智能控制大作业
《智能控制技术大作业》(神经网络控制部分)

基于神经模糊控制的洗衣机设计20世纪90年代初期,日本松下电器公司推出了神经模糊控制全自动洗衣机。
这种洗衣机能够自动判断衣物的质地软硬程度、洗衣量、脏污程度和性质等,应用神经模糊控制技术,自动生成模糊控制规则和隶属度函数,预设洗衣水位、水流强度和洗涤时间,在整个洗衣过程中实时调整这些参数,以达到最佳的洗衣效果。
一、洗衣机的模糊控制洗衣机的主要被控变量为洗涤时间和洗涤时的水流强度,而影响输出变量的主要因子是被洗涤物的浑浊程度和浑浊性质,后者可用浑浊度的变化率来描述。
在洗涤过程中,油污的浑浊度变化率小,泥污的浑浊度变化率大。
因此,浑浊度及其变化率可以作为控制系统的输入变量,而洗涤时间和水流强度可作为控制量,即系统的输出。
实际上,洗衣过程中的这类输入和输出之间很难用数学模型进行描述。
系统运行过程中具有较大的不确定性,控制过程在很大程度上依赖操作者的经验,这样一来,利用常规的方法进行控制难以奏效。
然而,如果利用专家知识进行控制决策,往往容易实现优化控制,这就是在洗衣机中引入模糊控制技术的主要原因之一。
根据上述的洗衣机模糊控制基本原理,可得出确定洗涤时间的模糊推理框图如下:其中,模糊控制器的输入变量为洗涤水的浑浊度及其变化率,输出变量为洗涤时间。
考虑到适当的控制性能需要和简化程序,定义输入量浑浊度的取值为:浑浊度={清,较浊,浊,很浊}定义输入量浑浊度变化率的取值为:浑浊度变化率={零,小,中,大}定义输出量洗涤时间的取值为:洗涤时间={短,较短,标准,长}显然,描述输入/输出变量的词集都具有模糊性,可以用模糊集合来表示。
因此,模糊概念的确定问题就直接转化为求取模糊集合的隶属函数问题。
暂不考虑模糊控制系统的量化因子和比例因子。
对于洗衣机的模糊控制问题,设其模糊控制器的输入变量(浑浊度和浑浊度变化率)隶属函数的论域均为输入变量论域={0,1,2,3,4,5,6}模糊控制器的输出变量(洗涤时间)隶属度函数的论域为输出变量论域={0,1,2,3,4,5,6,7}每个模糊变量属于上述论域的模糊子集如表1所示。
智能控制大作业-神经网络

智能控制大作业-神经网络本页仅作为文档页封面,使用时可以删除This document is for reference only-rar21year.March智能控制与应用实验报告神经网络控制器设计一、实验内容考虑一个单连杆机器人控制系统,其可以描述为:0.5sin()Mq mgl q y qτ+==其中20.5M kgm =为杆的转动惯量,1m kg =为杆的质量,1l m =为杆长,29.8/g m s =,q 为杆的角位置,q 为杆的角速度,q 为杆的角加速度, τ为系统的控制输入。
具体要求:1、设计神经网络控制器,对期望角度进行跟踪。
2、分析神经网络层数和神经元个数对控制性能的影响。
3、分析系统在神经网络控制和PID 控制作用下的抗干扰能力(加噪声干扰、加参数不确定)、抗非线性能力(加死区和饱和特性)、抗时滞的能力(对时滞大小加以改变)。
4、为系统设计神经网络PID 控制器(选作)。
二、 对象模型建立根据公式(1),令状态量121=,x q x x =得到系统状态方程为:121210.5**sin()x x mgl x x My x τ=-==(1)由此建立单连杆机器人的模型如图1所示。
图1 单连杆机器人模型三、 系统结构搭建及神经网络训练1.系统PID 结构如图2所示:图2 系统PID 结构图PID 参数设置为Kp=16,Ki=10,Kd=8得到响应曲线如图3所示:0123456789100.20.40.60.811.21.4t/sa n g l e /r a d图3 PID 控制响应曲线采样PID 控制器的输入和输出进行神经网络训练 p=[a1';a2';a3']; t=b';net=newff([-1 1;-1 1;-1 1],[3 8 16 8 1],{'tansig''tansig''tansig''logsig''purelin'}); net.trainparam.epochs=2500;net.trainparam.goal=0.00001;net=train(net,p,t);gensim(net,-1)产生的神经网络控制器如图4所示:图3 神经网络工具箱训练过程如图4所示:图4 神经网络训练过程图用训练好的神经网络控制器替换原来的PID 控制器,得到仿真系统结构图如图5所示:图5 神经网络控制系统结构图运行系统得到神经网络控制下的响应曲线如图6所示:0123456789100.20.40.60.811.21.4t/sa n g l e /r a d图6 神经网络控制响应曲线图四、 神经网络和PID 控制器的性能比较1.抗干扰能力在神经网络控制器和PID控制器中分别加入相同的随机噪声,系统响应如图7所示:1234567891000.20.40.60.811.21.4t/sa n g l e /r a d图7 加入噪声的系统响应曲线从图7中的响应曲线可以看出,神经网络控制和PID 控制的抗干扰效果相差不大。
智能控制理论及应用大作业

摘要油页岩干馏工业越来越受到人们的重视。
其干馏控制效果的优劣直接影响页岩油的产量,而温度控制又是页岩干馏炉控制系统中的关键环节,因此页岩炼油过程中的温度控制具有十分重要的现实意义。
由于干馏炉温度控制系统具有惯性、滞后和难以获得精确数学模型等特点,本文在串级PID控制的基础上引入模糊控制,作为智能控制算法应用于干馏炉温度控制系统,构成模糊PID控制器来整定温度控制系统主控回路的PID参数,这样既保持了PID控制器的结构简单、适应性强的优点,又能在线调整PID控制器的参数,以适应页岩干馏过程模型参数的变化。
最后通过Matlab仿真,分析了模糊PID控制器的动态响应和抗干扰能力,并与传统串级PID控制进行比较。
结果表明,设计的模糊PID控制器超调量较小,调节时间短,抗干扰能力较好,能达到较好的控制效果。
关键词:温度控制;串级控制;模糊PID前言在我国油页岩制取页岩油技术中,主要是利用干馏技术对大块的油页岩进行制取页岩油。
而对于小颗粒的油页岩则作为尾料,还没有找到有效的方法提取其中的页岩油。
因此为了使小颗粒的油页岩资源能够得到充分的利用,寻找一种更加有效的加工制油方法是当前所要解决的问题。
干馏是页岩油关键的提炼步骤,在干馏炉干馏过程中,页岩的裂解是在一个密闭的空间里进行一系列复杂的物理和化学反应过程,并且在一定的温度范围内,油页岩热解生成页岩油、页岩半焦和热解气。
在生产过程中,干馏炉的温度控制具有极其重要的地位,如果温度太高,油母页岩过度裂解,会减少页岩油的产量;但是温度过低,油母页岩裂解不充分,同样会影响页岩油的产量。
所以,温度的高低在干馏炉控制系统中有着非常重要的作用。
如何控制好干馏炉的温度,进而提高页岩油的产能,是本文研究的重点。
1.干馏过程的控制对象模型一般情况下,页岩油的生产可以分为以下三个部分:原料部分、干馏部分以及油回收部分。
页岩干馏炉的炼油工艺流程图如图1.1 所示。
图1.1 干馏炉的工艺流程图在实际工程的控制中往往很难得到页岩干馏过程的精确数学模型。
智能控制-考核大作业+设计(10)

《智能控制》大作业姓名:徐东班级:自动化103 学号:31002013341、简答题:1.1.根据目前智能控制系统的研究和发展,智能控制系统主要有哪些方面的工作可做进一步的探索和开展?答:1)智能控制的基础理论和方法研究。
2)智能控制系统结构研究。
3)基于知识系统及专家控制。
4)基于模糊系统的智能控制。
5)基于学习及适应性的智能控制。
6)基于神经网络的智能控制系统。
7)基于信息论和进化论的学习控制器研究。
8)其他,如计算机智能集成制造系统、智能计算系统、智能并行控制、智能容错控制、智能机器人等。
1.2.画出模糊控制系统的基本结构图,并简述模糊控制器各组成部分所表示的意思?答:模糊化接口:通过在控制器的输入、输出论域上定义语言变量,来将精确的输入、输出值转换为模糊的语言值。
模糊推理:根据控制规则中蕴涵的输入、输出模糊关系和实际输入的模糊取值,通过模糊推理,得到输出的模糊状态。
规则库:规则库由若干条控制规则组成,这些控制规则根据人类控制专家额经验总结得出,按照IF…is…and…is…THEN…is…的形式表达。
清晰化接口:通过清晰化的方法把由模糊推理得到的模糊输出值转化成精确控制值暑假给对象。
1.3.画出感知器的基本结构模型,并简述其算法过程。
答:x1x2``xn23)计算实际输出4)修正权W5)转到2)直到W 对一切样本均稳定不变或稳定在一个精度范围为止。
1.4.画出三层BP 神经网络的基本结构图,并试写出各层之间的输入输出函数关系?第1层(输入层):(1)(1)i i i Out In x == i=1,2,…,n 第2层(隐层):(2)(1)(1)(2)(2)1,()njij i j j j i Inw Out Out In θφ==-=∑ j=1,2,…,l第3层(输出层): (2)(1)11()l nk jk ij i j j i y w w x φθ===-∑∑1.5.神经网络系统具有哪些基本特性,以及神经网络在控制系统中具有哪些作用?答:神经系统具有的基本特性:1)非线性映射逼近能力。
智能控制导论大作业5

智能控制导论姓名*******学院自动化与电气工程学院专业控制科学与工程班级*****************指导老师******二〇一六年六月二十二Lp q q r qf p q r q r q T J n u L i Jn L L Ri ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+⎥⎦⎤⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎦⎤⎢⎣⎡00102ωψψω⎩⎨⎧--=+--=)()(12201121y z zu b y z z z ββ ⎪⎩⎪⎨⎧-=-=0201*0)(b z u u z u r ωβ1 目的永磁同步电机转速的传统PI 控制,存在转速与超调量之间的矛盾,影响调速系统的总体控制效果。
在上文中,采用自抗扰控制技术(ADRC),其核心是把系统模型摄动视为内扰,将其和系统外部扰动作为总的扰动,然后利用扩张状态观测器对总扰动项进行观测和前馈补偿,实现系统的高品质控制。
ADRC 对多变量、非线性、强耦合的系统具有很好的控制效果,主要包括扩张状态观测器(ESO)、非线性跟踪微分器(TD)和非线性状态误差反馈控制律(NLSEF),但是在NLSEF 中的参数不易调整,引入模糊控制,对NLSEF 参数进行整定,达到自动调节系统参数的目的。
利用模糊控制,能对一定范围内参数进行最佳估计的能力。
2 方法当采用0=d i 的矢量控制时,转子定向在dq 旋转坐标系的旋转方程为 在上述方程中,将q i 作为r ω方程里面的一个扰动项,得到的ESO 为1z 用来观测r ω,2z 用来估计它的总扰动,即系统的内部扰动和外部扰动。
NLSEF 为其中,*r ω是ADRC 的输入信号,21,ββ为输出校正误差,0b 是b 的估计值,β是误差反馈增益。
速度环ADRC 的结构图如2-1所示。
规则库模糊推理清晰化模糊化ece β∆模糊控制器NLSEF1/bbESOr ω1e 0qi rω1z 2z --图2-1 速度环ADRC 结构图问题:在上述ADRC 中,21,ββ影响ESO 的收敛速度,2β影响ESO 对系统扰动的估计,值越大,抗负载扰动能力越强,带负载后转速恢复的时间越短,但是2β过大会影响系统振荡;增大1β可抑制振荡,但是1β过大会引起系统发散;控制器对0b 具有较大的鲁棒性,值越大,系统的抗干扰能力越大;β影响控制器的响应速度,值越大,响应速度越快,但是过大会引起转速超调。
安徽工程大学智能控制大作业

《智能控制》大作业姓名:王阵伟班级:自动化学号:310210510621011、简答题:1.1.根据目前智能控制系统的研究和发展,智能控制系统主要有哪些方面的工作可做进一步的探索和开展?目前研究方向内容: 1 智控的基础理论和方法研究 2 智控的系统结构研究 3 基于知识系统及专家控制 4 基于模糊系统的智能控制 5 基于学习及适应性的智控 6 基于神经网络的智控7 基于信息论和进化论的学习控制器研究8 其他,如计算机智能集成制造系统,智能计算系统,智能并行系统,智能容错控制,智能机器人等。
需要探索的方面: 1 开展智控理论与应用的研究2 充分运用神经生理学心理学认知科学和人工智能等学科的基本理论,深入研究人类解决问题时表现出来的经验技巧策略,建立切实可行的智控体系结构; 3 把现有的知识工程模糊系统信息论进化论神经网络理论和技术与传统的控制理论相结合,充分利用现有的控制理论,研究适合于当前计算机资源条件的智控策略和系统;4 研究人-机交互式的智控系统和学习系统以不断提高智控系统的智能水平; 5 研究适合智控系统的并行处理机信号处理器智能传感器和智能开发工具软件,以解决智控系统在实际应用中存在的问题,使智控得道更广泛应用。
1.2.画出模糊控制系统的基本结构图,并简述模糊控制器各组成部分所表示的意模糊控制器主要由模糊化接口、规则库、模糊推理、清晰化接口四部分组成,各部分的作用概述如下。
1.模糊化接口模糊化是通过在控制器的输入、输出论域上定义语言变量,来将精确的输入、输出值转换为模糊的语言值。
它的作用是将真实的确定量输入转换为一个模糊量。
把物理量的清晰制转换成模糊语言变量的过程叫做清晰量的模糊化2.规则库模糊控制器的规则是基于专家知识活手动操作人员长期积累的经验,他是按人的直觉推理的一种语言表达形式。
模糊规则通常有一系列的关键词连接而成,如if-then、else、also、end等,关系词必须经过“翻译”才能将模糊规则数值化。
智能控制大作业-模糊控制

智能控制与应用实验报告模糊控制器设计一、 实验内容考虑一个单连杆机器人控制系统,其可以描述为:0.5sin()Mqmgl q y qτ+==(1)其中 20.5M kgm =为杆的转动惯量,1m kg =为杆的质量,1l m =为杆长,29.8/g m s =,q 为杆的角位置,q为杆的角速度,q 为杆的角加速度,τ为系统的控制输入。
实验具体要求:1. 分别采用fuzzy 工具箱设计模糊控制器跟踪期望的角位置信号。
2. 分析量化因子和比例因子对模糊控制器控制性能的影响。
3. 分析系统在模糊控制和PID 控制作用下的抗干扰能力(加噪声干扰)和抗非线性能力(加死区和饱和特性)。
4. 为系统设计模糊PID 控制器。
二、 对象模型建立根据公式(1),令状态量121=,x q x x =得到系统状态方程为:121210.5**sin()x x mgl x x My x τ=-==(2)由此建立单连杆机器人的模型如图1所示。
图1 单连杆机器人模型三、模糊控制算法实现及仿真本次实验设计一个二维模糊控制器,令误差*=-,误差变化E q q= ,模糊控制器输出语言变量为U。
EC E1)三个变量E、EC和U的模糊词集为:﹛NB,NM,NS,ZO,PS,PM,PB﹜模糊论域为:E和EC:{-6,-5,-4,-3,-2,-1,0, 1, 2, 3, 4, 5, 6}U:{-7,-6,-5,-4,-3,-2,-1, 0, 1, 2, 3, 4, 5, 6, 7}2)模糊控制规则为:表1 模糊控制规则表3)确定E,EC和U的控制表4)建立模糊控制表5)建立SIMULINK模型在Matlab/Simulink中建立单连杆机器人模糊控制系统模型如图2所示:图2 单连杆机器人控制系统模型6) 仿真结果给定正弦参考信号,取量化因子5,1Ke Kec ==,比例因子50Ku =,得到系统角度跟踪为图3。
51015-1-0.8-0.6-0.4-0.200.20.40.60.81t/sa n g l e /r a d图3 正弦角度跟踪由图3可知,该模糊控制器能使得单连杆机器人控制系统实现很好的角度跟踪。
自动化智能控制大作业

⾃动化智能控制⼤作业《智能控制》⼤作业1、简答题:1.1.根据⽬前智能控制系统的研究和发展,智能控制系统有哪些类型以及智能控制系统主要有哪些⽅⾯的⼯作可做进⼀步的探索和开展?答: 智能控制系统的类型:①基于信息论的分级递阶智能控制②以模糊系统理论为基础的模糊逻辑控制③基于脑模型的神经⽹络控制④基于知识⼯程的专家控制⑤基于规则的仿⼈智能控制⑥各种⽅法的综合集成智能控制系统的探索和开展:①离散事件和连续时间混杂系统的分析与设计;②基于故障诊断的系统组态理论和容错控制⽅法;③基于实时信息学习的规则⾃动⽣成与修改⽅法;④基于模糊逻辑和神经⽹络以及软计算的智能控制⽅法;⑤基于推理的系统优化⽅法;⑥在⼀定结构模式条件下,系统有关性质(如稳定性等)的分析⽅法等。
1.2.⽐较智能控制与传统控制的特点?答:智能控制与传统控制的特点。
传统控制:经典反馈控制和现代理论控制。
它们的主要特征是基于精确的系统数学模型的控制。
适于解决线性、时不变等相对简单的控制问题。
智能控制:以上问题⽤智能的⽅法同样可以解决。
智能控制是对传统控制理论的发展,传统控制是智能控制的⼀个组成部分,在这个意义下,两者可以统⼀在智能控制的框架下。
1.3.简述模糊集合的基本定义以及与⾪属函数之间的相互关系。
答:模糊集合:模糊集合是⽤从0 到1 之间连续变化的值描述某元素属于特定集合的程度,是描述和处理概念模糊或界限不清事物的数学⼯具。
相互关系:表⽰⾪属度函数的模糊集合必须是凸模糊集合;模糊集合是由其⾪属函数刻画的1.4.画出模糊控制系统的基本结构图,并简述模糊控制器各组成部分所表⽰的意思?答:基本结构图:(1) 模糊化接⼝:模糊化接⼝就是通过在控制器的输⼊、输出论域上定义语⾔变量,来将精确的输⼊、输出值转换为模糊的语⾔值。
(2) 规则库:由数据库和语⾔(模糊)控制规则库组成。
数据库为语⾔控制规则的论域离散化和⾪属函数提供必要的定义。
语⾔控制规则标记控制⽬标和领域专家的控制策略。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
《智能控制》大作业1、简答题:1.1.根据目前智能控制系统的研究和发展,智能控制系统主要有哪些方面的工作可做进一步的探索和开展?答:1)开展智能控制理论与应用研究。
2)充分运用神经生理学、心理学、认识科学和人工智能等学科的基本理论,深入研究人类解决问题时表现出来的经验、技巧、策略,建立切实可行的智能控制的体系结构。
3)把所有的知识工程、模糊系统、信息论,进化论、神经网络理论和技术与传统的控制理论相结合,充分利用现有的控制理论,研究适合于当前的计算机资源条件的智能控制策略和系统。
4)研究人——机交互式的智能控制系统和学习系统,以不断提高智能控制系统的智能水平。
5)研究适合智能系统的并行处理机、信号处理器、智能传感器和智能开发工具软件,以解决智能控制系统在实际应用中的问题,使智能控制得到更广泛的应用。
1.2.画出模糊控制系统的基本结构图,并简述模糊控制器各组成部分所表示的意思?模糊控制单元由规则库、模糊化接口、模糊推理和清晰化接口4个功能模块组成,模糊控制单元首先将输入信息,模糊化,然后经模糊推理规则,给出模糊输出,再将模糊指令化,控制操作变量。
1、规则库(rule base):由若干条控制规则组成,这些控制规则根据人类控制专家的经验总结得出,按照IF …is …AND …is …THEN …is…的形式表达。
2、模糊推理:以模糊集合论为基础描述工具,对以一般集合论为基础描述工具的数理逻辑进行扩展,从而建立了模糊推理理论。
根据模糊输入和规则库中蕴涵的输入输出关系,通过第二章描述的模糊推理方法得到模糊控制器的输出模糊值。
模糊推理是模糊控制器的核心,它具有模拟人的基于模糊概念的推理能力。
该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的。
3、模糊化接口(Fuzzification):这部分的作用是将输入的精确量转化成模糊化量。
其中输入量包括外界的参考输入,系统的输出或状态等。
清晰化(解模糊接口)4、清晰化接口:清晰化的作用是将模糊推理得到的控制量(模糊量)变换为实际用于控制的清晰量。
它包含以下两部分内容:(1)将模糊控制量经清晰化变换变成表示在论域范围的清晰量。
(2)将表示在论域范围的清晰量经尺度变换变成实际的控制量。
1.3.画出感知器的基本结构模型,并简述其算法过程。
算法过程:将阈值θ并入W 中,令Wn+1=-θ,X 向量也相应地增加一个分量xn+1=1,则(1)给定初始值赋给W i (0)各一个较小的随机非零值,W i (t)为t 时刻 第i 时刻第i 个输入的权(1≤i≤n ),Wn+1(t)为t 时刻的阀值。
(2)输入一样本X=(x 1,x 2...x n ,1)和它的希望输出d计算实际输出:修正权W :Wi(t+1)=Wi(t)+η[d-Y(t)]xi, i=1,2,…,n+1 ; (5)转到(2)直到W 对一切样本均稳定不变为止。
1.4.画出三层BP 神经网络的基本结构图,并试写出各层之间的输入输出函数关系?∑+==1n 1i i i )x W f(y ∑+==1n 1i i i )(t)x W f(Y(t)各层之间输入输出函数关系: 第1层:输入层将输入引入网络第二层(隐层):第三层:(输出层):1.5.神经网络系统具有哪些基本特性,以及神经网络在控制系统中具有哪些作用?1)非线性映射逼近能力。
非线性关系是自然界的普遍特性。
大脑的智慧就是一种非线性现象。
人工神经元处于激活或抑制二种不同的状态,这种行为在数学上表现为一种非线性关系。
具有阈值的神经元构成的网络具有更好的性能,可以提高容错性和存储容量。
2)自适应性和自组织性。
ii i x In Out ==)1()1(n i ,...,2,1=lj In Out Out In j j j i ij ni j ,...,2,1)(,)2()2()1()1(1)2(=Φ=-∑==θωmk Out In Out y j jk lj k k k ,...,2,1)2()2(1)3()3(=∑====ω2)3)并行处理性。
网络的各单元可以同时进行类似的处理过程,整个网络的信息处理方式是大规模并行的,可以大大加快对信息处理的速度。
4)分布存储和容错性。
信息在神经网络内的存储按内容分布于许多神经元中,而且每个神经元存储多种信息的部分内容。
网络的每部分对信息的存储具有等势作用,部分的信息丢失仍可以使完整的信息得到恢复,因而使网络具有容错性和联想记忆功能。
5)便于集成实现和计算模拟。
神经网络在结构上是相同神经元的大规模组合,特别适合于用大规模集成电路实现。
6)非局限性一个神经网络通常由多个神经元广泛连接而成。
一个系统的整体行为不仅取决于单个神经元的特征,而且可能主要由单元之间的相互作用、相互连接所决定。
通过单元之间的大量连接模拟大脑的非局限性。
联想记忆是非局限性的典型例子。
7)非凸性一个系统的演化方向,在一定条件下将取决于某个特定的状态函数。
例如能量函数,它的极值相应于系统比较稳定的状态。
非凸性是指这种函数有多个极值,故系统具有多个较稳定的平衡态,这将导致系统演化的多样性。
神经网络利用其卓越的学习和自适应能力,在控制系统中具有的作用:1)基于精确模型的各种控制结构中充当对象的模型;2)在反馈控制系统中直接充当控制器的作用;3) 在传统控制系统中起优化计算作用;4)在与其它智能控制方法和优化算法相融合中, 为其提供对象模型、优化参数、推理模型及故障诊断等。
1.6.基于信息论的分级递阶智能控制系统主要构成有哪些,分别起什么作用?该系统由组织级、协调级和执行级组成。
组织级(Organization level)组织级是递阶智能控制系统的最高级,是智能系统的“大脑”,能模仿人的行为功能,具有相应的学习能力和高级决策能力,需要高级的信息处理。
组织监视并指导协调级的所有行为,具有最高的智能程度。
根据用户对任务的不完全描述与实际过程和环境的有关信息,组织任务,提出适当的控制模式向下层传达,以实现预定控制目标。
协调级(Coordination Level)次高级,任务:协调各控制器的控制作用与各子任务的执行。
进一步分为两层:控制管理分层和控制监督分层。
管理分层:根据下层的信息决定如何完成组织级下达的任务,以产生施加于下一层的控制指令。
监督分层:保证、维持执行级中各控制器的正常运行,并进行局部参数整定和性能优化。
是组织级和执行级之间的接口,运算精度较低,但有较高的决策能力与学习能力。
执行级(Executive Level)是最低一级,由多个硬件控制器组成。
任务:完成具体的控制任务,通常是执行一个确定的动作,直接产生控制信号,通过执行机构作用于被控对象;同时通过传感器测量环境的有关信息,并传递给上一级控制器,给高层提供相关决策依据。
1.7.模糊控制规则的生成方法通常有哪几种,且模糊控制规则的总结要注意哪些问题?答:生成方法:1)根据专家经验和过程控制知识生成规则。
2)根据过程的模糊模型生成控制规则。
3)3)根据学习算法获取控制规则。
注意的问题:1)规则数量合理。
2)2)规则要具有一致性。
3)3)完备性要好。
2、计算题:2.1. 已知三个模糊矩阵R 、S 和Q 分别如下所示,0.60.40.70.20.50.10.90.30.4R ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,0.20.70.30.80.60.51.00.20.9S ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,0.60.50.20.80.40.80.4 1.00.70.10.90.3Q ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦试求R S ⋃,R S ⋂,()R S Q ⋃ ,以及()R S Q ⋂ 。
解:由题知因为 0.40.60.30.80.50.90.10.70.6R ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦所以 0.40.70.30.80.60.90.10.70.9R S ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦ 0.20.40.30.20.50.10.90.20.4R S ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦又 0.60.70.70.80.60.51.00.30.9R S ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦ 0.80.30.70.20.40.500.80.1S ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦0.60.30.70.20.40.100.30.1R S ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦因此 ()0.70.70.70.70.60.60.50.80.70.50.90.8R S ⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦ 。
Q = 又0.40.50.80.20.60.20.600.30.90.10.7Q ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦ 所以 ()0.40.70.60.70.40.20.40.20.30.20.30.1R S ⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦ 。
Q =2.2.设有论域{}12345X Y ==,A 是论域X 上的模糊集,B 是论域Y 上的模糊集,且[][]10.50.100A ==黑,[][]000.30.81B ==白,求‚如果x 黑则y 白,否则C 不很白‛的模糊关系R 。
(其中:‘很’为强化语气算子2λ=) 解:2.3. 已知输入模糊量分别为 1.00.412A a a =+,0.10.7 1.0123B b b b =++,而输出模糊量为0.30.5 1.0123C c c c =++,求模糊语句‚若A 且B ,则C ‛所蕴含的关系R 。
解:由题意可得:若A 且B ,则CR=([1.0 0.4]T [0.1 0.7 1.0])T [0.3 0.5 1.0][]0.15.03.04.04.01.00.17.01.0T⎥⎦⎤⎢⎣⎡= ],004.011[=C .004.011004.0111.01.04.09.09.05.05.04.05.05.018.03.000)()(⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡==∙C A B A R T T⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=4.04.03.04.04.03.01.01.01.00.15.03.04.05.03.01.01.01.02.4. 设有论域{}12345X Y ==,X ,Y 上的模糊子集‚大‛、‚小‛、‚较小‛分别表示为:000.40.71[]12345=++++大 10.70.400[]12345=++++小10.60.40.20[]12345=++++较小设“若x 小则y 大”,当x 较小时,试确定y 的大小。
解:由题0000000000=0.40.40.4000.70.70.4001.00.70.400R ⎡⎤⎢⎥⎢⎥⎢⎥=⨯⎡⎤⎡⎤⎣⎦⎣⎦⎢⎥⎢⎥⎢⎥⎣⎦大小 则y =R ⎡⎤⎣⎦较小。
[]000000000010.60.40.200.40.40.4000.70.70.4001.00.70.400⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦。
[]=0.40.40.40.202.5.设有论域{}123U a a a =,{}123V b b b =,{}123W c c c =,已知:10.40.1123A a a a =++0.80.50.2123B b b b =++0.50.60.7123C c c c =++设“若A 则B ,否则C ”,求输入为*0.210.4123A a a a =++时的输出D 。