微型计算机控制技术(非控制专业)课件 m 湘潭大学.pptVIP

信息工程学院 4）建立模糊推理关系 各子关系由直积计算如下 信息工程学院 信息工程学院 同理有 信息工程学院 信息工程学院 信息工程学院 由以上五个子关系矩阵可求得总关系阵 ~ 其中 信息工程学院 其余类推，于是 ~ 信息工程学院 （3）模糊变换 对于任意的模糊偏差记为e输入，以R作为模糊控制器，则可求出模糊控制量u。变换算法为 ~ ~ ~ 例：当e=NS，有 ~ ~ ~ ~ PS(符合语言规则) 信息工程学院 其 中 其余类推，整个过程也被称为模糊决策。 3）精确化处理(解模糊) 将模糊推理所决定的控制量表示成模糊集 ~ ~ 信息工程学院 e -4 -3 -2 -1 0 1 2 3 4 μ 4 3 2 1 0 -1 -2 -3 -5 从式中可以看出控制电压工作在-2，-1，0，1，2，3，4档位的情况占多数，即工作在1档位，输出电压全加上，其他几种只能到1电压的0.7程度。或者说，针对当前e，u应该取1档值（档值隶属度最大），也即取 ，1档值（和PS基本对应）。 ~ ~ 当e为负小时，使出 稍大于 ，为降低 则要加大一点点控制电压u，即使u=PS，根据各种推理，控制表如下： ~ ~ ~ 实际输出电压为: 信息工程学院 -1 -2 -3 -4 -1 -2 -3 -4 4 4 3 3 2 2 1 1 E (偏差论域) U (控制论域) 如果采用加权平均法，有 仅有e输入的单变量模糊控制器的动态特性如图所示。读此图时，还要注意各论域中模糊集合。 ~ 与取最大项偏差较大，采用何种精确化方法，可根据系统精度要求。 信息工程学院 7.2 神经网络控制基础 人工神经网络有如下突出优点： (1)可以充分逼近任何复杂的非线性关系，给非线性控制问题带来新的希望; (2)所有定量或定性的的信息都等势分布储存于网络的各神经元,故有很强的鲁棒性和容错性，适用于复杂、大规模和多变量系统的控制; (3)采用并行分布处理方法使得快速的大量运算成为可能，因而能够有较好的耐故障能力和较快的总体处理能力，这特别适于实时控制和动态控制; (4)可学习和自实应未知或不确定的系统。神经网络是通过所研究系统过去的数据记录进行训练的，一个经过适当训练的神经网络具有归纳全部数据的能力，因此，神经网络能够解决那些数学模型或描述规则难以处理的控制过程问题； (5)能够同时处理定性、定量知识； (6)神经网络不仅能通过软件而且可借助硬件实现并行处理。 信息工程学院 7．2．1神经网络基础 1.生物神经元工作原理 神经元具有两种常规工作状态：兴奋与抑制，即满足“0-1”律。 当传入的神经冲动使细胞膜电位升高超过阈值时，细胞进入兴奋状态，产生神经冲动并由轴突输出； 当传入的神经冲动使膜电位下降低于阈值时，细胞进入抑制状态，没有神经冲动输出。 信息工程学院 2．神经元数学模型 （1）加权加法器 加权加法器用来实现一个神经细胞对接收来自四面八方信号的空间总和功能，即vi（t）＝ 信息工程学院 矩阵形式 V（t）＝AY（t）＋BU（t）＋W 式中 A＝{aij}N×N，B＝{bik}M×M，V＝[v1,…,vN]T Y=[y1,…,yN]T,U=[u1,…,uM]T,W＝[w1,…,wN]T。N维常向量W可以合并在U中，但分开列写对于清楚表达是有用的。 （2）线性动态系统的传递函数描述 神经元的输入信号来自其它神经元的各种神经冲动，这种信号具有典型的脉冲特点。 从控制系统的角度，可以让经过加权加法器空间总和的信号v（t），通过一个单输入单输出线性系统，该系统对于单位脉冲函数的响应就完成了时间总和作用。该线性动态系统的脉冲函数的响应为卷积分 即xi（s）＝H（s）vi（s） 信息工程学院 （3）常用的非线性函数 非线性函数实际上是神经元模型的输出函数，它是一个非动态的非线性函数，用以模拟神经细胞的兴奋、抑制以及阈值等非线性特性。 经过加权加法器和线性动态系统进行时空整合的信号xi，再经非线性函数g(·)后即为神经元的输出yi，即 yi＝g（xi）。 g（x） 0 1 x g（x） g（x） g（x） g（x） x x x x 1 -1 1 1 -1 1 0 0 0 0 g（x）＝ g（x）＝ g（x）＝ g（x）＝ g（x）＝ 名称 阈值函数 双向阈值函数 S型函数 双曲正切函数 高斯函数 公式g（x） 图形 特征 不可微，类阶跃，正值 不可微，类阶跃，零均值 可微，类阶跃，正值 可微，类阶跃，零均值 可微，类脉冲 信息工程学院 7．3．2神经网络的结构和学习规则 1. 神经网络的结构 图7-11 前向网络 图7-12 反馈网络 其次还有相互结合型网络(见图7-13) 、