在工业自动化应用中，梯形图逻辑是可编程逻辑控制器上运行通常用于离散事件控制的一种编程语言。为实现连续控制，PID型控制器更常被运用。1974 年，第一个模糊控制技术的应用案例出现 (Mamdani，1974年)。从那时起，模糊逻辑控制 (PLC) 已成为设计控制器的动态系统，甚至可以在哪里是传统方法的首选方法使用 (Mamdani，1993年)。

本文介绍了伺服系统的速度控制。为获得良好的性能，系统采用 PLC 实现的模糊逻辑控制。

2。模糊控制器背景

在实践中有许多不同的过程和它们的属性都能被控制。例如，我们想要等于某值的任何负载转矩电机的转速，我们想要飞机不会跌下去，我们想要增加电力发电站的减少空气污染，我们想要增加硬盘的能力，所以我们要更准确地等控制阅读机械。

反馈控制回路，见图 1。传感器被测量系统y（t）的输出。控制器计算系统 u（t） 基于实测的输出 y（t） 和其参考 yr（t） 的输入并将此值由执行器应用于系统。

图 1    反馈控制回路

Signals: y=system output    (controlled) 

yr=reference 

 ε =measured error 

u=system input   (command) 

m=execution ignal 

z=quality signal 

v=disturbance 

为控制设计，系统行为已被称为。为此，通常我们都用来描述系统的数学工具。很多时候，我们做一个物理的分析，首先获得系统的微分方程和代数方程。第二步是确定系统输入和输出，从系统的数学方程的所谓的模型的描述，如果需要可以对其线性化。然后，我们可以测量系统参数，并写下完整的模型与数值 (Jirka Roubal)。

当确定了系统的模型时，可以设计了控制器。有许多方法来设计控制器。这取决于表演，应该是实现 （例如稳定的系统和系统行为的质量。）、 最佳行为准则等制度的

另一种方法来发展一种控制器用于模糊集也称为模糊集料而不数字算法的模糊理论。这些都是数学的基础的对象，为其定义相应的运营商。

若要控制过程，由测量系统提供了所需的数据。这些数据包括单位的测量，测量的变量以及可能一些其他值，在这种情况下不感兴趣。测量的单位是物理单位即米，而实测的值是无量纲的测量的结果。为了规范过分集团的所有可能的数据，他们可以映射到的实数组，相应数量的测量值可以使用，例如。这些数字是以图形方式的数字，一条直线能上演的如图 2 (Amira) 所示。

图 2     映射的数据集合 X 到实数

然而，不使用过程的数学模型也是不确定性的来源。例如，在设计模糊系统多自由度可能是缺点。

以下内容概述提供的利与弊模糊控制 （西门子，2003年）：

口头表达规则，又简单的实现 (如果。。。，然后。。。) 来解决一个问题的计算机上。

模糊系统的行为，又是对人类可以理解的。

又避免了昂贵的数学描述的时候，与传统方法相比发展。S 可能用于处理复杂和棘手的过程。任务定义与没有足够知识的系统和小或非常不精确知识的系统行为结果不好，可能无法使用模糊的解决方案中。通常没有适应能力和学习能力，如果改变系统行为。

 系统设计要求的经验因为多自由度。

下图 （图 3） 说明了组件的模糊控制器，其功能的原则。模糊控制基于规则，称为规则库的集合。

图 3   组件的模糊控制器，其功能的原则

功能原理分为以下步骤 ︰

模糊化-语言值 （程度的模糊集的成员资格） 的语言变量实现自由度分配给非模糊输入值。