智能控制基础答案

智能控制基础答案

【篇一：智能控制基础思考题】

xt>复习思考题

一重要概念解释 1 智能控制

答：智能控制是一门交叉学科，美国学者在运筹学的基础上提出了三元论的智能控制概念，即ic=ac n ai n or 各子集的含义为：ic为智能控制，ai为人工智能，ac为自动控制，or为运筹学。所谓智能控制，即设计一个控制器，使之具有学习、抽象、推理、决策等功能，并能根据环境（包含被控对象或被控过程）信息的变化做出适应性反应，从而实现由人来完成的任务。 2 专家系统与专家控制答：专家系统是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。

专家控制是智能控制的一个重要分支，又称专家智能控制。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。 3 模糊集合与模糊关系，模糊推理模糊控制答：模糊集合：给定论域u上的一个模糊集a?

是指：对任何元素u?u 都存在一个数

?a?u???0,1?

与之对应，表示元素u属于集合a?

的程度，这个数称为元素u对集合a?

的隶属度，这个集合称为模糊集合。

模糊关系：二元模糊关系：设a、b是两个非空集合，则直积

a?b???a,b?|a?a,b?b?

中的一

个模糊集合称为从a到b的一个模糊关系。模糊关系r?

可由其隶属度

?r?a,b?

完全描述，隶属度

?r?a,b?

表明了元素a与元素b具有关系r?

的程

度。

模糊推理：知道了语言控制规则中蕴含的模糊关系后，就可以根据

模糊关系和输入情况，来确定输出的情况，这就叫“模糊推理”。 4

神经网络？

答：人工神经网络（artificial neural network ）是模拟人脑思维方

式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础

上提出的，用来模拟人类大脑神经网络的结构和行为，它从微观结

构和功能上对人脑进行抽象和简化，神经网络反映了人脑功能的基

本特征，如并行信息处理、学习、联想、模式分类、记忆等。 5 遗

传算法

答：遗传算法是人工智能的一个重要分支，是基于自然选择和基因

遗传学原理的搜索算法，是基于达尔文进化论，在计算机上模拟生

命进化论机制而发

展起来的一门学科。一专家控制部分

1. 专家系统的组成及各部分特点？答：专家系统主要由知识库和推

理机构成。知识库：基于专家经验的判断性规则；用于推理、问题

求解的控制性规则；用于说明问题的状态、事实和概念及当前的条

件和常识等的数据。推理机：推理机是用于对知识库的知识进行推

理来得到结论的“思维”机构，含正向推理：从原始数据和已知条件

得到结论；反向推理：先提出假设的结论，然后寻找支持的证据，

若证据存在，则假设成立；双向推理：运用正向推理提出假设的结论，运用反向推理来证实假设。

2. 专家控制与专家系统的区别？

答：专家系统能完成专门领域的功能，辅助用户决策；专家控制能

进行独立的、实时的自动决策。专家控制比专家系统对可靠性和抗

干扰性有着更高的要求。专家系统处于离线工作方式，而专家控制

要求在线获取反馈信息，即要求在线工作方式。 3. 专家控制与模糊

控制的共同点都是把人的经验整理成控制规则，二者有何区别？答：（1）专家控制规则中的概念是精确的，不具有模糊性，而模糊控制

规则中的概念是模糊的；（2）由于模糊控制规则中概念是模糊的，

因而可以借助于模糊逻辑推理实现控制。

二．模糊控制部分 1．智能控制与传统控制相比，有哪些主要的特点？答：（1）学习功能：智能控制器能通过从外界环境所获得的信

息进行学习，不断积累知识，使系统的控制性能得到改善。

（2）适应功能：智能控制器具有从输入到输出的映射关系，可实现

不依靠于模型的自适应控制，当系统某一部分出现故障时，也能进

行控制。

（3）自组织功能：智能控制器对复杂的分布式信息具有自组织和协

调的功能，当出现多目标冲突时，他可以在任务要求的范围内自行

决策，主动采取行动。

（4）优化功能：智能控制器能够通过不断优化控制参数和寻找控制

器的最佳结构形式获得整体最优的控制性能。

2．简述模糊集合的基本定义以及与隶属函数之间的相互关系。

答：定义：论域u中的模糊集合a，是以隶属函数?a为表征的集合a。?a称为模糊集合a的隶属函数，?a(u)称为u对a的隶属度，它

表示论域u中的元素u属于模糊集合a的程度，它在[0，1]闭区间

内可连续取值。

关系：模糊集合是以隶属函数来描述的，隶属度的概念是模糊集合

理论的基石。

1

3 常用隶属函数的种类及其表达式，及其图形表示。

答：高斯型隶属函数：高斯型隶属函数由两个参数

,?,c)?e?

cc)用于确定2?2

广义钟形隶属函数：广义钟型隶属函数由三个参数a，b，c确定，其中参数a和b通常为正，参数c用于确定曲线的中心。表达式：

f(x,a,b,c)?1

1?x?c

2b

as形隶属函数：s形函数由参数a和c决定，其中参数a的正负符

号决定了s形隶属函数的开口朝左或朝右，用来表示“正大”或“负大”的概念。表达式： f(x,a,c)?1

1?e?a(x?c)

梯形隶属函数：由四个参数a，b，c，d确定，其中参数a和d确

定梯形的“脚”，而参数b和c确定梯形的“肩膀”。表达

式：?0x?a ? ?x?a?b?aa?x?bf

(x,a,b,c,d)???1b?x?c

?d

??xc?x?d

?d?c ?0x?d

?

三角形隶属函数：三角形曲线的形状由三个参数a，b，c确定，其中参数a和c确定三角形的“脚”，而参数b确定三角形的“峰”。表达式：

?0x?a

? ?x?a a?x?b

f(x,a,b,c)??b?a

?

?c?xb?x?c

?c?b ?

x?c

?0z形隶属函数：这是基于样条函数的曲线，因其呈现z形状而得名。参数a和b确定了曲线的形状。 4．给定变量论域，请在其上设计几个模糊子集，并用隶属函数予以描述，并绘图表示。

（比如年龄（0-100岁）中的年幼，年轻，中年，

老年如何进行表示？

5．常用的模糊并和模糊交算子是怎样进行运算的？有什么特点？答：一般地：

a?b??a?b(u)?max(?a(u),?b(u))??a(u)??b(u)

，取大原则

a?b??a?b(u)?min(?a(u),?b(u))??a(u)??b(u)

，取小原则采用隶属函数的取大（max）和取小（min）进行模糊集合的并、交逻辑运算是目前最常用的方法。

6．解释常用的几种清晰化方法的几何含义。（1）重心法；（2）最大隶属度法；（3）面积中心线法答：（1）最大隶属度法：选取推理结果的模糊集合中隶属度最最大的元素做为输出值，

?0?max??(v)。如果在输出论域v中，其最大隶属度对应的输出值多于一个，则取所有最大隶属度

输出的平均值，即??1n?n

0vi,vi?max(u(v))，

i?1

n为具有相同最大隶属度输出的总数。

（2）重心法：为了获得准确的控制量，就要求模糊方法能够很好的表达输出隶属度函数的计算结果，重心法是取隶属度函数曲线与横坐标围成面积的重心作为模糊推理的最终输出值。

（3）加权平均法：工业控制中广泛使用的反模糊方法为加权平均法，输出值由下式决定：

其中系数k

i 的选择根据实际情况而定。不同的系数决定系统具有不同的

响应特性。当系数就转化为重心法。 k取隶属度 ? ()

时，

ivvi

7 模糊推理的四种主要形式（出计算题）：1) 如果x是a,则y是b，现假如x是a’, 则y’（?教材4.1.3 水箱水位控制）

2) 如果x是a, 则y是b, 否则是c, 现x是a’, 求y’?

3) 如果x是a且y是b,则z为c, 先x是a’且y是b’, 求z’?

4) 教材p4.4 洗衣机模糊控制

8 模糊推理程序，模糊控制matlab程序，要能读懂，考试有程序题。

9 模糊自适应整定pid控制的原理是什么？

答：自适应控制运用现代控制理论在线辨识对象特征参数，实时改

变其控制策略，使控制系统品质指标保持在最佳范围内，但其控制

效果的好坏取决于辨识模型的准确度，这对于复杂系统是非常困难的。因此在工业生产中，大量采用pid算法。

自适应模糊pid控制器以误差e和误差变化ec作为输入，以满足不同时刻的e和ec对pid参数

2 1

自整定的要求。离散pid控制算法为u(k)?kpe(k)?kit

?e(j)?kd

j?0

k

e(k)?e(k?1)

式中，k为采样序号，t

t

为采样时间。比例环节kp的作用是加快系统的响应速度，提高系统的调节精度。积分环节系数ki的作用是消除系统的稳态误差。微分

作用系数kd的作用是改善系统的动态特性，降低系统的抗干扰性能。

10 模糊控制的特点或优点是什么？模糊控制具有的突出特点：

(1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，

出发点是现场操作人员的控制经验或相关专家的知识，在设计中不

需要建立被控对象的精确的数学模型，因而使得控制机理和策略易

于接受与理解，设计简单，便于应用。

(2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而

模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常

显著的对象非常适用。

(3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。

(4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。

(5)模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。三．神经网络部分

1．解释什么叫做神经网络？

答：人工神经网络（artificial neural network ）是模拟人脑思维方式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的，用来模拟人类大脑神经网络的结构和行为，它从微观结构和功能上对人脑进行抽象和简化，神经网络反映了人脑功能的基本特征，如并行信息处理、学习、联想、模式分类、记忆等。

2． bp网络的结构是怎样的？具有什么主要特点？

答：bp网络结构：含一个隐含层的bp网络结构如下图所示，图中i 为输入层神经元，j为隐层神经元，k为输出层神经元

（4）神经元传递（激发）函数为s函数；（5）学习算法由正向传播和反向传播组成；

（6）层与层的连接是单向的，信息的传播是双向的。3．写出单一神经元从输入到输出的表达式。

p124

答：图中ui为神经元的内部状态，?i为阈值，xi为

输入信号，j?1,?,n，wij为表示从单元uj到单元

ui的连接权系数，si为外部输入信号。上图的模型

可描述为：neti?

1 ?wx

ijj

j

?si??i，

ui?f(neti)，yi?g(ui)

通常情况下，取g(ui)?ui，即yi?f(neti)

4 神经网络控制的优点是什么？

答：从控制角度来看，神经网络用于控制的优越性主要表现为：（1）神经网络可以处理那些难以用模型或规则描述的对象；

（2）神经网络采用并行分布式信息处理方式，具有很强的容错性；（3）神经网络在本质上是非线性系统，可以实现任意非线性映射。

神经网络在非线性控制系统中具有很大的发展前途；

（4）神经网络具有很强的信息综合能力，它能够同时处理大量不同

类型的输入，能够很好地解决输入信息之间的互补性和冗余性问题；（5）神经网络的硬件实现愈趋方便。大规模集成电路技术的发展为

神经网络的硬件实现提供了技术手段，为神经网络在控制中的应用

开辟了广阔的前景。

5 试简述 bp网络和径向基函数网络各自的特点。 bp网络特点：（1）是一种多层网络，包括输入层、隐含层和输出层；

（4）神经元传递（激发）函数为s函数；（5）学习算法由正向传

播和反向传播组成；

（6）层与层的连接是单向的，信息的传播是双向的。rbf网络特点： (1) rbf网络的作用函数为高斯函数，是局部的，bp网络的作用函数

为s函数，是全局的； (2) 如何确定rbf网络隐层节点的中心及基宽

度参数是一个困难的问题； (3) 已证明rbf网络具有唯一最佳逼近的

特性，且无局部极小。

6 bp网络前向传播和误差反向传播的计算（计算题）。

7 基于bp

神经网络的模式识别（计算分析题）

8神经网络监督控制的原理？

答：通过对传统控制器进行学习，然后用神经网络控制器逐渐取代

传统控制器的方法，称为神经网络监督控制。神经网络监督控制的

结构如图9-1所示。神经网络控制器实际上是一个前馈控制器，它建立的是被控对象的逆模型。神经网络控制器通过对传统控制器的输

出进行学习，在线调整网络的权值，使反馈控制输入趋近于零，从

而使神经网络控制器逐渐在控制作用中占据主导地位，最终取消反

馈控制器的作用。一旦系统出现干扰，反馈控制器重新起作用。这

种前馈加反馈的监督控制方法，不仅可以确保控制系统的稳定性和

鲁棒性，而且可有效地提高系统的精度和自适应能力。三．遗传算

法

1．简述遗传算法是如何实现优化的？

答：遗传算法将“优胜劣汰，适者生存”的生物进化原理引入优化参

数形成的编码串联群体中，按所选择的适应度函数并通过遗传中的

复制、交叉及变异对个体进行筛选，使适应度高的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上一代。

这样周而复始，群体中个体适应度不断提高，直到满足一定的条件。遗传算法的算法简单，可并行处理，并能得到全局最优解。考试说明：

1 概念解释：15分

2 简答题：30分

3 计算分析题：38分共4道，其中，模糊推理与模糊控制各1道（与期中考试类似），神经网络1道，所涉及的知识点见前文所述。

4 程序题两道，17分。模糊控制与神经网络控制各一道。阅读程序，对程序进行详细注释。

2 1

【篇二：智能控制习题答案】

什么是智能、智能系统、智能控制？

答：“智能”在美国heritage词典定义为“获取和应用知识的能力”。“智能系统”指具有一定智能行为的系统，是模拟和执行人类、动物

或生物的某些功能的系统。

“智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规

则等因素，使之具有某种智能性；也是基于认知工程系统和现代计

算机的强大功能，对不确定环境中的复杂对象进行的拟人化管理。答：智能控制系统的类型：集散控制系统、模糊控制系统、多级递

阶控制系统、专家控制系统、人工神经网络控制系统、学习控制系

统等。

各自的特点有：

集散控制系统：以微处理器为基础，对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。该系统将若干台微机分

散应用于过程控制，全部信息通过通信网络由上位管理计算机监控，实现最优化控制，整个装置继承了常规仪表分散控制和计算机集中

控制的优点，克服了常规仪表功能单一，人机联系差以及单台微型

计算机控制系统危险性高度集中的缺点，既实现了在管理、操作和

显示三方面集中，又实现了在功能、负荷和危险性三方面的分散。

人工神经网络：它是一种模范动物神经网络行为特征，进行分布式

并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通

过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

专家控制系统：是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。可以说是一种模拟人类专家解决领域问题的计算机程序系统。

多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。这种结构的特点是：1.上、下级是隶属关系，上级对下级有协调权，它的决策直接影响下级控制器的动作。2.信息在上下级间垂直方向传递，向下的信息有优先权。同级控制器并行工作，也可以有信息交换，但不是命令。3.上级控制决策的功能水平高于下级，解决的问题涉及面更广，影响更大，时间更长，作用更重要。级别越往上，其决策周期越长，更关心系统的长期目标。4.级别越往上，涉及的问题不确定性越多，越难作出确切的定量描述和决策。

学习控制系统：靠自身的学习功能来认识控制对象和外界环境的特性，并相应地改变自身特性以改善控制性能的系统。这种系统具有一定的识别、判断、记忆和自行调整的能力。

答：智能控制与传统控制的比较：它们有密切的关系，而不是相互排斥。常规控制往往包含在智能控制之中，智能控制也利用常规控制的方法来解决“低级”的控制问题，力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题。

1.传统的自动控制是建立在确定的模型基础上的，而智能控制的研究对象则存在模型严重的不确定性，即模型未知或知之甚少者模型的结构和参数在很大的范围内变动，这些问题对基于模型的传统自动控制来说很难解决。

2.传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便，希望制造出能接受印刷体、图形甚至手写体和口头命令等形式的信息输入装置，能够更加深入而灵活地和系统进行信息交流，同时还要扩大输出装置的能力，能够用文字、图纸、立体形象、语言等形式输出信息. 另外，通常的自动装置不能接受、分析和感知各种看得见、听得着的形象、声音的组合以及外界其它的情况. 为扩大信息通道，就必须给自动装置安上能够以机械方式模拟各种感觉的精确的送音器，即文字、声音、物体识别装置。

3.传统的自动控制系统对控制任务的要求要么使输出量为定值（调节系统），要么使输出量跟随期望的运动轨迹（跟随系统），因此

具有控制任务单一性的特点，而智能控制系统的控制任务可比较复杂。

4. 传统的控制理论对线性问题有较成熟的理论，而对高度非线性的

控制对象虽然有一些非线性方法可以利用，但不尽人意. 而智能控制

为解决这类复杂的非线性问题找到了一个出路，成为解决这类问题

行之有效的途径。

5.与传统自动控制系统相比，智能控制系统具有足够的关于人的控

制策略、被控对象及环境的有关知识以及运用这些知识的能力。

6.与传统自动控制系统相比，智能控制系统能以知识表示的非数学

广义模型和以数学表示的混合控制过程，采用开闭环控制和定性及

定量控制结合的多模态控制方式。

7.与传统自动控制系统相比，智能控制系统具有变结构特点，能总

体自寻优，具有自适应、自组织、自学习和自协调能力。

8.与传统自动控制系统相比，智能控制系统有补偿及自修复能力和

判断决策能力。

答：智能控制具有明显的跨学科特点，在最早傅金孙提出的二元论中，智能控制系统被认为是自动控制与人工智能的交互作用，随着

认识的深入，萨瑞迪斯提出运筹学融入智能控制而提出三元结构，

蔡自兴教授提出将信息论引入智能控制，其依据在于：信息论是解

释知识和智能的一种手段；控制论、信息论和系统论是紧密相连的；信息论已经成为控制智能机器的工具；信息论参与智能控制的全过

程并对执行级起到核心作用，因此最终确定了智能控制的四元结构。第二章模糊控制的理论基础

答：模糊性起源于事物的发展变化性，变化性就是不确定定性；模

糊性是客观世界的普遍现象，世界上许多的事物都具有模糊非电量

的特点。例如：年龄分段的问题；如果一个人的年龄大于60岁算老年，45-59岁之间的岁中年，小于44岁的就算青年；如果一个人的

年龄是59岁零11个月零28天，那么他是属于中年还是老年呢？理

论上从客观的角度说他是中年人，但是与60岁只有两天区别，这区

别我们是分辨不出来的。从主观上我们认为他又是老年人。这就是

模糊性的主观性和客观性的体现。

答：模糊性处于过渡阶段的事物的基本特征，是性态的不确定性，

类属的不清晰性，是一种内在的不确定性；而随机性是在事件是否

发生的不确定性中表现出来的不确定性，而事件本身的性态和类属

是确定的，是一种外在的不确定性。相同点是：模糊性是由于事物

类属划分的不分明而引起的判断上的不确定性；而随机性是由于天

剑不充分而导致的结果的不确定性。但是他们都共同表现出不确定性。

异同点是：模糊性反映的是排中的破缺，而随机性反映的是因果律

的破缺；模糊性现象则需要运用模糊数学，随机性现象可用概率论

的数学方法加以处理。

答：模糊集合用隶属函数作定量描述，普通集合用特征函数来刻划。两者相同点：都属于集合，同时具有集合的基本性质。

两者异同点：模糊集合就是指具有某个模糊还年所描述的属性的对

象的全体，由于概念本身不是很清晰，界限分明的，因而对象对集

合的隶属关系也不是明确的；普通集合是指具有某种属性的对象的

全体，这种属性所表达的概念应该是清晰的，界限分明的，因而每

个对象对于集合的隶属关系也就是明确的。

。

?old(x)???0 0?x?50 ?2?11?(x?50/5)50?x?100???

确定“not so old”，“very old”，“more or less old”的隶属函

数。 ?0 0?x?50?1解：?not so

old(x)?? ?2?2?????1?(x?50/5)?50?x?100

??0 0?x?50

?very old(x)???2?2?????1?(x?50/5)?50?x?100

?0 0?x?50?1 ?more or less

old(x)???2?4?????1?(x?50/5)?50?x?100

a??0.70.10.4?

?0.50.80.10.2??

r??0.60.400.1????00.30.60.3??

6.令论域u??1234?，给定语言变量

“small”=1/1+0.7/2+0.3/3+0.1/4和模糊关系r=“almost相等”定义 ?10.60.10??0.610.60.1??r(y)?(x是small)?(almost如下：

r?? ?0.10.610.6???00.10.61??

?10.60.10??0.610.60.1?? （y）?(10.70.30.1)?解：

r?0.10.610.6????00.10.61?

?(1?1)?(0.7?0.6)?(0.3?0.1)?(0.1?0)??(1?0.6)?(0.7?1)?(0.3?0.6)?

(0.1?0.1)????10.70.60.3????(1?0.1)?(0.7?0.6)?(0.3?1)?(0.1?0.6) ????(1?0)?(0.7?0.1)?(0.3?0.6)?(0.1?1)?

?10.800.10.2??0.810.400.9???7.已知模糊关系矩阵：r??00.4100?计算r的二至四次幂。

?0.10010.5?????0.20.900.51??t

?10.800.1?0.810.40?2解：r?r?r??00.410?01?0.10

??0.20.900.50.2??10.800.1?0.810.400.9???0??00.410??0.5??0. 10011????0.20.900.50.2??10.80.40.20.8??0.810.40.50.9?0.9??? ?0???0.40.4100.4? ???0.5??0.20.5010.5?1????0.80.90.40.51?? ?1?0.8?32 r?r?r??0.4??0.5

??0.8

8.设有论域x?{x1,

中

0.80.40.50.8??10.8?0.8110.40.50.9???4220.410.40.4?r?r?r??0.4 0.4??0.50.410.5??0.50.5?0.90.40.51???0.80.9y2,0.40.50.8?0.40.

50.9??10.40.4? ?0.410.5?0.40.51??x2,x3},y?{y1,y3},z?{z1,z2}a? b?

c?0.510.1?? , a?f(x)x1x2x30.110.6?? , b?f(y)已知

y1y2y30.41? , c?f(z)z1z2

*a*?b*?10.50.1??, a*?f(x)x1x2x30.10.51??, b*?f(y)y1y2y3 解：令r表示模糊关系，则r?a?b?c.

?0.5??0.5?0.10.5?10.5?0.6??0.10.50.5??0.110.6??1?0.1???0.1 10.6?

r1t?at?b??11?11?0.6???????????0.1???0.1?0.10.1?10.1?0.6? ???0.10.10.1??

t将r1按行展开写成列向量为?0.10.50.50.110.60.10.10.1? t

?0.1??0.1?0.4?0.5??0.5?0.4????0.5??0.5?0.4???0.1???0.1?0. 4

t所以，r?r1?c??1???0.41???1?0.4???0.6???0.6?0.4

?0.1??0.1?0.4????0.1??0.1?0.4

?0.1??0.1?0.4???0.1?1??0.1?0.40.5?1???0.5?1??0.4??0.1?1? ?0.11?1???0.4??0.6?1??0.40.1?1??0.1??0.1?1??0.1?0.1?1???

0.10.1?0.5??0.5??0.1?1?.又因为

c???a??b???r，?0.6?0.1??0.1?0.1??

?1??0.10.51??0.10.51??0.10.50.5?，将a??b?按行展开写成行向量，为a??b???0.5?????????0.1???0.10.10.1??

?0.10.510.10.50.50.10.10.1?，则 c???a??b???r??0.40.5?即c??0.40.5? z1z2

则：1）试求规则：

【篇三：智能控制-考试题(附答案)】

>试题1：

针对某工业过程被控对象：g(s)?

20

试分别设计常规pide?0.5s，

(10s?1)(2s?1)

算法控制器、模糊控制器、模糊自适应pid控制器，计算模糊控制的决策表，并进行如下仿真研究及分析：

1. 比较当被控对象参数变化、结构变化时，四者的性能；

2. 研究改善fuzzy控制器动、静态性能的方法。解：

常规pid、模糊控制、fuzzy自适应pid控制、混合型fuzzypid控制器设计错误！未找到引用源。. 常规pid调节器

pid控制器也就是比例、积分、微分控制器，是一种最基本的控制方式。它是根据给定值r(t)与实际输出值y(t)构成控制偏差e(t)，从而针对控制偏差进行比例、积分、微分调节的一种方法，其连续形式为：

1

u(t)?kp[e(t)?

ti

?

t

e(t)dt?td

de(t)

]（1.1） dt

式中，kp为比例系数，ti为积分时间常数，td为微分时间常数。 pid控制器三个校正环节中kp，ti和td这三个参数直接影响控制效果的好坏，所以要取得较好的控制效果，就必须合理地选择控制器的参数。

ziegler和nichols提出的临界比例度法是一种非常著名的工程整定方法。通过实验由经验公式得到控制器的近似最优整定参数，用来确定被控对象的动态特性的两个参数：临界增益ku和临界振荡周期tu。

用临界比例度法整定pid参数如下：

表1.1 临界比例度法参数整定公式

据以上分析，通过多次整定，当kp?1.168时系统出现等幅振荡，从而临界增益ku?1.168，再从等幅振荡曲线中近似的测量出临界振荡周期tu?5.384，最后再根据表1.1中的pid参数整定公式求出：kp?0.701,ti?2.692,td?0.673，从而求得：比例系数kp?0.701，积

分系数ki?kp/ti?0.260，微分系数。基此，可搭建如图1.1所示的

pid控制系统simulink仿真模kd?kptd?0.472

型，仿真得到系统阶跃响应曲线如图1.2（a）所示。

图1.1 pid控制系统simulink仿真模型

图1.2（a）(b)临界比例度法整定的系统阶跃响应曲线

错误！未找到引用源。. 模糊控制器

由于模糊控制采用了模糊似人推理机制，所以其控制机理较传统的

pid控制更加接近于人工智能。一般地，一个完整的模糊控制系统结

构如图1.3所示。下面基于matlab模糊逻辑工具箱设计模糊控制器。图1.3 模糊控制器的基本结构

1）论域及隶属度函数的建立

若取e、ec、u的论域均为??6,?5,?4,?3,?2,?1,0,1,2,3,4,5,6?，其

模糊子集都为{nb，nm，ns，zo，ps，pm，pb}。

在matlab中键入命令fuzzy，进入模糊逻辑编辑窗口fis editor。

建立e、ec、u的隶属度函数，有三角形、高斯形、梯形等11种可

供选择，在此选常用的三角形（trimf）隶属度函数。图1.4为e、ec、u的隶属度函数。

图1.4 e、ec、u的隶属度函数

2）模糊控制规则及决策方法

控制规则是对专家理论知识与实践经验的总结，共有49条模糊控制规则，如表1.2所示。在rules editor窗口中输入这49条控制规则，例如：if e is nb and ec is ns then u is nb。

表1.2 模糊控制规则表

基此，可搭建如图1.5所示的模糊控制系统simulink仿真模型，通

过模糊控制器模块，可以和包含模糊控制器的fis文件联系起来，还

可以随时改变输入输出论域，隶属度函数以及模糊规则，方便仿真

和调试。经过多次整定，选取误差e、误差变化率ec的量化因子及

控制量u的比例因子分别为：

ke?0.5,kec?0.1,ku?0.6，仿真得到系统阶跃响应曲线如图1.6所示。图1.5 模糊控制系统simulink仿真模型

图1.6 模糊控制系统阶跃响应曲线

从图1.6可以看出，单纯的模糊控制器相当于非线性的pd控制，无积分作

用，其调节不能做到无静差。在仿真过程中发现，量化因子、比例因子的大小对模糊控制器控制性能的影响很大，也许还存在一组最优量化因子和比例因子，能使系统获得更好的响应特性。

错误！未找到引用源。. fuzzy自适应pid控制器

由于常规pid控制在稳定阶段有良好的响应性能，于是采用

fuzzy+pid控制方法，构成fuzzypid控制系统。其结构框图如图1.7所示。

图1.7 fuzzy控制+pid控制

在matlab/simulink环境下，转换由开关模块“switch”实现，“switch” 模块中的threshold整定值(即误差整定值)设置为0.01。对系统进行仿真，可得响应曲线波形如图1.8所示。

图1.8 fuzzy控制+pid控制波形

从图1.8中可以看出系统稳定时间很短仅约为3，存在的静差约为0.06，输