请问模糊控制，神经网络控制，最优
模糊控制:
是以人对被控系统的控制经验为依据而设计的控制器，它无须知道被控系统的数学模型。输入输出的模糊量和模糊推理是人类通常智能活动的体现，控制规则是以人类语言表示的，容易被一般人所接受和理解，此外无论被控对象是线性的还是非线性的，模糊控制都能执行有效的控制，具有良好的鲁棒性和适应性。 本文对AGC设计了双输入单输出的模糊控制器，通过与传统的比例积分控制进行对比仿真，结果证明了模糊技术在应用上的优越性。
模糊控制在AGC中的应用
2。1 模糊控制
模糊控制的基本结构原理如图1所示。
图1 模糊控制的结构
可以看出，模糊控制的核心是模糊控制器，它是嵌入在一个闭环系统之中的，模糊控...全部
模糊控制:
是以人对被控系统的控制经验为依据而设计的控制器，它无须知道被控系统的数学模型。输入输出的模糊量和模糊推理是人类通常智能活动的体现，控制规则是以人类语言表示的，容易被一般人所接受和理解，此外无论被控对象是线性的还是非线性的，模糊控制都能执行有效的控制，具有良好的鲁棒性和适应性。
本文对AGC设计了双输入单输出的模糊控制器，通过与传统的比例积分控制进行对比仿真，结果证明了模糊技术在应用上的优越性。
模糊控制在AGC中的应用
2。1 模糊控制
模糊控制的基本结构原理如图1所示。
图1 模糊控制的结构
可以看出，模糊控制的核心是模糊控制器，它是嵌入在一个闭环系统之中的，模糊控制器主要包括四个部分：
（1）模糊控制规则：它往往是由一组根据人们在实际工作中的经验总结归纳出来的规则，这些规则是用模糊语言来描述的，通常是用IF—THEN这种条件语言来表示，例如：如果水温偏高，那么就加一些冷水。
（2）模糊决策：它决定了实时输入与哪些规则有关，并根据这些规则进行模糊推理得出控制量。
（3）模糊量化处理：是将实测的物理量转化为能被规则所理解和应用的模糊量的过程。
（4）非模糊化处理：是将模糊决策的结果转化为一个确定的，被控制对象所能接受的控制量过程。
事实上，模糊控制器可视为一个实时闭环系统中依赖操作者经验的控制器，它根据本次采样得到的系统输出值，计算所选择的系统输入变量，再将输入变量的精确值变为模糊量，并根据输入变量（模糊量）及模糊控制规则，按模糊推理合成规则计算控制量（模糊量），最后由上述得到的控制量（模糊量）计算精确量，保证被控对象输出得到满足。
神经网络与模糊控制是两种重要的智能控制技术，它们都能模拟人的智能行为，解决不确定、非线
性、复杂的自动化问题，具有非常广阔的应用前景。
。收起
