智能控制复习题

精品文档 1欢迎下载 1 智能控制系统有哪些类型 1 多级递阶智能控制 2 基于知识的专家控制 3 基于模糊逻辑的智能控制 模糊控制 4 基于神经网络的智能控制 神经控制 5 基于规则的仿人智能控制 6 基于模式识别 的智能控制 7 多模变结构智能控制 8 学习控制和自学习控制 9 基于可拓逻辑的智能 控制 可拓控制 10 基于混沌理论的智能控制 混沌控制 2 比较智能控制与传统控制的特点 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 3 神经网络应具备的四个基本属性是什么 1 并行分布式处理 2 非线性处理 3 自学习功能 4 可通过硬件实现并行处理 4 神经网络学习方法有哪些 1 联想式学习 Hebb 规则 2 误差传播式学习 Delta 学习规则 3 概率式学习 4 竞争式学习 5 模糊控制系统一般由几个部分组成 1 模糊控制器 2 输入 输出接口装置 3 广义对象 4 传感器 精品文档 2欢迎下载 6 模糊控制器设计包括几项内容 1 确定模糊控制器的输入变量和输出变量 即控制量 2 设计模糊控制器的控制规则 3 确立模糊化和非模糊化 又称清晰化 的方法 4 选择模糊控制器的输入变量及输出变量 的论域并确定模糊控制器的参数 如量化因子 比例因子 5 编制模糊控制算法的应用 程序 6 合理选择模糊控制算法的采样时间 四 计算题 每小题 8 分 共 24 分 1 1 设论域 设论域 54321 uuuuuU 54321 18 06 04 02 0 uuuuu A 54321 4 06 016 04 0 uuuuu B 求求 补集 补集 BA BA C A BA 54321 18 016 04 0 uuuuu BA 54321 4 06 06 04 02 0 uuuuu C A 4321 2 04 06 08 0 uuuu 2 2 设模糊矩阵 设模糊矩阵 8 02 07 0 4 08 02 0 16 08 0 3 05 04 0 Q 4 06 0 5 07 0 8 06 0 R 求求 RQ RQ 8 02 07 0 4 08 02 0 16 08 0 3 05 04 0 4 06 0 5 07 0 8 06 0 4 08 0 5 02 0 8 07 0 6 08 0 7 02 0 6 07 0 4 04 0 5 08 0 8 02 0 6 04 0 7 08 0 6 02 0 4 01 5 06 0 8 08 0 6 01 7 06 0 6 08 0 4 03 0 5 05 0 8 04 0 6 03 0 7 05 0 6 04 0 精品文档 3欢迎下载 4 02 07 06 02 06 0 4 05 02 04 07 02 0 4 05 08 06 06 06 0 3 05 04 03 05 04 0 7 06 0 5 07 0 8 06 0 5 05 0 3 某电热烘干炉依靠人工连续调节外加电压 以便克服各种干扰达到恒温烘某电热烘干炉依靠人工连续调节外加电压 以便克服各种干扰达到恒温烘 干的目的 操作工人的经验是干的目的 操作工人的经验是 如果炉温低 则外加电压高 否则电压不很高 如果炉温低 则外加电压高 否则电压不很高 如果炉温很低 试确定外加电压应该如何调节 如果炉温很低 试确定外加电压应该如何调节 设定论域设定论域 5 4 3 2 1 YX 5 2 0 4 4 0 3 6 0 2 8 0 1 1 低A 5 1 4 8 0 3 6 0 2 4 0 1 2 0 高B 5 0 4 36 0 3 64 0 2 84 0 1 96 0 不很高C 5 04 0 4 16 0 3 36 0 2 64 0 1 1 21 低很低HA 1 1 已知某一加热炉炉温控制系统 要求炉温保持在 已知某一加热炉炉温控制系统 要求炉温保持在 600 600 目前此系统采用人工控制方式 目前此系统采用人工控制方式 并有以下控制经验 并有以下控制经验 1 1 如炉温低于如炉温低于 600 600 则升压 低得越多升压越高 则升压 低得越多升压越高 2 2 如炉温高于如炉温高于 600 600 则降压 高得越多降压越低 则降压 高得越多降压越低 3 3 如炉温等于如炉温等于 600 600 则保持电压不变 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 隶属度函数任意 试设计出模糊逻辑控制表 级为七级 取五个语言值 隶属度函数任意 试设计出模糊逻辑控制表 解 1 1 确定模糊控制器的输入输出变量 确定模糊控制器的输入输出变量 将将 600 600 作为给定值作为给定值t t0 0 测量炉温为测量炉温为 t k t k 则误差为 则误差为 输入变量 输入变量 e k e k t k t k t0t0 输出变量 触发电压输出变量 触发电压 u u 的变化量 该的变化量 该 u u直接控制供电电压的高低 直接控制供电电压的高低 2 2 输入输出变量的模糊语言描述 输入输出变量的模糊语言描述 输入输出变量的语言值 输入输出变量的语言值 负大 负大 NBNB 负小 负小 NSNS 零 零 ZEZE 正小 正小 PSPS 正大 正大 PBPB 设 设 e e 的论域为的论域为X X u u 的论域为的论域为Y Y 均量化为七个等级 均量化为七个等级 精品文档 4欢迎下载 X X 3 3 2 2 1 1 0 0 1 1 2 2 3 3 Y 3Y 3 2 2 1 1 0 0 1 1 2 2 3 3 语言变量语言变量 E E 和和 U U 的隶属函数赋值表 论域离散 的隶属函数赋值表 论域离散 量化等级 u 语言变量 3 2 1 0123 PB000000 51 PS000010 50 ZE000 510 500 NS00 510000 NB10 500000 3 3 模糊控制规则 模糊控制规则 if if E E NB NB thenthen U U PB PB if if E E NS NS thenthen U U PS PS if if E E ZE ZE thenthen U U ZE ZE if if E E PS PS thenthen U U NS NS if if E E PB PB thenthen U U NB NB 量化等级 u 语言变量 3 2 1 0123 PB000000 51 PS000010 50 ZE000 510 500 NS00 510000 NB10 500000 4 4 求模糊控制表 求模糊控制表 当当 e e 的量化值为的量化值为 1 1 时 由上表可知 时 由上表可知 PS PS 1 1 1 1 ZE ZE 1 1 1 1 精品文档 5欢迎下载 5 5 控制量转化为精确量 控制量转化为精确量 采用加权平均法 采用加权平均法 6 6 计算模糊关系 计算模糊关系 R NBe PBu R NBe PBu NSe PSu ZEe ZEu NSe PSu ZEe ZEu PSe NSu PSe NSu PBe NBu PBe NBu ZEe ZEuZEe ZEu 0 0 0 0 0 5 1 0 5 1 0 5 0 00 5 0 0 0 00 0 0 5 0 5 1 1 0 50 5 0 00 0 分别计算出矩阵分别计算出矩阵 NBe PBuNBe PBu NSe PSuNSe PSu ZEe ZEuZEe ZEu PSe NSuPSe NSu PBe NBuPBe NBu 查询表 查询表 e e 3 3 2 2 1 1 0 01 12 23 3 精品文档 6欢迎下载 u u3 32 21 10 0 1 1 2 2 3 3 实际控制时 将测量到的误差量化后 从查询表中得到控制量再乘以比例因子实际控制时 将测量到的误差量化后 从查询表中得到控制量再乘以比例因子 KnKn 即作为 即作为 控制的实际输出 控制的实际输出 2 2 设在论域 设在论域e e 误差 误差 4 4 2 2 0 0 2 2 4 4 和控制电压 和控制电压u u 0 0 2 2 4 4 6 6 8 8 上定义的模上定义的模 糊子集的隶属度函数如下图 已知模糊控制规则 糊子集的隶属度函数如下图 已知模糊控制规则 规则规则 1 1 如果 如果e e误差为误差为ZEZE 则 则u u为为ZEZE 规则规则 2 2 如果 如果e e误差为误差为PSPS 则 则u u为为NSNS 试用玛达尼推理法计算当输入误差试用玛达尼推理法计算当输入误差e e 0 6 0 6 时 输出电压时 输出电压u u 精确化计算采用重心法 精确化计算采用重心法 解 解 3 3 如图为多层前向传播神经网络结构 设期望输入 如图为多层前向传播神经网络结构 设期望输入 x1 x1 x2 x2 1 1 3 3 期望输出为 期望输出为 yd1 yd1 yd2 0 9yd2 0 9 0 3 0 3 网络权系数初值如图上 试用 网络权系数初值如图上 试用 BPBP 算法训练此网络 并详细写出算法训练此网络 并详细写出 第一次迭代学习的计算结果 学习步长第一次迭代学习的计算结果 学习步长 1 1 取神经网络激励函为 取神经网络激励函为 x e xf 1 1 精品文档 7欢迎下载 精品文档 8欢迎下载 例例 设设论论域域U U u u1 1 u u2 2 u u3 3 u u4 4 u u5 5 中中的的两两个个模模糊糊子子集集为为 54321 3 04 015 06 0 uuuuu A 54321 7 04 03 06 05 0 uuuuu B 则则并并为为 54321 7 03 04 04 03 016 05 05 06 0 uuuuu BA 54321 7 04 016 06 0 uuuuu 54321 54321 3 04 03 05 05 0 7 03 04 04 03 016 05 05 06 0 uuuuu uuuuu BA 模模糊糊集集运运算算的的基基本本定定律律 设设U U 为为论论域域 A A B B C C 为为U U 中中的的任任 意意模模糊糊子子集集 则则有有 1 1 幂幂等等律律A A A A A A A A A A A A 2 2 结结合合律律A A B B C C A A B B C C A B B C C A A B B C 3 3 交交换换律律A B B A A A B B B A 交交为为 0 7 设论域 X U1 U2