(fuzzy logic controller，FLC)，控制系统所采用的模糊控制规则的描述是由模糊集合论中模糊条件语句来表达的。因此，模糊逻辑控制器是一种语言型的控制器被称为模糊语言控制器(fuzzy language controller，FLC)。
一般的模糊控制器，主要由模糊化、知识库、模糊推理和去模糊化等四个部分组成[12]。基本结构如下图所示：
图表 1 模糊控制器的一般结构
1、模糊化模块：这一部分的功能是将输入控制器的精确量转换为推理所需要的模糊量。这里的输入量包括参考输入和受控系统的输出或状态等，模糊化就是将输入量进行尺度变换，使其达到不同的论域范围，将原先的精确输人量转变为现在的模糊量，并用已作定义的模糊集合来表示。
2、知识库模块：知识库中包含了应用领域中的具体知识和需要达到的控制目标，知识库一般由数据库和规则库两部分组成。数据库由尺度变换因子、语言变量的隶属函数以及模糊空间的分类等；规则库中的内容是系统的控制规则，他们使用模糊语言变量来表示的，反映了专家的控制经验和知识。
3、模糊推理模块：它的功能是模拟人们基于模糊概念进行推理．推理的基础是知识库中的模糊逻辑关系和控制规则。
4、去模糊化模块：去模糊化是将模糊推理得到的模糊控制量变换为用于实际控制的标准量，包括两个过程：首先是将模糊控制量变换为在论域范围内的标准量；然后再将论域中的标准量经过尺度变换得到实际控制用的标准量。
2.2.2模糊控制器的设计方法
模糊控制是一种基于控制规则而产生的控制系统。控制器中采用的控制规则均为语言型的表示方式，在控制器设计过程中不需要建立精确地数学模型，控制原理和控制策略都很容易被接受和理解，设计的过程也比较简单，而且便于应用。设计模糊控制器就是依据控制问题，根据操作人员的积累起来的控制经验或者是相关专家的科研知识，设计出与被控过程相适应的控制器，使被控系统达到预先设定的目标[13]。控制器的设计一般分为六步：
1、确定输入与输出变量
多数系统中选择受控系统输出的误差e和误差的变化率ce作为输入
变量，而输出变量多为系统调节量的变化量。
2、确定输入与输出变量的语言值及变量的隶属度函数
常选的语言值数目多为3个，5个和7个：3语言值时多选用{N，Z，P}。5语言值时一般定义为：{NB，NS，ZO，PS，PB}。7个语言值的定义域一般为：{NB，NM，NS，ZO，PS，PM．PB}。其实就是用语言表示实际量偏离参考量程度的大小。
在为每个模糊集定义各自隶属函数时。只要求隶属度函数必须能覆盖整个取值的范围。至于函数分布是否均匀，形状如何都可以，只要方便有效就行。通常在敏感一点的取值范围内的隶属函数会相对密一点。
3、建立合适的控制率
控制率是控制器设计中的核心，它是描述输入与输出特性的一系列语言型的规则。设计人员掌握的知识和积累的经验以及质量都关系到所设计出的控制器的性能好坏。但是在复杂的系统中，积累丰富的知识和建立合理的控制规律是非常困难的。并且，随着受控系统输入、输出数量的增加，所需建立的控制规则也会成倍地增加。对于一个双输入单输出的模糊控制器，如果输入模糊变量采用7个语言值，那么控制规则数就需要49个。假如输入增加为3个则系统的控制规则就需要353个。成倍增长的控制规则数目使设计变得复杂。研究人员们也在研究根据系统的特性自动生成变量的隶属度函数和系统控制规则的方法，以缩短设计时间提高设计质量。
在建立控制规则时，要求必须覆盖输入可能出现的所有状态，以保证在每一种输入状态下都能有相应的控制规则在起作用。同时输入变量隶属函数之间必须有一定的重叠，一般大约重叠25％~50％。在设计控制规则的时候必须避免出现相互矛盾的控制规则。
4．模糊推理和去模糊化方法
模糊推理方法常选的有两种：最大最小推理和最大乘积推理，根据实际情况选定一种就可以了。去模糊化方法多用的有面积重心法以及平均最大值法两种。在计算能力强且时间要求并不苛刻的情况下，可选择面积重心法。但是在时间要求相对苛刻的情况下，则应采用平均最大值的方法进行去模糊化。
5．模糊控制器的实现
模糊控制器的实现有两种：硬件实现和软件实现。其中软件实现又有两种，分别为离散式的实现和连续式的实现。在那些存储量和计算时间都要求高的系统中一般采用离散式实现的方法，即先将输入量离散化，对于每一组输入量都计算出输出，通过制成的查询表对系统进行控制。在精度要求高且通用性强的系统中则宜采用连续式实现的方法，就是对于输入量实时计算相应的输出量。
6．最后是优化模糊控制器
当系统设计好运行后，根据其实际的控制性能对模糊控制器进行必要的修改。一般作为优化手段通常的方法有调整控制规则和比例因子。有时结合具体情况通过调整隶属度函数的位置和形式等也能得到较好的效果。 2.2.3模糊控制应用研究的发展方向
要使一个模糊控制系统拥有良好的控制效果关键是要有一个合适的控制规则。但是由于模糊控制规则是人们对控制过程或控制对象信息的归纳，对于那些高阶、大时滞、非线性、参数时变以及随机干扰比较严重的复杂控制过程的认识往往比较少也难以总结出完整的经验。这使得单一的模糊控制在一些情况下的控制效果并不十分理想。改进稳态时的控制精度和提高控制器的智能水平与适应能力是提高控制效果的两个主要方面。
在实际的应用中，通常将模糊控制及其推理思想，与其它已经比较成熟的控制理论或方法相结合。这样能发挥各自的长处，从而获得比较理想的控制效果。由于模糊规则和语言是很容易被人们接受的，加上模糊化技术通过微处理器和计算机实现起来很方便，所以这种复合的控制方法展现出了强大的生命力和良好的控制效果。对模糊控制的改进方法一般有模糊复合控制、自学习自适应的模糊控制以及将智能化控制方法与模糊控制结合的等几个方面[14]：
1、模糊复合控制：
复合控制的种类比较多。如：模糊-PID复合控制、模糊-线性复合控制、史密斯-模糊控制器、三维模糊控制器、多变量模糊控制等。
2、自适应、自学习模糊控制：
这一类控制器通常有：自校正模糊控制器、参数自调整模糊控制器、模型参考自适应模糊控制器、具有自学习功能的模糊控制和自组织模糊控制器等。
3、模糊控制与其它智能控制方法的结合：
尽管模糊控制仍然存在着不少不足之处，但在大量工程应用上已经取得了成功，尤其是那些无法用经典理论和现代控制理论建立出精确数学模型的复杂的控制系统中的应用效果比较好，模糊控制已经成为智能控制的一个重要组成部分。
4、专家模糊控制：
专家系统能够弥补模糊控制器结构简单、规则单一的缺陷。二者相结合可使模糊控制具有更高的智能，还能够拥有复杂的过程控制知识，并能够在更加复杂的情况下有效地利用这些知识。
5、基于神经网络的模糊控制：
如利用神经网络实现部分或整个模糊逻辑控制的功能、自适应的神经
网络模糊控制、以模糊神经网络为基础的隶属度函数及推理规则的获取方法等均有应用。
此外，模糊控制的研究方向还有模糊预测控制、模糊系统变结构方法、模糊系统的建模和参数辨识、模糊模式识别研究等。
2.3PID控制的基本原理
在我们的日常生活中，应用最为广泛的控制规律还是比例、积分、微分控制，简称PID控制，也称为PID调节。PID控制器出现至今已有近百年的历史，它已成为工业控制中的主要技术之一，PID控制的特点有：结构比较简单、稳定性较好、可靠性高、系统调整方便等。在被控对象的参数和结构不能完全掌握，或者得不到系统精确的数学模型时，其它的控制理论技术应用起来就比较困难。这时候系统控制器的结构以及参数就必须依靠人们的经验和现场调试的情况来确定，这时应用PID控制技术是最为方便的。换句好说，就是当我们不完全了解一个系统和被控对象，或者不能通过现有有效的测量手段来获取系统参数时，最适合使用PID控制技术。PID控制在实际使用中根据系统需要也有PI和PD控制[15]。
PID控制器基本控制方法就是根据系统的误差，并利用比例、积分、微分计算出控制量对系统进行控制的[16]。
给定值 比例 实际输 出值
积分 微分 图表 2 PID控制器的原理框图
被控对象
PID控制器是一种线性的控制器，传统的PID控制器控制规律如下：
u(k)?KP[e(t)?1TITDde(t)]dt
上式中：e?t??r?t??y?t?为系统的控制误差 KP—比例系数； TI—积分时间常数； TD—微分时间常数。
?t0e(t)dt?比例（P）、微分（D）和积分（I）部分的作用[17]分别是：
1、比例控制：比例控制是一种最简单的控制方式。比例控制器的输出与输入的误差信号成比例关系。当产生误差时，控制器便产生控制作用，以减小误差。但是当仅有比例控制作用时系统输出会存在稳态误差。
2、积分控制：积分的主要作用是消除静差，提高系统稳态时的性能。在积分控制器中，输出与输入的误差信号的积分结果成正比关系。对自动控制系统来说，如果在进入稳态后任然存在稳态误差，则称这个控制系统有稳态误差简称有差系统。为了能消除稳态误差，在控制器中就必须引入积分项。积分项对误差的影响取决于积分的时间，随着时间的增加，积分项会逐渐增大。这样，即便原有的误差很小，但是积分项也会随着时间的增加而逐渐加大，它会引起控制器输出的增大使得稳态误差进一步减小，直到误差为零。因此，比例积分(PI)控制器作用的系统在进入稳态后没有稳态误差。
3、微分控制：这部分控制反映的是系统误差变化的趋势，控制器的输出与输入的误差信号的微分成正比关系。这样控制系统能在系统误差变得过大之前，为系统中引入一个相对有效的前期控制信号，从而加快系统调节的动作速度，减少系统调节时间。自动控制系统在消除误差的调节过程中往往会出现振荡甚至失稳，解决这些问题的办法就是超前抑制误差的变化。这就使得在控制器中仅引入比例控制项往往是满足不了要求的，因为比例项的作用信号只是误差的幅值，而这时就需要增加的是微分控制项，由于误差微分反映的是系统误差变化的趋势，所以微分控制器能够提前使降低对误差的抑制作用，从而避免了由于惯性环节等因素造成的被控量严重超调的情况。所以对于有较大惯性或滞后组件的被控对象，加入微分控制器能有效的改善受控系统在调节过程中一些的动态特性。 2.3 模糊控制器的基本原理
模糊控制是以模糊集合理论、模糊语言及模糊逻辑为基础的控制，它是 模糊数学在控制系统中的应用，是一种非线性智能控制。
模糊控制是利用人的知识对控制对象进行控制的一种方法，通常用“if条 件，then结果”的形式来表现，所以又通俗地称为语言控制。一般用于无法以 严密的数学表示的控制对象模型，即可利用人(熟练专家)的经验和知识来很好 地控制。因此，利用人的智力，模糊地进行系统控制的方法就是模糊控制。模 糊控制的基本原理如图所示：
模糊控制系统原理框图
它的核心部分为模糊控制器。模糊控制器的控制规律由计算机的程序实现，实现一步模糊控制算法的过程是：微机采样获取被控制量的精确值，然后将此量