2021年智能控制-考试题(附答案).docx

《2021年智能控制-考试题(附答案).docx》由会员分享，可在线阅读，更多相关《2021年智能控制-考试题(附答案).docx（22页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、精品word 可编辑资料 - - - - - - - - - - - - -试题 1：智能掌握考试试题针对某工业过程被控对象：G ( s)(10s201)(2 se 0.5 s ，试分别设计常规PID1)算法掌握器.模糊掌握器.模糊自适应PID掌握器，运算模糊掌握的决策表，并进行如下仿真讨论及分析：1. 比较当被控对象参数变化.结构变化时，四者的性能；2. 讨论改善 Fuzzy 掌握器动.静态性能的方法；解：常规 PID.模糊掌握. Fuzzy 自适应 PID 掌握.混合型FuzzyPID 掌握器设计错误.未找到引用源； . 常规 PID 调剂器PID 掌握器也就为比例.积分.微分掌握器，为一

2、种最基本的掌握方式；它为依据给定值r (t ) 与实际输出值y(t ) 构成掌握偏差e(t ) ，从而针对掌握偏差进行比例.积分.微分调剂的一种方法，其连续形式为：u(t )K p e(t )1tTi0e(t) dtTdde(t)dt（ 1.1）式中，K p 为比例系数，Ti 为积分时间常数，Td 为微分时间常数；PID掌握器三个校正环节中K p ， Ti 和 Td 这三个参数直接影响掌握成效的好坏，所以要取得较好的掌握成效，就必需合理地挑选掌握器的参数；Ziegler 和 Nichols 提出的临界比例度法为一种特别闻名的工程整定方法；通过试验由体会公式得到掌握器的近似最优整定参数，用来确定

3、被控对象的动态特性的两个参数：临界增益K u 和临界振荡周期Tu ；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掌握器类型K PTiTdP0.5K u0PI0.455K u0.833Tu0第 1 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -PID0.6K u0.5Tu0.125Tu据以上分析，通过多次整定，当K p1.168 时系统显现等幅振荡，从而临界增益 K u1.168 ，再从等幅振荡曲线中近似的测量出临界振荡周期Tu5.384 ，最后再依据表 1.1 中的 PID 参数整定

4、公式求出：K p0.701、Ti2.692、 Td0.673 ，从 而 求 得 ： 比 例 系 数 K p0.701 ， 积 分系 数 K iK p / Ti0.260， 微 分 系 数K dK pTd0.472 ；基此，可搭建如图 1.1 所示的 PID 掌握系统 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 1.1PID 掌握系统 Simulink 仿真模型1.81.51.61.41.211t(t)yy0.80.60.50.40.200510152025303540Time(s)00510152025303540Time(s)图 1.2（a） (b)临界比

5、例度法整定的系统阶跃响应曲线错误.未找到引用源； . 模糊掌握器由于模糊掌握采纳了模糊似人推理机制，所以其掌握机理较传统的 PID 掌握更加接近于人工智能；一般地，一个完整的模糊掌握系统结构如图 1.3 所示；下面基于 MATLAB 模糊规律工具箱设计模糊掌握器；第 2 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -图 1.31）论域及隶属度函数的建立模糊掌握器的基本结构如取 E.EC.U 的论域均为6、5、4、3、2、1、0、1、2、3、4、5、6，其模糊子集都为NB ， NM ，NS，ZO，PS，PM，P

6、B ；在 MATLAB中键入命令 FUZZY ，进入模糊规律编辑窗口FIS Editor ；建立E.EC.U 的隶属度函数，有三角形.高斯形.梯形等11 种可供挑选，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 1.4E. EC.U 的隶属度函数2）模糊掌握规章及决策方法掌握规章为对专家理论学问与实践体会的总结，共有49 条模糊掌握规章，如表 1.2 所示；在 Rules Editor 窗口中输入这49 条掌握规章， 例如：if E is NB andEC is NS then U is NB；表1.2模糊掌握规章表UNBNMENSZOPSPMP

7、BNBNBNBNBNBNMNSZOECNMNBNBNMNMNSZOZO第 3 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -NSNBNMNMNSZOZOZOZONMNSNSZOPSPSPMPSZOZOZOPSPMPMPBPMZOZOPSPMPMPBPBPBZOPSPMPBPBPBPB模糊决策一般采纳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 种可供挑选，在此采纳重心法（centroid）；依据以上规章和方法，设计出模糊掌握器的输出与输入的关系曲面图，即得出模糊规章为

8、一种非线性掌握；基此，可搭建如图 1.5 所示的模糊掌握系统Simulink 仿真模型， 通过模糊掌握器模块，可以和包含模糊掌握器的fis 文件联系起来，仍可以随时转变输入输出论域，隶属度函数以及模糊规章，便利仿真和调试；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 ：ke0.5、 kec0.1、 ku0.6 ，仿真得到系统阶跃响应曲线如图1.6 所示；图 1.5模糊掌握系统Simulink 仿真模型1.41.21)t(y0.80.60.40.200510152025303540T ime(s)图 1.6模糊掌握系统阶跃

9、响应曲线从图 1.6 可以看出，单纯的模糊掌握器相当于非线性的PD 掌握，无积分作第 4 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -用，其调剂不能做到无静差；在仿真过程中发觉，量化因子.比例因子的大小对模糊掌握器掌握性能的影响很大，或许仍存在一组最优量化因子和比例因子，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 掌握器由于常规 PID 掌握在稳固阶段有良好的响应性能，于为采纳Fuzzy+PID 掌握方法，构成 FuzzyPID 掌握系统；其结构框图如图1.7 所示；图

10、 1.7Fuzzy 掌握 +PID 掌握在 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 1.8Fuzzy 掌握 +PID 掌握波形第 5 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -从图 1.8 中可以看出系统稳固时间很短仅约为3，存在的静差约为0.06，输出最大约为 0.94，无超调量； . 采纳 Fuzzy +PID

11、 复合掌握器由以上两个仿真可知，采纳Fuzzy 掌握可以极大地改善系统超调和稳固时间，但为其稳态性能有所下降，稳态精度明显不如常规PID 掌握；利用 Fuzzy 掌握+精确积分掌握方法，由于常规Fuzzy 掌握缺少积分环节而存在稳态误差，故可以通过Fuzzy 掌握+精确积分的方法改善系统的稳态性能，即混合型 FuzzyPID 掌握器，这样可以使系统成为无差模糊掌握系统；其结构框图如图 1.9 所示；取精确积分系数ki图 1.9Fuzzy 掌握 +精确积分掌握0.29 ，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；第 6 页，共 19 页 - - - - - - - -

12、- -精品word 可编辑资料 - - - - - - - - - - - - -图 1.10 Fuzzy-PID 波 形从图 1.10 中可以看出系统稳固时间比较短约为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%；保持所设计的掌握器参数不变，当被控对象的参数或模型结构变化( 例如T3 =0.15)时， PID 和 Fuzzy 掌握器的性能分析1) 当被控对象的参数发生变化A当系统 k 值由原先的 15 变化为 30 时，其余参数不变， 各种掌握方式的系统阶跃响应如图1.11 所示；B 当 T1 由原先的 7.5 变化为 15 时，其余参数不变，各种掌握方式的系统

13、阶跃响应如图 1.12 所示；第 7 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -C当 T2 由原先的 0.75 变化为 1.5 时，其余参数不变，各种掌握方式的系统阶跃响应如图 1.13 所示；第 8 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -（ 1）模糊掌握决策表的运算当利用 MATLAB模糊规律工具箱设计好模糊掌握器后，仍应当运算相应的 模糊掌握决策表，即关系矩阵；这里利用MATLAB工具箱中的 readfis

14、和 evalfis函数，运算上述模糊掌握器的决策表，编写的M 文件如下：a = readfis('fuzzy1.fis'); fori = -6 : 6forj = -6 : 6u(i+7、j+7) = evalfis(i、j、a);end endu =运行该程序，可得到模糊掌握决策表为如下一13*13 矩阵：Columns 1 through 8-5.3723-5.2527-5.3723-5.2527-5.3723-4.2674-3.9992-1.9992-5.2527-5.2527-5.2527-4.2674-4.2674-3.2733-3.0000-1.9991-5.37

15、23-5.2527-5.3723-4.2674-3.9992-3.0000-2.0008-1.0007-5.2527-4.2674-4.2674-4.2674-3.9984-3.0000-2.0016-1.0007-5.3723-4.2674-3.9992-3.9984-3.9992-3.0000-2.0008-1.0007-5.2527-4.2674-3.9984-3.0000-3.0000-1.9991-1.00070.0000-5.3723-4.2674-3.9992-3.0000-2.0008-1.0007-0.00001.0007-4.2674-3.2733-3.0000-1.999

16、1-1.00070.00001.00071.9991-3.9992-3.0000-2.0008-1.0007-0.00001.00072.00083.0000-3.0000-1.9991-1.0007-1.00070.00001.00072.00163.0000-2.0008-1.0007-0.00000.0000-0.00001.00072.00083.0000-1.0007-1.00070.00000.00000.00001.99913.00003.2733-0.00000.0000-0.00000.0000-0.00001.99923.99924.2674Columns 9 throug

17、h 13-0.00000.0000-0.00000.0000-0.0000第 9 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -0.00000.00000.00001.00071.0007-0.00000.0000-0.00001.00072.00080.00001.00071.00071.99913.0000-0.00001.00072.00083.00003.99921.00071.99913.00003.27334.26742.00083.00003.99924.26745.37233.00003.00

18、003.99844.26745.25273.99923.99843.99924.26745.37233.99844.26744.26744.26745.25273.99924.26745.37235.25275.37234.26744.26745.25275.25275.25275.37235.25275.37235.25275.3723在 MATLAB命令窗口（ Command Window）里输入gensurf(a)，可以得到模 糊掌握决策表的三维曲面图，如图1.14 所示；5u 0-556024ec0-2-5-6-4e图 1.14模糊掌握决策表的三维曲面图（ 2）四种方案的掌握性能讨论错

19、误.未找到引用源； . 常规 PID 掌握特性在保持PID 掌握器整定参数不变的情形下，转变给定二阶被控对象两个时间常数 T1 及 T2 ，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，调剂时间变短，且超调减小；随着时间常数增大，调剂时间变长，且超调增大；第 10 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -1.815T =15、T =1.5T =15、T=1.512121.61.4T 1=20、T 2=1.5T 1=20、T 2=310

20、T1=15T1=15、T 2 =1.5、T 3=31.251(t)y0.8t)y(00.6-50.40.2-1005101520253035400510152025303540Time(s)Time(s)0-15图 1.15 参数变化对PID 掌握特性的影响图 1.16 模型结构变化对PID 掌握特性的影响将二阶对象变为一阶时， PID 掌握从理论上讲要变为PI 掌握（即取 K d0 ），混合仿真试验也证明了这一点；在保持 PID 掌握器原整定参数情形下，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，系统显现振荡，不能令人中意；将二阶对象变为三阶时，其PID 掌握器参数仍不变，

21、阶跃响应曲线显现严 重振荡，如图1.16 所示；通过多次调整PID 掌握参数仍不凑效；由于从理论上 讲，对三阶对象应当选用PID-PI 两级串联调剂， 不能采纳简洁的单级PID 掌握；由上述混合仿真试验结果可以看出，基于精确对象模型来整定掌握参数的PID 掌握，对于对象参数变化为敏锐的，对于模型结构变化（如阶的转变）基本没有适应才能；错误.未找到引用源； . 模糊掌握特性在保持模糊掌握器整定的论域不变的情形下，转变二阶对象的两个时间常数T1 及 T2 ，变化情形同 PID 掌握时相同，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，但为响应曲

22、线却变化不大，均实现无超调掌握，调剂时间最短的约为10s，最长的约为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， 在模糊掌握参数仍保持不变的情形下，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掌握，调剂时间约为10s，对三阶对象超调也仅约为14.7%；第 11 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -1.41.2T1=15、T 2=1.5T1=20、T 2=1.5T1=20、T 2=31.41.2T1=15、T 2=1.5 T1=15T1=15、T

23、2=1.5、T 3=3110.8(t)y0.60.8(t)y0.60.40.40.20.200510152025303540Time(s)00510152025303540Time(s)图 1.17 参数变化对模糊掌握特性的影响图 1.18 模型结构变化对模糊掌握特性的影响上述结果说明，模糊掌握较之PID 掌握不仅对被控对象参数变化适应才能强，而且在对象模型结构发生较大转变的情形下，也能获得好的掌握成效；错误.未找到引用源； . 单神经元 PID 掌握特性在保持单神经元PID 调剂器参数不变的情形下， 转变二阶对象的两个时间常数T1 及T2 ，变化情形同上述相同，它们的阶跃响应曲线如图1.19

24、 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掌握器参数仍保持不变的情形下，其阶跃响应曲线如图1.20 所示；1.41.2T 1=15、T 2=1.5T 1=20、T 2=1.5T 1=20、T 2=31.41.2T1=15、T 2=1.5 T1=15T1=15、T 2=1.5、T 3=311)t( y0.80.6)t( y0.80.60.40.40.20.20050100150200250300350400450500Time(s)0050100150200250300350400450500Time(s)图 1.19/1.20 参数变化 /模型结构变化对单神经元

25、PID 掌握特性的影响仿真结果说明，单神经元PID 掌握具有优于常规PID 掌握的成效，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才能强，而且在对象模型结构发生较大转变的情形下，也能获得好的掌握成效；（ 3）改善模糊掌握动.静态性能的方法第 12 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -虽然模糊掌握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；但为它的稳态掌握精度较差， 掌握欠细腻， 难以达到较高的掌握精度； 同时， 它也缺少积分掌握作用， 不宜排除系统的静差； 为了补偿这

26、些缺陷， 有用中常常把基本模糊掌握器跟其他掌握器相结合，充分发挥各自的优点， 以使掌握成效更加完善；下面举例介绍一些改善模糊掌握动.静态性能的方法；错误.未找到引用源； . Fuzzy 掌握加精确积分常规的模糊掌握器为以误差E 和误差变化率 EC 作为输入变量， 因此一般认为这种掌握器具有比例微分掌握作用，但缺少积分掌握作用， 因此这种系统的静态误差较大， 稳态性能不能令人中意； 为提高模糊掌握系统的稳态性能，这里搭建了如图 1.21 所示的 Fuzzy 掌握加精确积分Simulink 仿真模型；掌握器在基本模糊掌握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 所示；图 1

27、.21Fuzzy 掌握加精确积分Simulink 仿真模型从图 1.22 可以看出，带积分作用的模糊掌握系统可排除静差，系统输出稳态精度有了很大的改善，很好地解决了常规Fuzzy 掌握的稳态误差问题，因此Fuzzy 掌握加精确积分对常规Fuzzy 掌握的改进为有效的；但为相比常规Fuzzy掌握，系统超调有所增大，动态性能未能达到较好的状态；第 13 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -1.41.210.8)t( y0.60.40.200510152025303540Time(s)图 1.22Fuzz

28、y 掌握加精确积分系统阶跃响应曲线错误.未找到引用源； . Fuzzy-PID 复合掌握针对 Fuzzy 掌握加精确积分的不足之处， 这里引入 Fuzzy-PID 复合掌握加以改进，其集成了 Fuzzy 掌握动态性能高和 PID 掌握稳态精度高的优点， 比单一采纳常规模糊掌握器和单一采纳传统 PID 调剂器均有更好的掌握性能；图 1.23Fuzzy-PID 复合掌握结构图设计 Fuzzy-PID 掌握器的基本思想为对掌握论域进行分段， 在不同的分段区内采纳不同的掌握方式，其结构图如图 1.23 所示；图 1.23 中在两个掌握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

29、值emax 比较结果来打算两种掌握方式的挑选；当eemax为认为系统运行在动态过程，应采用模糊掌握方式以发挥其动态性能好.超调量小的特点；当eemax时认为系统进入到了稳态，应切换到PID 掌握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 复合掌握系统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 的量化第 14 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -因子及

30、掌握量 U 的比例因子同常规Fuzzy 掌握器中的参数； 阈值 emax 设定为 0.2；重 新经 过多 次 整 定选 取PID调剂 器中 的 参 数为 K p1.501 ， K i0.160 ，K d1.572 ；图 1.24Fuzzy-PID 复合掌握系统Simulink 仿真模型1.41.21)t(y0.80.60.40.2005101520253035404550T ime(s)图 1.25Fuzzy-PID 复合掌握系统阶跃响应曲线从图 1.25 可以看出， Fuzzy-PID 复合掌握同样能做到无静差调剂； 进一步地通过对比可以看出， 该复合型掌握器吸取了两者的优点， 摒弃了两者的

31、缺点， 明显系统在过渡过程采纳 Fuzzy 掌握，输出超调减小，进入稳固状态后切换为 PID 掌握，保证了较好的稳态精度；错误.未找到引用源； . 自调整比例因子Fuzzy 掌握在模糊掌握器中，对掌握性能影响较大的参数主要有模糊掌握规章，量化.比例因子， 隶属函数外形及其分布等， 各种自调整方法大多环绕对这些参数的调整和优化绽开； 比例因子（这里将通常所说的量化因子和比例因子统称为比例因第 15 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -子）用来实现基本论域与模糊集论域之间的转换，与掌握规章.隶属度相比，

32、比例因子的挑选具有更大的敏捷性； 它对掌握系统的稳固性及各项性能指标的影响类似于PID 掌握器中的三个参数；在确定了掌握规章和隶属度的情形下，调整比例因子仍可以在很大程度上改善掌握回路的品质；基于以上分析， 这里提出一种自调整比例因子Fuzzy 掌握方法， 即依据误差E 和误差变化率EC 调整比例因子Ke 和 Kec，依据系统掌握性能指标调整比例因子 Ku ；调整的原就为：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 的辨论率，同时Ku 取较大值，使响应加快，保证系统的快速性和稳固性；当E 或 EC 较小时， Ke 和 Kec 取较大值，增加对E

33、和 EC 的辨论率，同时Ku 减小，防止产生超调，并使系统尽快进入稳态精度范 围；简洁地使用 SIMULINK中的模块无法直接应用到这里所讨论的自调整比例 因子 Fuzzy 掌握器的设计中； 在 Simulink 中，仍有一个 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 的大小自动调剂输出比例因子 Ku ，实现参数自调整的目的；依据上面所述参数调整规章编写如下S 函数：functionsys、x0 =fuzzypara(t、x、u、flag) globalKe Kec

34、Ku; Ke=0.2;Kec=0.1;Ku=0.8;switchflag、 case0、sys=0、0、3、2、0、1; x0=;case3、ifabs(u(1)>0.3 | abs(u(2)>0.1 sys(1)=Ke;sys(2)=Kec; sys(3)=Ku;elseifabs(u(1)>0.1 | abs(u(2)>0.05sys(1)=1.3*Ke; sys(2)=1.5*Kec; sys(3)=0.5*Ku;else sys(1)=1.4*Ke; sys(2)=1.6*Kec; sys(3)=0.2*Ku;第 16 页，共 19 页 - - - - - -

35、- - - -精品word 可编辑资料 - - - - - - - - - - - - -endend otherwise sys=;基此，可搭建如图1.26 所示的自调整比例因子Fuzzy 掌握系统 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 掌握系统与常规Fuzzy 掌握相比，响应速度加快，稳态精度有很大提升，对于时变.非线性.强干扰的掌握 对象，采纳自调整比例因子Fuzzy 掌握为一个特别好的挑选；图 1.26自调整比例因子Fuzzy 掌握系统Simulink 仿真模型1.41.21)t(y0.80.60.

36、40.200510152025303540T ime(s)图 1.27自调整比例因子Fuzzy 掌握系统阶跃响应曲线试题 2：设计 BP 网络和 RBF 网络，使之靠近非线性函数y(x)sin(0.1x)cos(0.1x) ，要求：1.讨论隐层单元数.学习因子等选取对学习成效的影响；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；第 17 页，共 19 页 - - - - - - - - - -精品word 可编辑资料 - - - - - - - - - - - - -p=0:0.5:10;p2=0:0.1:10;t=sin(0.1*p)+

37、cos(0.1*p);net=newff(1 exp(10)、10 1、 'tansig' 'purelin'、 'traingdx'、'learngdm');% net.trainParam.epochs=5000;net.trainParam.goal=0.001; net.trainParam.show=10; net.trainParam.lr=0.9; net=train(net、p、t)%net2=train(net、p2、t2); r=sim(net、p)%r2=sim(net2、p2);% o.·%plot(p2、t2、'g+')