孫靈芳 董學(xué)曼 姜其鋒

(東北電力大學(xué)自動(dòng)化工程學(xué)院，吉林 吉林 132012)

模糊控制的現(xiàn)狀與工程應(yīng)用關(guān)鍵問(wèn)題研究

孫靈芳 董學(xué)曼 姜其鋒

(東北電力大學(xué)自動(dòng)化工程學(xué)院，吉林 吉林 132012)

詳細(xì)闡述了模糊控制技術(shù)的研究現(xiàn)狀，包括經(jīng)典模糊控制、智能模糊控制和復(fù)合模糊控制。研究分析了模糊控制技術(shù)在工程應(yīng)用中存在的若干問(wèn)題，包括模糊控制規(guī)則和參數(shù)優(yōu)化問(wèn)題、強(qiáng)耦合多變量問(wèn)題和模糊控制穩(wěn)態(tài)精度問(wèn)題，并根據(jù)目前國(guó)內(nèi)外模糊控制技術(shù)的研究趨勢(shì)，指出了模糊控制技術(shù)未來(lái)的研究方向。

模糊控制 智能控制 復(fù)合控制 控制規(guī)則

隨著計(jì)算機(jī)科學(xué)技術(shù)的快速發(fā)展，模糊控制技術(shù)已經(jīng)發(fā)展成智能控制的重要組成部分[1]，模糊控制在復(fù)雜工業(yè)過(guò)程控制中表現(xiàn)出越來(lái)越重要的地位。模糊控制技術(shù)作為一種非線性全局控制方法[2]，利用現(xiàn)場(chǎng)操作人員的經(jīng)驗(yàn)知識(shí)總結(jié)出模糊控制規(guī)則，最突出的特點(diǎn)是無(wú)需建立被控對(duì)象準(zhǔn)確模型，通過(guò)模糊推理即可完成對(duì)系統(tǒng)的控制，能夠有效克服復(fù)雜系統(tǒng)的非線性、時(shí)變性及滯后性等影響，具有較高的控制品質(zhì)。模糊控制技術(shù)解決了工業(yè)控制和家電自動(dòng)化行業(yè)中傳統(tǒng)控制方法無(wú)法解決的控制難題，得到了廣泛的應(yīng)用，但該技術(shù)還處于發(fā)展中階段[3]，在工程應(yīng)用中還有許多關(guān)鍵問(wèn)題需要解決。

模糊控制的研究方向主要有兩個(gè)方面——理論研究和應(yīng)用研究。理論研究主要集中在對(duì)模糊控制器結(jié)構(gòu)和參數(shù)的研究上，探索模糊控制器的本質(zhì)控制性能和模糊控制器的穩(wěn)定性、通用性。應(yīng)用研究主要表現(xiàn)在模糊控制與其他智能控制的結(jié)合及其在實(shí)際工業(yè)過(guò)程中的應(yīng)用。模糊控制理論經(jīng)過(guò)幾十年的研究，已經(jīng)取得了長(zhǎng)足的發(fā)展[4]。筆者主要從經(jīng)典模糊控制、智能模糊控制和復(fù)合模糊控制3個(gè)方面進(jìn)行闡述。

1.1經(jīng)典模糊控制

經(jīng)典模糊控制是建立于模糊邏輯、模糊集合和控制理論基礎(chǔ)上的。模糊控制系統(tǒng)由模糊控制器和被控對(duì)象組成，模糊控制器由模糊化接口、知識(shí)庫(kù)、模糊推理和清晰化接口組成，其結(jié)構(gòu)如圖1所示。

圖1 模糊控制系統(tǒng)的組成

在實(shí)現(xiàn)模糊控制時(shí)需要解決3個(gè)問(wèn)題：知識(shí)表示、模糊推理和知識(shí)獲取。知識(shí)表示是指如何將采集到的控制信號(hào)通過(guò)語(yǔ)言控制規(guī)則用數(shù)值方式來(lái)表示；模糊推理是指如何根據(jù)當(dāng)前的輸入信號(hào)經(jīng)過(guò)模糊判決得到精確的輸出控制量；知識(shí)獲取是解決如何獲取一組合理規(guī)則的問(wèn)題。目前模糊控制在實(shí)際應(yīng)用中通常有兩種方式：一種是利用軟件實(shí)現(xiàn)模糊控制算法，另一種是利用硬件直接構(gòu)造模糊控制器。模糊控制的獨(dú)特控制特點(diǎn)是無(wú)需建立被控對(duì)象準(zhǔn)確的數(shù)學(xué)模型，模糊規(guī)則構(gòu)造簡(jiǎn)單方便，是一種全局意義上的協(xié)調(diào)控制方法。目前常用的模糊控制器有[5,6]：Mamdani型模糊控制器、T-S型模糊控制器、模糊關(guān)系模型及模糊動(dòng)態(tài)模型等。

1.2智能模糊控制

自適應(yīng)模糊控制。自適應(yīng)模糊控制是具有自適應(yīng)學(xué)習(xí)能力的模糊控制系統(tǒng)，可以離線或在線修改模糊控制器的結(jié)構(gòu)和參數(shù)，達(dá)到最佳控制品質(zhì)。為提升模糊控制器的自適應(yīng)學(xué)習(xí)能力，對(duì)模糊控制的研究主要集中在自組織模糊控制和自校正模糊控制兩個(gè)方面。自組織模糊控制能夠自動(dòng)修改模糊控制系統(tǒng)自身的控制規(guī)則和參數(shù)，不斷完善模糊控制器，以適應(yīng)被控對(duì)象不斷變化的復(fù)雜情況，保證系統(tǒng)的控制品質(zhì)。系統(tǒng)根據(jù)實(shí)際測(cè)量的輸出值與理論值的誤差，計(jì)算輸出響應(yīng)的修正值，并根據(jù)此修正值來(lái)調(diào)整模糊控制規(guī)則；自校正模糊控制是基于傳統(tǒng)模糊控制，引入?yún)f(xié)調(diào)因子和加權(quán)推理決策，根據(jù)系統(tǒng)誤差E和誤差變化EC來(lái)預(yù)測(cè)系統(tǒng)的不確定值，根據(jù)最優(yōu)原則確定控制規(guī)則和參數(shù)，避免了推理決策的局限性和單調(diào)性，提高控制系統(tǒng)的準(zhǔn)確性和魯棒性。

多變量模糊控制。多變量模糊控制系統(tǒng)中的規(guī)則庫(kù)數(shù)量龐大、結(jié)構(gòu)復(fù)雜，因此采用相互獨(dú)立的單變量模糊控制替代多變量模糊控制，有利于消除多變量間的耦合，減少數(shù)據(jù)運(yùn)算時(shí)間，提高系統(tǒng)的靈活性和穩(wěn)定性。因此構(gòu)造合理的控制算法結(jié)構(gòu)是完成多變量模糊控制的關(guān)鍵，目前常用的控制算法結(jié)構(gòu)有基于規(guī)則分解法、分層多規(guī)則集法、分級(jí)結(jié)構(gòu)法、結(jié)構(gòu)分解法及模糊神經(jīng)網(wǎng)絡(luò)法等。

1.3復(fù)合模糊控制

模糊PID控制。模糊PID控制器是將傳統(tǒng)的PID控制與模糊控制技術(shù)相結(jié)合的一種方法。傳統(tǒng)的PID控制技術(shù)廣泛應(yīng)用于工業(yè)過(guò)程控制系統(tǒng)中，但隨著科學(xué)技術(shù)的日新月異，工業(yè)過(guò)程控制也變得越來(lái)越復(fù)雜，提高了控制系統(tǒng)的要求，控制對(duì)象朝著強(qiáng)非線性、顯著的滯后性和多變量耦合性的方向發(fā)展，采用PID控制已經(jīng)無(wú)法滿足控制要求，而且參數(shù)的整定也越來(lái)越困難。利用模糊控制魯棒性強(qiáng)且對(duì)非線性、純滯后和時(shí)變系統(tǒng)有較好控制效果的優(yōu)點(diǎn)，將模糊控制和PID控制相互結(jié)合是一個(gè)重要的研究方向。模糊控制和PID控制結(jié)合的方式分為兩類，其中一類是以PID控制為主，模糊控制在整個(gè)系統(tǒng)中只起到輔助作用，主要利用模糊控制的特點(diǎn)來(lái)優(yōu)化PID控制器的參數(shù)。常見的結(jié)合方式有以下3種：

a. 模糊調(diào)節(jié)PID控制器。利用模糊控制來(lái)調(diào)節(jié)PID控制器的比例、積分和微分系數(shù)，不斷提高系統(tǒng)的控制性能。

b. 模糊監(jiān)督PID控制器。分為上下兩層結(jié)構(gòu)，上層為由模糊控制完成的監(jiān)督層，下層為由PID控制完成的直接控制層。

c. 模糊補(bǔ)償PID控制器。利用模糊控制作為前饋補(bǔ)償器來(lái)克服系統(tǒng)負(fù)荷變化和不確定性因素。

另一類是以模糊控制為主，利用并借鑒PID控制器的結(jié)構(gòu)特點(diǎn)和成熟的理論體系。

模糊預(yù)測(cè)控制。模糊控制和預(yù)測(cè)控制是體現(xiàn)人類處理復(fù)雜問(wèn)題不同方面的智能控制，且都在理論研究和實(shí)際應(yīng)用中發(fā)展的比較成熟，將二者有機(jī)地結(jié)合起來(lái)，能夠更加適應(yīng)復(fù)雜工業(yè)過(guò)程控制需要，并且符合模糊控制模型化和預(yù)測(cè)控制智能化的要求。模糊控制和預(yù)測(cè)控制都不需要被控對(duì)象準(zhǔn)確的數(shù)學(xué)模型，充分利用預(yù)測(cè)控制滾動(dòng)在線優(yōu)化的特點(diǎn)，結(jié)合兩者各自的優(yōu)勢(shì)來(lái)提高控制系統(tǒng)質(zhì)量。常見的結(jié)合方式有以下4種：

a. 基于T-S模糊模型的預(yù)測(cè)控制。如果復(fù)雜被控對(duì)象的預(yù)測(cè)模型是T-S模糊模型，則可以結(jié)合不同的預(yù)測(cè)控制算法，獲得不同的模糊預(yù)測(cè)控制器。

b. 基于模糊關(guān)系模型的預(yù)測(cè)控制。該模型主要采用一個(gè)關(guān)系矩陣來(lái)描述被控對(duì)象的動(dòng)態(tài)特性，關(guān)鍵在于設(shè)計(jì)出性能優(yōu)越的模糊關(guān)系模型。模糊關(guān)系模型預(yù)測(cè)控制結(jié)合不同的預(yù)測(cè)控制算法能夠設(shè)計(jì)出各種有效的模糊預(yù)測(cè)控制算法。

c. 基于模糊決策優(yōu)化的模糊預(yù)測(cè)控制。在預(yù)測(cè)控制中，對(duì)于線性模型采用線性二次型的滾動(dòng)優(yōu)化算法，而這種方法對(duì)于非線性模型并不適用，因此設(shè)計(jì)出了模糊控制決策優(yōu)化的模糊預(yù)測(cè)控制。

d. 基于模糊反饋校正的預(yù)測(cè)控制。預(yù)測(cè)控制系統(tǒng)通常采用的是被控對(duì)象的線性模型，忽略了數(shù)學(xué)建模時(shí)產(chǎn)生的誤差，而在實(shí)際工業(yè)過(guò)程控制中被控對(duì)象往往是非線性的，建立的數(shù)學(xué)模型存在的誤差較大，僅僅采用誤差反饋已經(jīng)無(wú)法滿足控制精度的要求，因此為了改善模型誤差對(duì)系統(tǒng)穩(wěn)定性的影響，設(shè)計(jì)了基于模糊反饋校正的預(yù)測(cè)控制來(lái)增強(qiáng)系統(tǒng)的魯棒性。

模糊神經(jīng)網(wǎng)絡(luò)控制。人工神經(jīng)網(wǎng)絡(luò)是采用人類神經(jīng)網(wǎng)絡(luò)的工作機(jī)理，利用分布式并行協(xié)調(diào)處理的方式進(jìn)行信息處理，是一種非線性映射網(wǎng)絡(luò)，具有非線性自適應(yīng)信息處理能力、較高的魯棒性和容錯(cuò)率。典型神經(jīng)網(wǎng)絡(luò)的模型有MP模型、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)及Elman神經(jīng)網(wǎng)絡(luò)等，運(yùn)用這些模型可實(shí)現(xiàn)優(yōu)化計(jì)算、函數(shù)逼近、模式分類及數(shù)據(jù)聚類等功能。目前模糊控制與神經(jīng)網(wǎng)絡(luò)的結(jié)合有以下3種方式：

a. 以模糊控制為主，利用神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)能力來(lái)完善隸屬度函數(shù)的設(shè)計(jì)和知識(shí)的抽取及表達(dá)等問(wèn)題。

b. 以神經(jīng)網(wǎng)絡(luò)為主，利用模糊控制改善神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特性。

c. 神經(jīng)網(wǎng)絡(luò)與模糊控制完成系統(tǒng)不同的功能，各自進(jìn)行獨(dú)立工作。

模糊專家系統(tǒng)控制。模糊專家系統(tǒng)控制由專家系統(tǒng)和模糊控制相互結(jié)合而成。專家系統(tǒng)是模仿專家思維對(duì)復(fù)雜被控對(duì)象進(jìn)行推理、判斷和決策。在模糊控制中引入專家系統(tǒng)可以提高模糊控制器的智能化，既保持了模糊控制中模糊集處理方法的靈活性，又充分利用專家系統(tǒng)的專家知識(shí)對(duì)復(fù)雜被控對(duì)象的推理求解能力，同時(shí)注重多層次、多類別的知識(shí)，解決了模糊控制系統(tǒng)結(jié)構(gòu)簡(jiǎn)單和規(guī)則單一的缺陷。

模糊遺傳算法控制。遺傳算法是一種將自然界中適者生存和染色體在群體內(nèi)部隨機(jī)進(jìn)行信息交換相結(jié)合的搜索算法[7]，具有普適性、全局性和魯棒性。將遺傳算法引入模糊控制系統(tǒng)，充分利用遺傳算法并行搜索的快速性和無(wú)需被控對(duì)象局部信息的全局收斂性，優(yōu)化調(diào)節(jié)模糊控制中隸屬度函數(shù)的參數(shù)和規(guī)則庫(kù)，主要表現(xiàn)在以下3個(gè)方面：

a. 模糊控制規(guī)則庫(kù)已知，利用GA算法優(yōu)化隸屬度函數(shù)；

b. 隸屬度函數(shù)已知，利用GA算法優(yōu)化模糊控制規(guī)則庫(kù)；

c. 對(duì)模糊控制規(guī)則庫(kù)和隸屬度函數(shù)同時(shí)進(jìn)行優(yōu)化。

除了以上介紹過(guò)的復(fù)合控制，還有很多模糊控制與滑膜控制、解耦控制、粗糙集理論及人工免疫算法等智能控制相結(jié)合的方法[8,9]。

2 模糊控制工程應(yīng)用關(guān)鍵問(wèn)題研究

目前，模糊控制技術(shù)已經(jīng)廣泛應(yīng)用到各個(gè)領(lǐng)域，證明了模糊控制的普適性和優(yōu)越性。但模糊控制在工程實(shí)際應(yīng)用中還有幾個(gè)關(guān)鍵問(wèn)題亟待解決，這些問(wèn)題不僅影響模糊控制的效果，而且也限制了模糊控制技術(shù)的應(yīng)用，主要為：模糊控制規(guī)則和參數(shù)優(yōu)化問(wèn)題、強(qiáng)耦合多變量問(wèn)題、模糊控制穩(wěn)態(tài)精度問(wèn)題。

2.1模糊控制規(guī)則和參數(shù)優(yōu)化問(wèn)題

模糊控制系統(tǒng)是以專家經(jīng)驗(yàn)知識(shí)為基礎(chǔ)而設(shè)計(jì)出來(lái)的，在選定模糊化方法和決策后，模糊控制規(guī)則成為模糊系統(tǒng)設(shè)計(jì)的核心部分。在實(shí)際工程應(yīng)用中模糊控制規(guī)則是根據(jù)現(xiàn)場(chǎng)操作人員的經(jīng)驗(yàn)概括總結(jié)出來(lái)的，然而對(duì)于復(fù)雜的工業(yè)控制過(guò)程，專家經(jīng)驗(yàn)知識(shí)匱乏且邏輯推理困難，導(dǎo)致模糊控制規(guī)則的獲取比較困難，難以總結(jié)出比較完善的模糊規(guī)則，在控制對(duì)象的參數(shù)發(fā)生變化時(shí)，嚴(yán)重影響模糊控制系統(tǒng)的效果，在某種意義上模糊控制系統(tǒng)的控制品質(zhì)和性能與模糊規(guī)則的優(yōu)劣有直接關(guān)系，因此優(yōu)化模糊控制規(guī)則就變得尤其重要。

模糊控制規(guī)則和參數(shù)的優(yōu)化與輸入變量的選取和組合有關(guān)，而且選取合理的模糊變量論域與隸屬度函數(shù)的設(shè)計(jì)也對(duì)其優(yōu)化產(chǎn)生影響，能否完成這些任務(wù)將直接影響模糊控制在實(shí)際工程應(yīng)用中的效果。目前常用的方法是采用遺傳算法優(yōu)化模糊控制器的參數(shù)，如模糊規(guī)則的獲取、量化因子和隸屬度函數(shù)的形狀。隨著遺傳算法在模糊控制器設(shè)計(jì)和優(yōu)化上的應(yīng)用發(fā)展，各種改進(jìn)的遺傳算法取得了更加理想的優(yōu)化效果。一種基于免疫遺傳算法的優(yōu)化方法能夠利用其對(duì)優(yōu)化學(xué)習(xí)過(guò)程的引導(dǎo)和保持個(gè)體多樣性的特點(diǎn)，同時(shí)優(yōu)化模糊控制器的多個(gè)參數(shù)，對(duì)系統(tǒng)的穩(wěn)定性和收斂性有了顯著的提高。還有一種基于染色體編碼的遺傳算法，該方法能夠自動(dòng)生成模糊控制規(guī)則并自整定隸屬度函數(shù)的參數(shù)。還有通過(guò)將遺傳算法與其他優(yōu)化算法相結(jié)合的方式進(jìn)行優(yōu)化，例如將遺傳算法與粒子群算法相結(jié)合優(yōu)化模糊控制規(guī)則，小種群遺傳算法與分級(jí)遺傳算法相結(jié)合優(yōu)化模糊控制規(guī)則及隸屬度函數(shù)等。另外，還有神經(jīng)網(wǎng)絡(luò)模糊控制器設(shè)計(jì)方法、專家學(xué)習(xí)系統(tǒng)控制方法和其他各種混合的優(yōu)化設(shè)計(jì)方法[10]。

2.2強(qiáng)耦合多變量問(wèn)題

多變量控制系統(tǒng)是目前過(guò)程控制中常見的控制對(duì)象，其不同于單變量控制系統(tǒng)。多變量控制系統(tǒng)中控制對(duì)象、控制器、測(cè)量元件和執(zhí)行元件均有可能含有多個(gè)輸入或輸出變量，其結(jié)構(gòu)更為復(fù)雜。各變量之間很少存在完全相互獨(dú)立的可能，都或多或少存在著相互耦合關(guān)系。變量之間耦合強(qiáng)度較小時(shí)比較容易控制，可以以一種線性獨(dú)立的系統(tǒng)方式進(jìn)行控制。各變量之間耦合強(qiáng)度較大時(shí)，就不可以忽略耦合對(duì)系統(tǒng)控制效果的影響，其嚴(yán)重影響到了控制系統(tǒng)的穩(wěn)定性[11]。

從模糊控制工程的實(shí)踐角度來(lái)看，強(qiáng)耦合多變量問(wèn)題是一種常見的問(wèn)題，解決多變量控制系統(tǒng)中強(qiáng)耦合問(wèn)題的關(guān)鍵是如何實(shí)現(xiàn)解耦控制，目前實(shí)現(xiàn)解耦控制的方法有以下4種：

a. 經(jīng)典的多變量解耦控制。線性代數(shù)解耦法及微分幾何法等，采用這些解耦方法的難點(diǎn)是需要被控對(duì)象準(zhǔn)確的數(shù)學(xué)模型和大量的數(shù)據(jù)基礎(chǔ)，分析過(guò)程非常復(fù)雜。

b. 工程實(shí)際應(yīng)用中的解耦控制?；跔顟B(tài)和輸出反饋的解耦法、基于極點(diǎn)配置的解耦法及基于廣義最小誤差的解耦法等，采用這些解耦方法的難點(diǎn)是要求被控對(duì)象為線性系統(tǒng)且參數(shù)已知，對(duì)被控對(duì)象參數(shù)依賴性強(qiáng)，當(dāng)被控對(duì)象參數(shù)改變時(shí)，會(huì)導(dǎo)致解耦效果差或解耦失敗。

c. 基于自適應(yīng)方法的解耦控制。該方法將控制對(duì)象的辨識(shí)、控制和解耦結(jié)合在一起，以實(shí)現(xiàn)被控對(duì)象參數(shù)未知或變化緩慢的自適應(yīng)解耦控制。

d. 基于神經(jīng)網(wǎng)絡(luò)的解耦控制。該方法利用神經(jīng)網(wǎng)絡(luò)對(duì)被控對(duì)象耦合模型的快速逼近能力實(shí)現(xiàn)解耦，但缺點(diǎn)是神經(jīng)網(wǎng)絡(luò)計(jì)算量大，學(xué)習(xí)時(shí)間長(zhǎng)，不適合實(shí)時(shí)在線控制。另外，還有基于補(bǔ)償?shù)念A(yù)測(cè)函數(shù)解耦法、內(nèi)模解耦法及滑膜變結(jié)構(gòu)解耦法等[12]。

2.3模糊控制穩(wěn)態(tài)精度問(wèn)題

隨著工業(yè)過(guò)程被控對(duì)象的控制品質(zhì)不斷提升，對(duì)模糊控制穩(wěn)態(tài)精度的要求也不斷提高，由于模糊控制系統(tǒng)穩(wěn)態(tài)精度低、存在余差的問(wèn)題，高精度的模糊控制技術(shù)成為研究重點(diǎn)。模糊控制穩(wěn)態(tài)精度的控制方法有很多[13,14]，一種比較常用的方法是通過(guò)增加不同類別的積分器來(lái)避免模糊控制系統(tǒng)的穩(wěn)態(tài)誤差，以達(dá)到提升穩(wěn)態(tài)精度的目的。采用在模糊控制系統(tǒng)中增加前饋積分項(xiàng)的方法，在伺服控制系統(tǒng)中取得了理想的穩(wěn)態(tài)精度；也有采用在模糊控制系統(tǒng)中增加動(dòng)態(tài)積分項(xiàng)的方法，當(dāng)模糊控制系統(tǒng)的誤差在一定范圍以內(nèi)，通過(guò)增加動(dòng)態(tài)積分項(xiàng)控制系統(tǒng)輸出，從而提高了模糊控制系統(tǒng)的性能。增加積分項(xiàng)雖然有效地解決了模糊控制穩(wěn)態(tài)精度問(wèn)題，但同時(shí)也會(huì)帶來(lái)系統(tǒng)超調(diào)量等不利影響。另一種是通過(guò)調(diào)整模糊控制器的參數(shù)來(lái)減小穩(wěn)態(tài)精度誤差，參數(shù)的調(diào)整方法分為兩種：采用在線自適應(yīng)的控制方法調(diào)整模糊控制器參數(shù)；通過(guò)優(yōu)化方案在線或者離線進(jìn)行模糊控制器參數(shù)的優(yōu)化。其他提高模糊控制穩(wěn)態(tài)精度的方法有高維數(shù)值優(yōu)化方法、遺傳優(yōu)化算法、時(shí)變修正函數(shù)法、插值法以及各種混合控制方法。

3 模糊控制技術(shù)的研究方向

模糊控制技術(shù)在智能控制領(lǐng)域發(fā)揮著越來(lái)越重要的作用，隨著科學(xué)技術(shù)的不斷發(fā)展，極大地?cái)U(kuò)展了模糊控制技術(shù)在工業(yè)控制過(guò)程中的應(yīng)用，同時(shí)也推進(jìn)了模糊控制理論的發(fā)展研究。由于模糊控制廣泛的適用性[15]，其研究方向除了模糊控制器結(jié)構(gòu)分析、通用逼近性分析和穩(wěn)定性分析之外，對(duì)于模糊控制器的設(shè)計(jì)、優(yōu)化、參數(shù)及性能等理論研究也在不斷發(fā)展，如模糊集合論域、模糊推理及隸屬度函數(shù)等對(duì)模糊控制效果的影響。模糊控制技術(shù)另一個(gè)很重要的發(fā)展方向是模糊控制器自組織和自學(xué)習(xí)能力，以使模糊控制技術(shù)可以實(shí)現(xiàn)模擬人的功能，對(duì)周圍環(huán)境的變化具有較強(qiáng)的適應(yīng)學(xué)習(xí)能力。此外，模糊控制系統(tǒng)自我完善和優(yōu)化以及多變量模糊控制系統(tǒng)也是很有發(fā)展?jié)摿Φ难芯糠较颉?/p>

隨著智能控制技術(shù)的快速發(fā)展，模糊控制與其他智能控制的結(jié)合也越來(lái)越多，并產(chǎn)生了很多混合新型智能控制方法，增加模糊控制技術(shù)的研究方向，以模糊控制技術(shù)為主的復(fù)合控制成為了一個(gè)具有良好發(fā)展前景的研究方向，如將模糊控制技術(shù)與遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合，或者將模糊控制技術(shù)與預(yù)測(cè)控制和專家系統(tǒng)相結(jié)合，各研究領(lǐng)域之間相互學(xué)習(xí)和借鑒，為智能控制的研究提供了更多的應(yīng)用空間，這對(duì)智能控制領(lǐng)域的研究發(fā)展具有重要的指導(dǎo)意義。

4 結(jié)束語(yǔ)

筆者對(duì)模糊控制技術(shù)的研究現(xiàn)狀及其在工程應(yīng)用中的幾個(gè)重要問(wèn)題進(jìn)行了總結(jié)。主要內(nèi)容是對(duì)經(jīng)典模糊控制、智能模糊控制和復(fù)合模糊控制的研究進(jìn)行了全面的綜述，然后指出了模糊控制技術(shù)在實(shí)際工程應(yīng)用中的模糊控制規(guī)則和參數(shù)優(yōu)化的問(wèn)題、強(qiáng)耦合多變量問(wèn)題和模糊控制穩(wěn)態(tài)精度問(wèn)題，并針對(duì)這些問(wèn)題研究解決方法。模糊控制研究的目的就是將其應(yīng)用到實(shí)際工業(yè)控制過(guò)程中去，利用模糊控制解決復(fù)雜工業(yè)控制難題，模糊控制在實(shí)際控制中遇到的問(wèn)題反過(guò)來(lái)又加強(qiáng)了模糊控制理論的研究，模糊控制技術(shù)未來(lái)將會(huì)具有廣泛的應(yīng)用空間和價(jià)值。

[1] 洪奕光,程代展.非線性系統(tǒng)的分析與控制[M].北京:科學(xué)出版社,2005:123～128.

[2] 張化光,孟祥萍.智能控制基礎(chǔ)理論及應(yīng)用[M].北京:機(jī)械工業(yè)出版社,2005:231～233.

[3] 夏長(zhǎng)亮,郭培健,史婷娜，等.基于模糊遺傳算法的無(wú)刷直流電機(jī)自適應(yīng)控制[J].中國(guó)電機(jī)工程學(xué)報(bào),2005,25(11):129～133.

[4] 白連平,陳秀真,趙韶，等.提高模糊控制器穩(wěn)態(tài)精度的研究[J].西安交通大學(xué)學(xué)報(bào),2001,35(2):119～123.

[5] 時(shí)招軍,鄧輝文，黃笑鵑.基于規(guī)則相容性的模糊控制規(guī)則GA生成方法[J].控制工程,2006,13(2):145～148.

[6] 王斌,王孫安,杜海峰.基于模糊遺傳算法的工業(yè)過(guò)程控制參數(shù)優(yōu)化研究[J].西安交通大學(xué)學(xué)報(bào),2004，38(1):56～59.

[7] 黃華,李愛平,林獻(xiàn)坤.基于免疫遺傳算法優(yōu)化的模糊控制方法及其應(yīng)用[J].計(jì)算機(jī)應(yīng)用,2007,27(7):1737～1740.

[8] 張興華.基于遞階遺傳算法的模糊控制器的規(guī)則生成和參數(shù)整定[J].信息與控制,2006,35(3):304～308.

[9] 呂剛,焦留成.多模自適應(yīng)模糊控制器及其在精密伺服系統(tǒng)中的應(yīng)用[J].控制理論與應(yīng)用,2005,22(1):47～51.

[10] 過(guò)潤(rùn)秋,趙恒,杜凱.基于模糊預(yù)測(cè)的MOCVD溫度控制方法[J].西安電子科技大學(xué)學(xué)報(bào),2006,33(2):268～272.

[11] Juang C F, Lu C F.Fuzzy Controller Design by Hybrid Evolutionary Learning Algorithms[C].14th IEEE International Conference on Fuzzy Systems.Reno,NV：IEEE，2005:525～529.

[12] Khan L,Lo K L,Ahmed N.Micro-GA Based Fuzzy Logic Controllers for Co-ordinated FACTS Control[C].7th International Multi Topic Conference.Islamabad：IEEE，2003:269～275.

[13] Zhang J Y, Li Y D.Application of Genetic Algorithm in Optimization of Fuzzy Control Rules[C].6th International Conference on Intelligent Systems Design and Applications.Jinan:IEEE,2006:529～534.

[14] Chai T Y,Wang X,Heng Y.Multivariable Intelligent Decoupling Control System and Its Application[C].Proceedings of the 3rd World Congress on Intelligent Control and Automation.Hefei:IEEE,2000:1527～1533.

[15] Yu Y Q, Huang Y,Zeng T.The Intelligent Fuzzy Controller with Dynamic Integral Term[C].IEEE International Conference on Industrial Technology.Hongkong :IEEE,2005:698～702.

ResearchStatusofFuzzyControlandKeyPointsinEngineeringApplication

SUN Ling-fang, DONG Xue-man, JIANG Qi-feng

(SchoolofAutomationEngineering,NortheastDianliUniversity,Jilin132012,China)

The research status of fuzzy control technology was expounded, including the classic fuzzy control, intelligent fuzzy control and hybrid fuzzy control. Through analyzing the matters bothering fuzzy control technology’s application and fuzzy control rules and parameter optimization and the strong coupling multivariable as well as the fuzzy control’s steady precision, and basing on the present research of fuzzy control technology at home and abroad, the future direction of fuzzy control technology was pointed out.

fuzzy control, intelligent control, compound control, control rule

TP13

A

1000-3932(2016)01-0001-05

2015-03-19(修改稿)