CN104216292A - 模糊控制器、模糊控制方法及系统 - Google Patents

Abstract

本发明公开一种模糊控制器、模糊控制方法及系统，该模糊控制方法包括：获取检测到的控制对象的实际输出值Y_k；根据控制对象的标准值Y_set和实际输出值Y_k，计算控制对象的误差E和误差变化率EC；设定模糊控制器的量化论域，计算误差E的量化因子K_e和误差变化率EC的量化因子K_ec；制定模糊控制规则表Fuzzytable，根据当前的误差E及其量化因子K_e、误差变化率EC及其量化因子K_ec，计算输出调节增量ΔU；更新当前周期的输出控制量U_k，其中，U_k＝U_{k_1}+ΔU，U_{k_1}为上一周期的输出控制量；将输出控制量U_k输出给执行机构，对控制对象进行模糊控制。本发明能够简化对模糊控制的调节，提高其通用性。

Description

模糊控制器、模糊控制方法及系统

技术领域

本发明涉及模糊控制领域，特别涉及一种模糊控制器、模糊控制方法及系统。

背景技术

模糊逻辑控制(Fuzzy Logic Control)简称模糊控制，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，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。

模糊控制在常见系统控制中具有广泛的应用基础，具有不依赖具体对象模型，适用范围广的优势。但实际应用中发现，离散化后的模糊控制器的静态特性并不理想，特别是在偏差零值附近，较易出现输出反复振荡调节的问题，且输出与设定值往往存在一定的静差。

一般来讲，比较常见的改进方法是在使用模糊控制粗调到稳态区域附近后，再切换到传统的PID进行稳态特性的改善，但这类方法依赖于稳态振荡幅度的大小，且需要对PID参数进行反复整定，通用性不强，并且实际调试周期较长。

发明内容

有鉴于此，本发明实施例的目的之一在于提出一种模糊控制器、模糊控制方法及系统，能够简化对模糊控制的调节，并提高其通用性。

进一步来讲，该模糊控制方法包括：

获取检测到的控制对象的实际输出值Y_k；

根据控制对象的标准值Y_set和实际输出值Y_k，计算所述控制对象的误差E和误差变化率EC；

设定模糊控制器的量化论域，计算误差E的量化因子K_e和误差变化率EC的量化因子K_ec；

制定模糊控制规则表Fuzzytable，根据当前的误差E及其量化因子K_e、误差变化率EC及其量化因子K_ec，计算输出调节增量ΔU；

更新当前周期的输出控制量U_k，其中，U_k＝U_{k_1}+ΔU，U_{k_1}为上一周期的输出控制量；

将所述输出控制量U_k输出给执行机构，对所述控制对象进行模糊控制。

可选的是，在一些实施例中，所述计算输出调节增量ΔU的步骤之前，还包括：

判断所述当前的误差E是否在模糊控制的粗调范围内，并在判定所述误差E在模糊控制的粗调范围内时，通过以下步骤计算所述输出调节增量ΔU：

计算输出调节增量参考值ΔU_ref；

依据当前误差E及量化因子K_e、误差变化率EC及其量化因子K_ec，查找所述模糊控制规则表FuzzyTable，获取当前模糊控制变量FuzzyU；

根据ΔU＝FuzzyU*k*ΔU_ref，计算得到所述输出调节增量ΔU的值；其中，k为大于1的加速调节比例因子。

可选的是，在一些实施例中，所述计算输出调节增量ΔU的步骤之前，还包括：

判断所述当前的误差E是否在模糊控制的微调范围内，并在判定所述误差E在模糊控制的微调范围时，通过以下步骤计算所述输出调节增量ΔU：

计算输出调节增量参考值ΔU_ref；

依据当前误差E及量化因子K_e、误差变化率EC及其量化因子K_ec查找所述模糊控制规则表FuzzyTable，获取当前模糊控制变量FuzzyU；

根据ΔU＝FuzzyU*ΔU_ref，计算得到所述输出调节增量ΔU的值。

可选的是，在一些实施例中，所述计算输出调节增量参考值ΔU_ref包括：

查找模糊控制规则表FuzzyTable，获取输出最大量化值FuzzyU_max；

测定系统调节时间T_c和系统延迟时间T_d；

测定系统允许偏差E_max及其对应的最小输出调节增量值ΔU_min；

根据ΔU_ref≤ΔU_min/FuzzyU_max*T_c/T_d，计算得到输出调节增量参考值ΔU_ref。

可选的是，在一些实施例中，上述模糊控制方法还包括：

通过修改或预先设定以下参数中的至少一个，对所述控制对象的模糊控制进行调整；

其中，所述参数包括：所述系统调节时间T_c、系统延迟时间T_d、输出调节增量参考值ΔU_ref、误差E、误差变化率EC的基本论域。

相应地，为实现上述糊控制方法，本发明提出一种模糊控制器，该模糊控制器包括：

输入接口单元，用于获取检测到的控制对象的实际输出值Y_k；

第一计算单元，用于根据控制对象的标准值Y_set和实际输出值Y_k，计算所述控制对象的误差E和误差变化率EC；

第二计算单元，用于设定模糊控制器的量化论域，计算误差E的量化因子K_e和误差变化率EC的量化因子K_ec；

第三计算单元，用于制定模糊控制规则表Fuzzytable，根据当前的误差E及其量化因子K_e、误差变化率EC及其量化因子K_ec，计算输出调节增量ΔU；

第四计算单元，用于更新当前周期的输出控制量U_k，其中，U_k＝U_{k_1}+ΔU，U_{k_1}为上一周期的输出控制量；

输出接口单元，用于将所述输出控制量U_k输出给执行机构以对所述控制对象进行模糊控制。

可选的是，在一些实施例中，所述第三计算单元包括：

查找子单元，用于依据当前误差E及量化因子K_e、误差变化率EC及其量化因子K_ec，查找模糊控制规则表FuzzyTable，获取当前模糊控制变量FuzzyU；

判断子单元，用于判断所述当前的误差E是否在模糊控制的粗/微调范围内；

第一计算子单元，与所述查找子单元连接，用于计算输出调节增量参考值ΔU_ref；

第二计算子单元，与所述查找子单元、所述判断子单元及所述第一计算子单元连接，用于根据所述判断子单元的判断结果选择ΔU＝FuzzyU*k*ΔU_ref或者ΔU＝FuzzyU*ΔU_ref，计算得到所述输出调节增量ΔU的值；其中，k为大于1的加速调节比例因子。

可选的是，在一些实施例中，所述第一计算子单元包括：

查找子模块，用于查找模糊控制规则表FuzzyTable，获取输出最大量化值FuzzyU_max；

第一测定子模块，用于测定系统调节时间T_c和系统延迟时间T_d；

第二测定子模块，用于测定系统允许偏差E_max及其对应的最小输出调节增量值ΔU_min；

计算子模块，与所述查找子模块、第一测定子模块及第二测定子模块连接，用于根据ΔU_ref≤ΔU_min/FuzzyU_max*T_c/T_d，计算得到输出调节增量参考值ΔU_ref。

本发明实施例的另一目的在于提出一种模糊控制系统，以简化模糊控制的调节，并提高通用性。

该模糊控制系统包括上述任一种所述的模糊控制器、执行机构、控制对象以及测量装置；其中，

所述模糊控制器用于将所述输出控制量U_k输出给所述执行机构，所述执行机构用于根据所述输出控制量U_k对所述控制对象进行模糊控制；

所述测量装置用于检测所述控制对象的实际输出值Y_k，并将检测数据反馈给模糊控制器。

相对于现有技术，本发明具有以下优势：

本发明的模糊控制器、模糊控制方法及系统利用模糊控制输出进行增量调节，变步长调节与模糊控制相结合，通用性强，调节周期短，针对不同系统，不需要修改程序，通过简易实验测定或预估出误差E的量化因子K_e和误差变化率EC的量化因子K_ec，可获取相对准确的输出控制量U_k，能够简化模糊控制的调节，并提高通用性。

并且，本发明的模糊控制方法和系统采用关键参数的快速确定方式，可通过与监控装置配合快速、直观的实现对应参数的调节。

附图说明

构成本发明实施例一部分的附图用来提供对本发明实施例的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例提供的模糊控制系统的原理框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明实施例及实施例中的特征可以相互组合。

下面结合附图，对本发明的各优选实施例作进一步说明：

方法实施例：

为简化对模糊控制的调节并提高其通用性，本实施例提出一种模糊控制方法，该模糊控制方法包括：

S102：获取检测到的控制对象的实际输出值Y_k；

S104：根据控制对象的标准值Y_set和实际输出值Y_k，计算所述控制对象的误差E和误差变化率EC；

S106：设定模糊控制器的量化论域，计算误差E的量化因子K_e和误差变化率EC的量化因子K_ec；

S108：制定模糊控制规则表Fuzzytable，根据当前的误差E及其量化因子K_e、误差变化率EC及其量化因子K_ec，计算输出调节增量ΔU；

S110：根据U_k＝U_{k_1}+ΔU，将上一周期的输出控制量U_{k_1}更新为当前周期的输出控制量U_k；

S112：将所述输出控制量U_k输出给执行机构，对所述控制对象进行模糊控制。

作为一种可选实施方式，上述糊控制方法还可包括：判断所述当前的误差E是否在模糊控制的粗调范围内，并在判定所述误差E在模糊控制的粗调范围内时，S108中，可以通过以下步骤计算所述输出调节增量ΔU：

S108a：计算输出调节增量参考值ΔU_ref；

S108b：依据当前误差E及量化因子K_e、误差变化率EC及其量化因子K_ec，查找模糊控制规则表FuzzyTable，获取当前模糊控制变量FuzzyU；

S108c：根据ΔU＝FuzzyU*k*ΔU_ref，计算输出调节增量ΔU的值。其中，k为大于1的加速调节比例因子，可选的取值范围为5～20。

其中，误差E在模糊控制的粗调范围内可以是指：误差E在模糊控制的量化论域范围之外的情况。例如，模糊控制误差论域为[-3，3]，而实际误差绝对值大于6，此时，误差E在模糊控制的粗调范围内。该粗调范围可根据实际控制对象、控制条件进行设置。

上述实施例中，模糊控制方法利用模糊控制输出进行增量调节，变步长调节与模糊控制相结合，通用性强，调节周期短，针对不同系统，不需要修改程序，通过简易实验测定误差E、误差变化率EC、调节参考值ΔU_ref及加速调节比例因子k，可获取相对准确的输出控制量U_k，能够简化模糊控制的调节，并提高通用性。并且，本发明的模糊控制方法和系统采用关键参数的快速确定方式，可通过与监控装置配合快速、直观的实现对应参数的调节。

作为另一种可选实施方式，上述糊控制方法还可包括：判断所述当前的误差E是否在模糊控制的微调范围内，并在判定所述误差E在模糊控制的微调范围时，S108中，可以通过以下步骤计算所述输出调节增量ΔU：

S108A：计算输出调节增量参考值ΔU_ref；

S108B：依据当前误差E及量化因子K_e、误差变化率EC及其量化因子K_ec，查找模糊控制规则表FuzzyTable，获取当前模糊控制变量FuzzyU；

S108C：根据ΔU＝FuzzyU*ΔU_ref，计算得到输出调节增量ΔU的值。

其中，误差E在模糊控制的微调范围内可以是指：误差E在模糊控制的量化论域范围附近的情况。例如，模糊控制误差论域为[-3，3]且实际误差为[-6，6]，此时，误差E在模糊控制的微调范围内。该微调范围可根据实际控制对象、控制条件进行设置。

需要说明的是，“判断误差E是否在粗调范围”与“判断误差E是否在微调范围”可为同一判断操作，也就是说，当判断误差E不在粗调范围，则可默认设置误差E在微调范围。

可选的是，上述两种实施方式中，计算输出调节增量参考值ΔU_ref可采用如下步骤：

1)查找模糊控制规则表FuzzyTable，获取输出最大量化值FuzzyU_max；

2)测定系统调节时间T_c和系统延迟时间T_d；

3)测定系统允许偏差E_max及其对应的最小输出调节增量值ΔU_min；

4)根据ΔU_ref≤ΔU_min/FuzzyU_max*T_c/T_d，计算得到输出调节增量参考值ΔU_ref。

上述实施例中，使用增量控制方法计算输出控制量，即：U_k＝U_{k_1}+ΔU，其中ΔU调节基准ΔU_ref由用户根据实验数据设定或直接计算获取，ΔU理论值则由模糊控制器根据当前误差E及误差变化率EC动态获取，对应计算公式如下：

1)如果误差E远在模糊控制的量化范围之外，如模糊控制误差量化论域为[-3，3]，而实际误差量化绝对值大于6，那么，此时：

ΔU＝FuzzyU*k*ΔU_ref

其中，k为大于1的加速调节比例因子，取值范围一般为5～20。

2)如果误差E在模糊控制的量化范围附近，例如，模糊控制误差论域为[-3，3]且实际误差为[-6，6]，那么，此时：

ΔU＝FuzzyU*ΔU_ref

需要指出的是，这里可通过下面的方法确定ΔU_ref的大小：

i)ΔU_ref正比于控制调节周期T_c与系统延迟T_d的比值。

ii)ΔU_ref的大小可满足：在系统延迟时间内的调节增量Sum(ΔU)引起的响应在系统的允许偏差范围内允许的最小调节增量(设为ΔU_min)，即Sum(ΔU)≤ΔU_min，由于：

Sum(ΔU)≤T_d/T_c*ΔU_ref*FuzzyU_max

其中，FuzzyU_max是指模糊控制器输出的最大U值，如当模糊控制器输出的量化论域为[-6，6]时，则FuzzyU_max取值为6，则：

ΔU_ref≤ΔU_min/FuzzyU_max*T_c/T_d

这样，可满足在系统延迟T_d时间范围内的调节增量引起的偏差小于系统的允许偏差。

在一可选实施例中，上述模糊控制方法还可包括：

S114：通过修改或预先设定以下参数中的至少一个，对所述控制对象的模糊控制进行调整；

其中，所述参数包括：所述系统调节时间T_c、系统延迟时间T_d、输出调节增量参考值ΔU_ref、误差E、误差变化率EC的基本论域。

以上各实施例介绍了模糊控制方法的一般流程，下面结合图1和一实例对上述模糊控制方法做进一步说明，其中，模糊控制方法包括以下步骤：

S202：测定系统延迟时间T_d。

S204：测定系统允许偏差对应的最小输出调节增量值ΔU_min。

例如，系统允许偏差为1时，对应系统响应增加或减少1时对应的调节增量最小值即为ΔU_min。

S206：根据最小输出调节增量值ΔU_min，计算调节增量参考值(调节基准)ΔU_ref值。

本步骤中，根据ΔU_ref≤ΔU_min/FuzzyU_max*T_c/T_d，可计算得到ΔU_ref值。

S208：确定误差E及误差变化率EC的模糊基本论域。

这里，根据实验数据确定误差E及误差变化率EC的模糊基本论域，对应误差基本论域一般为允许偏差的3到5倍，而误差变化率EC的论域可根据误差E论域范围内的实验数据由如下公式获取：

E_k＝Y_set-Y_k

EC＝E_k-E_{k_1}

E_{k_1}＝E_k

其中，E_k表示当前误差值，Y_set表示控制目标值，Y_k表示实际输出值，E_{k_1}表示上一周期的误差值。这里，在计算得到当前误差值E_k时，将上一周期的误差值E_{k_1}更新为当前误差值E_k。

S210：设定模糊控制器的量化论域，计算误差E和误差变化率EC的量化因子K_e、K_ec。

例如：当模糊控制器的误差与误差变化率的量化论域为[-6，6]，而误差基本论域为[-3，3]，误差变化率基本论域为[-0.1，0.1]时，对应误差E的量化因子为K_e＝6/3＝2，而误差变化率EC的量化因子为K_ec＝6/0.1＝60。

S212：根据误差E、误差变化率EC及输出的量化论域均为[-6，6]，且模糊规则中的隶属度函数，制定模糊控制规则表Fuzzytable。

例如：依据如下模糊控制规则表，利用matlab工具的fuzzy工具获取对应的离散化模糊控制规则表Fuzzytable。

表1模糊控制规则表

其中，当误差E、误差变化率EC及输出的量化论域均为[-6，6]，且模糊规则中的隶属度函数均为三角函数时，对应的离散化模糊控制规则表FuzzyTable可如下表所示：

表2离散化模糊控制规则表FuzzyTable

S214：根据当前的误差E及误差变化率EC，查找模糊控制规则表FuzzyTable，获取当前FuzzyU。

FuzzyU＝Fuzzytable(i，j)

其中，i值可采用以下规则确定：

当E*K_e<-6时，i＝1；

当E*K_e<-5且E*K_e≥-6时，i＝2；

……

依此类推。

与上述类似的是，j值可采用以下的规则确定：

当EC*K_ec<-6时，j＝1；

当EC*K_ec<-5且EC*K_ec≥-6时，j＝2；

……

依此类推。

S216：根据所获取的FuzzyU和ΔU_ref，计算输出调节增量ΔU值。

本步骤可依据如下原则计算输出调节增量ΔU值：

1)如果误差远在模糊控制的量化论域范围之外，如模糊控制误差论域为[-3，3]，而实际误差绝对值大于6，此时：ΔU＝FuzzyU*k*ΔU_ref。其中，k为大于1的加速调节比例因子，可选的取值范围为5～20。

2)如果误差在模糊控制的量化论域范围附近，如模糊控制误差论域为[-3，3]且实际误差为[-6，6]，此时：ΔU＝FuzzyU*ΔU_ref。

S218：根据计算得到的输出调节增量ΔU，计算最终输出控制量U_k。

依据如下公式，计算最终输出控制量U_k：

U_k＝U_{k_1}+ΔU

U_{k_1}＝U_k

此处，通过上述各步骤，计算得到当前的输出控制量U_k，进而将模糊控制器的上一周期的输出控制量U_{k_1}，更新为当前周期的输出控制量U_k。

以上是模糊控制方法的各实施例，下面结合图1对采用上述模糊控制方法的模糊控制器作以说明。

装置实施例：

本实施例中，为简化对模糊控制的调节并提高其通用性，提出一种模糊控制器，该模糊控制器包括以下单元：

输入接口单元，用于获取检测到的控制对象的实际输出值Y_k

第一计算单元，用于根据控制对象的标准值Y_set和实际输出值Y_k，计算所述控制对象的误差E和误差变化率EC；

第二计算单元，用于设定模糊控制器的量化论域，计算误差E的量化因子K_e和误差变化率EC的量化因子K_ec；

第三计算单元，用于制定模糊控制规则表Fuzzytable，根据当前的误差E及其量化因子K_e、误差变化率EC及其量化因子K_ec，计算输出调节增量ΔU；

第四计算单元，用于根据U_k＝U_{k_1}+ΔU，将上一周期的输出控制量U_{k_1}更新为当前周期的输出控制量U_k；

输出接口单元，用于将所述输出控制量U_k输出给执行机构以对所述控制对象进行模糊控制。

其中，上述各单元中，输入接口单元、输出接口单元可分别与第一、第二、第三、第四计算单元连接，输出接口单元将各单元的计算结果输出，或者根据用户的设置，选择输出用户指定的计算结果。第一、第二、第三、第四计算单元连接之间可根据计算需要，相互调用数据。

在一可选实施例中，上述第三计算单元可包括以下子单元：

查找子单元，用于依据当前误差E及量化因子K_e、误差变化率EC及其量化因子K_ec，查找模糊控制规则表FuzzyTable，获取当前模糊控制变量FuzzyU；

判断子单元，用于判断所述当前的误差E是否在模糊控制的粗/微调范围内；

第一计算子单元，与所述查找子单元连接，用于计算输出调节增量参考值ΔU_ref；

第二计算子单元，与所述查找子单元、所述判断子单元及所述第一计算子单元连接，用于根据所述判断子单元的判断结果选择ΔU＝FuzzyU*k*ΔU_ref或者ΔU＝FuzzyU*ΔU_ref，计算得到所述输出调节增量ΔU的值；其中，k为大于1的加速调节比例因子。

上述实施例中，所述第一计算子单元包括：

查找子模块，用于查找模糊控制规则表FuzzyTable，获取输出最大量化值FuzzyU_max；

第一测定子模块，用于测定系统调节时间T_c和系统延迟时间T_d；

第二测定子模块，用于测定系统允许偏差E_max及其对应的最小输出调节增量值ΔU_min；

计算子模块，与所述查找子模块、第一测定子模块及第二测定子模块连接，用于根据ΔU_ref≤ΔU_min/FuzzyU_max*T_c/T_d，计算得到输出调节增量参考值ΔU_ref。

由于本部分装置实施例用于实施前述方法实施例，二者具有相同的发明构思，因此，相关实施方式可参照前述方法实施例，此处不再赘述。

系统实施例：

这里，为实现上述模糊控制方法，提出一种模糊控制系统，参照图1所示，该模糊控制系统包括：上述任一实施例所述的模糊控制器、执行机构、控制对象以及测量装置。其中：

模糊控制器用于将所述输出控制量U_k输出给所述执行机构，所述执行机构用于根据所述输出控制量U_k对所述控制对象进行模糊控制；

测量装置用于检测所述控制对象的实际输出值Y_k，并将检测数据反馈给模糊控制器。

从上述各实施例可以看出，本发明的模糊控制器、模糊控制方法和系统实施例具有如下优点：

本发明的模糊控制方法和系统利用模糊控制输出进行增量调节，变步长调节与模糊控制相结合，通用性强，调节周期短，针对不同系统，不需要修改程序，通过简易实验测定或预估出系统延时及输入输出比例参数(如误差E的量化因子K_e和误差变化率EC的量化因子K_ec)，可获取相对准确的调节参数(输出控制量U_k)。

并且，本发明的模糊控制方法和系统采用关键参数的快速确定方式，可通过与监控装置配合快速、直观的实现对应参数的调节。通过监控界面对系统调节时间T_c、系统延迟时间T_d、输出调节增量参考值ΔU_ref，误差E、误差变化率EC的基本论域进行设定，进一步增强系统的灵活与实用性。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。所述存储装置为非易失性存储器，如：ROM/RAM、闪存、磁碟、光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种模糊控制方法，其特征在于，包括：

获取检测到的控制对象的实际输出值Y_k；

根据所述控制对象的标准值Y_set和实际输出值Y_k，计算所述控制对象的误差E和误差变化率EC；

设定模糊控制器的量化论域，计算所述误差E的量化因子K_e和所述误差变化率EC的量化因子K_ec；

制定模糊控制规则表Fuzzytable，根据当前的误差E及其量化因子K_e、误差变化率EC及其量化因子K_ec，计算输出调节增量ΔU；

更新当前周期的输出控制量U_k，其中，U_k＝U_{k_1}+ΔU，U_{k_1}为上一周期的输出控制量；

将所述输出控制量U_k输出给执行机构，对所述控制对象进行模糊控制。

2.根据权利要求1所述的模糊控制方法，其特征在于，所述计算输出调节增量ΔU的步骤之前，还包括：

判断所述当前的误差E是否在模糊控制的粗调范围内，并在判定所述误差E在模糊控制的粗调范围内时，通过以下步骤计算所述输出调节增量ΔU：

计算输出调节增量参考值ΔU_ref；

依据当前误差E及量化因子K_e、误差变化率EC及其量化因子K_ec，查找所述模糊控制规则表FuzzyTable，获取当前模糊控制变量FuzzyU；

根据ΔU＝FuzzyU*k*ΔU_ref，计算得到所述输出调节增量ΔU的值；其中，k为大于1的加速调节比例因子。

3.根据权利要求1所述的模糊控制方法，其特征在于，所述计算输出调节增量ΔU的步骤之前，还包括：

判断所述当前的误差E是否在模糊控制的微调范围内，并在判定所述误差E在模糊控制的微调范围时，通过以下步骤计算所述输出调节增量ΔU：

计算输出调节增量参考值ΔU_ref；

依据当前误差E及量化因子K_e、误差变化率EC及其量化因子K_ec查找所述模糊控制规则表FuzzyTable，获取当前模糊控制变量FuzzyU；

根据ΔU＝FuzzyU*ΔU_ref，计算得到所述输出调节增量ΔU的值。

4.根据权利要求2或3所述的模糊控制方法，其特征在于，所述计算输出调节增量参考值ΔU_ref包括：

查找所述模糊控制规则表FuzzyTable，获取输出最大量化值FuzzyU_max；

测定系统调节时间T_c和系统延迟时间T_d；

测定系统允许偏差E_max及其对应的最小输出调节增量值ΔU_min；

根据ΔU_ref≤ΔU_min/FuzzyU_max*T_c/T_d，计算得到所述输出调节增量参考值ΔU_ref。

5.根据权利要求4所述的模糊控制方法，其特征在于，还包括：

通过修改或预先设定以下参数中的至少一个，对所述控制对象的模糊控制进行调整；

其中，所述参数包括：所述系统调节时间T_c、系统延迟时间T_d、输出调节增量参考值ΔU_ref、误差E、误差变化率EC的基本论域。

6.一种模糊控制器，其特征在于，包括：

输入接口单元，用于获取检测到的控制对象的实际输出值Y_k；

第一计算单元，用于根据控制对象的标准值Y_set和实际输出值Y_k，计算所述控制对象的误差E和误差变化率EC；

第二计算单元，用于设定模糊控制器的量化论域，计算所述误差E的量化因子K_e和所述误差变化率EC的量化因子K_ec；

第三计算单元，用于制定模糊控制规则表Fuzzytable，根据当前的误差E及其量化因子K_e、误差变化率EC及其量化因子K_ec，计算输出调节增量ΔU；

第四计算单元，用于更新当前周期的输出控制量U_k，其中，U_k＝U_{k_1}+ΔU，U_{k_1}为上一周期的输出控制量；

输出接口单元，用于将所述输出控制量U_k输出给执行机构以对所述控制对象进行模糊控制。

7.根据权利要求6所述的模糊控制器，其特征在于，所述第三计算单元包括：

查找子单元，用于依据当前误差E及量化因子K_e、误差变化率EC及其量化因子K_ec，查找模糊控制规则表FuzzyTable，获取当前模糊控制变量FuzzyU；

判断子单元，用于判断所述当前的误差E是否在模糊控制的粗/微调范围内；

第一计算子单元，与所述查找子单元连接，用于计算输出调节增量参考值ΔU_ref；

第二计算子单元，与所述查找子单元、所述判断子单元及所述第一计算子单元连接，用于根据所述判断子单元的判断结果选择ΔU＝FuzzyU*k*ΔU_ref或者ΔU＝FuzzyU*ΔU_ref，计算得到所述输出调节增量ΔU的值；其中，k为大于1的加速调节比例因子。

8.根据权利要求7所述的模糊控制器，其特征在于，所述第一计算子单元包括：

查找子模块，用于查找模糊控制规则表FuzzyTable，获取输出最大量化值FuzzyU_max；

第一测定子模块，用于测定系统调节时间T_c和系统延迟时间T_d；

第二测定子模块，用于测定系统允许偏差E_max及其对应的最小输出调节增量值ΔU_min；

计算子模块，与所述查找子模块、第一测定子模块及第二测定子模块连接，用于根据ΔU_ref≤ΔU_min/FuzzyU_max*T_c/T_d，计算得到输出调节增量参考值ΔU_ref。

9.一种模糊控制系统，其特征在于，包括：权利要求6至8任一项所述的模糊控制器、执行机构、控制对象以及测量装置；其中，

所述模糊控制器用于将所述输出控制量U_k输出给所述执行机构，所述执行机构用于根据所述输出控制量U_k对所述控制对象进行模糊控制；

所述测量装置用于检测所述控制对象的实际输出值Y_k，并将检测数据反馈给所述模糊控制器。