智能控制理论及应用复习

智能掌握理论及应用复习

（紧扣课本）

第一章绪论

经典掌握和现代掌握理论的统称为传统掌握，

智能掌握是人工智能与掌握理论交叉的产物，是传统掌握理论进展的

高级阶段。智能掌握是针对系统的简单性、非线性和不确定性而提出

来的，

传统掌握和智能掌握的主要区分：

＞传统掌握方法在处理简单化和不确定性问题方面力量很低；

智能掌握在处理简单性、不确定性方面力量较高。智能掌握系

统的核心任务是掌握具有简单性和不确定性的系统，而掌握的最有效

途径就是采纳仿人智能掌握决策。

＞传统掌握是基于被控对象精确模型的掌握方式；

智能掌握的核心是基于学问进行智能决策，采纳敏捷机动的决策

方式迫使掌握朝着期望的目标靠近。

传统掌握和智能掌握的统一：

智能掌握擅长解决非线性、时变等简单的掌握问题，而传统掌

握适于解决线性、时不变等相对简洁的掌握问题。

智能掌握的很多解决方案是在传统掌握方案基础上的改进,因

此，智能掌握是对传统掌握的扩充和进展，传统掌握是智能掌握的一

个组成部分。

智能掌握应用对象的特点

⑴不确定性的模型

模型未知或知之甚少；

模型的结构和参数可能在很大范围内变化。

⑵高度的非线性

⑶简单的任务要求

例如，要求系统对一个简单的任务具有自行规划和决策的力

量；要求除了实现对各被控物理量定值调整外，还要实现整个系统的

自动启停、故障的自动诊断以及紧急状况的自动处理等功能。

智能掌握的基本特点

⑴分层递阶的组织结构

⑵多模态掌握

⑶自学习力量

(4)自适应力量

⑸自组织力量

(6)优化力量

模糊掌握

神经网络掌握

专家掌握系统

分层递阶智能掌握（该系统由组织级、协调级、执行级组成，依据自上而下精

确程度渐增、智能程度渐减的原则进行功能安排。

在这类多层智能掌握系统中，智能主要体现在高层次上，其主要作用是仿照人的功能

实现规划、决策、学习和任务协调等任务。

执行级仍旧采纳现有数学解析掌握算法，对数值进行操作和运算。）

与常规掌握方法相比，模糊掌握有以下特点：

①模糊掌握完全是在操作人员掌握阅历基础上实现对系统的掌握,无

需建立数学模型，是解决不确定性系统的一种有效途径。

②模糊掌握具有较强的鲁棒性,被控对象参数的变化对模糊掌握的影

响不明显，可用于非线性、时变、时滞系统的掌握。

③由离线计算得到掌握查询表，提高了掌握系统的实时性。

④掌握的机理符合人们对过程掌握作用的直观描述和思维规律，为智

能掌握应用打下了基础。

人工神经网络具有几个突出的特点：

①可以充分靠近任意简单的非线性关系；

②全部定量或定性的信息都分布贮存于网络内的各神经元的连接上，

故有很强的鲁棒性和容错性；

③采纳并行分布处理方法，使得快速进行大量运算成为可能；

④可学习和自适应不知道或不确定的系统，

专家掌握系统具有如下特点：

①它在肯定程度上模拟人的思维活动规律，能进行自动推理，擅长应

付各种变化，具有透亮性和敏捷性。

②它可以不断监督生产过程，实现特定性能指标下的优化掌握，能处

理大量低层信息，可进行操作指导。

③相对传统掌握，扩展了很多功能，如简单系统的高质量掌握，故障

诊断和容错掌握，参数和算法的自动修改，不同算法的组合等。

④深层学问的引入，可以弥补专家阅历的不足，可以自然地消退决策

冲突。

分层递阶智能掌握具有两个明显的特点：

①对掌握来讲，自上而下掌握精度愈来愈高；

②对识别来讲，自下而上信息回馈愈来愈粗略。

模糊掌握器的一般结构

(c)

神经网络掌握的3种典型结构

(a)PID掌握(b)模型参考自适应掌握(c)前馈反馈掌握

输入误差输出

(a)直接专家掌握系

(b)间接专家掌握系

人

分层递阶智能掌握（图）

第二章模糊掌握

1•确定隶属函数应遵循的一些基本原则：

1）表示隶属函数的模糊集合必需是凸模糊集合

2）变量所取隶属度函数通常是对称的、平衡的

3）隶属度函数要符合人们的语义挨次，避开不恰当的重叠

4）论域中每个点至少属于一个隶属函数的区域，并应属于不超过两

个隶属函数的区域C

5）当两个隶属函数重叠时，重叠部分对两个隶属函数的最大隶属度

不应有交叉。

6）当两个隶属函数重叠时，重叠部分的任何点的隶属函数的和应小

于或等于1。

2.同时满意自反性，对称性，传递性的模糊关系称为

论域上的一个模糊等价关系

3.模糊语言变量

一个语言变量可定义为一个五元体（"5T（N）,G,M）

式中N为语言变量的名称；T（N）为语言变量语言值名称的集合；U

为论域；G为语法规章；M为语义规章。

4.模糊条件语句

有三种基本句型，分别为

•“若则”型

若炉温偏低，则增加燃料量

•“若则否则”型

若炉温偏低，则增加燃料量，否则削减燃料量

•“若且则”型

若炉温偏低且温度变化的系数为负，则增加燃料量

5.模糊掌握器(FuzzyController)特点：

＞模糊掌握是一种基于规章的掌握。

＞由工业过程的定性熟悉动身，简洁建立语言掌握规章。

＞掌握效果优于常规掌握器.

＞具有肯定的智能水平.

＞模糊掌握系统的鲁棒性强。

6.模糊掌握器设计的主要步骤

1、选定模糊掌握器的输入输出变量，一般取e、ec和u。

2、确定各变量的模糊语言取值及相应的隶属函数，即进行模糊化。

模糊语言值通常选取3、5或7个，例如取为｛负，零，正｝等。

然后对所选取的模糊集定义其隶属函数

3、建立模糊掌握规章或掌握算法。

确定模糊推理和解模糊化方法。

7.例：某电热炉用于对金属零件的热处理，要求炉温给定值，

人工掌握时，依据对炉温的观测值，调整电热炉供电电压，达到升降

炉温的目的。现改为模糊掌握系统，试设计模糊掌握器。

解：设计工作分为五步进行

(1)首先确定模糊掌握器的输入量和输出量。

实测炉温与给定值之误差作为输入量

输出量采纳晶闸管整流电源的触发电压的变化量

⑵输入、输出变量的模糊化。描述输入变量以及输出变量的语言值E

和U取为

NBNSOPSPB

误差的论域为X二卜3,-2,-1,-0,+0,+1,+2,+3)

掌握量的论域为y={-3,-2,-l,-0,+0,+l,+2,+3)

语言变题值布

\鼠等如・3。%-1。士0。2。3。

语言变题、、

0c0。0。0.5c1

PB.

0。0。0。0.5。0。

松

以0。0.5。1。的

0。

藏心0.5P30。心0。

k0.5P0。0。OP0。

⑶模糊掌握规章语言描述：操作人员阅历的语言描述可以归纳为

若炉温低于，则升压，低得越多升压越高;若负

大，则正大；

若负小，则正小；

若炉温等于，则保持电压不变;若为零,

则为零；

若炉温高于，则降压，高得越多降压越低;若正

大，则负大；

若正小，则负小。

例2-2的控制规则和

Ei嬴诙

诙西P0。

(4)用误差论域到掌握量论域上的模糊关系表示模糊掌握规章

000000.51

00000.50.50.5

000.50.5().50

51

000.51().500

rtl00.510.50.500

0.50.50.50000

10.500000

⑸模糊决策：

掌握量通过模糊合成规章得出

当时，有

5tPSORtj)00010.50^o/?

=[0.50.510.50.500J

-0-.-5-+-0--.5-+---1-+-0--.5-+0.5

-3-2-10T

8.解模糊化常用方法

最大隶属度法

取中位数法

重心法

第三章神经网络掌握及应用

1.BP算法的程序实现

1）初始化；

2）输入训练样本、计算各层输出；

3）计算网络输出误差；

4）计算各层误差信号；

5）调整各层权值；

6）检查是否对全部样本完成一次轮训；

7）检查网络总误差是否达到精度要求。

2.标准BP算法的改进

标准的BP算法在应用中暴露出不少内在的缺陷：

⑴易形成局部微小而得不到全局最优；

⑵训练次数多使得学习效率低，收敛速度慢；

⑶隐节点的选取缺乏理论指导；

（4）训练时学习新样本有遗忘旧样本的趋势。

改进算法的方法：

1）增加动量项

2）自适应调整学习率

3）引入陡度因子

3.正则化RBF网络具有以下3个特点：

①正则化网络是一种通用靠近器，只有要足够的隐节点，它可以以

任意精度靠近紧集上的任意多元连续函数，

②具有最佳靠近特性，即任给一个未知的非线性函数力总可以找

到一组权值使得正则化网络对于/的靠近由于全部其他可能的选择。

③正则化网络得到的解是最佳的，所谓，，最佳”体现在同时满意对样

木的靠近误差和靠近曲线的平滑性。

4.与正则化RBF网络相比,广义RBF网络有以下几个特点：

①径向基函数的个数M与样本的个数P不相等，且M经常远小于P。

②径向基函数的中心不再限制在数据点上，而是由训练算法确定。

③各径向基函数的扩展常数不再统一，其值由训练算法确定。

④输出函数的线性中包含阈值参数，用于补偿基函数在样本集上的

平均值与目标值之平均值之间的差别。

5.

第四章专家掌握系统

1.从本质上讲，专家系统是一类包含着学问和推理的智能计算机程序

专家系统可以解决的问题一般包括解释、猜测、诊断、设计、规划、

2.监视、修理、指导和掌握等。

3.专家系统的基本组成及作用

问题描述

推理机解

释用

接

口户

受答、建议

知识库综合数据库

或角军•释

知识获取v领域专家

学问库

学问库是学问的存储器，用于存储领域专家的阅历性学问以及有关的

事实、一般常识等。学问库中的学问来源于学问猎取机构，同时它又

为推理机供应求解问题所需的学问O

•推理机

推理机是专家系统的“思维”机构，实际上是求解问题的计算机软件系

统。

推理机的运行可以有不同的掌握策略。

•综合数据库(全局数据库)

又称为“黑板”或“数据库”。它是用于存放推理的初始证据、中间结果

以及最终结果等的工作存储器(WorkingMemoi7)。

•解释接口

又称人-机界面，它把用户输人的信息转换成系统内法律规范化的表

示形式，然后交给相应模块去处理，把系统输出的信息转换成用户易

于理解的外部表示形式显示给用户，回答用户提出的“为什么？”“结

论是如何得出的？，'等问题。

­学问猎取

学问猎取是指通过人工方法或机器学习的方法,将某个领域内的事实

性学问和领域专家所特有的阅历性学问转化为计算机程序的过程。

对学问库的修改和扩充也是在系统的调试和验证中进行的，是一件很

困难的工作。学问猎取被认为是专家系统中的一个“瓶颈”问题。

专家系统的学问表示

1、产生式规章表示法

■规章库：存放了若干规章，每条产生式规章是一个以“假如满

意这个条件，就应实行这个操作”形式表示的语句。

■数据库：是产生式规章留意的中心，每个产生式规章的左半部

分表示在启用这一规章之前数据库内必需预备好的条件。

■掌握器:是说明下一步应选用什么规章，也就是如何运用规

章。通常从选择规章到执行规章分成三步：匹配、冲突解决和

操作。

5.优先搜寻

所谓宽度优先搜寻方法是按“最早产生的节点优先扩展”的搜寻方法。

详细地说，搜寻的节点是一层一层地检查的，只有在上一层的每一个

节点都检查完毕之后，这一层的节点才能开头检查，也就是说，节点

的扩展是按它们接近起始节点的程度依次进行的O这种方法是考虑了

每一种可能，所以这种搜寻可能是一种特别长的过程，但假如存在任

何解答的话，它能保证最终找到最短的解答序列。

所谓深度优先搜寻方法就是按“最晚产生（最深的）节点优先扩展”

的搜寻方法，深度相等的节点其挨次可以任意排列。也就是总是向亲

代到子代方向进行，直到不得不返回追踪的搜寻。然而实际上，从树

的观点看，不是从左枝开头，就是从右枝开头。

不精确推理

专家系统中把领域学问表示成必定的因果关系、规律关系，推理的结

论是确定的，这种推理称为精确推理。

除此以外，更重要的是以专家的阅历学问对不确定的事实，依据不充

分的证据和不完全的学问进行推理，这种推理称为不精确推理。应指

出，所谓不精确推理不是要使推理变得不精确，而是供应一种在采纳

目前已有的精确推理方式无法进行推理的状况下的推理方式，以便得

到更加精确的推理结论。不精确推理又称非精确性推理，其核心问题

是处理在推理过程中专家学问的不精确性和推理证据的不精确性,并

给出这些不精确性在推理过程中的传播规章。

7.专家掌握系统的结构与原理

专家掌握与一般的专家系统的区分：

(1)通常的专家系统只完成特地领域问题的询问功能，它的推理结

果一般用于帮助用户的决策;而专家掌握则要求能对掌握动作进行独

立的、自动的决策，它的功能肯定要具有连续的牢靠性和较强的抗扰

性。

(2)通常的专家系统一般处于离线工作方式，而专家掌握则要求在

线地猎取动态反馈信息，因而是一种动态系统，它应具有使用的敏捷

性和实时性，即能联机完成掌握。

专家掌握系统的结构与原理:

1、专家掌握系统的工作原理

定时信箱1定时操作

知

受

识出口信箱■A/D^—

值

控

基

应答信箱4算

过

系

法

程

统

库

入口信箱

A解释信箱一►人-机接口◄----------►用户

五、(20分)程序题：

BP网络曲线拟合仿真实例

对一组输入输出数据，完成产f(x)的曲线拟合。

04-0.2

4clearall

4p=-1:0.1:0.9;

4t=[-0.832-0.423-0.0240.3441.2823.4564.023.2322.1021.504

0.2481.2422.3443.2622.0521.6841.0222.2243.0221.984];

4net=newff([-1.1],[15,1],{!tansig''purelin*},'traingdx','leamgdm,);

4net.trainParam.epochs=2500;

4net.trainParam.goal=0.001;

4net.trainParam.show=10;

4net.