quote:以下是引用yming在2006-08-01 23:41:34的发言：
所谓“模糊控制”的理论有好多种，而且大部分没有理论证明推导（就是说不像数学，每一步都有证明），但确实能解决问题。
例如有一种简单的模糊控制：把控制对象（例如位置、速度）分成几段（简单的是三段），用梯形（或三角形）分开，根据被控对象反馈值落入的区间位置（隶属度）来“模糊”决定应该前进、后退，快点、慢点，升速、减速等等。
当然，一种受控对象就需要一个隶属度的区间。（例如，位置一个、速度一个、如果需要控制加速度，还要一个）。根据隶属度的值（范围0-1）和控制要求（例如“位置中”已经接近了，要减速），就可以查表（表格内容实际就是不同情况的比例系数），然后将几个隶属度乘控制系数，然后叠加就可以实际输出了。
控制要求,就是一些：如果....则.....的程序段。表格也很简单。
主要是隶属度的区间如何定，表格中的系数如何定。这些都是“经验的”。实践中不是特别敏感，以使用达到要求为准。
模糊控制的好处就是不需要精确的数学模型（建模）。
以上是模糊控制的一种。高级一些的是“神经网络”，是先认为所有输入都对所有输出起作用，通过“学习”找到不同输入情况对输出的影响作用的大小。“学习”时间长了，控制就越精确。这种控制也是一些系数表格。
好处是可以再学习，柔性的系统，而且响应速度快。
我总是认为，控制的“明天”将会是“模糊控制”。

---