计算机控制与仿真技术(第二版)-第9章-智能控制系统的设计与仿真.pptVIP

* * 通过本章学习，应该掌握以下内容： 第9章 智能控制系统设计与仿真 了解智能控制的基本知识 掌握模糊控制系统的设计与仿真方法 掌握神经网络控制系统的设计与仿真方法 智能控制不同于经典控制理论和现代控制理论，它将传统控制理论的分析和理解的洞察力与人工智能灵活地结合，是传统控制理论的发展。 智能控制是定性决策和定量控制相结合的多模态组合控制，能对复杂系统进行有效的全局控制，具有较强的容错能力；同时，智能控制具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程，人的知识在控制中起着重要的协调作用，系统在信息处理上既有数学运算，又有逻辑和知识的推理。 9.1 智能控制系统概述 9.2 模糊控制系统设计与仿真 9.2.1 模糊控制系统概述 1. 模糊控制的产生 模糊集合与模糊控制是美国学者加利福尼亚大学教授L.A.Zadeh于1965年首先提出的，至今仅40余年的时间。它是以模糊数学为基础，用语言规则表示方法和先进的计算机技术，由模糊推理进行判决的一种高级控制策略。 2.模糊逻辑的基本原理 （1）模糊集合及其隶属函数 所谓集合是指具有某种特定属性的对象的全体。模糊集合中的元素属于该集合的程度，可在0~1之间连续变化，并以“隶属度”来表示。模糊集合的特征函数称为该集合的“隶属函数”。 （2）精确量的模糊化方法 精确输入量的模糊化方法如下： 首先，根据系统的实际输入值与设定值相比较的偏差值以及偏差的变化率来决定系统的精确输入值；然后，把精确的输入量转换成模糊集合的隶属函数，并在选定区间内对连续量进行离散化。 （3）模糊控制规则的形成 根据有经验的操作人员或专家的知识和经验，制定出若干个模糊逻辑控制规则，并加以形式化数字处理后，存入计算机，就可得到模糊控制规则。 根据模糊集合和模糊关系理论，对于不同的模糊规则，可以用不同的模糊推理方法。 （4）解模糊方法 从经过模糊推理得到的模糊集合中，取出一个相对最能代表这个模糊集合的单值的过程，称作解模糊。 3.模糊控制系统基本结构 4.模糊控制器的设计 模糊控制器的设计步骤如下： （1）选择合理的模糊控制器结构 （2）确定模糊控制规则 ① 选定描述控制器输入和输出变量的语言词汇 ② 确定模糊集 ③ 确定模糊控制表 （3）确定模糊化和解模糊策略，制定控制表 （4）确定模糊控制器的参数 9.2.2 模糊逻辑工具箱及其应用 1．GUI工具 （1）模糊推理系统编辑器（FIS Editor） （3）模糊规则编辑器（Rule Editor） （4）模糊规则观察器（Rule Viewer） （5）输出曲面观察器（Surface Viewer） 2．命令行工作方式 用户除可以利用GUI工具建立模糊控制系统外，还可以通过命令行工作方式来使用模糊逻辑工具箱。 3．模糊控制器与Simulink的连接 将模糊系统嵌入Simulink中的步骤如下： （1）载入模糊推理系统 （2）打开Simulink模型 新建一个Simulink仿真模型，将Fuzzy Logic Controller或Fuzzy Logic Controller with Ruleviewer模块拖到模型中。双击其图标，出现图9-10所示的对话框。 在FIS File to structure文本框中输入模糊推理系统的名称，单击“OK”按钮，则将工作区中的FIS结构与模糊控制器连接起来。 9.3 神经网络控制系统设计与仿真 9.4.1 神经网络概述 1．神经网络的产生与发展 人工神经网络（Artificial Neural Network，简称ANN）是由大量简单的处理单元组成的非线性、自适应、自组织系统，它是在现代神经科学研究成果的基础上，试图通过模拟人类神经系统对信息进行加工、记忆和处理的方式，设计出一种具有人脑风格的信息处理系统。 2. 神经网络的特点 神经网络是由大量的神经元广泛互连而成的系统，它的这一结构特点决定着神经网络具有高速信息处理的能力。由于神经网络中神经元个数众多以及整个网络存储信息容量的巨大，使得它具有很强的不确定性信息处理能力。即使输入信息不完全、不准确或模糊不清，神经网络仍然能够联想存在于记忆中的事物的完整图像 3. 神经网络的学习规则 ① 有导师学习 有导师学习不但需要学习用的输入事例(也称训练样本，通常为一矢量)，同时还需要与之对应的表示所需期望输出的目标矢量。进行