二者的结合还能够拥有过程控制复杂的知识,并能够在更为复杂的情况下对这些知识加以有效利用。
基于神经网络的模糊控制能够实现局部或全部的模糊逻辑控制功能。
模糊控制器正向着自适应、自组织、自学习方向发展,使得模糊控制参数、规则在控制过程中自动地调整、修改和完善,从而不断完善系统的控制性能,达到更好的控制效果,而与专家系统、神经网络等其他智能控制技术相融合成为其发展趋势。
4. Smith预估器控制理论
 Smith预估器控制理论
Smith控制的工作原理是将被控对象在基本扰动作用下的动态特性，简化为一个纯迟延与一个一阶惯性环节相串联的数学模型，预估器根据这个输入的数学模型，预先估计出所采用的控制作用对被控量的可能的影响，而不必等到被控量有所反映之后再去采取控制动作，这有利于改善控制系统的动态性能[8]。
当采用单回路控制系统时，如图4.1所示，控制器的传递函数为
                       
图4.1 单回路控制系统
当被控对象的传递函数为 时，从设定值作用至被控变量的闭环传递函数是                                             （4-1）
扰动作用至被控变量的闭环传递函数是                                       （4-2）
如果以上两式特征方程中的 项可以消除，则迟延对闭环极点的不利影响将不复存在。
Smith预估补偿方案主体思想就是消去特征方程中的 项。实现的方法是把被控对象的数学模型引入到控制回路之内，设法取得更为及时的反馈信息，以改进控制品质。Smith预估补偿控制系统如图4.2所示。
基于模糊控制的锅炉温度史密斯预估器的改进(7):http://www.youerw.com/zidonghua/lunwen_5320.html