(完整版)智能控制-考试题(附答案)

1、智能控制考试试题试题1:针对某工业过程被控对象：G(s) 20e0.5s，试分别设计常规PID(10s 1)(2s 1)算法控制器、模糊控制器、模糊自适应 PID控制器，计算模糊控制的决策表， 并进行如下仿真研究及分析：1 .比较当被控对象参数变化、结构变化时，四者的性能；2 .研究改善Fuzzy控制器动、静态性能的方法。解：常规PID、模糊控制、Fuzzy自适应PID控制、混合型FuzzyPID控制器设计 错误!未找到引用源。.常规PID调节器PID控制器也就是比例、积分、微分控制器，是一种最基本的控制方式。它 是根据给定值r(t)与实际输出值y(t)构成控制偏差e(t),从而针对控制偏差进

2、行 比例、积分、微分调节的一种方法，其连续形式为：1 tde(t)/一、u(t) Kpe(t)/ 0e出 Td T】(1Ti 0dt式中，Kp为比例系数，Ti为积分时间常数，Td为微分时间常数。PID控制器三个校正环节中Kp, Ti和Td这三个参数直接影响控制效果的好 坏，所以要取得较好的控制效果，就必须合理地选择控制器的参数。Ziegler和Nichols提出的临界比例度法是一种非常著名的工程整定方法。通过实验由经验公式得到控制器的近似最优整定参数，用来确定被控对象的动态特 性的两个参数：临界增益Ku和临界振荡周期Tuo用临界比例度法整定PID参数如下：表1.1临界比例度法参数整定公式控制器

3、类型KpTiTdP0.5Ku0PI0.455Ku0.833T0PID0.6Ku0.5Tu0.125Tu据以上分析，通过多次整定，当Kp 1.168时系统出现等幅振荡，从而临界增益Ku 1.168 ,再从等幅振荡曲线中近似的测量出临界振荡周期Tu5.384 ,最后再根据表1.1中的PID参数整定公式求出：Kp 0.701,Ti 2.692,Td 0.673, 从而求得：比例系数Kp 0.701,积分系数Ki Kp/Ti0.260,微分系数Kd KpTd 0.472 o基此，可搭建如图1.1所示的PID控制系统Simulink仿真模 型，仿真得到系统阶跃响应曲线如图1.2 (a)所示。图1.1 P

4、ID控制系统Simulink仿真模型1.81.61.41.210.80.60.40.200510152025303540Time(s)0510152025303540Time(s)图1.2 (a) (b)临界比例度法整定的系统阶跃响应曲线错误!未找到引用源。.模糊控制器由于模糊控制采用了模糊似人推理机制，所以其控制机理较传统的PID控制更加接近于人工智能。一般地，一个完整的模糊控制系统结构如图1.3所示。卜面基于MATLAB模糊逻辑工具箱设计模糊控制器。图1.3模糊控制器的基本结构1）论域及隶属度函数的建立若取E、EC、U的论域均为 6, 5, 4, 3, 2, 1,0,1,2,3,4,5,6

5、 ,其模糊子集 都为NB, NM, NS, ZO, PS, PM, PB。在MATLAB中键入命令FUZZY,进入模糊逻辑编辑窗口 FIS Editor。建立 E、EC、U的隶属度函数，有三角形、高斯形、梯形等 11种可供选择，在此选 常用的三角形（trimf）隶属度函数。图1.4为E、EC、U的隶属度函数。图1.4 E、EC、U的隶属度函数2）模糊控制规则及决策方法控制规则是对专家理论知识与实践经验的总结，共有49条模糊控制规则，如表1.2所示。在Rules Editor窗口中输入这49条控制规则，例如：if E is NB and EC is NS then U is NB。表1.2模糊控

6、制规则表UENBNMNSZOPSPMPBECNBNBNBNBNBNMNSZONMNBNBNMNMNSZOZONSNBNMNMNSZOZOZOZONMNSNSZOPSPSPMPSZOZOZOPSPMPMPBPMZOZOPSPMPMPBPBPBZOPSPMPBPBPBPB模糊决策一般采用Mamdani(min-max)决策法。解模糊有重心法、等分法、 最大隶属度平均法等5种可供选择，在此采用重心法(centroid)。根据以上规则 和方法，设计出模糊控制器的输出与输入的关系曲面图，即得出模糊规则是一种非线性控制。基此，可搭建如图1.5所示的模糊控制系统Simulink仿真模型，通过模糊控 制器模块

7、，可以和包含模糊控制器的fis文件联系起来，还可以随时改变输入输 出论域，隶属度函数以及模糊规则，方便仿真和调试。经过多次整定，选取误差 E、误差变化率EC的量化因子及控制量U的比例因子分别为： ke 0.5,kec 0.1,ku 0.6,仿真得到系统阶跃响应曲线如图1.6所示。图1.5模糊控制系统Simulink仿真模型0.60.420T ime(s)图1.6模糊控制系统阶跃响应曲线从图1.6可以看出，单纯的模糊控制器相当于非线性的 PD控制，无积分作 用，其调节不能做到无静差。在仿真过程中发现，量化因子、比例因子的大小对 模糊控制器控制性能的影响很大，也许还存在一组最优量化因子和比例因子，

8、 能 使系统获得更好的响应特性。错误!未找到引用源。.Fuzzy自适应PID控制器由于常规PID控制在稳定阶段有良好的响应性能，于是采用Fuzzy+PID控制方法，构成FuzzyPID控制系统。具结构框图如图1.7所示。图1.7 Fuzzy控制+PID控制在Matlab/Simulink环境下，转换由开关模块 “switch实现，“switch模块中 的Threshold整定值（即误差整定值）设置为0.01。对系统进行仿真，可得响应曲 线波形如图1.8所示。图1.8 Fuzzy控制+PID控制波形从图 1.8 中可以看出系统稳定时间很短仅约为3，存在的静差约为0.06，输出最大约为0.94，无

9、超调量。IV.采用Fuzzy +PID复合控制器由以上两个仿真可知，采用 Fuzzy 控制可以极大地改善系统超调和稳定时间，但是其稳态性能有所下降，稳态精度明显不如常规PID 控制。利用 Fuzzy 控制+精确积分控制方法，由于常规Fuzzy 控制缺少积分环节而存在稳态误差，故可以通过Fuzzy 控制+精确积分的方法改善系统的稳态性能，即混合型 FuzzyPID 控制器，这样可以使系统成为无差模糊控制系统。其结构框图如图 1.9所示。图 1.9Fuzzy 控制 +精确积分控制取精确积分系数ki0.029 ，其余参数不变。对系统进行仿真，可得响应曲线波形如图 1.10所示。图 1.10 Fuzz

10、y-PID 波形从图1.10中可以看出系统稳定时间比较短约为5,存在的静差仅有0.02,输出最大约为0.98,超调量约为3.06%。保持所设计的控制器参数不变，当被控对象的参数或模型结构变化（例如T3=0.15）时，PID和Fuzzy控制器的性能分析1）当被控对象的参数发生变化A.当系统k值由原来的15变化为30时，其余参数不变，各种控制方式的 系统阶跃响应如图1.11所示。B.当T1由原来的7.5变化为15时，其余参数不变，各种控制方式的系统阶跃响应如图1.12所示C.当T2由原来的0.75变化为1.5时，其余参数不变，各种控制方式的系统阶跃响应如图1.13所示(1)模糊控制决策表的计算当利

11、用MATLAB模糊逻辑工具箱设计好模糊控制器后，还应该计算相应的模糊控制决策表，即关系矩阵。这里利用MATLAB工具箱中的read於和evafis函数，计算上述模糊控制器的决策表，编写的 M文件如下：a = readfis( 'fuzzyl.fis' );for i = -6 : 6for j = -6 : 6 u(i+7,j+7) = evalfis(i,j,a);end end运行该程序，可得到模糊控制决策表为如下一u =13*13矩阵：Columns 1 through 8-5.3723-5.2527-5.3723-5.2527-5.3723-4.2674-3.9992-

12、1.9992-5.2527-5.2527-5.2527-4.2674-4.2674-3.2733-3.0000-1.9991-5.3723-5.2527-5.3723-4.2674-3.9992-3.0000-2.0008-1.0007-5.2527-4.2674-4.2674-4.2674-3.9984-3.0000-2.0016-1.0007-5.3723-4.2674-3.9992-3.9984-3.9992-3.0000-2.0008-1.0007-5.2527-4.2674-3.9984-3.0000-3.0000-1.9991-1.00070.0000-5.3723-4.2674-

13、3.9992-3.0000-2.0008-1.0007-0.00001.0007-4.2674-3.2733-3.0000-1.9991-1.00070.00001.00071.9991-3.9992-3.0000-2.0008-1.0007-0.00001.00072.00083.0000-3.0000-1.9991-1.0007-1.00070.00001.00072.00163.0000-2.0008-1.0007-0.00000.0000-0.00001.00072.00083.0000-1.0007-1.00070.00000.00000.00001.99913.00003.2733

14、-0.00000.0000-0.00000.0000-0.00001.99923.99924.2674Columns 9 through 13-0.00000.0000-0.00000.0000-0.00000.00000.00000.00001.00071.0007-0.00000.0000-0.00001.00072.00080.00001.00071.00071.99913.0000-0.00001.00072.00083.00003.99921.00071.99913.00003.27334.26742.00083.00003.99924.26745.37233.00003.00003

15、.99844.26745.25273.99923.99843.99924.26745.37233.99844.26744.26744.26745.25273.99924.26745.37235.25275.37234.26744.26745.25275.25275.25275.37235.25275.37235.25275.3723在MATLAB命令窗口(Command Window)里4U入gensurf(a),可以得到模糊控制决策表的三维曲面图，如图1.14所示图1.14模糊控制决策表的三维曲面图(2)四种方案的控制性能研究错误!未找到引用源。.常规PID控制特性在保持PID控制器整定参数

16、不变的情况下，改变给定二阶被控对象两个时问常数Ti及丁2,如图1.15中给出的三种形式的二阶对象，其阶跃响应曲线如图1.15所示。由响应曲线可以看出，随着时间常数减小，调节时间变短，且超调减 小；随着时间常数增大，调节时间变长，且超调增大。1.81.61.41.210.80.60.40.2丁=151 2=1.5 加=2012=1.5 丁1=2012=31510-1010152025303540-15(Time(s)图1.15参数变化对PID控制特性的影响T =15,T2=1.5T1=15T1=15,T2=1.5,T 3=30510152025303540Time(s)图1.16模型结构变化对

17、PID控制特性的影响将二阶对象变为一阶时，PID控制从理论上讲要变为PI控制（即取Kd 0）,混合仿真实验也证实了这一点。在保持 PID控制器原整定参数情况下，被控对 象由二阶变为一阶时，其阶跃响应曲线如图 1.16所示，系统出现振荡，不能令 人满意。将二阶对象变为三阶时，其 PID控制器参数仍不变，阶跃响应曲线出现严 重振荡，如图1.16所示。通过多次调整PID控制参数仍不凑效。因为从理论上 讲，对三阶对象应该选用PID-PI两级串联调节，不能采用简单的单级PID控制。由上述混合仿真实验结果可以看出，基于准确对象模型来整定控制参数的PID控制，对于对象参数变化是敏感的，对于模型结构变化（如阶

18、的改变）基本 没有适应能力。错误!未找到引用源。.模糊控制特性在保持模糊控制器整定的论域不变的情况下，改变二阶对象的两个时间常数T1及T2,变化情况同PID控制时相同，它们的阶跃响应曲线如图1.17所示。由响应曲线可以看出，尽管被控的二阶对象两个时间常数变化较大，但是响应曲线 却变化不大，均实现无超调控制，调节时间最短的约为 10s,最长白勺约为15s, 变化约为1.5倍。当被控对象结构发生变化时，如由二阶变为一阶或三阶，在模糊控制参数仍 保持不变的情况下，其阶跃响应曲线如图1.18所示。可见对一阶对象实现无超调控制，调节时间约为10s,对三阶对象超调也仅约为14.7%1.41.41.2Tl=

19、15,T 2=1.5 丁1=2012=1.5 .=2012=31.2T1=15,T 2=1.5T15T1=15,T 2=1.513=30.80.60.40.20.80.60.40.20510152025303540Time(s)5101520Time(s)25303540图1.17参数变化对模糊控制特性的影响图1.18模型结构变化对模糊控制特性的影响上述结果表明，模糊控制较之 PID控制不仅对被控对象参数变化适应能力强，而且在对象模型结构发生较大改变的情况下，也能获得好的控制效果 错误!未找到引用源。.单神经元PID控制特性在保持单神经元PID调节器参数不变的情况下，改变二阶对象的两个时间常数

20、T1及丁2,变化情况同上述相同，它们的阶跃响应曲线如图1.19所示。当被控对象结构发生变化时，如由二阶变为一阶或三阶，在单神经元PID控制器参数仍保持不变的情况下，其阶跃响应曲线如图1.20所示。1.4T15,T 2=1.51.2T1=15T1=15,T 2=1.5,0.80.60.40.23504004505000J11111L-050100150200250300Time(s)图1.19/1.20参数变化/模型结构变化单神经元PID控制特性的影响仿真结果表明，单神经元 PID控制具有优于常规PID控制的效果，具有更好的自适应性和更强的鲁棒性。不仅对被控对象参数变化适应能力强， 而且在对 象

21、模型结构发生较大改变的情况下，也能获得好的控制效果。(3)改善模糊控制动、静态性能的方法虽然模糊控制器具有能适应被控对象非线性和时变性的优点，而且鲁棒性较 好。但是它的稳态控制精度较差，控制欠细腻，难以达到较高的控制精度。同时， 它也缺少积分控制作用，不宜消除系统的静差。为了弥补这些缺陷，实用中经常 把基本模糊控制器跟其他控制器相结合， 充分发挥各自的优点，以使控制效果更 加完美。下面举例介绍一些改善模糊控制动、静态性能的方法。错误!未找到引用源。.Fuzzy控制加精确积分常规的模糊控制器是以误差 E和误差变化率EC作为输入变量，因此一般认 为这种控制器具有比例一微分控制作用，但缺少积分控制作

22、用，因此这种系统的静态误差较大，稳态性能不能令人满意。为提高模糊控制系统的稳态性能，这里搭建了如图1.21所示的Fuzzy控制加精确积分Simulink仿真模型。控制器在基 本模糊控制器的基础上增加了一个积分器，仿真得到系统阶跃响应曲线如图1.22从图1.22可以看出，带积分作用的模糊控制系统可消除静差，系统输出稳态精度有了很大的改善，很好地解决了常规Fuzzy控制的稳态误差问题，因此Fuzzy控制加精确积分对常规Fuzzy控制的改进是有效的。但是相比常规 Fuzzy 控制，系统超调有所增大，动态性能未能达到较好的状态。1.4y1.2i0.80.60.40.2510152025303540Ti

23、me(s)图1.22 Fuzzy控制加精确积分系统阶跃响应曲线错误!未找到引用源。.Fuzzy-PID复合控制针又t Fuzzy控制加精确积分的不足之处，这里引入Fuzzy-PID复合控制加以 改进，具集成了 Fuzzy控制动态性能高和PID控制稳态精度高的优点，比单一采图1.23 Fuzzy-PID复合控制结构图设计Fuzzy-PID控制器的基本思想是对控制论域进行分段，在不同的分段区内采用不同的控制方式，其结构图如图1.23所示。图1.23中在两个控制器与控制对象之间设置了一个“软”自动切换开关，通过偏差e与设定的阈值emax比较结果来决定两种控制方式的选择。当|e emax是认为系统运行

24、在动态过程，应采用模糊控制方式以发挥其动态性能好、超调量小的特点；当 |e %ax时认为系统 进入到了稳态，应切换到 PID控制方式以发挥其稳态精度高的优点，减小稳态 误差。阈值emax通过反复试验整定得到。基此，可搭建如图1.24所示的Fuzzy-PID复合控制系统Simulink仿真模型，仿真得到系统阶跃响应曲线如图1.20所示。其中误差E、误差变化率EC的量化因子及控制量U的比例因子同常规Fuzzy控制器中的参数；阈值emax设定为0.2;重新经过多次整定选取PID调节器中的参数为Kp 1.501, Ki 0.160,1.41.2_1_ _0.8_y一0.6_0.4.0.2,0c-1c1

25、1c1-05101520253035404550T ime(s)图1.25 Fuzzy-PID复合控制系统阶跃响应曲线从图1.25可以看出，Fuzzy-PID复合控制同样能做到无静差调节。 进一步地 通过对比可以看出，该复合型控制器吸收了两者的优点， 摒弃了两者的缺点，显 然系统在过渡过程采用Fuzzy控制，输出超调减小，进入稳定状态后切换为 PID 控制，保证了较好的稳态精度。错误乐找到引用源。.自调整比例因子Fuzzy控制在模糊控制器中，对控制性能影响较大的参数主要有模糊控制规则，量化、 比例因子，隶属函数形状及其分布等，各种自调整方法大多围绕对这些参数的调 整和优化展开。比例因子(这里将

26、通常所说的量化因子和比例因子统称为比例因子)用来实现基本论域与模糊集论域之间的转换，与控制规则、隶属度相比，比例因子的选择具有更大的灵活性。 它对控制系统的稳定性及各项性能指标的影响类似于 PID 控制器中的三个参数。在确定了控制规则和隶属度的情况下，调整比例因子仍可以在很大程度上改善控制回路的品质。基于以上分析， 这里提出一种自调整比例因子 Fuzzy 控制方法， 即根据误差E 和误差变化率EC 调整比例因子Ke 和 Kec ，根据系统控制性能指标调整比例因子 Ku 。调整的原则是：当 E 或 EC 较大时，重点考虑系统响应问题， Ke 和Kec 取较小值，降低对E 和 EC 的分辨率，同时

27、Ku 取较大值，使响应加快，保证系统的快速性和稳定性；当 E 或 EC 较小时， Ke 和 Kec 取较大值，增加对E和 EC 的分辨率，同时Ku 减小，避免产生超调，并使系统尽快进入稳态精度范围。简单地使用 SIMULINK 中的模块无法直接应用到这里所研究的自调整比例因子Fuzzy控制器的设计中。在Simulink中，还有一个S-Function模块，该模块通过编程，可以编写自定义的功能。在MATLAB 里通过编写 S 函数，新建一个输入输出自调整模块， 由偏差 Ke 和偏差变化率Kec 的大小自动调节输出比例因子 Ku ，实现参数自调整的目的。根据上面所述参数调整规则编写如下 S 函数：

28、function sys,x0 =fuzzypara(t,x,u,flag)global Ke Kec Ku;Ke=0.2;Kec=0.1;Ku=0.8;switch flag,case 0,sys=0,0,3,2,0,1;x0=;case 3,if abs(u(1)>0.3 | abs(u(2)>0.1sys(1)=Ke;sys(2)=Kec;sys(3)=Ku;elseif abs(u(1)>0.1 | abs(u(2)>0.05sys(1)=1.3*Ke;sys(2)=1.5*Kec;sys(3)=0.5*Ku; elsesys(1)=1.4*Ke;sys(2)=

29、1.6*Kec;sys(3)=0.2*Ku;end otherwise sys=;end基此，可搭建如图1.26所示的自调整比例因子Fuzzy控制系统Simulink仿 真模型，仿真得到系统阶跃响应曲线如图1.27所示。从图1.27可以看出，自调整比例因子的 Fuzzy控制系统与常规Fuzzy控制 相比，响应速度加快，稳态精度有很大提升，对于时变、非线性、强干扰的控制1.4FI1IIII1.2_1 - -._. .- 0.8-y0.6-J0.4-0.2-0 1111110510152025303540T ime(s)图1.27自调整比例因子Fuzzy控制系统阶跃响应曲线试题2:设计BP网络和RBF网络，使之逼近非线性函数 y(x) sin(0.1x) cos(0.1x), 要求：1.研究隐层单元数、学习因子等选取对学习效果的影响；解：取步长为0.5,当误差达到0.001的时候停止，学习率取0.05,最大仿真次 数取5000。p=0:0.5:10;p2=0:0.1:10;t=sin(