模糊控制与自适应控制

模糊控制（Fuzzy Control）

起因

传统的控制理论往往需要相对准确的系统模型，但对于复杂的系统，由于变量太多，往往难以获取准确的模型，而利用各种方法来简化系统动态的方式效果往往不理想。

简介

模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年，L.A.Zadeh创立了模糊集合论；1973年他给出了模糊逻辑控制的定义和相关的定理。1974年，英国的E.H.Mamdani首次根据模糊控制语句组成模糊控制器，并将它应用于锅炉和蒸汽机的控制，获得了实验室的成功。这一开拓性的工作标志着模糊控制论的诞生。

模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既有系统化的理论，又有大量的实际应用背景。

基本原理

使用类似于人类控制设备的思路，将系统作为黑盒处理。模糊控制包含以下三个部分：

1. （模糊化）隶属函数
2. （控制规则）模糊逻辑推理
3. （反模糊化）清晰化

举例

Fuzzy-PID复合控制

Fuzzy-PID复合控制将模糊技术与常规PID控制算法相结合，达到较高的控制精度。当偏差较大时采用Fuzzy控制，响应速度快，动态性能好；当偏差较小时采用PID控制，静态性能好，满足系统控制精度。因此它比单个的模糊控制器和单个的PID调节器都有更好的控制性能。

自适应控制（Adaptive control）

起因

自适应控制的研究对象是具有一定程度不确定性的系统，这里所谓的“不确定性”是指描述被控对象及其环境的数学模型不是完全确定的，其中包含一些未知因素和随机因素。

简介

自适应控制和最优控制一样，也是一种基于数学模型的控制方法，所不同的只是自适应控制所依据的关于模型和扰动的先验知识比较少，需要在系统的运行过程中去不断提取有关模型的信息，使模型逐步完善。

具体地说，算法依据对象的输入输出数据，不断地辨识模型参数，这个过程称为在线系统辨识。通过在线辨识，模型会变得越来越准确，越来越接近于实际，基于这种模型综合出来的控制作用也将随之不断的改进。在这个意义下，控制系统具有一定的适应能力。因此自适应控制与最优控制的区别，就是加入了在线系统辨识。

系统在设计阶段，由于对象特性的初始信息比较缺乏，系统在刚开始投入运行时可能性能不理想，经过一段时间的运行，通过在线辨识和控制以后，控制系统逐渐适应，最终将自身调整到一个满意的工作状态。再比如某些控制对象，其特性可能在运行过程中要发生较大的变化，但通过在线辨识和改变控制器参数，系统也能逐渐适应。