簡介
模糊邏輯控制器所使用的 IF-THEN 規則都是根據專家的知識得到的，當無法得到專家的知識或環境是變化時，模糊控制的套用就受到了限制。在這種情況下，自組織模糊控制應運而生。
自組織模糊控制系統的主要特點,即無初始控制規則,系統在運行過程中基於性能判據產生控制規則和調整隸屬度函式,當出現干擾時自動修正控制結構。
研究進展
曾有學者針對一類最小相位系統提出了採用自適應相似因子的自組織模糊控制,控制規則通過輸人輸出數據生成,當被控對象可用具有外部輸人的自回歸模型描述和已知對象時延時,控制規則的最大上限數是固定的。該控制器還在模糊化和反模糊化階段引入了前饋和預測功能。
最近許多學者將神經網路的學習能力與模糊系統結合以產生控制規則,其中提出了一類基於神經網路具有自組織功能的自適應模糊控制器設計方法,給出了一種知識表達和推理策略,稱為樹形搜尋神經網路。該網路基於熟知的直覺知識表達(IKR),並可以減少神經網路中處理節點的數目。基於NTN模型提出了自組織自適應模糊控制器(SOAFC),NTN能夠幫助獲得控制知識並減少對專家的依賴,而且,設計者不需要事先定義所有隸屬度函式以覆蓋整個輸人域。為了進一步改進性能,在SOAFC內設計了一個D-控制器,不論它是否包含在模糊控制器內,都可以保證整個系統是全局穩定的。仿真結果顯示這種方法具有更快的收斂速度,更好的暫態回響,並需要更少的控制能量。另一個方面的成果就是自組織特徵映射神經網路。
自組織控制系統的結構也具有多種形式,包括反饋、反饋與前饋組合、遞階和分散結構.
分類
線上形式的自組織模糊控制
這類自組織模糊控制器的特點是系統在運行時無初始控制規則，在運行過程中自組織模糊控制器基於性能判據產生控制規則和調整隸屬度函式，當出現干擾時系統自動修正控制結構。
這些成果的套用包括核反應堆的水位控制、柔性臂振動控制、空氣加熱系統控制、水箱液位控制、連桿型機器人軌跡控制等。
離線形式的自組織模糊控制
當已知對象的輸入輸出數據時，可利用這些數據確定模糊推理規則的規則結構和模糊參數，有學者提出了一種自組織神經模糊系統用於未知對象的控制，通過聚類算法實現輸入空間劃分，聚類中心的數目就是規則的數目，還通過隨機最佳化算法實現參數辨識。遺傳算法也是一種綜合模糊邏輯系統的有效工具，其特點是不需要任何專家知識和輸入輸出數據。
基於神經網路的自組織模糊控制
神經網路與模糊系統結合構成的神經模糊系統既具有神經網路的學習與計算能力，又具有類似人類的思考和推理能力。神經網路具有表達模糊規則的優勢。
這方面的套用包括機器人的手眼協調，如基於Kohonen自組織策略的同時減少訓練時間和保持系統高精度的方案，基於主動立體視覺的機器人軌跡跟蹤和抓取控制的學習方法；和伺服機構位置實時控制等。
與常規控制算法的結合
自組織模糊控制可與常規控制算法結合分別形成自組織模糊PID(SOF-PID)、自組織模糊滑模控制、複合控制等。自組織模糊控制結構具有對局部故障的適應性，
套用自組織遞階最優子空間學習和推理框架研究了基於視覺狀態的室內機器人導航問題，其它套用包括雙連桿機器人控制、足球機器人系統決策、旋轉關節機械臂控制和工業機器人控制等。
套用
自組織模糊控制可直接套用在機器人控制中,也可以和現有控制算法結合實現機器人控制,用於機器人逆運動學或動力學求解、軌跡跟蹤、手眼協調及足球機器人決策控制。
由於機器人本身獨有的時變、非線性和存在干擾等特性,為自組織模糊控制的套用提供了潛在的空間;除此之外,自組織模糊控制在核反應堆的水位控制、臨床麻醉程度監控等方面都有成功的套用。
未來發展
自組織模糊控制系統還處於發展之中，由於設定點的變化或干擾的影響，學習算法對規則可能進行錯誤的修正；對於存在較大時延的被控對象推理規則的維數也需要進行深入的研究。
