模糊控制习题一

合集下载

模糊控制理论上机作业讲解.

模糊控制理论上机作业讲解.

大作业: 设三个被控对象的传递函数分别为25.01)1()(+=-s es G s)456.864.1)(5.0(228.4)(22+++=s s s s G33)3)(1(27)(++=s s s GI. 选择传递函数()1G s(1) 首先设计常规PD 控制器,尽量满足参考指标;(2) 将PD 控制器输入输出数据作为专家操作试验数据,分别设计Mamdany 型和T-S 型模糊控制器,进行仿真计算;对模糊控制器,考虑以下因素对系统性能的影响 ①模糊控制器方案的选择; ②语言变量取法;③论域的划分; ④模糊子集(隶属函数)的形状和分布。

(3) 比较PD 、Mamdany 型和T-S 型模糊控制器下系统的性能。

II. 参考性能指标:(1) r(t)=1(t) 时稳态误差为0 ; (2) 超调量不超过5 % ; (3) 调节时间不超过2秒。

确定控制方案, 设计模糊控制器.要求: 设计仿真框图, 编制程序, 给出计算结果及曲线。

(1) 仿真框图(2) 输入输出语言变量的语言值分布图(3) 模糊控制规则表面图 (4) 阶跃响应曲线(5) 性能指标值(稳态误差,超调量,调节时间)模糊控制系统设计1.系统结构确定2.控制规则获取(借助于PD 控制器);)()()(t eK t e K t u d p += 3.定义基本论域,调整语言变量的语言值;4.仿真计算,给出结果(仿真图,语言值分布图,控制规则图,系统动、静态指标)。

)456.864.1)(5.0(228.4)(22+++=s s s s G模糊控制系统仿真 I:\fuzzy\上机作业讲解例1. 用fuzzy 工具箱构建FIS1.PD 仿真,定基本论域 I:\fuzzy\模糊控制演示程序:shiyan01. mdl2.建立模糊模型 3.建立模糊控制器 4.仿真检验例2. 用fuzzy 程序构建FIS1.PD 仿真,定基本论域 I:\fuzzy\模糊控制演示程序:shiyan02. mdl2.建立模糊模型3.建立模糊控制器 I:\fuzzy\模糊控制演示程序:shiyan02. mdl 4.修正论域及语言值分布 5.仿真检验例3. 构建T-S 模糊模型1.确定各模糊条件语言的后件函数2.建立模糊模型3.建立模糊控制器 I:\fuzzy\模糊控制演示程序:shiyan02. mdl 4.仿真检验例1 用Fuzzy 工具箱建立模糊控制器(Mamdani)2.3 1.35u e e =--控制规则表1:fuzzy01U EC Eec1 -1.0 ec2 0.0 ec3 1.0 e1 -1.0 3.65 u5 2.3 u4 0.95 u3e2 0.01.35 u4 0.0 u3 -1.35 u2e3 1.0 -0.95 u3 -2.3 u2 -3.65 u1输出语言变量的语言值控制规则表1:U EC Eec1 ec2 ec3 e1 u5 u4 u3 e2 u4 u3 u2 e3u3u2u1Uu1 u2 u3 u4 u54-2-24例2 用程序建立模糊控制器(Mamdani)[]2.3 1.16u e e=-+控制规则表2:shiyan1U EC E ec1-1.0ec2-0.5ec30.0ec40.5ec51.0e1 -1.0 3.46 u5 2.88 u5 2.30 u4 1.72 u4 1.14 u4 e2 -0.5 2.31 u4 1.73 u4 1.15 u40.57 u30.01 u3 e3 0.0 1.16 u40.58 u30.00 u3-0.58 u3-1.16 u2 e4 0.5-0.01 u3-0.57 u3-1.15 u2-1.73 u2-2.31 u2 e5 1.0-1.14 u2-1.72 u2-2.30 u2-2.88 u1-3.46 u1输出语言变量的语言值U u1u2u3u4u53.6- 1.8-0 1.8 3.6控制规则表2:clear;clc;a=newfis('fis1');a=addvar(a,'input','e',[-3 7]);a=addmf(a,'input',1,'负大','gaussmf',[0.3,-3]); a=addmf(a,'input',1,'负小','gaussmf',[0.3,0]); a=addmf(a,'input',1,'零','gaussmf',[0.3,2]);a=addmf(a,'input',1,'正小','gaussmf',[0.3,4]); a=addmf(a,'input',1,'正大','gaussmf',[0.3,7]); plotmf(a,'input',1);pause;a=addvar(a,'input','ec',[-2 4]);a=addmf(a,'input',2,'负大','gaussmf',[0.3,-2]); a=addmf(a,'input',2,'负小','gaussmf',[0.3,0]); a=addmf(a,'input',2,'零','gaussmf',[0.3,1]);a=addmf(a,'input',2,'正小','gaussmf',[0.3,2]); a=addmf(a,'input',2,'正大','gaussmf',[0.3,4]);plotmf(a,'input',2);pause;a=addvar(a,'output','u',[-5 5]);a=addmf(a,'output',1,'负大','gaussmf',[0.3,-5]);a=addmf(a,'output',1,'负小','gaussmf',[0.3,-1.5]);a=addmf(a,'output',1,'零','gaussmf',[0.3,0]);a=addmf(a,'output',1,'正小','gaussmf',[0.3,1.5]);a=addmf(a,'output',1,'正大','gaussmf',[0.3,5]);plotmf(a,'output',1);pause;控制规则表2“E”值,“EC”值,“U”值,语句权系数,“and”rulelist=[1 1 5 1 1;1 2 5 1 1;1 3 4 1 1;1 4 4 1 1;1 5 4 1 1;2 1 4 1 1;2 2 4 1 1;2 3 4 1 1;2 43 1 1;2 53 1 1;3 14 1 1;3 2 3 1 1;3 3 3 1 1;3 4 3 1 1;3 5 2 1 1;4 1 3 1 1;4 2 3 1 1;4 3 2 1 1;4 4 2 1 1;4 5 2 1 1;5 1 2 1 1;5 2 2 1 1;5 3 2 1 1;5 4 1 1 1;5 5 1 1 1]; a=addrule(a,rulelist); %gensurf(a);pause; fuzzy;shiyan02;% lffz;例3建立模糊控制器(Sugeno)[]=-+2.3 1.16u e e控制规则表3:u=a.e+b.ec+cU ECec1 ec2 ec3 Ee1 u1= 3u2=-2.3e+1u3= -1e2 u4=-1.16ec+2u5=-2.3e-1.16ec u6=-1.16ec-2 e3 u7= 1u8=-2.3e-1u9= -3上机作业:设三个被控对象的传递函数分别为25.01)1()(+=-s es G s)456.864.1)(5.0(228.4)(22+++=s s s s GIII. 选择其中之一, 分别为其设计常规PD 控制器和模糊控制器(E,EC →U),比较两者性能.对模糊控制器,考虑以下因素对系统性能的影响, ①模糊控制器方案的选择; ②语言变量取法;③论域的划分; ④模糊子集(隶属函数)的形状和分布; IV. 参考性能指标:(1) r(t)=1(t) 时稳态误差为0 ; (2) 超调量不超过5 % ; (3) 调节时间不超过2秒. 确定控制方案, 设计模糊控制器.要求: 设计仿真框图, 编制程序, 给出计算结果及曲线。

神经网络与模糊控制考试题及答案

神经网络与模糊控制考试题及答案

一、填空题1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机组成2、一个单神经元的输入是 1.0 ,其权值是 1.5,阀值是-2,则其激活函数的净输入是-0.5 ,当激活函数是阶跃函数,则神经元的输出是 13、神经网络的学习方式有导师监督学习、无导师监督学习和灌输式学习4、清晰化化的方法有三种:平均最大隶属度法、最大隶属度取最小/最大值法和中位数法,加权平均法5、模糊控制规则的建立有多种方法,是:基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型,基于学习6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类7.傅京逊首次提出智能控制的概念,并归纳出的3种类型智能控制系统是、和。

7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控制系统8、智能控制主要解决传统控制难以解决的复杂系统的控制问题,其研究的对象具备的3个特点为、和。

8、不确定性、高度的非线性、复杂的任务要求9.智能控制系统的主要类型有、、、、和。

9、分级递阶控制系统,专家控制系统,神经控制系统,模糊控制系统,学习控制系统,集成或者(复合)混合控制系统10.智能控制的不确定性的模型包括两类:(1) ;(2) 。

10、(1)模型未知或知之甚少;(2)模型的结构和参数可能在很大范围内变化。

11.控制论的三要素是:信息、反馈和控制。

12.建立一个实用的专家系统的步骤包括三个方面的设计,它们分别是、和。

知识库的设计推理机的设计人机接口的设计13.专家系统的核心组成部分为和。

知识库、推理机14.专家系统中的知识库包括了3类知识,它们分别为、、和。

判断性规则控制性规则数据15.专家系统的推理机可采用的3种推理方式为 推理、 和 推理。

15、正向推理、反向推理和双向推理16.根据专家控制器在控制系统中的功能,其可分为 和 。

智能控制技术课件模糊控制习题

智能控制技术课件模糊控制习题

a3
0.4
a
4
0.2
a
5
,
B 重 0.2 b1 0.4 b2 0.6 b3 0.8 b4 1b5 , 试确定模糊条件语句“If x 轻 Then y 不非常重”
所决定的模糊关系R,以及模糊语句“x非常轻”
所对应的y。
机械结构力学及控制国家重点实验室
6
习题
(3)设有论域X={u1, u2, u3},Y={v1,v2,v3},
集合“学习好”F。
0
假设采用的隶属度函数:
F (x)
5(x 80)
100
x 80 x 80
机械结构力学及控制国家重点实验室
2
习题
A 0.5 1 0.3 0.1 0 u1 u2 u3 u4 u5
B 0 0.1 0.3 0.7 1 u1 u2 u3 u4 u5
机械结构力学及控制国家重点实验室
快 0 0.1 0.3 0.5 0.7 1 0 20 40 60 80 100
求语言变量“非常快”与“很快”。
机械结构力学及控制国家重点实验室
5
习题
(2) 有论域X a1, a2, a3, a4, a5及
Y b1, b2, b3, b4, b5,并定义 :
A轻
1 a1
0.8
a2
0.6
Z={w1,w2},已知:
A 0.5 1 0.1 u1 u2 u3
B 0.1 1 0.6 v1 v2 v3
C 0.4 0.9 w1 w2
试确定模糊条件语言“如果A和B,则C”所确定 的模糊关系矩阵R,并计算当:
A' 0.8 0.5 0.1 B' 0.1 0.5 0.9
u1 u2 u3

模糊控制做题步骤

模糊控制做题步骤

de
Z NS NM NB
4. 隐含和推理方法的制定
• • • • 隐含采用 ‘mamdani’方法: ‘max-min‘ 推理方法, 即 ‘min‘ 方法 去模糊方法:面积中心法。 选择隶属函数的形式:三角型
MATLAB
-1
1
-0.1
0.1
0
2
也可以用viewsurf菜单命令看模糊控制器的输出量
3.模糊规则确定
e U
PB PM PS NB PL PL PL PL PL PL PL NM PM PM PM PM PM PL PL NS NM NM NS PS PS PS PL NZ NM NM NS Z PS PS PM PZ NM NM NS Z PS PM PM PS NL NS NS NS PS PM PM PM NL NS NM NM NM NM NM PB NB NB NB NB NB NB NB
Scope 1
Scope 2
Scope8 G2 s 0.5 s 2 1.64s 8.456


• 设计一模糊控制器使其超调量不超过1%,输出的上升时间<0.3。
• 步骤
1. 确定e,de和u的论域 2. e,de和u语言变量的选取 3. 规则的制定 4. 推理方法的确定
利用MATLAB的Toolbox工具 • 1. 根据系统实际情况,选择e,de和u的论域 e range : [-1 1] de range: [-0.1 0.1] u range: [0 2] • 2. e,de和u语言变量的选取 e 8个:NB,NM,NS,NZ,PZ,PS,PM,PB de 7个:NB,NM,NS,Z,PS,PM,PB U 7个:NB,NM,NS,Z,PS,PM,PB

模糊控制设计解析.答案共40页文档

模糊控制设计解析.答案共40页文档

60、生活的道路一旦选定,就要勇敢地 走到底 ,决不 回头。 ——左
模糊控制设计解析.答案

26、我们像鹰一样,生来就是自由的 ,但是 为了生 存,我 们不得 不为自 己编织 一个笼 子,然 后把自 己关在 里面。 ——博 莱索

27、法律如果不讲道理,即使延续时 间再长 ,也还 是没有 制约力 的。— —爱·科 克•28、好法律是由坏风俗造出来的。 ——马 克罗维 乌斯

29、在一切能够接受法律支配的人类 的状态 中,哪 里没有 法律, 那里就 没有自 由。— —洛克

30、风俗可以造就法律,也可以废除 法律。 ——塞·约翰逊
56、书不仅是生活,而且是现在、过 去和未 来文化 生活的 源泉。 ——库 法耶夫 57、生命不可能有两次,但许多人连一 次也不 善于度 过。— —吕凯 特 58、问渠哪得清如许,为有源头活水来 。—— 朱熹 59、我的努力求学没有得到别的好处, 只不过 是愈来 愈发觉 自己的 无知。 ——笛 卡儿

习题-模糊辨识与模糊自适应控制(双语)

习题-模糊辨识与模糊自适应控制(双语)

习题-模糊辨识与模糊⾃适应控制(双语)⼀. In contrast with the classical control, what are the characteristics of fuzzy control?Which parts are contained in the simple fuzzy control system? Please present the corresponding block diagram and explain the principle. [与传统控制相⽐,模糊控制的特点是什么?简单模糊控制系统是由哪⼏部分组成的?画出其结构框图并简述其⼯作原理。

]⼆. Fuzzy relation model 、T-S fuzzy model and fuzzy hyperbolic model are threefuzzy model structures used to construct the fuzzy control system. 1. Please describe how to identify the T-S fuzzy model in details.2. Comparing with T-S fuzzy model, what are the advantages of fuzzy hyperbolic model? Why the generalized fuzzy hyperbolic model is introduced? What are the similarities and differences between the generalized fuzzy hyperbolic model and fuzzy hyperbolic model?[⽬前⽤于模糊控制系统构造的模糊模型结构主要有模糊关系模型、T-S 模糊模型和模糊双曲正切模型。

模糊控制考试真题

模糊控制考试真题
a b d e
a b c d e
求:
A B, A B, A A, A B
0.3 0.2 0.2 0.3 已知:R , S 0.5 0.4 , 求:R S , R S , R 0.4 0.5
• 设某电机的控制电压论域 U 1, 2,3, 4 , 转速论域 X 1, 2,3, 4,5 , 若设 A (U ), B 表示“电压高”; ( X ), 表示“转速 1 0.5 快”;已知F子集A和B分别为:B 0.5 1 , A ,
3 4
4
5
用Mamdani算法求出F条件命题“电压高,则 转速快”的F蕴涵关系R。
• 在某家庭中,子女与父母的长像相似关系R是模 糊关系。可看作:A={子,女}、B={父,母}。模 糊关系可表示为:
0.2 0.8 R 0.6 0.1
• 该家中父母与祖父母(C={祖父,祖母})的相似 关系也是模糊关系:
0.5 0.7 S 0.1 0
• 试求、与传统控制相比,模糊控制的特点? • 2、传统控制与智能控制的区别 • 3、隶属度、隶属函数及由隶属度求出隶属 函数的具体步骤是什么? • 4、智能控制应用对象的特点 • 5、智能控制的特点 • 6、人工神经网络的特点
• 已知在论域 U {a, b, c, d , e} 上有两个F 0.6 集 A 0.5 0.2 0.8 0.6 B 0.2 0.5 0.4 , 0.9

模糊控制的Matlab仿真实例.答案共167页文档

模糊控制的Matlab仿真实例.答案共167页文档
模糊控制的Matlab仿真实例.答案
1、纪律是管理关系的形式。——阿法 纳西耶 夫 2、改革如果不讲纪律,就难以成功。
3、道德行为训练,不是通过语言影响 ,而是 让儿童 练习良 好道德 行为, 克服懒 惰、轻 率、不 守纪律 、颓废 等不良 行为。 4、学校没有纪律便如磨房里没有水。 ——夸 美纽斯
5、教导儿童服从真理、服从集体,养 成儿童 自觉的 纪律性 ,这是 儿童道 德教育 最重要 的部分 。—— 陈鹤琴
谢谢
11、越是没有本领的就越加自命不凡。——邓拓 12、越是无能的人,越喜欢挑剔别人的错儿。——爱尔兰 13、知人者智,自知者明。胜人者有力,自胜者强。——老子 14、意志坚强的人能把世界放在手中像泥块一样任意揉捏。——歌德 15、最具挑战性的挑战莫过于提升自我
  1. 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. 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. 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)。

一、完成下述模糊集合的基本运算:
1、设论域为 12345678{x ,x ,x ,x ,x ,x ,x ,x }X =A 和B 为论域X 上的两个模糊
集合已知:
12345678
1
2
4
5
6
7
8
0.20.40.60.8 1.00.80.50.2A x x x x x x x x 0.50.7 1.00.80.60.40.2B x x x x x x x =
+++++++=
++++++
试计算:A B, A B, A (B A) 。

解: =
B A 8
76543212.05.08.00.10.16.07.05.0X X X X X X X X +++++++;
8765421
2.04.06.08.08.04.02.0X X X X X X X +
+++++=
B A ;
8
7
6
5
4
3
2
1
8.05.08.00.18.06.04.05.0)(X X X X X X X X A B +
++++++=
A ;
2、设X 、Y 、Z 为论域,X 到Y 的模糊关系为R ,Y 到Z 的模糊关系为S 。


知模糊关系矩阵为:
0.30.60.80.10.50.30.80.5
0.20.70.4
0.90.70.2R , S=0.90.10.80.50.10.40.50.3
0.4
0.2
0.60.4
0.1
0.9⎡⎤⎡⎤⎢⎥⎢⎥⎢
⎥⎢⎥
=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦
⎣⎦
, 试求:X 到Z 的模糊关系。

分析:由于R 是X →Y 上的模糊关系,S 是Y →Z 上的模糊关系。

则X →Z 上的模糊关系为R 与S 的模糊合成。

解:编程实现本题的运算程序如下: #include <iostream.h> void main()
{
float d[4]={0};
float a[4][4]={{0.3,0.6,0.8,0.1},{0.5,0.2,0.7,0.4},
{0.9,0.1,0.8,0.5},{0.3,0.4,0.2,0.6}};
floatb[4][3]={{0.5,0.3,0.8},{0.9,0.7,0.2},
{0.1,0.4,0.5},{0.4,0.1,0.9}};
float c[4][3]={0}; int i,j,k;
for (i=0;i<4;i++)
for (k=0;k<3;k++) { for (j=0;j<4;j++) {
d[j]=(a[i][j]>b[j][k])?b[j][k]:a[i][j];
if (d[j]>d[0]) d[0]=d[j]; c[i][k]= d[0]; }
cout<<c[i][k]<<"\t";
}
}
运行上述程序可知:


⎥⎥


⎢⎢⎢
⎢⎣⎡=6.0085
.05.04.04.04.06.04
.05.05
.06.0S R
二、用于模糊控制的不确定性推理
定义论域为X ={x1, x2, x3, x4, x5};Y ={y1, y2, y3, y4, y5} 已知在论域X 上定义如下模糊子集:
*
0.20.40.60.8 1.01x2x3x4x50.7
1.00.80.60.3x1
x2
x3
x4
x5
A x A =+
+++
=
++
+
+
并在论域Y 上定义如下模糊子集:
0.20.50.7 1.00.81y2
y3
y4
y5
y ++++B=
若有如下模糊规则
if x is A then y is B
试完成推理:如果x 是*
A ,求*
B 。

分析:本题为简单的模糊推理,用模糊关系表示如下:
R(x,y)=(A->B)(x,y)=(1-A(x))∨(A(x)∧B(y))
其隶属函数的定义为:))()(())(1(,y x x y x B A A R
μμμμ∧∨-=)( 解:编程实现上述运算:
程序代码如下:
#include <iostream.h> void main() {
float A[5]={0.2,0.4,0.6,0.8,1.0}; float B[5]={0.2,0.5,0.7,1.0,0.8}; float C[5][5]={0}; float F[5][5]={0}; float H[5][5]={0};
int i,j;
for (i=0;i<5;i++) for (j=0;j<5;j++)
{ C[i][j]=(A[i]>B[j])? B[j]:A[i]; // cout<<C[i][j]<<"\t";
}
float D[5]={0}; for (i=0;i<5;i++) {
D[i]=1-A[i];
//cout<<D[i]<<"\t"; }
float E[5]={1,1,1,1,1}; for (i=0;i<5;i++) for (j=0;j<5;j++) {
F[i][j]=(D[i]>E[j])? E[j]:D[i];
//cout<<F[i][j]<<"\t"; }
for (i=0;i<5;i++) for (j=0;j<5;j++) {
H[i][j]=(C[i][j]<F[i][j])?F[i][j]:C[i][j];
cout<<H[i][j]<<"\t"; } }
运行以上程序可知:
⎥⎥⎥⎥
⎥⎥⎦

⎢⎢⎢
⎢⎢⎢⎣⎡=8.01
7
.05
.02
.08.08.07.05.02.06.06.06.05.04
.06
.06.06.06.06.08.08.08.08.08.0R
)
7.0,7.0,7.0,7.0,7.0(**==R A B
5
4
3
2
1
7.07.07.07.07.0*X X X X X B ++++=。

相关文档
最新文档