(2) 模糊化（fuzzify）：将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，依适合的语言值（linguisitc value）求该值相对之隶属度，此口语化变量我们称之为模糊子集合（fuzzy subsets）。
(3) 知识库：包括数据库（data base）与规则库（rule base）两部分，其中数据库是提供处理模糊数据之相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。
(4) 逻辑判断：模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，而得到模糊控制讯号。此部分是模糊控制器的精髓所在。
(5) 解模糊化（defuzzify）：将推论所得到的模糊值转换为明确的控制讯号，作为系统的输入值。
变量选择与论域分割
变量选择
控制变量的选择要能够具有系统特性，而控制变量选择是否正确，对系统的性能将有很大的影响。例如做位置控制时，系统输出与设定值的误差量即可当做模糊控制器的输入变量。一般而言，可选用系统输出、输出变化量、输出误差、输出误差变化量及输出误差量总和等，做为模糊控制器的语言变量，而如何选择则有赖工程师对于系统的了解和专业知识而定。因此，经验和工程知识在选择控制变量时占有相当重要的角色。
论域分割
前一节提到了控制变量的选择问题，当控制变量确定之后，接下来就是根据经验写出控制规则，但是在做成模糊控制规则之前，首先必需对模糊控制器的输入和输出变量空间做模糊分割。例如当输入空间只有单一变量时，可以用三个或五个模糊集合对空间做模糊分割，划分成三个或五个区域。当输入空间为二元变量时，如采用四条模糊控制规则，可以将空间分成四个区域。模糊分割即对部分空间表为模糊状态。
模糊分割时各领域间重叠的程度大大地影响控制的性能。一般而言，模集合重叠的程度并没有明确的决定方法，目前大都依靠模拟和实验的调整决定分割方式，不过最近有些报告提出大约１/3~1/2最为理想。重叠的部份意味着模糊控制规则间模糊的程度，因此模糊分割是模糊控制的重要特征。
隶属度函数的型式
Mamdani教授最初所用的模糊变量分为连续型和离散型两种型式，因此隶属度函数的型式也可以分为连续型与离散型两种。由于语言变量及相对应隶属度函数的选择，将造成多不同的模糊控制器架构；因此，底下将对各隶属度函数的型式加以介绍：
连续型隶属度函数
模糊控制器中常见的连续型隶属度函数有下列三种：吊钟形，三角形和梯形。
参数ａ为隶属度函数中隶属度为１时的ｘ值，参数W为隶属度函数涵盖论域宽窄的程度。而NB,NM,NS,ZO,PS,PM,PB等是论域中模糊集合的标记，其意义如下所示：
NB=负方向大的偏差(Negative Big)
NM=负方向中的偏差(Negative Medium)
NS=负方向小的偏差(Negative Small)
ZO=近于零的偏差(Zero)
PS=正方向小的偏差(Positive Small)
PM=正方向中的偏差(Positive Medium)
PB=正方向大的偏差(Positive Big)
图上将模糊集合之全集合加以正规化为区间〔-1,1〕，在模糊控制上，使用标准化的模糊变量，其全集也常正规化，这时既是正规化常数（亦称为增益常数），也是在设计模糊控制器时必须决定的重要参数。
上一页 [1] [2] [3] [4] [5] [6] [7]
PLC壁挂空调PID控制设计与仿真 第7页下载如图片无法显示或论文不完整，请联系qq752018766
