自动化智能控制大作业

合集下载

哈工大自动控制原理大作业

哈工大自动控制原理大作业

自动控制原理大作业1.题目在通常情况下,自动导航小车(AGV )是一种用来搬运物品的自动化设备。

大多数AGV 都需要有某种形式的导轨,但迄今为止,还没有完全解决导航系统的驾驶稳定性问题。

因此,自动导航小车在行驶过程中有时会出现轻微的“蛇行”现象,这表明导航系统还不稳定。

大多数的AGV 在说明书中都声明其最大行驶速度可以达到1m/s ,但实际速度通常只有0.5m/s ,只有在干扰较小的实验室中,才能达到最高速度。

随着速度的增加,要保证小车得稳定和平稳运行将变得越来越困难。

AGV 的导航系统框图如图9所示,其中12=40ms =21ms ττ, 。

为使系统响应斜坡输入的稳态误差仅为1%,要求系统的稳态速度误差系数为100。

试设计合适的滞后校正网络,试系统的相位裕度达到50 ,并估计校正后系统的超调量及峰值时间。

()R s ()Y s2.分析与校正主要过程2.1确定开环放大倍数K100)1021.0)(104.0(lim )(lim =++==s s s sK s sG K v (s →0) 解得K=100)1021.0)(104.0(100++=s s s G s 2.2分析未校正系统的频域特性根据Bode 图:穿越频率s rad c /2.49=ω相位裕度︒---=⨯-⨯--=99.18)2.49021.0(arctan )2.4904.0(arctan 9018011γ 未校正系统频率特性曲线由图可知实际穿越频率为s rad c /5.34=ω2.3根据相角裕度的要求选择校正后的穿越频率1c ω现在进行计算:︒︒︒--=+=---55550)021.0(arctan )04.0(arctan 901801111c c ωω则取s rad c /101=ω可满足要求2.4确定滞后校正网络的校正函数 由于11201~101c ωω)(=因此取s rad c /110111==ωω)(,则由Bode 图可以列出 40)1lg(20)1lg(40)110lg(2022+=+ωω 解得s rad /1.02=ω于是1.0=β 则滞后网络传递函数为1101)(++=s s s G c ,10=T 2.5验证已校正系统的相位裕度已校正系统的开环传递函数为:)110)(1021.0)(104.0()1(100)()(++++=s s s s s s G s G c 相位裕度︒----=-⨯-⨯-+-=2.51)100(arctan )10021.0(arctan )1004.0(arctan )10(arctan 901801111γ校正后的相位裕度大于50°,满足设计要求。

智能控制-考核大作业+设计(10)-推荐下载

智能控制-考核大作业+设计(10)-推荐下载

1.0 0.2 0.9
0.7 0.1 0.9 0.3
试求 R S , R S , R S Q ,以及 R S Q 。
0.4 0.6 0.3
0.8 0.3 0.7
0.4 0.5 0.8 0.2
R 0.8 0.5 0.9 , S 0.2 0.4 0.5 , Q 0.6 0.2 0.6 0.0

2)输入一样本 X 和它的希望输出 d。
Ө
对全部高中资料试卷电气设备,在安装过程中以及安装结束后进行高中资料试卷调整试验;通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关,系电通,力1根保过据护管生高线产中0不工资仅艺料可高试以中卷解资配决料置吊试技顶卷术层要是配求指置,机不对组规电在范气进高设行中备继资进电料行保试空护卷载高问与中题带资2负料2,荷试而下卷且高总可中体保资配障料置各试时类卷,管调需路控要习试在题验最到;大位对限。设度在备内管进来路行确敷调保设整机过使组程其高1在中正资,常料要工试加况卷强下安看与全22过,22度并22工且22作尽22下可护都能1关可地于以缩管正小路常故高工障中作高资;中料对资试于料卷继试连电卷接保破管护坏口进范处行围理整,高核或中对者资定对料值某试,些卷审异弯核常扁与高度校中固对资定图料盒纸试位,卷置编工.写况保复进护杂行层设自防备动腐与处跨装理接置,地高尤线中其弯资要曲料避半试免径卷错标调误高试高等方中,案资要,料求编试技5写、卷术重电保交要气护底设设装。备备置管4高调、动线中试电作敷资高气,设料中课并技3试资件且、术卷料中拒管试试调绝路包验卷试动敷含方技作设线案术,技槽以来术、及避管系免架统不等启必多动要项方高方案中式;资,对料为整试解套卷决启突高动然中过停语程机文中。电高因气中此课资,件料电中试力管卷高壁电中薄气资、设料接备试口进卷不行保严调护等试装问工置题作调,并试合且技理进术利行,用过要管关求线运电敷行力设高保技中护术资装。料置线试做缆卷到敷技准设术确原指灵则导活:。。在对对分于于线调差盒试动处过保,程护当中装不高置同中高电资中压料资回试料路卷试交技卷叉术调时问试,题技应,术采作是用为指金调发属试电隔人机板员一进,变行需压隔要器开在组处事在理前发;掌生同握内一图部线纸故槽资障内料时,、,强设需电备要回制进路造行须厂外同家部时出电切具源断高高习中中题资资电料料源试试,卷卷线试切缆验除敷报从设告而完与采毕相用,关高要技中进术资行资料检料试查,卷和并主检且要测了保处解护理现装。场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况,然后根据规范与规程规定,制定设备调试高中资料试卷方案。

2024吉大网络教育自动控制原理大作业解答

2024吉大网络教育自动控制原理大作业解答

2024吉大网络教育自动控制原理大作业解答自动控制原理是计算机专业的一门重要课程,它是研究控制系统动态特性和控制方法的学科,主要应用于工业自动化、航天航空、机械工程等领域。

网络教育是利用信息技术手段进行教学的一种模式,具有灵活性、便捷性和高效性等优点。

本次大作业要求运用自动控制原理的知识,结合网络教育的特点,设计实现一个网络教育平台的自动化控制系统,下面是本人的解答。

首先,我们需要明确网络教育平台的自动化控制系统的目标和需求。

网络教育平台的主要功能包括学生管理、课程管理、教师管理、教学资源管理等。

针对这些需求,我们可以利用自动控制原理的知识设计出相应的控制系统。

对于学生管理功能,我们可以设计一个学生信息管理模块,通过自动控制系统实现学生信息的录入、修改、查询和删除等操作。

在录入学生信息时,可以设计相应的输入界面,通过输入学生的姓名、学号、专业等信息,将学生信息自动添加到系统中;在修改和删除学生信息时,可以设计相应的界面,通过输入学生的学号或姓名等关键信息,实现对学生信息的修改和删除。

对于课程管理功能,我们可以设计一个课程信息管理模块,通过自动控制系统实现课程信息的录入、修改、查询和删除等操作。

在录入课程信息时,可以设计相应的输入界面,通过输入课程的名称、编号、学分等信息,将课程信息自动添加到系统中;在修改和删除课程信息时,可以设计相应的界面,通过输入课程的编号或名称等关键信息,实现对课程信息的修改和删除。

对于教师管理功能,我们可以设计一个教师信息管理模块,通过自动控制系统实现教师信息的录入、修改、查询和删除等操作。

在录入教师信息时,可以设计相应的输入界面,通过输入教师的姓名、工号、职称等信息,将教师信息自动添加到系统中;在修改和删除教师信息时,可以设计相应的界面,通过输入教师的工号或姓名等关键信息,实现对教师信息的修改和删除。

综上所述,通过自动控制原理的知识,我们可以设计和实现一个网络教育平台的自动化控制系统,从而提高网络教育的效率和管理水平。

(整理)自动控制大作业--西安电子科技大学--matlab实现,运行完美实现

(整理)自动控制大作业--西安电子科技大学--matlab实现,运行完美实现

自动控制技术大作业学院电子工程学院学号学生姓名授课老师源程序:ft = 30;M=1;B=5;K=20;tspan = [0,5];x0= [0,0];options = odeset('AbsTol',[1e-6;1e-6]);[T,X]=ode45('xt4odefile',tspan,x0,options);figure(1)subplot(3,1,1),plot(T,X(:,1),'r'),title('位移随时间变化曲线'),grid on subplot(3,1,2),plot(T,X(:,2),'b'),title('速度随时间变化曲线'),grid on subplot(3,1,3),plot(X(:,2),X(:,1),'m'),title('位移随速度变化曲线'),grid ona = 1/M*(ft-B*X(:,2)-K*X(:,1));i = 1;while (abs(a(i))>0.0001|(abs(X(i,2))>0.0001))i = i+1;enddisp('系统到达稳态时的时间、速度和加速度及对应的位移分别为:'); result = sprintf('时间t=%4.2f\n',T(i));disp(result);result = sprintf('速度v=%9.6f\n',X(i,2));disp(result);result = sprintf('加速度a=%9.6f\n',a(i));disp(result);result = sprintf('位移d=%6.4f\n',X(i,1));disp(result);其中xt4odefile.m 文件为function xt = odefileC(t,x); ft = 30;M=1;B=5;K=20;xt = [x(2);1/M*(ft-B*x(2)-K*x(1))]; end输出:系统到达稳态时的时间、速度和加速度及对应的位移分别为: 时间 t=4.47速度 v=-0.000087加速度 a=-0.000060位移 d=1.50000.51 1.52 2.53 3.54 4.55012位移随时间变化曲线00.51 1.52 2.53 3.54 4.55-505速度随时间变化曲线-0.500.51 1.52 2.53 3.5012位移随速度变化曲线源程序:num=[2,5,7];den=[1,6,10,6];[z,p,k]=tf2zp(num,den)[r,a,b]=residue(num,den)输出:z =-1.2500 + 1.3919i-1.2500 - 1.3919ip =-3.7693-1.1154 + 0.5897i-1.1154 - 0.5897ik =2r =2.2417-0.1208 - 1.0004i-0.1208 + 1.0004ia =b =[]结论:零点为-1.2500 + 1.3919i ,-1.2500 - 1.3919i ;极点为-3.7693 ,-1.1154 + 0.5897i,-1.1154 - 0.5897i ;增益为2源程序:num=[6.3223,18,12.811];den=[1,6,11.3223,18,12.811];t=0:0.005:20;[y,x,t]=step(num,den,t);plot(t,y);grid ontitle('单位阶跃响应曲线')xlabel('t')ylabel('c(t)')r10=1;while y(r10)<.1; r10=r10+1;end;r90=1;while y(r90)<.9; r90=r90+1;end;rise_time=(r90-r10)*0.005[ymax,tp]=max(y);peak_time=(tp-1)*.005max_overshoot=ymax-1s=4001;while y(s)>.98&y(s)<1.02;s=s-1;end; setting_time=(s-1)*.005输出:rise_time =0.5750peak_time =1.6700max_overshoot =0.6182setting_time =10.0300246810121416182000.20.40.60.811.21.41.61.8单位阶跃响应曲线tc (t )源程序:num=[1 1];den=[1 5 6 0]; sys1=tf(num,den) subplot(3,1,1) step(sys1) subplot(3,1,2) rlocus(num,den)title('系统的根轨迹曲线') r=rlocus(num,den,20.575) a=[1];b=[1 0.8989];sys2=tf(a,b)sys=series(sys1,sys2)%系统串联subplot(3,1,3)step(sys)输出:Transfer function:s + 1-----------------s^3 + 5 s^2 + 6 sr =-2.0505 + 4.3225i -2.0505 - 4.3225i -0.8989Transfer function:1----------s + 0.8989Transfer function:s + 1-------------------------------------s^4 + 5.899 s^3 + 10.49 s^2 + 5.393 s00.511.522.53x 104500010000Step ResponseTime (sec)A m p l i t u d e-3.5-3-2.5-2-1.5-1-0.500.5-10010系统的根轨迹曲线Real Axis I m a g i n a r y A x i s00.51 1.52 2.53x 104500010000Step ResponseTime (sec)A m p l i t u d e源程序:w=logspace(-1,3,1000); %比例环节 num0=0.01; den0=1;g0=tf(num0,den0); bode(g0,w) title('比例环节') grid%二阶积分环节 num1=1; den1=[1,0,0];g1=tf(num1,den1); figure(2)bode(g1,w)title('二阶积分环节') grid%二阶微分环节num2=[1,0.01,1]; den2=1;g2=tf(num2,den2); figure(3)bode(g2,w)title('二阶微分环节') grid%振荡环节num3=1;den3=[0.25,0.01,1]; g3=tf(num3,den3); figure(4)bode(g3,w)title('振荡环节')grid%总:num=0.01*[1,0.01,1]; den=[0.25,0.01,1,0,0]; g=tf(num,den); figure(5)bode(g,w)title('原总波特图') grid输出:-41-40.5-40-39.5-39M a g n i t u d e (d B )10-110101102103-1-0.500.51P h a s e (d e g )比例环节Frequency (rad/sec)-150-100-5050M a g n i t u d e (d B )10-110101102103-181-180.5-180-179.5-179P h a s e (d e g )二阶积分环节Frequency (rad/sec)-50050100150M a g n i t u d e (d B )10-1101011021034590135180P h a s e (d e g )二阶微分环节Frequency (rad/sec)-150-100-5050M a g n i t u d e (d B )10-110101102103-180-135-90-450P h a s e (d e g )振荡环节Frequency (rad/sec)-150-100-50M a g n i t u d e (d B )10-110101102103-180-135-90-450P h a s e (d e g )原总波特图Frequency (rad/sec)源程序:num=[0,20,20,10];den=conv([1,1,0],[1,10]); nyquist(num,den)输出:-1-0.500.51 1.52-20-15-10-55101520Nyquist DiagramReal AxisI m a g i n a r y A x i s源程序:num=[2000,2000];den=conv([1 0.5 0],[1 14 400]); nichols(num,den) v = [-270 -90 -40 40]; axis(v) ngrid输出:-270-225-180-135-90-40-30-20-10102030406 dB3 dB 1 dB 0.5 dB0.25 dB0 dBNichols ChartOpen-Loop P hase (deg)O p e n -L o o p G a i n (d B )源程序:num = [0 2000 2000]; den = conv([1 0.5 0],[1 14 400]); h=tf(num,den); bode(h);num = [0 2000 2000]; den = conv([1 0.5 0],[1 14 400]); h=tf(num,den);[gm,pm,wg,wc]=margin(h)输出:gm =2.7493pm =73.3527wg =19.8244 wc =5.3477-150-100-50050100M a g n i t u d e (d B )10-210-110101102103-270-225-180-135-90P h a s e (d e g )Bode DiagramFrequency (rad/sec)源程序:num=[0 0 0 1];den=conv([.5 1 0],[1 1]); sysp=tf(num,den) sys=feedback(sysp,1) w=logspace(-1,1); bode(sys,w)grid on;[mag,phase,w]=bode(sys,w);[Mp,k]=max(mag);resonant_peak=20*log10(Mp)resonant_fre=w(k)n=1;while 20*log10(mag(n))>-3;n=n+1;end; bandwidth=w(n)输出:Transfer function:1---------------------0.5 s^3 + 1.5 s^2 + sTransfer function:1-------------------------0.5 s^3 + 1.5 s^2 + s + 1resonant_peak =5.2388resonant_fre =0.7906bandwidth =1.2649-60-40-2020M a g n i t u d e (d B )10-110101-270-180-90P h a s e (d e g )Bode DiagramFrequency (rad/sec)3.1A源程序:num = [1 2 3]; den = [1 3 3 1]; [A,B,C,D] = tf2ss(num,den)输出:A =-3 -3 -11 0 00 1 0B =1C =1 2 3D =3.2B源程序:Z=[-1 -3];P=[0 -2 -4 -6];K=4;[A,B,C,D]=zp2ss(Z,P,K)输出:A =-10.0000 -4.8990 0 04.8990 0 0 0-6.0000 -4.2866 -2.0000 00 0 1.0000 0B =11C =0 0 0 4D =3.1C源程序:A=[0 1;1 -2];B=[0;1];C=[1 3];D=1;[num,den]=ss2tf(A,B,C,D); tf(num,den)[z,p,k]=ss2zp(A,B,C,D);zpk(z,p,k)输出:Transfer function:s^2 + 5 s-------------s^2 + 2 s - 1Zero/pole/gain:s (s+5)--------------------(s+2.414) (s-0.4142)源程序:A1=[0 1;-1 -2];B1=[0;1];C1=[1 3];D1=[1];A2=[0 1;-1 -3];B2=[0;1];C2=[1 4];D2=[0];[A,B,C,D]=series(A1,B1,C1,D1,A2,B2,C2,D2) [A,B,C,D]=parallel (A1,B1,C1,D1,A2,B2,C2,D2) [A,B,C,D]=feedback (A1,B1,C1,D1,A2,B2,C2,D2) [A,B,C,D]=feedback (A1,B1,C1,D1,A2,B2,C2,D2,+1)输出:串联连接A =0 1 0 0-1 -3 1 30 0 0 10 0 -1 -2B =11C =1 4 0 0D =并联连接A =0 1 0 0-1 -2 0 00 0 0 10 0 -1 -3B =11C =1 3 1 4D =1单位负反馈连接A =0 1 0 0-1 -2 -1 -40 0 0 11 3 -2 -7B =11C =1 3 -1 -4D =1单位正反馈连接A =0 1 0 0-1 -2 1 40 0 0 11 3 0 1B =11C =1 3 1 4D =1源程序:A=[0,-2;1,-3];t=.2;F=expm(A*t) %转移矩阵B=[2;0];C=[0,3];D=[0];x0=[1,1];t=[0,.2];u=0*t;[y,x]=lsim(A,B,C,D,u,t,x0)输出:F =0.9671 -0.2968 0.1484 0.5219 y =3.0000 2.0110 x =1.0000 1.00000.6703 0.6703结论:t=0.2时,系统响应为6703.0)0()0(21==x x ,y (0.2)=2.0110源程序:A=[-3,1;1,-3]; B=[1,1;1,1]; C=[1,1;1,-1]; D=[0];Qc=ctrb(A,B) Qo=obsv(A,C) Rc=rank(Qc) Ro=rank(Qo)输出:Qc =1 1 -2 -21 1 -2 -2Qo =1 11 -1-2 -2-4 4Rc =1Ro =2结论:能控性矩阵和能观性矩阵的秩分别为1,2,又系统阶次是2,故系统是不可控的,是可观测的。

智能控制理论及应用大作业

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。

智能控制与自动化技术作业指导书

智能控制与自动化技术作业指导书

智能控制与自动化技术作业指导书第一章智能控制理论基础 (2)1.1 智能控制概述 (2)1.2 智能控制的基本方法 (3)第二章传感器技术与应用 (3)2.1 传感器概述 (3)2.2 常用传感器及其选型 (4)2.2.1 温度传感器 (4)2.2.2 压力传感器 (4)2.2.3 湿度传感器 (4)2.3 传感器信号处理 (4)第三章自动检测技术 (5)3.1 自动检测技术概述 (5)3.2 检测技术的基本原理 (5)3.3 检测系统的设计与应用 (5)3.3.1 检测系统设计 (5)3.3.2 检测系统应用 (6)第四章执行器技术 (6)4.1 执行器概述 (6)4.2 常用执行器及其选型 (6)4.2.1 电动执行器 (6)4.2.2 气动执行器 (7)4.2.3 液压执行器 (7)4.3 执行器控制系统 (7)第五章控制策略与应用 (7)5.1 控制策略概述 (7)5.2 经典控制策略 (7)5.3 现代控制策略 (8)第六章人工智能在自动化中的应用 (8)6.1 人工智能概述 (8)6.2 机器学习与神经网络 (9)6.2.1 机器学习 (9)6.2.2 神经网络 (9)6.3 深度学习与自然语言处理 (9)6.3.1 深度学习 (9)6.3.2 自然语言处理 (9)第七章工业控制系统 (9)7.1 工业控制系统概述 (10)7.2 工业控制系统的组成 (10)7.2.1 控制器 (10)7.2.2 执行机构 (10)7.2.3 检测仪表 (10)7.2.4 通信网络 (10)7.2.5 人机界面 (10)7.3 工业控制系统的应用 (10)7.3.1 制造业 (10)7.3.2 能源行业 (11)7.3.3 化工行业 (11)7.3.4 环保行业 (11)7.3.5 农业领域 (11)第八章控制系统 (11)8.1 控制系统概述 (11)8.2 控制技术 (12)8.3 编程与调试 (12)第九章自动化系统设计 (13)9.1 自动化系统设计概述 (13)9.2 自动化系统设计流程 (13)9.2.1 需求分析 (13)9.2.2 系统方案设计 (13)9.2.3 系统详细设计 (13)9.2.4 系统验收与交付 (13)9.3 自动化系统实例分析 (13)9.3.1 需求分析 (14)9.3.2 系统方案设计 (14)9.3.3 系统实施与验收 (14)第十章智能控制与自动化技术的未来发展 (14)10.1 智能控制与自动化技术发展趋势 (14)10.2 面临的挑战与机遇 (15)10.3 发展前景与展望 (15)第一章智能控制理论基础1.1 智能控制概述智能控制作为自动化技术的重要组成部分,旨在模拟人类智能,实现对复杂系统的有效控制。

智能控制大作业-遗传算法

智能控制大作业-遗传算法

智能控制大作业-遗传算法(总8页)--本页仅作为文档封面,使用时请直接删除即可----内页可以根据需求调整合适字体及大小--智能控制与应用实验报告遗传算法控制器设计一、 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.设计基于遗传算法的模糊控制器、神经网络控制器或PID 控制器(任选一)。

2.分析采用遗传算法前后的控制效果。

3.分析初始条件对寻优及对控制效果的影响。

4.分析系统在遗传算法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。

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下:function dy = robot(t, y, u) M = 0.5; m=1.0; l=1.0; g=9.8;dy = zeros(2,1);dy(1) = (u - 0.5*m*g*l*sin(y(2)))/M;dy(2) = y(1);三、基于遗传算法的PID控制器设计仿真的采样时间为0.01s,输入指令为阶跃信号。

采用实数编码方式,算法中使用的样本为20个,交叉概率和变异概率分别为P c=0.8,P m=0.2,选择遗传进化代数为30代。

PID控制参数取值范围分别为:Kp为[0,25],Ki为[0,20] ,Kd为[0,20]。

为获得满意的过渡过程动态特性,采用误差绝对值时间积分性能指标作为参数选择的最小目标函数。

同时,为了防止控制能量过大,在目标函数中加入控制输入的平方项,得到最优指标为:21230=(()())u J e t u t dt t ωωω∞++⎰,式中,()e t 为系统误差,()u t 为控制器输出,u t 为上升时间,123,,ωωω为权值。

智能控制导论大作业5

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。

  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)。

《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。

(3) 模糊推理:是模糊控制系统的核心。

根据模糊输入和模糊控制规则,获得模糊输出。

(4) 清晰化接口:由模糊推理得到的模糊输出值,只有其转化为精确控制量,才能施加于对象。

实行这种转化的方法叫做清晰化/去模糊化/模糊判决1.5.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 根据专家经验或过程控制知识生成控制规则 ② 根据过程的模糊模型生成控制规则 ③ 根据学习算法获取控制规则 注意问题:① 规则数量合理 ② 规则要具有一致性 ③ 完备性要好1.6.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,并简述其主要思想?答:函数关系: 各层函数之间是一个映射关系,这个映射是一个高度非线性的映射,网络从n 维欧式空间到m 维欧式空间的映射。

函数式: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,()n j ij i j j j i In w 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===-∑∑主要思想:通过一定的算法调整网络的权值,使网络的实际输出尽可能接近期望的输出。

基本结构图:1.7.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:基本特性:具有很强的学习能力和自适应能力,能够充分逼近任意复杂的非线性系统,能够学习和适应严重不确定系统的动态特性。

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的作用④在于其他智能控制方法和优化算法相融合中,为期提供对象模型,优化参数,推理模型及故障诊断等1.8.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?答:主要构成:递阶智能控制系统是由三个基本控制级构成的,其级联交互结构如图所示。

组织级代表控制系统的主导思想,并由人工智能起控制作用;协调级为一中间结构。

它作为组织级与执行级的界面把组织信息发送至执行级。

协调级的目标是把控制问题的实际公式与最有希望的完全的协调规划联系起来,此规划由组织级建立,并将实时执行所需要的工作任务;执行级是递阶智能控制的最底层,要求具有较高的精度但较低的智能;它按控制论进行控制,对相关过程执行适当的控制作用。

1.9.简述专家系统与专家控制的区别。

答:传统控制方法在处理复杂化和不确定性问题方面能力很低;智能控制在处理复杂性、不确定性方面能力较高。

智能控制系统的核心任务是控制具有复杂性和不确定性的系统,而控制的最有效途径就是采用仿人智能控制决策。

传统控制是基于被控对象精确模型的控制方式;智能控制的核心是基于知识进行智能决策,采用灵活机动的决策方式迫使控制朝着期望的目标逼近。

1.10.简述专家系统的基本构成。

答:专家系统通常是由中间数据库、推理机、解释机构、知识获取机构和知识库5个部分构成。

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:0.40.60.30.80.50.90.10.70.6R ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,0.80.30.70.20.40.50.00.80.1S ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦,0.40.50.80.20.60.20.60.00.30.90.10.7Q ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦0.40.20.60.70.30.30.40.70.30.80.80.50.60.90.50.80.60.90.1 1.00.70.20.60.9 1.00.70.9R S ∨∨∨⎡⎤⎡⎤⎢⎥⎢⎥⋃=∨∨∨=⎢⎥⎢⎥⎢⎥⎢⎥∨∨∨⎣⎦⎣⎦0.60.20.40.70.70.30.20.40.30.20.80.50.60.10.50.20.80.10.9 1.00.30.20.40.90.90.20.4R S ∧∧∧⎡⎤⎡⎤⎢⎥⎢⎥⋂=∧∧∧=⎢⎥⎢⎥⎢⎥⎢⎥∧∧∧⎣⎦⎣⎦0.20.40.30.60.50.20.80.40.40.40.3()0.20.80.10.40.80.4 1.0=0.40.80.40.80.90.20.40.70.10.90.30.60.50.40.8R 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[][]10.60.30.10A ==黑,[][]00.10.40.71B ==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:解:由于“很”是强化语气算子,因此[]211110.910.360123451000.30.810.5000.30.50.5000.30.810.1000.10.10.100000000000000.50.91111234500.50.911C C A B A A A C ==-=-⎡⎤⎡⎤⎡⎤⎣⎦⎣⎦⎣⎦=++++⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⨯=⨯=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦'=-=++++⎡⎤⎢⎥⎢⎥'⎢⎥⨯=⎢⎥⎢⎥⎢⎣⎦不很白很白白[]000000.50.50.50.360110.910.3600.90.90.90.360110.910.360110.910.360000.30.810.50.50.50.50.50.90.90.90.360.1110.910.360110.910.360R ⎡⎤⎢⎥⎢⎥⎢⎥⨯=⎢⎥⎢⎥⎥⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦故模糊关系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:[][][][]=10.4=0.10.71=0.30.510.10.710.10.40.40.10.710.10.40.40.10.10.10.10.70.30.50.710.30.51=0.30.510.10.10.10.10.40.30.40.0.4A B C D A B D DT D R DT C μμμ⎡⎤=⨯=⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥⎢⎥⎢⎥⨯=⨯=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦,,将写成列矢量,即关系矩阵40.30.40.4⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦2.4. 设有论域{}12345X Y ==,X ,Y 上的模糊子集“大”、“小”、“较小”分别表示为:00.10.40.71[]12345=++++大 10.70.40.10[]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:已知[10.70.400][000.40.71][10.60.40.20]x y x μμμ===(小)(大)(较小),由Mamdani 推理法得模糊关系矩阵:min000.40.71000.40.71000.40.40.40000000000R ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦[][]min 000.40.71000.40.7110.60.40.20000.40.71000.40.40.40000000000y y R μμ⎡⎤⎢⎥⎢⎥⎢⎥===⎢⎥⎢⎥⎢⎥⎣⎦(较大)(较小)000.40.71++++12345y μ=(较大)2.5.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 。

解:[][][]=10.40.1=0.80.50.2=0.50.60.70.80.50.20000.40.40.20.50.60.60.10.10.10.50.60.70.80.50.20000.8=()0.40.40.20.50.60.60.10.10.10.50.60.7A B C A B A C R D A C μμμ⎡⎤⎡⎤⎢⎥⎢⎥⨯=⨯=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥⋃⨯=⋃=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦,,,关系矩阵[][]1230.50.20.50.60.60.50.60.70.80.50.20.210.40.50.60.60.50.60.60.50.60.70.50.60.6D A R v v v ⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦⎡⎤⎢⎥'===⎢⎥⎢⎥⎣⎦++即D=2.6. 求模糊集合123450.50.610.70.3A u u u u u =++++的α截集()0.1,0.5,1ααα===。

相关文档
最新文档