1模糊控制的基本概念
控制系统的模糊控制理论与应用
控制系统的模糊控制理论与应用控制系统是指通过对特定对象的操作，以达到预期目标的过程。
在控制系统中，模糊控制理论是一种常用的控制方法。
本文将介绍控制系统的模糊控制理论以及其应用。
一、模糊控制理论的基本概念模糊控制理论是一种基于模糊逻辑的控制方法，它模拟了人类的思维和决策过程。
与传统的精确控制方法相比，模糊控制理论能够应对现实世界中存在的模糊不确定性和非线性关系。
1. 模糊集合模糊集合是模糊控制理论的基础，它是对现实世界中一类事物或对象的模糊描述。
不同于传统的集合理论，模糊集合允许元素以一定的隶属度或可信度属于这个集合。
2. 模糊逻辑模糊逻辑是模糊控制理论的核心，它用于描述和处理具有模糊性质的命题和推理。
模糊逻辑采用模糊集合的运算规则，能够处理模糊不确定性和非精确性的信息。
3. 模糊控制器模糊控制器是模糊控制系统的核心组件，它基于模糊逻辑进行决策和控制。
模糊控制器通常由模糊规则库、模糊推理机和模糊输出函数组成。
二、模糊控制理论的应用领域模糊控制理论具有广泛的应用领域，并在许多实际问题中取得了良好的效果。
1. 工业控制在工业控制领域，模糊控制理论可以应对复杂的非线性系统和参数不确定性。
例如，在温度控制系统中，模糊控制器可以根据当前的温度和环境条件，控制加热器的输出功率，以使温度保持在设定范围内。
2. 智能交通在智能交通系统中，模糊控制理论可以用于交通信号灯控制、车辆路径规划和交通流量优化。
通过根据交通状况和道路条件动态调整信号灯的时序，可以提高交通效率和道路安全性。
3. 机器人技术在机器人技术中，模糊控制理论可以用于机器人路径规划、动作控制和感知决策。
通过将环境信息模糊化，机器人可以根据当前的感知结果和目标任务制定合理的动作策略。
4. 金融风险控制在金融风险控制中，模糊控制理论可以用于风险评估和交易决策。
通过建立模糊规则库和模糊推理机制，可以根据不确定和模糊的市场信息制定合理的交易策略。
三、模糊控制理论的优势和发展方向模糊控制理论具有以下几个优势，使其在实际应用中得到了广泛的应用和研究：1. 简化建模过程：相比传统的控制方法，模糊控制理论能够简化系统的建模过程，减少系统的复杂性。
第三章 模糊控制理论基础
模糊控制的理论基础
第一节 概述
一、模糊控制的提出
以往的各种传统控制方法均是建立在 被控对象精确数学模型基础上的，然而， 随着系统复杂程度的提高，将难以建立 系统的精确数学模型。 在工程实践中，人们发现，一个复杂 的控制系统可由一个操作人员凭着丰富 的实践经验得到满意的控制效果。这说 明，如果通过模拟人脑的思维方法设计 控制器，可实现复杂系统的控制，由此 产生了模糊控制。
证：设 A (u) 0.4 ， 则
A (u) 1 0.4 0.6
A (u) A (u) 0.4 0.6 0.6 1
A (u) A (u) 0.4 0.6 0.4 0
模糊集及其补集均无明确的边界
2 模糊算子
模糊集合的逻辑运算实质上就是隶属 函数的运算过程。采用隶属函数的取大 （MAX）-取小（MIN）进行模糊集合的 并、交逻辑运算是目前最常用的方法。但 还有其它公式，这些公式统称为“模糊算 子”。 设有模糊集合A、B和C，常用的模糊 算子如下：
1 2
3
4
5
1
2
3
4
5
2. 函数描述法 【例二】 以年龄作为论域，取U＝[0，200]. ZADEH给出了 “年老O”和“年轻Y”两个模糊集的隶属函数式，分 别为
0 O (u ) u 50 2 1 [1 ( ) ] 5 0 u 50 50 u 200
A∩(B∪C)=(A∩B) ∪(A∩C)
6．复原律
A A
7．对偶律
A B A B
A B A B
8．两极律
A∪E=E，A∩E=A
A∪Ф=A，A∩Ф=Ф
例3.4 设
模糊控制及其应用
详细描述
模糊控制算法通过采集室内温度和人的舒适度信息，将这些信息模糊化处理后，根据模糊规则进行推理，输出相 应的温度调节指令，从而实现对空调温度的智能控制。这种控制方式能够避免传统控制方法中存在的过度制冷或 制热的问题，提高室内环境的舒适度。
易于实现
模糊控制器结构简单，易于实 现，能够方便地应用于各种控 制系统。
灵活性高
模糊控制器具有较强的灵活性 ，能够根据不同的需求和场景 进行定制和优化。
02
模糊控制的基本原理
模糊化
模糊化是将输入的精确值转换 为模糊集合中的隶属度函数的 过程。
模糊集合论是模糊控制的理论 基础，它通过引入模糊集合的 概念，将精确的输入值映射到 模糊集合中，从而实现了对精 确值的模糊化处理。
交通控制
智能交通系统
通过模糊控制技术，可以实现智 能交通系统的自适应调节，提高 道路通行效率和交通安全性能。
车辆自动驾驶
在车辆自动驾驶中，模糊控制技 术可以用于实现车辆的自主导航 、避障和路径规划等功能，提高 车辆的行驶安全性和舒适性。
04
模糊控制在现实问题中的应用案例
智能空调的温度控制
总结词
模糊控制器
模糊控制器是实现模糊控制的核心部件，通过将输入的精确量转 换为模糊量，进行模糊推理和模糊决策，最终输出模糊控制量。
模糊控制的发展历程
80%
起源
模糊控制理论起源于20世纪60年 代，由L.A.Zadeh教授提出模糊 集合的概念，为模糊控制奠定了 理论基础。
100%
发展
随着计算机技术的进步，模糊控 制技术逐渐得到应用和发展，特 别是在工业控制领域。
模糊控制系统简介
模糊理论在模糊控制中的应用——模糊控制系统摘要：模糊控制技术对工业自动化的进程有着极大地推动作用。
本文简要的讲述了模糊控制理论的起源及基本原理，详细分析了模糊控制器的设计方法，最后就典型的模糊控制系统原理和新型模糊控制系统应用进行了分析正文：一：模糊理论1.1模糊理论概念：模糊理论（Fuzzy Theory）是指用到了模糊集合的基本概念或连续隶属度函数的理论。
它可分类为模糊数学，模糊系统，不确定性和信息，模糊决策这五个分支，它并不是完全独立的，它们之间有紧密的联系。
1.2模糊理论产生：1965年，模糊理论创始人，美国加州福尼亚大学伯克利分校的自动控制理论专家L.A.Zadeh教授发表了题为“Fuzzy Set”的论文，这标志着模糊理论的诞生。
这一理论为描述和处理事务的模糊性和系统中的不确定性，以及模拟人所特有的模糊逻辑思维功能，从定性到定量，提供了真正强有力的工具。
1966年，马里诺斯发表了模糊逻辑的研究报告，而Zadeh进一步提出了著名的模糊语言值逻辑，并于1974年进行了模糊逻辑推理的研究。
由于这一研究和观点反映了客观世界中普遍存在的事务，它一出现便显示出强大的生命力和广阔的发展前途，在自然科学，其他科学领域及工业中得到了迅速的广泛的应用。
二：模糊控制理论2.1模糊控制理论的产生：在控制技术的应用过程中，对于多变量、非线性、多因素影响的生产过程，即使不知道该过程的数学模型，有经验的操作人员也能够根据长期的实践观察和操作经验进行有效地控制，而采用传统的自动控制方法效果并不理想。
从这一点引申开来，是否可将人的操作经验总结为若干条控制规则以避开复杂的模型建造过程？模糊控制理论与技术由此应运而生。
20世纪70年代模糊理论应用于控制领域的研究开始盛行，并取得成效。
其代表是英国伦敦大学玛丽皇后分校的E.H.Mamdani教授将IF-THEN型模糊规则用于模糊推理，并把这种规则型模糊推理用于蒸汽机的自动运转中。
模糊控制的数学基础
关系：对于给定集合 X 、 Y 的直积 X Y 上的一个子集 R，
称为 X 到 Y 的二元关系，简称为关系。对于 X Y 的元
素 (x, y)，若有 (x, y) R，则称 x 与 y 相关，记为 x R y
否则 (x, y) R ，记为 x R y 。 设 f : X Y ，显然有{(x, y) y f (x)} X Y ，可见
3. 集合（Set）
给定一个论域，其中具有相同属性的确定的可以彼此区别的元素的 全体称为集合。
4. 全集、空集、子集
全集：集合中包含了论域中的全部元素。
空集：不包含论域中任何元素的集合称为空集，记为Ø。
子集（Subset）：对于x A x B , 称为A为B的一个子
集,
A B
7
二、集合的表示法 1. 列举法：
A (B C) (A B) (A C)
A (B C) (A B，) (A C)
A (A B) A
A (A B) A
AU U,
A U A
A Ø A ， A Ø＝Ø
7．复原律
(Ac )c A
12
8．互补律 A Ac U ,
A Ac Ø
9．对偶律
(A B)c Ac Bc (A B)c Ac Bc
4
美国加里福尼亚大学控制论专家扎德 （L.A.Zadeh）教授1965年创立了模糊集合论， 用隶属函数代替经典集合论中的特征函数，隶属 函数在[0, 1]间连续取值，以此来描述模糊现象的 中间过渡性，突破了经典集合论中或不属于的绝 对关系。
5
2.1.2 精确性、模糊性与随机性
确定性——经典数学
不确定性
Ac=｛x | x Α且x∈U｝
4. 集合的直积 设有两个集合A和B，A和B的直积A×B定义为
模糊控制
0 1 A (x) 1 ( 5 )2 x 50
0 x 50
50 x 200
其论域为[0，200]的连续区间，论域上任一元素的隶属度， 可通过隶属函数求得。
2)隶属度及隶属函数的确定
用模糊统计法确定隶属度的基本思想
康托（Cantor,G.F.P. 1845年—1918年）， 德国数学家
属于 不属于
2.1 普通集合及其运算规则
1) 普通集合的基本概念 被讨论的对象的全体称作论域。论域常用大写 论域 字母U、X、Y、Z等来表示。 元素 论域中的每个对象称为元素。元素常用小写字 母a、b、x、y等来表示。 集合 给定一个论域，论域中具有某种相同属性的元素 的全体称为集合。 集合常用大写字母A、B、C等来表示。 集合的元素可用列举法（枚举法）和描述法表示。 列举法：将集合的元素一一列出， 如：A={a1，a2，a3，…an}。 描述法：通过对元素的定义来描述集合。 如：A＝｛x│x≥0 and x/2=自然数｝
模糊逻辑控制方法
把模糊数学理论应用于自动控制领域，从而产生的 控制方法称为模糊控制方法。 传统控制依赖于被控系统的
数学模型；
模糊逻辑控制依赖于被控系统的 物理特性。
优点
A. 无需预先知道被控对象的精确数学模型；
B. 容易学习和掌握模糊逻辑控制方法（规则由人的
经验总结出来、以条件语句表示）；
C. 有利于人机对话和系统知识处理（以人的语言形
18～25
15～30 16～30 15～30
16～35
20～30 15～30 15～25
17～29
20～30 18～35 15～30
18～25
matlab模糊控制中论域11条
matlab模糊控制中论域11条摘要：一、引言二、matlab 模糊控制的基本概念三、matlab 模糊控制的论域四、matlab 模糊控制的实现五、matlab 模糊控制中的优化方法六、matlab 模糊控制的应用实例七、总结正文：一、引言模糊控制是一种以模糊语言变量、模糊集合论和模糊逻辑推理为基础的控制理论。
相较于传统的控制方法，模糊控制更具有智能化、实时性和灵活性等特点，因此在工业生产和大系统控制过程中得到了广泛应用。
其中，MATLAB 作为一种强大的数学软件，为模糊控制提供了方便的仿真和实现平台。
本文将从MATLAB 模糊控制的基本概念、论域、实现、优化方法以及应用实例等方面进行详细阐述。
二、matlab 模糊控制的基本概念模糊控制算法是一种非线性智能控制方法，它以模糊逻辑推理为核心，通过将连续的输入信号转换为模糊集合，然后根据预先设定的模糊控制规则，计算出模糊输出，最后将模糊输出转换为实际控制信号。
这一过程依赖于模糊控制器的结构和参数，其中论域是模糊控制器设计的重要参数之一。
三、matlab 模糊控制的论域在MATLAB 模糊控制中，论域是指模糊控制器的输入和输出变量所处的模糊集合。
论域的划分直接影响到模糊控制器的控制效果。
一般来说，论域的划分需要考虑实际控制需求、系统的非线性特性以及控制精度等因素。
通过合理地选择和设计论域，可以提高模糊控制器的控制性能和鲁棒性。
四、matlab 模糊控制的实现在MATLAB 中，可以通过Fuzzy Logic Toolbox 提供的函数和方法实现模糊控制。
具体步骤包括：创建模糊控制系统对象、定义模糊变量、划分论域、建立模糊控制规则、模拟和仿真等。
其中，模糊控制规则的设计是模糊控制器设计的关键环节，需要根据实际控制需求和系统的动态特性进行合理地设置。
五、matlab 模糊控制中的优化方法为了提高模糊控制器的控制性能和鲁棒性，可以采用遗传优化等方法对模糊控制器进行优化设计。
模糊控制的研究和应用
模糊控制的研究和应用随着科技发展和社会进步，人们对自动化、智能化的需求越来越高。
而控制技术作为实现自动化、智能化的重要方法之一，得到了广泛的应用和研究。
模糊控制作为控制技术的一种新兴分支，在工业、交通、医疗、生物、环保等多个领域都有着广泛的应用，并成为了控制技术研究的热点之一。
一、模糊控制的基本概念模糊控制是建立在模糊逻辑基础上的一种控制方法。
模糊逻辑的基本思想是将一些难以精确描述的事物用模糊的概念来表示，并根据这些概念之间的逻辑关系进行推理，从而得出结论。
模糊控制则是在模糊逻辑的基础上，对控制器进行模糊化处理，使其能够对复杂、模糊的物理系统进行控制。
模糊控制的优点是可以有效地处理非线性、时变、不确定性等问题，对于某些复杂的实际控制系统具有较强的适用性。
二、模糊控制的基本流程模糊控制的基本流程包括模糊化、规则表达、推理、去模糊化四个步骤。
具体来说，首先需要将输入量和输出量进行模糊化处理，将其转化为模糊概念。
然后利用专家经验或实验数据，建立一组模糊规则，将模糊概念之间的关系转化为规则表达式。
接着进行模糊推理，根据输入变量的模糊概念和规则库中的规则，得出控制量的模糊概念。
最后进行去模糊化处理，将模糊控制量转化为精确的控制量，控制被控对象的运动。
三、模糊控制的应用模糊控制在工业控制、交通运输、医疗诊断、生态环保等领域均有应用。
下面我们就来看一些实际案例。
（一）工业控制工业制造过程中，受控物理对象和作用效果都有可能是模糊的。
模糊控制可以通过引入模糊语言和模糊规则来进行控制，避免了传统PID控制方法里的过程模型简化和模型校正等方法所引起的误差，从而实现更加精确的控制。
例如，模糊控制在化工生产的过程控制、温度控制以及机器人控制等方面得到了广泛的应用。
（二）交通运输在城市交通控制中，传统的交通信号控制方法基于某些特定条件下的概率假设，因而容易受到噪声、变化等外界影响，或者存在控制过程中的动态约束等问题。
模糊控制可以通过考虑多个因素的权衡，从而更加适应复杂、模糊的交通环境，通过合理分配交通信号周期，使得车辆通行效率更高，驾驶员感觉更加舒适。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
０ ０ ０ ０ ０ ０ １ ０． ５ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０． ５ ０． ５ ０． ５ ０． ５ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０． ５ １ ０． ５ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０． ５ ０． ５ ０． ５ ０． ５ ０． ５ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０． ５ １ ０． ５ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０． ５ ０． ５ ０． ５ ０． ５ Ｒ ＝ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０ ０． ５ １ ００００００ ０ ０ ０ ０ ０ ０ ０ ００００００ ０ ０ ０ ０ ０ ０ ０ ００００００ ０ ０ ０ ０ ０ ０ ０ ００００００ ０ ０ ０ ０ ０ ０ ０ ００００００ ０ ０ ０ ０ ０ ０ ０ ００００００ ０ ０ ０ ０ ０ ０ ０
摘 要： 经过对地方煤矿进行考察调研， 与临汾市安全技术质量评价中心合作， 收集了 ２００ 多
份地方煤矿安全现状综合评价资料， 将模糊控制理论引入矿业系统工程， 建立了模糊控制决策
模型， 根据地方煤矿安全现状的综合评价达标成绩给予不同的奖励， 并在 ＭＡＴＬＡＢ 工作平台
上利用模糊（ Ｆｕｚｚｙ） 工具箱加以实现。这一模糊决策奖励机制模型科学合理， 很具使用价值， 值
（ １． Ｃｏｌｌｅｇｅ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｔａｉｙｕａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， Ｔａｉｙｕａｎ ０３００２４， Ｃｈｉｎａ； ２． Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｍｉｎｉｎｇ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｔａｉｙｕａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｔａｉｙｕａｎ ０３００２４， Ｃｈｉｎａ； ３． Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｔａｉｙｕａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｔａｉｙｕａｎ ０３００２４， Ｃｈｉｎａ）
煤炭科技
２２
ＣＯＡＬ ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＭＡＧＡＺＩＮＥ
文章编号： １００８－ ３７３１（ ２００８） ０１－ ００２２－ ０４
２００８ 年第 １ 期 Ｎｏ． １ ２００８
地方煤矿奖励机制的模糊决策
高文华 １， 陈鸿章 ２， 谢克明 ３
（ １． 太原科技大学 电子信息工程学院， 山西 太原 ０３００２４； ２． 太原理工大学 矿业工程学院， 山西 太原 ０３００２４； ３． 太原 理工大学 信息工程学院， 山西 太原 ０３００２４）
本 论 域 ｅ （ － １６， ０） ， 设 模 糊 控 制 规 则 中 偏 差 所 取
Ｆｕｚｚｙ 集的论域 Ｅ（ － ６， ０） ， 引入比例系数 ＫＣ 如下：
∵
ＫＣ＝ｎBiblioteka ｘ而ｅ（ － ｘ， ０） ， 即 ｅ（ － １６， ０）
Ｅ（ － ｎ， ０） ， 即 Ｅ（ － ６， ０）
∴
ＫＣ ＝
ｎ ｘ
＝
３ ８
安全评价（ 得分率）
煤矿 企业
安全监管部门（ 决策） （ 输入变量） （ 输出变量）
安全奖（ 奖金金额）
图 ２ 煤矿安全奖励模糊控制系统
（ １） 煤矿安全系统可以分解为两大部分， 即煤 矿企业和煤矿安全监管部门。二者目标一致， 都是实 现企业的安全生产， 但又各司其责， 相互依存， 相互 制约。功能上， 二者相当于图 １ 系统中的被控对象和 控制器。
２００８ 年第 １ 期
高文华等： 地方煤矿奖励机制的模糊决策
２３
该系统的模糊控制设计者把上述人工操作的一 整套经验作为模糊控制策略， 构造出模糊控制模型， 研制出相应的模糊控制器， 经过调试和修正， 在实践 中加以应用。 １． ２ 煤矿安全奖励系统与模糊决策控制
经过深入分析， 认为煤矿安全系统（ 见图 ２） 与 上述控制系统在本质上是相同的。
得推广应用。
关键词： 煤矿； 模糊控制； 模糊决策； 奖励机制
中图分类号： Ｆ４０７． １
文献标识码： Ｂ
Ｒｅｗａｒ ｄ ｓｙｓｔｅｍ ｏｆ ｌｏｃａｌ ｃｏａｌ ｍｉｎｅ ｂａｓｅｄ ｏｎ ｆｕｚｚｙ ｔｈｅｏｒ ｙ
ＧＡＯ Ｗｅｎ－ ｈｕａ１， ＣＨＥＮ Ｈｏｎｇ－ ｚｈａｎｇ２， ＸＩＥ Ｋｅ－ ｍｉｎｇ３
２． １． ３ 决策集
２４
煤炭科技
２００８ 年第 １ 期
Ｘ 决策因素集： ｛总得分率｝ Ｙ 决策评语集： ｛不奖励， 奖励小， 奖励中， 奖励 大｝ 设 Ｂ 是 Ｘ 上的加权模糊集， Ａ 是 Ｙ 上的决策 集， Ｒ 是模糊关系矩阵， 则：
Ａ ＝ ＢＲ 若要做出最后的决策， 可按最大隶属度原理， 选 取 最 大 的 隶 属 度 ａｉ 所 对 应 的 ｙｉ 作 为 最 终 的 评 判 结 果。 ２． ２ 模糊化过程 将 偏 差 ｅ 乘 以 ＫＣ ＝ ３／８， 使 Ｅ 在 ［ － ６， ０］ 之 间 变 化。 误差等级： Ｅ ＝ （ － ６， － ５， － ４， － ３， － ２， － １， ０） 输入语言变量模糊子集： Ｅ!＝ （ ＮＬ， ＮＭ， ＮＳ， ＮＺ） 控制量的论域： Ｕ ＝ （ ０， １， ２， ３， ４， ５， ６） 输出变量语言模糊子集及含义：
２． １． ２ 偏差模糊集Ｅ"
控制规则中偏差 ｅ 所对应的语言变量 Ｅ 表示 成模糊集Ｅ"， 在此分为 ４ 个档级， 形成 ４ 个模糊子集
来反映偏差的大小。
ＮＬ（ Ｎｅｇａｔｉｖｅ Ｌａｒｇｅ） 负大
ＮＭ（ Ｎｅｇａｔｉｖｅ Ｍｅｄｉｕｍ） 负中
ＮＳ（ Ｎｅｇａｔｉｖｅ Ｓｍａｌｌ） 负小
ＮＺ（ Ｎｅｇａｔｉｖｅ Ｚｅｒｏ） 负零
基于上述分析， 尝试将模糊控制的理论和方法 引入到煤矿安全管理工作中。当然， 煤矿安全管理工 作与图 １ 所示的控制系统仍然有不同点。最大的区 别在于， 前者是机械或电子控制， 而后者是使用决策 控制实现系统的改善， 这种改善系统的工作实际上 也是一种控制作用， 称之为模糊决策控制。
临汾地区安检局将临汾地区地方煤矿安全现状 综合评价等级（ 安全检查表法） 分为 ４ 个等级， 总得 分率在 ９５％ ～１００％之间为 Ｉ 级安全可靠级， ８０％ ～ ９５％为 ＩＩ 级基本安全可靠级， ５０％ ～８０％为 ＩＩＩ 级临 界级， ０％ ～５０％为危险级。本文针对上述获得 ＩＩ 级 基本安全可靠级的 ２００ 多座地方煤矿， 用模糊控制 理论的设计方法建立了模糊控制模型及模糊决策奖
１ 模糊控制的基本概念
１． １ 模糊控制与煤矿安全工作 一个单输入单输出模糊控制器的结构如图 １ 所
示。这是一个实际的温度控制系统： 某电热炉用于
传感器（ 炉温）
被控对象 （ 电炉）
模糊控制器（ 微机） （ 输入变量） （ 输出变量）
执行机构（ 电压）
图 １ 单输入、单输出的模糊控制系统
对金属零件的热处理， 按热处理工艺要求需保持炉 温 Ｔ ＝ ６００℃恒定不变。因为 炉 温 受 被 处 理 零 件 多 少、体积大小及电网电压波动等因素影响， 容易波动， 所以用模糊控制设计温控系统取代人工手动控制。
图 ４ 隶属度曲线
Ａｂｓｔｒ ａｃｔ： Ｏｖｅｒ ２００ ｓｏｒｔｓ ｏｆ ｌｏｃａｌ ｃｏａｌｍｉｎｅｓ ｓａｆｅｔｙ ａｓｓｅｓｓｍｅｎｔ ｄａｔａ ｗｅｒｅ ｃｏｌｌｅｃｔｅｄ， ｔｈｒｏｕｇｈ ｉｎｖｅｓｔｉｇａｔｉｏｎ ｏｆ ｌｏｃａｌ ｃｏａｌｍｉｎｅｓ ａｎｄ ｃｏｏｐｅｒａｔｉｏｎ ｏｆ ｔｈｅ Ｓｈａｎ － ｘｉ ｐｒｏｖｉｎｃｅ， Ｌｉｎ － ｆｅｎ Ｚｈｏｎｇ－ ｔａｉ Ｓａｆｅｔｙ Ｔｅｃｈｎｉｑｕｅ Ｑｕａｌｉｔｙ Ａｓｓｅｓｓｍｅｎｔ Ｃｅｎｔｅｒ． Ｔｈｅ ｆｕｚｚｙ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ ｗａｓ ｉｎｔｒｏｄｕｃｅｄ ｔｏ ｍｉｎｉｎｇ ｓｙｓｔｅｍ ｅｎｇｉｎｅｅｒｉｎｇ． Ｔｈｅ ｆｕｚｚｙ ｄｅｃｉｓｉｏｎ ｍｏｄｅｌ ｏｆ ｒｅｗａｒｄ ｓｙｓｔｅｍ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ ｔｏ ｒｅｗａｒｄ ｔｈｅ ｌｏｃａｌ ｃｏａｌ ｍｉｎｅｓ ｂａｓｅｄ ｏｎ ｔｈｅｉｒ ｓｃｏｒｅｓ ｏｆ ｓａｆｅｔｙ ａｓｓｅｓｓｍｅｎｔ． Ｉｔ ｗａｓ ｒｅａｌｉｚｅｄ ｉｎ ｔｈｅ ｆｕｚｚｙ ｔｏｏｌ ｏｎ ｔｈｅ ｗｏｒｋｂｅｎｃｈ ｏｆ ＭＡＴＬＡＢ ｓｏｆｔｗａｒｅ． Ｔｈｉｓ ｆｕｚｚｙ ｄｅｃｉｓｉｏｎ ｍｏｄｅｌ ｏｆ ｒｅｗａｒｄ ｓｙｓｔｅｍ ｉｓ ｓｃｉｅｎｔｉｆｉｃ， ｒｅａｓｏｎａｂｌｅ ａｎｄ ｅｃｏｎｏｍｉｃ． Ｉｔ ｉｓ ｗｏｒｔｈ ｏｆ ｇｅｎｅｒａｌｉｚａｔｉｏｎ． Ｋｅｙ ｗｏｒ ｄｓ： ｃｏａｌ ｍｉｎｅ； ｆｕｚｚｙ ｃｏｎｔｒｏｌ； ｆｕｚｚｙ ｄｅｃｉｓｉｏｎ； ｒｅｗａｒｄ ｓｙｓｔｅｍ
给定目标 ９６％
输入得分率
ｅ
Ｅ
ＫＣ
模糊化
模糊 Ｕ"
模糊
Ｅ"
判决
控制算法
Ｕ．
ＫＣ
Ｕ 输出奖励金额
图 ３ 模糊控制模型
２． １． １ 比例系数 ＫＣ 的选取
偏差 ｅ ＝ 得分率 － 给定目标
（ １）
式中， 得分率为临汾安全质量评价中心对地方煤矿
综合评价的实际得分与应得分之比值， 它与给定目
标 ９６％的差值为偏差 ｅ， 偏差最大为 １６。偏差的基
２． ３． ３ 模糊控制规则的语言描述 若 ｅ 负大， 则 ｕ 为 ０； 若 ｅ 负中， 则 ｕ 正小； 若 ｅ 负小， 则 ｕ 正中； 若 ｅ 为零， 则 ｕ 正大。 用表格形式描述的控制规则如表 ２ 所列。
表 ２ 模糊控制规则
Ｅ!
ＮＬｅ
ＮＭｅ
ＮＳｅ
ＮＺｅ
Ｕ!
ＰＺｕ
ＰＳｕ
ＰＭｕ
ＰＬｕ
２． ４ 模糊关系 Ｒ ＝ （ ＮＬｅ ×ＰＺｕ） ＋ （ ＮＭｅ ×ＰＳｕ） ＋ （ ＮＳｅ ×ＰＭｕ） ＋ （ ＮＺｅ ×ＰＬｕ）