近年來，智能控制無論是理論上還是技術應用上均得到了長足的發展，隨之不斷涌現將智能控制方法和常規PID控制方法融合在一起的新方法，形成了許多智能PID控制器。這些智能控制器不僅具備自學習、自適應、自組織的能力，而且還有常規PID控制器結構簡單、魯棒性強、可靠性高、為現場工程設計人員所熟悉等特點。目前主要有4種智能PID控制：基于專家智能PID控制、基于模糊推理的PID控制、基于神經網絡的PID控制、基于遺傳算法的PID控制。

在本系統中，采用基于模糊推理的PID控制來實現對機車制動氣缸壓力的精確控制。基于模糊推理的PID控制就是運用Fuzzy Sets理論和方法將操作人員或者專家的整定經驗和技術知識總結成為Fuzzy規則模型，形成微機的查詢表格及解析式，根據系統的實際響應情況，運用模糊推理來實現PID控制。在PID控制算法基礎上增加求采樣時刻的偏差E和偏差變化率Ec，參數的Fuzzy自校正思想是根據被控對象的響應在采樣時刻的E和Ec來確定kP，k1，kD三參數修正的方向和大小。其算法過程是利用對應的規則集將控制指標模糊化，然后利用他與知識庫中的模糊規則進行匹配，如有規則被匹配，則執行該規則的結果部分，就可以得到相應的參數修正值。其結構圖如圖2所示。

4.2 模糊PID控制器設計

控制系統的PID算法是根據壓力目標值與實際值之差的比例值、積分值、微分值來確定控制量的大小。其算式為：

式中，e(t)，e(t-1)分別為第t次及第t-1次采樣偏差值；pout(t)為第t次的控制量輸出值；kP，kI，kD分別為比例系數、積分系數和微分系數。合適的kP，kI，kD參數直接關系到控制的精度。

根據模糊數學的理論和方法，將在現場獲得的調試經驗和技術知識總結成為IF(條件)、THEN(結果)形式的模糊推理規則，并把這些模糊規則及相關信息(如初始的PID參數)存入計算機。根據檢測回路的響應情況，計算出采樣時刻的偏差E和變化率Ec，運用模糊推理，進行模糊運算，即可得到該時刻的kP，kI，kD，實現對PID參數的最佳調整。

Fuzzy-PID就是根據現場調試得到在PID參數預整定值k′P，k′I，k′D，再利用模糊規則實時在線整定PID控制器的三個修正參數△kP，△kI和△kD，實現對壓力的優化控制。模糊控制器的輸入、輸出變量都是精確量，模糊推理是針對模糊量進行的，因此控制器首先要對輸入量進行模糊化處理。在所設計的Fuzzy-PID控制器中，輸入、輸出變量的語言值均分為7個語言值：{NB，NM，NS，0，PS，PM，PB}，他們分別代表負大、負中、負小、零、正小、正中和正大。隸屬度函數采用靈敏性強的三角函數，如圖3所示。

偏差E的基本論域為[-5 kPa，+5 kPa]，偏差變化率Ec的基本論域為[-0.5，+0.5]，△kP的基本論域為[-1，1]；△kI的基本論域為[-0.002，0.002]；△kD的基本論域為[-1，1]。以上各變量的模糊量分別為E，Ec，△kP，△kI和△kD，其論域均為[-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6]。輸入量E，Ec的量化因子為：ke=1.2，kec=12。

總結工程設計人員的技術知識和實際操作經驗，得到了針對kP，kI，kD三個參數分別整定的模糊控制表，見表2、表3和表4。

在本系統中，根據偏差E和偏差變化率Ec，取得相應的語言值，根據表1～表3的整定規則表，經過公式法模糊決策，分別得到3個修正參數△kP，△kI，△kD的模糊量，然后△kP，△kI，△kD要進行去模糊化取得精確量，去模糊化有幾種方法，一般用重心法比較合適，由公式可得：

其中u為模糊判決后的輸出量，uN(xi)為隸屬度函數，xi為論域中的元素。