正是由于此缘故，在本设计中就需要增加第四个被控变量—温度变化的增量。这使得设计中的控制逻辑在温度变化时的反应，要强于温度处于稳态时。该变量的设定值为零，这就意味着控制系统将努力把温度稳定在其绝对设定值上。
系统设计为输出变量使用了五个子集，以适应四个被控变量的各种不同组合。用以描述控制变量变化的子集分别是：中负（NM），小负（NS），零（ZE），小正（PS），中正（PM）。
该设计还包括对产品流量及
表1显示了A组分和B组分流量的变化规则，以控制产品流量和组成成分。（此处的正误差表示测量值高于设定值）。
矩阵的交叉点即定义了规则的逻辑。例如，如果同时出现总流量的正偏差（PS）和A组分流量的负偏差（NS），那么就需要少量减小Fa（NS），并且同时中量减小Fb（NM）。上述逻辑总共有9种组合形式。每种组合形式对应的规则会同时产生两个控制动作。
表2也给出了一种类似的规则集，用于控制产品温度及其变化增量。
例如，当温度的偏差是正值（PS），但是温度的变化却是负值（NS）时，那蒸汽的流量就要保持不变（ZE）。这儿总共也有9种组合方式，但每种方式只对应一个控制动作。由于蒸汽流量既不影响产品流量，也不影响产品的组成成分，因此这一部分逻辑不需要进行任何解耦处理，以改变各组成成分的流量。
以四秒为采样间隔，该模糊逻辑控制器先对系统输入进行模糊化，然后对模糊化的输入应用上述两种规则集，产生模糊化的输出变量，继而又将模糊输出变量进行解模糊化，得到所有三个被控流量的增量变化。
模糊逻辑控制的性能
考虑以往控制应用中相同的产品流量和组成成分的变化，趋势图显示了采用模糊逻辑控制的响应结果。
当然，在此处的应用，模糊逻辑已经提供了足够好的控制。然而问题是，将该控制方案与同一工况下的基本调节控制和先进调节控制进行对比的结果如何？
表3说明，模糊逻辑控制的性能指标在总体上比以上任意一种调节控制方案都差，但是除了其中一项指标—在产品产量变化的情况下产品组成成分的控制更好，该表给出的指标为0.003。该指标比先进调节控制的要好五倍，这是由于保持组成成分不变的需求在该方案中非常直接明了，两种组分的流量回路具有相同的动态特性，并且反应器的过程特性是一个纯滞后环节。只要控制逻辑以合适的比例同时改变两种组分的流量，产品组成成分完全能够维持不变。
考察其它任一评价指标，模糊控制系统都相对较差。这是由于逻辑规则的设计中缺乏针对温度控制进行前馈的对应项，当产品产量变化时，温度控制的性能指标为1.35，比先进调节控制差48倍。在产品产量变化时，温度几乎会下降到规格允许的最低限120°F，甚至有可能产出不合格产品。
由于设计中并未包括产品组成成分变化这一参数，因此逻辑中无法为组成成分的控制提供等价的微分功能。其结果是：对产品组成成分的设定值变化采用模糊逻辑控制，其性能指标比基本调节控制要差，具体数值是2.7比1.79。因为温度控制逻辑与简单反馈控制基本相同，并且温度变化变量允许采用微分响应的控制动作，所以在组成成分设定值变化时，模糊逻辑控制下的温度指标与基本调节控制的很接近，但还是比先进调节控制要差很多。
我们也可以采用简化的模糊逻辑控制器。例如，如果产品产量和组成成分的控制逻辑中不包含解耦功能，那么在功能上此时的总体解决方案就基本等效于不带微分功能的简单PID回路，而其各方面的性能指标都会更差。
同样，我们还可以使用更复杂的模糊逻辑控制器，例如，为组分流量的变化增加一个变量，以便在温度控制的规则集里加入前馈逻辑。类似地，我们可以对逻辑进行拓展，包括产品组成成分变化和/或流量变化等变量，或者与组分温度相关的变量。然而，随着设计中每增加任何一个新的变量，所有可能的组合类型及其规则的数量都 将以指数形式增长。
此外，在模糊逻辑控制中，无法提供动态补偿功能。当改变组分流量时，并不能立即影响到产品的温度。为了进行恰当的补偿，逻辑必须具有添加延迟动作的能力，而这就需要生成计时器及相应的信号队列。因此，整个方案会变得复杂许多。
专家系统
模糊逻辑系统是一种定义明确、同时技术上也比较成熟的系统。该系统运行得是否成功主要取决于规则集中所采用逻辑的质量。与模糊逻辑系统相反，专家系统至今尚无一个精确的定义，目前唯一被大家所接受的定义是：专家系统是如下的一个系统：人们无法区分它与人工专家控制的性能。
在过程控制领域，有一条大家公认的公理，那就是没有任何自动控制系统，能够像一位百分之百专注于手动控制某一特定变量的专业操作人员那样，将系统控制得那么好。人比任何计算机系统都聪明。在控制决策时，人可以整合大范围的动态和静态信息，而这对于自动控制系统而言则极有可能是不可行的。
但是，除非能从具有该能力的专家处获取相关知识，否则难以将如此等级的人工智能设计到自动控制系统当中。一套专家系统的设计及成功，完全依靠于“知识工程师”从相关的专家那里提取有关过程控制经验的能力
图：当产品产量变化时，模糊逻辑控制为产品组成成分提供了更好的控制。
此外，并非所有专家都具有同样的技术水平。而且也不是所有专家都能清楚地表达或解释他们所掌握的知识。他们对于某些同一问题的认识，也常常互不相同，甚至可能偏离正确的理解。
由于对于一套专家系统，在技术上并无非常准确的定义，因此，要定量分析该系统所能达到或应该达到的性能指标，在技术上几乎是不可能的。简单地说，系统的相关性能指标，最多只能达到与工程师的技能一样而已。对过程的理解、专注的程度、以及开发系统的预算，以上这些都将决定专家系统的性能指标。
对操作人员的影响
一套基于规则的控制系统，往往会用到一系列过程操作人员并不熟悉的工具及概念。基于规则的控制系统或多或少看起来就像一个黑匣子，这取决于其花在人机界面上的工作有多少。此外，其更大程度上是取决于基于规则的系统是运用于闭环控制回路，还是作为离线的咨询模式运行。对于基于规则的控制系统，操作人员完全不明白或很少知道它是如何工作的，如何调节其行为，又或者当其决策与操作人员的判断发生矛盾时应该怎么办，因此操作人员往往简单地忽略掉或者停用其控制动作。正因为如此，在开发基于规则的控制系统时，让操作人员也参与其中就显得更加重要。
最终评价
基于规则的控制系统，其目标就是通过模仿经验丰富的操作人员的分析与决策，建立一系列的规则来实现相应的控制要求。然而，操作人员是如何进行分析决策的，却很难对其标准化。正因为如此，基于规则的控制系统是一类极其个性化和独特的解决方案，具有完全不同的复杂度及应用范围。
上述特点既是优点，又是缺点。相比其它控制技术而言，基于规则的控制系统更加灵活、更富有创意。此类系统提供了一种简单易行的方案，可以引入许多无法以数学形式描述的控制思路与方法，以及引入一些在其它控制技术中很难或者不可能应用的输入量。基于规则的控制方案是混合控制系统的最佳解决方案，因为此时的控制逻辑必须考虑到各种类型的条件，而且任何系统总是优于纯手动控制的。
但是，当系统并不需要这种灵活性时，它反而成为一种累赘。在这种情况下，即使对于简单的PID回路，模糊控制都难以替代；而当需要更复杂的控制结构时，上述控制规则将会迅速变得非常复杂。而且目前尚无简单的方法，可以处理好不同过程变量之间的相互影响以及过程动态，其原因在于：这些规则中的逻辑通常是由系统的稳态响应得来。随着规则数量的增加，无论是在最初的设计，还是在随后不断的修改调整中，都极有可能在总体控制逻辑中引入未知的冲突。在这些矛盾和问题被解决之前，很容易降低生产操作的质量。这些矛盾也许并不会立竿见影地显现出来，但是其不良结果，有可能会在意想不到的时候突然降临。
此外，应用于闭环回路控制的模糊逻辑或专家系统仍然需要进行整定，而且当其面对因过程增益的变化而带来的问题时，它们也与其它任何系统一样不可靠。基于规则的控制系统同样也会发生振荡，而且目前尚无被广泛接受的此类系统的整定方案。通常情况下，系统设计者往往是唯一对规则参数有足够深入了解，并可对系统进行整定的人。除非系统的控制规则非常简单，否则，一旦系统设计者无法继续维护该系统，其性能将极有可能大大降低。
一般来讲，对于典型流程工业的控制问题，基于规则的控制系统，其性能指标都当不了基于数学算法的系统，其原因在于：后者更加标准、高效与强大。
文章编号：060713
发送短信“文章编号+评语代码”至13816124995，
告诉我们您对此文的意见。
1- 很好，有很高的参考价值
2- 一般，有一定的参考价值
3-
