智能控制导论12
智能控制整理

第一章:1、传统控制方法包括经典控制和现代控制,是基于被控对象精确模型的控制方式,缺乏灵活性和应变能力,适于解决线性、时不变性等相对简单的控制。
2、智能控制的研究对象具备以下的一些特点:不确定性的模型、高度的非线性、复杂的任务要求。
3、IC(智能控制)=AC(自动控制)∩AI(人工智能) ∩OR(运筹学)4、AC:描述系统的动力学特征,是一种动态反馈。
AI :是一个用来模拟人思维的知识处理系统,具有记忆、学习、信息处理、形式语言、启发推理等功能。
OR:是一种定量优化方法,如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。
5、智能控制:即设计一个控制器,使之具有学习、抽象、推理、决策等功能,并能根据环境信息的变化作出适应性,从而实现由人来完成的任务。
6、智能控制的几个重要分支为模糊控制、神经网络控制和遗传算法。
7、智能控制的特点:1,学习功能2,适应功能3,自组织功能4,优化功能8、智能控制的研究工具:1,符号推理与数值计算的结合2,模糊集理论3,神经网络理论4,遗传算法5,离散事件与连续时间系统的结合。
9、智能控制的应用领域,例如智能机器人控制、计算机集成制造系统、工业过程控制、航空航天控制和交通运输系统等。
第二章:10、专家系统:是一类包含知识和推理的智能计算机程序,其内部包含某领域专家水平的知识和经验,具有解决专门问题的能力。
11、专家系统的构成:由知识库和推理机(知识库由数据库和规则库两部分构成)12、专家系统的建立:1,知识库2,推理机3,知识的表示4,专家系统开发语言5,专家系统建立步骤。
13、专家控制:是智能控制的一个重要分支,又称专家智能控制。
所谓专家控制,是将专家系统的理论和技术同控制理论、方法与技术相结合,在未知环境下,仿效专家的经验,实现对系统的控制。
14、专家控制的基本结构:15、专家控制与专家系统的区别:1,专家控制能完成专门领域的功能,辅助用户决策;专家控制能进行独立的、实时的自动决策。
智能控制_绪论

机械结构力学及控制国家重点实验室
16
1.1 智能控制技术概述
1.1.1 智能控制技术出现的背景(插叙)
谷歌自动驾驶汽车的技术难度
☆ 传感器技术
传感器技术的进步促成了无人驾驶的实现
SICK公司激光雷达, 误差在毫米级别
机械结构力学及控制国家重点实验室
17
1.1 智能控制技术概述
1.1.1 智能控制技术出现的背景(插叙)
机械结构力学及控制国家重点实验室
8
1.1 智能控制技术概述
1.1.1 智能控制技术出现的背景
最早的控制系统:蒸汽机调速装置
蒸汽机转速Ω变快 滑块H升高 阀门V减小 进气量变小 蒸汽机转速Ω变慢
詹姆斯·克拉克·麦克斯韦:《论调节器》(控制理论的开山之作) 爱德华·约翰·饶斯:饶斯稳定判据
机械结构力学及控制国家重点实验室
数学模型:状态方程 分析综合:极大值原理、动态规划、卡尔曼滤波与估计等 典型方法:最优控制(二次最优、H控制等、系统辨识与估计、自适应控制等)
机械结构力学及控制国家重点实验室
13
1.1 智能控制技术概述
1.1.1 智能控制技术出现的背景
如何处理无法(很难)建模的控制系统?
汽车的无人(自动)驾驶技术
1971年,傅京逊教授首先提出智能控制(IC)是人工智能(AI) 和自动控制(AC)交互作用的结果,即二元论,IC=AC∩AI
AI
IC AC
机械结构力学及控制国家重点实验室
24
1.1 智能控制技术概述
1.1.4 智能控制的结构理论
AI
IC AC
人工智能(AI):是一个用来模拟人思维的知识处理系统,具有记忆、 学习、信息处理、形式语言、启发推理等功能。
智能控制教学大纲2024

智能控制教学大纲2024智能控制教学大纲2024一、课程概述智能控制是一门涉及机械、电子、计算机等多学科交叉的综合性课程。
本课程主要介绍智能控制的基本理论和应用技术,让学生掌握智能控制系统的建模、设计与应用方法。
二、教学目标1.掌握智能控制的基本概念和基本理论2.熟悉智能控制系统的建模与仿真方法3.理解不同类型的智能控制算法及其应用4.能够设计和实现智能控制系统,并进行实验和测试三、教学内容1.智能控制的基本概念和基本理论(4学时)a.智能控制的定义和特点b.智能控制的主要应用领域和方法c.智能控制系统的基本结构和工作原理d.智能控制的性能评价指标2.智能控制系统的建模与仿真(8学时)a.系统建模的基本原理和方法b.线性系统建模与仿真c.非线性系统建模与仿真d. 基于MATLAB/Simulink的系统建模与仿真实践3.智能控制算法及其应用(12学时)a.模糊控制算法及其应用b.遗传算法及其应用c.神经网络控制算法及其应用d.人工免疫系统算法及其应用e.基于智能算法的自适应控制4.智能控制系统设计与实现(10学时)a.智能控制系统设计的基本方法和流程b.智能控制系统硬件平台的选择与搭建c.智能控制系统软件平台的选择与搭建d.智能控制系统的集成与测试e.实验室实践项目的设计与实施四、教学方法1.理论教学与实践相结合,通过理论课程和实验课程相结合的方式,使学生既能够理解智能控制的基本原理和方法,又能够将其应用于实际问题的解决。
2.以项目为导向,通过实践项目的设计与实施过程,培养学生的实际动手能力和解决问题的能力。
3.采用案例讲解,引导学生从实际应用案例出发,理解智能控制方法在实际问题中的应用。
五、考核方式1.平时成绩评定(40%):包括课堂表现、作业完成情况等。
2.实验报告评定(30%):学生完成实验项目并撰写实验报告,评定其实验设计和实施的能力。
3.期末考试成绩评定(30%):考察学生对课程内容的理解和应用能力。
智能控制学习指南

智能控制学习指南1. 引言智能控制是一门涉及计算机科学、控制工程和人工智能的领域,广泛应用于各个行业和领域中。
本文将为您提供一份智能控制学习的指南,为您掌握智能控制的基础知识和学习方法提供帮助。
2. 智能控制简介智能控制是一种通过计算机和人工智能技术来实现对系统或设备的自主、智能化控制的方法。
它能够通过学习和优化算法不断提高系统的性能和适应性。
3. 智能控制的基本原理智能控制基于控制工程的基本原理,同时融入了机器学习、模式识别和优化算法等人工智能技术。
智能控制系统通常由感知模块、决策模块和执行模块组成。
4. 智能控制的关键技术4.1 机器学习机器学习是智能控制的核心技术之一。
通过机器学习算法,系统可以从大量的数据中学习到模式和规律,并根据学习到的知识做出决策和优化。
4.2 模糊逻辑控制模糊逻辑控制是一种基于模糊数学的控制方法,它能够处理模糊的、不确定的系统和输入输出关系,提高控制系统的适应性和鲁棒性。
4.3 遗传算法遗传算法是一种模拟自然进化过程的优化算法。
智能控制系统可以通过遗传算法来搜索最优控制策略,以达到系统优化的目的。
5. 智能控制学习资源推荐5.1 书籍推荐- "智能控制导论":介绍了智能控制的基本原理和应用。
- "模糊控制与应用":详细介绍了模糊逻辑控制的理论和实践。
- "遗传算法及其应用":深入介绍了遗传算法的原理和应用。
5.2 在线课程- Coursera:提供了一系列与智能控制相关的在线课程,例如《智能控制导论》。
- edX:提供了多门与智能控制相关的免费课程,例如《机器学习基础》。
6. 学习路径推荐6.1 学习基础知识首先,您需要学习掌握智能控制的基本原理和相关的数学基础,包括控制工程、线性代数和概率论等。
6.2 学习核心技术在掌握基础知识后,您可以深入学习智能控制的核心技术,例如机器学习、模糊逻辑控制和遗传算法等。
智能控制导论复习资料 5-7章

智能控制导论复习资料第5章神经控制一、填空题1.神经网络主要通过两种学习算法进行训练,即和无师学习算法。
2.神经网络自适应控制和常规自适应控制一样,也分为两类,即和模型参考自适应控制。
3.神经网络的结构是由及其互联方法决定的。
4. 神经网络主要通过两种学习算法进行训练,即导师学习算法和。
5.人工神经网络的结构基本上可分为两类,即和前馈网络。
二、单项选择题1. 在递归网络中,多个神经元互联以组织一个互连神经网络,有些神经元的输出被反馈至()神经元。
因此,信号能够从正向和反向流通。
①同层;②同层或前层;③前层;④输出层2. 前馈网络具有递阶分层结构,由一些同层神经元间不存在互联的层级组成。
从输入层至()的信号通过单向连接流通;神经元从一层连接至下一层,不存在同层神经元间的连接。
①输出层;②隐层;③输入层;④下一层3. 人工神经网络由神经元模型构成;这种由许多神经元组成的信息处理网络具有( )结构。
每个神经元具有()输出,并且能够与其他神经元连接;存在许多输出连接方法,每种连接方法对应()连接权系数。
①并行分布许多一个;②串行分布单一一个;③并行分布单一一个;④串行分布许多一个4. ( ) 具有递阶分层结构,由一些同层神经元间不存在互联的层级组成。
从输入层至输出层的信号通过单向连接流通;神经元从一层连接至下一层,不存在同层神经元间的连接。
①反馈网络②前馈网络③动态网络④递归网络5. 人工神经网络由神经元模型构成;这种由许多神经元组成的信息处理网络具有( )结构。
每个神经元具有()输出,并且能够与其他神经元连接;存在许多输出连接方法,每种连接方法对应()连接权系数。
①并行分布许多一个②串行分布单一一个③并行分布单一一个④串行分布许多一个6. 多个神经元互连以组织一个互连神经网络,有些神经元的输出被反馈到同层或前层神经元,信号可以从正向和反向流通。
该网络称为()。
①学习矢量量化网络②前馈网络③动态网络④递归网络7. 下列哪一种( )属于前馈网络?①反馈网络②递归网络③动态网络④学习矢量量化网络8. 下列哪一种属于反馈网络?()①学习矢量量化网络②感知器③小脑模型连接控制网络④Hopfield网络9. 下列哪一种不属于反馈网络?()①Elmman网络②感知器③Jordan网络④Hopfield网络三、多项选择题1.人工神经网络的结构基本上分为两类,即()。
(完整版)智能控制习题参考答案

1.递阶智能控制系统的主要结构特点有哪些。
答:递阶智能控制是在研究早期学习控制系统的基础上,从工程控制论角度总结人工智能与自适应控制、自学习控制和自组织控制的关系后逐渐形成的。
递阶智能控制系统是由三个基本控制级(组织级、协调级、执行级)构成的。
如下所示:1. 组织级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。
根据贮存在长期存储交换单元内的本原数据集合,组织器能够组织绝对动作、一般任务和规则的序列。
其结构如下:2.协调级协调级是组织级和执行级间的接口,承上启下,并由人工智能和运筹学共同作用。
协调级借助于产生一个适当的子任务序列来执行原指令,处理实时信息。
它是由不同的协调器组成,每个协调器由计算机来实现。
下图是一个协调级结构的候选框图。
该结构在横向上能够通过分配器实现各协调器之间的数据共享。
3. 执行级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。
其结构模型如下:2.信息特征,获取方式,分层方式有哪些?答:一、信息的特征1,空间性:空间星系的主要特征是确定和不确定的(模糊)、全空间和子空间、同步和非同步、同类型和不同类型、数字的和非数字的信息,比传统系统更为复杂的多源多维信息。
2,复杂性:复杂生产制造过程的信息往往是一类具有大滞后、多模态、时变性、强干扰性等特性的复杂被控对象,要求系统具有下层的实时性和上层的多因素综合判断决策能力,以保证现场设备局部的稳定运行和在复杂多变的各种不确定因素存在的动态环境下,获得整个系统的综合指标最优。
3,污染性:复杂生产制造过程的信息都会受到污染,但在不同层次的信息受干扰程度不同,层次较低的信号受污染程度较大。
二、获取方式信息主要是通过传感器获得,但经过传感器后要经过一定的处理来得到有效的信息,具体处理方法如下:1,选取特征变量可分为选择特征变量和抽取特征变量。
选择特征变量直接从采集样本的全体原始工艺参数中选择一部分作为特征变量。
第1章 智能控制绪论
School of Electrical Engineering and Automation , HPU
智能控制的多元论
随着研究对象规模的进一步扩大,大系统智能 控制、分级递阶智能控制、分布式问题求解等方法 不断产生,而认知心理学、神经网络技术、进化论、 遗传算法、混沌论等更是从更高层次上研究智能控 制,从而形成了智能控制的多元论。
Data, Information, Knowledge, Intelligence
Knowledge
Information Data
School of Electrical Engineering and Automation , HPU
Intelligence
所谓智能控制,即设计一个控制器或系统,使之
通风量不足
增大通风量
Data 房间温度
32℃
理想温度 23℃
School of Electrical Engineering and Automation , HPU
Data, Information, Knowledge, Intelligence
Item
Definition
Data Individual measurements from sensors
Intelligent Control
智能控制
什么是自动控制?
是能按规定程序对机器或装置进行自动操作或 控制的过程。简单地说,不需要人工干预的控制就 是自动控制。 例如:一个装置能够自动接收检测到的过程物理变量,自
动进行计算,然后对过程进行自动调节就是自动控制装置。
反馈控制、最优控制、随机控制、自适应控制、学 习控制、模糊控制和进化控制等均属自动控制。
智能控制的三元论
智能控制概论
!?
低级智能: 感知环境、 作出决策、 控制行为
高级智能:理解和觉察能力,在复杂和险恶环境环境中进行 选择的能力,力求生存和进步。
成功和系统的最终目标是由智能系统的外界确定。
◆ 按人类的认知的过程定义(A.Meystel)
语言、声音等信息。
为了克服传统控制理论的局限性,产生了模拟人 类思维和活动的智能控制。
聪明
英明
3. 智能控制的组成、定义与研究内容 智能控制(IC)是自动控制(AC)和人工智能(AI)
的交集。即:
IC AC AI
AC IC AI
强调智能和控制的结合。
考虑更高层次上的调度、规划和管理,应把运筹学(OR)
自主与智能:自主的设定和达到目标是智能控制系统的
重要特征。如果一个系统能够在长期内对不确定的环
境作出合适的响应而不需要外界干预,这个系统就是高
度自主的。
智能控制发展的两个方向:1) 人机结合的智能控制;
(吴宏鑫讲座)
2) 智能自主控制
2. 按人类的认知的过程定义 智能控制是一种计算上的有效过程,在非完整的指标下,
• 开环与闭环 • 大系统与小系统 • 最优与满意 • 精确与模糊 • 可靠与成本 • 理论与实践 • 理想与现实 • 机器与人
•科学与技术 •有意义与高精度 •嵌入式与网络化 •万金油与专业技能 •经典与现代 •模拟与离散 •先进性与可靠性 •计算机仿真与物理实验
…….
智能控制概论
自动控制(自动化)是一门交叉学科
智能控制的分类基于规则的智能控制系统模糊控制系统2基于连接的智能控制系统神经元网络控制系统3混合智能控制系统模糊神经网络智能控制系统4基于行为的智能控制系统由多传感器组成的各种机器人二模糊集合模糊概念天气冷热雨的大小风的强弱人的胖瘦年龄大小个子高低常用术语1模糊集合模糊集合和隶属函数精确集合非此即彼
智能控制技术
xU x
其中:积分号不是高等数学中的积分意义,也不是求和号, 而是表示各个元素与隶属度对应的一个总括形式。
当然,给出隶属函数的解析式子也能表示出一个模糊集。
三 模糊集合的运算
由于模糊集和它的隶属函数一一对应,所以 模糊集的运算也通过隶属函数的运算来刻划。
⑴ 空集。模糊集合的空集是指对所有元素x,它 的隶属函数为0,记作,即
合。由此可见模糊集合是普通集合概念的推广,而普通集 合则是模糊集合的特殊情况。
1.有限论域
若论域U,且论 糊集合A可表示为:
域
U={x1,x2,…,xn},
则
U上
的
模
A n
=
A (xi )
~
= A (x1 ) A (x2 ) ...... A (xn )
i1 xi
x1
第六章 智能控制技术
6.1 智能控制概述 6.2 模糊控制技术 6.3 神经网络控制技术
智能控制的基本概念
智能控制已经出现了相当长的一段时间, 并且已取得了初步的应用成果.但是究竟什么是 “智能”,什么是“智能控制”等问题,至今仍 没有统一的定义。归纳起来,主要有如下四种说 法:
智能控制的基本概念
一 模糊集合
• 在人类的思维中,有许多模糊的概念,如大、 小、冷、热等,都没有明确的内涵和外延,只能 用模糊集合来描述;有的概念具有清晰的内涵和 外延,如男人和女人。我们把前者叫做模糊集合,
用大写字母下添加波浪线表示,如A表示模糊集合,
而后者叫做普通集合(或经典集合)。
• 一般而言,在不同程度上具有某种特定属性的 所有元素的总合叫做模糊集合。
1
(3)
智能控制的基本概念
• 定义三: 智能控制是一类无需人的干预就能够自主 地驱动智能机器实现其目标的自动控制,也是用 计算机模拟人类智能的一个重要领域。
智能控制概论讲解
精品资料
2. 传统(chuántǒng)控制理论的局限性
随着复杂系统的不断涌现,传统控制理论(lǐlùn)越来越多 地显示它的局限性。
什么叫复杂系统?其特征表现为:
1. 控制对象的复杂性 模型的不确定性;
高度非线性;
分布式的传感器和执行机构; 动态突变; 复杂的信息模式。
13
精品资料
2. 环境的复杂性 变化的不确定性; 难以辨识; 传统控制中,只考虑控制器与对象,忽略环境
1987年1月,在美国费城由IEEE控制系统学会与计算
机学会联合召开了智能控制国际会议。这是智能控制的第
一次国际会议,显示出智能控制的长足进展;同时也说明
了:由于许多新技术问题的出现以及相关理论与技术的发
展,需要重新考虑控制领域及其邻近学科。这次会议及其
后续相关事件表明,智能控制作为一门独立学科已正式在27
28
精品资料
7. 智能控制研究的主要内容
● 智能控制系统基本结构和机理的研究 ● 混合系统的建模和控制
● 基于模糊集合、神经元网络、遗传算法、进化(jìnhuà)算法等 智能控制器的开发和研究。
● 智能(zhì nénɡ)计算和软计算的开发和研究
● 自组织、自学习的结构和方法的研究 ● 基于多代理(Multi-agent)智能控制系统的开发和研究
15
精品资料
自适应控制、鲁棒控制不能克服数学模型严重的不 确定性和工作点剧烈的变化。
(3) 传统的控制系统输入信息模式单一 通常处理(chǔlǐ)较简单的物理量:
电量(电压、电流、阻抗); 机械量(位移、速度、加速度);
复杂系统要考虑:视觉、听觉、触觉信号,包 括图形、文字、语言、声音等信息。
- 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)。
7、为什么需要多输入多规则推理?如何推理?
1)问题提出 对于一个控制系统而言,一条模糊控制规则是不能满 足控制要求的,通常要有一系列的控制规则来构成一 个完整的控制系统,再如电阻炉温度控制系统就有21 条规则,这时如何求涵盖21条规则的关系矩阵呢? 如:if A1 and B1 … then C1 if A2 and B2 … then C2 … if An and Bn … then Cn
同理可求R2/R3/R4/R5
0 0 0 0 0.5 1 0 0 0 0 0.5 0.5 0.5 0 0 0 0.5 0.5 1 0.5 0 R 1 R1 R2 R3 R4 R5 0 0 0.5 1 0.5 0 0 0 0.5 1 0.5 0.5 0 0 0.5 0.5 0.5 0 0 0 0 1 0 . 5 0 0 0 0 0
即确定各模糊子集的在各量化档次的隶属函数值。
模糊变量(E,U)赋值表
6、求模糊关系矩阵R R=(NBe×PBu)∪(NSe×PSu)∪(0e×0u)∪(PSe×NSu) ∪(PBe×NBu)
R 1 ( NBe PBu) (1 0.5 0 0 0 0 0) T (0 0 0 0 0 0.5 1) 0 0 0 0 0 0 0 0 0 0 0 0.5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0.5 0.5 0 0 0 0 0 0 0 0 0 0
第四章 模糊自动控制原理
所谓模糊自动控制就是以模糊集合论,模糊语言变量 及模糊逻辑推理为基础的一种计算机数字控制,是一 种非线性控制属于智能控制的范畴。 所以没有模糊数学,就不会有模糊控制,没有计算机, 模糊控制也无法实现。 §4-1 模糊控制系统组成 一、基本控制思想 总结人的手动控制经验,用语言加以描述形成控制规 则,通过模糊推理与合成,求解控制输出,并运用微 机给予程序实现,达到控制对象的目的。例如冶金企 业的加热炉。
3、什么是近似推理? 推理的结论不是从前提中严格推导得来,而是按近似 逻辑得出的结论,称之为近似推理(似然推理)。 例:大前提:如果温度低,则控制电压高 小前提:温度很低 结论:控制电压很高 4、如何用近似推理求结论? 大前提:如果有A,则有B 小前提:如果有A′ 结论: B' A'( A B)
思考题
以电阻炉的控制为例 ,系统误差作为语言变量X ; U=[-6℃, +6℃] ,偏差的范围; T(x)就是与误差相关的语言值集合。T(x)=正大+正中 +正小+零+负小+负中+负大,语言值的多少视控制目 标与要求而定。 G,语法规则,就是平时我们所讲的逻辑推理规则, 对经验的总结,常用if…then…表达出来。 M,语义规则,即与每个语言变量相联系的算法规则, 也就是符合这语言变量的变量值(隶属度函数值)如 何取,如何计算。对应论域中的自变量,语言变量的 值(语言值)如何取。如正大,温度为0,函数值; 温度为100,函数值(按怎样曲线算值)。事实上就 是语言变量如何取值。
运算方法 扎登推理法 扎登教授将大前提两命题之间的关系看作是蕴涵关 系,则:是A就是B,不是A就不是B。
( A B) A B ( A B) (1 A)
若用Rzd表示模糊关系矩阵,则 Rzd=[μRzd(x,y)]n×m,其中
Rzd [ A ( x) B ( y)] [1 A ( x)]
R ( x, y, z) [ A ( x) B ( y)] C ( z)
3)求取方法 a) 先求D=A×B (前行后列)
令
d xy A ( x) B ( y)
d 11 d1n AT B D d m1 d mn
模糊输出B'= A'∙Rmin
5、如何运用模糊条件推理求结论?
语言规则:若A则B否则C 逻辑表达式: ( A B) ( A C C)
R ( x, y) ( A B ) [(1 A ) C ]
请根据以上已知条件设计模糊控制器。
1、确定输入/出变量 e=PV-SP,输入变量 触发电压,输出变量(控制量) 2、入/出变量模糊语言描述 即确定入/出变量语言值的模糊子集T(x) {负大,负小,0,正小,正大}, 符号:{NB,NS,0,PS,PB} 3、定义论域 设连续e=[-6℃,+6℃],模糊论域E={-3,-2,1,0,1,2,3} u=[0,5V],模糊论域U={-3,-2,-1,0,1,2,3},需指出 论域元素的多少由工艺要求控制精度的高低而定。
若输入为A',则输出B'为:B'= A'∙R
6、为什么要有多输入模糊推理?如何进行多输入模糊 推理? 1)问题提出 形如加热炉控制系统,当控制精度要求较高时,不仅要 控制炉温偏差,而且要控制偏差的变化率,这是模糊控 制器就有两个输入,其规则要依据两个输入的状态而定, 就要用到多输入推理。
2)推理的表达形式 大前提:若A且B则C 前提:若现在输入A'与B' 结论:C'=( A' and B')▫[( A and B)→C] 若用模糊矩阵表示三者的模糊关系,则 R=A×B×C
手动控制时用可控硅调压器控制电压,通过手动调节
电位器改变,当温度低于设定值时,调节电位器使控
制电压u增加→交流电压u增加→发热量增加→温度增
加,反之则调节方向取反。
人工操作经验: 若炉温低于600℃,则升压,低得越多升压越高 若炉温等于600℃,保持电压不变 若炉温高于600℃,则降压,高得越多降压越低
课程名称:智能控制导论
1、什么是模糊语言变量? 1)定义 以自然或人工语言中模糊概念的词或句作为变量,而不 是以数值作为变量,如偏高,偏低,速度快,速度慢等 均是语言变量。 2)构成 一个模糊语言变量可有一个五元体构成:( X, T(x), U, G, M) 其中:X— 语言变量的名称,温度,压力,流量,偏差, 误差,速度 T(x) — 语言变量语言值名称的集合 U — 论域 G — 语法规则 M — 语义规则
b) 将D写成列矢量,DT=[d11…d1n…dm1…dmn]T拉直转置 c) 求关系矩阵R R=DT×C d) 求已知输入A'、B'的模糊关系(相当于模糊关系输 入),D'=A'×B'
e) 将D'写成行向量DT'
f) 求模糊输出C'=DT'▫R‘ 例:若A=(1,0.5) and B=(0.1,0.5,1),则C=(0.2,1) 已知A'=(0.8,0.1) and B'=(0.5,0.2,0),求C'
语义规则决定了语言值的取值,如“零”的取值为: (0,0,0,0,0.5,1,0.5,0,0,0,0)
2、什么是模糊推理?
1)定义 也叫模糊逻辑推理,是不确定性推理的一种方法,是以模糊判 断为前提,运用模糊语言规则,推出一个新的模糊判断结论的 方法。如“若晴天则暖和”,就是一种模糊推理。 (与门如 果全为1,则输出1) 2)表示方法
再通过清晰化处理变成连续输出量u,从而对被控对象实施控 制。
二、控制算法的设计步骤 采集现场数据,计算输入变量e 输入变量模糊化为E 求取模糊关系R 根据模糊推理,计算控制输出U=E◦R 清晰化处理,U→u
§4-3
单入单出温控系统实例
例:某电阻炉用于对金属零件的热处理,工艺要求续 保持炉温600℃恒定不变。由于炉温受被处理零件的 多少,体积大小以及电网电压波动等因素的影响,易 产生波动,要求设计一个模糊自动控制系统取代手动 控制。
由此可求输出:B'= A'∙Rzd
玛达尼(Mamdani)推理法 把大前提中两命题之间的关系看成是两个模糊集合之 间的模糊关系,利用模糊关系的求取方法进行推理 合成。 A→B=A×B 若令Rmin表示A与B之间的模糊关系(序偶 对集合),则:
Rmin= ( rij )n×m
rij R min ( xi , yi ) [ A ( xi ) B ( y j )]
§4-2 模糊控制的基本工作原理 一、基本工作原理
模糊控制的核心是模糊控制器,它有模糊化单元、模糊控制规 则库、模糊推理、清晰化等环节组成。从对象来的信号经检测 变送后送A/D板经采样,存入计算机内,计算机将此值与设定 值SP比较后,得到模拟偏差e,经模糊化单元,将连续e变为模 糊化E,利用控制规则计算模糊关系矩阵R,运用模糊推理求得 模糊控制输出U,U=E◦R
一般用三段论表示方法,即从两个判断得到第三个判断的一种 推理方法。其中第一个判断提供了一般的原理原则,称其为大 前提;第二个判断指出了一个特殊场合情况,叫小前提,联合 这两个判断,说明一般原则和特殊情况的联系,从而得到第三 个判断,也称之为结论,例:
大前提:腿长则跑得快
小前提:小王腿很长
结论:小王跑得快
4、控制规则描述 (1) 若e负大,则u正大,→if e=NB then U=PB (2) 若e负小,则u正小,→if e=NS then U=PS (3) 若e为零,则u为零,→if e=0 then U=0 (4) 若e正小,则u负小,→if e=PS then U=NS (5) 若e正大,则u负大,→if e=PB then U=NB 5、定义语义规则
这时如何进行推理运算呢?多输入多规则推理方法就 是为解决这个问题而提出来的。
2)表达形式 为便于表达,以二输入多规则为例 大前提:如果A1且B1,则C1 否则如果A2且B2,则C2 … 否则如果An且Bn,则Cn 小前提:如果输入A'且B' 结论:C‵=?
3)求取方法
求模糊控制输出关键是求模糊关系矩阵,多输入多规则模糊关 系阵如何求取呢?步骤如下 a)求各规则的模糊关系矩阵 根据多输入推理方法: R1=A1×B1×C1 R2=A2×B2×C2 … Rn=An×Bn×Cn b)将各模糊关系子矩阵进行合成:根据模糊条件推理“若A则B 否则C”,“否则”就意味着取“并”,因此合成后的模糊关 系就是各模糊关系阵取“并”,即 R=R1∪R2∪R3…∪Rn c)求A'×B' d)控制输出C'=(A'×B')▫R