摘要
油页岩干懈工业越來越受到人们的重视。其干饲控制效果的优劣直接影响页岩油的产量，而温度控制乂是页岩干惴炉控制系统中的关键环节，因此页岩炼油过程中的温度控制具有十分重要的现实意义。
由于干镭炉温度控制系统具有惯性、滞后和难以获得精确数学模型等特点, 本文在串级PID控制的基础上引入模糊控制，作为智能控制算法应用于干懈炉温度控制系统，构成模糊PID控制器来整定温度控制系统主控回路的PID参数，这样既保持了PID控制器的结构简单?、适应性强的优点，乂能在线调整PID控制器的参数，以适应页岩干馆过程模型参数的变化。
最后通过Matlab仿真，分析了模糊PID控制器的动态响应和抗干扰能力，并与传统串级PID控制进行比较。结果表明，设计的模糊PID控制器超调最较小，调节时间短，抗干扰能力较好，能达到较好的控制效果。
关键词：温度控制；串级控制：模糊PID
前百
在我国油页岩制取页岩油技术中，主要是利用干锯）技术对大块的汕页岩进行制取页岩油。而对于小颗粒的油页岩则作为尾料，还没有找到有效的方法提取其中的页岩油。因此为了使小颗粒的油页岩资源能够得到充分的利用，寻找一种更加有效的加工制油方法是当前所要解决的问题。
干馆是页岩汕关键的提炼步骤，在干懈炉干惘过程中，页岩的裂解是在一个密闭的空间里进行一系列复杂的物理和化学反应过程，并且在一定的温度范用内, 油页岩热解生成页岩油、页岩半焦和热解气。在生产过程屮，干饰炉的温度控制具有极其重要的地位，如果温度太高，油母页岩过度裂解，会减少页岩汕的产量；但是温度过低，汕母页岩裂解不充分，同样会影响页岩油的产量。所以，温度的高低在干馆炉控制系统中有着非常莹要的作用。如何控制好干锚炉的温度，进而提高页岩油的产能，是本文研究的重点。
1 ?干憾过程的控制对象模型
一般情况下，页岩油的生产可以分为以下三个部分：原料部分、干憎部分以及油回收部分。页岩干倔炉的炼油工艺流程图如图1.1所示。
图1.1干饰炉的工艺流程图
在实际匸程的控制中往往很难得到页岩干佛过程的精确数学模型。因此， ATP 干懈炉温度对象的建模应参照工程实践中的方法，即用曲线拟合的方法來 求得模型的近似数学模型。由J-ATP 干镭炉温度对象具有滞后性、惯性的特点。 因此，其温度控制对象的传递函数是具有一阶惯性加纯滞后的特性。BP ：
&⑸ ~e ~TS
（11）
鼓风机的流暈Q 与频率f 成正比，根据参考文献⑴，并考虑空气管路传输的时延， 可以将鼓风机近似模型G2（s ）等效为一阶惯性加纯滞后环节。BP ：
荻）卞石厂 （12）
根据该页岩炼油厂的实际测试及运行的数据，得到干懈炉模型的温度阶跃响 应曲线，可将干镭炉温度模型用纯滞后环节和一阶惯性环节来表示。其传递函数 为：
烟气和 预热气处理
蒸汽
升级处理 i （若需娶）I
1
?科工 蒸汽
1C
冷凝
回收系统
蒸汽 :
油油 品气
气料磺 产废粗燃硫
汕
气料汽 废燃蒸
油页岩
电能热陡
G](s)=
0.001524
S+0.0157
鼓风机近似模型G2（S ）的参数为:
G2（S ）= 0.6S+1
(1.3)
(14)
烟气和预热气
2?串级PID控制
随着现代工业生产过程向着大型、连续和强化方向发展，对控制系统的控制品质提出了口益增长的要求。串级控制是一种易丁?实现且效果乂较好的控制方法, 在生产过程中的应用也比较普遍⑵。
干懈炉温度的控制可以采用串级调节系统C在干懾炉的炉壁上有六个均匀分布的热电偶，它们会连续并且精确的测量温度的变化，当受到干扰时，该回路的热电偶会测星到该变化，反应到该回路控制器的输入端，控制器的流量控制回路能很快对变化做出判断，改变该回路中鼓风机的频率。这样，经过流量控制回路的控制，在干扰还未波及到干惴区温度之前就己经被克服，即便是干扰较大，其
大部分影响已经被流量控制回路所克服，波及到ATP 干懈炉温度时，干扰已经很 小。串级控制系统框图如图2.1所示。
干僻炉温度串级控制系统有以下特点：
（1）流量调节回路具有快速调节作用，它能有效地克服二次扰动的影响；⑵ 由于流量调节回路起到了改善对象动态特性的作用，因此可以加大温度主调节器 的增益，提高系统的工作频率；（3）由于流量调节回路的存在，使得整个串级控 制系统具备了一定的适应能力；（4）从串级控制系统本身的特性来讲，可以部 分地克服页岩干镉过程中的滞后性。
在实际应用中，很多工业过程都具有高阶、非线性、大迟延及时变等特性, 给以精确数学模型为慕础的现代控制理论的应用带來了因难。PID 控制器的参数 整定必须相对丁某一模型己知、系统参数己知的系统，但事实上大多数的生产过 程都具有非线性和时变性，其特性随时间的变化而变化，而且干扰因素较多，当 模型参数或者匸况发生变化，运行人员要根据经验来改变参数，匸程上通常用试 凑法进行整定，需要反复试验，反复试凑匸作量比较大，消耗大量的时间和精力， 虽然这样在一定程度上也能满足运行要求，但是不可避免地存在盲目性〔4】。所以 有必要研究智能控制技术手段与PID 控制相结合來控制较复杂的工业过程。
3?模糊PID 控制
在页岩干蚀串级控制系统中，若采用二维模糊控制，以温度的偏差和偏差变 化率作为输入变量，可以获得类似常规比例微分控制器的作用，实现良好的动态 特性。但是由模糊控制器没有积分调节，不能消除静羞，其稳定性不能达到预 期的效果叭 所以，为了实现ATP 干僻炉干僻区温度的无差控制，将模糊控制器 与PID 控制器结合在一起。以温度的偏差e 和偏差变化率ec 作为输入，根据偏差 的特征，找出PID 参数与温度偏差e 、偏差变化率ec 之间的模糊关系，在运行中 不断检测e 与ec,根据模糊规则对三个参数进行修改，来满足不同e 与ec 对控制参 数的不同要求，使干镭过程具有良好的动态和静态性能，进而获得更加满意的控 制效果。
模糊控制器的结构对整个系统的性能有较大影响，必须根据被控对象具体情
3?1温度控制回路模糊PID 控制器的设计
Illi
图2-1串级控制系统框图
况来进行合理选择。一般情况下，尽量选择操作人员能观察到的变量，如被控对象的偏差、偏差的变化、偏差变化的变化等，作为模糊控制器的输入变量。把控制量作为模糊控制器的输出变量〔习。模糊控制器的维数越高，控制精度越高，控制就越精细。但是，维数太多会使控制规则变得十分庞大，控制算法实现困难⑹。所以生产过程中一般选用二维模糊控制器，即把偏差及偏差的变化作为模糊控制器的输入变量。ATP炉温度控制系统采用的模糊PID结构如图3.1所示。
图31温度控制回路模糊PID控制系统框图
在页岩干镭系统串级PID控制的基础上加以改进，内环燃烧空气流量控制回路采用PI控制器，通过控制鼓风机的频率，来控制燃饶空气的流星。外环温度控制回路采用模糊PID控制器，输入是温度的偏差e和偏差变化率ec,输出是AKp,讯, g分别用来调节Kp, 爲的值。模糊PID控制器经过计算的
最终输出是副回路燃烧空气流量的给定。
模糊控制器的设计一般包插以下方面：控制系统的模糊概念的确定，包扌舌论域、模糊集合；输入精确量的模糊化过程，确定隶属度函数；确定模糊控制规则；模糊推理：完成模糊量到精确最的转化。
模糊PID算法的控制流程如图3.2所示。
图3.2模糊PID算法流程图
3.2温度控制模糊PID控制器的输入输出参数设计
控制器首先要对输入变量进行模糊化。对干温度模糊控制器，输入变量是干係区温度的偏差e及偏差的变化量ec。
3.2.1论域、模糊集合
（1）基本论域及模糊论域
干馆炉温度控制系统中模糊控制器的输入变星偏差、偏差变化率的范围为输入变量的基本论域。被控对象的实际需要的控制星变化范围，称为模糊控制器的输出变量的基本论域。根据现场数据得出，温度偏差e的基本论域为Xe=[?107, 107],偏差变化率ec的基本论域为Xec =[-8, 8]o
将基本论域范围内连续变化的偏差分成n个区间，使其离散化，则偏差e所取模糊集论域为E ={- n,-n 一1,…,0,…,n - l,n},偏差变化率ec 的模糊集合的论域为EC={-m,-m1, m}.从理论上讲, 增加论域匕元素的个数，可提高控制精度，但过于细分的量化等级会使算法复杂化，增加控制器的复杂程度，因此等级分得过细必要性不大。一般
n=6,m=6.从而构成含有13个整数的集合E、EC。偏差e和偏差变化率ec的范围暈化为{一6, — 5, -4, 一3,-2, 一1,0,1,2,3,4,5,6A71。
(2)量化因子
利用量化因子可以实现从基本论域[-|e mar|,|e max|]fU[-|ec max|,|ec max|]SiJ 论域E ={— n, —n —1,... ,0,…，n — 1, n}和EC={—m, —m — 1, _____________________ ,0,..., m — 1, m} 的变换。偏差及其变化率的量化因子则可定义为：
^e=^\e max\(3.1)
^ec /1 ec max I (3.2)
在页岩干镭控制系统中，根据上述e和ec的基本论域及模糊论域，可得出e和ec的量化因子分别为：
/C e=n/|e max|=6/107=0.056 (3.3)
Kec=m/| "max 1=6/8=0.75 (3.4)
322模糊控制器的模糊化方法
根据上节选取的模糊论域，将温度变化e和温度变化率ec以及其输出最PID 的山0,讯,的模糊子集均设为含有以下七个模糊子集：负大(NL),负中(NM),负小(NS),零(ZO),正小(PS),正中(PM),正大(PL)。在页岩干馆控制系统温度控制回路的设计中，选取模糊变量的隶属度函数时，采用便于计算、占用内存空间小的三角型隶属函数作为模糊子集的隶
属函数，选取温度
图3.3变最e、ec的隶属度函数
图3.4变帛血心，\心W的隶属度函数
3.2.3模糊规则
PID控制器是由比例环节、积分环节和微分环节组成，PID参数的整定必须考虑在不同时刻三个参数的作用及相互Z间的关系。其基本思想是首先找出PID 三个参数与偏差e和偏差变化率ec之间的模糊关系，在运行中不断检测温度偏差和偏差变化率，然后根据模糊控制原理来对三个参数进行在线修改，以满足在不同情况下系统对控制参数的不同要求。
根据比例、积分、微分作用的不同，在不同的温度偏差e和偏差变化率eHF，按照以下规则修正PLD控制器参数心，K[, K D:
（1）当温度偏差较大时，为了加快系统的响应速度，Kp的取值应大些。针对开始时可能出现的微分饱和的现象使控制作用超出许可的范闱，爲的取值要应较小。同时为了避免系统响应出现较大的超调产生积分饱和，应该让&取值小一些限制积分的作用。
（2）当温度偏差处于中等大小时，为了防止系统超调过大，心应取值小一些，&取值要适当。同时，为保证系统的响应速度，爲的取值要大小适中，心的取值对系统影响较大。
（3）当温度偏差较小及接近设定值时，为了使系统保持较好的稳态性能，应当增加心的取值并且减小匕的取值。同时,为了避免出现振荡，应该增加系统的抗干扰性能。当温度偏差变化量较小时的取值可以大一些；当偏差变化量较大时坊的取值应当小一些叭
表参数％的模糊规则衷
表
参数△爲的模糊规则表
根据模糊理论进行算法合成，求得相应的Kp, ", K D的三个控制表。如表4.2中Kp 的调节规律可以写成如下的49条模糊条件语句：
1.ifE=NB and EC=NB then AKp=PE
2.if E=NB and EC=NM then AKp=PB
3.ifE=NB and EC=NS then AKp=PM
49. if E=PB and EC=PB then A7C P=NB
3.2.5解模糊
经过模糊推理得到的控制输出是一个模糊隶属西数或者模糊子集，它反应了
控制语言的模糊性质。然而在宾际应用中要控制一个对象，只能在某一个时刻有一个确定的控制量，这就必须要从模糊输出隶屈函数中找出一个最能代表这个模糊集合及模糊控制作用可能性分布的精确最，这就是解模糊。
根据干饰炉温度控制系统给定的温度的偏差e和偏差变化率ec的值。通过模
糊合成推理规则求出对应的模糊输出量M、国、AK仏然后通过模糊判决可得精确量AKp、M、A/C D?
定义Kp, K],爲参数调整算式如式(3.5)所示。
Kp = K^{E, EC'K严Kpo+Mp
K] = K；+(E, EC}K/=K JO+AQ
(3.5)
心=K肚(E,EC}K D=K DO+AK D
式中：Kpo, Kg, K DQ是PID控制器参数Kp, Ki，心的初始值，初始值是根据经验获得的。
AKp, A&, 4心是根据计算机在线运行时实时计算的偏差和偏差变化率，通过査询上述模糊规则表得出的。通过测控系统不断的检测系统的输出响应值，并实时的计算出干憾区温度的偏差和偏差变化率，然后将它们模糊化得到E和EC, 通过查询模糊调整矩阵即可得到Kp, K P K D三个参数的调整量，完成整定过程。
由此可利用模糊PID得出实时调整的PID控制参数，实现干饰区温度的精确控制。
4 ?系统仿真及结果分析
4.1串级PID控制仿真
图4.1温度系统串级控制的Sinmlnik仿真框图
对于T?懈炉温度控制系统的常规串级控制，首先需要选择串级PID的参数，通过不断的测试，得岀干懈炉温度控制系统的参数如表4.1所示。对应的仿真曲线如图4.2所示。
表4?1串级PID参数的比较
组%?外K内/内
1100.3100 150.12
29.20.2100.150.12
370.17100.150.12Scope □
01 ----------- * --------------------- 1—
50 100
图4.2串级PID 的响应曲线
由仿真曲线町以看出，虽然第1组数据的响应速度快，但是超调量大，调节时 间
长。第3组数据的超调量小，但是其响应速度慢。而第2组数据的整体综合性能耍 好。所以选该改组的数据作为审级PID 的参数。即内环PI 参数为Kp=0.15, K/=0.12, 外环PID 参数为K P =9.2,K I =0.2,K D =10
4.2模糊PID 控制仿真
当串级控制系统温度控制回路中的主控制器采用模糊PID 控制器时，温度的 偏差及偏差变化率的量化因子分别为：^=0.056和K/0.75。 4.2.1模糊控制器设计
在matlab 的命令窗口输入fuzzy,
打开模糊控制器进行设计。
200 ----------------------------------------- 100 ------------------- ----------------------
__________________________________________________ ——组［
—设定伉
------------------ ——组2
——组3
150
200
250
300
350
400
450
500
时间（S ）
输出比例因子分别为：AK KP =5/6=0.83, AK KP =0?6/6=0?1,AK KQ =6/6=1。 主环PID 参数的初始值为：K PO =92K/O =02K DO =10。
干镉炉温度控制系统的模糊控制器仿真框图如图4.3所示。
图4.3温度系统模糊PID 控制的Siniuluik 仿真框图
模糊控制器的结构如图4.4所示，输入量为偏差e 及其变化率ec,输出量为AKp 、 AK/、W ，FIS 中记为心,Kj,心o
模糊控制器的输入输出变量的隶属度函数及模糊规则如图4.5至4.9所示。
图4.5温度偏差e
的隶属度函数
FIS Variables
Q HS Editor! fay
[ = 1 回
图4.4模糊控制器结构
Kd
图4.6温度偏差变化ec的隶属度函数
图4.7 LK P的隶属度西数
图4.8 的隶属度函数
FIS Variables
ec Ki
Kd
inout variable 飞 L r IS Variables
output variable "Kp" FIS vans Dies
Kd
output variable Xr
图49 \K D的隶属度函数
模糊规则的建立如图4.10所示:
SJ Rule Editor fzy
File Edit View Option
40. If (e is PM) and (ec is PS) then (Kp is NM)(Ki is PM)(Kd is ZO) (1>
41. If (e is. PM) and (ec B PM) then (Kp is NM)(Ki is PB)(Kd is PS) (1)
42. If (e is PM) and (ec is PB)then (Kp is NB)(Ki is PB)(Kd is PS) (1)
43. If (eisPB) and (ec is NB) then (Kp isZORKiisZOXKd is PS) (1)
44. If (e is PB) and (ec is NM) then (Kp is NS)(Ki kZORKd is ZO) (1)
45. If (ei^PB) and (ec is NS) the-n (Kp is NSRKi is PS)(Kd is ZO) (1)
46. If (e is PB) and (ec is ZO) then (Kp is NM)(Ki is PM>(K(j is ZO)⑴
47. If (e?PB) and (ec is PS) then (Kp is NMXKi is PB)(Kd is ZO)(1) 4& If (e is PB)
and (ec is PM) then (Kp is NB)(Ki is PB)(Kd is PB)(1)
49. If (e is PB) and (ec is PB) then (Kp is NB)(Ki is PB)(Kd is PB> (1)
冋S Variables
Kd
output variable "KcT
If Then
and
□ not Ready
Help Close
图4.10模糊控制器的模糊规则
File Edit View Options
Input:
[0:0] I
Pbt points: ⑼
Move: left | rigM | down | up |
Opened system fzy. 49 rules 11
Help
Close
|
图4.11模糊控制器的模糊规则显示
从而可以得出模糊PID 控制器三个参数的模糊推理规则曲面，如图4.12至图 4.14所示：
图4.12 K P 规则曲面
-------------
丿、
A ￡
--------
丿、
/、
丿J
/、
丿、
/、
X 、
孑
/ j
/、 /、 /、
—1
—］丿、
/、
/、
■
/、
e ? 0
123 4567 8 91 01 1
仁
1 3141 5
代
ec? 0
Kp = ^.66e.17
Kd^-2
图4.13 Kj规则曲血
ec
图414 K D规则曲面4.2.2模糊PID的仿真结果
模糊PID的仿真曲线如图4.15所示:
图4.15模糊PID 温度响应曲线
5 ?仿真结果分析
温度控制是一个动态过程，根据第：章介绍的干憎炉温度特点，将温度给定值 设为505°C 。下面分别从温度响应曲线对设定值的跟踪性能、对扰动的抗T ?扰能力 以及干馆过程模型发生变化后的自适应能力进行分析。对比传统串级PID 控制器和 模糊串级PID 控制器的控制性能。以505°C 阶跃信号为输入，比较串级PID 与模糊 PID 之间的跟踪性能如图5.1所示。
100 0
50 1 00 150 200 250 300 350 400 450
时间⑸
(2竝頤500
控制方法 匕升时间t r (nwi)
调节时间ts(min)
超调最0(%)
串级PID 控制 98 355 20.8 模糊PID 控制
90
290
6-9
由上表口J 以得出，模糊PID 控制器初始上升速度较快，模糊PID 控制器的Illi 线 超调量小，调节时间短，可以较快速地稳定在给定的温度值。
温度控制系统受到的T ?扰因索较多，这里只考思T ?扰作用在主控回路上。在600 分钟时，加入一个阶跃信号扰动。得到的系统特性曲线如图5.2所示。
图5.2引入干扰的温度响应曲线
从图5.2中可以看出，加入一个扰动信号?后，模糊PID 控制器的调节时间短，恢复设定 值
0000000000 6 5 4 3 2
2 —
图5.1温度响应曲线
的时间较快，抗干扰性能较好。从以上仿真图可以看出，针对温度这样一个时变的非线性的复杂系统,模糊PID控制器的超调小，调节时间短,控制效果较好.模糊PID控制方法是在模糊控制和PID控制的基础上，进行系统仿真，取得了较好的效來，其口适应能力和抗干扰能力都有所增强。
6?结论与展望
通过对目前系统中所出现的问题，采用模糊PID的控制方法，并且建立了仿真模型。仿真研究表明：本文的控制算法能实现较好的跟踪性能，当出现千扰时系统能较快的恢复稳定，具有一定的抗干扰能力。
如何将神经网络控制、专家系统、遗传算法等智能控制方法与模糊控制方法相结合，设计成为通用的工业控制器，为实际的非线性人时滞人惯性的工业过程服务，是进一步研究的内容和方向，这对于控制理论的研究和工程实际应用都具有更大意义。
3-1 模糊逻辑控制器由哪几部分组成？各完成什么功能？ 答：模糊控制系统的主要部件是模糊化过程、知识库（数据库和规则库）、推理决策和精确化计算。 1、模糊化过程 模糊化过程主要完成：测量输入变量的值，并将数字表示形式的输入量转化为通常用语言值表示的某一限定码的序数。 2、知识库 知识库包括数据库和规则库。 1）、数据库 数据库提供必要的定义，包含了语言控制规则论域的离散化、量化和正规化以及输入空间的分区、隶属度函数的定义等。 2）、规则库 规则库根据控制目的和控制策略给出了一套由语言变量描述的并由专家或自学习产生的控制规则的集合。它包括：过程状态输入变量和控制输出变量的选择，模糊控制系统的建立。 3、推理决策逻辑 推理决策逻辑是利用知识库的信息模拟人类的推理决策过程，给出适合的控制量。（它是模糊控制的核心）。 4、精确化过程 在推理得到的模糊集合中取一个能最佳代表这个模糊推理结果可能性的精确值的过程称为精确化过程。
{模糊控制器采用数字计算机。它具有三个重要功能： 1）把系统的偏差从数字量转化为模糊量（模糊化过程、数据库两块）； 2）对模糊量由给定的规则进行模糊推理（规则库、推理决策完成）； 3）把推理结果的模糊输出量转化为实际系统能够接受的精确数字量或模拟量（精确化接口）。} 3-2 模糊逻辑控制器常规设计的步骤怎样？应该注意哪些问题？ 答：常规设计方法 设计步骤如下： 1、确定模糊控制器的输入、输出变量 2、确定各输入、输出变量的变化范围、量化等级和量化因子 3、在各输入和输出语言变量的量化域内定义模糊子集。 4、模糊控制规则的确定 5、求模糊控制表 3-3 已知由极大极小推理法得到输出模糊集为：0.30.810.50.112345 C = ++++-----.试用重心法计算出此推理结果的精确值z 。 重心法 重心法 是取模糊隶属度函数的曲线与横坐标围城面积的重心为模糊推理最终输出值。 连续：0()()v V v V v v dv v v dv μμ=??
智能控制理论简述 智能控制（intelligent controls）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。智能控制是指驱动智能机器自主地实现其目标的过程,即无需人的直接干预就能独立地驱动智能机器实现其目标。其基础是人工智能、控制论、运筹学和信息论等学科的交叉,也就是说它是一门边缘交叉学科。 控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。 近20年来,智能控制理论(IntelligentControl Theory)与智能化系统发展十分迅速[1].智能控制理论被誉为最新一代的控制理论,代表性的理论有模糊控制(Fuzzy Control)、神经网络控制(Neural Networks Control)、基因控制即遗传算法(Genetic Aigorithms)、混沌控制[2](Chaotic Control)、小波理论[3](Wavelets Theo-ry)、分层递阶控制、拟人化智能控制、博奕论等.应用智能控制理论解决工程控制系统问题,这样一类系统称为智能化系统。它广泛应用于复杂的工业过程控制[4]、机器人与机械手控制[5]、航天航空控制、交通运输控制等.它尤其对于被控对象模型包含有不确定性、时变、非线性、时滞、耦合等难以控制的因素.采用其它控制理论难以设计出合适与符合要求的系统时,都有可能期望应用智能化理论获得满意的解决。 自从“智能控制”概念的提出到现在,自动控制和人士_智能专家、学者们提出了各种智能控制理论,下面对一些有影响的智能控制理论进行介绍。 （1）递阶智能(Hierarchical IntelligentControl) 阶智能控制是由G.N.Saridis提出的,它是最早的智能控制理论之一。它以早期的学习控制系统为基础,总结人工智能与自适应控制、自学习控制和自组织控制的关系后逐渐形成的。递阶智能控制遵循“精度随智能降低而提高”的原理分级分布。该控制系统由组织级、协调级、执行级组成。在递阶智能控制系统中,
语言变量X ，Y ，Z 的隶属度函数. 设计带有纯延迟的一阶惯性环节（假设T=6,=0.02）： G(s)=s e s 6102.0+ 的模糊控制器，观察仿真结果。 编程如下： %被控系统建模 num=1; den=[6,1]; [a1,b,c,d]=tf2ss(num,den);%传递函数转换到状态空间 x=[0]; %系统参数 T=0.01;h=T;td=0.02;N=1000; nd=td/T;%系统纯延迟 R=ones(1,N);%参考输入 %定义输入和输出变量及隶属度函数
a=newfis('Simple'); a=addvar(a,'input','e',[-4 4]); a=addmf(a,'input',1,'NB','trimf',[-4,-4,-2]); a=addmf(a,'input',1,'NS','trimf',[-4,-2,0]); a=addmf(a,'input',1,'ZO','trimf',[-2,0,2]); a=addmf(a,'input',1,'PS','trimf',[0,2,4]); a=addmf(a,'input',1,'PB','trimf',[2,4,4]); a=addvar(a,'input','de',[-4 4]); a=addmf(a,'input',2,'NB','trimf',[-4,-4,-2]); a=addmf(a,'input',2,'NS','trimf',[-4,-2,0]); a=addmf(a,'input',2,'ZO','trimf',[-2,0,2]); a=addmf(a,'input',2,'PS','trimf',[0,2,4]); a=addmf(a,'input',2,'PB','trimf',[2,4,4]); a=addvar(a,'output','u',[-4 4]); a=addmf(a,'output',1,'NB','trimf',[-4,-4,-2]); a=addmf(a,'output',1,'NS','trimf',[-4,-2,0]); a=addmf(a,'output',1,'ZO','trimf',[-2,0,2]); a=addmf(a,'output',1,'PS','trimf',[0,2,4]); a=addmf(a,'output',1,'PB','trimf',[2,4,4]); %模糊规则矩阵 rr=[5 5 4 4 3 5 4 4 3 3 4 4 3 3 2 4 3 3 2 2 3 3 2 2 1]; r1=zeros(prod(size(rr)),3);k=1; for i=1:size(rr,1) for j=1:size(rr,2) r1(k,:)=[i,j,rr(i,j)]; k=k+1; end end [r,s]=size(r1); r2=ones(r,2); rulelist=[r1,r2]; a=addrule(a,rulelist); %采用模糊控制器的二阶系统仿真 e=0;de=0; ke=30;kd=5;ku=1; for k=1:N %输入变量变换至论域 e1=ke*e; de1=kd*de; if e1>=4
(单选题)1: 一般认为，人工神经网络适用于（） A: 线性系统 B: 多变量系统 C: 多输入多输出系统 D: 非线性系统 正确答案: (单选题)2: 递阶控制系统的结构是根据下列原理设计的（） A: 精度随智能降低而提高 B: 精度随智能提高而提高 C: 精度随智能降低而降低 D: 精度与智能无关 正确答案: (单选题)3: 智能控制成为国际上独立新学科的时间为20世纪（） A: 60年代 B: 70年代 C: 80年代 D: 90年代 正确答案: (单选题)4: 基于模式识别的控制系统属于（） A: 学习控制系统 B: 专家控制系统 C: 进化控制系统 D: 模糊控制系统 正确答案: (单选题)5: 能够在系统运行过程中估计未知信息，并据之进行优化与控制，以便逐步改进系统性能的控制叫做（） A: 最优控制 B: 反馈控制 C: 随机控制 D: 学习控制 正确答案: (单选题)6: 最早提出人工神经网络思想的学者是（） A: McCulloch-Pitts B: Hebb C: Widrow-Hoff D: Rosenblatt 正确答案: (单选题)7: 解决自动控制面临问题的一条有效途径就是把人工智能等技术用于自动控制系统，其核心是（） A: 控制算法 B: 控制结构 C: 控制器智能化 D: 控制系统仿真 正确答案: (单选题)8: 智能控制的“四元交集结构”的四元，指的是（） A: 计算机科学、自动控制、人工智能、神经网络 B: 人工智能、自动控制、信息论、系统论 C: 人工智能、自动控制、信息论、机器学习 D: 自动控制、人工智能、信息论、运筹学 正确答案: (单选题)9: 模糊控制是以模糊集合为基础的，提出模糊集合的科学家是（）
一）智能控制的主要应用领域？ 答：1在机器人系统中的应用2）在CIMS计算机/现代集成制造系统和CIPS计算机/现代集成作业系统中的应用3）在航天航空控制系统中的应用4）在社会经济管理系统中的应用5）在交通运输系统中的应用。 二）专家系统的组成、主要类型？ 答：专家系统主要有四部分组成1）知识库，包括事实、判断、规则、经验知识和数学模型2）推理机，首先把知识库中的专家知识及数据库中的有关事实，以一定的推理方式进行逻辑推理以给出结论3）解释机制是专家系统区别于传统计算机程的主要特征之一，它可以向用户回答如何导出推理的结论4）知识获取系统，主要完成机器学习。 类型：1）控制系统辅助设计2）过程监控、在先诊断、故障分析与预测维护；3）过程控制4）航天故障诊断与处理5）生产过程的决策与调度。 三）智能控制的产生和发展过程及其主要代表人物？ 答：1）启蒙期从20世纪60年代起，F.W.史密斯提出采用性能模式识别器;1965年,美国扎德模糊集合;1966年,J.M.门德尔人工智能控制; 2)形成期20世纪70年代傅京孙、曼德尼3）发展期20世纪80年代4）高潮期20世纪90年代 四)人工神经网络的特点? 答:1)可以充分逼近任意复杂的非线形关系2)所有定量或定性的信息都分布储存于网络内的各神经元的连接上,故有很强的鲁棒性和容错性3)采用并行分布处理方法,使得快速进行大量运算成为可能4)可自学习和自适应不确知或不确定的系统。 五）智能控制的应用对象？ 答：1）不确定的模型传统的控制是基于模型的控制，这里的模型包括控制对象和干扰模型。 2）高度的非线性传统控制理论中的线性系统理论比较成熟。 3）复杂的任务要求在传统的控制系统中，控制的任务或者是要求输出量为定值，或者是要求输出量跟随期望的运动轨迹，因此控制任务的要求比较单一。对于智能控制系统，任务的要求往往比较复杂。 六）傅京孙关于智能控制的论文中列举的三种智能控制系统？ 答：1）人作为控制器的控制系统2）人机结合作为控制器的控制系统3）无人参与的智能控制系统。 七）模糊控制器的主要特点？ 答：1）设计简单。模糊控制器是一种基于规则的控制。 2）适用于数学模型难以获取、动态特性不易掌握或变化非常显著的对象。 3）控制效果优于常规控制器。 4）具有一定的智能水平， 5）模糊控制系统的鲁棒性强。 八）隶属函数选择的基本准则？ 答：1）表示隶属度函数的模糊集合必须是凸模糊集合。 2）变量所取隶属度函数通常是对称的、平衡的。 3）隶属度函数要符合人们的语义顺序，避免不恰当的重叠。 4）论域中每个点至少属于一个隶属度函数的区域，并应属于不超过两个隶属度函数的区域， 5）当两个隶属度函数重叠时，重叠部分对两个隶属度函数的最大隶属度不应有交叉，6）当两个隶属度函数重叠时，重叠部分的任何点的隶属度函数的和应该小于或等于1。九）隶属度函数确定的三种主要方法。
5-1 什么是专家系统？它具有哪些特点和优点？ 专家系统（Expert System) 是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 专家系统的特点如下： （1）启发性。不仅能使用逻辑知识，也能使用启发性知识，它运用规范的专门知识和直觉的评判知识进行判断、推理和联想，实现问题求解； （2）透明性。它使用户在对专家系统结构不了解的情况下，可以进行相互交往，并了解知识的内容和推理思路，系统还能回答用户的一些有关系统自身行为的问题； （3）灵活性。专家系统的知识与推理机构的分离，使系统不断接纳新的知识，从而确保系统内知识不断增长以满足商业和研究的需要； （4）实用性。可长期保存人类专家的知识与经验，且工作效率高、可靠性好、能汇集众多专家的特长，达到高于任何单个专家的水平，是保存、传播、使用及提高专家知识与经验的有效工具； （5）符号操作。与常规程序进行数据处理和数字计算不同，专家系统强调符号处理和符号操作。使用符号表示知识，用符号集合表示问题的概念，一个符号是一串程序设计，并可用于表示现实世界中的概念； （6）不确定性推理。领域专家求解问题的方法大多数是经验性的，经验知识一般用于表示不精确性且存在一定概率的问题。此外，其提供的有关信息往往是不确定的。而专家系统能够综合应用模糊和不确定的信息与知识进行推理； 专家系统的优点如下： （1）专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作； （2）专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记； （3）军事专家系统的水平是一个国家国防现代化的重要标志之一；
1、已知某一炉温控制系统，要求温度保持在600 度恒定。 针对该控制系统有以下控制经验： （1）若炉温低于600 度，则升压；低的越多升压越高。 （2）若炉温高于600 度，则降压；高的越多降压越低。 （3）若炉温等于600 度，则保持电压不变。设模糊控制器为一维控制器，输入语言变量为误差，输出为控制电压。输入、输出变量的量化等级为7 级，取5 个模糊集。试设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。 解：1）确定变量 定义理想温度为600 C,实际温度为T,则温度误差为 E=600-T。 将温度误差E 作为输入变量 2）输入量和输出量的模糊化 将偏差E分为5个模糊集：NB、NS、ZO、PS、PB,分别为负小、负大、零、正小、正大。将偏差E 的变化分为7 个等级：-3 -2 -1 0 1 2 3，从而得到温度模糊表如表1 所示。
表1温度变化E划分表 控制电压也分为个模糊集：、、、、,分 别为负小、负大、零、正小、正大。将电压u的变化分为7 个等级：-3 -2 -1 0 1 2 3，从而得到电压变化模糊表如表2所示。 表2电压变化u划分表
表3 模糊控制规则表 E PB PS ZO NS NB u PB PS ZO NS NB Edit or: Un+ it 1 e J. 歼cw OptigT
叮叮小文库
叮叮小文库 2、利用MATLAB,为下列两个系统设计模糊控制器使其稳态 误差为 零，超调量不大于 1%，输出上升时间w 0.3s 。假定被 控对象的传递函数分别为： Gg e 0亦 (s 1)2 G2(S ) 4.228 (s 0.5)( s 2 1.64 s 8.456) 解： 在matlab 窗口命令中键入 fuzzy ，得到如下键面: 设e 的论域范围为［-1 1］ , de 的论域范围为［-0.1 0.1］ , u 的论 域范围为［ 0 2］。 将e 分为8个模糊集，分别为 NB ,NM, NS, NZ, PZ, PS, PM, PB; de 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB; u 分为7个模糊集，分别为 NB ,NM ,NS, Z ,PS ,PM ,PB;
2010级智能控制基础期末 复习思考题 一重要概念解释 1 智能控制 所谓的智能控制，即设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化做出适应性反应，从而实现由人来完成的任务。 2 专家系统与专家控制 专家系统是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。 专家控制是智能控制的一个重要分支。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。它由知识库和推理机构构成主体框架，通过对控制领域知识的获取与组织，按某种策略及时的选用恰当的规则进行推理输出，实现对实际对象的控制 3 模糊集合与模糊关系，模糊推理模糊控制 ● 1）模糊集合：给定论域U 上的一个模糊集A %是指：对任何元素u U ∈ 都存在一个数()[] 0,1A u μ∈与之对应，表示元素u 属于集合A % 的程度，这个数称为元素u 对集合A %的隶属度，这个集合称为模糊集合。 ● 模糊关系：二元模糊关系：设A 、B 是两个非空集合，则直积(){},|,A B a b a A b B ?=∈∈中的一个 模糊集合 称为从A 到B 的一个模糊关系。模糊关系R %可由其隶属度(),R a b μ完全描述，隶属度 (),R a b μ 表明了元素a 与元素b 具有关系R %的程度。 ● 模糊推理：知道了语言控制规则中蕴含的模糊关系后，就可以根据模糊关系和输入情况，来确定输出 的情况，这就叫“模糊推理”。 4 神经网络？ 答：人工神经网络是模拟人脑思维方式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的，用来模拟人类大脑神经网络的结构和行为,对人脑进行抽象和简化，反映了人脑的基本特征，信息处理、学习、联想、模式分类、记忆等。 5 遗传算法 答：遗传算法将“优胜劣汰，适者生存”的生物进化原理引入优化参数形成的编码串联群体中，按所选择的适配置函数并通过遗传的复制、交叉及变异对个体进行筛选，使适配值高的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上一代。这样周而复始，群体中个体适应度不断提高，直到满足一定的条件。 一 专家控制部分 1. 专家系统的组成及各部分特点？
自动控制、现代控制与智能控制的关系 一、基本区别 控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。 自动控制理论中建立在频率响应法和根轨迹法基础上的一个分支。经典控制理论的研究对象是单输入、单输出的自动控制系统，特别是线性定常系统。经典控制理论的特点是以输入输出特性（主要是传递函数）为系统数学模型，采用频率响应法和根轨迹法这些图解分析方法，分析系统性能和设计控制装置。经典控制理论的数学基础是拉普拉斯变换，占主导地位的分析和综合方法是频率域方法。建立在状态空间法基础上的一种控制理论，是自动控制理论的一个主要组成部分。 在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。现代控制理论比经典控制理论所能处理的控制问题要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。它所采用的方法和算法也更适合于在数字计算机上进行。现代控制理论还为设计和构造具有指定的性能指标的最优控制系统提供了可能性。 智能控制（intelligent controls）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。 二、华山论剑：自动控制的机遇与挑战 传统控制理论在应用中面临的难题包括：(1)传统控制系统的设计与分析是建立在已知系统精确数学模型的基础上，而实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确的数学模型；(2)研究这类系统时，必须提出并遵循一些比较苛刻的假设，而这些假设在应用中往往与实际不相吻合；(3)对于某些复杂的和包含不确定性的对象，根本无法用传统数学模型来表示，即无法解决建模问题；(4)为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低了系统的可靠性。 为了讨论和研究自动控制面临的挑战，早在1986年9月，美国国家科学基金会(NSF)及电气与电子工程师学会(1EEE)的控制系统学会在加利福尼亚州桑克拉拉大学(University of Santa Clare)联合组织了一次名为“对控制的挑战”的专题报告会。有50多位知名的自动控制专家出席了这一会议。他们讨论和确认了每个挑战。根据与会自动控制专家的集体意见，他们发表了《对控制的挑战——集体的观点》，洋洋数万言，简直成为这一挑战的宣言书。 到底为什么自动控制会面临这一挑战，还面临哪些挑战，以及在哪些研究领域存在挑战呢? 在自动控制发展的现阶段，存在一些至关重要的挑战是基于下列原因的：(1)科学技术
智能控制导论大作业 学号：021151** 姓名：** 任课教师:吴**
目录 一、说明………………………………………………………………… I.文章出处………………………………………………………… 二、论文翻译…………………………………………………………… I.摘要……………………………………………………………… II.引言……………………………………………………………… III.背景信息…………………………………………………………… IV.神经网络整体结构……………………………………………… V.神经网络的整体的标定中的应用……………………………… VI.总结……………………………………………………………… 三、课程与论文关系…………………………………………………… 四、智能导论课程总结…………………………………………………
一、说明 本次大作业针对“Improved Calibration of Near-Infrared Spectra by Using Ensembles of Neural Network Models”文章进行翻译。这篇文章摘自IEEE SENSORS JOURNAL, VOL. 10, NO. 3, MARCH 2010。作者是Abhisek Ukil, Member, IEEE, Jakob Bernasconi, Hubert Braendle, Henry Buijs, and Sacha Bonenfant。 二、论文翻译 利用神经网络模型整体对近红外光谱校正改进 摘要: 红外（IR）或近红外（NIR）光谱技术是用来识别一种混合物或来分析材料的组成的方法。NIR光谱的校准是指利用光谱的多变量描述来预测各组分的浓度。建立一个校正模型，最先进的软件主要使用线性回归技术。对于非线性校正问题，基于神经网络的模型已经被证明是一个有意义的选择。在本文中，我们提出了一个新的基于神经网络的扩展传统的方法，利用神经网络模型整体。个别神经网络是从重采样与引导或交叉验证技术训练信息数据中获得。在一个现实的校准实施例中得到的结果表明，该集合为基础的方法，会产生一个比传统的回归方法更显著更精确和鲁棒性强的校准模型。 关键词： 自举，校准，计量学，交叉验证，傅立叶变换，近红外（NIR），近红外光谱仪，神经网络，光谱。 I.引言: 红外（IR）或近红外（NIR）光谱技术是用来识别一种混合物或来分析材料的组成的方法。这是通过学习物质与红外光间相互作用而完成的。红外/近红外光谱是指红外光的吸收为波长的函数。在红外光谱中，考虑的频率范围通常是14000和10厘米分之一。注意，所施加的频率刻度是波数（以厘米倒数为单位），而不是波长（以微米为单位）。该材料在不同频率下的吸收测定中的百分比。“化学计量学”是数学和统计方法的应用，以化学数据的分析，例如，多元校正，信号处理/调节，模式识别，实验设计等。 在化学计量学，校准是通过使用光谱多变量描述符来预测不同成分的浓度来实现。在本文中，我们提出并分析采用基于神经网络的校正模型整体。整体的个别型通过重新取样与引导或交叉验证技术的原始训练数据的实现。该集成模型被示为导致显著改善预测精度和鲁棒性，当与常规的校准方法相比。 在本文的其余部分安排如下。在第二节中，提供有关工作的背景信息。这包括使用的光谱仪，数据采样，目前最先进的校准方法和基于神经网络的校准模型的信息。第三节介绍了
智能控制与应用实验报告神经网络控制器设计
一、 实验内容 考虑一个单连杆机器人控制系统，其可以描述为： 0.5sin()Mq mgl q y q τ+== 其中20.5M kgm =为杆的转动惯量，1m kg =为杆的质量，1l m =为杆长， 29.8/g m s =，q 为杆的角位置，q 为杆的角速度，q 为杆的角加速度， τ为系统的控制输入。具体要求： 1、设计神经网络控制器，对期望角度进行跟踪。 2、分析神经网络层数和神经元个数对控制性能的影响。 3、分析系统在神经网络控制和PID 控制作用下的抗干扰能力(加噪声干扰、加参数不确定)、抗非线性能力(加死区和饱和特性)、抗时滞的能力(对时滞大小加以改变)。 4、为系统设计神经网络PID 控制器(选作)。 二、 对象模型建立 根据公式(1)，令状态量121=,x q x x = 得到系统状态方程为： 12121 0.5**sin() x x mgl x x M y x τ=-= = (1) 由此建立单连杆机器人的模型如图1所示。
图1 单连杆机器人模型 三、系统结构搭建及神经网络训练 1.系统PID结构如图2所示: 图2 系统PID结构图 PID参数设置为Kp=16，Ki=10，Kd=8得到响应曲线如图3所示：
01234 5678910 0.2 0.4 0.6 0.8 1 1.2 1.4 t/s a n g l e /r a d 图3 PID 控制响应曲线 采样PID 控制器的输入和输出进行神经网络训练 p=[a1';a2';a3']; t=b'; net=newff([-1 1;-1 1;-1 1],[3 8 16 8 1],{'tansig' 'tansig' 'tansig' 'logsig' 'purelin'}); net.trainparam.epochs=2500; net.trainparam.goal=0.00001; net=train(net,p,t); gensim(net,-1) 产生的神经网络控制器如图4所示：
1、已知某一炉温控制系统，要求温度保持在600度恒定。针对该控制系统有以下控制经验： （1）若炉温低于600度，则升压；低的越多升压越高。（2）若炉温高于600度，则降压；高的越多降压越低。（3）若炉温等于600度，则保持电压不变。 设模糊控制器为一维控制器，输入语言变量为误差，输出为控制电压。输入、输出变量的量化等级为7级，取5个模糊集。试设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。 解：1）确定变量 定义理想温度为600℃，实际温度为T，则温度误差为E=600-T。 将温度误差E作为输入变量 2）输入量和输出量的模糊化 将偏差E分为5个模糊集：NB、NS、ZO、PS、PB，分别为负小、负大、零、正小、正大。将偏差E的变化分为7个等级：-3 -2 -1 0 1 2 3，从而得到温度模糊表如表1所示。
表1 温度变化E划分表 控制电压u也分为5个模糊集：NB、NS、ZO、PS、PB，分别为负小、负大、零、正小、正大。将电压u的变化分为7个等级：-3 -2 -1 0 1 2 3，从而得到电压变化模糊表如表2所示。 表2 电压变化u划分表
表3 模糊控制规则表 E PB PS ZO NS NB u PB PS ZO NS NB
2、利用MATLAB,为下列两个系统设计模糊控制器使其稳态误差为零，超调量不大于1%，输出上升时间≤0.3s 。假定被控对象的传递函数分别为： 2 55 .01)1()(+=-s e s G s ) 456.864.1)(5.0(228 .4)(22+++= s s s s G 解： 在matlab 窗口命令中键入fuzzy ，得到如下键面： 设e 的论域范围为[-1 1]，de 的论域范围为[-0.1 0.1]，u 的论域范围为[0 2]。 将e 分为8个模糊集，分别为NB ,NM, NS, NZ, PZ, PS, PM, PB; de 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB; u 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB;
人工智能大作业 人工智能课程 考查论文 学号 姓名 系别 年级 专业 人工智能大作业 (1)什么是人工智能, 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪(基因工程、纳米科学、人工智能)三大尖端技术之一。这是因为近三十年来它获得了迅速
的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，但没有一个统一的定义。 (2)简述人工智能的研究内容与研究目标、人工智能的研究途径和 方法、人工智能的研究领域。 A. 人工智能的研究内容: 1、搜索与求解: 为了达到某一目标而多次地进行某种操作、运算、推理或计算的过程。事实上，搜索是人在求解问题时而不知现成解法的情况下所采用的一种普遍方法。许多问题(包括智力问题和实际工程问题)的求解都可以描述为或归结为对某种图或空间的搜索问题。搜索技术就成为人工智能最基本的研究内容 2、学习与发现: 学习与发现是指机器的知识学习和规律发现。事实上，经验积累能力、规律发现能力和知识学习能力都是智能的表现 3、知识与推理: 知识就是力量，知识就是智能，发现客观规律，运用知识解决问题都是有智能的表现，而且是最为基本的一种表现。发现规律和运用知识本身还需要知识，因此知识是智能的基础和源泉。研究面向机器的知识表示形式和基于各种表示的机器推理技术:知识表示要求便于计算机的接受、存储、处理和运用，机器的推理方式与知识的表示又息息相关 4、发明与创造:
智能控制作业 学生： 学 号： 专业班级： 7-2 采用BP 网路、RBF 网路、DRNN 网路逼近线性对象 2) 1(1)1(9.0)1()(-+-?--=k y k y k u k y ，分别进行matlab 仿真。 （一）采用BP 网络仿真 网络结构为2-6-1。采样时间1ms ，输入信号)6sin(5.0)(t k u ?=π，权值21,W W 的初值随机取值，05.0,05.0==αη。 仿真m 文件程序为： %BP simulation clear all; clear all; xite=0.5; alfa=0.5; w1=rands(2,6); % value of w1,initially by random w1_1=w1;w1_2=w1; w2=rands(6,1); % value of w2,initially by random w2_1=w2;w2_2=w2_1; dw1=0*w1; x=[0,0]'; u_1=0; y_1=0; I=[0,0,0,0,0,0]'; % input of yinhanceng cell Iout=[0,0,0,0,0,0]'; % output of yinhanceng cell FI=[0,0,0,0,0,0]'; ts=0.001; for k=1:1:1000 time(k)=k*ts;
u(k)=0.5*sin(3*2*pi*k*ts); y(k)=(u_1-0.9*y_1)/(1+y_1^2); for j=1:1:6 I(j)=x'*w1(:,j); Iout(j)=1/(1+exp(-I(j))); end yn(k)=w2'*Iout; %output of network e(k)=y(k)-yn(k); % error calculation w2=w2_1+(xite*e(k))*Iout+alfa*(w2_1-w2_2); % rectify of w2 for j=1:1:6 FI(j)=exp(-I(j))/(1+exp(-I(j))^2); end for i=1:1:2 for j=1:1:6 dw1(i,j)=e(k)*xite*FI(j)*w2(j)*x(i); % dw1 calculation end end w1=w1_1+dw1+alfa*(w1_1-w1_2); % rectify of w1 % jacobian information yu=0; for j=1:1:6 yu=yu+w2(j)*w1(1,j)*FI(j); end dyu(k)=yu; x(1)=u(k); x(2)=y(k); w1_2=w1_1;w1_1=w1; w2_2=w2_1;w2_1=w2; u_1=u(k); y_1=y(k); end figure(1); plot(time,y,'r',time,yn,'b'); xlabel('times');ylabel('y and yn');
智能控制理论及其应用 [摘要] 本文回顾了智能控制理论的提出与发展过程，介绍了智能控制的特点，给出了智能控制理论的主要类型及其特点，列举了智能控制理论与技术的主要应用领域，最后总结了智能控制理论的发展趋势。 [关键词] 智能控制模糊控制神经网络专家控制[abstract] this paper reviewed the development of intelligence control, and introduced its main methods and characteristics, and particularized their mostly application fields, and pointed out the prospects of intelligent control development trend and put forward the study direction. [key words] intelligent control fuzzy control net neural expert control 0.引言 随着工业和自动化技术的发展，控制理论的应用日趋广泛，所涉及的控制对象日益复杂化，对控制性能的要求也越来越高，控制对象或过程的复杂性主要体现在系统缺乏精确的数学模型、具有高维的判定空间、多种时间尺度和多种性能判据等，要求控制理论能够处理复杂的控制问题和提供更为有效的控制策略。现代控制理论从理论上解决了系统的可观、可控、稳定性以及许多复杂系统的控制。但实际中的许多复杂系统具有非线性、时变性、不确定性、多层次、多因素等热点，难以建立精确的数学模型，因此需要引入新
南京航空航天大学研究生实验报告 实验名称：神经网络控制器设计 姓名： 学号： 专业： 201 年月日
一、题目要求 考虑如下某水下航行器的水下直航运动非线性模型： ()||a m m v k v v u y v ++== 其中v R ∈为水下航行器的前进速度， u R ∈为水下航行器的推进器推力，y R ∈为水下航行器的输出，航行器本体质量、附加质量以及非线性运动阻尼系数分别为 100,15,10a m m k ===。 作业具体要求： 1、设计神经网络控制器，对期望角度进行跟踪。 2、分析神经网络层数和神经元个数对控制性能的影响。 3、分析系统在神经网络控制和PID 控制作用下的抗干扰能力(加噪声干扰、加参数不确定)、抗非线性能力(加死区和饱和特性)、抗时滞的能力(对时滞大小加以改变)。 二、神经网络控制器的设计 1.构建系统的PID 控制模型 在Simulink 环境下搭建水下航行器的PID 仿真模型，如下图1所示： 图1 水下航行器的PID 控制系统 其中，PID 控制器的参数设置为：K p =800，K i =100，K d =10。 需要注意的一点是，经过signal to workspace 模块提取出的数据的Save format 为Array 格式。
2.BP神经网络控制器的训练 首先将提取出的训练数据变为标准的训练数据形式，标准的训练数据分为输入和目标输出两部分。经过signal to workspace模块提取出的数据为一个训练数据个数乘以输入（或输出）个数的矩阵，因此分别将x、u转置后就得到标准训练数据x’,u’。 然后，新建m文件，编写神经网络控制器设计程序： %---------------------------------------------------------------- p=x'; %input t=u'; %input net=newff(p,t,3,{'tansig','purelin'},'trainlm'); net.trainparam.epochs=2500; net.trainparam.goal=0.00001; net=train(net,x',u'); %train network gensim(net,-1); %generate simulink block %---------------------------------------------------------------- 上述m文件建立了如下图所示的神经网络，包含输入层、1个隐含层和输出层，各层神经元节点分别为1、 3 和1。 图2 神经网络控制器结构及训练方法
基于神经模糊控制的洗衣机设计 20世纪90年代初期，日本松下电器公司推出了神经模糊控制全自动洗衣机。这种洗衣机能够自动判断衣物的质地软硬程度、洗衣量、脏污程度和性质等，应用神经模糊控制技术，自动生成模糊控制规则和隶属度函数，预设洗衣水位、水流强度和洗涤时间，在整个洗衣过程中实时调整这些参数，以达到最佳的洗衣效果。 一、洗衣机的模糊控制 洗衣机的主要被控变量为洗涤时间和洗涤时的水流强度，而影响输出变量的主要因子是被洗涤物的浑浊程度和浑浊性质，后者可用浑浊度的变化率来描述。在洗涤过程中，油污的浑浊度变化率小，泥污的浑浊度变化率大。因此，浑浊度及其变化率可以作为控制系统的输入变量，而洗涤时间和水流强度可作为控制量，即系统的输出。实际上，洗衣过程中的这类输入和输出之间很难用数学模型进行描述。系统运行过程中具有较大的不确定性，控制过程在很大程度上依赖操作者的经验，这样一来，利用常规的方法进行控制难以奏效。然而，如果利用专家知识进行控制决策，往往容易实现优化控制，这就是在洗衣机中引入模糊控制技术的主要原因之一。 根据上述的洗衣机模糊控制基本原理，可得出确定洗涤时间的模糊推理框图如下： 其中，模糊控制器的输入变量为洗涤水的浑浊度及其变化率，输出变量为洗涤时间。考虑到适当的控制性能需要和简化程序，定义输入量浑浊度的取值为： 浑浊度=｛清，较浊，浊，很浊｝ 定义输入量浑浊度变化率的取值为： 浑浊度变化率=｛零，小，中，大｝ 定义输出量洗涤时间的取值为： 洗涤时间=｛短，较短，标准，长｝ 显然，描述输入/输出变量的词集都具有模糊性，可以用模糊集合来表示。因此，模糊概念的确定问题就直接转化为求取模糊集合的隶属函数问题。 暂不考虑模糊控制系统的量化因子和比例因子。对于洗衣机的模糊控制问题，设其模糊控制器的输入变量（浑浊度和浑浊度变化率）隶属函数的论域均为
智能控制题目及解答 第一章绪论作业 作业内容 1.什么就是智能、智能系统、智能控制？ 2.智能控制系统有哪几种类型,各自的特点就是什么？ 3.比较智能控制与传统控制的特点。 4.把智能控制瞧作就是AI(人工智能)、OR(运筹学)、AC(自动控制)与 IT(信息论)的交集,其根据与内涵就是什么? 5.智能控制有哪些应用领域？试举出一个应用实例,并说明其工作原理与 控制性能。 1 答:智能:能够自主的或者交互的执行通常与人类智能有关的智能行为,如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力,即像人类那样工作与思维。 智能系统:就是指具有一定智能行为的系统,对于一定的输入,它能产生合适的问题求解相应。 智能控制:智能控制就是控制理论、计算机科学、心理学、生物学与运筹学等多方面综合而成的交叉学科,它具有模仿人进行诸如规划、学习、逻辑推理与自适应的能力。就是将传统的控制理论与神经网络、模糊逻辑、人工智能与遗传算法等实现手段融合而成的一种新的控制方法。 2 答:(1)人作为控制器的控制系统:人作为控制器的控制系统具有自学习、自适应与自组织的功能。 (2)人-机结合作为作为控制器的控制系统:机器完成需要连续进行的并需快速计算的常规控制任务,人则完成任务分配、决策、监控等任务。 (3)无人参与的自组控制系统:为多层的智能控制系统,需要完成问题求解与规划、环境建模、传感器信息分析与低层的反馈控制任务。 3 答:在应用领域方面,传统控制着重解决不太复杂的过程控制与大系统的控制问题;而智能控制主要解决高度非线性、不确定性与复杂系统控制问题。 在理论方法上,传统控制理论通常采用定量方法进行处理,而智能控制系统大多采用符号加工的方法;传统控制通常捕获精确知识来满足控制指标,而智能控制通常就是学习积累非精确知识;传统控制通常就是用数学模型来描述系统,而智能控制系统则就是通过经验、规则用符号来描述系统。 在性能指标方面,传统控制有着严格的性能指标要求,智能控制没有统一的性能指标,而主要关注其目的与行为就是否达到。 但就是,智能控制与传统的或常规的控制有密切的关系,互相取长补短,而并非互相排斥。基于智能控制与传统控制在应用领域方面、理论方法上与性能指标等方面的差异,往往将常规控制包含在智能控制之中,智能控制也利用常规控制的方法来解决“低级”的控制问题,力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题。 4 答:人工只能(AI)就是一个用来模拟人思维的知识处理系统,具有学习、记忆、信息处理、形式语言、启发推理等功能;自动控制(AC)描述系统的动力学特性,就是一种动态反馈;运筹学(OR)就是一种定量优化方法,如线性规划、网络规划、调度、管理、优化决策与多目标优化方法等;信息论(IT)信息论就是运用概率论与树立统计的方法研究信息、通信系统、数据传输、密码学、数据压缩等问题的应用数学学科。 早期产生的的二元结构被发现就是很大程度上局限于符号主义的人工智能,无助于智能控制的