模糊控制演算法理論

❶ 模糊控制方法需要需要對象的數學模型嗎

可以不需要對象的精確數學模型。其實模糊控制也就是為了解決其他控制演算法需要精確模型，並且精確模型獲取後，對擾動有時候魯棒性差的問題而提出的。

模糊控制是近代控制理論中建立在模糊集合輪上基礎上的一種基於語言規則與模糊推理的控制理論，它是智能控制的一個重要分支。
與傳統控制理論相比，模糊控制有兩大不可比擬的優點：第一，模糊控制在許多應用中可以有效且便捷的實現人的控制策略和經驗，這一優點自從模糊控制誕生以來就一直受到人們密切的關注；第二，模糊控制不需要被控對象的數學模型即可實現較好的控制，這是因為被控對象的動態特性已隱含在模糊控制器輸入、輸出模糊集及模糊規則中。所以模糊控制被越來越多的應用於各個領域，尤其是被廣泛應用於家電系列中，基於模糊控制的洗衣機就是其中的一個典型實例。

❷ 經典控制理論與模糊控制理論的特點、區別及關系是什麼

1）它是一種非線性控制方法，工作范圍寬，適用范圍廣，特別適合非線性系統的控制。
（2）它不依賴於對象的數學模型，對無法建模或很難建模的復雜對象，也能利用人的經驗知識來設計模糊控制器完成控制任務。而傳統的控制方法都要已知被控對象的數學模型，才能設計控制器。
（3）它具有內在的並行處理機制，表現出極強的魯棒性，對被控對象的特性變化不敏感，模糊控制器的設計參數容易選擇調整。演算法簡單，執行快，容易實現。不需要很多的控制理論知識，容易普及推廣。

正因為模糊控制具有以上顯著的優點，很多國際著名的專家學者指出：「模糊控制是21世紀的控制技術」，將有非常廣闊的發展前途和產品市場。

❸ 什麼叫模糊控制演算法

模糊控制技術是利用模糊控制演算法控制變頻器的電壓和頻率的一種技術，通過模糊控制技術可使被控電動機的升速時間得到控制，以避免升速過快對電動機使用壽命的影響以及升速過慢而影響工作效率。

❹ 一起學習網提到了模糊控制理論，有誰知道模糊控制理論是什麼

模糊理論(Fuzzy Theory)是為解決真實世界中普遍存在的模糊現象而發展的一門學問，是積極承認主觀性問題的存在，進而以模糊集合理論來處理不易量化的問題，以便能適當而可靠的處理人們主觀評估問題的方法。1974年,英國的E.H.Mamdani首次用模糊邏輯和模糊推理實現了世界上第一個實驗性的蒸汽機控制,並取得了比傳統的直接數字控制演算法更好的效果,從而宣告模糊控制的誕生.
模糊控制的基本思想:把人類專家對特定的被控對象或過程的控制策略總結成一系列以"IF(條件)THEN(作用)"形式表示的控制規則,通過模糊推理得到控製作用集,作用於被控對象或過程.控製作用集為一組條件語句,狀態語句和控製作用均為一組被量化了的模糊語言集,如"正大","負大","正小","負小",零等.
模糊控制的作法即直接將對事物多個方面評估的意見與其影響事物狀況的重要程度作加權的運算，其意義在於希望系統性的分析出該事物的真實情況，其運算方式類似一般常用的「加權平均」，易於為人所接受。
簡言之，模糊控制理論就是模仿人的思維方式和經驗來實現自動控制的一種控制方法。
一起學習網系統在設計過程中，將每道練習題目與知識考查體系進行關聯，為適合各個不同層次學生的需求構建了三種不同題庫：
 鞏固型：適合對基礎知識內容進行鞏固的學生，學習完畢，成績可達70分。（題目難度在50以下）
 提高型：適合基礎知識進行綜合訓練的學生，學習完畢，成績可達80分。（題目難度在50~70之間）
 優秀型：適合成績優秀的學生，學習完畢，成績可達90分。（題目難度在70~90之間）

用戶在網上進行練習的過程中，系統自動記錄用戶的每一個行為，依據用戶做題的題型、數量、正確率、錯誤率進行智能分析。對於用戶正確率比較高的題型系統自動提高出題難度，比如難度值從50逐步提高到70，既保證了用戶的練習興趣，也不知不覺的提升了成績；對於錯誤率達到一定程度，系統則自動降低出題難度以保證用戶的自信心，同時系統發出學習警報，要求用戶進入知識點的強化訓練，保證用戶全面發展。
一起學習網依據模糊控制理論建立的自適應系統通過對用戶行為的系統分析，有效保證了用戶在練習過程中保持動態平衡的狀態，一邊夯實基礎一邊重點提高成績，既能維護用戶的自信心又能保持挑戰難題的興趣。自適應系統是在課堂啟發式教學模式基礎上的一次提高與升華，以計算機的強大分析功能保證了所有在線用戶的均衡發展，雖然耗費的時間不同但是最終均能達到各學科主幹知識點的理解與掌握的目的。模糊控制理論下的自適應系統所表現出來的「一對一教學」形式「因材施教」的巨大優勢，是傳統的課堂教學所無法比擬的。

❺ 什麼是模糊控制系統

每當回答這類問題的時候本人往往查看一下提問者的資料。這類問題的提出應該是自己先對於上述問題具有深刻的認識和具體接觸，假如沒有接觸，很可能別人告訴你的答案你並沒有認識到回答的重點。你的所有問題都是感測器和智能儀表的控制。所謂智能模糊控制就是儀表對於前面一次的開閉信號產生的效果和理想效果的差距有一個模糊的計算，並且控制下一次的開閉，使之更為接近理想效果，經過若干次循環可以達到最終理想效果。具體儀表使用的演算法一般是積分或者微分方式，這里不是教學場所不能細講。

❻ 模糊控制演算法是什麼

模糊控制技術是利用模糊控制演算法控制變頻器的電壓和頻率的一種技術，通過模糊控制技術可使被控電動機的升速時間得到控制，以避免升速過快對電動機使用壽命的影響以及升速過慢而影響工作效率。

❼ 模糊控制的模糊推論

模糊控制理論發展至今，模糊推論的方法大致可分為三種，第一種推論法是依據模糊關系的合成法則，第二種推論法是根據模糊邏輯的推論法簡化而成，第三種推論法和第一種相類似，只是其後件部分改由一般的線性式組成的。模糊推論大都采三段論法，可表示如下：
條件命題：If x is A then y is B
事實：x is A』
結論：y is B』
表示法中的條件命題相當於模糊控制中的模糊控制規則，前件部和後件部的關系，可以用模糊關系式來表達；至於推論演算，則是將模糊關系和模糊集合A』進行合成演算，得到模糊集合B』。推論演算法可以下式表示：
B』=A』。R
若前件部分含有多個命題時，則可表示如下：
條件命題：If x1 is A1 …. and xn is An
then y is B
事實：x is A』1 and ….and xn is A』n
結論：y is B』
這種模糊推論法其前件部用「」連結各命題，推論演算的過程則以模糊邏輯來結合前件部中各命題的模糊集合，故前件部的集合A可表示如下：
A=A1∩A2∩…. ∩An
=∩iAi
由(3.7)式可得到模糊集合A和後件部的模糊集合B，利用2.5節中模糊關系R的定義來求得條件命題的模糊關系，其隸屬度函數可用μR(x1,x2,….,xn,y)來表示。同樣地，事實部分的模糊集合A』，亦可表為：
A』=∩iAi
因此，以合成演算法可得到推論結果如下：
μB』(y)=μA』(x)。μR(x1,x2,….,xn,y)
本章將針對第一種和第三種推論法做介紹：
（1） 第一種推論法
為Mamdani教授最初所使用的方法，其所用的控制規則如下所述：
R1:If x1 is A11 and … and xn is A1n then y1 is B1
R2:If x1 is A21 and … and xn is A2n then y2 is B2
‧ ‧
‧ ‧
‧ ‧
Rn:If x1 is Am1 and … and xn is Amn then ym is Bm
其中Aij ,B i代表論域中的模糊集合。若使用模糊關系Rc和最大－最小合成的模糊推論，則推論結果可得到模糊集合Bi』的隸屬函數為：
(3.12)式中的值稱為前件部的適合度，因此藉由各條件命題的前件部，便可計算出各條模糊控制規則相對應的適合度。
在實行模糊控制時，將許多條適合的規則進行上述的推論演算，然後結合各個由演算法得到的推論結果來獲得模糊集合B』，在此先不談論解模糊化的方法，於下一小節再做討論。
(2)第三種推論法
此種推論法為日本Takagi和Sugano所提出，將Mamdani模糊推論法的命題後件部改為控制器輸出入的線性函數式，其模糊控制規則型式表示如下：
此種型態的模糊控制規則其前件部大多使用梯形隸屬度函數，而後件部的線性函數式亦可使用非線性函數式取代。若演算法則為Max-Min合成，則可得到如(3.12)式之適合度；若改采Max-proct合成，則可得到上模糊控制規則Ri對應條件命題前件部之適合度，如下所示：
控制規則Ri後件之值Yi可由下列求得：
綜合上述各控制規則得到的推論結果，經解模糊化程序後，便可得到明確的控制器輸出值。
這種模糊控制推論藉由多個線性函數式表示控制器的輸出入關系。將輸入變數空間作模糊分割，並平滑各分割空間接續的地方，而被平滑化的地方即模糊的區域。 在實行模糊控制時，將許多控制規則進行上述推論演算，然後結合各個由演算得到的推論結果獲得控制輸出；為了求得受控系統的輸出，必須將模糊集合B』解模糊化，在此將對三種常用解模糊化的方法做簡單的介紹：
(1)重心法
為模糊控制中段常用的方法，其定義為：
其中y°相當於模糊控制集合B』重心位置，圖3.5、3.6為圖解模糊關系Rc和最大－最小合成及重心法的推論演算過程。
(2) 高度法
亦為時常使用之解模糊化的方法之一，其定義為：
圖3.7為圖解使用高度法計算解模糊化值。
(3) 面積法
與重心法相類似，其定義為：