1965年，美國加州大學(xué)著名控制論專家L.A.扎德發(fā)表了開創(chuàng)性論文“Fuzzy sets”以來，模糊控制技術(shù)大致經(jīng)歷了三個發(fā)展階段。第一階段是1965～1974年，這是模糊數(shù)學(xué)發(fā)展與成形的階段。這一階段，扎德開創(chuàng)了“模糊集”，并發(fā)表了“模糊算法”和語言與模糊邏輯相結(jié)合的系統(tǒng)建立方法。1974年Mamdani博士首次嘗試?yán)媚：壿嫞晒Φ亻_發(fā)了世界上第一臺模糊控制的蒸汽引擎。第二階段大約為1974～1979年，這一階段產(chǎn)生了簡單模糊控制器。但這時的模糊控制器自適應(yīng)能力和魯棒性很有限，穩(wěn)定性也不夠理想。第三階段是1979年至今，這是發(fā)展高性能模糊控制器的階段。1979年T.J.Procky 和E.H.Mamdani共同提出了自學(xué)習(xí)的概念，使系統(tǒng)性能大為改善。
　　模糊數(shù)學(xué)70年代后期傳入我國，不久在我國得到了飛速發(fā)展。80年代中期，我國在模糊理論研究的同時開始了模糊控制技術(shù)的研制開發(fā)工作。我國在模糊控制的研究和開發(fā)著重于通用模糊控制系統(tǒng)的開發(fā)工作。模糊控制與傳統(tǒng)的控制相比，具有實時性好，超調(diào)量小，抗干擾力強(qiáng)，自動化程度高等優(yōu)點。
　　然而，常用的模糊控制器也有自身的缺點，穩(wěn)態(tài)精度較低，這與輸出的離散控制量有關(guān)。在穩(wěn)態(tài)較小的變化范圍內(nèi)，經(jīng)典的線性控制技術(shù)能夠較好地解決這一問題。PID控制器由于其結(jié)構(gòu)簡單，較好的魯棒性而得到廣泛應(yīng)用，為控制工程師所熟悉。線性控制與模糊控制相結(jié)合的方案不是新概念，早在1987年就有龐富勝^[1]提出過，文獻(xiàn)^[3]中也有所嘗試。從工程角度出發(fā)，具體實現(xiàn)這種復(fù)合型控制器，使之成為與PID控制器結(jié)構(gòu)標(biāo)準(zhǔn)，使用方便的新型控制器，并解決了兩種控制模塊之間的無擾切換問題。我們設(shè)計的復(fù)合型控制器，在基本模糊控制器部分，針對典型的工業(yè)控制對象，作了標(biāo)準(zhǔn)化處理，使可調(diào)參數(shù)減少，調(diào)節(jié)簡單。對這種新型控制器，我們利用Matlab5.0.2對同一類控制對象作了仿真實驗，以驗證它的調(diào)節(jié)性能。
1 控制器結(jié)構(gòu)圖
　　該通用控制器由單回路控制器A、串級控制器B和PD－FC控制器C組成，具有強(qiáng)關(guān)強(qiáng)開、禁開禁關(guān)、限速限幅等功能。我們所研究的問題是模糊控制與傳統(tǒng)控制器的組合控制問題，即PD－FC的設(shè)計問題。
1.1 總體結(jié)構(gòu)
　　控制器總結(jié)構(gòu)如圖1所示。

1.2復(fù)合控制具體實現(xiàn)方案模塊細(xì)節(jié)
　　模糊邏輯控制模塊示意圖如圖2所示。PD與FC切換開關(guān)模塊示意圖如圖3所示。PD模塊及參數(shù)示意圖如圖4所示。

　　說明：k1*｜e｜+k2*｜c｜為切換所選的指標(biāo)，“常數(shù)”為指標(biāo)參考值。0表示PI控制，1表示模糊控制。當(dāng)指標(biāo)小于參考值時，比較輸出0，切換至PI精確控制。
　　符號說明表如表1所示。

2 參數(shù)整定
　　復(fù)合型控制器的參數(shù)整定方法是將PD控制器與FC控制器參數(shù)單獨整定。PD控制器輸出經(jīng)積分后實際為PI控制器，F(xiàn)C控制器輸出經(jīng)積分后實際成為模糊PI控制器。由于切換時，只有u&可能發(fā)生變化，u是連續(xù)變化的，不會產(chǎn)生控制量的擾動，因而可實現(xiàn)無擾切換。
　　對PID的整定方法，大家不會陌生，PID的整定方法與經(jīng)驗公式有很多。其中著名的有：Ziegler－Nichols公式，Cohen－Coen公式，改進(jìn)的Ziegler－Nichols公式，ITAE/IAE/ISE最優(yōu)公式，內(nèi)部模型控制設(shè)計方法，增益與相角裕量設(shè)計方法等等^[3]。具體整定方法，在此不再贅述。
　　模糊控制器中E，C，U的詞集為{NB，NM，NS，ZO，PS，PM，PB}，量化論域E、C為{－6，－5，－4，－3，－2，－1，0，1 ，2 ，3 ，4，5，6}，U的量化論域為{－7，－6，－5，－4，－3，－2，－1，0，1 ，2 ，3，4，5，6，7}。各模糊子集的隸屬度為均勻的三角形分布，應(yīng)用模糊推理最大最小合成算法計算，去模糊化采用重心法計算?？刂埔?guī)則表如表2所示。

?

?
　　計算得出模糊控制表后(如表3所示)，不再修改，根據(jù)不同對象調(diào)節(jié)參數(shù)Kc,Ke和Ki以達(dá)到較好的控制效果。
3 仿真實驗
　　實驗對象傳遞函數(shù)為，這是比較常見的被控對象。取T＝1，τ＝10s進(jìn)行仿真。PD參數(shù)K1＝0.08，K2＝0.06；模糊PD模塊中Ke＝6,Kc＝30,Ki＝0.01。
　　由實驗曲線可以看出模糊控制調(diào)節(jié)時間短，超調(diào)量小，但由于輸出量化導(dǎo)致有一定的穩(wěn)態(tài)偏差；PI控制相對于模糊控制調(diào)節(jié)時間長，超調(diào)量大，但跟隨性能較好，最終為無差輸出；復(fù)合控制則綜合了二者的優(yōu)點，使得系統(tǒng)動態(tài)與穩(wěn)態(tài)性能都較好。本次實驗切換模塊中k1＝1；k2＝50；常數(shù)為0.02；無擾切換次數(shù)為4次。實驗曲線見圖5。