第6章先进控制策略PPT.ppt

* * 6.1.6 模糊控制器的组成 去模糊化 通过模糊推理得到的结论仍然是模糊量，要进行现场控制必须经过去模糊化得到精确量。去模糊化通常有以下几种方法： (1)最大隶属度法 最大隶属度法是指选取模糊推理结论中隶属度最大的线段的中点，以其横坐标值作为去模糊化的精确量。这种方法最简单、易行、实时性好，但它包含的信息量较少。 例如，若模糊推理的结论为 则按最大隶属度法应取执行量为u=3。 又如，若模糊推理的结论为 则按最大隶属度法取执行量为u=(3+4)/2=3.5。 (2)加权平均法 加权平均法的输出控制量按下式计算，它类似于重心的计算，也称重心法。 例如，若 则可计算出控制量u为 6.1.8 基于Matlab的模糊控制系统设计 已知某温度被控对象数学模型如下： 6.2 神经网络控制 现代计算机有很强的计算和信息处理能力，但是计算机对于在复杂环境中做出决策、模式识别和感知等问题的处理能力远不如人，计算机只能按人们事先编好的程序机械地执行，缺乏向环境学习、适应的能力。人脑在这些方面的能力远远超过了计算机。现代计算机中每个电子元件的计算速度为纳秒(ns)级，人脑中神经细胞的反映时间只是毫秒(ms)，但是人脑在结构上和信息处理方式上表现出卓越的优越性。 1.生物神经元模型 一个生物神经元模型的示意图如下图所示。 人的大脑大约由1012个神经元构成，神经元互相连接成神经网络。大脑皮层由许多功能区组成（运动、听觉、视觉等），大约分成1000种类型，每个神经元大约与102～104个其它神经元连接，形成极为错综复杂而又灵活多变的神经网络。每个神经元虽然都十分简单，但是如此大量的神经元之间、如此复杂的连接却可以演化出丰富多彩的行为方式。 生物神经元作为控制和处理信息的基本单元，具有下列一些重要的功能和特性。 (1)时空整合功能：神经元对于不同时间通过同一突触传入的神经冲动，具有时间整合功能；对于同一时间通过不同突触传入的神经冲动，具有空间整合功能。两种功能相互结合，具有时空整合的输入信息处理功能。所谓整合是指抑制或兴奋的受体电位或突触电位的代数和，即时间与空间的累加。 (2)兴奋与抑制状态：当传入冲动的时空整合结果使细胞膜电位升高，超过动作电位的阀值时，细胞进入兴奋状态，此时会产生神经冲动，由轴突输出；当传入冲动的时空整合结果是膜电位下降，低于动作电位的阀值时，细胞进入抑制状态，此时无神经冲动输出，满足“0-1”律。 (3)脉冲与电位转换:沿神经纤维传递的电脉冲信号为等幅、恒宽的离散信号，而细胞膜电位为连续变化的信号，在突触接口处进行了“数/模”转换。 (4)传导速度:因纤维的粗细、髓鞘的有无而有所不同，神经冲动沿神经传导的速度在1~150m/s之间。 (5)不应期（死区）:在相邻的两次冲动之间需要一个时间间隔，约3~5ms，即不应期。 (6)不可逆性（单向性）。 (7)学习、遗忘和疲劳：由于结构的可塑性，突触的传递作用可增强、减弱和饱和，所以细胞具有相应的学习、遗忘或疲劳等效应。 2.人工神经元模型 人工神经网络是以大量的具有相同结构的简单单元的连接来模拟人类大脑的结构和思维方式的一种可实现的物理系统或可通过计算机进行模拟实现。模拟并非完全一样的复制生物神经网络，而是采纳有利的部分来克服目前计算机或其他系统不能解决的问题，如学习、识别、控制等方面的问题。在学习人工神经网络之前，我们先了解单个人工神经元模型。 上图是一种简化的人工神经元结构模型，它是一个多输入、单输出的非线性元件，其输入、输出关系可描述为 人工神经元模型 几种常见的激励函数在Matlab中的解析表达式分别表述如下： (1)阀值型1（hardlim） (2) 阀值型2（hardlims） (3)线性型（purlin） (4)S型函数1（logsig(n)） 对数正切 (5) S型函数2（tansig(n)） 双曲正切 * * * * * 第6章 先进控制策略 * 传统的控制方式是基于被控对象精确数学模型的控制方式，它们采用固定的控制算法，控制系统性能严重依赖于设计时所采用模型的精确性。随着工业生产的发展和技术的进步，被控对象越来越复杂，常常表现为高度的非线性、动态突变性和不确定性，系统模型难以用精确的数学模型描述。基于精确模型的传统控制技术难以解决上述现实问题。近年来，随着电子技术、计算机技术的迅猛发展，一系列新型控制策略应运而生并迅速在实际中得到应用、改进和发展。 *