摘要洛陽理工學院畢業設計（論文）[1]。建立基于模糊控制器的鍋爐水位控制的仿真模型如下圖4-1所示。圖4-1基于模糊控制的鍋爐水位系統仿真模型建立基于PI控制的鍋爐水位控制的仿真模型如圖4-2所示PI控制是對系統偏差進行比例、積分和微分的一種線性控制方法，在實際應用中，由于微分環節容易造成系統早期飽和，增加系統不穩定的因素，故采用PI環節，PI控制系統模型如圖4-2所示，為研究模糊控制器在此系統中的應用效果，采用PI控制進行仿真。圖4-2基于PI控制的鍋爐水位控制的仿真模型4.1.2模糊控制器仿真實現使用Matlab自帶的模糊邏輯工具箱，采用圖形化的系統設計工具構造一個模糊邏輯系統。確定模糊控制器的輸入量輸出量，定義對應變量名稱，并選定隸屬度函數、各個變量對應的論域和模糊語言變量，其過程如下確定輸入量與輸出量如圖4-3所示。圖4-3輸入量與輸出量表示定義對應的變量的模糊論域、隸屬度函數和控制規則如下圖4-4所示：圖4-4(a)輸入水位偏差e的論域與隸屬度函數圖4-4(b)輸入水位偏差變化率de的論域與隸屬度函數圖4-4(c)輸出量u的論域與隸屬度函數圖4-4（d）模糊控制規則在對模糊控制的模型圖和PI控制的模型圖綜合后，放在一個模型圖中，在一個示波器中顯示出來，這樣更加容易對結果進行分析說明所得到的系統仿真圖如圖4-5所示。圖4-5系統仿真圖這個模型圖對結果的分析更加具有說服作用，用同一種信號輸入，同一個被控對象，在兩種不同的控制作用下，顯示說明兩種控制效果。在命令行串口輸入命令“ruleview”，或在上述編輯器中選擇相應菜單，都可以激活模糊規則瀏覽器。本設計的模糊規則觀測界面如下圖4-6所示。圖4-6模糊規則觀察器模糊推理輸入輸出曲面視圖如圖4-7所示。圖4-7模糊推理輸入輸出曲面觀察圖第5章仿真結果分析響應曲線圖放在一個示波器中能夠更加容易分析結果，響應曲線如下圖5-1所示。圖5-1系統響應曲線比較圖中紅色線代表PI控制，黑色線條代表模糊控制。由圖5-1可知：當輸入為階躍函數時（1）在0-19（s）內模糊控制器響應快于PI控制（2）在19-80（s）內模糊控制器更容易趨于穩定，且超調量很小（3）在80-100（s）內模糊控制與PI控制都趨于穩定，然而模糊控制響應更快。由此可得結論：在有限的時間內，當給定水位為階躍信號的情況下，PI控制下系統響應速度較慢，其穩定時間也相對較長，且系統響應的超調量較大，相比較而言，模糊控制器控制效果明顯提高，系統變化平穩，有效地抑制了振蕩、控制了系統超調現象，使得鍋爐對汽包水位的控制更加精確，動態性能更好，自適應能力更強。PI控制器簡單的可分為比例調節和微分調節。比例調節作用：按比例反應系統的偏差,系統一旦出現了偏差,比例調節立即產生調節作用用以減少偏差。比例作用大,可以加快調節,減少誤差,但是過大的比例,使系統的穩定性下降,甚至造成系統的不穩定。積分調節作用：使系統消除穩態誤差,提高無差度。因為有誤差,積分調節就進行,直至無差,積分調節停止,積分調節輸出一常值。積分作用的強弱取決于積分時間常數Ti,Ti越小,積分作用就越強。反之Ti大則積分作用弱,加入積分調節可使系統穩定性下降,動態響應變慢。模糊控制則是綜合了上述兩種調節方式，利用模糊規則來控制被控對象，當出現偏差時，立刻在模糊規則中搜索相對應的模糊規則，這樣系統就不容易出現較大的誤差，從而更加容易處于穩定，這也就是如圖中所示的響應曲線，模糊控制比PI更加穩定，且超調量更小的原因。通過圖像的比較說明在鍋爐水位控制方面，模糊控制具有常規PI控制所沒有的優越性，模糊控制響應更加迅速，也能更加快速的趨于穩定，表明在鍋爐水位控制方面模糊控制相較PI控制更勝一籌。結論結論在分析鍋爐給水系統工作原理的基礎上，構建了鍋爐給水控制系統，利用Matlab中的模糊工具箱設計了模糊控制器，并在simulink的工作環境下，對鍋爐水位模糊控制系統進行了設計與仿真，在此工作環境下，可以對被控對象參數的進行設定、修改，也可以修改輸入、輸出變量的量化論域、語言變量、隸屬度函數以及控制規則，可以方便利用參數的變化或是隸屬函數的變化，來通過參數或是隸屬函數的變化，來看到控制效果的優劣。本文又通過常規的PI控制與模糊控制的比較，來說明模糊控制在鍋爐水位控制方面的快速性、穩定性，表明模糊控制的應用前景。然而由于時間和知識的問題，導致本設計并不是十分的完美。在模糊控制器中水位偏差Ke、水位偏差變化率Kde、輸出量化因子Ku的參數選擇，可能不是最好的。在仿真時間的步長和仿真時長方面了解的不是太多，在以后的時間里，我會對Matlab這個軟件進行更加深入的研究，去學習模糊邏輯工具箱，，研究對量化因子、比例因子的選擇。在鍋爐水位控制系統中，利用PI控制與模糊控制的結合，或許能更快的響應，減小超調量，使系統更加穩定，這將是我下一步的研究重點。有了這次設計所積累的經驗，相信我能夠完成這個研究課題。附錄PAGE16謝辭畢業設計是在大學完成的最后一件與課程相關的任務，所以在畢業設計開始做之前，我的畢業設計老師就告誡我們，要好好完成不給大學留下最后的遺憾。在王曉麗老師的指導下，我從對模糊控制的一竅不通，到有了初步的了解，也對Matlab這個強大的軟件，有了更加深入的了解。經過幾個月的努力，我完成了自己的畢業設計，在這次任務中，我學到了很多有用的知識，也積累了不少經驗。在進入論文命題的設定階段，王老師給與了我多方面的幫助，給我提供許多寶貴的意見，讓我定下這個命題，從而可以順利完成這個設計。在論文寫作過程中，王老師也是無比耐心的給予我幫助，沒有王老師的幫助，論文就可能沒辦法順利完成。在這一個學期中通過與王老師的接觸，了解到她在治學中嚴謹的工作態度，給我們講解中的孜孜不倦，都給了我很大的啟發，使我受益終身，在此表達對王老師真摯的謝意。另外再次設計中，同組的同學也給予了我很大幫助，我們一起討論問題，增進了我們的知識，加深了我們的友誼，讓我了解到團結的力量是無比巨大的，在此也對他們幾個表達謝意。大學生活即將結束，相信等待我的是一片充滿機遇與挑戰的土地，相信大學四年的學習，一定會對我在社會中的奮斗有所幫助，讓我在社會中能更加綻放自己的光彩，做一個對社會、對國家有用的人。參考文獻陸柳延、王妹婷等.鍋爐水位的模糊控制及其仿真實現，揚州大學學報，2013,5，第16卷2期李士勇.模糊控制.哈爾冰工業大學出版社.2011.9吳曉莉、林哲輝等.MATLAB輔助模糊系統設計.西安電子科技大學出版社.2002.8李國勇.智能預測控制及其MATLAB實現.第2版.電子工業出版社.2010.1.胡壽松.自動控制原理.第5版.北京：科學出版社.2007.湯兵勇、路林吉、王文杰.模糊控制理論與應用技術.北京：清華大學出版社。2002.9.張松蘭、劉延太．鍋爐汽包水位控制系統的設計．科技情報開發與經濟，2008.HULinjing、ZHANGKE,LIUTao.Studyontheboilerdrumwaterlevelbasedonfuzzyadaptivecontrol.24thChinesecontrolandDecisionConference.Taiwan：IEEE.2012.3:1659-1663.SUNFuchun,SunZengqi.Neuralnetwork-basedadaptivecontrollerdesignofroboticmanipulatorswithanobserver.IEEE.Transneuralnetw樓順天等，基于Matlab的系統分析與設計——模糊系統.西安：西安電子科技大學出版社，2001.劉曙光等，模糊控制技術.北京：中國紡織出版社，2001.6李友善、李軍．模糊控制理論及其在過程控制中的應用．北京：國防工業出版社，1993唐令波、雷玉勇、邴龍健等．基于模糊PID的工業鍋爐汽包水位控制系統的仿真研究．機械設計與制造.2009.11：110-112.張松蘭、劉延太．鍋爐汽包水位控制系統的設計．科技情報開發與經濟，2008.18（14）:130-132.GAOJunming、YUANZheng、LIUShurong.FuzzycontrolofwatertanklevelandmatlabsimulationMicroComputInf.2005.21(11):41-43.張國良、曾靜、柯熙政等.模糊控制及其MATLAB應用.西安:西安交通大學出版社.2002.劉曙光、魏俊民、竺志超.模糊控制技術.北京:中國紡織出版社,2001謝宋和、甘勇.單片機模糊控制系統設計與應用實例.北京:電子工業出版社,1999.胡偉、王福忠、余發山等.工業鍋爐汽包水位模糊PID控制策略的研究[J].焦作工學院學報:自然科學版,2001,20(4):273-277.高俊.鍋爐汽包水位模糊控制的應用研究.自動化儀表.2003,24(3):56-59。FuzzyControlOverviewFuzzylogiciswidelyusedinmachinecontrol.Thetermitselfinspiresacertainskepticism,soundingequivalentto"half-bakedlogic"or"boguslogic",butthe"fuzzy"partdoesnotrefertoalackofrigourinthemethod,rathertothefactthatthelogicinvolvedcandealwithconceptsthatcannotbeexpressedas"true"or"false"butratheras"partiallytrue".Althoughgeneticalgorithmsandneuralnetworkscanperformjustaswellasfuzzylogicinmanycases,fuzzylogichastheadvantagethatthesolutiontotheproblemcanbecastintermsthathumanoperatorscanunderstand,sothattheirexperiencecanbeusedinthedesignofthecontroller.Thismakesiteasiertomechanizetasksthatarealreadysuccessfullyperformedbyhumans.HistoryandapplicationsFuzzylogicwasfirstproposedbyLotfiA.ZadehoftheUniversityofCaliforniaatBerkeleyina1965paper.Heelaboratedonhisideasina1973paperthatintroducedtheconceptof"linguisticvariables",whichinthisarticleequatestoavariabledefinedasafuzzyset.Otherresearchfollowed,withthefirstindustrialapplication,acementkilnbuiltinDenmark,comingonlinein1975.FuzzysystemswerelargelyignoredintheU.S.becausetheywereassociatedwithartificialintelligence,afieldthatperiodicallyoversellsitself,especiallyinthemid-1980s,resultinginalackofcredibilitywithinthecommercialdomain.TheJapanesedidnothavethisprejudice.InterestinfuzzysystemswassparkedbySeijiYasunobuandSojiMiyamotoofHitachi,whoin1985providedsimulationsthatdemonstratedthesuperiorityoffuzzycontrolsystemsfortheSendairailway.Theirideaswereadopted,andfuzzysystemswereusedtocontrolaccelerating,braking,andstoppingwhenthelineopenedin1987.Anothereventin1987helpedpromoteinterestinfuzzysystems.DuringaninternationalmeetingoffuzzyresearchersinTokyothatyear,TakeshiYamakawademonstratedtheuseoffuzzycontrol,throughasetofsimplededicatedfuzzylogicchips,inan"invertedpendulum"experiment.Thisisaclassiccontrolproblem,inwhichavehicletriestokeepapolemountedonitstopbyahingeuprightbymovingbackandforth.Observerswereimpressedwiththisdemonstration,aswellaslaterexperimentsbyYamakawainwhichhemountedawineglasscontainingwaterorevenalivemousetothetopofthependulum.Thesystemmaintainedstabilityinbothcases.Yamakawaeventuallywentontoorganizehisownfuzzy-systemsresearchlabtohelpexploithispatentsinthefield.Followingsuchdemonstrations,Japaneseengineersdevelopedawiderangeoffuzzysystemsforbothindustrialandconsumerapplications.In1988JapanestablishedtheLaboratoryforInternationalFuzzyEngineering(LIFE),acooperativearrangementbetween48companiestopursuefuzzyresearch.Matsushitavacuumcleanersusemicrocontrollersrunningfuzzyalgorithmstointerrogatedustsensorsandadjustsuctionpoweraccordingly.Hitachiwashingmachinesusefuzzycontrollerstoload-weight,fabric-mix,anddirtsensorsandautomaticallysetthewashcycleforthebestuseofpower,water,anddetergent.Canondevelopedanautofocusingcamerathatusesacharge-coupleddevice(CCD)tomeasuretheclarityoftheimageinsixregionsofitsfieldofviewandusetheinformationprovidedtodetermineiftheimageisinfocus.Italsotrackstherateofchangeoflensmovementduringfocusing,andcontrolsitsspeedtopreventovershoot.Thecamera'sfuzzycontrolsystemuses12inputs:6toobtainthecurrentclaritydataprovidedbytheCCDand6tomeasuretherateofchangeoflensmovement.Theoutputisthepositionofthelens.Thefuzzycontrolsystemuses13rulesandrequires1.1kilobytesofmemory.Asanotherexampleofapracticalsystem,anindustrialairconditionerdesignedbyMitsubishiuses25heatingrulesand25coolingrules.Atemperaturesensorprovidesinput,withcontroloutputsfedtoaninverter,acompressorvalve,andafanmotor.Comparedtothepreviousdesign,thefuzzycontrollerheatsandcoolsfivetimesfaster,reducespowerconsumptionby24%,increasestemperaturestabilitybyafactoroftwo,andusesfewersensors.TheenthusiasmoftheJapaneseforfuzzylogicisreflectedinthewiderangeofotherapplicationstheyhaveinvestigatedorimplemented:characterandhandwritingrecognition;opticalfuzzysystems;robots,voice-controlledrobothelicoptersWorkonfuzzysystemsisalsoproceedingintheUSandEurope.TheUSEnvironmentalProtectionAgencyhasinvestigatedfuzzycontrolforenergy-efficientmotors,andNASAhasstudiedfuzzycontrolforautomatedspacedocking:simulationsshowthatafuzzycontrolsystemcangreatlyreducefuelconsumption.FirmssuchasBoeing,GeneralMotors,Allen-Bradley,Chrysler,Eaton,andWhirlpoolhaveworkedonfuzzylogicforuseinlow-powerrefrigerators,improvedautomotivetransmissions,andenergy-efficientelectricmotors.In1995Maytagintroducedan"intelligent"dishwasherbasedonafuzzycontrolleranda"one-stopsensingmodule"thatcombinesathermistor,fortemperaturemeasurement;aconductivitysensor,tomeasuredetergentlevelfromtheionspresentinthewash;aturbiditysensorthatmeasuresscatteredandtransmittedlighttomeasurethesoilingofthewash;andamagnetostrictivesensortoreadspinrate.Thesystemdeterminestheoptimumwashcycleforanyloadtoobtainthebestresultswiththeleastamountofenergy,detergent,andwater.Researchanddevelopmentisalsocontinuingonfuzzyapplicationsinsoftware,asopposedtofirmware,design,includingfuzzyexpertsystemsandintegrationoffuzzylogicwithneural-networkandso-calledadaptive"genetic"softwaresystems,withtheultimategoalofbuilding"self-learning"fuzzycontrolsystems.FuzzysetsTheinputvariablesinafuzzycontrolsystemareingeneralmappedintobysetsofmembershipfunctionssimilartothis,knownas"fuzzysets".Theprocessofconvertingacrispinputvaluetoafuzzyvalueiscalled"fuzzification".Acontrolsystemmayalsohavevarioustypesofswitch,or"ON-OFF",inputsalongwithitsanaloginputs,andsuchswitchinputsofcoursewillalwayshaveatruthvalueequaltoeither1or0,buttheschemecandealwiththemassimplifiedfuzzyfunctionsthathappentobeeitheronevalueoranother.Given"mappings"ofinputvariablesintomembershipfunctionsandtruthvalues,themicrocontrollerthenmakesdecisionsforwhatactiontotakebasedonasetof"rules",eachoftheform.Inoneexample,thetwoinputvariablesare"braketemperature"and"speed"thathavevaluesdefinedasfuzzysets.Theoutputvariable,"brakepressure",isalsodefinedbyafuzzysetthatcanhavevalueslike"static","slightlyincreased","slightlydecreased",andsoon.Thisrulebyitselfisverypuzzlingsinceitlookslikeitcouldbeusedwithoutbotheringwithfuzzylogic,butrememberthatthedecisionisbasedonasetofrules:Alltherulesthatapplyareinvoked,usingthemembershipfunctionsandtruthvaluesobtainedfromtheinputs,todeterminetheresultoftherule.Thisresultinturnwillbemappedintoamembershipfunctionandtruthvaluecontrollingtheoutputvariable.Theseresultsarecombinedtogiveaspecific("crisp")answer,theactualbrakepressure,aprocedureknownas"defuzzification".Thiscombinationoffuzzyoperationsandrule-based"inference"describesa"fuzzyexpertsystem".Traditionalcontrolsystemsarebasedonmathematicalmodelsinwhichthecontrolsystemisdescribedusingoneormoredifferentialequationsthatdefinethesystemresponsetoitsinputs.Suchsystemsareoftenimplementedas"PIDcontrollers"(proportional-integral-derivativecontrollers).Theyaretheproductsofdecadesofdevelopmentandtheoreticalanalysis,andarehighlyeffective.IfPIDandothertraditionalcontrolsystemsaresowell-developed,whybotherwithfuzzycontrol?Ithassomeadvantages.Inmanycases,themathematicalmodelofthecontrolprocessmaynotexist,ormaybetoo"expensive"intermsofcomputerprocessingpowerandmemory,andasystembasedonempiricalrulesmaybemoreeffective.Furthermore,fuzzylogiciswellsuitedtolow-costimplementationsbasedoncheapsensors,low-resolutionanalog-to-digitalconverters,and4-bitor8-bitone-chipmicrocontrollerchips.Suchsystemscanbeeasilyupgradedbyaddingnewrulestoimproveperformanceoraddnewfeatures.Inmanycases,fuzzycontrolcanbeusedtoimproveexistingtraditionalcontrollersystemsbyaddinganextralayerofintelligencetothecurrentcontrolmethod.FuzzycontrolindetailFuzzycontrollersareverysimpleconceptually.Theyconsistofaninputstage,aprocessingstage,andanoutputstage.Theinputstagemapssensororotherinputs,suchasswitches,thumbwheels,andsoon,totheappropriatemembershipfunctionsandtruthvalues.Theprocessingstageinvokeseachappropriateruleandgeneratesaresultforeach,thencombinestheresultsoftherules.Finally,theoutputstageconvertsthecombinedresultbackintoaspecificcontroloutputvalue.Themostcommonshapeofmembershipfunctionsistriangular,althoughtrapezoidalandbellcurvesarealsoused,buttheshapeisgenerallylessimportantthanthenumberofcurvesandtheirplacement.Fromthreetosevencurvesaregenerallyappropriatetocovertherequiredrangeofaninputvalue,orthe"universeofdiscourse"infuzzyjargon.Asdiscussedearlier,theprocessingstageisbasedonacollectionoflogicrulesintheformofIF-THENstatements,wheretheIFpartiscalledthe"antecedent"andtheTHENpartiscalledthe"consequent".Thisruleusesthetruthvalueofthe"temperature"input,whichissometruthvalueof"cold",togeneratearesultinthefuzzysetforthe"heater"output,whichissomevalueof"high".Thisresultisusedwiththeresultsofotherrulestofinallygeneratethecrispcompositeoutput.Obviously,thegreaterthetruthvalueof"cold",thehigherthetruthvalueof"high",thoughthisdoesnotnecessarilymeanthattheoutputitselfwillbesetto"high"sincethisisonlyoneruleamongmany.Insomecases,themembershipfunctionscanbemodifiedby"hedges"thatareequivalenttoadjectives.Commonhedgesinclude"about","near","closeto","approximately","very","slightly","too","extremely",and"somewhat".Theseoperationsmayhaveprecisedefinitions,thoughthedefinitionscanvaryconsiderablybetweendifferentimplementations."Very",foroneexample,squaresmembershipfunctions;sincethemembershipvaluesarealwayslessthan1,thisnarrowsthemembershipfunction."Extremely"cubesthevaluestogivegreaternarrowing,while"somewhat"broadensthefunctionbytakingthesquareroot.Inpractice,thefuzzyrulesetsusuallyhaveseveralantecedentsthatarecombinedusingfuzzyoperators,suchasAND,OR,andNOT,thoughagainthedefinitionstendtovary:AND,inonepopulardefinition,simplyusestheminimumweightofalltheantecedents,whileORusesthemaximumvalue.ThereisalsoaNOToperatorthatsubtractsamembershipfunctionfrom1togivethe"complementary"function.Thereareseveralwaystodefinetheresultofarule,butoneofthemostcommonandsimplestisthe"max-min"inferencemethod,inwhichtheoutputmembershipfunctionisgiventhetruthvaluegeneratedbythepremise.Rulescanbesolvedinparallelinhardware,orsequentiallyinsoftware.Theresultsofalltherulesthathavefiredare"defuzzified"toacrispvaluebyoneofseveralmethods.Therearedozensintheory,eachwithvariousadvantagesanddrawbacks.The"centroid"methodisverypopular,inwhichthe"centerofmass"oftheresultprovidesthecrispvalue.Anotherapproachisthe"height"method,whichtakesthevalueofthebiggestcontributor.Thecentroidmethodfavorstherulewiththeoutputofgreatestarea,whiletheheightmethodobviouslyfavorstherulewiththegreatestoutputvalue.Thediagrambelowdemonstratesmax-mininferringandcentroiddefuzzificationforasystemwithinputvariables"x","y",and"z"andanoutputvariable"n".Notethat"mu"isstandardfuzzy-logicnomenclaturefor"truthvalue":Fuzzycontrolsystemdesignisbasedonempiricalmethods,basicallyamethodicalapproachtotrial-and-error.Thegeneralprocessisasfollows:1.Documentthesystem'soperationalspecificationsandinputsandoutputs.2.Documentthefuzzysetsfortheinputs.3.Documenttheruleset.4.Determinethedefuzzificationmethod.5.Runthroughtestsuitetovalidatesystem,adjustdetailsasrequired.6.Completedocumentandreleasetoproduction.LogicalinterpretationoffuzzycontrolInspiteoftheappearancethereareseveraldifficultiestogivearigorouslogicalinterpretationoftheIF-THENrules.Asanexample,interpretaruleasIF(temperatureis"cold")THEN(heateris"high")bythefirstorderformulaCold(x)→High(y)andassumethatrisaninputsuchthatCold(r)isfalse.ThentheformulaCold(r)→High(t)istrueforanytandthereforeanytgivesacorrectcontrolgivenr.Obviously,ifweconsidersystemsofrulesinwhichtheclassantecedentdefineapartitionsuchaparadoxicalphenomenondoesnotarise.Inanycaseitissometimesunsatisfactorytoconsidertwovariablesxandyinarulewithoutsomekindoffunctionaldependence.ArigorouslogicaljustificationoffuzzycontrolisgiveninHájek'sbook,wherefuzzycontrolisrepresentedasatheoryofHájek'sbasiclogic.AlsoinGerla2005alogicalapproachtofuzzycontrolisproposedbasedonthefollowingidea.Denotebyfthefuzzyfunctionassociatedwiththefuzzycontrolsystem,i.e.,giventheinputr,s(y)=f(r,y)isthefuzzysetofpossibleoutputs.Thengivenapossibleoutput't',weinterpretf(r,t)asthetruthdegreeoftheclaim"tisagoodanswergivenr".Moreformally,anysystemofIF-THENrulescanbetranslateintoafuzzyprograminsuchawaythatthefuzzyfunctionfistheinterpretationofavaguepredicateGood(x,y)intheassociatedleastfuzzyHerbrandmodel.Insuchawayfuzzycontrolbecomesachapteroffuzzylogicprogramming.Thelearningprocessbecomesaquestionbelongingtoinductivelogictheory.模糊控制理論概述模糊邏輯廣泛適用于機械控制。這個詞本身激發一個一定的懷疑,試探相當于“倉促的邏輯”或“虛假的邏輯”,但“模糊”不是指一個部分缺乏嚴格性的方法,而這樣的事實,即邏輯涉及能處理的概念,不能被表達為“對”或“否”,而是因為“部分真實”。雖然遺傳算法和神經網絡可以執行一樣模糊邏輯在很多情況下,模糊邏輯的優點是解決這個問題的方法,能夠被鑄造方面接線員能了解,以便他們的經驗,可用于設計的控制器。這讓它更容易完成機械化已成功由人執行。歷史以及應用模糊邏輯首先被提出是有Lotfi在加州大學伯克利分校在1965年的一篇論文。他闡述了他的觀點在1973年的一篇論文的概念,介紹了語言變量”,在這篇文章中相當于一個變量定義為一個模糊集合。其他研究打亂了,第二次工業應用中,水泥窯建在丹麥,即將到來的在線1975。模糊系統在很大程度上在美國被忽略了,因為他們更多關注的是人工智能，一個被過分吹噓的領域，尤其是在1980年中期年代,導致在誠信缺失的商業領域。然而日本人對這個卻沒有偏見和忽略，模糊系統引發日立的SeijiYasunobu和SojiYasunobuMiyamoto的興趣。,他于1985年的模擬,證明了模糊控制系統對仙臺鐵路的控制的優越性。他們的想法是被接受了,并將模糊系統用來控制加速、制動、和停車，當線于1987年開業。1987年另一項促進模糊系統的興趣。在一個國際會議在東京的模糊研究那一年,Yamakawa論證<使用模糊控制,通過一系列簡單的專用模糊邏輯芯片,在一個“倒立擺“實驗。這是一個經典的控制問題,在這一過程中,車輛努力保持桿安裝在頂部用鉸鏈正直來回移動。這次展示給觀察者家們留下了深刻的印象,以及后來的實驗,他登上一Yamakawa酒杯包含水或甚至一只活老鼠的頂部的鐘擺。該系統在兩種情況下,保持穩定。Yamakawa最終繼續組織自己的fuzzy-systems研究實驗室幫助利用自己的專利在田地里的時候。展示之后,日本工程師開發出了大范圍的模糊系統用于工業領域和消費領域的應用。1988年,日本建立了國際模糊工程實驗室,建立合作安排48公司進行模糊控制的研究。松下吸塵器使用微控制器運行模糊算法去控制傳感器和調整吸塵力。日立洗衣機用模糊控制器Load-Weight,Fabric-Mix和塵土傳感器及自動設定洗滌周期來最佳利用電能、水和洗滌劑。佳能研制出的一種上相機使用電荷耦合器件(CCD)測量中的圖像清晰的六個區域其視野和使用提供的信息來決定是否這個影像在焦點上(清晰)。它也可以追蹤變化的速率在鏡頭運動的重點,以及它的速度以防止控制超調。相機的模糊控制系統采用12輸入,6個輸入了解解現行清晰所提供的數據和其他6個輸入測量CCD鏡頭的變化率的運動。輸出的位置是鏡頭。模糊控制系統應用13條規則,需要1.1千字節記憶信息。另外一個例子是,三菱工業空調設計采用25加熱規則和25冷卻規則。溫度傳感器提供輸入,輸出一個控制逆變器,一個壓縮機氣閥,風扇電機。和以前的設計相比,新設計的模糊控制器增加五次加熱冷卻速度,降低能耗24%,增加溫度穩定性的一個因素兩個,使用較少的傳感器。日本人對模糊邏輯的人情是反映在很廣泛的應用范圍上,他們一直在研究或實現:例如個性和筆跡識別光學模糊系統,機器人,聲控機器人直升飛機。模糊系統的相關研究工作也在美國和歐洲進行著。美國環境保護署分析了模糊控制節能電動機,美國國家航空和宇宙航行局研究了模糊控制自動太空對接。仿真結果表明,模糊控制系統可大大降低燃料消耗。如波音公司、通用汽車、艾倫-布拉德利、克萊斯勒、伊頓,和漩渦了模糊邏輯用于低功率冰箱、改善汽車變速箱。在1995年美泰克公司推出的一個“聰明”基于模糊控制器洗碗機，“一站式感應模塊”包括熱敏電阻器,用來溫度測量;電導率傳感器,用來測量離子洗滌劑水平存在于洗;分散和濁度傳感器用來檢測透射光測量失禁的洗滌,以及一個磁致伸縮傳感器來讀取旋轉速率。這個系統確定最優洗周期任何載荷,獲得最佳的結果用最少的能源、洗滌劑、和水。研究和開發還繼續模糊應用軟件,作為反對固件設計,包括模糊專家系統模糊邏輯與整合神經網絡和所謂的自適應遺傳軟件系統,其最終目的是建立“自主學習”模糊控制系統。模糊集輸入變量在一個模糊控制系統是集映射到一般由類似的隸屬度函數,稱為“模糊集”。轉換的過程中,一個干脆利落的輸入值模糊值稱為“模糊化”。一個控制系統也有各種不同的類型開關或“開關”,連同它的模擬輸入輸入,而這樣的開關輸入當然總有一個真實的價值等于要么