四、模糊控制規則

通常情況下模糊控制規則是由實際的控制經驗總結出來的，但對于船體表面清刷機器人這種在特定環境中作業的控制對象，要總結出人工控制經驗是較為困難的。可以從系統簡化的物理模型出發，按常規控制經驗類推出一般的模糊推理規則;也可以將經典控制理論模糊化得到一套相應的模糊控制規則去控制機器人在船體表面的移動。采用的模糊控制規則為

Ri:if E is Ai and EC is Bi，then △U is Ci

    其中Ri 表示第i條控制規則；E表示誤差語言變量；EC表示誤差變化率語言變量；△U 為控制量語言變量。

    它們的語言值在相應論域中的模糊子集分別為Ai，Bi和Ci，由這些控制規則可得到模糊控制規則表1。

 五、量化因子、比例因子和參數自調整

采用計算機實現模糊控制算法進行模糊控制時，必須將采樣得到的輸入變量從基本論域轉換到相應的模糊集的論域，因此，需要引入量化因子進行論域的變換。圖2中的參數 K1和K2分別為誤差的量化因子和誤差變化率的量化因子。

每次采樣經模糊控制算法給出的控制量(精確量)，還不能直接去控制對象，必須轉換到控制對象所能接受的基本論域中去，即通過圖（2）中的比例因子K3實現輸出控制量的論域的變換。

由圖（2）可知，模糊控制器除了要有一個好的模糊控制規則外，合理地選擇模糊控制器輸入變量的量化因子和輸出控制量的比例因子也是非常重要的。研究表明，量化因子和比例因子的大小及不同量化因子之間大小的相對關系，對模糊控制器的控制性能影響極大。為了使清刷機器人能夠適應各種不同船體表面上運動，完成規定的清刷功能，控制中采用的量化因子和比例因子可根據誤差e和誤差變化率e_c的大小進行自動調整，從而使系統在各種情況下都具有良好的控制性能。

量化因子K1和K2的大小對控制系統的動態性能影響很大。當e和e_c較大時，控制系統要減小誤差，加快動態過程，這時應取較大的控制量。此時可縮小量化因子K1和K2，增大K3。當e和e_c較小是，系統接近穩定值，這時為了使穩態誤差盡可能減小，應當放大量化因子K1和K2，同時減小K3，使控制量的階躍變化小。

由以上分析可知，K1，K2和K3的變化趨勢正好相反。為了便于計數機控制，可取K1，K2的變化倍數與K3的變化倍數成倒數關系。K1，K2和K3的調整也是采用模糊化方法，經模糊推理后得到參數調整表2。實際控制時，一最初設定的量化因子K10和K20對誤差e和誤差變化率ec進行量化，查找參數調整表得到N值，按K1=N·K10，K2=N·K20和K3=K30/N調整參數，開用調整后的K1，K2和K3進行量化和控制。