智能控制基础总结教学课件PPT

1、智能控制基础总结智能控制基础总结 智能控制问题的提出智能控制问题的提出 3/60智能控制问题的提出智能控制问题的提出 智能控制的几个主要分支智能控制的几个主要分支 智能控制系统的一般结构智能控制系统的一般结构 6/60智能控制系统分层递阶结构智能控制系统分层递阶结构7/60智能控制系统的主要特点智能控制系统的主要特点 智能控制系统的功能特点智能控制系统的功能特点9/60智能控制系统研究的主要数学工具智能控制系统研究的主要数学工具10/60智能控制的三元结构智能控制的三元结构11/60模糊控制系统模糊控制系统12/60模糊控制的特点模糊控制的特点13/60经典集合与模糊集合经典集合与模糊集合au

2、u( )0, 1au0, 1:( )aauuua14/60ufuf/模糊集合的表示方法模糊集合的表示方法15/60隶属度函数的建立方法隶属度函数的建立方法16/60模糊集合运算模糊集合运算54321543217 . 04 . 03 . 06 . 05 . 03 . 04 . 015 . 06 . 0uuuuubuuuuua, cababa17/60模糊关系模糊关系bba,a|b)(a,ba18/60模糊关系的合成模糊关系的合成6 . 05 . 02 . 02 . 0)01 . 0()7 . 06 . 0() 1 . 01 . 0()5 . 06 . 0()08 . 0()7 . 02 . 0(

3、) 1 . 08 . 0()5 . 02 . 0(01 . 07 . 05 . 01 . 06 . 08 . 02 . 0sr0.1r0sr s19/60模糊语言逻辑模糊语言逻辑 20/60模糊逻辑推理的常见种类模糊逻辑推理的常见种类21/60模糊逻辑推理举例模糊逻辑推理举例21x5 . 0 x1a321y1y5 . 0y1 . 0b21z1z2 . 0c21x1 . 0 x8 . 0a321y0y2 . 0y5 . 0b?c 22/60模糊逻辑推理举例模糊逻辑推理举例10.10.510.10.50.5da b5 . 02 . 05 .

4、02 . 01 . 01 . 012 . 05 . 02 . 01 . 01 . 012 . 05 . 05 . 01 . 015 . 01 . 0cdtr21x5 . 0 x1a321y1y5 . 0y1 . 0b21z1z2 . 0c23/60模糊逻辑推理举例模糊逻辑推理举例01 . 01 . 012 . 05 . 002 . 05 . 01 . 08 . 0bad2 . 02 . 05 . 02 . 05 . 02 . 01 . 01 . 012 . 05 . 02 . 01 . 01 . 001 . 01 . 002 . 05 . 0c21z2 . 0z2 . 0c21x1 . 0 x

5、8 . 0a321y0y2 . 0y5 . 0b24/60多输入多规则推理过程图示多输入多规则推理过程图示25/60模糊控制器基本结构模糊控制器基本结构26/60模糊控制器的组成与功能模糊控制器的组成与功能27/60)v(maxvv0vvvvvv0dv)v(dv)v(vvvvvvkvkkmvkkm011()()m1iim1iii0kkvv精确化过程精确化过程28/601 12 21 32 41 5模糊控制器的设计原则模糊控制器的设计原则29/60模糊控制器设计模糊控制器设计30/60模糊控制器设计模糊控制器设计0.6e (0.6)0.7ze(0.6)0.3ps( )0.7zeu( )0.3ns

6、u4.663.44.6600.5(2)0.70.5(6)(2)0.70.5(6)0.0180.96 1.22133.362.48270.040.4u duuduuuduuduu uduuududuududuu du93.323131/60人工神经网络人工神经网络32/60i人工神经元模型人工神经元模型 iii, uf(net ), yg(u )iijjiiijnetw xs )(ixf i 33/60wwwxxxyus12ni 1i 2i niiii图312 神線

7、元结构模型n eti10图313 阀值函数n etiffn etn etfm axi 0i 1图314 线性函数0激励函数类型激励函数类型0net00net1)net(fiii1 iimax1 ii0ii0iiinetnetfnetnetnetknetnetnet0)net(f34/60激励函数类型激励函数类型fneteinetti() 11tnettnettnettnetiiiiieeee)net(f35/60神经网络的模型分类神经网络的模型分类(a)(b).(c)(d)图 3-1-736/60神经网络的学习神经网络的学习37/60学习规则学习规则学习规则相关学习 纠错学习 无导师学习 38

8、/60神经网络的泛化能力神经网络的泛化能力 39/60多层前向网络的学习算法多层前向网络的学习算法(1)(1)1( )1111()() 0,1,2.1rnrrrrrpjrpjrjlpljlonetworl oljn1i)1l(piljillpjlpjn.2 , 1j)ow()net(y1l11111()inpjjipijiow x 40/60bp学习算法学习算法rpjprpjneterjiprjipwwerjirpjrpjprjipwnetnetweek)1r (pi)1r (pkrjkrjirjirpjoowwwnet) 1r (pirpjrjipow(1)1( )11rnrrrrpjjlp

9、ljlnetwo41/60反向误差传播反向误差传播)net()yt (netyyenetelpjlpjpjlpjpjpjplpjplpj)net()w()net()onetnete(netooeneterpjrk1rkj1rpkrpjrrpj1rpkk1rpkprpjrpjrpjprpjprpj()lpjlpjynet 211()2onppjpjjety(1)1( )11rnrrrrpjjlpljlnetwo42/60bp学习算法学习算法举例举例( )1/(1)xf xett12t ,t 0.95,0.051tt12x ,x 1,343/60当前输出当前输出11x0 x2wxwxwnet23x

10、)2(x1wxwxwnet211202122112112211102112111111731. 0e11e11o1192. 0e11e11o1net22net112116572. 13o)2(o1wowownet8808. 12o0o1wowownet212202222122122212102212121121221212110.13230.839911netnetyyeett12t ,t 0.95,0.05tt12x ,x 1,3( )1/(1)xf xe44/60计算广义误差计算广义误差 1062. 0)y1 (y)yt ()net(f )yt (0938. 0)y1 (y)yt ()ne

11、t(f )yt (222222 2222111121 112104176. 0)o1 (o)ww()o1 (ow2811. 0)o1 (o)ww()o1 (ow22222222122122k22k2k1211221222112111k21k2k11()()llpjpjpjlpjtynet11()()rrrrpjpkkjrpjkwnet( )1/(1)xf xe2( )/(1)( )1( )xxfxeef xf x45/60连接权系数更新连接权系数更新 1062. 0w0776. 0ow01266. 0ow0938. 0w0686. 0ow0112. 0ow04176. 0w1253. 0 xw

12、04176. 0 xw2811. 0w8433. 0 xw2811. 0 xw22220222222122221212102212121212111212021212211212111110211112111111) 1r (pirpjrjipow46/60二值型的二值型的hopfield网络网络netkw ykiijjnji( )( )1y kf net kii()( )147/60状态转移关系状态转移关系48/60神经网络控制的优越性神经网络控制的优越性 12345 对象对象49/60神经网络控制器的分类神经网络控制器的分类 50/60直接逆模型控制法直接逆模型控制法 51/60直接网络控制法直接网络控制法52/60非线性系统神線网络控制器nc+-yyu图3-2-23 前向建模多网络控制结构图神经网络控制器nc非线性系统+-yyu图3-2-24 逆模型建模的多网络控制结构图神经网络辨识器niym神经网络逆模型 辨识器nyu-idddd多网络自学习控制法多网络自