智能控制技术(亲自整理的知识点)

智能控制

(1)智能控制与传统控制的区别

答：传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决线性、时不变性等相对简单的控制问题，难以解决对复杂系统的控制。

智能控制能解决被控对象的复杂性、不确定性、高度的非线性，是传统控制发展的高级阶段。

(2)智能控制的概念

答：智能控制是人工智能、自动控制、运筹学的交叉。

(3) 1986年美国的PDP 研究小组提出了BP 网络，实现了有导师指导下的网络学习，为神

经网络的应用开辟了广阔的发展前景。

(4) 专家系统主要由知识库和推理机构成（核心）

(5)专家控制的结构

(6)按专家控制在控制系统中的作用和功能，可将专家控制器

分为以下两种类型：

答：(1) 直接型专家控制器：直接专家控制器用于取代常规控制器，直接控制生产过程或被控对象。具有模拟（或延伸，扩展）操作工人智能的功能。该控制器的任务和功能相对比较简单，但是需要在线、实时控制。因此，其知识表达和知识库也较简单，通常由几十条产生式规则构成，以便于增删和修改。

直接型专家控制器的示意图见图中的虚线所示。

(或被控对象进行间接控制的智能控制系统。具有模拟（或延伸，扩展）控制工程师智能的功能。该控制器能够实现优化适应、协调、组织等高层决策的智能控制。按照高层决策功能的性质，间接型专家控制器可分为以下几种类型： ① 优化型专家控制器② 适应型专家控制器

③ 协调型专家控制器④ 组织型专家控制器

例3.4 设 求A ∪B ，A ∩B 则

(7) 在模糊控制中应用较多的隶属函数有以下6种隶属函数。 （1）高斯型隶属函数

高斯型隶属函数由两个参数σ和c 确定：2

22)(),,(σσc x e

c x f --=

其中参数b 通常为正，参数c 用于确定曲线的中心。 M a t l a b 表示为 c]),σ[gaussmf(x,

(3) S 形隶属函数

S 形函数s i g m f (x ,[a c ])由参数a 和c 决定：)

(11),,(c x a e c a x f --+=

其中参数a 的正负符号决定了S 形隶属函数的开口朝左或朝右，用来表示“正大”或“负大”的概念。M a t l a b 表示为sigmf(x,[a,c])

(4）梯形隶属函数

梯形曲线可由四个参数a ，b ，c ，d 确定：⎪⎪⎪

⎪⎩⎪

⎪⎪⎪⎨⎧≥≤≤--≤≤≤≤--≤=d

x d x c c d x d c x b b x a a b a x a x d c b a x f 0

1

),,,,( 其中参数a 和d 确定梯形的“脚”，而参数b 和c 确定梯形的“肩膀”。 M a t l a b 表示为：

d])c,b,[a,trapmf(x,

(5)三角形隶属函数

三角形曲线的形状由三个参数a ，b ，c 确定⎪⎪⎪⎩

⎪⎪⎪⎨

⎧≥≤≤--≤≤--≤=c

x c x b b c x c b x a a

b a x a x

c b a x f 00

),,,(

其中参数a 和c 确定三角形的“脚”，而参数b 确定三角形的“峰”。 M a t l a b 表 示

为c])b,[a,trimf(x,

（6）Z 形隶属函数

4

3

2

15.04.01.03.0u

u u u B A +++= 43216.08.02.09.0u u u u B A +++= 4

3215.08.02.09.0u u u u A +++=

43216.04.01.03.0u u u u B +++=

这是基于样条函数的曲线，因其呈现Z 形状而得名。参数a 和b 确定了曲线的形状。

例3-10 设

图 高斯型隶属函数（M=1）

图 S 形隶属函数（M =3） 图 梯形隶属函数（M=4） 图 三角形隶属函数（M =5）

图 Z 形隶属函数（M=6） ⎥

⎦

⎤

⎢⎣⎡=9.03.01.07.0A ⎥

⎦

⎤⎢⎣⎡=1.02.09.04.0B

则

例3-9 设论域x={a 1，a 2，a 3}，y={b 1，b 2，b 3}，z={c 1，c 2，c 3}，已知

3

211

.015.0a a a A ++=

3

216

.011.0a b b B ++=

2

11

4.0c c C +=

试确定“If A AND B then C ”所决定的模糊关系R ，以及32111.05.00.1a a a A +

+=

11230.10.51B b b b =

++

时的输出C 1

。

解：

[]T 0.50.1

0.50.5A B=10.11

0.60.1

1.0

0.60.10.1

0.1

0.1A B ⎡⎤

⎡⎤⎢⎥⎢⎥⨯∧=∧=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦

⎣⎦

将A ×B 矩阵扩展成如下列向量：

()[]

[]

T

T1

T

R=A B C= 0.10.50.50.1 1.00.6

0.10.10.10.410.10.4

0.40.10.40.40.10.10.10.10.5

0.5

0.1

1

0.6

0.10.10.1⨯⨯⎡⎤=⎢

⎥⎣⎦

当输入为A 1和B 1时，有：

()

[]

T2

0.10.510.10.50.50.10.10.1A B ⨯=()[]T

111

110.1

0.510.50.1

0.5

10.1

0.5

0.50.10.1

0.1

0.1A B A B ⎡⎤

⎡⎤⎢⎥

⎢⎥⨯=⨯=∧=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦

⎣⎦

将A 1×B 1矩阵扩展成如下行向量：

最后得

[]

[]

T

10.10.40.40.10.40.40.10.10.10.10.51

0.1

0.5

0.5

0.1

0.1

0.10.10.5

0.5

0.1

1

0.6

0.1

0.1

0.1 0.4

0.5C ⎡⎤=⎢⎥⎣

⎦

=即：

1120.40.5

C c c =

+

(8)模糊控制原理框图

⎥⎦

⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡∨∨∨∨=9.03.09.07.01.09.02.03.09.01.04.07.0B A ⎥⎦

⎤

⎢⎣⎡=⎥⎦⎤⎢⎣⎡∧∧∧∧=1.02.01.04.01.09.02.03.09.01.04.07.0B A ⎥⎦

⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡----=1.07.09.03.09.013.011.017.01A