这些研究逐步丰富和发展了模糊系统的理论体系，模糊控制在理论上突飞猛进的同时，也越来越多地、成功地应用于现实世界中。
三、模糊控制的发展
模糊控制的发展基本上可分为两个阶段：
初期的模糊控制器是按一定的语言控制规则进行工作的，而这些控制规则是建立在总结操作者对过程进行控制的经验基础上，或设计者对某个过程认识的模糊信息的归纳基础上，因而它适用于控制不易获得精确数学模型和数学模型不确定或多变的对象。
后期的模糊控制器则是基于控制规则难以描述，即过程控制还总结不出成熟的经验，或者过程有较大的非线性以及时滞等特征，试图吸取人脑对复杂对象进行随机识别和判决的特点，用模糊集理论设计自适应、自组织、自学习的模糊控制器。
四、模糊控制理论的研究现状
尽管模糊控制理论已经取得了可观的进展，但与常规控制理论相比仍不成熟。模糊控制系统的分析和设计尚未建立起有效的方法，在很多场合下仍需要依靠经验和试凑。
近年来，许多人一直尝试将常规控制理论的概念和方法扩展至模糊控制系统，而模糊控制与神经网络相结合的方法已成为研究的热点，二者的结合有效地推动了自学习模糊控制的发展。模糊控制易于获得由语言表达的专家知识，能有效地控制那些难以建立精确模型而凭经验可控制的系统；而神经网络则由于其仿生特性更能有效利用系统本身的信息，具有并行处理和自学习能力，容错能力也很强。在集成大系统中，神经网络可用于处理低层感知数据，模糊逻辑可用于描述高层的逻辑框架。模糊控制器正向着自适应、自组织、自学习方向发展，使得模糊控制参数、规则在控制过程中自动地调整、修改和完善，从而不断完善系统的控制性能，达到更好的控制效果，而与专家系统、神经网络等其他智能控制技术相融合成为其发展趋势。
五、模糊控制展望
近年来，模糊控制系统的研究取得了很大的进展，特别是模糊控制器的结构分析、模糊系统的万能逼近特性、模糊状态方程及稳定性分析、软计算技术等；同时，模糊逻辑在软件硬件方面也取得了飞速的发展。但模糊控制理论还有一些重要的理论课题没有解决，其中两个重要的问题是：如何获得模糊规则及隶属函数，这在目前完全是凭经验来进行；如何保证模糊系统的稳定性。
参考文献
[1]L.A.Zadeh.Fuzzy Algorithms[J].Information and control，1986。
[2]张天霞 林辉 无数学模型的控制系统设计[M].西北工业大学，2001。
[3]费春国 模糊自调整控制器的研究与应用[D].天津: 天津科技大学，2003。
[4]李国能 神经模糊控制理论及应用.电子工业出版社，2009。