锅炉水位模糊控制

摘要洛阳理工学院毕业设计（论文）[1]。建立基于模糊控制器的锅炉水位控制的仿真模型如下图4-1所示。图4-1基于模糊控制的锅炉水位系统仿真模型建立基于PI控制的锅炉水位控制的仿真模型如图4-2所示PI控制是对系统偏差进行比例、积分和微分的一种线性控制方法，在实际应用中，由于微分环节容易造成系统早期饱和，增加系统不稳定的因素，故采用PI环节，PI控制系统模型如图4-2所示，为研究模糊控制器在此系统中的应用效果，采用PI控制进行仿真。图4-2基于PI控制的锅炉水位控制的仿真模型4.1.2模糊控制器仿真实现使用Matlab自带的模糊逻辑工具箱，采用图形化的系统设计工具构造一个模糊逻辑系统。确定模糊控制器的输入量输出量，定义对应变量名称，并选定隶属度函数、各个变量对应的论域和模糊语言变量，其过程如下确定输入量与输出量如图4-3所示。图4-3输入量与输出量表示定义对应的变量的模糊论域、隶属度函数和控制规则如下图4-4所示：图4-4(a)输入水位偏差e的论域与隶属度函数图4-4(b)输入水位偏差变化率de的论域与隶属度函数图4-4(c)输出量u的论域与隶属度函数图4-4（d）模糊控制规则在对模糊控制的模型图和PI控制的模型图综合后，放在一个模型图中，在一个示波器中显示出来，这样更加容易对结果进行分析说明所得到的系统仿真图如图4-5所示。图4-5系统仿真图这个模型图对结果的分析更加具有说服作用，用同一种信号输入，同一个被控对象，在两种不同的控制作用下，显示说明两种控制效果。在命令行串口输入命令“ruleview”，或在上述编辑器中选择相应菜单，都可以激活模糊规则浏览器。本设计的模糊规则观测界面如下图4-6所示。图4-6模糊规则观察器模糊推理输入输出曲面视图如图4-7所示。图4-7模糊推理输入输出曲面观察图第5章仿真结果分析响应曲线图放在一个示波器中能够更加容易分析结果，响应曲线如下图5-1所示。图5-1系统响应曲线比较图中红色线代表PI控制，黑色线条代表模糊控制。由图5-1可知：当输入为阶跃函数时（1）在0-19（s）内模糊控制器响应快于PI控制（2）在19-80（s）内模糊控制器更容易趋于稳定，且超调量很小（3）在80-100（s）内模糊控制与PI控制都趋于稳定，然而模糊控制响应更快。由此可得结论：在有限的时间内，当给定水位为阶跃信号的情况下，PI控制下系统响应速度较慢，其稳定时间也相对较长，且系统响应的超调量较大，相比较而言，模糊控制器控制效果明显提高，系统变化平稳，有效地抑制了振荡、控制了系统超调现象，使得锅炉对汽包水位的控制更加精确，动态性能更好，自适应能力更强。PI控制器简单的可分为比例调节和微分调节。比例调节作用：按比例反应系统的偏差,系统一旦出现了偏差,比例调节立即产生调节作用用以减少偏差。比例作用大,可以加快调节,减少误差,但是过大的比例,使系统的稳定性下降,甚至造成系统的不稳定。积分调节作用：使系统消除稳态误差,提高无差度。因为有误差,积分调节就进行,直至无差,积分调节停止,积分调节输出一常值。积分作用的强弱取决于积分时间常数Ti,Ti越小,积分作用就越强。反之Ti大则积分作用弱,加入积分调节可使系统稳定性下降,动态响应变慢。模糊控制则是综合了上述两种调节方式，利用模糊规则来控制被控对象，当出现偏差时，立刻在模糊规则中搜索相对应的模糊规则，这样系统就不容易出现较大的误差，从而更加容易处于稳定，这也就是如图中所示的响应曲线，模糊控制比PI更加稳定，且超调量更小的原因。通过图像的比较说明在锅炉水位控制方面，模糊控制具有常规PI控制所没有的优越性，模糊控制响应更加迅速，也能更加快速的趋于稳定，表明在锅炉水位控制方面模糊控制相较PI控制更胜一筹。结论结论在分析锅炉给水系统工作原理的基础上，构建了锅炉给水控制系统，利用Matlab中的模糊工具箱设计了模糊控制器，并在simulink的工作环境下，对锅炉水位模糊控制系统进行了设计与仿真，在此工作环境下，可以对被控对象参数的进行设定、修改，也可以修改输入、输出变量的量化论域、语言变量、隶属度函数以及控制规则，可以方便利用参数的变化或是隶属函数的变化，来通过参数或是隶属函数的变化，来看到控制效果的优劣。本文又通过常规的PI控制与模糊控制的比较，来说明模糊控制在锅炉水位控制方面的快速性、稳定性，表明模糊控制的应用前景。然而由于时间和知识的问题，导致本设计并不是十分的完美。在模糊控制器中水位偏差Ke、水位偏差变化率Kde、输出量化因子Ku的参数选择，可能不是最好的。在仿真时间的步长和仿真时长方面了解的不是太多，在以后的时间里，我会对Matlab这个软件进行更加深入的研究，去学习模糊逻辑工具箱，，研究对量化因子、比例因子的选择。在锅炉水位控制系统中，利用PI控制与模糊控制的结合，或许能更快的响应，减小超调量，使系统更加稳定，这将是我下一步的研究重点。有了这次设计所积累的经验，相信我能够完成这个研究课题。附录PAGE16谢辞毕业设计是在大学完成的最后一件与课程相关的任务，所以在毕业设计开始做之前，我的毕业设计老师就告诫我们，要好好完成不给大学留下最后的遗憾。在王晓丽老师的指导下，我从对模糊控制的一窍不通，到有了初步的了解，也对Matlab这个强大的软件，有了更加深入的了解。经过几个月的努力，我完成了自己的毕业设计，在这次任务中，我学到了很多有用的知识，也积累了不少经验。在进入论文命题的设定阶段，王老师给与了我多方面的帮助，给我提供许多宝贵的意见，让我定下这个命题，从而可以顺利完成这个设计。在论文写作过程中，王老师也是无比耐心的给予我帮助，没有王老师的帮助，论文就可能没办法顺利完成。在这一个学期中通过与王老师的接触，了解到她在治学中严谨的工作态度，给我们讲解中的孜孜不倦，都给了我很大的启发，使我受益终身，在此表达对王老师真挚的谢意。另外再次设计中，同组的同学也给予了我很大帮助，我们一起讨论问题，增进了我们的知识，加深了我们的友谊，让我了解到团结的力量是无比巨大的，在此也对他们几个表达谢意。大学生活即将结束，相信等待我的是一片充满机遇与挑战的土地，相信大学四年的学习，一定会对我在社会中的奋斗有所帮助，让我在社会中能更加绽放自己的光彩，做一个对社会、对国家有用的人。参考文献陆柳延、王妹婷等.锅炉水位的模糊控制及其仿真实现，扬州大学学报，2013,5，第16卷2期李士勇.模糊控制.哈尔冰工业大学出版社.2011.9吴晓莉、林哲辉等.MATLAB辅助模糊系统设计.西安电子科技大学出版社.2002.8李国勇.智能预测控制及其MATLAB实现.第2版.电子工业出版社.2010.1.胡寿松.自动控制原理.第5版.北京：科学出版社.2007.汤兵勇、路林吉、王文杰.模糊控制理论与应用技术.北京：清华大学出版社。2002.9.张松兰、刘延太．锅炉汽包水位控制系统的设计．科技情报开发与经济，2008.HULinjing、ZHANGKE,LIUTao.Studyontheboilerdrumwaterlevelbasedonfuzzyadaptivecontrol.24thChinesecontrolandDecisionConference.Taiwan：IEEE.2012.3:1659-1663.SUNFuchun,SunZengqi.Neuralnetwork-basedadaptivecontrollerdesignofroboticmanipulatorswithanobserver.IEEE.Transneuralnetw楼顺天等，基于Matlab的系统分析与设计——模糊系统.西安：西安电子科技大学出版社，2001.刘曙光等，模糊控制技术.北京：中国纺织出版社，2001.6李友善、李军．模糊控制理论及其在过程控制中的应用．北京：国防工业出版社，1993唐令波、雷玉勇、邴龙健等．基于模糊PID的工业锅炉汽包水位控制系统的仿真研究．机械设计与制造.2009.11：110-112.张松兰、刘延太．锅炉汽包水位控制系统的设计．科技情报开发与经济，2008.18（14）:130-132.GAOJunming、YUANZheng、LIUShurong.FuzzycontrolofwatertanklevelandmatlabsimulationMicroComputInf.2005.21(11):41-43.张国良、曾静、柯熙政等.模糊控制及其MATLAB应用.西安:西安交通大学出版社.2002.刘曙光、魏俊民、竺志超.模糊控制技术.北京:中国纺织出版社,2001谢宋和、甘勇.单片机模糊控制系统设计与应用实例.北京:电子工业出版社,1999.胡伟、王福忠、余发山等.工业锅炉汽包水位模糊PID控制策略的研究[J].焦作工学院学报:自然科学版,2001,20(4):273-277.高俊.锅炉汽包水位模糊控制的应用研究.自动化仪表.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.模糊控制理论概述模糊逻辑广泛适用于机械控制。这个词本身激发一个一定的怀疑,试探相当于“仓促的逻辑”或“虚假的逻辑”,但“模糊”不是指一个部分缺乏严格性的方法,而这样的事实,即逻辑涉及能处理的概念,不能被表达为“对”或“否”,而是因为“部分真实”。虽然遗传算法和神经网络可以执行一样模糊逻辑在很多情况下,模糊逻辑的优点是解决这个问题的方法,能够被铸造方面接线员能了解,以便他们的经验,可用于设计的控制器。这让它更容易完成机械化已成功由人执行。历史以及应用模糊逻辑首先被提出是有Lotfi在加州大学伯克利分校在1965年的一篇论文。他阐述了他的观点在1973年的一篇论文的概念,介绍了语言变量”,在这篇文章中相当于一个变量定义为一个模糊集合。其他研究打乱了,第二次工业应用中,水泥窑建在丹麦,即将到来的在线1975。模糊系统在很大程度上在美国被忽略了,因为他们更多关注的是人工智能，一个被过分吹嘘的领域，尤其是在1980年中期年代,导致在诚信缺失的商业领域。然而日本人对这个却没有偏见和忽略，模糊系统引发日立的SeijiYasunobu和SojiYasunobuMiyamoto的兴趣。,他于1985年的模拟,证明了模糊控制系统对仙台铁路的控制的优越性。他们的想法是被接受了,并将模糊系统用来控制加速、制动、和停车，当线于1987年开业。1987年另一项促进模糊系统的兴趣。在一个国际会议在东京的模糊研究那一年,Yamakawa论证<使用模糊控制,通过一系列简单的专用模糊逻辑芯片,在一个“倒立摆“实验。这是一个经典的控制问题,在这一过程中,车辆努力保持杆安装在顶部用铰链正直来回移动。这次展示给观察者家们留下了深刻的印象,以及后来的实验,他登上一Yamakawa酒杯包含水或甚至一只活老鼠的顶部的钟摆。该系统在两种情况下,保持稳定。Yamakawa最终继续组织自己的fuzzy-systems研究实验室帮助利用自己的专利在田地里的时候。展示之后,日本工程师开发出了大范围的模糊系统用于工业领域和消费领域的应用。1988年,日本建立了国际模糊工程实验室,建立合作安排48公司进行模糊控制的研究。松下吸尘器使用微控制器运行模糊算法去控制传感器和调整吸尘力。日立洗衣机用模糊控制器Load-Weight,Fabric-Mix和尘土传感器及自动设定洗涤周期来最佳利用电能、水和洗涤剂。佳能研制出的一种上相机使用电荷耦合器件(CCD)测量中的图像清晰的六个区域其视野和使用提供的信息来决定是否这个影像在焦点上(清晰)。它也可以追踪变化的速率在镜头运动的重点,以及它的速度以防止控制超调。相机的模糊控制系统采用12输入,6个输入了解解现行清晰所提供的数据和其他6个输入测量CCD镜头的变化率的运动。输出的位置是镜头。模糊控制系统应用13条规则,需要1.1千字节记忆信息。另外一个例子是,三菱工业空调设计采用25加热规则和25冷却规则。温度传感器提供输入,输出一个控制逆变器,一个压缩机气阀,风扇电机。和以前的设计相比,新设计的模糊控制器增加五次加热冷却速度,降低能耗24%,增加温度稳定性的一个因素两个,使用较少的传感器。日本人对模糊逻辑的人情是反映在很广泛的应用范围上,他们一直在研究或实现:例如个性和笔迹识别光学模糊系统,机器人,声控机器人直升飞机。模糊系统的相关研究工作也在美国和欧洲进行着。美国环境保护署分析了模糊控制节能电动机,美国国家航空和宇宙航行局研究了模糊控制自动太空对接。仿真结果表明,模糊控制系统可大大降低燃料消耗。如波音公司、通用汽车、艾伦-布拉德利、克莱斯勒、伊顿,和漩涡了模糊逻辑用于低功率冰箱、改善汽车变速箱。在1995年美泰克公司推出的一个“聪明”基于模糊控制器洗碗机，“一站式感应模块”包括热敏电阻器,用来温度测量;电导率传感器,用来测量离子洗涤剂水平存在于洗;分散和浊度传感器用来检测透射光测量失禁的洗涤,以及一个磁致伸缩传感器来读取旋转速率。这个系统确定最优洗周期任何载荷,获得最佳的结果用最少的能源、洗涤剂、和水。研究和开发还继续模糊应用软件,作为反对固件设计,包括模糊专家系统模糊逻辑与整合神经网络和所谓的自适应遗传软件系统,其最终目的是建立“自主学习”模糊控制系统。模糊集输入变量在一个模糊控制系统是集映射到一般由类似的隶属度函数,称为“模糊集”。转换的过程中,一个干脆利落的输入值模糊值称为“模糊化”。一个控制系统也有各种不同的类型开关或“开关”,连同它的模拟输入输入,而这样的开关输入当然总有一个真实的价值等于要么