计算机控制系统-第六章.pptVIP

* 第六章 智能控制技术 6.1 智能控制概念 6.2 模糊控制 6.3 神经网络控制 6.4 遗传算法 * 6.1 智能控制概念 常规控制 自控原理 现代控制理论 其设计基础都是数学模型 智能控制 综合自动控制、人工智能、运筹学、计算机和生物学等学科 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，并能根据环境的变化做出适应性学习，从而实现人机共同完成任务或无人参与的自主控制 * 6.2 模糊控制 6.2.1 模糊控制定义 6.2.2 模糊控制的数学基础 6.2.3 模糊控制原理 6.2.4 模糊控制器的设计 * 6.2.1 模糊控制定义 模糊控制是在模糊集合理论和模糊逻辑的基础上，结合传统控制理论，模拟人的思维方式，对复杂对象进行控制的一种方法 * 6.2.2 模糊控制的数学基础 模糊集合与隶属函数 模糊集合的基本运算 模糊关系模糊推理 * 6.2.3 模糊控制原理 * 6.2.3 模糊控制原理 * 6.3 神经网络控制 6.3.1 神经网络控制定义 6.3.2 神经网络理论基础 6.3.3 神经网络控制的结构方案 6.3.4 神经网络控制器的优越性 * 6.3.1 神经网络控制定义 人工神经网络是对人类大脑神经网络的结构和行为进行模拟而构成的模型，它具有大脑的一些功能，比如并行信息处理、学习、联想、分类和记忆等 * 6.3.2 神经网络理论基础 前向网络 * 6.3.2 神经网络理论基础 反馈网络 * 6.3.2 神经网络理论基础 自组织网络：当网络接收到外界输入时，将会分成具有不同响应特征的区域，即不同的神经元以最佳方式响应不同性质的信号激励 * 6.3.2 神经网络理论基础 神经网络学习算法： （1）有监督学习：将网络的实际输出与期望输出（监督信号）进行比较，然后根据两者之差来调整神经元之间的连接强度或权值，以减少这种差异。 （2）无监督学习：只需要向神经网络提供输入模式，网络就能够按照预设的规则自动调整权值，并按相似特征把输入模式分类聚集。 （3）强化学习：介于有监督学习和无监督学习之间的一种学习方式，它不需要提供期望输出信号，但有一个“评论员”来评价神经网络输出的优度（质量因素）。 * 6.3.3 神经网络控制的结构方案 神经网络监督控制 * 6.3.4 神经网络控制器的优越性 （1）非线性系统控制能力 （2）自学习和自适应能力 （3）并行分布处理能力 （4）多变量系统处理能力 （5）优化计算和故障诊断