智能控制 复习提纲.ppt

　4、清晰化方法的确定 经过模糊推理得到的控制输出，是一个模糊隶属函数或模糊子集。必须将模糊输出隶属函数中求出最能代表这个模糊集合作用的精确控制量 模糊 的 控制 输入 信号 精确 的 控制 输入 信号 清晰化 5.3.4 模糊控制器的系统化设计 　4、清晰化方法的确定 经过模糊推理得到的控制输出，是一个模糊隶属函数或模糊子集。必须将模糊输出隶属函数中求出最能代表这个模糊集合作用的精确控制量 模糊 的 控制 输入 信号 精确 的 控制 输入 信号 模糊判决 5.3.4 模糊控制器的系统化设计 　4、清晰化方法的确定 经过模糊推理得到的控制输出，是一个模糊隶属函数或模糊子集。必须将模糊输出隶属函数中求出最能代表这个模糊集合作用的精确控制量 5.3.4 模糊控制器的系统化设计 　4、清晰化方法的确定 常用的清晰化(模糊判决)方法有：　　　　 最大隶属度法 加权平均法 重心法 中位数法 5.3.4 模糊控制器的系统化设计 在推理结论的模糊集合中，取隶属度最大的那个元素作为输出量。如果所得到的隶属函数曲线是平顶的，则其具有最大隶属度的元素不止一个，需要对这些最大隶属度的元素求平均值。这种方法具有简单、方便、易实现以及实时性好等优点，但丢掉了隶属度较小的元素，忽略了模糊椎理结果的隶属函数形状宽窄和分布情况，所概括的信息量较少，所以这种方法应用于实时性要求高但控制精度要求低的控制系统中。 　4、清晰化方法的确定 最大隶属度法 5.3.4 模糊控制器的系统化设计 　4、清晰化方法的确定 最大隶属度法 例： 若有模糊控制量为 则按最大隶属度原则应取精确控制量 如果最大隶属度出现了几个相同的点，则应取它们的平均值，或取它们的中点作为执行量 5.3.4 模糊控制器的系统化设计 　4、清晰化方法的确定 最大隶属度法 例： 若有模糊控制量为 则按最大隶属度原则(平均值法)应取精确控制量 5.3.4 模糊控制器的系统化设计 　控制作用按下式求得： 系数ki应根据实际情况加以选择，不同取法将直接影响 系统性能，所以可通过选择和调整该系数来改善系统 性能，具有较大的灵活性 　4、清晰化方法的确定 加权平均法 5.3.4 模糊控制器的系统化设计 5.3.4 模糊控制系统的结构分析 其实质是加权平均法。 通过计算输出范围内的整个采样点的重心而得到控制量，即取模糊隶属函数曲线与横坐标所围面积的重心作为代表点。可在加权平均法中取系数 则 　4、清晰化方法的确定 重心法 5.3.4 模糊控制系统的结构分析 　4、清晰化方法的确定 重心法 例： 若有模糊控制量为 则按重心法应取精确控制量 5.3.4 模糊控制系统的结构分析 　4、清晰化方法的确定 重心法 例： 若有模糊控制量为 则按重心法应取精确控制量 5.3.4 模糊控制系统的结构分析 　4、清晰化方法的确定 重心法 Takagi-Sugeno Model Parallel Dynamic Controller 5.3.4 模糊控制系统的结构分析 将描述输出模糊子集的隶属函数曲线与横坐标围成区域面积的均分点所对应的论域元素作为判决结果，这种方法称为取中位数法。该方法虽然考虑了所有模糊信息的作用，但计算过程较烦琐，没有突出主要模糊信息的作用，所以在实际应用中较少采用。 　4、清晰化方法的确定 中位数法(面积法) 神经网络控制 上海大学机电工程与自动化学院 杜鑫 * 内容提要 第一部分 概述 第二部分 前馈神经网络 第三部分 反馈神经网络 第四部分 自组织神经网络 第五部分 神经网络在控制中的应用 第一部分 概述 上海大学机电工程与自动化学院 杜鑫 * 第一部分 概述 什么是神经网络 生物网络基础 人工神经元模型 人工神经网络模型 神经网络的基本特点 神经网络的基本功能 神经网络理论的发展 神经网络的应用领域 神经网络学习 * （输入） （输出） 神经冲动 生物神经元结构 生物神经网络基础 　4、模糊控制器的组成 5.3.3 模糊控制系统的结构分析 1）模糊化接口 温度 模糊化 正高 正中 正低 零 负低 负中 负高 0.2 0.6 1.0 0.0 0.0 0.0 0.0 5摄氏度 　4、模糊控制器的组成 5.3.3 模糊控制系统的结构分析 知识库由数据库和规则库两部分组成。 　　 2）知识库 数据库存放所有输出输出变量的全部模糊子集的隶属度矢量值。若论域为连续域，则为隶属度函数。 　4、模糊控制器的组成 5.3.3 模糊控制系统的结构分析 知识库由数据库和规则库两部分组成。 　　 2）知识库 规则库用来存放全部模糊控制规则，在推理时为推理机提供控制规则。 IF　温度为PB 湿度为PB THEN 控制量为 PB IF　温度为PB 湿度