智能控制概论作业

智能控制理论概论

结课作业

题 目：基于MATLAB的倒立摆模糊控制 学生姓名：蒙龙华 学 号：1067112303 专 业：测控技术与仪器 班 级：测控3班

2013年 12月30日

智能控制理论概论结课作业

摘要

倒立摆的控制问题就是使摆杆尽快地达到一个平衡位置，并且使之没有大的振荡和过大的角度和速度。当摆杆到达期望的位置后，系统能克服随机扰动而保持稳定的位置。本文主要针对较为简单的单级倒立摆控制系统而进行的设计分析。通过建立微分方程模型，求出相关参数，设计出对应的模糊控制器，并运用MATLAB软件进行系统模型的软件仿真，从而达到预定控制效果。目前，一级倒立摆的研究成果应用于火箭发射推进器和控制卫星的飞行状态等航空航天领域。

关键词：单级倒立摆；微分方程；模糊控制；MATLAB仿真

2

智能控制理论概论结课

题目1: Fuzzy控制器与PID控制器的性能对比

?(t)Yd(t)-e(t)FC/PIDG(s)Y(t)

若G(s)为时变对象，传递函数分别为：

?0.5S20e20e20，G2(s)?，G3(s)?G1(s)?(2s?1)(4s?1)(2s?1)(4s?1)(2s?1)(4s?1)(2.2s?1) 分别设计PID控制器和Fuzzy控制器，并作性能对比。

?0.5S?(a)自噪声若?(t)??，采用周期为0.1。

(b)确定性扰动d?0.2?解：

1 PID控制器的设计

利用simulink设计PID控制器参数。然后将所需模块拖放至模型窗口，并按顺序进行连接。通过仿真图形，不断调节控制器参数，已达到所需图形，结构如图1所示：

图1 PID控制仿真结构

2 模糊控制系统设计

模糊控制系统原理图如图2所示：

r(t)

e(t) Ke 模糊 控制器 u(t) 被控对象 c(t) 1 de(t)Kc

图2 二维模糊控制系统原理图

— 其设计的原理图如图3所示：

图3 模糊控制器原理图

由题目知：这是一个两输入单输出的模糊控制器，设输入变量为偏差E和偏差变化率EC，输出变量为U。

① 输入量E: 基本论域

题目1: Fuzzy控制器与PID控制器的性能对比

?(t)Yd(t)-e(t)FC/PIDG(s)Y(t)

若G(s)为时变对象，传递函数分别为：

?0.5S20e20e20，G2(s)?，G3(s)?G1(s)?(2s?1)(4s?1)(2s?1)(4s?1)(2s?1)(4s?1)(2.2s?1) 分别设计PID控制器和Fuzzy控制器，并作性能对比。

?0.5S?(a)自噪声若?(t)??，采用周期为0.1。

(b)确定性扰动d?0.2?解：

1 PID控制器的设计

利用simulink设计PID控制器参数。然后将所需模块拖放至模型窗口，并按顺序进行连接。通过仿真图形，不断调节控制器参数，已达到所需图形，结构如图1所示：

图1 PID控制仿真结构

2 模糊控制系统设计

模糊控制系统原理图如图2所示：

r(t)

e(t) Ke 模糊 控制器 u(t) 被控对象 c(t) 1 de(t)Kc

图2 二维模糊控制系统原理图

— 其设计的原理图如图3所示：

图3 模糊控制器原理图

由题目知：这是一个两输入单输出的模糊控制器，设输入变量为偏差E和偏差变化率EC，输出变量为U。

① 输入量E: 基本论域

语言变量X，Y，Z的隶属度函数.

论域 语 言值 -4 -3 -2 -1 0 1 2 3 4 NB NS ZO PS PB

模糊控制规则表 Z Y NB NS ZO PS PB X NB PB PB PS PS ZO NS PB PS PS ZO ZO ZO PS PS ZO ZO NS PS PS ZO ZO NS NS PB ZO ZO NS NS NB 1 0 0 0 0 0.5 0.5 0 0 0 0 1 0 0 0 0 0.5 0.5 0 0 0 0 1 0 0 0 0 0.5 0.5 0 0 0 0 0 1 0 0 0 0.

智能控制导论

姓 名 ******** 学 院 自动化与电气工程学院 专 业 控制科学与工程 班 级 *************** 学 号 ********* 指导老师 ********

二〇一六年六月十八

故障诊断中基于神经网络的特征提取方法研究

摘要：对文章《故障诊断中基于神经网络的特征提取方法研究》进行总结概括，分

析了BP神经网络的优缺点，针对BP神经网络不足,提出了一种新的特征提取方法，即分形维数-免疫克隆选择特征提取算法，并对该算法进行阐述和分析。

关键词：特征提取；BP神经网络；免疫克隆选择算法 1 对附录文章的概括总结

1.1基于神经网络的特征评价

附录文章是以电路检测与故障诊断为背景，提取重要的特征参数，对电路的工作状态进行定量描述。为满足工程需要，附录文章利用神经网络进行特征选择时主要以

1pn特征参数的灵敏度作为其评价指标。学习误差为E=.??(yik

计 算 智 能 概 学院: 信息科学与工程

专业: 软件工程 学号: 201216040105 姓名: 李小光

论

RBF神经网络在中长期负荷预测中的应用

随着我国电力事业的发展电网管理日趋现代化,负荷预测问题的研究也越

来越引起人们的重视,并已成为现代电力系统科学中一个重要领域。在实践中,无论是制订电力系统规划还是实现电力系统运行自动化,进行相应的负荷预测都是必不可少的。负荷预测的核心问题是预测的技术方法,或者说是预测的数学模型。由于人工神经网络ANN(artificialneuralnetwork)适于解决时间序列预测问题(尤其是平稳随机过程的预测),其在电力系统负荷预测中的应用从理论上是可行的。所以,ANN一经引入电力系统负荷预测就成为其应用研究的一个领域。 与ANN方法中一般采用的BP(backpropagation)算法相比,后来发展起来的径向基函数RBF(radialbasisfunction)网络具有良好的推广能力,而且学习速度比通常的BP算法快得多。本文从中长期负荷预测的实际应用出发,将径向基函数网络引

摘要：智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。目前对智能车辆的研究主要致力于提高汽车的安全性、舒适性，以及提供优良的人车交互界面。近年来，智能车辆己经成为世界车辆工程领域研究的热点和汽车工业增长的新动力，很多发达国家都将其纳入到各自重点发展的智能交通系统当中。

关键字：智能汽车、互联网、云计算、现代传感、信息融合

前言：2014年，Google拿出了自己的新产品——无人驾驶汽车；Apple公司正式发布了更名为CarPlay 的车载系统；2015年3月20日，工信部软件信息服务业司召开《推动汽车软件发展，迎接智能汽车时代》，互联网巨头纷纷涉入汽车领域：百度公司CEO李彦宏在两会中透露，百度公司在集中研发智能汽车操纵系统和智能驾驶系统;上汽集团与阿里巴巴集团合资10亿元设立“互联网汽车基金”；乐视董事长贾跃亭公布超级汽车“SEE计划”等等关于智能汽车的消息铺天盖地。我们“看”到汽车的未来是在“云计算”++“气态的信息流”+“MIT第六感机器”+“Google Project Glass”+“无所不在的终端”+“

智能控制大作业报告

模糊部分

姓 名： 学 号： 专 业：

2011年06月03日

题目：已知G?5?0.5s，分别设计e2?s?0.5??s?2s?8?PID控制与模糊

控制，使系统达到较好性能，并比较两种方法的结果。

r _ePID/FCG(s)y

具体要求：

1、采用Fuzzy工具箱实现模糊控制器。

2、分析量化因子和比例因子对模糊控制器控制性能的影响。 3、分析系统阶数发生变化时模糊控制和PID控制效果的变化。

4、分析系统在模糊控制和PID控制作用下的抗干扰能力(加噪声干扰)、抗非线性能力(加死区和饱和特性)以及抗时滞的能力(对时滞大小加以改变)。

一 原系统仿真分析

原系统是一个带有时滞环节的三阶系统，系统的三个极点均在s域左半平面，系统是稳定的。利用Matlab/Simulink工具箱搭建系统框图，对原系统进行阶跃响应分析。

原系统框图如图1所示：

图1 原系统框图

设定仿真时间为10秒，其它为默认设置，运行程序，可以得到如图2所示仿真结果。

原系统阶跃响应0.70.60.50.40.30.20.10012345678910t/s 图2 原系统阶跃响应曲线

由图可以看出，原系统

1.一个三阶系统

b0s?b1s?b2s?a1s?a2s?a3322 ，其中a,b的值由自己设定，该系统具有非

线性环节，如下图所示：

依据上述条件设计一个模糊控制器： ①用MATLAB仿真，得出仿真结果， ②并通过改变a、b值对仿真结果的影响；

③改变隶属度函数，从仿真结果图分析隶属度函数，模糊化对系统的影响； 解：①

（1）取b0=0,b1=0,b2=1.5,a1=4,a2=2,a3=0,在SIMULINK里建模如下图所示

（2）用GUI建立FIS

E和EC分别为系统输出误差和误差的变化量，U为控制输出，编辑其隶属度函数如下

1

2

编辑模糊推理规则如下

3

(3)仿真结果如下

4

2自己选定一个对象，设计一个神经网络控制系统。

解：被控对象为y(k)=0.3y(k-1)+0.2y(k-2)+0.1u(k-1)+0.6u(k-2),采用单神经元PID控制，控制结构如下图所示：

采用有监督的Hebb学习规则，控制算法及学习算法如下：

3u(k)?u(k?1)?K?wi?(k)xi(k)i?13wi?(k)?wi(k)/?wi(k)i?1w1(k)?w1(k?1)??Iz(k)u(k)x1(k)w2(k)?w2(k?1)??Pz(k)u(

人工智能概论

姓名：学号：专业：老师：时间：

张礼均 200906040119

机械工程及自动化 朱江

2013年1月1

人工智能的原理及应用

1 早期的人工智能

20 世纪50~ 60 年代, 许多研究者试图从模仿人脑的结构或功能建立一个模拟人脑的智能机器。心理学家MCcolloch和数理逻辑学家Plits 于1943 年提出了第一个简化的神经元M- P 模型。PERCEPT ION 是一个早期的神经网络系统, 能进行简单的模式识别。当时的神经网络的实现技术还处于电子分立元件的时代, 结构过于简单, 与包含10 亿个神经细胞的人脑相差太远, 这个系统后来被证明是失败的。20 世纪60 年代中后期, 由于计算机技术的飞速发展,功能主义的人工智能方法兴盛起来。人们认为只要编制出聪明的软件, 就可以使计算机系统表现出应有的智能。人们设想假设以计算机的工作速度、运算精度、记忆容量、记忆准确度等能力, 再加上一个无所不包的程序库, 计算机将无所不能, 在不远的将来, 计算机将在总体上超过人类。由于无法建立万能的知识库, 这种想法是很不现实的, 也是很难甚至是不可能实现的。

2 专家系统 2. 1 专家系统

专家系统是以知识为基础的智能推