控制算法选择

① TCP拥塞控制算法之NewReno和SACK

改进原因分析
TCP Reno 提出的快速恢复算法提高了丢失报文后的吞吐量和顽健性，但是：

仅考虑了每次拥塞发生时只丢失一个报文的情形。
实际网络中，一旦发生拥塞，路由器会丢弃大量的报文，即一次拥塞中丢失多个报文的情形很普遍。

下图是Reno算法中快速恢复状态和拥塞避免状态之间的相互转换：

所以，网络在一次拥塞中丢弃了多个报文，被TCP Reno错误地分析为传输中发生了多次拥塞。过度的窗口减小导致了传输超时的发生。因此为了提高一次拥塞中丢弃多个报文情形下TCP的性能，必须使TCP终端减少盲目削减发送窗口的行为。

New Reno：基于Reno算法的改进
NewReno TCP在Reno TCP的基础上对快速恢复算法进行修改，只有一个数据包丢失的情况下，其机制和Reno是一样的；当同时有多个包丢失时就显示出了它的优势。

Reno快速恢复算法中发送方收到一个新的ACK就退出快速恢复状态，New Reno算法中只有当所有报文都被应答后才退出快速恢复状态。

NewReno TCP添加了恢复应答判断功能，以增强TCP终端通过ACK报文信息分析报文传输状况的能力。
使TCP终端可以把一次拥塞丢失多个报文的情形与多次拥塞的情形区分开来，进而在每一次拥塞发生后拥塞窗口仅减半一次，从而提高了TCP的顽健性和吞吐量。

两个概念：部分应答（PACK）、恢复应答（RACK）

记TCP发送端恢复阶段中接收到的ACK报文（非冗余ACK）为ACKx，记在接收到ACKx时TCP终端已发出的序列号（SN）最大的报文是PKTy，如果ACKx不是PKTy的应答报文，则称报文ACKx为部分应答（Partial ACK，简称PACK）；若ACKx恰好是PKTy的应答报文则称报文ACKx为恢复应答（Recovery ACK，简称RACK）。

举例来理解：
如果4、5、6号包丢了，现在只重传4，只收到了4的ACK，后面的5、6没有确认，这就是部分应答Partial ACK。如果收到了6的ACK，则是恢复应答Recovery ACK。

TCP发送端接收到恢复应答表明：经过重传，TCP终端发送的所有报文都已经被接收端正确接收，网络已经从拥塞中恢复。

NewReno发送端在收到第一个Partial ACK时，并不会立即结束Fast-recovery，而会持续地重送Partial ACK之后的数据包，直到将所有遗失的数据包重送后才结束Fast-recovery。收到一个Partial ACK时，重传定时器就复位。这使得NewReno的发送端在网络有大量数据包遗失时不需等待Timeout就能更正此错误，减少大量数据包遗失对传输效果造成的影响。

NewReno大约每一个RTT时间可重传一个丢失的数据包，如果一个发送窗口有M个数据包丢失，TCP NewReno的快速恢复阶段将持续M个RTT。

改进的快速恢复算法具体步骤：

快速恢复是基于数据包守恒的原则，即同一时刻能在网络中传输的数据包是恒定的，只有当旧数据包离开网络后，才能发送新数据包进入网络。一个重复ACK不仅意味着有一个包丢失了，还表示有发送的数据包离开了网络，已经在接收区的缓冲区中，不再占用网络资源，于是将拥塞窗口加一个数据包大小。

Reno和NewReno算法仍存在的问题？
虽然NewReno可以解决大量数据包遗失的问题，但是NewReno在每个RTT时间只能一个数据包遗失的错误。为了更有效地处理大量数据包遗失的问题，另一个解决方法就是让传送端知道哪些已经被接收端收到，但用此方法必须同时修改传送端和接收端的传送机制。

缺乏SACK算法时发送端只能选择两种恢复策略：

TCP SACK在TCP Reno基础上增加了：

当一个窗口内有多个数据包丢失时：

减少了时延，提高了网络吞吐量，使更快地从拥塞状态恢复。

SACK中加入了一个SACK选项（TCP option field），允许接收端在返回Duplicate ACK时，将已经收到的数据区段（连续收到的数据范围）返回给发送端，数据区段与数据区段之间的间隔就是接收端没有收到的数据。发送端就知道哪些数据包已经收到，哪些该重传，因此SACK的发送端可以在一个RTT时间内重传多个数据包。

整个TCP选项长度不超过40字节，实际最多不超过4组边界值。

通过一个wireshark示例来说明接收端的SACK行为:

上图中ACK确认序列号为12421，SACK的块左边界值为13801，SACK的块右边界值为15181。明确了这三个参数的数值，我们基本上就可以计算出被丢弃的数据报的序列号和长度了。通过上图所示的带有SACK的数据报文，我们可以知道被丢弃的数据报文的TCP序列号为12422，其数据长度为13801-12421=1380B。

改进的快速恢复算法：

【参考文献】：
吴文红，李向丽.TCP拥塞控制机制定量性能分析.计算机工程与应用.2008,44(18)
孙伟，温涛，冯自勤，郭权.基于TCP NewReno的稳态吞吐量分析模型.计算机研究与发展.2010
陈琳，双雪芹.TCP网络拥塞控制算法比较研究.长江大学学报.2010,3
许豫飞，TCP拥塞控制算法集齐性能评估.北京邮电大学.2005,3
刘拥民，年晓红.对SACK拥塞控制算法的研究.信息技术.2003,9
焦程波，窦睿彧，兰巨龙.无线网络中选择性重传机制性能分析与改进.计算机应用研究.2007.3
James F.Kurose,Keith W.Ross，Computer Networking A Top-Down Approach Sixth Edition.机械工业出版社

原文： https://blog.csdn.net/m0_38068229/article/details/80417503

② 汽车巡航控制系统的软件设计采用什么算法

Smith补偿与大林算法的比较
摘要:研究了两类用于时滞系统控制的方法,即包括自整定PID控制Smith预估控制和Dahlin算法在内的经典控制方法和包括模糊控制,神经网络控制和模糊神经网络拉制在内的智能控制方法,经过比较后认为经典控制结构简单,可靠性及实用性强,而智能控制则具有自适应性和坚固性好,抗干扰能力强的优势,因而将这两种控制方法结合起来是控制时滞系统有效实用的方法,具有很好的应用前景.
1引言
在工业生产过程中,具有时滞特性的控制对象是非常普遍的,例如造纸生产过程,精馏塔提馏级温度控制过程,火箭发动机燃烧室中的燃烧过程等都是典型的时滞系统.为解决纯滞后时间对系统控制性能带来的不利影响,许多学者在理论和实氏
上做了大量的研究工作,提出了很多行之有效的方法.本文主要介绍其中两类研究得比较多的控制方法,即最早在时滞系统控制中应用的几种经典控制方法和近年来受到广泛关注的智能控制方法.
2经典控制
所谓经典控制方法是指针对时滞系统控制问题提出并应用得最早的控制策略,主要包括自整定PID控制,Smith预估控制,大林算法这几种方法.这些方法虽然理论上比较简单,但在实际应用中却能收到很好的控制效果,因而在工业生产实践中获得了广泛的应用.
2.1自整定PID控制
PID控制器由于具有算法简单,鲁棒性好和可靠性高等特点,因而在实际控制系统设计中得到了广泛的运用,据统计PID控制是在工业过程控制中应用最为广泛的一种控制算法.PID控制的难点在于如何对控制参数进行整定,以求得到最佳控制
效果.较早用来整定PID控制器参数的方法有:Ziegler-Nichols动态特性法,Cohen-Coon响应曲线法,基于积分平方准则ISE的整定法等.但是这些方法只能在对象模型精确己知的情况下,
Cui,Kunfln Zhang,Yifei实现PID参数的离线整定,当被控对象特性发生变化时,就必须重新对系统进行模型辨识.为了能在对象特性发生变化时,自动对控制器参数进行在线调整,以适应新的工况,PID参数的自整定技术就应运而生了.目前用于自整定的方法比较多,如继电型自整定技术,基于过程特征参数的自整定技术,基于给定相位裕度和幅值裕度的SPAM法自整定技术,基于递推参数估计的自整定技术以及智能自整定技术等.总体来看这类自整定PID控制器对于(T为系统的惯性时间常数)的纯滞后对象控制是有效的,但对于大纯滞后对象,当时,按照上述方法整定的PID控制器则难以稳定.
2.2 Smith预估控制
Smith于1957年提出的预估控制算法,通过引入一个与被控对象相并联的纯滞后环节,使补偿后的被控对象的等效传递函数不包括纯滞后项,这样就可以用常规的控制方法(如PID或PI控制)对时滞系统进行控制.Smith预估控制方法虽然从理论
上解决了时滞系统的控制问题,但在实际应用中却还存在很大缺陷.Palmor提出Smith预估器存在这样两点不足:1.它要求有一个精确的过程模型,当模型发生变化时,控制质量将显着恶化;2.Smith预估器对实际对象的参数变化十分敏感,当参数变化较大时,闭环系统也会变得不稳定,甚至完全失效.Watanabe进一步指出Smith预估器的两个主要缺陷:1.系统对扰动的响应很差;2.若控制对象中包含的极点时,即使控制器中含有积分器,系统对扰动的稳态误差也不为零.另外Smith预估器还存在参数整定上的困难,这些缺陷严重制约了Smith预估器在实际系统中的应用.针对Smith预估器存在的不足,一些改进结构的Smith预估器就应运而生了.Hang C C等针对常规预估控制方案中要求受控对象的模型精确这一局限,在常规方案基础上,外加调节器组成副回路对系统进行动态修正,该方法的稳定性和
鲁棒性比原来的Smith预估系统要好,它对对象的模型精度要求明显地降低了.Watanabe提出的改进结构的Smith预估器采用了一个抑制扰动的动态补偿器M(s),通过配置M(s)的极点,能够获得较满意的扰动响应及对扰动稳态误差为零.对于Smith预估器的参数整定问题,张卫东等人提出了一种解析设计方法,并证明该控制器可以通过常规的PID控制器来实现,从而能根据给定的性能要求(超调或调节时间)来设计控制器参数.
2.3大林算法
大林算法是由美国IBM公司的Dahlin于1968年针对工业过程控制中的纯滞后特性而提出的一种控制算法.该算法的目标是设计一个合适的数字调节器D(z),使整个系统的闭环传递函数相当于一个带有纯滞后的一阶惯性环节,而且要求闭环系统的纯滞后时间等于被控对象的纯滞后时间.大林算法方法比较简单,只要能设计出合适的且可以物理实现的数字调节器D(z),就能够有效地克服纯滞后的不利影响,因而在工业生产中得到了广泛应用.但它的缺点是设计中存在振铃现象,且与Smith算法一样,需要一个准确的过程数字模型,当模型误差较大时,控制质量将大大恶化,甚至系统会变得不稳定.实际上已有文献证明,只要在Smith预估器中按给定公式设计调节器D伺,则Smith预估器与Dahlin算法是等价的,Dahlin算法可以看作是Smith预估器的一种特殊情况.

③ Apollo鎺у埗閮ㄥ垎4--妯钖戞带鍒跺櫒LQR绠楁硶璇﹁В

Apollo妯钖戞带鍒剁殑LQR绠楁硶娣卞害瑙ｆ瀽

浣滆咃细Wutong

镞ユ湡锛2023骞3链23镞 12:00

鍦ˋpollo镊锷ㄩ┚椹剁郴缁熶腑锛孡QR绠楁硶鍦ㄦí钖戞带鍒朵腑鍙戞尌镌鍏抽敭浣灭敤銆傛湰鏂囧皢阃愭ユ彮绀鸿繖涓绠楁硶镄勫ゥ绉桡纴浠庡熀纭鐭ヨ瘑鍒板疄闄呭簲鐢锛屽甫浣犳繁鍏ヤ简瑙ｅ叾鍦ㄨ溅杈呜矾寰勮窡韪涓镄勭簿濡欎箣澶勚

1. 鎺у埗妯″潡锘虹煶

棣栧厛锛岀悊瑙ControlComponent鍜孋ontrollerAgent镄勫熀链铡熺悊鏄杩涘叆LQR绠楁硶棰嗗烟镄勫墠鎻愩傚畠浠鏋勫缓浜嗘带鍒剁瓥鐣ョ殑锘虹妗嗘灦锛屼负妯钖戞带鍒堕梾棰樼殑澶勭悊濂犲畾浜嗗熀纭銆

2. 妯钖戞带鍒剁殑鎸戞垬涓峄renet鍧愭爣绯

鍦‵renet鍧愭爣绯讳笅锛屾垜浠瀹氢箟浜呜溅杈嗙殑璇宸妯″瀷锛岀洰镙囨槸璁╄溅杈嗙簿鍑呜创钖埚弬钥冭建杩广傝宸鍙橀噺鍖呮嫭浣岖疆锅忓樊銆佽掑害锅忓樊鍙婂叾鍙桦寲鐜囷纴杩欎簺閮芥槸Frenet鍧愭爣绯讳笅琛￠噺鎺у埗鏁堟灉镄勯吨瑕佹寚镙囥

3. LQR绠楁硶镄勬牳蹇冩帹瀵

LQR绠楁硶阃氲繃瀵绘垒鐘舵佺┖闂存ā鍨嬩腑镄勬渶浼樻带鍒跺櫒锛屾棬鍦ㄦ渶灏忓寲浠ｄ环鍑芥暟銆傚叾鍏抽敭姝ラゅ寘𨰾鏋勫缓鐘舵佽浆绉荤烦阒碉纴璁捐′唬浠峰嚱鏁帮纴鐗瑰埆鏄𨱒冮吨鐭╅樀镄勯夋嫨锛屽弽鏄犱简阃熷害鍙桦寲瀵规带鍒跺搷搴旂殑閲嶈佹с

鍦ˋpollo涓锛孡atController绫荤户镓胯嚜Controller锛屽叾涓琏nit()鍑芥暟鍒濆嫔寲浜嗘墍链夊繀瑕佺殑缁勪欢銆傜姸镐佺┖闂存柟绋嬩互璇宸涓哄熀纭锛岃冭槛杞鑳庡弬鏁拌皟鏁达纴绂绘暎鍖栧悗褰㈡垚Ad鍜孊d銆备唬浠峰嚱鏁版潈閲岖烦阒佃祴浜堜简阃熷害渚濊禆镄勫炵泭锛屾带鍒堕噺阃氲繃Riccati鏂圭▼姹傝В寰楀埌銆

瓒呭墠-婊炲悗琛ュ伩鍣ㄥ拰MPC鎺у埗鍣ㄦ彁渚涗简棰濆栫殑鎺у埗绛栫暐锛屽畠浠璁＄畻琛ュ伩杞瑙掞纴浠ユ彁鍗囨带鍒剁殑绮惧害銆傞氲繃鍓岖灮绠楁硶锛岃＄畻棰勭瀯镣硅宸锛屼负鎺у埗鍐崇瓥鎻愪緵鍓岖灮瑙嗛噹銆

鍦↙atController镄凛omputeControlCommand()鍑芥暟涓锛岃建杩瑰垎鏋愬櫒澶勭悊鍙傝冭建杩癸纴鐘舵佽浆绉荤烦阒垫牴鎹璇宸镟存柊銆侺QR闂棰樼殑瑙ｅ喅鍖呮嫭璁剧疆𨱒冮吨鐭╅樀Q锛岃皟鐢⊿olveLQRProblem()姹傚缑鐘舵佸弽棣堢烦阒碍锛岀‘淇濇带鍒舵寚浠ょ殑瀹炴椂浼桦寲銆

ComputeLateralErrors()鍑芥暟鍒╃敤鍓岖灮鎺у埗绠楁硶璁＄畻heading_error_feedback锛岃孶pdateMatrix()鍜孶pdateMatrixCompound()璐熻矗鐘舵佽浆绉荤烦阒电殑镟存柊銆傛渶缁堬纴阃氲繃LQR姹傝В鍣ㄨ＄畻鍑簊teer_angle_k_锛岀粨钖埚弬钥冭矾寰勫墠棣埚拰瓒呭墠-婊炲悗琛ュ伩锛屽舰鎴愬畬鏁寸殑杞瑙掑懡浠ゃ

8. 钖庡勭悊涓庤浆瑙挜檺鍒

鐢熸垚镄勮浆瑙掔粡杩囦竴绯诲垪钖庡勭悊锛屽傞檺鍒跺湪瀹夊叏锣冨洿鍐呫佹护娉㈠勭悊锛岀‘淇濊緭鍑虹殑steer_angle镞㈠嗳纭鍙堢ǔ瀹氥傝浆瑙挜檺鍒剁瓥鐣ヨ缮钥冭槛浜嗗厛鍓岖殑杞瑙掑拰鍙桦寲鐜囷纴浠ヤ缭璇佸钩婊戠殑鎺у埗鍝嶅簲銆

镐荤殑𨱒ヨ达纴Apollo镄凩QR绠楁硶鏄瀹炵幇绮剧‘妯钖戞带鍒剁殑锘虹煶锛岄氲繃绮惧瘑镄勬暟瀛︽ā鍨嫔拰绠楁硶璁捐★纴纭淇濊溅杈嗗湪澶嶆潅阆撹矾鐜澧冧腑绋冲畾銆侀珮鏁埚湴阆靛惊鍙傝冭建杩广傛繁鍏ヤ简瑙ｅ苟鎺屾彙杩欎竴鎶链锛屽皢链夊姪浜庢垜浠镟村ソ鍦扮悊瑙ｈ嚜锷ㄩ┚椹舵妧链镄勭簿楂撱

④ 哪些控制类的算法惊艳了你

经典控制设计方法，都是针对单输入单输出系统的频域设计方法简单的系统，用根轨迹法，分析控制参数变化对系统性能的影响。复杂的系统，用波特图法，去看相频裕度和幅频裕度的大小，以及带宽。现代控制系统设计方法，是针对多输入多输出的系统建立在状态方程之上的，这方面研究的不多，不敢妄加评论。由于PID应用的太广，所以形成了自己独特的整定方法PID就是针对单输入单输出系统的，站在频域角度去设计的，有一些经典的参数整定方法，比如ZN等，还有好多好多，为啥应用这么广，因为简单实用。

⑤ 如何在众多mppt实现方法中合理选取最佳方案

MPPT技术已成研究热点，其控制方法多样，控制效果不尽相同，实现过程也大有区别。根据文[123]，可将各种控制方法分为间接近似控制法、直接采样控制法以及人工智能控制法3大类。间接控制法主要有曲线拟合法、查表法等;直接采样控制法主要有干扰观测法、电导增量法等;人工智能控制法主要有模糊控制法、神经网络控制法等。
目前主要文献均针对某一特定方法进行研究，缺乏对各种控制方法实际应用效果的系统化比较研究，采用实际控制平台进行实用性研究的则更少。
本文根据方法分类，选取最具代表性的干扰观测法、电导增量法、模糊控制法作为研究对象，分别建立控制模型，采用MATLAB/Simulink对系统主电路及控制系统进行整体仿真，并在实验平台上对各种方法分别进行实验研究。
1各典型控制方法实现原理
1.1干扰观测法的实现
干扰观测法的原理是先让光伏阵列工作在某一参考电压下，检测输出功率，在此工作电压基础上加一正向电压扰动量，检测输出功率变化。若输出功率增加，表明光伏阵列最大功率点电压高于当前工作点，需继续增加正向扰动;若所测输出功率降低，则最大功率点电压低于当前工作点，需反向扰动工作点电压[425]。
1.2电导增量法的实现
电导增量法通过比较光伏阵列的电导增量和瞬间电导来改变控制信号。由光伏阵列特性曲线可知最大功率点处满足电导条件：

其中，VPV和IPV分别为光伏阵列输出的电压和电流，PPV为光伏阵列输出的瞬时功率。根据判定结果调整参考电压即可实现控制。
1.3模糊控制法的实现
定义输出偏差E及其变化率CE作为模糊控制器的输入，将控制系统所需要的控制变化量以微分dD的形式从模糊控制器输出。若当前采样和上次采样数值分别用n和n-1来表示，则可定义模糊控制器输入变量ec(n)及其变化率Δec(n)的函数表达式为:

定义模糊控制规则为:若当前正向调节控制PWM占空比使输出功率增加，则继续正方向调整，反之则反方向调节，调节幅度由具体的模糊规则表和隶属度函数经模糊控制器输出决定。定义模糊集合:ZO=零PS=正小PB=正大NB=负大NS=负小。定义模糊函数F(ec(n)，Δec(n))的输入输出隶属度函数 E、CE、dD如图1所示。
对模糊控制器输出dD进行积分运算，即得控制所需的占空比D，输出作用于主电路开关器件。
2系统仿真
根据MPPT的控制方法，建立由光伏电池通过Buck电路对蓄电池进行最大功率充电的主电路模型，采用MATLAB/Simulink进行仿真，模型中包括光伏电池模块、主电路模块和控制模块，其电气主电路模型如图2所示。

图1隶属度函数E、CE和dD定义

图2MATLAB/Simulink平台的电气主电路模型
控制部分根据传感器采样获得数据分别采用上述不同控制方法进行MPPT控制，最后输出开关器件的控制信号。仿真中，光伏电池模型额定功率为 300W，在0.025、0.03、0.035s不同时刻改变光照强度PU分别为700、800、900、1000W/m2，温度参数定为25℃。为便于比较，采样频率统一为5kHz，干扰观测法和电导增量法的电压参考值单步变化量均为0.1V，模糊控制则由控制算法自身判定。
干扰观测法控制的MPPT仿真输出曲线如图3所示，图3a为光伏电池PV输出的电压、电流曲线，图3b为最大功率点跟踪效果图，系统从光照强度为700W/m2曲线右侧启动，显示在光照强度剧烈变化下的跟踪过程。
仿真中，图3a电流波形上升沿较陡，说明能快速准确地进行MPPT跟踪;图3a输出电压电流振荡明显，说明在最大功率附近反复调整;图3b反映出MPPT运行点左右摆动较大。

图3干扰观测法控制下的MPPT仿真输出曲线
同理，电导增量法控制的MPPT仿真输出曲线如图4所示。

图4电导增量法控制下的MPPT仿真输出曲线
仿真中，图4a上升沿陡、超调量较小，体现系统动态响应较好;图4b中MPPT运行点较为稳定，摆动幅度小，说明系统MPPT跟踪效果较为理想，动稳态精度均较高。模糊控制法MPPT仿真输出曲线如图5所示。

图5模糊控制法控制下的MPPT仿真输出曲线
仿真中，图5a电压电流波形输出均较平稳，说明系统稳态性能较好;图5a中电流输出超调衰减较慢，体现动态响应不够灵活的缺点;图5b体现MPPT运行点较为稳定。
3系统实验
实验平台由300W光伏阵列、蓄电池组、LEM霍尔电压电流传感器等组成。系统由传感器采样经调理电路转换后由TMS320F2812DSP根据采样数据和控制算法最终输出PWM控制脉冲控制开关器件，从而实现整个系统的控制。
实验中采用遮盖部分光伏电池并迅速移开的办法产生光照变化效果，测试各种方法在光照强度变化下的跟踪效果。
实验波形如图6所示。
图 6a波形上升沿和下降沿变化迅速，体现出干扰观测法跟踪速度较快的特点，但上升沿和下降沿均出现电流毛刺，为光照强度剧烈变化时出现的误判断引起，且稳态运行时输出电流波动范围较大;图6b上升沿和下降沿均较为平滑，体现动态响应快、跟踪精度高的优点;图6c中，当光照突然增大，电流增加迅速，但超调较大，说明动态响应精度不够，系统调节速度较慢，但电流波形波动较小，最后仍能回到初始值，说明稳态精度理想。

图6各种控制方法对应的MPPT实验波形
本系统所用组件开路电压85V左右，额定光照下最大功率点电压为72V左右，实验控制和经验值完全一致。
43种MPPT方法比较
对以上仿真和实验进行分析可以发现，干扰观测法能快速准确进行MPPT控制，但在最大功率点附近振荡运行，稳态输出波形有一定波动;扰动步长设定无法兼顾跟踪精度和响应速度，选择不当甚至会出现电压失控现象，需进行多次尝试才能选定最佳步长;在光照强度剧烈变化时会出现误判断。
电导增量法控制效果较理想，最大功率点附近较平稳，在光照强度变化剧烈的条件下也能快速跟踪，跟踪中无明显毛刺现象。但其算法实现时需要反复微分运算，计算量大，需要高速运算控制器，且对传感器精度要求较高，否则控制效果也不理想，出现扰动和振荡。本实验采用的控制器和传感器性能较高满足实验要求，故此问题未突显。
以模糊控制为代表的智能控制技术不需要精确研究光伏电池的具体特性和系统参数，系统控制设计灵活，稳态精度较高，控制系统鲁棒性强。但模糊控制在光伏系统MPPT控制应用中存在动态响应较慢、适应能力有限、特定条件下易振荡等固有问题;模糊控制算法复杂，其模糊推理和解模糊过程需要完成大量浮点运算，控制系统实时性难以满足，实际应用中实现困难，采用 TMS320F2812定点DSP难以实现较高控制频率，高性能控制需要更高性能的控制器，如TMS320F28335、TMS320VC33等浮点运算控制器，但系统成本较高。

⑥ 请问各位前辈，控制策略和控制算法，他俩是啥关系

控制策略相当于使用什么武器比方刀枪剑戟，控制算法相当于选择刀就要学习刀法，选择剑就要练习剑法。