智能控制大作业

《智能控制》大作业

1、简答题:

1.1.根据目前智能控制系统的研究和发展,智能控制系统有哪些类型以及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:目前研究方向内容:

1.智能控制基础理论和方法研究。

2. 智能控制系统结构研究

3.基于知识系统及专家控制。

4.基于模糊系统的智能控制。

5.基于学习及适应性的智控。

6.基于神经网络的智控。

7.基于信息论和进化论的学习控制器研究。

8.其他,如计算机智能集成制造系统,智能计算机系统,智能并行系统,智能容错控制,智能机器人等。

需要探索的方面:

1.开展指控理论与应用的研究。

2.充分运用神经生理学心理学认知科学和人工智能等学科的基本卢纶,深入研究人类解决问题是表现出来的经验技巧策略,建立切实可行的智控体系结构。

3.把现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,研究适合于当前计算机资源条件的智控策略和系统。

4.研究人-机交互式的智控系统和学习系统以不断提高智控系统的智能水平。5.研究适合智控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,以解决智控系统在实际应用中存在的问题,使得智控得到更广泛的应用。

1.2.比较智能控制与传统控制的特点?

答:智能控制的特点:

1.能为复杂系统(如非线性,快事变,多变量,强耦合,不确定性等)进行有效的全局控制,并具有较强的容错能力

2.定性决策和定量控制相结合的多模态组合控制

3.从系统的功能和整体优化的角度来分析和综合系统,以实现预定的目标,并应具有组织能力

4.同时具有以知识表示的非数学广义模型和以数学表示的数学模型的混合控制过程,系统在信息处理上既有数学运算,又有逻辑和知识推理。传统控制中,稳定性,准确性和快速性。主要是以数字解析微结构的为基础的控制理论。

1.3.简述模糊集合的基本定义以及与隶属函数之间的相互关系。

答:给定论域E中的一个模糊集A,是指任意一个元素x属于E,都不同程度的属于这个集合,元素属于这个集合的程度可以用隶属函数A(x)属于[0,1]来表示。

特征函数用来表示某个元素是否属于普通集合,而隶属函数则用来表示某个元素属于模糊集合的程度,特征函数的取值{0,1},而隶属函数的取值{0,1},特征函数可以看作特殊的隶属函数。

1.4.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?

智能控制大作业

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?

答: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

1.6.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?

答:

智能控制大作业

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(1)(1)i 1,2,...,nOuti Ini xi

第二层(隐层):n (2)(1)(1)(2)(2)Inj ijOuti j,Outj (Inj)i 1 j 1,2,...,l 第三层:(输出层): l (3)(3)(2)(2)yk Outk Ink jkOutjj 1 k 1,2,...,m

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?

答: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? 答:递阶智能控制系统是由三个基本控制级: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。

答: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。

答: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,

0.60.40.70.20.50.10.90.30.4R ????=??????,0.20.70.30.80.60.51.00.20.9S ??

??=??????

,0.60.50.20.80.40.80.4 1.00.70.10.90.3Q ????=?????? 试求R S ?,R S ?,()R S Q ? ,以及()R S Q ? 。 解:

2.2.设有论

智能控制大作业

{}

12345X Y ==,A 是论域X 上的模糊集,B 是

论域Y 上的模糊集,且

[]

[]10.60.30.10A ==黑,[][]00.10.40.71B ==白,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2λ=) 解:

智能控制大作业

2.3. 已知输入模糊量分别为 1.00.412A a a =

+

,0.10.4 1.0

123

B b b b =++,而输出模糊量为

0.20.6 1.0

123

C c c c =

++

,求模糊语句“若A 且B ,则C ”所蕴含的关系R 。

智能控制大作业

2.4. 设有论域{}12345X Y ==,X ,Y 上的模糊子集“大”、“小”、“较小”分别表示为:

00.10.40.71[]12345

=

++++大 10.70.40.10[]12345=++++小

10.60.40.20[]12345

=++++较小

设“若x 小则y 大”,当x 较小时,试确定y 的大小。 解:已知

智能控制大作业

由Mandani 推理法得模糊关系矩阵:

智能控制大作业

2.5.设有论域{}123U a a a =,{}123V b b b =,{}123W c c c =,已知:

10.40.1

123

A a a a =

++

0.80.50.2

123B b b b =++

0.50.60.7

123

C c c c =

++

设“若A 则B ,否则C ”,求输入为*0.210.4

123

A a a a =

++

时的输出D 。

智能控制大作业

2.6. 求模糊集合

12345

0.50.610.70.3A u u u u u =

++++

智能控制大作业

智能控制大作业

的α截集()0.1,0.5,1ααα===。

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

0.50.70.30.50.7

10.70.23

2

23

4

5

6

7C ??=?

?--??

试用重心法计算模糊判决的结果(四舍五入)。

智能控制大作业

智能控制大作业

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:

智能控制大作业

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:

智能控制大作业

1.2.3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:

智能控制大作业

1.2.4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-MN法。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。

1.2.5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WAV采用的是重心法,其计算公式为:

智能控制大作业

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Ke、Kec、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Ke、Kec、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Ke、Kec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),OK(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:

智能控制大作业

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:

智能控制大作业

2 仿真试验

根据小车舵机的动力学知识可知,小车的转向系统为三阶系统,设传递函数G(s)为:

智能控制大作业

基于Matlab的编程环境和模糊控制工具箱对该系统模型进行了仿真,系统阶跃响应仿真曲线如图所示。

智能控制大作业

3结束语

在实际应用中,按照本文介绍的方法反复调试,实现了智能小车的方向控制。与传统控制方法相比较,该控制器提高了系统抗外部干扰和内部参数变化的鲁棒性,改善了动态特性,尤其是在通过弯道时,小车的速度和流畅性都得到了很大的提高。

参考文献

[1]王耀南,孙炜.智能控制理论及应用[M].北京:机械工业出版社,2008

[2]卓晴,黄开胜,邵贝贝.学做智能车[M].北京:北京航空航天大学出版社,2007

[3]刘金琨.智能控制[M].北京:电子工业出版社,2005

[4]邵贝贝.单片机嵌入式应用的在线开发方法[M].北京:清华大学出版社,2004

相关推荐
相关主题
热门推荐