智能控制大作业Word文档格式.docx
- 文档编号:21762735
- 上传时间:2023-02-01
- 格式:DOCX
- 页数:17
- 大小:208KB
智能控制大作业Word文档格式.docx
《智能控制大作业Word文档格式.docx》由会员分享,可在线阅读,更多相关《智能控制大作业Word文档格式.docx(17页珍藏版)》请在冰豆网上搜索。
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。
1.5.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?
生成方法:
1•根据专家经验或过程控制知识生成控制规则
2•根据过程的模糊模型生成
3•根据学习算法获取控制规则
注意问题:
1•规则数量合理
2•规则要具有一致性
3•完备性要好
16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,并简述其主要思想?
各层之间输入输出函数关系:
第一层:
输入层将输入引入网络第二层(隐层):
第三层:
(输出层):
1「
1.7.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些作用?
神经网络的基本特性:
1.非线性映射逼近能力
2•自适应性和自组织性
3.并行处理性
4.分布存储和容错性
5.便于集成实现和计算模拟
在控制中的作用:
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.在与其他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
1.8.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?
递阶智能控制系统是由二个基本控制级:
组织级,协调级,执行级构成的
1•组织级组织级代表控制系统的主导思想,并由人工智能其控制作用。
根据贮存在长期存储疾患单元内的本源数据集合,组织器能够组织绝对动作,一般人物和规则的序列
2•协调级协调级是组织级和执行级间的接口,承上启下,并由人工智能和运筹共同作用。
协调级借助于产生一个适当的子任务序列来执行原指令,处理实
时信息。
它是由不同的协调器组成,每个协调器由计算机来实现。
3•执行级执行级是递阶智能控制的最底层,要求具有较高的精度但较低的智
能;
它按控制论进行控制,对相关过程执行适当的控制作用。
1.9.简述专家系统与专家控制的区别。
与专家系统主要区别,专家控制系统在控制领域中特别强调实时性,专家控
制系统在实时控制时必须:
(1)将操作人员从系统的环路中撤走
(2)建立自动的实时数据采集子系统,需将传感器的输出信息作预处理
(3)根据可利用的环境信息,综合适当的控制算法。
被控对象的模型可以是预知的,也可以在线辨别。
推理机制要求做到离线和在线推理,并具有递阶结构的推理过程
1.10.简述专家系统的基本构成。
专家系统由知识库,数据库,推理机,解释器及知识获取器5个部分组成
2、计算题:
2.1.已知三个模糊矩阵R、
S和Q分别如下所示,
).60.40.71
1
0.20.70.31
-
0.20.50.1
,s=
0.80.60.5
,Q=
D.90.30.4-
1.00.20.9
R=
R一S0Q,
0.60.5
0.40.8
0.70.1
试求Rs,r「S,
0.2
0.4
0.9
0.81
1.0
0.3
解:
0.40.50.802
0=0.6020.60:
0.3050」0.7
0.8y0.8
0.5v0.6
0.9v0.5
0.8
0.6
o.g
O.lvl.O
0.7v0.2
0.6v0.9
0,9
X=Y=「1234
0.6\0.2
0.4a0.7
0.7a0.3
0.2a0.8
0.5a0.6
0.1A0.5
o.s
A是论域X上的模糊集,
0.9.1.0
(jz0^)09=
'
0.20.4
0.3-
0.50.2,
c=-+
O.S0.41
10.910.36O
丄,丄
0.20.8
N-1
04
2T
345
0.90.2
0.7
0.10.9
■1「
_O
Q.3
1_
O.5
O.3
0.5
0.6a0.8
0.4,
)3
0.7a0.7'
AxE=
0.1
x[OO0.30.8
】]=
O.l
OJaO.2
0.5a0.4
O.IaO.5
O
0.9a0.0
0.4a0.1
_O_
_0
O,
0.3a02
0Ja0.9
0-9
[不很白]=1-[很白]=】一[白丁
^=1-
O0.50.911
论域Y上的模糊集,且
A=[黑]=10.60.30.1
B二[白]=00.10.40.71],求如果x黑则y白,否则C不很白”的模糊关系
(其中:
很'
为强化语气算子,=2)
_0_
_0
0_
05
0.36
AfxC—
沖1
0.91
八
_1_
_1
03
1"
故模糊关系出
2.3.已知输入模糊量分别为
A」°
严,
B—0.4
$,
而输出模糊量为
ala2blb2b3
C考罟译,求模糊语句若A且B,则C”所蕴含的关系R
解:
R=:
3•:
叽0:
o
■0
0"
U
=
0」
2.4.
别表示为:
设有论域
=Y
丫上的模糊子集
大”小”
较小”分
[大]=0010407
12345
[较小]」0604020
已知
M載,卜沁二[10.60.40.20]
由Mandani推理法得模糊关系矩阵:
or
0,4
Q
陶丈』=您小心D=[10.60.402
o]0
GA
I
(U
=[000.40.71]
Q0^0.4(U丄1
2.5.设有论域U_;
a1a2
a3{,V-[bl
b2b3?
c2c3f,已知:
一
+'
卜——
a1
a2
a3
+——
+—
b1
b2
b3
.0.6
A
B
c1c2c3
C
设若A则B,否则C”,
求输入为
02」•04时的输出D。
O.S050.2_
■000"
000
R=(.4xB)o(.4xC)=
0.60.50.2
u
0.60.502
0.60.50,2
0.80.50.2
*
D=jj*oJ?
=(0.60.502)
ala2
2.6.求模糊集合
A0.50.61.0.70.3
UiU2U3U4U5
的〉截集〔*:
0.1,〉=0.5,「,=d。
观]={站“坯,眄曲4,硝}
/心=他#2宀少4}A=妆4}
2.7.设有一模糊控制器的输出结果为模糊集合C,其隶属度为
-0.50.70.30.50.710.70.2
C二————————
日-2234567,
试用重心法计算模糊判决的结果(四舍五入)。
0.5x(-3)-0.7x(-2)+0.3x2+0.5x3+0.7x4+1x5+0.7x6+0.2x712.6
1/
0.5^0.7+03+0.5+0.7+1+0.7+0.2-4.6
0J
Y
0.36
69
03(5
0J(50
0.?
036
3、设计题:
针对不同对象(如倒立摆、电机、机器人等)(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)。
智能车参数自校正方向的模糊控制器设计
智能车的方向控制是一个既关键又复杂的问题。
由于道路的复杂性和小车系统的非线性,采用传统的PID控制器往往不能取得很好的控制效果,为此设计了参数自校正模糊控制器。
Matlab仿真实验表明,参数自校正模糊控制器的采用使得智能车舵机的响应速度加快,方向控制更流畅,小车的稳定性和速度也得到了很大的提高。
1.方向控制器的总体设计
1.1方向控制器的设计思想
方向控制器用来控制小车的舵机,使小车沿着最优的路线行进。
所谓最优的路线就是在保证小车速度和不脱离轨道的前提下使小车行驶在距离最短的路线。
通过对道路轨道的详细分析,所设计的方向控制器可以在各种路况下实现对小的最优控制。
如果说道路包括小S弯道、直道、大曲率弯和小曲率弯四种典型路况。
出现的各种路况是由于曲率不同而已。
因此,采用路径的曲率信息对校车的方向行驶控制方向舵机的转角与路径的曲率成正比。
采用传统的PID控制器对舵机进行控制能够取得一定的效果,但对于智能车这种非线性、时变和模型不确定的复杂系统,PID参数整定非常困难甚至无法整定,控制效果往往不理想。
模糊控制能对复杂和模型不确定的系统进行简单而有效的控制,总结归纳驾驶员的驾驶经验,制成控制规则表,实现对校车的方向控制。
在不太复杂的轨道上,使用这种控制器能取得较好的控制效果;
但在复杂的轨道上,由于控制器的参数无法在线调整,使得小车的自适应能力较差。
因此,增加了一个模糊参数调整器在不同的路况下实现对方向控制器的参数调整,从而提高方向控制的性能。
1.2方向模糊控制器的设计模糊控制器是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法,它从行为上模仿人的模糊推理和决策过程。
该方法的实现原理是首先将操作人员或专家的经验编制成模糊规则;
然后将来自传感器的实时信号模糊化,模糊化后的信号作为模糊规则的输入,从而完成模糊推理;
最后将推理得到的输出量传输至执行器。
模糊控制器的组成框图如图所示:
图1模糊控制器的组成框图
1.2.1输入输出变量的确定
模糊控制器设计为二维输入单输出结构。
由于黑线的位置与小车中心位置的偏差和赛道的曲率成正比,且黑线位置偏差的计算量比计算曲率小的多,所以可
以将黑线位置偏差E作为一个输入量,另一个输入量作为偏差的变化率EC输
出变量U为舵机转角。
1.2.2变量模糊集的定义
在这为了方便我们做个假设,道路的轨道宽为60cm小车宽为18cm,摄像头每行可以采集60个点,因此,可定义位置偏差E的论域为[-20,20]。
在实际控制过程中,每隔20ms对小车控制一次。
如果小车速度为2m/s,在此周期内小车行进距离为4m,偏差变化率EC变化不会太大,因此,EC的论域定义为[-6,6]。
受小车实际物理结构的限制,舵机输出转角U的论域定义为[-45度,45度]。
变化的量化等级越高,模糊控制的精度就越高,其所占用的内存和运算量也有所增加。
根据经验和单片机运算能力,三个变量的量化等级均取七级,即[-3,-2,-1,0,1,2,3],由此可确定各量化因子Ke=6/40=0.15,Kec=6/12=0.5,比例因子Ku=90/6=15。
各变量模糊子集的数量直接影响控制规则的个数。
为了兼顾控制系统的控制
精度和响应速度,各变量论域均取七个模糊子集,即{NB,NM,NS,ZO,PS,PM,PB}.
为了减少单片机的运算量,提高处理速度,各变量均采用线性的三角形隶属度函数,如图:
0用
A/
V\
PS
e0.6
義°
-4
nn
/yv\
v\
/V
V
<
Ui-w
3
^2
-!
1
I1
图2各变量隶属度函数
123建立模糊控制表
根据驾驶员驾车的经验,当车与轨道的偏差以及偏差的变化率都很大时,应使舵机朝向反方向偏转较大的角度;
当车与轨道的偏差不是很大是,舵机应不偏转或输出较小偏转角;
当偏差较大而偏差变化率相相反方向变化很大时,说明偏差正在变小,此时舵机可以保持当前偏转角不变。
根据以上控制经验,建立方向模糊控制规则表所示:
表1方向模糊控制规则表
Tah1Rulesofdirectionfiizzvcontrol
E
EC
NB
NM
NS
ZO
PM
PB
FM
PXI
"
J“
11
124模糊推理
模糊推理的方法有很多种文本采用了最常用的MAX-MNfc。
MNX-MIX法则规
定:
当相同后件的规则强度不同时,模糊输出取最大者。
125反模糊化
反模糊化也有很多种方法,其中最常用的是最大隶属度法和重心法,S12单
片机反模糊化指令WAX采用的是重心法,其计算公式为:
SSiF1
COG=
(1)
EFtI1
式中:
Fi为变量属于各模糊子集的隶属度;
Si为语言值。
1.3模糊参数调整器的设计
为使小车系统性能不断改善并适应不断变化的路况,保证小车方向控制达到
预期要求,需要对KeKec、Ku进行在线实时修正,因此,在方向模糊控制器的基础上设计了一个模糊参数调整器,它可以在不同的阶段根据偏差和偏差变化率来调整KeKec、Ku的取值。
1.3.1各因子对性能的影响
当Ke增大时,系统的上升速度加快,调节时间延长,严重时还会产生震荡乃至系统不稳定;
当Ke减小时系统调节惰性增大,同时会使稳态精度降低。
Kec过大会使系统输出上升速率减小,过度时间过长;
Kec过小会使系统输出上升速
率增大,同时可能使系统输出产生过大的超调和震荡。
Ku增大,相当于系统总
的放大倍数增大,系统响应速度加快;
Ku减小则系统的前向增益变小,系统的
快速性和稳态精度变差。
1.3.2各因子调整规则
根据量化因子KeKec和比例因子Ku对控制性能的影响,可得到如下调整规则:
(1)当系统的误差E和变化率EC较大时,需降低量化因子来减小对输入
量的分辨率,同时加大比例因子,从而可获得较大的控制量,使响应速度加快;
(2)当E和EC较小时,说明系统已经接近稳态,此时要求提高系统精度,
减小超调量,所以要增大量化因子来提高对输入变化的分辨率,同时减小输出比例因子,以减小超调量,提高系统的稳态精度。
根据以上参数调整的规则,设计了一个模糊参数调整器,输入变量与方向模糊控制器相同,输出变量为量化因子Ke、Kec的增大倍数N(等于比例因子的Ku
减小倍数)。
N的论域定义为[1/4,1/2,1,2,4];
模糊子集定义为{CH(高缩),CL(低
缩),0K(不变),AL(低放),AH(高放)},各变量采用三角型隶属度函数。
N的调整规则如表所示:
表2丫的调整规则表
Tab2Rulesoftheregulfitimofy
EC
CH
CL
OK
NN1
CK
AL
AH
将方向模糊控制器与模糊参数调整器相组合,得到的参数自校正方向模糊控制系统如图所示:
图3系统
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 控制 作业
![提示](https://static.bdocx.com/images/bang_tan.gif)