CN103592983B - 一种基于模糊控制的动态电压调节设计方法 - Google Patents

Abstract

本发明提供一种基于模糊控制的动态电压调节设计方法，利用模糊逻辑在处理具有不确定信息时的特点来实现维持用户满意度的同时尽可能多的降低频率和电压，从而控制功耗，要实现以用户的满意度为指标来优化系统，包括以下两个问题：用户满意度的测量，电压调节方法，其中：对于用户满意度测量的问题，是基于系统视频输出动态测量用户可感知的性能来实现和比较用户的满意度，通过基于用户满意度的电压调节算法设计，在一定样本的用户体验实践并统计系统功耗。在人机交互环境下选取OpenOffice Word应用程序进行文字处理。实践验证可随机在各类人群中选取200人作为调查对象，分别让他们在没有电压调节时以及本设计的DVFSBFL算法实现下对比测试者对Word应用程序的满意度和功耗情况，对比参照系统进统计分析，最后可以将得到本发明的动态电压调节优势。

Description

一种基于模糊控制的动态电压调节设计方法

技术领域

本发明涉及计算机应用技术领域，具体地说是一种基于模糊控制的动态电压调节设计方法。

背景技术

计算机系统的功耗问题是计算机技术进一步发展亟待解决的问题之一。功耗的急剧增加提高了芯片的封装和制冷成本。高温环境下执行增加了芯片的失效率，导致计算机系统的稳定性下降。现在有很多技术研究降低系统的功耗，但大多是基于性能指标考量(例如系统吞吐率等)。但机器性能的最终评价还是它能否满足用户的需要，即提高用户的满意度是计算机系统设计的根本目的。由于人的认识具有模糊性，目前已有的电压调节算法没有考虑到人的意识模糊性的因素，因此在一定程度上没有以用户的认可作为对功耗管理算法的评价。

1968年，扎德(Zadeh)在他著名的论文中，首次提出了模糊集理论。作为模糊理论的一部分，模糊逻辑现在已成为信息处理中强大的技术。自80年代以来，模糊理论的研究和应用一直是学者们研讨的热点之一。模糊逻辑的关键特征之一是它在处理不确定的特征时具有很人的思维相符和的特点。因此，模糊逻辑在包括控制系统、模式识别、信号处理和数据分类等等许多方面得到了广泛的应用。

本文提出的DVFSBFL电压调节算法就是利用模糊逻辑在处理具有不确定信息时的特点来实现维持用户满意度的同时尽可能多的降低频率和电压，从而控制功耗。

传统的计算机设计方法建立在对问题的精确建模的基础上，但在实际系统中，大量的问题具有非线性、时变、大延迟等特点，很难有精确的数学模型，如基于用户满意度对计算机系统工作频率进行调节从而达到降低功耗的问题。针对该问题，本文提出了基于模糊控制理论构建动态电压调节的DVFSBFL技术(DynamicVoltage and Frequency Scaling Based on Fuzzy Logic)思想及实现方法，通过用户使用经验建立模糊规则并通过模糊推理生成具体的电压调节控制策略，从而在保持不降低平均用户满意度的前提下尽可能降低功耗。实验结果表明，与无电压调节和传统DVFS(Dynamic Voltage and Frequency Scaling)方法相比，本文提出的DVFSBFL方法能够在保持用户平均满意度基础上分别降低约17％和11％的系统功耗。

发明内容

本发明的目的是提供一种基于模糊控制的动态电压调节设计方法。

本发明的目的是按以下方式实现的，利用模糊逻辑在处理具有不确定信息时的特点来实现维持用户满意度的同时尽可能多的降低频率和电压，从而控制功耗，要实现以用户的满意度为指标来优化系统，包括以下两个问题：用户满意度的测量，电压调节方法，其中：对于用户满意度测量的问题，是基于系统视频输出动态测量用户可感知的性能来实现和比较用户的满意度；

设计步骤如下：

期望性能是指在最大电压时视频输出所反映的用户可感测的性能，期望性能与系统返回的当前用户可观测性能进行比较所得的差值就体现了满意度，将满意度映射到量化区间，再根据预先定义的隶属度函数将输入模糊化，将模糊后的输入通过电压控制规则得到模糊输出，再将模糊输出精确化，最后得到电压调整值，其中：

1)模糊决策通过满意度偏差E和设计的控制矩阵R求出电压调整值，给定一个满意度的测量值，根据输入输出变量的隶属度函数曲线查询得到输入A＝(0，0，0，0，1，0.5，0)，向量的每一个元素都对应了相应的当前输入对应模糊集合的隶属度，则输出模糊变量用以下公式表示：

其中，“ο”为模糊矩阵的合成运算，相当于普通矩阵乘法将乘法换成取小运算而将加法换成取大运算，对上式按照模糊子集的隶属度最大原则，应选取电压控制量为“-1”级，即适当降低电压；

2)模糊集定义：设F是论域X到[0，1]的一个映射，即：F∶X→[0，1]，x→F(x)称F是X上的模糊集，而函数F(□)称为模糊集F的隶属度函数，F(x)称为x对模糊集F的隶属度，模糊规则以非常自然的方式获取专家解决问题的经验和知识，是构成模糊系统的基础，非条件命题式模糊规则的一般形式为：R：x is A；

简单条件命题式模糊规则的一般形式为：R：IF(x is A)THEN(w is B)；

其中，模糊集A，B称为模糊规则的语言变量；x是模糊规则的输入变量；w是输出变量；(x is A)是模糊规则的前提，又称规则前件；(w is B)是模糊规则的结论，又称规则后件；表示发生在模糊集合之间的并、交、补三种逻辑运算，模糊规则的激活强度定义为规则前件的满足程度或者规则前件的模糊隶属度，与模糊决策问题有关的知识和经验表示成具有并行关系的多条模糊规则；

3)定义：观测量，系统中有两个观测量，分别为：

输入——满意度与期望的差值

输出——电压的调整值

它们的论域分别：

满意度e＝[0，∞]

电压调整值u＝[0，2.5]单位为伏特(V)

4)模糊集合及其隶属度函数的确定

定义模糊子集就是确定模糊子集隶属函数曲线的形状，再将给定的隶属函数曲线离散化，得到有限个点上的隶属度，这便构成了一个模糊变量的模糊子集；

对于输入E输出U，都选定词集{负大NB，负小NS，零ZO，正小PS，正大PB}，根据经验知识，确定隶属度函数；

5)模糊控制规则

直观上定义如下的控制规则，其中E为用户的满意度偏差，U为电压调整值：

若E为负大，则U为正大；

若E为负小，则U为正小；

若E为零，则U也为零；

若E为正小，则U为负小；

若E为正大，则U为负大；

写成模糊推理句如下：

If E＝＝NB then U＝PB

If E＝＝NS then U＝PS

If E＝＝ZO then U＝ZO

If E＝＝PS then U＝NS

If E＝＝PB then U＝NB

6)控制矩阵

根据模糊推理知识，得到用户满意度偏差论域到电压调整值论域的模糊关系R：

R＝(NB _E ×PB _U )∪(NS _E ×PS _U )∪(ZO _E ×ZO _U )∪(PS _E ×NS _U )∪(PB _E ×NB _U )

其中，下标E，U分别表示误差和控制量，并且这里的×和∪分别对应模糊向量的笛卡尔积和模糊矩阵的并运算，与一般矩阵乘法、并运算不同，它们的定义分别为：

其中， $\begin{array}{c}A=(a_1,a_2,...a_n)\\ B=(b_1,b_2,...b_m)\end{array},$ 若C＝A∪B，则μ _C (u)＝μ _A∪B (u)max(μ _A (u)，μ _B (u))，因此：

$\begin{array}{c}{\mathrm{NB}}_{\underset{\‾}{E}}\×{\mathrm{PB}}_{\underset{\‾}{U}}=\begin{array}{c}\left(\begin{array}{ccccccc}1,& 0.5,& 0,& 0,& 0,& 0,& 0\end{array}\right)\×\left(\begin{array}{ccccccc}0,& 0,& 0,& 0,& 0,& 0.5,& 1,\end{array}\right)\end{array}\begin{array}{}\end{array}\\ =\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0.5& 1\\ 0& 0& 0& 0& 0& 0.5& 0.5\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

$\begin{array}{c}{\mathrm{NS}}_{\underset{\‾}{E}}\×{\mathrm{PS}}_{\underset{\‾}{U}}=\begin{array}{c}\left(\begin{array}{ccccccc}0,& 0.5,& 1,& 0,& 0,& 0,& 0\end{array}\right)\×\left(\begin{array}{ccccccc}0,& 0,& 0,& 0,& 1,& 0.5,& 0,\end{array}\right)\end{array}\begin{array}{}\end{array}\end{array}$

$\begin{array}{c}=\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0.5& 0.5& 0\\ 0& 0& 0& 0& 1& 0.5& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

$\begin{array}{c}{\mathrm{ZO}}_{\underset{\‾}{E}}\×{\mathrm{ZO}}_{\underset{\‾}{U}}=\begin{array}{c}\left(\begin{array}{ccccccc}0,& 0,& 0.5,& 1,& 0.5,& 0,& 0\end{array}\right)\×\left(\begin{array}{ccc}0,& 0,& 0.5,\mathrm{1,0.5,0,0}\end{array}\right)\end{array}\begin{array}{}\end{array}\\ =\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0.5& 0.5& 0.5& 0& 0\\ 0& 0& 0.5& 1& 0.5& 0& 0\\ 0& 0& 0.5& 0.5& 0.5& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

$\begin{array}{c}{\mathrm{PS}}_{\underset{\‾}{E}}\×{\mathrm{NS}}_{\underset{\‾}{U}}=\begin{array}{c}\left(\begin{array}{ccccc}0,\mathrm{0,0},& 0,& 1,& 0.5,& 0,\end{array}\right)\×\left(\begin{array}{ccccccc}0,& 0.5,& 1,& 0,& 0,& 0,& 0,\end{array}\right)\end{array}\begin{array}{}\end{array}\\ =\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0.5& 1& 0& 0& 0& 0\\ 0& 0.5& 0.5& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

$\begin{array}{c}{\mathrm{PB}}_{\underset{\‾}{E}}\×{\mathrm{NB}}_{\underset{\‾}{U}}=\begin{array}{c}\left(\begin{array}{ccccccc}0,& 0,& 0,& 0,& 0,& 0.5,& 1\end{array}\right)\×\left(\begin{array}{ccccccc}1,& 0.5,& 0,& 0,& 0,& 0,& 0,\end{array}\right)\end{array}\begin{array}{}\end{array}\\ =\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0.5& 0.5& 0& 0& 0& 0& 0\\ 1& 0.5& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

则可求得

$\begin{array}{c}R=\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0.5& 1\\ 0& 0& 0& 0& 0.5& 1& 0.5\\ 0& 0& 0.5& 0.5& 1& 0.5& 0\\ 0& 0& 0.5& 1& 0.5& 0& 0\\ 0& 0.5& 1& 0.5& 0.5& 0& 0\\ 0.5& 1& 0.5& 0& 0& 0& 0\\ 1& 0.5& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

7)模糊决策

模糊决策通过满意度偏差E和设计的控制矩阵R求出电压调整值，给定一个满意度的测量值，根据隶属函数曲线，查询得到输入A＝(0，0，0，0，1，0.5，0)，向量的每一个元素都对应了相应的当前输入对应模糊集合的隶属度，则输出模糊变量：

其中，“ο”为模糊矩阵的合成运算，相当于普通矩阵乘法将乘法换成取小运算而将加法换成取大运算，对上式按照模糊子集的隶属度最大原则，应选取电压控制量为“-1”级，即适当降低电压。

本发明的有益效果是：

(1)本文设计建立了基于用户满意度的电压调节的模糊控制模型有算法简单和通用性高的特点。

(2)利用模糊逻辑在处理具有不确定信息时的特点来实现维持用户满意度的同时尽可能多的降低频率和电压，从而控制功耗。

(2)算法具备可重复设计，通过定义不同的行为感知能力进行编程、设计灵活性、并可应用在不同的芯片调节领域并进行二次开发等优点。

(3)拥有快的构建方式，较低的实现成本。

本发明的主要贡献包括：

1、建立了基于用户满意度的电压调节的模糊控制模型；

2、设计并实现了DVFSBFL电压调节算法，能够更好的体现以人为本的设计思想；

3、提出了DVFSBFL电压调节算法一种具体的实现方案。

附图说明

图1是设计流程图；

图1是输入输出变量的隶属度函数曲线；

图3是系统环境图。

具体实施方式

参照说明书附图对本发明的方法作以下详细地说明。

为实施并验证本文提出的基于模糊控制的动态电压调节算法设计，一种具体的实施方法以及统计验证方式方法如下，具体实施方法及步骤为：

1.选取一个人机交互频繁的应用。

2.设计一个用户体验满意度daemon程序，以0.1秒的间隔实时的监测鼠标、键盘的输入和显示器输出。考察输入与输出的相应间隔从而判断出用户的满意度。

3.通过上述模糊决策研究，设计DVFSBFL算法控制程序，根据用户满意度情况，通过算法求精进电压调节。使用Linux的命令接口“cpufreq-set”动态设置CPU频率从而间接的实现动态电压的调节。

4.统计功耗并结合用户满意度进行分析。

实施过程中可选择的平台为HP Pavilion p6-1095cn(QU405AA)，其CPU为Intel酷睿i5 2320，频率可调节范围(available frequency steps)：3.0GHHz、2.67GHz、2.53GHz、2.40GHz、2.27GHz、2.13GHz、2.00GHz、1.87GHz、1.73GHz、1.60GHz、1.47GHz、1.33GHz、1.20GHz，共计13个频率段可供使用。测试机器上安装的操作系统为ubuntu 11.04LTS，一种可实现的环境流程如图3所示。

通过基于用户满意度的电压调节算法设计，在一定样本的用户体验实践并统计系统功耗。在人机交互环境下选取OpenOffice Word应用程序进行文字处理。选取OpenOffice Word程序的理由是该程序可为计算机用户且为非专业人士进行文字编辑，上机容易操作，同时需要大量的用户交互，用户对这样程序的性能更敏感一些。实践验证可随机在各类人群中选取200人作为调查对象，分别让他们在没有电压调节时以及本设计的DVFSBFL算法实现下对比测试者对Word应用程序的满意度和功耗情况。对比参照系统进统计分析，最后可以将得到本发明的动态电压调节优势。

除说明书所述的技术特征外，均为本专业技术人员的已知技术。

Claims (1)

1.一种基于模糊控制的动态电压调节设计方法，其特征在于利用模糊逻辑在处理具有不确定信息时的特点来实现维持用户满意度的同时尽可能多的降低频率和电压，从而控制功耗，要实现以用户的满意度为指标来优化系统，包括以下两个问题：用户满意度的测量，电压调节方法，其中：对于用户满意度测量的问题，是基于系统视频输出动态测量用户可感知的性能来实现和比较用户的满意度；设计步骤如下：

期望性能是指在最大电压时视频输出所反映的用户可感测的性能，期望性能与系统返回的当前用户可观测性能进行比较所得的差值就体现了满意度，将满意度映射到量化区间，再根据预先定义的隶属度函数将输入模糊化，将模糊后的输入通过电压控制规则得到模糊输出，再将模糊输出精确化，最后得到电压调整值，其中：

1)模糊决策通过满意度偏差E和设计的控制矩阵R求出电压调整值，给定一个满意度的测量值，根据输入输出变量的隶属度函数曲线查询得到输入A＝(0，0，0，0，1，0.5，0)，向量的每一个元素都对应了相应的当前输入对应模糊集合的隶属度，则输出模糊变量用以下公式表示：

其中，“ο”为模糊矩阵的合成运算，相当于普通矩阵乘法将乘法换成取小运算而将加法换成取大运算，对上式按照模糊子集的隶属度最大原则，应选取电压控制量为“-1”级，即适当降低电压；

2)模糊集定义：设F是论域X到[0，1]的一个映射，即：F：X→[0，1]，x→F(x)称F是X上的模糊集，而函数F(□)称为模糊集F的隶属度函数，F(x)称为x对模糊集F的隶属度，模糊规则以非常自然的方式获取专家解决问题的经验和知识，是构成模糊系统的基础，非条件命题式模糊规则的一般形式为：R：x is A；

简单条件命题式模糊规则的一般形式为：R：IF(x is A)THEN(w is B)；

其中，模糊集A，B称为模糊规则的语言变量；x是模糊规则的输入变量；w是输出变量；(x is A)是模糊规则的前提，又称规则前件；(w is B)是模糊规则的结论，又称规则后件；表示发生在模糊集合之间的并、交、补三种逻辑运算，模糊规则的激活强度定义为规则前件的满足程度或者规则前件的模糊隶属度，与模糊决策问题有关的知识和经验表示成具有并行关系的多条模糊规则；

3)定义：观测量，系统中有两个观测量，分别为：

输入——满意度与期望的差值

输出——电压的调整值

它们的论域分别：

满意度e＝[0，∞]

电压调整值u＝[0，2.5]单位为伏特(V)

4)模糊集合及其隶属度函数的确定

定义模糊子集就是确定模糊子集隶属函数曲线的形状，再将给定的隶属函数曲线离散化，得到有限个点上的隶属度，这便构成了一个模糊变量的模糊子集；

对于输入E输出U，都选定词集{负大NB，负小NS，零ZO，正小PS，正大PB}，根据经验知识，确定隶属度函数；

5)模糊控制规则

直观上定义如下的控制规则，其中E为用户的满意度偏差，U为电压调整值：

若E为负大，则U为正大；

若E为负小，则U为正小；

若E为零，则U也为零；

若E为正小，则U为负小；

若E为正大，则U为负大；

写成模糊推理句如下：

If E＝＝NB then U＝PB

If E＝＝NS then U＝PS

If E＝＝ZO then U＝ZO

If E＝＝PS then U＝NS

If E＝＝PB then U＝NB

6)控制矩阵

根据模糊推理知识，得到用户满意度偏差论域到电压调整值论域的模糊关系R：

R＝(NB _E ×PB _U )∪(NS _E ×PS _U )∪(ZO _E ×ZO _U )∪(PS _E ×NS _U )∪(PB _E ×NB _U )

其中，下标E，U分别表示误差和控制量，并且这里的×和∪分别对应模糊向量的笛卡尔积和模糊矩阵的并运算，与一般矩阵乘法、并运算不同，它们的定义分别为：

其中， $\begin{array}{c}A=(a_1,a_2,...a_n)\\ B=(b_1,b_2,...b_m)\end{array},$ 若C＝A∪B，则μ _C (u)＝μ _A∪B (u)max(μ _A (u)，μ _B (u))，因此：

$\begin{array}{c}{\mathrm{NB}}_{\underset{\‾}{E}}\×{\mathrm{PB}}_{\underset{\‾}{U}}=\left(\mathrm{1,0.5,0,0,0,0,0}\right)\×\left(\mathrm{0,0,0,0,0,0.5,1}\right)\\ =\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0.5& 1\\ 0& 0& 0& 0& 0& 0.5& 0.5\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

${\mathrm{NS}}_{\underset{\‾}{E}}\×{\mathrm{PS}}_{\underset{\‾}{U}}=\left(\mathrm{0,0.5,1,0,0,0,0}\right)\×\left(\mathrm{0,0,0,0,1,0.5,0}\right)$

$=\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0.5& 0.5& 0\\ 0& 0& 0& 0& 1& 0.5& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\end{array}\right]$

$\begin{array}{c}{\mathrm{ZO}}_{\underset{\‾}{E}}\×{\mathrm{ZO}}_{\underset{\‾}{U}}=(0,\mathrm{0,0.5},1,\mathrm{0.5,0,0})\×(\mathrm{0,0,0.5,1,0.5,0},0)\\ =\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0.5& 0.5& 0.5& 0& 0\\ 0& 0& 0.5& 1& 0.5& 0& 0\\ 0& 0& 0.5& 0.5& 0.5& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

$\begin{array}{c}{\mathrm{PS}}_{\underset{\‾}{E}}\×{\mathrm{NS}}_{\underset{\‾}{U}}=(0,\mathrm{0,0,0},1,\mathrm{0.5,0})\×(\mathrm{0,0.5},1,\mathrm{0,0,0},0)\\ =\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0.5& 1& 0& 0& 0& 0\\ 0& 0.5& 0.5& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

$\begin{array}{c}{\mathrm{PB}}_{\underset{\‾}{E}}\×{\mathrm{NB}}_{\underset{\‾}{U}}=(0,\mathrm{0,0,0,0,0.5},1)\×(\mathrm{1,0.5,0,0,0,0},0)\\ =\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0\\ 0.5& 0.5& 0& 0& 0& 0& 0\\ 1& 0.5& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

则可求得

$R=\left[\begin{array}{ccccccc}0& 0& 0& 0& 0& 0.5& 1\\ 0& 0& 0& 0& 0.5& 1& 0.5\\ 0& 0& 0.5& 0.5& 1& 0.5& 0\\ 0& 0& 0.5& 1& 0.5& 0& 0\\ 0& 0.5& 1& 0.5& 0.5& 0& 0\\ 0.5& 1& 0.5& 0& 0& 0& 0\\ 1& 0.5& 0& 0& 0& 0& 0\end{array}\right]$

7)模糊决策

模糊决策通过满意度偏差E和设计的控制矩阵R求出电压调整值，给定一个满意度的测量值，根据隶属函数曲线，查询得到输入A＝(0，0，0，0，1，0.5，0)，向量的每一个元素都对应了相应的当前输入对应模糊集合的隶属度，则输出模糊变量：

其中，“ο”为模糊矩阵的合成运算，相当于普通矩阵乘法将乘法换成取小运算而将加法换成取大运算，对上式按照模糊子集的隶属度最大原则，应选取电压控制量为“-1”级，即适当降低电压。