白街山人1. 一阶倒立摆的TS模糊控制实战
倒立摆作为控制理论中的经典研究对象，本质上是一个非线性、强耦合、不稳定的系统。我在实验室带学生做自动化项目时，发现很多同学面对倒立摆控制问题时，第一反应就是上PID控制器。但实际调试时常常陷入参数整定的泥潭——今天调好了静态平衡，明天加个扰动就又失控了。
1.1 为什么选择TS模糊控制？
传统PID控制需要精确的数学模型，而TS（Takagi-Sugeno）模糊模型的精髓在于将复杂的非线性系统分解为多个线性子系统的加权组合。这种"分而治之"的策略特别适合像倒立摆这类难以精确建模的对象。根据我的实测经验，在存在外部扰动的情况下，TS模糊控制的鲁棒性明显优于常规PID控制。
关键提示：TS模型属于模糊控制中的后件参数化类型，其规则后件是输入变量的线性函数，这与Mamdani型模糊系统有本质区别。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. TS模糊控制器设计与实现
2.1 隶属函数配置技巧
在Matlab中创建FIS（模糊推理系统）时，角度的隶属函数设置直接影响控制灵敏度。以30度为例，我推荐使用高斯型隶属函数（gaussmf），其参数配置如下：
matlab复制fis = newfis('pendulum','prod','sum','prod','min','centroid');
fis = addvar(fis,'input','angle',[-30 30]*pi/180);
fis = addmf(fis,'input',1,'Negative','gaussmf',[0.1 -0.5]);
fis = addmf(fis,'input',1,'Zero','gaussmf',[0.1 0]);
fis = addmf(fis,'input',1,'Positive','gaussmf',[0.1 0.5]);
这里的[0.1 -0.5]中，0.1决定曲线的"胖瘦"：
- 值越小，隶属函数越"瘦"，控制越敏感
- 值越大，过渡越平缓，系统响应越柔和
经过多次实验验证，0.1这个参数在大多数情况下能取得平衡。但要注意：当摆杆质量变化超过±15%时，需要重新调整这个参数。
2.2 规则库设计实战
TS模糊控制的规则后件是线性函数，而非模糊集合。下面是一个典型的三规则设计：
mat复制