智能控制课后习题.doc
《智能控制课后习题.doc》由会员分享,可在线阅读,更多相关《智能控制课后习题.doc(20页珍藏版)》请在冰点文库上搜索。
![智能控制课后习题.doc](https://file1.bingdoc.com/fileroot1/2023-4/30/5f111d22-cf69-4798-a6f2-2072e0b0974e/5f111d22-cf69-4798-a6f2-2072e0b0974e1.gif)
作业1
1简述智能控制的概念。
定义一:
智能控制是由智能机器自主地实现其目标的过程。
定义二:
K.J.奥斯托罗姆则认为,把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟,并用于控制系统的分析与设计中,以期在一定程度上实现控制系统的智能化,这就是智能控制。
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。
2智能控制由哪几部分组成?
各自的特点是什么?
智能控制由人工智能、自动控制、运筹学组成。
人工智能是一个知识处理系统,具有记忆、学习、信息处理、形式语言、启发推理等功能。
自动控制描述系统动力学特性,是一种动态反馈。
运筹学是一种定量优化的方法。
如线性优化,网络规划,调度管理,优化决策和多目标优化的方法等等。
3比较智能控制和传统控制的特点?
1)传统控制方法在处理复杂性、不确定性方面能力低而且有时丧失了这种能力,智能控制在处理复杂性、不确定性方面能力高
2)传统控制是基于被控对象精确模型的控制方式,可谓“模型论”智能控制是智能决策论,相对于“模型论”可称为“控制论”
3)传统的控制为了控制必须建模,而利用不精确的模型又采用摸个固定控制算法,使整个的控制系统置于模型框架下,缺乏灵活性,缺乏应变性,因此很难胜任对复杂系统的控制智能控制的可信是控制决策,次用灵活机动的决策方式迫使控制朝着期望的目标逼近。
4)传统控制适用于解决线性、时不变等相对简单的的控制问题智能控制是对传统控制理论的发展,传统控制室智能控制的一个组成部分,是智能控制的低级阶段。
4智能控制有哪些应用领域?
试举出一个应用实例。
应用领域:
模糊系统、神经网络、专家控制、工业想、系统、电力系统、机器人等其他领域的控制。
应用实例:
模糊控制的交流伺服系统
作业2
1.在完成上次作业的基础上,进一步细化,给出使用智能控制的必要性,以及智能控制结果的验证比较方法;
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,只适用于解决线性、时不变线等相对简单的控制问题。
而现代的控制系统存在着复杂性、时变性、非线性、不确定性和不完全性等,很难建立精确的数学模型。
由于智能控制将控制理论的方法和人工智能技术灵活的结合起来,其控制方法适应对象的复杂性和不确定性,所以使用智能控制很有必要。
2.完成下页作业,需要程序和结果.
强化算子
H4
H3
H2
H1.5
极其
非常
很
相当
解:
(1)语言算子“很”λ=2,即(a)=
“很年轻”模糊集隶属度函数
=
(2)“不老也不年轻”模糊集隶属度函数
=
%MembershipfunctionforOldPeople
fork=1:
1:
2001
x(k)=(k-1)*0.10;
ifx(k)>=0&x(k)<=50
y(k)=0;
else
y(k)=1/(1+((x(k)-50)/5)^(-2));
end
end
plot(x,y,'b');
xlabel('XYears');ylabel('Degreeofmembership');
%MembershipfunctionforYoungPeople
clearall;
closeall;
fork=1:
1:
2001
x(k)=(k-1)*0.10;
ifx(k)>=0&x(k)<=25
y(k)=1.0;
else
y(k)=1/(1+((x(k)-50)/5)^2);
end
end
plot(x,y,'b');
xlabel('XYears');ylabel('Degreeofmembership');
%MembershipfunctionforVeryYoungPeople
fork=1:
1:
2001
x(k)=(k-1)*0.10;
ifx(k)>=0&x(k)<=25
y(k)=0;
else
y(k)=(1/(1+((x(k)-50)/5)^2))^2;
end
end
plot(x,y,'b');
xlabel('XYears');ylabel('Degreeofmembership');
%MembershipfunctionforNotOldPeopleandNotYoungPeople
fork=1:
1:
2001
x(k)=(k-1)*0.10;
ifx(k)>=0&x(k)<=25;
y(k)=1;
elseifx(k)>=25&x(k)<=51.9;
y(k)=1-1/(1+((x(k)-50)/5)^2);
else
y(k)=1-1/(1+((x(k)-50)/5)^(-2));
end
end
plot(x,y,'b');
xlabel('XYears');ylabel('Degreeofmembership');
作业3
4-1模糊控制器有哪几部分组成?
各完成什么功能?
答:
模糊控制系统的主要部件是模糊化过程、知识库(数据库和规则库)、推理决策和精确化计算。
4-2模糊控制器的设计步骤
设计步骤如下:
1、模糊控制器的结构
单变量二维模糊控制器是最常见的结构形式。
2、定义输入、输出模糊集
对误差e、误差变化ec及控制量u的模糊集论域定义如下:
3、定义输入、输出隶属函数
对误差e、误差变化ec及控制量u的模糊集和论域确定后,需对模糊变量确定隶属函数,即对模糊变量赋值,确定论域内元素对模糊变量的隶属度。
4、建立模糊控制规则
根据人的直觉思维推理,有系统输出的误差及误差的变化趋势来设计消除系统误差的模糊控制规则。
模糊控制规则语句构成了描述众多被控过程的模糊模型。
例如卫星的姿态与作用的关系、工业锅炉中的压力与加热的关系等,都可用模糊规则来描述。
在条件语句中,误差e、误差变化ec及控制量u对于不同的被控对象有着不同的意义。
5、建立模糊控制表
6、模糊推理
模糊推理是模糊控制的核心,它利用某种模糊推理算法和模糊规则进行推理,得出最终的控制量。
7、反模糊化
(1)最大隶属度法
(2)重心法(3)加权平均法
4-3已知某一炉温控制系统,要求温度保持在600℃恒定。
针对该控制系统有以下控制经验:
(1)若炉温低于600℃,则升压;低得越多升压越高。
(2)若炉温高于600℃,则降压;高得越多降压越低。
(3)若炉温等于600℃,则保持电压不变。
设模糊控制器为一维控制器,输入语言变量为误差,输出为控制电压。
两个变量的量化等级为七级、取五个语言值。
隶属度函数根据确定的原则任意确定。
试设计隶属度的函数误差变化划分表、控制电压变化划分表和模糊控制规则表。
那么输入语言变量为误差,输出为控制电压。
两个变量的量化等级为七级、取五个语言值。
量化等级为七级
量化等级
-3
-2
-1
0
1
2
3
五个语言值
PB、PS、ZE、NS、NB
给定值600℃
模糊控制器选用的系统的实际温度T与温度给定值Td的误差e,Td-T作为输入语言变
量,把控制加热装置的供电电压u选作输出语言变量。
误差隶属度函数/模糊输出量隶属函数
Ke=0.01Ku=20/3
温度℃
900以上
800
700
600
500
400
300以下
误差e
-300
-200
-100
0
100
200
300
控制电压u
10
20
25
30
35
40
50
量化等级
-3
-2
-1
0
1
2
3
状态变量
误差隶属度函数/模糊输出量隶属函数
PB
0
0
0
0
0
0.3
1
PS
0
0
0
0
0.4
1
0.4
ZE
0
0
0.1
1
0.1
0
0
NS
0.4
1
0.4
0
0
0
0
NB
1
0.3
0
0
0
0
0
规则库的制定
E
NB
NM
NS
ZE
PM
PS
PB
U
PB
PM
PS
ZE
NS
NM
NB
4-4已知被控对象为,假设系统给定为阶跃值r=30,采样时间为0.5s,系统的初始值,试分别设计,
(1)常规的PID控制器;
(2)常规的模糊控制器;
(3)模糊PID控制器;
分别对上述三种控制器进行matlab仿真,并比较控制效果。
(1)基于simulink的常规的PID控制器的仿真及其调试:
利用Z-N整定公式,算出
Kp,Ki,Kd分别为:
18,1.65,0。
示波器观察到的波形为:
(2)基于simulink的模糊控制器的仿真及其调试:
(3)模糊PID控制器
①启动matlab后,在主窗口中键入fuzzy回车,确定模糊控制器结构:
根据具体的系统确定输入输出量。
选取二维控制结构,输入误差e,和误差变化量ec,输出u屏幕上就会显现出如下图所示的“FISEditor”界面,即模糊推理系统编辑器。
②双击输入量或输出量模框中的任何一个,都会弹出隶属函数编辑器,简称MF编辑器。
③在FISEditor界面顺序单击菜单Editor—Rules出现模糊规则编辑器。
本次设计采用双输入(偏差E和偏差变化量EC)单输出(U)模糊控制器,E的论域是[-6,6],EC的论域是[-6,6],U的论域是[-6,6]。
它们的状态分别是负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PB)。
语言值的隶属函数选择三角形的隶属度函数。
推理规则选用Mamdani控制规则。
该控制器的控制规则表如图所示:
aa
Simulink仿真图如下:
在调试过程中发现加入积分调节器有助于消除静差,通过试凑法得出量化因子,比例因子以及积分常数。
Ke,Kec,Ku,Ki分别是:
3,2.5,3.5,0.27
通过比较PID控制器和模糊PID控制,我们可知两个系统观察到的波形并没有太大的区别。
相对而言,对于给出精确数学模型的控制对象,PID控制器显得更具有优势,其一是操作简单,其二是调节三个参数可以达到满意的效果;对于给出给出精确数学模型的控制对象,模糊控制器并没有展现出太大的优势,其一是操作繁琐,其二是模糊控制器调节参数的难度并不亚于PID控制器。
在实验中增大模糊控制器的比例因子Ku会加快系统的响应速度,但Ku过大将会导致系统输出上升速率过快,从而使系统产生较大的超调量乃至发生振荡;Ku过小,系统输出上升速率变小,将导致系统稳态精度变差。
作业:
通过对某系统测试数据的辨识,已经得出描述该系统的两条T-S模糊规则:
R1:
ifx1isF1andx2isF3theny1=0.25-0.3x1+2.5x2;
R2:
ifx1isF2andx2isF4theny2=1.5+x1+2x2;
模糊子集F1(x)=3-x;F2(x)=x-2;F3(x)=x-4;F4(x)=5-x
求当x1=2.5且x2=4.5时该系统的输出(自行选定认定权重和计算总输出的算法)。
解:
根据题设,当x1=2.5且x2=4.5时
R1:
F1(2.5)=3-2.5=0.5F3(4.5)=4.5-4=0.5y1=0.25-0.3X2.5+2.5X4.5=10.75
R2:
F2(2.5)=2.5-2=0.5F4(4.5)=5-4.5=0.5y2=1.5+2.5+2X4.5=13
按加权求和法(wtsum)计算总输出
取小法
W1=F1(2.5)∧F3(4.5)=0.5
W2=F2(2.5)∧F4(4.5)=0.5
总输出为:
U1=W1×y1+W2×y2=0.5×10.75+0.5×13=11.875
乘积法
W1=F1(2.5)×F3(4.5)=0.25
W2=F2(2.5)×F4(4.5)=0.25
总输出为:
U2=W1×y1+W2×y2=10.75×0.25+13×0.25=5.9375
加权平均法(wtaver)计算输出
取小法
W1=0.5W2=0.5
总输出:
U3=(W1×y1+W2×y2)/(W1+W2)=11.875
乘积法
W1=0.25W2=0.25
总输出:
U4=(W1×y1+W2×y2)/(W1+W2)=11.875