智能控制理論及應(yīng)用復(fù)習(xí)

1、智能控制理論及應(yīng)用第1章緒論智能控制在自動(dòng)化課程體系中的位置智能控制是一門控制理論課程，研究如何運(yùn)用人工智能的方法來構(gòu)造控制系統(tǒng)和設(shè)計(jì)控制器。與自動(dòng)控制原理和現(xiàn)代控制原理一起構(gòu)成了自動(dòng)控制課程體系的理論基礎(chǔ)。智能控制在控制理論中的位置智能控制是目前控制理論的最高級形式，代表了控制理論的發(fā)展趨勢，能有效地處理復(fù)雜的控制問題。其相關(guān)技術(shù)可以推廣應(yīng)用于控制之外的領(lǐng)域：金 融、管理、土木、設(shè)計(jì)等等。經(jīng)典控制和現(xiàn)代控制理論的統(tǒng)稱為傳統(tǒng)控制，智能控制是人工智能與控制理論 交叉的產(chǎn)物，是傳統(tǒng)控制理論發(fā)展的高級階段。智能控制是針對系統(tǒng)的復(fù)雜性、 非線性和不確定性而提出來的。傳統(tǒng)控制和智能控制的主要區(qū)別：? 傳

2、統(tǒng)控制方法在處理復(fù)雜化和不確定性問題方面能力很低；智能控制在處理復(fù)雜性、不確定性方面能力較高。 智能控制系統(tǒng)的核心任 務(wù)是控制具有復(fù)雜性和不確定性的系統(tǒng)，而控制的最有效途徑就是采用仿人智能 控制決策。? 傳統(tǒng)控制是基于被控對象精確模型的控制方式；智能控制的核心是基于知識進(jìn)行智能決策， 采用靈活機(jī)動(dòng)的決策方式迫使控 制朝著期望的目標(biāo)逼近。傳統(tǒng)控制和智能控制的統(tǒng)一 ： 智能控制擅長解決非線性、 時(shí)變等復(fù)雜的控制問題， 而傳統(tǒng)控制適于解決 線性、時(shí)不變等相對簡單的控制問題。智能控制的許多解決方案是在傳統(tǒng)控制方案基礎(chǔ)上的改進(jìn)， 因此，智能控 制是對傳統(tǒng)控制的擴(kuò)充和發(fā)展，傳統(tǒng)控制是智能控制的一個(gè)組成部分

3、。智能控制與傳統(tǒng)控制的特點(diǎn)。傳統(tǒng)控制：經(jīng)典反饋控制和現(xiàn)代理論控制。 它們的主要特征是基于精確的系 統(tǒng)數(shù)學(xué)模型的控制。適于解決線性、時(shí)不變等相對簡單的控制問題。智能控制：以上問題用智能的方法同樣可以解決。 智能控制是對傳統(tǒng)控制理 論的發(fā)展，傳統(tǒng)控制是智能控制的一個(gè)組成部分， 在這個(gè)意義下， 兩者可以統(tǒng)一 在智能控制的框架下。智能控制應(yīng)用對象的特點(diǎn)(1) 不確定性的模型 模型未知或知之甚少；模型的結(jié)構(gòu)和參數(shù)可能在很大范圍內(nèi)變化。(2) 高度的非線性(3) 復(fù)雜的任務(wù)要求 自動(dòng)控制的發(fā)展過程誑魔方向1 :自學(xué)耳控刑1*自適應(yīng)/掃林控制IM1霸肛控制I1曲定性昱優(yōu)控制開環(huán)控帖智能控制系統(tǒng)的結(jié)構(gòu)一般有哪

4、幾部分組成，它們之間存在什么關(guān)系？ 答：智能控制系統(tǒng)的基本結(jié)構(gòu)一般由三個(gè)部分組成：人工智能(AI):是一個(gè)知識處理系統(tǒng)，具有記憶、學(xué)習(xí)、信息處理、形式 語言、啟發(fā)式推理等功能。自動(dòng)控制(AC):描述系統(tǒng)的動(dòng)力學(xué)特性，是一種動(dòng)態(tài)反饋。運(yùn)籌學(xué)(OR):是一種定量優(yōu)化方法，如線性規(guī)劃、網(wǎng)絡(luò)規(guī)劃、調(diào)度、管 理、優(yōu)化決策和多目標(biāo)優(yōu)化方法等。智能控制的基本特點(diǎn)(1)分層遞階的組織結(jié)構(gòu)；多模態(tài)控制；自學(xué)習(xí)能力；自適應(yīng)能力；(5)自組織能力；(6)優(yōu)化能力智能控制的三元結(jié)構(gòu)，它們之間關(guān)系的示意圖把智能控制擴(kuò)展為三元結(jié)構(gòu)，即把人工智能、自動(dòng)控制和運(yùn)籌學(xué)交接如下表示:IC=AI AAC nOROR 一運(yùn)籌學(xué)(Op

5、eration research )IC 一智能控制(intelligent control);Al 人工智能(artificial intelligenee);AC 自動(dòng)控制(automatic Colltrol);G表示交集智能控制系統(tǒng)的主要類型，以及各自的特點(diǎn)神經(jīng)網(wǎng)絡(luò)控制模蝴控制仿人智能控制各種方法的綜合茉成專家控制分級謹(jǐn)階 智疏控制1）、分級遞階控制系統(tǒng)主要有三個(gè)控制級組成，按智能控制的高低分為組織級、協(xié)調(diào)級、執(zhí)行級, 并且這三級遵循“伴隨智能遞降精度遞增”原則。2）、專家控制系統(tǒng)專家系統(tǒng)主要指的是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)， 其內(nèi)部含有大量的某個(gè)領(lǐng)域 專家水平的知識與經(jīng)驗(yàn)。它具有啟發(fā)性、

6、透明性、靈活性、符號操作、不一確定 性推理等特點(diǎn)。3）、神經(jīng)控制系統(tǒng) 神經(jīng)網(wǎng)絡(luò)具有某些智能和仿人控制功能。學(xué)習(xí)算法是神經(jīng)網(wǎng)絡(luò)的主要特征。4）、模糊控制系統(tǒng) 在被控制對象的模糊模型的基礎(chǔ)上， 運(yùn)用模糊控制器近似推理手段， 實(shí)現(xiàn)系 統(tǒng)控制的一種方法模糊模型是用模糊語言和規(guī)則描述的一個(gè)系統(tǒng)的動(dòng)態(tài)特性及 性能指標(biāo)。5）、學(xué)習(xí)控制系統(tǒng) 學(xué)習(xí)控制正是模擬人類自身各種優(yōu)良的控制調(diào)節(jié)機(jī)制的一種嘗試。 所謂學(xué) 習(xí)是一種過程， 它通過重復(fù)輸入信號， 并從外部校正該系統(tǒng)， 從而使系統(tǒng)對特定 輸入具有特定響應(yīng)。6 ）、集成或者（復(fù)合）混合控制系統(tǒng) 幾種方法和機(jī)制往往結(jié)合在一起， 用于一個(gè)實(shí)際的智能控制系統(tǒng)或裝置， 從

7、 而建立起混合或集成的智能控制系統(tǒng)。與常規(guī)控制方法相比，模糊控制有以下特點(diǎn)： 模糊控制完全是在操作人員控制經(jīng)驗(yàn)基礎(chǔ)上實(shí)現(xiàn)對系統(tǒng)的控制， 無需建立 數(shù)學(xué)模型，是解決不確定性系統(tǒng)的一種有效途徑。 模糊控制具有較強(qiáng)的魯棒性， 被控對象參數(shù)的變化對模糊控制的影響不明 顯，可用于非線性、時(shí)變、時(shí)滯系統(tǒng)的控制。 由離線計(jì)算得到控制查詢表，提高了控制系統(tǒng)的實(shí)時(shí)性。 控制的機(jī)理符合人們對過程控制作用的直觀描述和思維邏輯， 應(yīng)用打下了基礎(chǔ)。人工神經(jīng)網(wǎng)絡(luò)具有幾個(gè)突出的特點(diǎn)： 可以充分逼近任意復(fù)雜的非線性關(guān)系； 所有定量或定性的信息都分布貯存于網(wǎng)絡(luò)內(nèi)的各神經(jīng)元的連接上, 強(qiáng)的魯棒性和容錯(cuò)性； 采用并行分布處理方法，

8、使得快速進(jìn)行大量運(yùn)算成為可能； 可學(xué)習(xí)和自適應(yīng)不知道或不確定的系統(tǒng)。分層遞階智能控制具有兩個(gè)明顯的特點(diǎn)：人分層遞階智能控制（圖）為智能控制故有很自下而上信對控制來講，自上而下控制精度愈來愈高； 對識別來講， 息回饋愈來愈粗略。模糊控制器的一般結(jié)構(gòu)(b)模型參考自適應(yīng)控制(c)前饋反饋控制常規(guī)控制番7神經(jīng)對猱參君欖屋神經(jīng)網(wǎng)絡(luò)控制的3種典型結(jié)構(gòu)第2章模糊控制的數(shù)學(xué)基礎(chǔ)模糊集合的定義給定論域E中的一個(gè)模糊集% ，是指任意元素x E,都不同程度地屬于 這個(gè)集合，元素屬于這個(gè)集合的程度可以用隸屬函數(shù)aJx) 0,1來表示。模糊集合的表示法1) Zadeh表示法；2)序偶表示法；3)隸屬函數(shù)描述法；模糊集

9、合的運(yùn)算模糊集合與普通集合一樣也有交、并、補(bǔ)的運(yùn)算例、設(shè)論域U=a, b, c, d, e上有兩個(gè)模糊集分別為:A0.50.3040201abcdeB020.8010704abcde求AIB、AUB和a。解：Ai B0.50.20.30.8 0.40.10.20.70.1 0.4abcde0.20.30.10.20.1abcdeAU B0.50.20.30.80.4 0.10.20.70.10.4abcde0.50.80.40.70.4abcdeA 10.51 0.3 10.41 0.2 10.1abcde0.50.70.60.80.9abcdeK平截集的定義在論域U中，給定一個(gè)模糊集合A，由

10、對于A的隸屬度大于某一水平值入（閾值）的元素組成的集合，叫做該模糊集合的入水平截集。例子：已知A0.1Xi0.3X20.50.70.9X3解：A0.1X1 ,X2,X3,X4,X5；求 A0.1、A0.2、A0.7A0.2 X2,X3, X4, X5 ； A0.7 X4 , X5莫糊關(guān)系的運(yùn)算0.4 0.20.5 0.1川0.10.3亍例、已知R和S0.20.40.1 0.20.2 0.1求 RIS、RUS 和R解: RI S 0.1 0.4 0.3 0.20.2 0.5 0.4 0.10.10.4 0.30.20.40.3RU S0.20.5 0.40.10.50.4-10.11 0.30.

11、90.7R 10.21 0.40.80.6莫糊關(guān)系的合成設(shè)R是論域U XV上的模糊關(guān)系，S是論域V XW上的模糊關(guān)系，則R和S 可以合成為論域U XW上的一個(gè)新的模糊關(guān)系 C,記做C RoS 模糊變換R是X XY上的模糊關(guān)系；設(shè)A和B分別為X和Y上的模糊集：且滿足B AoR , 則稱B是A的象，A是B的原象，R是X到丫上的一個(gè)模糊變換。例子：已知論域X=x1,x2, x3和Y=y1,y2 , A是論域X上的模糊集：A 0.1,0.3,0.5R是X到丫上的一個(gè)模糊變換，0.50.2R 0.3 0.10.40.6試通過模糊變換R求A的象B0.50.2解: B AoR (0.1,0.3,0.5) 0

12、 0.3 0.10.40.6(0.1 0.5) (0.3 0.3) (0.5 0.4) (0.1 0.2) (0.3 0.1) (0.5 0.6)(0.4,0.5)語言規(guī)則中蘊(yùn)涵的模糊關(guān)系定義一個(gè)語言變量需要定義以下 4個(gè)方面的內(nèi)容:?定義變量名稱；? 定義變量的論域；? 定義變量的語言值（每個(gè)語言值是定義在變量論域上的一個(gè)模糊集合）? 定義每個(gè)模糊集合的隸屬函數(shù)。?莫糊條件語句1簡單條件語句如果那么”或如果那么，否則”2. 多重條件語句如果u是Ai ,則v是Bi ;否則，如果u是A2，則v是B2 ;否則，如果u是An ,則v是Bn。3. 多維條件語句如果u i是Ai，且U2是A2，且Um是A

13、m，則v是BC空也丄 ec3和5 上 山例子、已知語言規(guī)則為 如果e是A，并且ec是B，那么u是C?！逼渲邪?0.5廠0.10.6ABe僉eqeq、試求該語句所蘊(yùn)涵的模糊關(guān)系 R解：R A B C第一步，先求Ri = AXB：第二步，將二元關(guān)系矩陣Ri排成列向量形式Ri T,先將中的第一行元素寫成列向量形式， 再將中的第二行元素也寫成列向量并放在前者的下面， 如果是多行 的，再依次寫下去。于是 Ri 可表示為：0.iRiT0.6 i0.i0.50.5第三步， R 可計(jì)算如下：0.i0.i0.30.i0.70.ii0.60.60.30.60.70.6iTiRRiT C(0.3 0.7 i)i0.

14、3i0.7ii0.i0.i0.30.i0.70.ii0.50.50.30.50.70.5i0.50.50.30.50.70.5i0.i 0.i 0.i0.3 0.6 0.60.3 0.7 i0.i 0.i 0.i0.3 0.5 0.50.3 0.5 0.5第3 章 模糊控制的設(shè)計(jì)方法模糊控制器的基本工作原理將測量得到的被控對象的狀態(tài)經(jīng)過模糊化接口轉(zhuǎn)換為用人類自然語言描述的模 糊量，而后根據(jù)人類的語言控制規(guī)則， 經(jīng)過模糊推理得到輸出控制量的模糊取值， 控制量的模糊取值再經(jīng)過清晰化接口轉(zhuǎn)換為執(zhí)行機(jī)構(gòu)能夠接收的精確量。模糊控制器的基本結(jié)構(gòu)一般由哪四部分組成？并畫出模糊控制器的基本結(jié)構(gòu) 圖。模糊推理規(guī)

15、則庫清晰化接口答:模 糊 化 接 口(1) 模糊化接口：模糊化接口就是通過在控制器的輸入、 輸出論域上定義語 言變量，來將精確的輸入、輸出值轉(zhuǎn)換為模糊的語言值。(2) 規(guī)則庫：由數(shù)據(jù)庫和語言(模糊)控制規(guī)則庫組成。數(shù)據(jù)庫為語言控制 規(guī)則的論域離散化和隸屬函數(shù)提供必要的定義。語言控制規(guī)則標(biāo)記控制目標(biāo)和領(lǐng) 域?qū)＜业目刂撇呗浴?3) 模糊推理：是模糊控制系統(tǒng)的核心。根據(jù)模糊輸入和模糊控制規(guī)則，獲 得模糊輸出。(4) 清晰化接口：由模糊推理得到的模糊輸出值，只有其轉(zhuǎn)化為精確控制量， 才能施加于對象。實(shí)行這種轉(zhuǎn)化的方法叫做清晰化 /去模糊化/模糊判決。模糊化接口的設(shè)計(jì)步驟1) 語言變量的確定2) 語言變

16、量論域的設(shè)計(jì)3) 定義各語言變量的語言值4) 定義各語言值的隸屬函數(shù)隸屬函數(shù)的類型1. 正態(tài)分布型（高斯基函數(shù) ） 2.三角型 3.梯型隸屬函數(shù)基本圖形分為三大類1. 左大右小的偏小型下降函數(shù)（ Z 函數(shù)）（偏小形）；2. 左小右大的偏大型上升函數(shù)（ S 函數(shù)）（偏大形）3. 對稱型凸函數(shù)（ 函數(shù)）規(guī)則庫1）規(guī)則庫的描述規(guī)則庫由若干條控制規(guī)則組成，這些控制規(guī)則根據(jù)人類控制專家的經(jīng)驗(yàn)總結(jié)得 出，按照IFisAND isTHEN is的形式表達(dá)。2）規(guī)則庫的產(chǎn)生根據(jù)專家經(jīng)驗(yàn)或過程控制知識生成控制規(guī)則。根據(jù)過程的模糊模型生成控制規(guī)則。 根據(jù)學(xué)習(xí)算法獲取控制規(guī)則。模糊推理清晰化接口 / 解模糊化常用方

17、法1.最大隸屬度法； 2.取中位數(shù)法； 3. 重心法模糊控制器(Fuzzy Co ntroller) 特點(diǎn):? 模糊控制是一種基于規(guī)則的控制。? 由工業(yè)過程的定性認(rèn)識出發(fā)，容易建立語言控制規(guī)則? 控制效果優(yōu)于常規(guī)控制器 .? 具有一定的智能水平 .? 模糊控制系統(tǒng)的魯棒性強(qiáng)。模糊控制器設(shè)計(jì)的主要步驟 1、選定模糊控制器的輸入輸出變量 , 一般取 e、ec 和 u 。2、確定各變量的模糊語言取值及相應(yīng)的隸屬函數(shù)，即進(jìn)行模糊化。模糊語言值通常選取 3 、5 或 7 個(gè)，例如取為 負(fù)，零，正 等。然后對 所選取的模糊集定義其隸屬函數(shù)3、建立模糊控制規(guī)則或控制算法。 確定模糊推理和解模糊化方法。第4

18、章 神經(jīng)網(wǎng)絡(luò)基本理論 生物神經(jīng)元模型 生物神經(jīng)元主要由細(xì)胞體、樹突和軸突組成人工神經(jīng)元模型常用的激發(fā)函數(shù)閾值型函數(shù)；飽和型函數(shù)；雙曲函數(shù)； S型函數(shù)；高斯函數(shù)神經(jīng)網(wǎng)絡(luò)的構(gòu)成、分類、學(xué)習(xí)算法在一個(gè)神經(jīng)網(wǎng)絡(luò)中，常常根據(jù)處理單元的不同處理功能， 將處理單元分成輸入 單元、輸出單元和隱層單元三類。3P算法的程序?qū)崿F(xiàn)1）初始化；2）輸入訓(xùn)練樣本、計(jì)算各層輸出；3）計(jì)算網(wǎng)絡(luò)輸出誤差；4）計(jì)算各層誤差信號；5）調(diào)整各層權(quán)值；6）檢查是否對所有樣本完成一次輪訓(xùn);7）檢查網(wǎng)絡(luò)總誤差是否達(dá)到精度要求。標(biāo)準(zhǔn)BP算法的改進(jìn)標(biāo)準(zhǔn)的BP算法在應(yīng)用中暴露出不少內(nèi)在的缺陷: 易形成局部極小而得不到全局最優(yōu)；訓(xùn)練次數(shù)多使得學(xué)習(xí)

19、效率低，收斂速度慢; 隱節(jié)點(diǎn)的選取缺乏理論指導(dǎo); 訓(xùn)練時(shí)學(xué)習(xí)新樣本有遺忘舊樣本的趨勢改進(jìn)算法的方法：1）增加動(dòng)量項(xiàng)2）自適應(yīng)調(diào)節(jié)學(xué)習(xí)率3）弓I入陡度因子例子：試畫出三層BP網(wǎng)絡(luò)結(jié)構(gòu)圖，并闡述BP網(wǎng)絡(luò)算法的基本思想，最后論述 對BP網(wǎng)絡(luò)算法的改進(jìn)。答:學(xué)習(xí)的基本思想是：誤差反傳算法調(diào)整網(wǎng)絡(luò)的權(quán)值，使網(wǎng)絡(luò)的實(shí)際輸出盡可能接 近期望的輸出改進(jìn)1 :增加動(dòng)量項(xiàng)：提出的原因：標(biāo)準(zhǔn)BP算法只按t時(shí)刻誤差的梯度降方向調(diào)整，而沒有考慮t時(shí)刻以前的梯度方向，從而常使訓(xùn)練過程發(fā)生振蕩，收斂緩慢?；舅枷耄簭那耙淮螜?quán)值調(diào)整量中取出一部分迭加到本次權(quán)值調(diào)整量中。其 作用是動(dòng)量項(xiàng)反映了以前積累的調(diào)整經(jīng)驗(yàn)，對于 t 時(shí)刻

20、的調(diào)整起阻尼作用。 當(dāng)誤差曲面出現(xiàn)驟然起伏時(shí)，可減小振蕩趨勢，提高訓(xùn)練速度。改進(jìn) 2 ：自適應(yīng)調(diào)節(jié)學(xué)習(xí)率：提出的原因：標(biāo)準(zhǔn)BP算法中，學(xué)習(xí)率n也稱為步長，確定一個(gè)從始至終都合 適的最佳學(xué)習(xí)率很難。平坦區(qū)域內(nèi)，n太小會(huì)使訓(xùn)練次數(shù)增加；在誤差變化 劇烈的區(qū)域，n太大會(huì)因調(diào)整量過大而跨過較窄的“坑凹”處，使訓(xùn)練出現(xiàn) 振蕩，反而使迭代次數(shù)增加。基本思想：自適應(yīng)改變學(xué)習(xí)率，使其根據(jù)環(huán)境變化增大或減小。改進(jìn) 3： 引入陡度因子：提出的原因：誤差曲面上存在著平坦區(qū)域。權(quán)值調(diào)整進(jìn)入平坦區(qū)的原因是神 經(jīng)元輸出進(jìn)入了轉(zhuǎn)移函數(shù)的飽和區(qū)?；舅枷耄喝绻谡{(diào)整進(jìn)入平坦區(qū)后，設(shè)法壓縮神經(jīng)元的凈輸入，使其輸出 退出轉(zhuǎn)移函數(shù)

21、的不飽和區(qū)，就可以改變誤差函數(shù)的形狀，從而使調(diào)整脫離平 坦區(qū)。第5 章 神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用主要有：神經(jīng)網(wǎng)絡(luò)辨識技術(shù)和神經(jīng)網(wǎng)絡(luò)控制技術(shù)神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識實(shí)質(zhì)：上是選擇一個(gè)適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型來逼近實(shí)際系統(tǒng)的 數(shù)學(xué)模型神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識的原理多層前向BP網(wǎng)絡(luò)的系統(tǒng)辨識；遞歸神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識神經(jīng)網(wǎng)絡(luò)在控制中主要起以下作用：(1) 基于精確模型的各種控制結(jié)構(gòu)中充當(dāng)對象的模型；(2) 在反饋控制系統(tǒng)中直接充當(dāng)控制器的作用；(3) 在傳統(tǒng)控制系統(tǒng)中起優(yōu)化計(jì)算作用；(4) 在與其它智能控制方法和優(yōu)化算法相融合中，為其提供對象模型、優(yōu)化參數(shù)、 推理模型及故障診斷等。神經(jīng)網(wǎng)絡(luò)在控制a. 神經(jīng)

22、網(wǎng)絡(luò)直接反饋控制系統(tǒng)b. 神經(jīng)網(wǎng)絡(luò)逆控制c. 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂苾?nèi)?？刂剖且环N基于模型逆的控制方法，其設(shè)計(jì)思路是將對象模型與實(shí)際對象相 并聯(lián)，控制器逼近模型的動(dòng)態(tài)逆。一般有兩種方法：1）兩個(gè)神經(jīng)網(wǎng)絡(luò)分別逼近模型和模型的逆；2）采用神經(jīng)網(wǎng)絡(luò)逼近模型，然后用非線性優(yōu)化方法數(shù)值計(jì)算內(nèi)?？刂屏?。d. 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制（1）神經(jīng)網(wǎng)絡(luò)模型參考直接自適應(yīng)控制（2）神經(jīng)網(wǎng)絡(luò)模型參考間接自適應(yīng)控制被控對彖I1 J+ 理M |(3) 神經(jīng)網(wǎng)絡(luò)間接自校正控制自校正調(diào)節(jié)器的目的是在控制系統(tǒng)參數(shù)變化的情況下，自動(dòng)調(diào)整控制器參數(shù)，消除擾動(dòng)的影響，以保證系統(tǒng)的性能指標(biāo)。在這種控制方式中，神經(jīng)網(wǎng)絡(luò)(NN)用作過程參數(shù)或某些非

23、線性函數(shù)的在線估計(jì)器 假設(shè)被控對象的模型為yk+i 二f(yk)+ g(yk)棟則用神經(jīng)網(wǎng)絡(luò)對非線性函數(shù)f(yk)和g(yk)進(jìn)行辨識，假設(shè)其在線計(jì)算估計(jì)值fd(yk)和gd(yk)，則調(diào)節(jié)器的自適應(yīng)控制律為uk=(yd-fd(ykg d(yk)此時(shí)系統(tǒng)的傳遞函數(shù)為i第8章遺傳算法及應(yīng)用遺傳算法是以達(dá)爾文的自然選擇學(xué)說為基礎(chǔ)發(fā)展起來的。自然選擇學(xué)說包括以 下三個(gè)方面：（1）遺傳：這是生物的普遍特征，親代把生物信息交給子代，子代總是和親代 具有相同或相似的性狀。生物有了這個(gè)特征，物種才能穩(wěn)定存在。（2）變異：親代和子代之間以及子代的不同個(gè)體之間的差異，稱為變異。變異 是隨機(jī)發(fā)生的，變異的選擇和積累是生命多樣性的根源。（3）生存斗爭和適者生存：具有適應(yīng)性變異的個(gè)體被保留下來，不具有適應(yīng)性 變異的個(gè)體被淘汰， 通過一代代的生存環(huán)境的選擇作用， 性狀逐漸逐漸與祖先有 所不同，演變?yōu)樾碌奈锓N?；舅枷耄夯谀７律锝邕z傳學(xué)的遺傳過程， 把問題的參數(shù)用基因來表示， 把問題 的解用染色體來表示代表 （在計(jì)算機(jī)里用二進(jìn)制碼表示） ，從而得到一個(gè) 由具有不同染色體的個(gè)體組成的群體。這個(gè)群體在問題特定的環(huán)境里生存競爭，適者有最好的機(jī)會(huì)生存和產(chǎn)