MATLAB基于试验设计的模糊控制器设计仿真(2)
在工农业生产、科学研究和管理实践中，为了开发设计研制心产品、更新老产品，降低原材料、能源等资源消耗，提高产品的产量和质量，做到优质、高产、低消耗即提高经济效益，都需要做各种试验。凡是试验就存在着如何安排试验，如何分析试验结果的问题，也就是要解决试验设计的方法问题。若试验方案设计正确，就能够以较少的试验次数、较短的试验周期、较低的试验费用，迅速地得到正确的结论和较好的试验结果。反之，试验方案设计不正确，试验结果分析不当，就可能增加试验次数，延长试验周期，造成人力、物力和时间的浪费，不仅难以达到预期的效果，甚至造成试验的全盘失败。因此，如何科学进行试验设计是一个非常重要的问题。一项科学合理的试验安排应能做到以下三点：①试验次数尽可能地少；②便于分析和处理试验数据；③通过分析能得到满意的试验结论。
模糊控制理论是以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策。模糊控制作为以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制，它已成为目前实现智能控制的一种重要而又有效的形式尤其是模糊控制和神经网络、遗传算法及混沌理论等新学科的融合，正在显示出其巨大的应用潜力。实质上模糊控制是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。
模糊控制不断发展并在许多领域中得到成功应用。由于模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种体系理论方法，因而能够解决许多复杂而无法建立精确数学模型系统的控制问题，所以它是处理推理系统和控制系统中不精确和不确定性的一种有效方法。从广义上讲，模糊控制是基于模糊推理，模仿人的思文方式，对难以建立精确数学模型的对象实施的一种控制策略。它是模糊数学同控制理论相结合的产物，同时也是只能控制的重要组成部分。模糊控制的突出特点在于：
（1）控制系统的设计不要求知道被控对象的精确数学模型，只需要提供现场操作人员的经验知识及操作数据。
（2）控制系统的鲁棒性强，适用于解决常规控制难以解决的非线性、时变及
大滞后等问题。
（3）以语言变量代替常规的数学变量，易于形成专家的“知识”。
（4）控制系统采用“不精确推理”。推理过程模仿人的思文过程。由于介入了人的经验，因而能够处理复杂甚至“病态”系统。
传统的控制理论（包括经典控制理论和现代控制理论）是利用受控对象的数学模型（即传递函数模型或状态空间模型）对系统进行定量分析，而后设计控制策略[5]。这种方法由于其本质的不溶性，当系统变得复杂时，难以对其工作特性进行精确描述。而且，这样的数学模型结构也不利于表达和处理有关受控对象的一些不确定信息，更不利于人的经验、知识、技巧和直觉推理，所以难以对复杂系统进行有效地控制。
经典的模糊控制器利用模糊集合理论将专家知识或操作人员经验形成的语言规则直接转化为自动控制策略（通常是模糊规则表查询），其设计不依靠对象精确数学模型，而是利用其语言知识模型进行设计和修正控制算法。
90年代以来，模糊控制系统的研究取得了一些比较突出的进展，如模糊系统的万能逼近特性，模糊状态方程及稳定性分析，软计算技术等等，这些研究逐步丰富和发展了模糊系统的理论体系。模糊控制在理论上突飞猛进的同时，也越来越多地、成功地应用于现实世界中。