智能控制大作業(yè)DOC

1、智能控制大作業(yè)姓名： 班級： 學(xué)號: 1、簡答題：1.1.根據(jù)目前智能控制系統(tǒng)的研究和發(fā)展，智能控制系統(tǒng)主要有哪些方面的工作可做進一步的探索和開展？答：1）開展智能控制理論與應(yīng)用研究。 2）充分運用神經(jīng)生理學(xué)、心理學(xué)、認識科學(xué)和人工智能等學(xué)科的基本理論，深入研究人類解決問題時表現(xiàn)出來的經(jīng)驗、技巧、策略，建立切實可行的智能控制的體系結(jié)構(gòu)。 3）把所有的知識工程、模糊系統(tǒng)、信息論，進化論、神經(jīng)網(wǎng)絡(luò)理論和技術(shù)與傳統(tǒng)的控制理論相結(jié)合，充分利用現(xiàn)有的控制理論，研究適合于當(dāng)前的計算機資源條件的智能控制策略和系統(tǒng)。 4)研究人機交互式的智能控制系統(tǒng)和學(xué)習(xí)系統(tǒng)，以不斷提高智能控制系統(tǒng)的智能水平。 5）研究適合

2、智能系統(tǒng)的并行處理機、信號處理器、智能傳感器和智能開發(fā)工具軟件，以解決智能控制系統(tǒng)在實際應(yīng)用中的問題，使智能控制得到更廣泛的應(yīng)用。 1.2.畫出模糊控制系統(tǒng)的基本結(jié)構(gòu)圖，并簡述模糊控制器各組成部分所表示的意思？ 規(guī)則庫 清晰化接口模糊化接口 模糊推理 模糊控制單元由規(guī)則庫、模糊化接口、模糊推理和清晰化接口4個功能模塊組成，模糊控制單元首先將輸入信息，模糊化，然后經(jīng)模糊推理規(guī)則，給出模糊輸出，再將模糊指令化，控制操作變量。 1、規(guī)則庫（rule base）：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)驗總結(jié)得出，按照 IF is AND is THEN is的形式表達。 2、

3、模糊推理：以模糊集合論為基礎(chǔ)描述工具，對以一般集合論為基礎(chǔ)描述工具的數(shù)理邏輯進行擴展，從而建立了模糊推理理論。根據(jù)模糊輸入和規(guī)則庫中蘊涵的輸入輸出關(guān)系，通過第二章描述的模糊推理方法得到模糊控制器的輸出模糊值。模糊推理是模糊控制器的核心，它具有模擬人的基于模糊概念的推理能力。該推理過程是基于模糊邏輯中的蘊含關(guān)系及推理規(guī)則來進行的。 3、模糊化接口（Fuzzification）：這部分的作用是將輸入的精確量轉(zhuǎn)化成模糊化量。其中輸入量包括外界的參考輸入，系統(tǒng)的輸出或狀態(tài)等。清晰化（解模糊接口） 4、清晰化接口：清晰化的作用是將模糊推理得到的控制量（模糊量）變換為實際用于控制的清晰量。它包含以下兩部分

4、內(nèi)容：（1）將模糊控制量經(jīng)清晰化變換變成表示在論域范圍的清晰量。（2）將表示在論域范圍的清晰量經(jīng)尺度變換變成實際的控制量。1.3.畫出感知器的基本結(jié)構(gòu)模型，并簡述其算法過程。算法過程：將閾值并入W中，令Wn+1=-，X向量也相應(yīng)地增加一個分量xn+1=1，則 （1）給定初始值賦給Wi(0)各一個較小的隨機非零值，Wi(t)為t時刻 第i時刻第i個輸入的權(quán)（1in）,Wn+1(t)為t時刻的閥值。 （2）輸入一樣本X=(x1,x2.xn,1)和它的希望輸出d 計算實際輸出: 修正權(quán)W ：Wi(t+1)=Wi(t)+d-Y(t)xi, i=1,2,n+1 ； (5)轉(zhuǎn)到(2)直到W對一切樣本均穩(wěn)定

5、不變?yōu)橹埂?.4畫出三層BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)圖，并試寫出各層之間的輸入輸出函數(shù)關(guān)系？各層之間輸入輸出函數(shù)關(guān)系：第1層：輸入層將輸入引入網(wǎng)絡(luò) 第二層（隱層）：第三層：(輸出層):1.5.神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有哪些基本特性，以及神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中具有哪些作用？1） 非線性映射逼近能力。非線性關(guān)系是自然界的普遍特性。大腦的智慧就是一種非線性現(xiàn)象。人工神經(jīng)元處于激活或抑制二種不同的狀態(tài)，這種行為在數(shù)學(xué)上表現(xiàn)為一種非線性關(guān)系。具有閾值的神經(jīng)元構(gòu)成的網(wǎng)絡(luò)具有更好的性能，可以提高容錯性和存儲容量。  2）自適應(yīng)性和自組織性。2） 3） 并行處理性。網(wǎng)絡(luò)的各單元可以同時進行類似的處理過程，整個網(wǎng)絡(luò)的信

6、息處理方式是大規(guī)模并行的，可以大大加快對信息處理的速度。4）分布存儲和容錯性。信息在神經(jīng)網(wǎng)絡(luò)內(nèi)的存儲按內(nèi)容分布于許多神經(jīng)元中，而且每個神經(jīng)元存儲多種信息的部分內(nèi)容。網(wǎng)絡(luò)的每部分對信息的存儲具有等勢作用，部分的信息丟失仍可以使完整的信息得到恢復(fù)，因而使網(wǎng)絡(luò)具有容錯性和聯(lián)想記憶功能。5）便于集成實現(xiàn)和計算模擬。神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上是相同神經(jīng)元的大規(guī)模組合，特別適合于用大規(guī)模集成電路實現(xiàn)。6）非局限性 一個神經(jīng)網(wǎng)絡(luò)通常由多個神經(jīng)元廣泛連接而成。一個系統(tǒng)的整體行為不僅取決于單個神經(jīng)元的特征，而且可能主要由單元之間的相互作用、相互連接所決定。通過單元之間的大量連接模擬大腦的非局限性。聯(lián)想記憶是非局限性的典型

7、例子。7）非凸性 一個系統(tǒng)的演化方向，在一定條件下將取決于某個特定的狀態(tài)函數(shù)。例如能量函數(shù)，它的極值相應(yīng)于系統(tǒng)比較穩(wěn)定的狀態(tài)。非凸性是指這種函數(shù)有多個極值，故系統(tǒng)具有多個較穩(wěn)定的平衡態(tài)，這將導(dǎo)致系統(tǒng)演化的多樣性。 神經(jīng)網(wǎng)絡(luò)利用其卓越的學(xué)習(xí)和自適應(yīng)能力，在控制系統(tǒng)中具有的作用：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。 1.6.基于信息論的分級遞階智能控制系統(tǒng)主要構(gòu)成有哪些，分別起什么作用？該系統(tǒng)由組織級、協(xié)調(diào)級和執(zhí)

8、行級組成。組織級（Organization level） 組織級是遞階智能控制系統(tǒng)的最高級，是智能系統(tǒng)的“大腦”，能模仿人的行為功能，具有相應(yīng)的學(xué)習(xí)能力和高級決策能力，需要高級的信息處理。組織監(jiān)視并指導(dǎo)協(xié)調(diào)級的所有行為，具有最高的智能程度。根據(jù)用戶對任務(wù)的不完全描述與實際過程和環(huán)境的有關(guān)信息，組織任務(wù)，提出適當(dāng)?shù)目刂颇Ｊ较蛳聦觽鬟_，以實現(xiàn)預(yù)定控制目標(biāo)。協(xié)調(diào)級(Coordination Level)次高級，任務(wù)：協(xié)調(diào)各控制器的控制作用與各子任務(wù)的執(zhí)行。進一步分為兩層：控制管理分層和控制監(jiān)督分層。 管理分層：根據(jù)下層的信息決定如何完成組織級下達的任務(wù)，以產(chǎn)生施加于下一層的控制指令。 監(jiān)督分層：保證

9、、維持執(zhí)行級中各控制器的正常運行，并進行局部參數(shù)整定和性能優(yōu)化。是組織級和執(zhí)行級之間的接口，運算精度較低，但有較高的決策能力與學(xué)習(xí)能力。執(zhí)行級（Executive Level）是最低一級，由多個硬件控制器組成。任務(wù)：完成具體的控制任務(wù)，通常是執(zhí)行一個確定的動作，直接產(chǎn)生控制信號，通過執(zhí)行機構(gòu)作用于被控對象；同時通過傳感器測量環(huán)境的有關(guān)信息，并傳遞給上一級控制器，給高層提供相關(guān)決策依據(jù)。1.7.模糊控制規(guī)則的生成方法通常有哪幾種，且模糊控制規(guī)則的總結(jié)要注意哪些問題？ 答：生成方法：1）根據(jù)專家經(jīng)驗和過程控制知識生成規(guī)則。2） 根據(jù)過程的模糊模型生成控制規(guī)則。3） 3）根據(jù)學(xué)習(xí)算法獲取控制規(guī)則。

10、注意的問題：1） 規(guī)則數(shù)量合理。2） 2）規(guī)則要具有一致性。3） 3）完備性要好。 2、計算題： 2.1. 已知三個模糊矩陣、和分別如下所示，試求，以及。解：由題知因為 所以 又 因此 又所以 2.2.設(shè)有論域，是論域上的模糊集，是論域上的模糊集，且，求“如果黑則白，否則不很白”的模糊關(guān)系。（其中：很為強化語氣算子）解： 2.3. 已知輸入模糊量分別為，而輸出模糊量為，求模糊語句“若且，則”所蘊含的關(guān)系。解：由題意可得：若且，則R=(1.0 0.4T0.1 0.7 1.0)T 0.3 0.5 1.02.4. 設(shè)有論域，上的模糊子集“大”、“小”、“較小”分別表示為：設(shè)“若小則大”，當(dāng)較小時，試

11、確定的大小。解：由題則2.5.設(shè)有論域，已知：設(shè)“若則，否則”，求輸入為時的輸出。解:令 設(shè)“若A則B，否則C”的模糊關(guān)系為R，則： 由模糊關(guān)系得：2.6. 求模糊集合的截集。解：2.7. 設(shè)有一模糊控制器的輸出結(jié)果為模糊集合，其隸屬度為試用重心法計算模糊判決的結(jié)果。解：由題意,由重心法采樣點作為基,有：3、設(shè)計題： 針對不同對象（每班各同學(xué)對象不得相同）詳細設(shè)計相應(yīng)的控制器。篇幅控制在2000字-3000字（不包括圖表、公式等）。101班設(shè)計模糊控制器， 102班設(shè)計模糊PID控制器， 103班設(shè)計BP神經(jīng)網(wǎng)絡(luò)控制器， 104班設(shè)計BP神經(jīng)網(wǎng)絡(luò)PID控制器。3.1 考核目的：通過考核要求學(xué)生

12、掌握模糊控制、神經(jīng)網(wǎng)絡(luò)控制的基本概念、基本原理和基本方法，并能夠運用相應(yīng)的智能控制方法，設(shè)計系統(tǒng)的控制器實現(xiàn)對系統(tǒng)的控制，初步具有運用智能控制相關(guān)方法分析解決實際問題的能力。3.2 考核時間：課程結(jié)束后兩周內(nèi)上交電子版本和紙制打印文件，如果發(fā)現(xiàn)同學(xué)相互間重復(fù)率大于50%，則考核一律按不及格處理。3.3 排版要求：1文件名稱：學(xué)號+姓名（各班長收齊并按學(xué)號排序）2二級標(biāo)題：小四字體-黑體-居中-單倍行距-段前段后各0.5行3正文字體：小四 仿宋/Time New Roman4正文行間距：固定行距 18磅新型變論域模糊控制器在交通信號控制中的應(yīng)用1 模型建立本應(yīng)用應(yīng)針對沈陽市沈遼中路（東西方向）和

13、興華南街（南北方向）組成的一個典型雙向 8 車道的孤立單交叉路口，這 是一個具有交通流量大，不同時段流量變化大的交叉路口， 如圖 1 所示。共包括從 A-P 的十六車道，在交叉口的入口處 以及距入口一定距離處均埋有檢測車輛通過數(shù)的磁檢驗線圈。并假設(shè)車流在通過后端線圈前，已經(jīng)分別進入相應(yīng)車道：兩邊為左拐、右拐車道，中間兩個車道為直行，如箭頭所示。 通過對該路口各方向流量實地進行檢測和跟蹤，得出以下結(jié) 論：在每日的交通流量高峰時段，車輛到達基本符合二項分 布；而低峰時段符合泊松分布。到達速率在這里分為三種情 況：輕等級為 0.2 輛/秒；中等級為 0.3 輛/秒；重等級為 0.5 輛/秒。而當(dāng)信號

14、燈從紅燈轉(zhuǎn)變?yōu)榫G燈時，等待車隊以基本 相同速率通過交叉口，這里定為 1 輛/秒。采用平均車輛延 誤來檢驗控制器信號配時的效果，這也是普遍采用的一種性 能指標(biāo)。在一個信號周期內(nèi)，安排了若干種控制狀態(tài)，每一種控 制狀態(tài)對應(yīng)某些方向的車輛或行人配給通行權(quán)，并合理安排 這些控制狀態(tài)的顯示次序以及顯示時間。對于上述的孤立單 交叉路口，可安排 8 個相位，其中包括 4 個主要相位和 4 個 次要相位。對于東西方向，有 4 個相位，分別是左拐車流方 向 AI 相位，直行和右拐同時進行的 BCDKJL 相位，以 及單方向行駛的 ABCD 和 IJKL 兩個次要相位。所謂次要相 位是指可能出現(xiàn)，也可能不出現(xiàn)在相

15、位輪換當(dāng)中。在這里這 樣安排出于兩點考慮：其一，在此例中，考慮到不同車流通 過交叉口后的相互影響，例如當(dāng)東西方向車輛左拐時，即 AI 方向通行，如果同時允許右拐 DL 方向通行，在交通 量大時，可能會造成兩股車流在南北方向上的搶位，形成交 通堵塞。其二，例如當(dāng)東西方向通行時，東西兩方向車流到 達率相差很大，可能形成一個方向排隊車輛尚未疏導(dǎo)完，而 對面方向通行車道已經(jīng)相對閑置，因此有必要設(shè)置次要相位。歸結(jié)起來，共包括以下幾種情況：1. 左拐方向車流比直行、右拐車流量較大（如圖 2）2. 左拐方向車流比直行、右拐車流量較?。ㄈ鐖D 3）3. 左拐方向車流和直行右拐車流相比小很多，且東西兩 方西車流不

16、均。這樣不單獨運行左轉(zhuǎn)相位。（如圖 4）2基本模糊控制算法2.1 模糊控制器為了使交叉路口的平均車輛延誤盡可能地達到最小， 在這里設(shè)計了兩個模糊控制器，即相序優(yōu)化模糊控制器和綠 燈延時判斷模糊控制器。單交叉路口多相位模糊控制過程是 這樣的，見圖 5 所示：根據(jù)檢測器檢測到的各車道上車輛到 達信息，分為紅燈交通信息和綠燈交通信息，分別送入兩個 模糊控制器中，得到候選下一個綠燈相位以及當(dāng)前通行相位 的綠燈延長時間，再送給交通信號燈的執(zhí)行機構(gòu)，來按照新 的配時方案改變各個相位的通行時間長短。其中對于相序優(yōu) 化模糊控制器，是一個三輸入單輸出的控制器，即輸入包括 自上個通行相位后的等待時間(WT)、各個

17、候選相位的平均 車隊等待長度(QU)及其變化率(QV)，輸出為該相位的放行 緊急度(UR)。而綠燈延時判斷模糊控制器的輸入是當(dāng)前通行 相位的各車道平均等待長度(GQ)及其變化率(GV)，候選相 位的各車道平均等待長度(RQ)及其變化率(RV)，輸出為當(dāng)前 通行相位的綠燈延長時間(EX)。根據(jù)專家經(jīng)驗給出兩個控制 器中論域范圍、隸屬度函數(shù)劃分、形狀和分布。由于篇幅所 限，僅列出部分模糊規(guī)則于表 1 和表 2 中（它們各自共有29 和 37 條規(guī)則）。2.2 信號燈控制算法具體的信號燈控制算法可描述成以下步驟：STEP1. 根據(jù)實際情況和交警經(jīng)驗分別指定各相位的最 短綠燈時間 Gi, min、最大

18、綠燈時間 Gi, max 和黃燈時間（算入 紅燈時間內(nèi)），從而確定最小信號周期 Cmin 和最大信號周期 Cmax；STEP2. 先給獲得通行權(quán)的相位 i 以該相位的最短綠燈時間 Gi = Gi (k ) = Gi ,min 進行控制；STEP3. 根據(jù) Gi (k ) 秒內(nèi)測得的現(xiàn)場車輛信息，得到有 效綠燈相位的平均車輛排隊長度和其變化率，計算放行相位 在 Gi 秒內(nèi)的有效綠燈車輛延誤及其它相位的有效紅燈車輛 延誤；STEP4. 根據(jù)紅燈相位其它各個車道的平均車輛排隊長 度以及其變化率再和紅燈等待時間（指該相位從當(dāng)前的紅燈 開始到此時的時間和），相序優(yōu)化器從相序中選擇下一個候選綠燈相位 i+

19、1。綠燈延時判斷器以候選相位各車道的平均隊長和平均變化率，當(dāng)前綠燈相位 i 各車道的平均隊長和變化率為輸入，通過模糊推理，得到相位 i 的下一個有效綠燈 延長時間 Gi (k + 1) ，并且：1) 如果 Gi (k + 1) 15s （假設(shè)綠燈延時最長為 30s），并且 Gi + Gi (k + 1) Gi ,max ，則 Gi = Gi + Gi (k +1) 并轉(zhuǎn) 到STEP3（kk+1）；2) 如果 Gi (k + 1) 15s ，并且 Gi + Gi (k + 1) > Gi ,max ， 則 Gi (k + 1) = Gi ,max Gi ， G i = G i , max

20、并轉(zhuǎn)到 STEP5；3) 如 果 Gi (k +1) <15s， 則 轉(zhuǎn) 到 STEP5 （ 若Gi + Gi (k + 1) > Gi ,max ，則 Gi (k + 1) = Gi ,max Gi ）；STEP5. 在 Gi (k + 1) 秒后切換到該候選綠燈相位。3變論域自適應(yīng)模糊控制器當(dāng)模糊控制器的輸入、輸出變化較大時，可能造成只使 用到部分規(guī)則。如果論域范圍過小，很容易造成輸入輸出量 超出論域范圍時，導(dǎo)致控制器失控；如果論域范圍過大，則 在零點附近振蕩，同樣不能使模糊控制器發(fā)揮應(yīng)有的效能。 變論域自適應(yīng)模糊控制器可以很好解決這個問題，其詳細內(nèi) 容見文獻6-8。在這里提出

21、基于模糊規(guī)則的變論域模糊控制 器，與通常采用的基于函數(shù)模型的變論域模糊控制器相比較。這里以綠燈延時判斷模糊控制器為例說明論域變化，其為四輸入單輸出。設(shè)輸入變量 xi (i = 1, 2,3,4) 的論域分別為 Xi = E, E(i=1,2,3,4)，輸出變量 y 的論域為 Y = U ,U 。 所謂變論域是指論域 Xi 與 Y 可以分別隨著變量 xi 與 y 的變 化而變化 ， 記 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 ) 與 ( y) 為論域的伸縮因子，相對于變

22、論域，原來的論域 Xi 與 Y 稱為初始論域。3.1 基于函數(shù)模型的變論域模糊控制器通常采用輸入、輸出變量的變論域伸縮因子的函數(shù)模型為 ( x ) = 1 exp(kx 2 )， (0,1)，k > 0 (1) 和 (t ) = k I pi ei ( )d + (0) (2) 這里取 和 k 分別為 0.95 和 0.5；令 kI 和 pi 都等于 2。、3.2 基于模糊規(guī)則的變論域模糊控制器由于論域在控制中怎樣伸縮變化難以用函數(shù)模型準(zhǔn)確 表達，但易用語言的形式加以描述，故可以在伸縮因子的確 定過程中采用模糊推理實現(xiàn)，這樣比單純的函數(shù)模型求解更 加快速，且避免了參數(shù)選擇的困難。具體算法

23、如下：考慮到如果輸入量過多，會造成規(guī)則表很龐大的問題。 故在論域優(yōu)化過程中，對于綠燈延時判斷模糊控制器，只考 慮 GQ 和 RQ 兩個輸入量，輸出量為 EX。GQ 和 RQ 的初始 論域都為0, 10，EX 則為0, 6。規(guī)范化因子 GGQ、GRQ 和 GEX 與一般模糊控制器的量化和比例因子不同，前者是將輸 入輸出按論域范圍進行轉(zhuǎn)換，以便使用模糊規(guī)則表查詢；后 者是將輸入輸出在規(guī)范的論域上轉(zhuǎn)換，選擇區(qū)間0, 1，以便使用定義在規(guī)范論域上的模糊隸屬劃分。而 1 2分別為 GQ和 RQ 的伸縮因子，它們之間構(gòu)成兩個單輸入單輸出的模糊 控制器。而輸出論域伸縮因子 的取值應(yīng)由 GQ 和 RQ 確定， 即根據(jù) GQ 和 RQ 當(dāng)前取值所反映的系統(tǒng)響應(yīng)狀態(tài)來確定