模糊控制算法理论

❶ 模糊控制方法需要需要对象的数学模型吗

可以不需要对象的精确数学模型。其实模糊控制也就是为了解决其他控制算法需要精确模型，并且精确模型获取后，对扰动有时候鲁棒性差的问题而提出的。

模糊控制是近代控制理论中建立在模糊集合轮上基础上的一种基于语言规则与模糊推理的控制理论，它是智能控制的一个重要分支。
与传统控制理论相比，模糊控制有两大不可比拟的优点：第一，模糊控制在许多应用中可以有效且便捷的实现人的控制策略和经验，这一优点自从模糊控制诞生以来就一直受到人们密切的关注；第二，模糊控制不需要被控对象的数学模型即可实现较好的控制，这是因为被控对象的动态特性已隐含在模糊控制器输入、输出模糊集及模糊规则中。所以模糊控制被越来越多的应用于各个领域，尤其是被广泛应用于家电系列中，基于模糊控制的洗衣机就是其中的一个典型实例。

❷ 经典控制理论与模糊控制理论的特点、区别及关系是什么

1）它是一种非线性控制方法，工作范围宽，适用范围广，特别适合非线性系统的控制。
（2）它不依赖于对象的数学模型，对无法建模或很难建模的复杂对象，也能利用人的经验知识来设计模糊控制器完成控制任务。而传统的控制方法都要已知被控对象的数学模型，才能设计控制器。
（3）它具有内在的并行处理机制，表现出极强的鲁棒性，对被控对象的特性变化不敏感，模糊控制器的设计参数容易选择调整。算法简单，执行快，容易实现。不需要很多的控制理论知识，容易普及推广。

正因为模糊控制具有以上显着的优点，很多国际着名的专家学者指出：“模糊控制是21世纪的控制技术”，将有非常广阔的发展前途和产品市场。

❸ 什么叫模糊控制算法

模糊控制技术是利用模糊控制算法控制变频器的电压和频率的一种技术，通过模糊控制技术可使被控电动机的升速时间得到控制，以避免升速过快对电动机使用寿命的影响以及升速过慢而影响工作效率。

❹ 一起学习网提到了模糊控制理论，有谁知道模糊控制理论是什么

模糊理论(Fuzzy Theory)是为解决真实世界中普遍存在的模糊现象而发展的一门学问，是积极承认主观性问题的存在，进而以模糊集合理论来处理不易量化的问题，以便能适当而可靠的处理人们主观评估问题的方法。1974年,英国的E.H.Mamdani首次用模糊逻辑和模糊推理实现了世界上第一个实验性的蒸汽机控制,并取得了比传统的直接数字控制算法更好的效果,从而宣告模糊控制的诞生.
模糊控制的基本思想:把人类专家对特定的被控对象或过程的控制策略总结成一系列以"IF(条件)THEN(作用)"形式表示的控制规则,通过模糊推理得到控制作用集,作用于被控对象或过程.控制作用集为一组条件语句,状态语句和控制作用均为一组被量化了的模糊语言集,如"正大","负大","正小","负小",零等.
模糊控制的作法即直接将对事物多个方面评估的意见与其影响事物状况的重要程度作加权的运算，其意义在于希望系统性的分析出该事物的真实情况，其运算方式类似一般常用的“加权平均”，易于为人所接受。
简言之，模糊控制理论就是模仿人的思维方式和经验来实现自动控制的一种控制方法。
一起学习网系统在设计过程中，将每道练习题目与知识考查体系进行关联，为适合各个不同层次学生的需求构建了三种不同题库：
 巩固型：适合对基础知识内容进行巩固的学生，学习完毕，成绩可达70分。（题目难度在50以下）
 提高型：适合基础知识进行综合训练的学生，学习完毕，成绩可达80分。（题目难度在50~70之间）
 优秀型：适合成绩优秀的学生，学习完毕，成绩可达90分。（题目难度在70~90之间）

用户在网上进行练习的过程中，系统自动记录用户的每一个行为，依据用户做题的题型、数量、正确率、错误率进行智能分析。对于用户正确率比较高的题型系统自动提高出题难度，比如难度值从50逐步提高到70，既保证了用户的练习兴趣，也不知不觉的提升了成绩；对于错误率达到一定程度，系统则自动降低出题难度以保证用户的自信心，同时系统发出学习警报，要求用户进入知识点的强化训练，保证用户全面发展。
一起学习网依据模糊控制理论建立的自适应系统通过对用户行为的系统分析，有效保证了用户在练习过程中保持动态平衡的状态，一边夯实基础一边重点提高成绩，既能维护用户的自信心又能保持挑战难题的兴趣。自适应系统是在课堂启发式教学模式基础上的一次提高与升华，以计算机的强大分析功能保证了所有在线用户的均衡发展，虽然耗费的时间不同但是最终均能达到各学科主干知识点的理解与掌握的目的。模糊控制理论下的自适应系统所表现出来的“一对一教学”形式“因材施教”的巨大优势，是传统的课堂教学所无法比拟的。

❺ 什么是模糊控制系统

每当回答这类问题的时候本人往往查看一下提问者的资料。这类问题的提出应该是自己先对于上述问题具有深刻的认识和具体接触，假如没有接触，很可能别人告诉你的答案你并没有认识到回答的重点。你的所有问题都是传感器和智能仪表的控制。所谓智能模糊控制就是仪表对于前面一次的开闭信号产生的效果和理想效果的差距有一个模糊的计算，并且控制下一次的开闭，使之更为接近理想效果，经过若干次循环可以达到最终理想效果。具体仪表使用的算法一般是积分或者微分方式，这里不是教学场所不能细讲。

❻ 模糊控制算法是什么

模糊控制技术是利用模糊控制算法控制变频器的电压和频率的一种技术，通过模糊控制技术可使被控电动机的升速时间得到控制，以避免升速过快对电动机使用寿命的影响以及升速过慢而影响工作效率。

❼ 模糊控制的模糊推论

模糊控制理论发展至今，模糊推论的方法大致可分为三种，第一种推论法是依据模糊关系的合成法则，第二种推论法是根据模糊逻辑的推论法简化而成，第三种推论法和第一种相类似，只是其后件部分改由一般的线性式组成的。模糊推论大都采三段论法，可表示如下：
条件命题：If x is A then y is B
事实：x is A’
结论：y is B’
表示法中的条件命题相当于模糊控制中的模糊控制规则，前件部和后件部的关系，可以用模糊关系式来表达；至于推论演算，则是将模糊关系和模糊集合A’进行合成演算，得到模糊集合B’。推论算法可以下式表示：
B’=A’。R
若前件部分含有多个命题时，则可表示如下：
条件命题：If x1 is A1 …. and xn is An
then y is B
事实：x is A’1 and ….and xn is A’n
结论：y is B’
这种模糊推论法其前件部用“”连结各命题，推论演算的过程则以模糊逻辑来结合前件部中各命题的模糊集合，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和后件部的模糊集合B，利用2.5节中模糊关系R的定义来求得条件命题的模糊关系，其隶属度函数可用μR(x1,x2,….,xn,y)来表示。同样地，事实部分的模糊集合A’，亦可表为：
A’=∩iAi
因此，以合成算法可得到推论结果如下：
μB’(y)=μA’(x)。μR(x1,x2,….,xn,y)
本章将针对第一种和第三种推论法做介绍：
（1） 第一种推论法
为Mamdani教授最初所使用的方法，其所用的控制规则如下所述：
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代表论域中的模糊集合。若使用模糊关系Rc和最大－最小合成的模糊推论，则推论结果可得到模糊集合Bi’的隶属函数为：
(3.12)式中的值称为前件部的适合度，因此借由各条件命题的前件部，便可计算出各条模糊控制规则相对应的适合度。
在实行模糊控制时，将许多条适合的规则进行上述的推论演算，然后结合各个由算法得到的推论结果来获得模糊集合B’，在此先不谈论解模糊化的方法，于下一小节再做讨论。
(2)第三种推论法
此种推论法为日本Takagi和Sugano所提出，将Mamdani模糊推论法的命题后件部改为控制器输出入的线性函数式，其模糊控制规则型式表示如下：
此种型态的模糊控制规则其前件部大多使用梯形隶属度函数，而后件部的线性函数式亦可使用非线性函数式取代。若算法则为Max-Min合成，则可得到如(3.12)式之适合度；若改采Max-proct合成，则可得到上模糊控制规则Ri对应条件命题前件部之适合度，如下所示：
控制规则Ri后件之值Yi可由下列求得：
综合上述各控制规则得到的推论结果，经解模糊化程序后，便可得到明确的控制器输出值。
这种模糊控制推论借由多个线性函数式表示控制器的输出入关系。将输入变量空间作模糊分割，并平滑各分割空间接续的地方，而被平滑化的地方即模糊的区域。 在实行模糊控制时，将许多控制规则进行上述推论演算，然后结合各个由演算得到的推论结果获得控制输出；为了求得受控系统的输出，必须将模糊集合B’解模糊化，在此将对三种常用解模糊化的方法做简单的介绍：
(1)重心法
为模糊控制中段常用的方法，其定义为：
其中y°相当于模糊控制集合B’重心位置，图3.5、3.6为图解模糊关系Rc和最大－最小合成及重心法的推论演算过程。
(2) 高度法
亦为时常使用之解模糊化的方法之一，其定义为：
图3.7为图解使用高度法计算解模糊化值。
(3) 面积法
与重心法相类似，其定义为：