智能控制大作业DOC

1、智能控制大作业姓名：班级：学号:1、简答题：1.1.根据目前智能控制系统的研究和发展，智能控制系统主要有哪些方面的工作可做进一步的探索和开展？答：1）开展智能控制理论与应用研究。2）充分运用神经生理学、心理学、认识科学和人工智能等学科的基本理论，深入研究人类解决问题时表现出来的经验、技巧、策略，建立切实可行的智能控制的体系结构。3）把所有的知识工程、模糊系统、信息论，进化论、神经网络理论和技术与传统的控制理论相结合，充分利用现有的控制理论，研究适合于当前的计算机资源条件的智能控制策略和系统。4）研究人机交互式的智能控制系统和学习系统，以不断提高智能控制系统的智能水平。5）研究适合智能系统的并行

2、处理机、信号处理器、智能传感器和智能开发工具软件，以解决智能控制系统在实际应用中的问题，使智能控制得到更广泛的应用。1.2.画出模糊控制系统的基本结构图，并简述模糊控制器各组成部分所表示的意思？模糊控制单元由规则库、模糊化接口、模糊推理和清晰化接口4个功能模块组成，模糊控制单元首先将输入信息，模糊化，然后经模糊推理规则，给出模糊输出，再将模糊指令化，控制操作变量。1、规则库（rulebase）：由若干条控制规则组成，这些控制规则根据人类控制专家的经验总结得出，按照IFisANDisTHENis形式表达。2、模糊推理：以模糊集合论为基础描述工具，对以一般集合论为基础描述工具的数理逻辑进行扩展，从

3、而建立了模糊推理理论。根据模糊输入和规则库中蕴涵的输入输出关系，通过第二章描述的模糊推理方法得到模糊控制器的输出模糊值。模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力。该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的。3、模糊化接口（Fuzzification）：这部分的作用是将输入的精确量转化成模糊化量。其中输入量包括外界的参考输入，系统的输出或状态等。清晰化（解模糊接口）4、清晰化接口：清晰化的作用是将模糊推理得到的控制量（模糊量）变换为实际用于控制的清晰量。它包含以下两部分内容：（1）将模糊控制量经清晰化变换变成表示在论域范围的清晰量。（2）将表示在论域范围的清晰

4、量经尺度变换变成实际的控制量。L_J传感器训蜃算注t1FuzzyLI控商無L1.3.画出感知器的基本结构模型，并简述其算法过程。将阈值0并入W中，令Wn+l=-e,X向量也相应地增加一个分量xn+l=l,则y二f(Wx)iii=1(1) 给定初始值赋给W.(0)各一个较小的随机非零值，W.(t)为t时刻第i时刻第i个输入的权(Un),Wn+1(t)为t时刻的阀值。(2) 输入一样本X=(x1,x2.xn,1)和它的希望输出d计算实际输出:Y(t)二f(£+1W(t)x)i=1修正权W:Wi(t+1)=Wi(t)+nd-Y(t)xi,i=1,2,n+1;(5)转到(2)直到W对一切样本

5、均稳定不变为止。1.4画出三层BP神经网络的基本结构图，并试写出各层之间的输入输出函数关系？各层之间输入输出函数关系：第1层：输入层将输入引入网络Out二In二xiii第二层（隐层）：i=1,2nIn=£eOut(i)-0,Out=(In)ji=1ijijjjj=1,2,.,l第三层：（输出层）:y=Out(3)kkk=1,2,.,m=In(3)k=£le(2)Out(2)j=1jkj1.5.神经网络系统具有哪些基本特性，以及神经网络在控制系统中具有哪些作用？1）非线性映射逼近能力。非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性现象。人工神经元处于激活或抑制二种不同

6、的状态，这种行为在数学上表现为一种非线性关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容量。2）自适应性和自组织性。2）3）并行处理性。网络的各单元可以同时进行类似的处理过程，整个网络的信息处理方式是大规模并行的，可以大大加快对信息处理的速度。4）分布存储和容错性。信息在神经网络内的存储按内容分布于许多神经元中，而且每个神经元存储多种信息的部分内容。网络的每部分对信息的存储具有等势作用，部分的信息丢失仍可以使完整的信息得到恢复，因而使网络具有容错性和联想记忆功能。5）便于集成实现和计算模拟。神经网络在结构上是相同神经元的大规模组合，特别适合于用大规模集成电路实现。6）非局

7、限性一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。联想记忆是非局限性的典型例子。7）非凸性一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。例如能量函数，它的极值相应于系统比较稳定的状态。非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性。神经网络利用其卓越的学习和自适应能力，在控制系统中具有的作用：1）基于精确模型的各种控制结构中充当对象的模型；2）在反馈控制系统中直接充当控制器的作用；3）在传统控制系统中起优化计算

8、作用；4）在与其它智能控制方法和优化算法相融合中,为其提供对象模型、优化参数、推理模型及故障诊断等。1.6. 基于信息论的分级递阶智能控制系统主要构成有哪些，分别起什么作用？该系统由组织级、协调级和执行级组成。组织级（Organizationlevel）组织级是递阶智能控制系统的最高级，是智能系统的“大脑”，能模仿人的行为功能，具有相应的学习能力和高级决策能力，需要高级的信息处理。组织监视并指导协调级的所有行为，具有最高的智能程度。根据用户对任务的不完全描述与实际过程和环境的有关信息，组织任务，提出适当的控制模式向下层传达，以实现预定控制目标。协调级(CoordinationLevel)次高级

9、，任务：协调各控制器的控制作用与各子任务的执行。进一步分为两层：控制管理分层和控制监督分层。管理分层：根据下层的信息决定如何完成组织级下达的任务，以产生施加于下一层的控制指令。监督分层：保证、维持执行级中各控制器的正常运行，并进行局部参数整定和性能优化。是组织级和执行级之间的接口，运算精度较低，但有较高的决策能力与学习能力。执行级(ExecutiveLevel)是最低一级，由多个硬件控制器组成。任务：完成具体的控制任务，通常是执行一个确定的动作，直接产生控制信号，通过执行机构作用于被控对象；同时通过传感器测量环境的有关信息，并传递给上一级控制器，给高层提供相关决策依据。1.7. 模糊控制规则的

10、生成方法通常有哪几种，且模糊控制规则的总结要注意哪些问题？答：生成方法：1) 根据专家经验和过程控制知识生成规则。2) 根据过程的模糊模型生成控制规则。3) 3)根据学习算法获取控制规则。注意的问题：1）规则数量合理。2）2）规则要具有一致性3）3）完备性要好。2、计算题：2.1.已知三个模糊矩阵R、S和Q分别如下所示,一0.60.40.7一一0.20.70.3-0.60.50.20.8"R=0.20.50.1，S=0.80.60.5，Q=0.40.80.41.0_0.90.30.4_1.00.20.9_0.70.10.90.3_试求RoS,RcS,（RuS）Q，以及（RcS）Q。解

11、：由题知_0.40.60.3因为R=0.80.50.90.10.70.6所以0.40.70.30.80.60.90.1UL0.70.90.60.70.70.80.60.51.0UL0.30.90.60.30.70.20.40.10.20.40.20.50.90.20.80.20.30.10.40.30.70.40.50.80.100.30.1因此0.70.70.70.70.60.60.50.80.70.50.90.8（RS）。Q=0.40.50.80.20.60.20.600.30.90.10.7又Q=所以0.40.70.60.70.40.20.40.20.30.20.30.1(RS)。Q=2

12、.2.设有论域X=Y=12345,A是论域X上的模糊集，B是论域Y上的模糊集，且A二黑=10.50.100,B二向00.30.81,求“如果x黑则y白，否则C不很白”的模糊关系R。（其中：很'为强化语气算子“2）解：2.3.已知输入模糊量分别为a二10+%a1a2B二罟+冷+豈，而输出模糊量为C=110.400,_000.30.81R=(At0B)U(A0C)=0.50.50.40.50.50.90.90.40.10.1110.400110.400则C”所蕴含的关系R。03+05+10，求模糊语句“若A且B，c1c2c3解：由题意可得：若A且B，则CR=(1.00.4T0.10.71.

13、0)T0.30.51.00-1”1-01T).30.51.00.10.40.40.10.10.10.30.50.40.30.51.00.10.10.10.30.40.40.30.40.42.4.设有论域X=Y=12345,X,Y上的模糊子集“小”分别表示为：大=0+-120.40.71+一345小=1 0.70.400+一+一123452.5设有论域U=a1a2a3V=b1b2b3,W=c1c2已知：A=10.40.1+卜a1a2a3B=0.80.50.2+b1b2b310.60.40.20=一+一12345设喏x小则y大”,当x较小时，试确定y的大小。-00000-00000解：由题R=大卜

14、小=0.40.40.4000.70.70.400丄00.70.400_-0000000000则y=较小。R=110.60.40.20。0.40.40.4000.70.70.4001.00.70.400=【0.40.40.40.200.7c30.50.6+c1c2设喏A则b，否则C”，求输入为A*=耳+丄+空时的输出D。a1a2a3解:令A二10.40.1,B=0.80.50.2,C二0.50.60.7,A*二0.20.10.4.设“若A则B,否则C”的模糊关系为R,则:R=(At。B)U(A。C)=0.80.40.10.50.40.1由模糊关系得：08D=A*。R=0.20.10.4。0.50

15、.50.2-000-080.50.20.2U0.50.60.6=0.50.60.60.10.50.60.70.50.60.70.50.20.60.6=0.40.40.40.60.72.6.求模糊集合0.5A=u10.6+-u21+Tu30.70.3u5十u4的a截集（a=0.1,a=0.5,a=1)。解：A=uuuuu0.112345A=uuuu0,51234A=u1.032.7. 设有一模糊控制器的输出结果为模糊集合c，其隶属度为0.50.70.30.50.710.70.2-32234567C试用重心法计算模糊判决的结果。解：由题意,由重心法采样点作为基,有：“0.5*(3)+0.7*(2)

16、+0.3*2+0.5*3+0.7*4+1*5+0.7*6+0.2*70.5+0.7+0.3+0.5+0.7+1+0.7+0.2U*=2.73、设计题：针对不同对象（每班各同学对象不得相同）详细设计相应的控制器。篇幅控制在2000字-3000字（不包括图表、公式等）。101班设计模糊控制器，102班设计模糊PID控制器，103班设计BP神经网络控制器，104班设计BP神经网络PID控制器。3.1 考核目的：通过考核要求学生掌握模糊控制、神经网络控制的基本概念、基本原理和基本方法，并能够运用相应的智能控制方法，设计系统的控制器实现对系统的控制，初步具有运用智能控制相关方法分析解决实际问题的能力。3

17、.2 考核时间：课程结束后两周内上交电子版本和纸制打印文件，如果发现同学相互间重复率大于50%，则考核一律按不及格处理。3.3 排版要求：1文件名称：学号+姓名（各班长收齐并按学号排序）2二级标题：小四字体-黑体-居中-单倍行距-段前段后各0.5行3.正文字体：小四仿宋/TimeNewRoman4正文行间距：固定行距18磅新型变论域模糊控制器在交通信号控制中的应用1模型建立本应用应针对沈阳市沈辽中路（东西方向）和兴华南街（南北方向）组成的一个典型双向8车道的孤立单交叉路口，这是一个具有交通流量大，不同时段流量变化大的交叉路口，如图1所示。共包括从A-P的十六车道，在交叉口的入口处以及距入口一定

18、距离处均埋有检测车辆通过数的磁检验线圈。并假设车流在通过后端线圈前，已经分别进入相应车道：两边为左拐、右拐车道，中间两个车道为直行，如箭头所示。通过对该路口各方向流量实地进行检测和跟踪，得出以下结论：在每日的交通流量高峰时段，车辆到达基本符合二项分布；而低峰时段符合泊松分布。到达速率在这里分为三种情况：轻等级为0.2辆/秒；中等级为0.3辆/秒；重等级为0.5辆/秒。而当信号灯从红灯转变为绿灯时，等待车队以基本相同速率通过交叉口，这里定为1辆/秒。采用平均车辆延误来检验控制器信号配时的效果，这也是普遍采用的一种性能指标。在一个信号周期内，安排了若干种控制状态，每一种控制状态对应某些方向的车辆或

19、行人配给通行权，并合理安排这些控制状态的显示次序以及显示时间。对于上述的孤立单交叉路口，可安排8个相位，其中包括4个主要相位和4个次要相位。对于东西方向，有4个相位，分别是左拐车流方向AI相位，直行和右拐同时进行的BCDKJL相位，以及单方向行驶的ABCD和IJKL两个次要相位。所谓次要相位是指可能出现，也可能不出现在相位轮换当中。在这里这样安排出于两点考虑：其一，在此例中，考虑到不同车流通过交叉口后的相互影响，例如当东西方向车辆左拐时，即AI方向通行，如果同时允许右拐DL方向通行，在交通量大时，可能会造成两股车流在南北方向上的抢位，形成交通堵塞。其二，例如当东西方向通行时，东西两方向车流到达

20、率相差很大，可能形成一个方向排队车辆尚未疏导完，而对面方向通行车道已经相对闲置，因此有必要设置次要相位。归结起来，共包括以下几种情况：1. 左拐方向车流比直行、右拐车流量较大（如图2）2. 左拐方向车流比直行、右拐车流量较小(如图3)3. 左拐方向车流和直行右拐车流相比小很多，且东西两方西车流不均。这样不单独运行左转相位。(如图4)2 基本模糊控制算法2.1 模糊控制器为了使交叉路口的平均车辆延误尽可能地达到最小，在这里设计了两个模糊控制器，即相序优化模糊控制器和绿灯延时判断模糊控制器。单交叉路口多相位模糊控制过程是这样的，见图5所示：根据检测器检测到的各车道上车辆到达信息，分为红灯交通信息和

21、绿灯交通信息，分别送入两个模糊控制器中，得到候选下一个绿灯相位以及当前通行相位的绿灯延长时间，再送给交通信号灯的执行机构，来按照新的配时方案改变各个相位的通行时间长短。其中对于相序优化模糊控制器，是一个三输入单输出的控制器，即输入包括自上个通行相位后的等待时间(WT)、各个候选相位的平均车队等待长度(QU)及其变化率(QV)，输出为该相位的放行紧急度(UR)。而绿灯延时判断模糊控制器的输入是当前通行相位的各车道平均等待长度(GQ)及其变化率(GV)，候选相位的各车道平均等待长度(RQ)及其变化率(RV)，输出为当前通行相位的绿灯延长时间(EX)。根据专家经验给出两个控制器中论域范围、隶属度函数

22、划分、形状和分布。由于篇幅所限，仅列出部分模糊规则于表1和表2中(它们各自共有29和37条规则)。表1相隹忧住複輝誉制崙邹另也则表QU.,QVUR.1,毎、Jn厶T短慢3.快.1表2绿灯延时環閤淫制器部忙現別表4GQaGV.RQ,RV.EX.J,较更-心适玉“*厶*1快施快，退毎2.2信号灯控制算法具体的信号灯控制算法可描述成以下步骤：STEP1.根据实际情况和交警经验分别指定各相位的最短绿灯时间Gi,min、最大绿灯时间Gi,max和黄灯时间(算入红灯时间内)，从而确定最小信号周期Cmin和最大信号周期Cmax；STEP2.先给获得通行权的相位i以该相位的最短绿灯时间Gi=AGi(k)=Gi

23、,min进行控制；STEP3.根据AGi(k)秒内测得的现场车辆信息，得到有效绿灯相位的平均车辆排队长度和其变化率，计算放行相位在Gi秒内的有效绿灯车辆延误及其它相位的有效红灯车辆延误；STEP4.根据红灯相位其它各个车道的平均车辆排队长度以及其变化率再和红灯等待时间(指该相位从当前的红灯开始到此时的时间和)，相序优化器从相序中选择下一个候选绿灯相位i+1。绿灯延时判断器以候选相位各车道的平均队长和平均变化率，当前绿灯相位i各车道的平均队长和变化率为输入，通过模糊推理，得到相位i的下一个有效绿灯延长时间AGi(k+1)，并且：1) 如果AGi(k+1)三15s(假设绿灯延时最长为30s),并且

24、Gi+AGi(k+1)WGi,max，则Gi=Gi+AGi(k+1)并转到STEP3(kk+1)；2) 如果AGi(k+1)三15s，并且Gi+AGi(k+1)>Gi,max,则AGi(k+1)=Gi,max-Gi，Gi=Gi,max并转到STEP5；3) 如果AGi(k+1)<15s,则转到HSTEP5(若Gi+AGi(k+1)>Gi,max，则AGi(k+1)=Gi,max-Gi)；STEP5.在AGi(k+1)秒后切换到该候选绿灯相位。3 变论域自适应模糊控制器当模糊控制器的输入、输出变化较大时，可能造成只使用到部分规则。如果论域范围过小，很容易造成输入输出量超出论域范

25、围时，导致控制器失控；如果论域范围过大，则在零点附近振荡，同样不能使模糊控制器发挥应有的效能。变论域自适应模糊控制器可以很好解决这个问题，其详细内容见文献6-8。在这里提出基于模糊规则的变论域模糊控制器，与通常采用的基于函数模型的变论域模糊控制器相比较。这里以绿灯延时判断模糊控制器为例说明论域变化，其为四输入单输出。设输入变量xi(i=1,2,3,4)的论域分别为Xi=E,E(i=1,2,3,4)，输出变量y的论域为Y=U,U。所谓变论域是指论域Xi与Y可以分别随着变量xi与y的变化而变化，记Xi(xi)=-ai(xi)Ei,ai(xi)Ei(i=l,2,3,4)和Y(y)=-B(y)U,B(

26、y)U。上式中，a(x)与B(y)为论域的伸缩因子，相对于变论域，原来的论域Xi与Y称为初始论域。3.1 基于函数模型的变论域模糊控制器通常采用输入、输出变量的变论域伸缩因子的函数模型为a(x)=1-入exp(-kx2),入G(0,1)，k>0(1)和B(t)二kIEpifei(t)dt+B(0)(2)这里取入和k分别为0.95和0.5；令kI和pi都等于2。、3.2 基于模糊规则的变论域模糊控制器由于论域在控制中怎样伸缩变化难以用函数模型准确表达，但易用语言的形式加以描述，故可以在伸缩因子的确定过程中采用模糊推理实现，这样比单纯的函数模型求解更加快速，且避免了参数选择的困难。具体算法如

27、下：考虑到如果输入量过多，会造成规则表很庞大的问题。故在论域优化过程中，对于绿灯延时判断模糊控制器，只考虑GQ和RQ两个输入量，输出量为EX。GQ和RQ的初始论域都为0,10，EX则为0,6。规范化因子GGQ、GRQ和GEX与一般模糊控制器的量化和比例因子不同，前者是将输入输出按论域范围进行转换，以便使用模糊规则表查询；后者是将输入输出在规范的论域上转换，选择区间0,1，以便使用定义在规范论域上的模糊隶属划分。而a1a2分别为GQ和RQ的伸缩因子，它们之间构成两个单输入单输出的模糊控制器。而输出论域伸缩因子B的取值应由GQ和RQ确定，即根据GQ和RQ当前取值所反映的系统响应状态来确定输出论域进行多大程度的扩大或缩小，这是一个双输入单输出的模糊控制器。例如，当GQ和RQ均为“很长”时，B应取“适中”以使输出论域基本保持不变；而当GQ为“很长”，RQ“很短”时，B应取“很大”以使输出论域扩大。可总结成如下两条规则：如果GQ是VL且RQ是VL,则B为SB；如果GQ是VL且RQ是VS,则B为VB。同理，可