計算機控制與仿真技術(shù)(第二版) 楊立 第9章 智能控制系統(tǒng)的設(shè)計與仿真

ID:40343576

大?。?011.50 KB

頁數(shù):35頁

時間:2019-07-31

計算機控制與仿真技術(shù)(第二版) 楊立 第9章 智能控制系統(tǒng)的設(shè)計與仿真_第1頁
計算機控制與仿真技術(shù)(第二版) 楊立 第9章 智能控制系統(tǒng)的設(shè)計與仿真_第2頁
計算機控制與仿真技術(shù)(第二版) 楊立 第9章 智能控制系統(tǒng)的設(shè)計與仿真_第3頁
計算機控制與仿真技術(shù)(第二版) 楊立 第9章 智能控制系統(tǒng)的設(shè)計與仿真_第4頁
計算機控制與仿真技術(shù)(第二版) 楊立 第9章 智能控制系統(tǒng)的設(shè)計與仿真_第5頁
資源描述:

《計算機控制與仿真技術(shù)(第二版) 楊立 第9章 智能控制系統(tǒng)的設(shè)計與仿真》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、通過本章學(xué)習(xí),應(yīng)該掌握以下內(nèi)容:第9章智能控制系統(tǒng)設(shè)計與仿真了解智能控制的基本知識掌握模糊控制系統(tǒng)的設(shè)計與仿真方法掌握神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的設(shè)計與仿真方法1智能控制不同于經(jīng)典控制理論和現(xiàn)代控制理論,它將傳統(tǒng)控制理論的分析和理解的洞察力與人工智能靈活地結(jié)合,是傳統(tǒng)控制理論的發(fā)展。智能控制是定性決策和定量控制相結(jié)合的多模態(tài)組合控制,能對復(fù)雜系統(tǒng)進行有效的全局控制,具有較強的容錯能力;同時,智能控制具有以知識表示的非數(shù)學(xué)廣義模型和以數(shù)學(xué)模型表示的混合控制過程,人的知識在控制中起著重要的協(xié)調(diào)作用,系統(tǒng)在信息處理上既有數(shù)學(xué)

2、運算,又有邏輯和知識的推理。9.1智能控制系統(tǒng)概述29.2模糊控制系統(tǒng)設(shè)計與仿真9.2.1模糊控制系統(tǒng)概述1.模糊控制的產(chǎn)生模糊集合與模糊控制是美國學(xué)者加利福尼亞大學(xué)教授L.A.Zadeh于1965年首先提出的,至今僅40余年的時間。它是以模糊數(shù)學(xué)為基礎(chǔ),用語言規(guī)則表示方法和先進的計算機技術(shù),由模糊推理進行判決的一種高級控制策略。32.模糊邏輯的基本原理(1)模糊集合及其隸屬函數(shù)所謂集合是指具有某種特定屬性的對象的全體。模糊集合中的元素屬于該集合的程度,可在0~1之間連續(xù)變化,并以“隸屬度”來表示。模糊集合的

3、特征函數(shù)稱為該集合的“隸屬函數(shù)”。4(2)精確量的模糊化方法精確輸入量的模糊化方法如下:首先,根據(jù)系統(tǒng)的實際輸入值與設(shè)定值相比較的偏差值以及偏差的變化率來決定系統(tǒng)的精確輸入值;然后,把精確的輸入量轉(zhuǎn)換成模糊集合的隸屬函數(shù),并在選定區(qū)間內(nèi)對連續(xù)量進行離散化。5(3)模糊控制規(guī)則的形成根據(jù)有經(jīng)驗的操作人員或?qū)<业闹R和經(jīng)驗,制定出若干個模糊邏輯控制規(guī)則,并加以形式化數(shù)字處理后,存入計算機,就可得到模糊控制規(guī)則。根據(jù)模糊集合和模糊關(guān)系理論,對于不同的模糊規(guī)則,可以用不同的模糊推理方法。(4)解模糊方法從經(jīng)過模糊推理

4、得到的模糊集合中,取出一個相對最能代表這個模糊集合的單值的過程,稱作解模糊。63.模糊控制系統(tǒng)基本結(jié)構(gòu)74.模糊控制器的設(shè)計模糊控制器的設(shè)計步驟如下:(1)選擇合理的模糊控制器結(jié)構(gòu)(2)確定模糊控制規(guī)則①選定描述控制器輸入和輸出變量的語言詞匯②確定模糊集③確定模糊控制表(3)確定模糊化和解模糊策略,制定控制表(4)確定模糊控制器的參數(shù)89.2.2模糊邏輯工具箱及其應(yīng)用1.GUI工具(1)模糊推理系統(tǒng)編輯器(FISEditor)9(3)模糊規(guī)則編輯器(RuleEditor)10(4)模糊規(guī)則觀察器(RuleVi

5、ewer)11(5)輸出曲面觀察器(SurfaceViewer)122.命令行工作方式用戶除可以利用GUI工具建立模糊控制系統(tǒng)外,還可以通過命令行工作方式來使用模糊邏輯工具箱。133.模糊控制器與Simulink的連接將模糊系統(tǒng)嵌入Simulink中的步驟如下:(1)載入模糊推理系統(tǒng)(2)打開Simulink模型新建一個Simulink仿真模型,將FuzzyLogicController或FuzzyLogicControllerwithRuleviewer模塊拖到模型中。雙擊其圖標(biāo),出現(xiàn)圖9-10所示的對話框

6、。在FISFiletostructure文本框中輸入模糊推理系統(tǒng)的名稱,單擊“OK”按鈕,則將工作區(qū)中的FIS結(jié)構(gòu)與模糊控制器連接起來。149.3神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)設(shè)計與仿真9.4.1神經(jīng)網(wǎng)絡(luò)概述1.神經(jīng)網(wǎng)絡(luò)的產(chǎn)生與發(fā)展人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,簡稱ANN)是由大量簡單的處理單元組成的非線性、自適應(yīng)、自組織系統(tǒng),它是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上,試圖通過模擬人類神經(jīng)系統(tǒng)對信息進行加工、記憶和處理的方式,設(shè)計出一種具有人腦風(fēng)格的信息處理系統(tǒng)。152.神經(jīng)網(wǎng)絡(luò)的特點神經(jīng)網(wǎng)絡(luò)是由

7、大量的神經(jīng)元廣泛互連而成的系統(tǒng),它的這一結(jié)構(gòu)特點決定著神經(jīng)網(wǎng)絡(luò)具有高速信息處理的能力。由于神經(jīng)網(wǎng)絡(luò)中神經(jīng)元個數(shù)眾多以及整個網(wǎng)絡(luò)存儲信息容量的巨大,使得它具有很強的不確定性信息處理能力。即使輸入信息不完全、不準(zhǔn)確或模糊不清,神經(jīng)網(wǎng)絡(luò)仍然能夠聯(lián)想存在于記憶中的事物的完整圖像163.神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則①有導(dǎo)師學(xué)習(xí)有導(dǎo)師學(xué)習(xí)不但需要學(xué)習(xí)用的輸入事例(也稱訓(xùn)練樣本,通常為一矢量),同時還需要與之對應(yīng)的表示所需期望輸出的目標(biāo)矢量。進行學(xué)習(xí)時,首先計算一個輸入矢量的網(wǎng)絡(luò)輸出,然后和相應(yīng)的目標(biāo)輸出比較,比較結(jié)果的誤差用來按規(guī)

8、定的算法改變加權(quán)。17②無導(dǎo)師學(xué)習(xí)無導(dǎo)師學(xué)習(xí)不要求有目標(biāo)矢量,網(wǎng)絡(luò)通過自身的“經(jīng)歷”來學(xué)會某種功能,在學(xué)習(xí)時,關(guān)鍵不在于網(wǎng)絡(luò)實際輸出怎樣與外部的期望輸出相一致,而在于調(diào)整權(quán)重以反映學(xué)習(xí)樣本的分布,因此,整個訓(xùn)練過程實質(zhì)是抽取訓(xùn)練樣本集的統(tǒng)計特性。189.3.2BP神經(jīng)網(wǎng)絡(luò)1.BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)192.BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法反向傳播法的基本思路:從實際輸出與標(biāo)準(zhǔn)輸出之間的方差出發(fā),沿網(wǎng)絡(luò)內(nèi)信號傳輸?shù)南?/p>

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。
关闭