东北大学精品课程控制系统仿真chapter-8.ppt

第8章

智能控制系统计算机

辅助设计;主要内容;8.1

自适应控制系统设计;控制原理图;模型参考自适应系统;模型参考自适应系统的

设计与仿真;建立模型参考自适应系统的Simulink模型;将对象模型的一阶环节模型由原来的改

写成，系统参数选择

控制器参数

，取输入信号为方波信号且其幅值为10,

频率为1，并将仿真范围设置为0~15秒，进一步调

整系统模型的参数，使之在0.02,0.1,1,2,

5,10的范围内变化，进行仿真:;2024/6/25;当;8.1.2自校正控制器设计与仿真;该方程的矩阵形式;用MATLAB语言编写的求解通用函数;【例8-1】某Diophantine方程中;提前d步预测;【例8-2】某系统的离散模型为

试求出提前两步的预测模型。;提前两步预报的仿真模型;最小方差控制器设计;自适应控制律;【例8-3】假设;8.1.3广义预测控制系统与仿真;【例8-4】假设受控对象模型为;8.2

模糊控制及模糊控制器设计;8.2.1模糊逻辑与模糊推理;把新生成的规那么矩阵R，补加到模糊推理系统fis

原有规那么后;8.2.2模糊PD控制器设计;8段模糊子集示意图;建立模糊推理系统模型的步骤：;编辑模糊推理系统选择Edit–Rules菜单项，由Addrule添加规那么，用Changerule修改规那么。建立起模糊推理规那么后，由View–Rules和View–Surface菜单项得出规那么显示图形。

模糊推理系统的存储选择File-Export菜单项将建立起来的模糊推理系统存成*.fis文件或存成MATLAB工作空间中的变量。;【例8-5】;8.2.3模糊PID控制器设计;计算控制量;模糊PID控制器控制框图;模糊PID控制器结构;【例8-6】;8.3

神经网络及神经网络

控制器设计;8.3.1神经网络简介;神经元的根本结构;8.3.2基于单个神经元的

PID控制器设计;,归一化权值;基于单个神经元的PID控制器模块框图;【例8-7】对受控对象

利用单神经元PID控制器模块进行仿真计算;8.3.3基于反向传播神经网络的

PID控制器;【例8-8】受控对象;系统仿真框图;8.3.4基于径向基函数的神经网络

的PID控??器;【例8-9】;系统仿真框图;8.4

基于遗传算法的最优

控制器设计;8.4.1遗传算法简介;计算选择函数的值，所谓选择即通过概率的形式从种群中选择假设干个体的方式。遗传算法最优化工具箱提供了3个选择函数，其中roulette()实现了轮盘选择算法，normGeomSelect()函数实现了归一化几何选择方法，tournSelect()实现了锦标赛形式的选择方式，normGeomSelect()函数为默认选择函数。;通过染色体个体基因的复制、交叉、变异等创造新的个体，构成新的种群，其中复制、交叉和变异都有相应的MATLAB函数，gaopt()函数选择其中默认的方法进行这样的处理，构成新的种群。

i=i+1，假设终止条件不满足，那么转移到步骤③继续进化处理。;和传统最优化算法比较，遗传算法的主要不同点：;遗传算法并不依赖于导数信息或其他辅助信息来进行最优解搜索，而只由目标函数和对应于目标函数的适应度水平来确定搜索的方向。

遗传算法采用的是概率性规那么而不是确定性规那么，所以每次得出的结果不一定完全相同，有时甚至会有较大的差异。;8.4.2基于遗传算法的最优化

问题求解;【例8-10】;编写一个描述目标函数的文件：;【例8-11】试用遗传算法求解下面的线性规划问题;2024/6/25;8.4.3基于遗传算法的最优

控制问题求解;用MATLAB函数来描述此最优化问题的目标函数;【例8-13】;常规PD控制的寻优;8.5本章要点简介;提供了一些基于神经网络的控制器模型，并对其中大局部算法代码进行了改写，封装成控制器模型，可以在仿真中直接使用。客观地说，由于其中的一些算法选择的不是很理想，故它们只适用于提供例子的控制，假设采用其他受控对象那么可能效果不佳