模糊控制是将模糊系统理论应用于工业生产控制领域中的一种控制方法。对具有时滞、大惯性等复杂特性或难以精确描述的系统来说,传统控制方法如PID的控制效果往往不佳,而模糊控制方法却能取得较理想的效果。模糊控制器由模糊化、模糊推理、知识库及解模糊化等四部分组成,其中,知识库中的模糊控制规则作为设计模糊控制器的核心问题,是模糊控制领域的重要研究方向之一。目前的规则提取方法虽然取得了一定的应用成效,然而,仍有两个关键的科学问题尚未完全解决,即提取的规则质量不高和提取效率较低的问题。为了提高规则的质量和效率,本文从认知科学的角度出发,采用一种起源于认知心理学的智能推理方法-案例推理(CBR)提取模糊控制规则,对提取规则模型结构与功能、提取过程中的维护和修正策略以及实验测试展开了研究,主要工作如下:(1)设计了CBR提取规则的模型结构与功能。以从样本数据中提取规则为例,根据经典的CBR推理模型,设计了基于CBR的规则提取模型,主要包括生成初始规则库、规则聚类、生成模糊控制规则库、约简规则库、基于相似度的规则提取、启发式规则修正、规则存储等,从而实现模糊控制规则的循环推理求解过程,可以从样本数据中提取出用于模糊控制器设计的所有规则。(2)规则维护和修正方法。为了降低冗余规则对模糊控制性能产生的不利影响,采用一种基于相似度的规则维护(SRM)方法,通过逐一计算规则库中规则与其他所有规则的相似度,删除相似度为1的冗余规则;另外,为了提高控制规则的合理性,采用一种启发式规则修正(HRR)方法对重用规则进行修正,根据设计的修正准则,考虑规则库中与目标规则相似度为1的规则不存在、与目标规则相似度为1的规则存在且数量唯一以及众多等三种情况进行修正,从而获得最终的模糊控制规则。(3)实验研究。主要包括实验平台的开发、性能测试及对比实验等三个部分。开发了基于MATLAB的实验平台。该平台用MATLAB-GUI编制模糊控制规则提取操作界面,借助于GUI对象调用m文件中的模糊控制规则提取程序,可以方便而直观的观察到控制规则的提取过程以及控制性能;性能测试主要针对CBR提取规则算法中各组成部分的运行性能和模糊控制器的鲁棒性进行测试;对比实验则是将本文方法提取规则后构成的模糊控制器与传统的模糊控制器、PID控制器的控制性能、抗干扰能力进行对比,结果表明本文方法具有应用优势。