《智能控制大作业2.pdf》由会员分享，可在线阅读，更多相关《智能控制大作业2.pdf（19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、智能控制大作业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
2、智能系统的并行处理机、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？模糊化接口规则库模糊推理清晰化接口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（rule base）：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 IF is AND is THEN is的形式表达。2、模糊推理：以模糊集合
3、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
4、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量经尺度变换变成实际的控制量。1.3.画出感知器的基本结构模型，并简述其算法过程。算法过程：将阈值 并入 W 中，令 Wn+1=-，X 向量也相应地增加一个分量 xn+1=1，则y f(Wixi)i 1n 1（1）给定初始值赋给 Wi(0)各一个较小的随机非零值，Wi(t)为 t 时刻第 i 时刻第 i 个输入的权（1in）,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)Y(t)f(f(WWi i(t)x(t)xi i)i i 1 1n n 1 1修正权
5、 W：Wi(t+1)=Wi(t)+d-Y(t)xi,i=1,2,n+1；(5)转到(2)直到 W 对一切样本均稳定不变为止。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(1)(1)i 1,2,.,nOuti Ini xi第二层（隐层）：n(2)(1)(1)(2)(2)Inj ijOutij,Outj(Inj)i1j 1,2,.,l第三层：(输出层):l(3)(3)(2)(2)yk Outk Ink jkOutjj1k 1,2,.,m1.5.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
6、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
7、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
8、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（Organization level）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
9、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(Coordination Level)次高级，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（Executive Level）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，
10、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，0.60.40.70.20.70.30.60.50.20.8，S 0.80.60.5，Q 0.40.80.41.0R 0.20.50.10.90.30.
11、40.70.10.90.31.00.20.9试求R S，RS，RSQ，以及R SQ。解：由题知0.40.60.30.80.50.9因为R 0.10.70.6所以R0.40.70.3RS 0.80.60.90.10.70.90.20.40.3S 0.20.50.10.90.20.40.60.70.70.80.30.7S 0.20.40.50.80.60.5又RS 1.00.30.900.80.10.60.30.7RS 0.20.40.100.30.1.70.70.70.700.40.50.80.2又Q 0.60.20.60因此RS。Q=0.60.60.50.8.70.50.90.800.30.9
12、0.10.7.40.70.60.70所以RS。Q=0.40.20.40.2.30.20.30.102.2.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B 白 000.30.81，糊集，且A 黑 10.50.100，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：C 1 10.400,00.30.81 00.50.50.40.50.5TTR (A B)(A C)0.90.90.40.10.1.110.400110.4002.3.已知输入模糊量分别为A C 1.00.40.10.71.0，B，而输出模糊量为a1a2b1b2b30.30.51.
13、0，求模糊语句“若A且B，则C”所蕴含的关系R。c1c2c3解：由题意可得：若A且B，则CR=(1.0 0.4T0.1 0.7 1.0)T0.3 0.5 1.00.10.71.00.30.51.00.10.40.4T0.10.30.30.10.30.30.10.10.50.40.51.00.10.10.40.40.40.42.4.设有论域XY12345，X，Y上的模糊子集“大”、“小”、“较小”分别表示为：大000.41230.7415 小10.7 0.4 0012345较小10.6 0.4 0.2 012345设“若x小则y大”，当x较小时，试确定y的大小。0000000000解：由题R大小
14、=0.4 0.4 0.4 000.7 0.7 0.4 001.0 0.7 0.4 000000000则y=较小。R10.6 0.4 0.2 0。0000.40.40.4000.70.70.4001.00.70.400=0.40.40.40.202.5.设有论域Ua1a2a3，Vb1b2b3，Wc1c2c3，已知：A1a10.4 0.1a2a3B0.8 0.5 0.2b1b2b3C 0.50.60.7c1c2c30.210.4时的输出D。a1a2a3设“若A则B，否则C”，求输入为A*解:令A 10.40.1,B 0.80.50.2,C 0.50.60.7,A*0.20.10.4.设“若 A 则
15、 B，否则 C”的模糊关系为 R，则：00 080.50.20.80.50.2 0T0.50.60.60.50.60.6R (AT B)(A C)0.40.40.20.10.10.10.50.60.70.50.60.7由模糊关系得：080.50.20.40.40.4D A*R 0.20.10.40.50.60.60.50.60.72.6.求模糊集合A 0.50.610.70.3u1u2u3u4u5的截集 0.1,0.5,1。解：A1.0 u3A0.1u1A0,5u1u2u2u3u3u4u4u52.7.设有一模糊控制器的输出结果为模糊集合C，其隶属度为0.5C 30.720.320.530.74
16、150.760.27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)0.3*20.5*30.7*41*50.7*60.2*7U2.70.50.7 0.30.50.7 10.7 0.2*3、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
17、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。3.2 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/Time New Roman4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
18、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
19、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。
20、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
21、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
22、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）。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
23、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 =Gi(k)=Gi,min 进行控制；STEP3.根据 Gi(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
24、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 Gi(k+1)，并且：1)如果 Gi(k+1)15s（假设绿灯延时最长为 30s），并且 Gi +Gi(k+1)Gi,max，则 Gi =Gi +Gi(k+1)并转 到STEP3（kk+1）；2)如果 Gi(k+1)15s，并且 Gi +Gi(k+1)Gi,max，则Gi(k+1)=Gi,max Gi，G i =G i,max并转到 STEP5；3)如 果Gi(k+1)Gi,max，则 Gi(k+1)=Gi,max Gi）；STEP5.在 Gi(k+1)秒后切换到该候选绿灯相位。3变论域自适
25、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
26、与 Y 可以分别随着变量 xi 与 y 的变 化而变化，记 X i(xi)=i(xi)Ei,i(xi)Ei (i=1,2,3,4)和 Y(y)=(y)U,(y)U。上式中，(x)与 (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(x)=1 exp(kx 2)，(0,1)，k 0 (1)和 (t)=k I pi ei()d+(0)(2)这里取 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
27、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
28、模糊隶属划分。而 1 2 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 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，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，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 为 SB；如果 GQ 是 VL 且 RQ 是 VS，则 为 VB。同理，可以总结出其它规则。三
29、套模糊控制器的模糊规则及隶属度函数 及其伸缩因子分别见表 3、表 4 和图 6。3.3基于模糊规则的变论域模糊控制器的结构、工 作流程基于模糊规则的变论域模糊控制器的结构如图 7 所示：变论域模糊控制器工作流程为：1.得到输入量 GQ 和 RQ；2.规范化。GQ=GGQ GQ；RQ=GRQ RQ；3.根据伸缩因子模糊控制器推理得到 1、2 和 ；4.得到新的输入输 出论域范围，继而根据绿灯延时判断模糊控制器的模糊推 理，得出当前通行相位的绿灯延长时间 EX。4仿真实验和结果根据上述混合优化方案，在 Matlab 中分别对基于函数模型和基于模糊规则的变论域模糊控制器在单交叉路口信号配时上的控制分别进行仿真。整个仿真实验时间为 6000 秒，分为东西方西和南北方向车流量恒定和车流量变化（在 本文仿真程序中采用随机突加的车流量的方法）两种情况，每种情况下又分为车流量轻、中、重三种状态，评价指标为 平均车辆延误时间，仿真结果如表 5 所示，每种情况分别仿 真 5 次，表中数据为 5 次的平均值。由表可知，本文的变论 域模糊控制器与传统的基于函数模型在信号配时上的控制 相比较，平均车辆延误时间改善 4.68至 12.24之间，尤 其是当车流量有突变时，改善更加明显。